时变多径信道中通信信号调制识别算法

为解决时变多径信道中调制分类问题,提出对数字通信信号先分段盲均衡,后星座图匹配的识别策略。保证了每段信号对应的信道环境近似静态以及降低码元速率和载波频率的估计误差对均衡的影响。选取与信号星座图形状无关的分数阶盲均衡算法,以满足调制识别过程中均衡算法对调制类型盲的要求。信道时变使得各段序列均衡效果表现很大差异,采用极大似然比方法挑选最佳均衡段。对最佳均衡段通过星座图匹配实现调制类型判别。仿真结果表明:在典型城市和恶劣城市模型下,信噪比大于5dB时,平均正确率在90%以上,该算法对时变多径信道非常有针对性。     

三种变点问题理论及其应用

本文对于突变点（Abrupt Change-Point），渐进的变点（Gradual Change-Point）和流行的变点（Epidemic Change-Point），分别给出了规范的定义，鉴于突变点问题已经有较多文献给予了讨论，本文重点讨论了后两种变点问题，给出了一些常用分布的变点的检测方法和变点的估计方法．     

HMM自适应法在应力变异语音识别系统的应用

为了使应力变异在顽健语音识别系统中能够达到较好的识别效果,研究了基于隐马尔可夫模型(HMM)的自适应技术,提出了将最大后验概率(MAP)和最大似然回归方法(MLLR)用于应力变异语音的自适应中.实验结果表明,与基本系统相比,两种方法均有效地提高系统识别率.以SD为初始模型的最大后验概率方法在150个训练样本时识别效果最好,可以达到90.4%.     

Forecasting time series with increasing seasonal variation

Four options for modeling and forecasting time series data containing increasing seasonal variation are discussed, including data transformations, double seasonal difference models and two kinds of transfer function-type ARIMA models employing seasonal dummy variables. An explanation is given for the typical ARIMA model identification analysis failing to identify double seasonal difference models for this kind of data. A logical process of selecting one option for a particular case is outlined, focusing on issues of linear versus non-linear increasing seasonal variation, and the level of stochastic versus deterministic behavior in a time series. Example models for the various options are presented for six time series, with point forecast and interval forecast comparisons. Interval forecasts from data-transformation models are found to generally be too wide and sometimes illogical in the dependence of their width on the point forecast level. Suspicion that maximum likelihood estimation of ARIMA models leads to excessive indications of unit roots in seasonal moving-average operators is reported.     

自适应设计广义线性回归多维拟似然估计的渐近正态性

文章研究了自适应设计广义线性回归的拟似然方程,在适当条件下,其解^βn具有渐近正态性质。     

组合惩罚似然估计下发散参数变量选择

在Wang等给出的组合惩罚函数的基础之上,将SCAD惩罚部分推广到一般的非凸惩罚的形式,利用岭回归在解释变量相关度较高情形下的良好表现,提出一种推广了的组合惩罚.在参数个数发散的情形之下,利用贝叶斯信息准则(BIC)来选择调整参数,能同时完成变量选择和参数估计.而且还可以证明在合适的条件之下,这种估计具有Oracle性质.模拟研究的结果证明了所提出的方法在预测变量具有强相关性之下的优势.     

基于布谷鸟搜索算法的最大似然DOA估计

为解决最大似然DOA(Direction of Arrival)估计多维非线性搜索计算量大的问题, 将布谷鸟搜索算法与最大似然算法相结合, 利用布谷鸟搜索算法优化多维非线性的最大似然DOA估计谱函数。在保留布谷鸟搜索算法的主体思想的同时, 改进了算法的位置迭代方式, 加快了收敛速度。仿真结果表明, 改进的布谷鸟搜索算法在DOA估计中具有较好的收敛性, 估计性能较好。     

基于ANN模型和HPSO算法的数控机床可靠性分布模型研究

针对数控机床可靠性研究过程中,由于可靠性数据较难收集导致可靠性分布模型不唯一的问题,采用ANN模型对收集到的少量可靠性数据进行扩充,扩充后的数据采用K-S检验法进行分析以确定可靠性数据模型,同时在求解确定可靠性分布模型参数过程中,将混合粒子群优化(hybrid particle swarm optimization,HPSO)算法引入极大似然估计中,解决其在小样本数据下求解某些复杂分布模型时易陷于局部最优解和求解效率低的问题.实例分析结果表明:采用混合粒子群算法求解可以在求解效率和收敛性性能上达到较好的平衡,比较所有的求解模型结果,经过ANN模型扩充后的2重3参数威布尔分布的相对均方差最小,其值为0.0425,说明利用该方法求解数控机床的可靠性分布模型是可行的,而且能够获得较精确的结果.     

基于最大期望算法的多时变信号DOA估计方法

当多个辐射源同时存在并交替发射信号时,接收数据间相互交错,且多个数据间并无显性关联,无源合成阵列每一次测量仅能获取来波的频率、幅度与相位等数据信息。为了同时、高效地实现多个参数的联合估计,提出采用最大期望算法进行估计多个时变信号参数估计的新方案,将一个高维多参数优化问题分解成多个并行的低维问题进行求解。该方法主要包含求解期望值步骤和期望值最大化两个步骤。求解期望值步骤主要建立接收信号与其辐射源的对应关系,即信号分选,而期望值最大化步骤采用最大似然方法估计辐射源的入射角信息。这两个步骤相互迭代,交替进行辐射源信号的分选与测向。同时,还推导出无源合成圆阵相位差数据的最大似然方法进行入射角的精确估计的闭合形式解,并通过接收信号的复数响应进行相位模糊解算,并推导出测向精度的理论下限。最后,通过数值仿真结果验证了该方法的有效性。     

单输入单输出回归模型的异方差性检验

在研究木材材质特性时，通常将木材本身看作一个系统，输入不同的影响因素，如含水率、密度、节子、腐蚀等会得到不同的机械力学特性，而相关的回归分析一直是在对上述各测试观测值的方差齐性默认的情况下进行的，并未对其方差异性进行过深入研究．本文研究基本系统的单输入单输出回归模型的方差齐性检验问题．通过推导得到似然比检验统计量与Score检验统计量，并且基于参数的正交化得到修正的似然比检验统计量与修正的Score检验统计量，并利用Monte-Carlo方法模拟了几种统计量的功效，结果显示，这几种检验统计量都有很好的检验效果．