基于四阶累积量的MIMO信道及其相关性的联合估计

MIMO技术一直受到人们的广泛关注,并被广泛采用于各种移动通信系统的标准化协议中.在此系统中用到的分集合并和空时解码技术都需要以准确估计的信道状态信息为前提条件,以往的信道估计都是在MIMO系统子信道间是非相关的假设下进行的.事实上,由于天线之间距离的限制和传播路径散射体的不充分,子信道之间常常存在一定的相关性,常称为空间相关.另外,在信道估计、天线选择和自适应调制等方面需要已知(估计)这一参数.但是,要精确估计信道的相关性非常困难,到目前为止,这一问题没有得到很好的解决,以至于在大部分关于信道估计的文献中都是预先假定已知信道的相关特性.本文运用四阶累积量理论对MIMO信道及其相关矩阵进行了估计.仿真结果表明,本文所提出的方法具有较高的估计精度.     

非线性半参数模型最小二乘近邻估计

目前对非线性半参数模型的研究尚处于初级阶段,关于非线性半参数模型的计算理论还未见实质性报道.基于非线性半参数模型最小二乘近邻估计,给出了其参数分量和非参数分量估计的构造式,导出了参数分量和非参数分量顾及二次项直接解法的非线性直接解法.基于工程实际中的非线性模型用模拟数据进行计算,证明对于非线性半参数模型最小二乘近邻估计,可采用顾及二次项的直接解法.     

基于直觉模糊贝叶斯网络的高速铁路突发事故态势估计

为了提高高速铁路应急部门针对突发事故进行应急决策的能力,通过建立直觉模糊贝叶斯网络(intuitionistic fuzzy Bayesian network, IFBN)对突发事故现场进行态势估计,为应急决策提供依据。首先,分析了高速铁路突发事件的诱因、事故分类及应急决策的特点和流程;其次,利用直觉模糊数表示贝叶斯网络节点的证据信息,给出了基于IFBN的态势估计方法;最后,以动车组(electric multiple units, EMU)在高架桥突发火灾事故为例分别用贝叶斯网络(Bayesian network, BN)和IFBN进行推理。经过多组推理比较,结果表明：当信息犹豫度较大时,BN推理会产生与实际情况相反的结论,而IFBN克服了此缺点,推理结果仍然准确,可见利用IFBN推理模型进行态势估计比经典贝叶斯方法更加准确可信。     

基于目标高斯分布的定位系统节点最优部署方法

针对三维空间定位系统中目标位置服从高斯先验分布假设条件下节点最优部署问题,分析了纯方位目标定位算法中估计误差的费希尔信息矩阵,推导出基于目标先验分布的克拉美罗界(Cramer-Rao bound,CRB).为了解决目标位置在任意高斯分布时,协方差矩阵为非对角阵的问题,提出了基于三维坐标旋转的最大后验概率估计方法,将协方...     

智能交通中动态OD矩阵估计研究概况

介绍了智能交通中动态OD矩阵估计的研究概况,将动态OD矩阵估计方法进行了分类,并分别进行了综述。同时指出了各自的缺点与不足,指明了以后的发展方向,以期后续工作在此基础上得到突破性进展。     

与给定自然数互素的N的最大因子的均值研究

对无平方因子数k,研究了与k互素的自然数n的最大因子的均值。     

F范数和谱范数定义下的最小二乘估计

本文主要把一元线性模型中最小二乘估计的思想以及数学上的表达形式,利用范数推广到对多元线性模型的参数估计中,提出了在F范数和谱范数意义下的最小二乘估计。     

线性模型参数一类新的s-K估计

基于线性回归模型参数向量的先验信息提出一类新的s-K估计——改进s-K估计,并在均方误差阵意义下,得到了这类估计分别优于最小二乘估计、广义岭估计、Stein估计及s-K估计的充要条件.     

单向分类方差分析模型中参数的Bayes估计及其优良性

对平衡的单向分类方差分析(ANOVA)模型导出了效应参数向量可估函数的线性Bayes无偏估计(LBUE),并在均方误差矩阵(MSEM)准则、predictive Pitman closeness(PRPC)准则和posterior Pitman closeness(PPC)准则下分别讨论了它相对于最小二乘估计(LSE)的优良性.     

统计学习在假设稳定下推广误差的界

统计学习理论已经是近来的热点研究问题,而算子的推广性能是统计学习的一个十分重要的部分。本文指出算子的推广误差界可以归结为期望误差估计子的偏置和方差的问题,在这些假设稳定概念下,得到了估计算子的偏置和方差,并证明了＂几乎处处＂稳定算子的广义有界差分不等式,在一致稳定假设下得到推广误差的指数界。