Weibull分布CE模型序进试验下逐次截尾的统计分析——应力为时间的一般线性关系

针对累积损伤模型,在序进应力下给出了逐次截尾试验下两参数Weibull分布在阿伦尼斯方程下和逆幂律方程下的极大似然估计．通过Monte-Carlo模拟考察了参数估计的精度,结果表明随着样本的增大,估计的精度逐渐提高．同时,在总样本量相同的条件下,截尾样本个数较小时,估计的精度有所提高．     

准正交空时分组码自适应设计方案与性能分析

准正交空时分组码园其牺牲部分正交性来换取全速率而无法实现全分集,在巳知信道状态信息的前提下,为最大限度降低数据符号彼此干扰,争取获得最大分集,提出两种准正交空时编码的自适应设计方案,并对其性能进行理论分析与比较,结果显示:两种自适应方案都能大大减小误码率;和增加自适应因子的方案相比,与波束形成技术相结合的自适应设计方案性能更为出色,但其增加了运算复杂度.     

基于ML模型的样本量研究

在BL模型（2项选择Logit模型）样本量确定方法的基础上,分析推导ML模型（多项选择Logit模型）样本量的确定,对建立多项Logit模型开展相关调查确定样本容量具有指导作用。     

基于帧选择和极大似然估计的自适应光学图像多帧联合去卷积算法

为提高自适应光学(AO)图像的空间分辨率,提出一种基于帧选择和极大似然估计的AO图像多帧联合去卷积算法.该算法基于极大似然估计,根据图像的高斯噪声模型建立多帧AO图像的联合对数似然函数.首先对观测的多帧AO图像进行帧选择,遴选高质量的降质图像;然后结合观测条件和AO系统特性,推导点扩散函数估计模型;最后建立迭代求解公式,得到多帧AO图像联合去卷积方法.实验结果表明,与基于期望值最大化的Richardson-Lucy算法(Richardson-Lucy EM算法)和基于合并惩罚函数的自适应应图像复原算法(CPF-Adaptive算法)相比,该算法的峰值信噪比分别提高9%和5%,Laplace梯度模分别提高11%和8%,且得到了较清晰的目标图像.     

二阶埃尔米特(Hermite)插指

提出了埃尔米特（Hermite）插值问题的一种新形式,幂指数形式,简称埃尔米特（Hermite）插指．证明了二阶埃尔米特（Hermite）插指多项式存在性定理．     

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。     

多传感器阵列信号的分布式恒虚警检测

对于均匀Gauss背景中的Swerlling II型起伏目标的多传感器分布式恒虚警检测,为了充分利用阵列雷达接收信号间的相位关系,采用了相干检波信号处理方式.针对局部检测统计量信息量大,通信带宽小的特点,结合实际检测中信号强度未知等困难,提出了广义似然比恒虚警(GLR-CFAR)局部处理算法.仿真结果表明,该检测方式性能接近最优性能,传感器积累对信噪比改善明显,达到3～7 dB, 提高小信号目标的检测概率,且具有实现简单的优点.因此,此方法适合用于多雷达检测场合.     

估计量无偏性的证明

目前在点估计的理论和实用中 ,无偏性占据很重要的地位 ,对与同一参数的不同的点估计量 ,无偏性是对估计量最基本的要求 ,无偏估计量的证明 ,关键在于求出未知参数 θ的估计 θ的期望     

基于遗传算法Beta分布参数的极大似然估计

在求解Beta分布中三参数的极大似然估计（MLEs）时,因对应的似然方程组得不到显性解,故采用遗传算法来求解该方程组的数值解.结果表明,通过遗传方法得到的MLEs数值解是非常接近真实值的.     

不完全数据集上的半参组群差异检测

组群差异检测广泛应用于医药、社会网络等领域.现有的组群差异检测都是建立在数据集没有缺失的情况下,因此讨论并给出了在数据集缺失的情况下进行组群差异检测的方法.首先,使用一种新颖的缺失数据填充方法填充缺失数据,然后在半参环境下使用经验似然方法对得到的完全数据集估计出置信区间,进而进行组群差异检测.