Bayes Linear Variance Adjustment for Locally Linear DLMs

This paper exhibits quadratic products of linear combinations of observables which identify the covariance structure underlying the univariate locally linear time series dynamic linear model. The first- and second-order moments for the joint distribution over these observables are given, allowing Bayes linear learning for the underlying covariance structure for the time series model. An example is given which illustrates the methodology and highlights the practical implications of the theory. © 1997 John Wiley & Sons, Ltd.     

解弦振动方程初始条件的反问题

文[1]使用抽象半群的处理方法,证明了一根具端点粘滞阻尼的振动弦的初始状态的可辨识性,证明了该系统是谱系统并且可辨识性完全由观测时间长度决定。本文利用特征线法直接求解该辨识问题,得到了该问题的显式解。     

最大扇设计性质研究

研究了最大扇设计有关结构特征和最大个数的性质.所得结论对进一步认识和有效寻找最大扇设计有较大的帮助.     

利用高阶累积量的盲多输入多输出系统辨识

针对多输入多输出线性系统(FIR MIMO)的盲辨识问题,提出了一个线性的基于方程误差的高阶累积量(HOS)算法的改进算法。该算法利用一组输出信号的四阶累积量矩阵的零空间,把一个未知多输入多输出(MIMO)信道的冲激响应辨识成一个常的单项矩阵。对于信道长度一致的不同用户的MIMO系统来说,算法只需要很弱的辨识条件。和原算法相比,改进算法充分利用了输出信号的累积量矩阵固有结构,从而提高了算法的估计性能。计算机仿真验证了算法的有效性。