几种调制分类方法的原理与仿真试验研究

准对数似然函数比 (qLLR)、相位统计矩和不同阶幅度矩是调制分类的新方法。用qLLR方法构造检测MPSK信号的假设检验及其对数似然函数比 ,并求其数学期望 ,得到qLLR以BPSK/QPSK信号分类。相位统计矩方法利用MPSK信号符号初相位偶阶统计矩为M的单调递增函数的特性 ,并进行M进制识别复合假设检验。不同阶幅度矩进行调制分类的方法利用MPSK/MQAM信号每符号段波形起始点与其它点幅度的乘积统计矩特征进行调制分类。给出了计算机仿真试验评估。     

模糊数学在企业设备分类管理中的应用

根据模糊数学综合程度估计法，建立了一种设备分类管理的综合程度估计模型．模型中把评价者分成三组，而影响设备重要程度的因素组成因素集．从每一组评价者中各成员对设备各因素所做的评价，得到对某设备集体评价的点估计值．通过对各类评价者加权获得设备关于因素集的程度分布，再用综合函数获得设备关于因素集的综合程度估计．实例分析表明，模型为现代企业中的众多设备进行分类管理提供了一种经济合理的办法．     

一类约束下的参数估计问题

考虑线性模型ｙｎ×１＝Ｘｍ×ｐβｐ×１＋εｎ×１，（１）其中ｙｎ×１为样本观测值，Ｘ为ｎ×ｐ阶的设计阵，β为ｐ维参数向量，εｎ×１为ｎ维随机向量，ε为随机误差．Ｅε＝０，Ｄε＝σ２Ｖ这里σ２已知或未知皆可，Ｖ为ｎ×ｎ阶非负定阵．对于线性模型（１），...     

一般线性模型下删除观测值的影响

在一般情形下，给出了在模Ｍ＝（Ｙ，Ｘβ，σ＾２Ｖ）与删除第ｉ个观测值后得到的模型Ｍｄ＝（Ｙｄ，Ｘｄβ，σ＾２Ｖｄ）下Ｘｄβ的最佳线性无偏估计的表达式，得到了二者相等的充要条件，给出了在模型Ｍｄ下Ｘｄβ的最小二乘估计是Ｍ下Ｘｄβ的最佳线性无偏估计的充要条件，以及Ｍｄ下σ＾２的最小范数二次无偏估计是Ｍ下σ＾２的最小范数二次无偏估计的充要条件。     

梁问题有限元逼近的新估计及超收敛

在改进的单元正效估计的基础上，得到梁问题的ｎ次赫米特有限元ｕｈ∈Ｃ＾１的新误差估计式，以及挠度和导数的最佳阶超收敛。     

运动参数受限的目标跟踪算法研究

提出一种运动参数受限的目标跟踪算法,对于速度受限目标采用平滑修正滤波跟踪算法,首先使用Kalman滤波得到当前时刻的滤波值,找到平滑精度最高点,根据速度限制条件,对滤波结果进行修正。为了保证滤波的无偏有效性,修正计算得到的结果不参与后续滤波处理。通过理论分析和仿真表明,速度受限跟踪算法在观测误差相对较大以及滤波起始阶段可以使滤波跟踪效果获得较大的改善。     

基于估计方程估计的单指标模型异方差检验

针对单指标模型的异方差检验问题,将估计方程估计与完全非参方差函数检验相结合,给出了一种新的检验形式.利用估计方程法得到单指标模型中未知指标参数的估计值,再根据局部线性拟合给出单指标模型联系函数的估计形式,进一步由完全非参方差函数方法构造检验统计量,对模型进行异方差检验.数值模拟部分以检验统计量的经验水平和经验功效为评价指标,实验结果表明,基于估计方程估计比基于梯度外积估计和基于最小平均方差估计的完全非参方差函数检验方法更有效.实例分析部分采用汽车数据集,同样验证了这一检验方法的显著性.     

稳健经验似然估计方法

在经验似然方法的基础上提出了一种稳健的经验似然估计方法,在约束条件的估计方程中使用权重函数以及有界得分来限制异常点的影响。通过数值模拟研究该方法的稳健性。模拟结果表明,相比普通的经验似然估计,提出的稳健经验似然方法在数据中存在异常值的情况下所得估计的均方误差更小。同时对于非正态的厚尾分布数据,提出的稳健经验似然估计也在均方误差意义下更优。     

行为负相协随机变量阵列加权和的矩完全收敛性

矩完全收敛性是极限理论随机变量所需研究的重要性质之一。本文研究了行为负相协(NA)随机变量阵列加权和的矩完全收敛性,在已有结论的基础上获得了一些新的结论,完善了Sung的结果。本文所采用的证明方法完全不同于Sung的方法,运用截尾的思想简化了证明过程,有一定的创新。     

一种优化嵌套MIMO的无孔差合阵列设计

针对现有嵌套MIMO阵列自由度有限的问题,提出一种基于优化嵌套阵的优化改进方案。其不止保留了嵌套MIMO阵列设计的原有优势,具有阵元位置以及自由度的闭合表达式,而且极大程度地提高了阵列孔径以及自由度。优化嵌套MIMO阵列设计首先将优化嵌套阵作为发射和接收阵,其次对MIMO阵列的合阵进行做差处理,得到阵元位置的差合阵列。通过合理的设计发射和接收阵的阵元间距,可以获得一个无孔的差合阵列。当阵元总数给定的时候,通过分析阵列结构的特点,可以得到发射和接收阵的最佳阵元数目。仿真实验表明,与嵌套MIMO阵列设计相比,所提方法在不增加实际阵元数目的情况下可以有效扩展阵列孔径,增加自由度,从而提高MIMO雷达波达方向估计精度。