Gauss-Markov模型回归系数广义岭估计的优良性

针对Gauss-Markov模型,讨论了在均方误差矩阵(MSEM)准则和Pitman Closeness(PC)准则下回归系数的广义岭估计相对于最小二乘估计的优良性.     

基于奇异设计矩阵的岭估计及其性质

基于设计矩阵是奇异矩阵的线性模型,讨论线性模型系数参数岭估计的优良性。对于可估函数在均方误差意义下,得到岭估计优于最小二乘估计的性质。而且在二次损失函数下岭估计具有可容许性。     

平面阵列下的二维角度和频率联合估计

在均匀面阵列结构基础上提出一种二维角度和频率联合估计新方法. 对阵列天线输出的信号进行建模分析,表明阵列接收信号具有平行因子四线性模型特征. 利用该模型低秩分解的唯一性条件,从分解得到的矩阵中联合估计出信源的参数. 该算法首先利用四线性交替最小二乘算法估计出方向矩阵和频率矩阵,然后利用频率矩阵的Vandermonde特征和方向矩阵的结构特点及最小二乘法计算频率和二维角度. 该方法无需谱峰搜索即可实现参数同时估计与配对,与现有的基于三线性分解的算法和ESPRIT算法相比具有更高的估计精度,而且在小样本数情况下也能较好地工作. 仿真结果验证了该方法的有效性.     

双基地MIMO雷达二维DOD和二维DOA联合估计

提出一种双基地MIMO雷达L型阵列下多维角度联合估计的新算法. 该算法利用匹配滤波器输出信号特点构造不同的代价函数,采用迭代最小二乘算法估计收发阵列流形矩阵,根据L 型阵列结构的特点和最小二乘法,从估计出的矩阵中计算目标的二维DOD(direction of departure)和二维DOA(direction of arrival). 该方法无需谱峰搜索,可实现参数的同时估计与配对. 与ESPRIT 算法相比,具有更高的估计精度,并接近于克拉美-罗下限,且在小快拍数下也能较好地工作. 仿真结果验证了该算法的有效性.     

线性模型的广义最小二乘估计递推算法

基于广义线性模型,讨论了新增样品后其系数的广义最小二乘估计与原有的样品其系数的广义最小二乘估计之间的关系,在此基础上,讨论剔除某个过时的样品后,其系数的广义最小二乘估计与原有样品的系数的广义最小二乘估计之间的关系,最后研究新增样品、剔除样品和原有样品它们三个的系数的广义最小二乘估计之间的关系.     

线性模型中回归系数广义岭估计的相对效率

对于Gauss-Markov模型,给出了回归系数的广义岭估计相对于最小二乘估计的几种相对效率的上、下界,并讨论了它们之间的相互关系.     

一种改进的OFDM通信系统信道估计算法

介绍了正交频分复用(OFDM)系统的基本原理和两类常用的信道估计算法:最小二乘法(LS)和最小均方误差(MMSE)算法。在16QAM高效调制的OFDM系统中,对两种算法进行了仿真验证,得出不同信道估计算法下的均方误差和误符号率曲线。同时仿真了线性最小均方误差(LMMSE)算法、改进的LS算法和改进的MMSE算法,仿真结果表明,改进的LS算法优于最初的LS算法,改进的MMSE算法具有最优的信道估计性能。     

基于空域调制效应的干扰极化参数估计

干扰极化估计精度是影响雷达极化抗干扰能力的重要因素,而雷达天线空域极化特性存在一定的病态性,使来波极化估计的最小二乘解在病态情况下变得不稳定. 针对最小二乘方法估计来波极化所存在的病态性问题,提出一种改进极化矢量估计的约束最小二乘方法.首先分析影响来波极化估计稳定性的因素,针对具体的天线型式给出病态情况下的计算机仿真结果,推导了带二次约束的极化估计最小二乘解并给出了算法流程. 仿真结果表明了改进极化估计均方误差的有效性,该方法可显著提高干扰极化估计精度,提高雷达极化抗干扰能力.     

面阵中降维Capon的二维DOA估计

提出了面阵中基于降维Capon的二维波达方向(direction of arrival,DOA)估计算法.先求得接受信号的协方差矩阵,再对其变换式进行谱峰搜索估计出一个参数,进而通过最小二乘估计出第2个参数.采用一维全局搜索实现二维DOA的联合估计,可避免二维Capon算法由二维谱峰搜索带来的巨大计算量,从而大大降低了计算复杂度,且角度估计性能非常接近于二维Capon算法.该算法既可以实现二维角度的自动配对,又可以精确地估计出相同方位角(或仰角)的信源,其优越性均可在文中得到验证.     

基于2D-MUSIC算法的DOA估计

利用经典的2D-MUSIC算法对二维阵列的DOA估计进行了研究,在平面阵列数学模型以及2D-MUSIC算法的DOA估计模型基础上,以均匀平面阵列为例,对3种不同参数的DOA估计进行了计算机仿真,分析了仿真结果.得出了在不同参数变化趋势下DOA估计的相应变化情况。     

加权平方损失下一类指数分布族刻度参数的估计

对一类刻度指数分布族c(x,n)θ~(-y)e~[-T(x)/θ],利用加权平方损失函数L(θ,δ=(δ/θ-1)~2研究了刻度参数θ的最小风险同变估计.经由Bayes估计给出了最小风险同变估计的精确形式,并讨论了它的最小最大性,最后应用积分变换定理证明了θ的Bayes估计具有不变性.     

基于奇异设计矩阵的广义岭估计及其性质

基于设计矩阵是奇异矩阵的线性模型,讨论了线性模型系数参数广义岭估计的优良性.对于可估函数在均方误差意义下,得到了广义岭估计优于最小二乘估计的性质.而且在二次损失函数下广义岭估计具有可容许性.     

回归函数及其导数非参数估计的强一致收敛速度

本文研究了回归函数及其导数的非参数估计.对随机与固定设计的回归函数,分别利用核估计和非参数加权估计,在核函数及权函数满足一条件下,本文证明了估计一致强收敛于待估函数的速度可达到最优.从而进一步推广和发展了Hardle(1988)、Severini,etal.(1992)的许多结果.     

相依回归方程的一种估计

对相依回归方程组yi=Xiβi+εi,E(εi)=0,Cov(εi,εj)=σij I n,i,j=1,2,提出了一种有偏估计,并研究了这种估计的容许性及其优越性,给出了2个充分且必要条件.     

宽带CDMA系统中信道估计自适应滤波的研究

在研究了宽带CDMA系统中信道估计均方误差(MSE)的基础上,提出了一种利用信道估计的互相关函数作为系数的有限冲激响应(FIR)滤波器,并比较了它的理论均方误差与维纳滤波器以及滑动平均滤波器之间的大小.在第三代移动通信(3G)支持的多普勒频移范围内的计算机仿真表明:通过自适应算法,验证了所提出的方法在知道噪声方差的情况下都可以获得良好的均方误差性能.     

固定设计点情形下回归函数的非线性小波估计

在固定设计变量但不一定等距,误差为一般的随机变量的情况下,构造了回归函数的非线性小波估计以及自适应非线性小波估计。证明了非线性小波在Besov空间中可达到最优收敛速度,自适应非线性小波估计在一大类Besov空间中可达到次最优收敛速度(即和最优收敛速度只相差lnn)。这样,在固定设计变量情况下,构造的回归函数的非线性小波估计和Donoho等人在等距固定设计点对回归函数的非线性小波估计几乎具有同样的优良性质。进一步,只要求误差为有界三阶距,而Donoho等人要求误差服从正态分布。     

基于二步估计器的PID自校正预测控制

基于内模原理构建d步超前预测控制器.根据d步超前预测信号,运用二步估计器进行数据信息处理,创建PID自校正预测控制算法.仿真结果表明:该算法实现起来简便,能够有效地减小控制系统的运算量,提高控制的实时性.     

熵损失下逆高斯分布参数倒数的Bayes估计

在熵损失函数下研究逆高斯分布参数倒数的Bayes估计并且讨论了多层Rayes估计并证明该参数的Bayes估计是可容许的．