一类动态多尺度系统的模型和估计算法

多传感器信息融合是信息学科的重要研究方向,本文的目的就是对分布在多个尺度上的传感器信息进行融合。本文针对一类动态多尺度系统,在国内外相关研究的基础上,提出一种新的动态多尺度系统建模方法。该模型满足标准卡尔曼滤波条件,给出了基于Haar小波的实现方法,基于此可以获得各个尺度上目标状态线性最小方差意义下的最优估计值。仿真结果令人满意,最细尺度上用本文方法进行估计优于直接进行卡尔曼滤波的效果。     

经常购买模型及其参数的极大似然估计

在分析巴斯模型和重复购买的产品生命周期模型等的基础上，提出经常购买模型，详细讨论该模型的参数的极大似然估计法，并采用实例检验模型及参数估计方法，分析模型的参数估计结果，在此基础上使用模型做产品销量预测，表明模型的参数估计方法及预测方法的有效性。     

基于小波变换的LMSV模型波动长记忆性估计与检验

将小波引入到LMSV模型波动长记忆性的估计与检验中，提出了基于小波变换的LMSV模型波动长记忆性的伪极大似然估计法和波动长记忆性的检验方法，用不同参数值和样本容量的数据进行了模拟实验．又用该方法对上海和深圳证券交易所综合指数收益序列的LMSV模型的波动长记忆性进行了检验和估计，结果表明该方法是有效且可行的．     

基于广义最小二乘模型的动态交通OD矩阵估计

基于广义最小二乘模型,建立了一种带滑动窗的动态OD矩阵估计算法,可通过对路段交通量和行程时间的检测来估计时变的OD数据.对模型中关键的交通分配矩阵,给出了解析的计算公式.算法是一种递推的估计过程,仅需较少的先验信息,且估计过程不会发散;滑动窗的引入可充分利用量测信息,抑制量测噪声.     

层次分析的区间估计

提出了利用数学规划和约束锥的方法 ,对层次分析法权重向量进行区间估计的理论和模型 .该模型把决策者的偏好信息视为一种约束 ,而非传统模型中的确定权重向量 .这个模型能更好地反映出决策者的偏好和决策过程中的不确定性 ,具有较好的鲁棒性 .算例结果表明 ,该模型是主观决策问题的有效的分析方法 .     

实时检验泡沫：基于严格局部鞅判别的泡沫检验方法

实时检验泡沫并对市场参与者和监管者进行预警,有利于防范和化解金融风险。基于检验泡沫的严格局部鞅判别原理,在RKSH方法的基础上拓展了一种倒向滚动检验方法（BSLM）,并通过蒙特卡洛仿真和实证分析验证了新方法的有效性。研究发现：相对于传统严格局部鞅判别方法,BSLM方法对距离当前时刻较近的泡沫具有更高的检验势,并且能更早地事前预警泡沫;在对中国股票市场主要指数2000~2015年的泡沫检验中,新方法能判断泡沫的生成时间和破灭时间,发现上证指数和深圳成指的泡沫具有较强的联动性。     

利用对称阵实现宽带线性调频信号DoA估计

提出了一种利用对称阵实现宽带线性调频(LFM)信号DoA估计的新方法。该方法通过计算对称阵元偶之间的互Wigner Ville分布,建立时频域的阵列信号模型,并用修正的总体最小二乘 相干信号子空间方法(MTLS CSM)获得DoA估计。该方法由于充分利用了Wigner Ville分布的时频滤波特性,因此能有效实现多个线性调频信号的DoA估计,在低信噪比情况下仍有较高的估计精度。同时该方法还具有DoA不受扇区限制,计算简单等优点。计算机仿真证实了方法的有效性。     

一类快速的宽带分布源到达角估计算法

针对宽带分布源到达角估计问题,提出了一类快速的估计算法,即中频法、中值法和均值法。该类算法首先将阵列接收的宽带信号变换到频率域,然后对于每个频率形成阵列接收信号协方差阵,最后由该协方差阵的次对角线元素估计宽带分布源的到达角,其主要特点是避免了相位展开。仿真结果表明,在高信噪比和分布角不大时,中频法和中值法的性能几利相同;但在低信噪比时,中值法优于中频法。此外,均值法对分布角不敏感,且性能较优。     

一种低复杂度的频率、时延联合估计新方法

提出了一种基于子空间的正弦信号的频率、时延联合估计快速算法。首先给出一个PM(propagatormethod)算子 ,再由其分块矩阵构造一特殊的矩阵。由该矩阵的特征分解所得的特征矢量给出频率估计 ,而由其特征值及估计的频率得到时延估计。与现有的方法相比 ,由于该算法减少了一次特征分解 ,因而具有较低的计算复杂度。最后 ,用正弦信号及实测语音数据验证了该方法的性能     

非理想阵列的信号波达方向和多普勒频率估计

在均匀线阵存在误差的情况下 ,提出了一种信号波达方向和多普勒频率的估计方法。此方法在空间域 ,不仅考虑了阵元幅相误差 ,而且考虑了阵元位置误差 ,使包括幅相误差和位置误差在内的误差矩阵达到Frobe nius范数的最小值。在时间域考虑了测量噪声 ,使得多普勒频率估计的似然概率达到最大。仿真结果表明了此算法的有效性。