在线快速抑噪的自适应强跟踪滤波算法

针对强跟踪滤波算法对系统时变噪声缺乏自适应能力,导致系统状态估计精度较低的问题,提出一种可以在线估计噪声协方差阵的快速抑噪自适应强跟踪滤波算法,该算法可以抑制噪声对系统状态估计的影响,使系统状态估计迅速收敛到真实值附近.仿真实验对比了强跟踪滤波算法和快速抑噪自适应强跟踪滤波算法在噪声变化环境下的性能,结果表明：快速抑噪...     

指数分布在截尾数据下参数的区间估计

针对截尾数据的参数的区间估计问题,通过构造差分给出了指数分布在截尾数据下参数的区间估计.     

概率假设密度滤波的谱聚类目标状态提取方法

提出了一种谱聚类目标状态提取方法来实现概率假设密度(PHD)滤波中序贯蒙特卡罗(SMC)实现方式的多目标状态估计.该方法利用PHD滤波SMC实现方式输出的大量的加权粒子点间的相似度关系建立相似矩阵,通过变换得到拉普拉斯矩阵,进而对拉普拉斯矩阵进行特征分解,以实现粒子点的聚类,再在每类中寻找粒子的聚类点作为多目标状态的估计值,同时为了减小计算量,利用Nystrm逼近方法求解特征向量.仿真实验表明,PHD滤波的谱聚类目标状态提取方法的估计精度比k均值目标状态提取方法提高了60%以上.     

单位球上Bloch型空间中复合算子的本性模估计

设Bn是n维复空间C^n中的单位球,φ=（φ1,…,φn）是Bn到自身的一个全纯映射,令P,q〉0,复合算子Cφ由（Cφf）（z）=f（φ（z））定义,通过找到一个性质很好的检验函数（见命题1）得到了单位球上p-Bloeh空间到q—Bloeh空间之间的有界复合算子Cφ的本性模的下界估计（具体结果见定理1）．     

基于EnKF的油藏自动历史拟合方法对三相相对渗透率的反演

为解决标准集合Kalman滤波在非线性油藏反演中更新模型与更新动态场的统计不一致性问题,提出了一种改进的集合Kalman滤波方法,历史拟合过程中只对模型参数进行更新,然后利用更新的模型参数从初始状态重新运行油藏数值模拟软件进行下一拟合时刻的生产预测,协方差矩阵由从时间零运行油藏数值模拟软件得到的预测数据进行计算.理论证明了该方法与集合随机最大似然法的一致性.对某油藏的相对渗透率曲线进行了估计,比较了标准集合Kalman滤波方法与改进方法的参数估计及生产预测结果.由于保证了更新模型与更新动态场的一致性,改进的集合Kalman滤波方法得到了更好的参数估计和生产预测结果.     

基于稀疏性约束非负矩阵分解的人脸年龄估计方法

基于人脸图像的年龄自动估计已经成为当前人脸识别领域的一个重要研究方向。首先通过非负矩阵分解(non-negative matrix factorization,NMF)算法对基矩阵或系数矩阵进行稀疏性约束,用形成的更具有局部表达能力的子空间对人脸图像数据进行表示。然后使用径向基函数神经网络进行训练和测试,提取包含在大多数人脸图像上的年龄信息来进行年龄估计。实验结果表明,具有稀疏性约束的非负矩阵分解算法对年龄估计问题具有良好的应用效果。     

考虑零注入约束的双线性WLAV状态估计

零注入节点功率失配量对电力系统安全评估有着重要影响,为减小零注入节点的功率失配量,提出了考虑零注入约束的双线性WLAV(Weighted Least Absolute Value)状态估计方法,该方法将零注入约束以等式约束的形式添加到双线性WLAV状态估计中。基于IEEE标准系统,采用零注入约束的双线性WLAV状态估计方法对国内某省网进行仿真,结果表明:该方法既能保留基于内点法的双线性WLAV状态估计原有的计算效率高的优点,又能减小零注入节点的功率失配量,且抗差性能有一定程度的提升。     

外国游客在华停留时间及人数变化的动态数学模式研究

用可靠性统计分析方法，给出外国游客在华旅游停留时间和人数变化的数学模型．建立了停留时间的概率分布密度形式及人数变化的波哇松过程，对区间型数据进行参数估计，提出了建立线性回归模型研究旅游服务对停留时间和人数变化影响情况的分析方法，从而可分析国内可控因素对转移强度的影响．     

多天线系统符号和载频同步的混合粒子滤波

为解决多天线系统符号同步和载频同步中的联合参数非线性估计问题,提出一种混合粒子滤波方法.该方法基于最大后验概率准则,在接收端将时延、频率偏置用联合随机粒子表示,结合未知信道参数矢量的卡尔曼滤波估计值,获得联合粒子的重要性权重.同时,采用序列重要性采样和重采样策略来更新粒子权重并保持粒子的多样化,可避免直接在高维信道参数空间上进行重要性采样时效率下降的缺点.该方法在4发2收的多天线基带传输系统上的仿真实验表明,其参数估计精度较高,到达稳态所需的迭代次数较少,并可获得接近理想参数时的误码率性能.     

不完全数据情形下指数分布参数的极大似然估计

处理生存分析观测数据使用的参数估计方法有很多,极大似然估计法是最常见的一种估计方法。当寿命分布为指数分布时,给出了定时截尾数据、定数截尾数据情形的极大似然估计,以及随机右删失下参数极大似然估计的一般表达式。此外,还提出了分组数据场合参数极大似然估计的图解求法。