Stochastic Regression Model with Dependent Disturbances

In this paper, we consider the estimation of the coefficient of a stochastic regression model whose explanatory variables and disturbances are permitted to exhibit short-memory or long-memory dependence. Three estimators of the coefficient are proposed. A variety of their asymptotics are illuminated under various assumptions on the explanatory variables and the disturbances. Numerical studies of the theoretical results are given. They show some unexpected aspects of the asymptotics of the three estimators.     

极坐标系下可处理多普勒量测的BLUE跟踪算法

事实已表明包含目标速度信息的多普勒量测具有有效提高目标状态估计精度的潜力.该文在直角坐标系下提出两种可使用转换多普勒量测(即距离量测与多普勒量测的乘积)的滤波器,一种借助了构造的多普勒伪状态,另一种没有借助多普勒伪状态.从理论上讲,它们都是在最佳线性无偏估计准则下的最优线性无偏滤波器,并且避免了量测转换方法的根本缺陷.通过将近似处理后的两种新型最优线性滤波器与目前几种流行的方法进行仿真比较,验证了所提出的滤波器的优越性.     

随机效应线性模型中 BLUE 关于设计阵的稳健性

对随机效应线性模型(y,X_0β,Aα,σ~2V):y=x_0β+ε,E(_ε~β)=(A_α/0),Cov(_ε~β)(?)给出了下列问题的解:当且仅当 X 满足什么条件时,才能使(y,X_0β,Aα,σ~2V)下任一可估函数ω′_1α(或ω′_2β或ω′_1α+ω′_2β)的所有 BLUE 都是(1)(y,xβ,Aα,σ~2V)下ω′_1α(或ω′_2β或ω′_1α+ω′_2β)的线性无偏估计(LUE)或 BLUE(2)(y,Xβ,Aα,σ~2V)下ω′_1α(或ω′_2β或ω′_1α+ω′_2β)的线性最小偏差估计(LIMBE)或最佳线性最小偏差估计(BLIMBE)     

基于Arrhenius模型快速评价功率VDMOS可靠性

基于Arrhenius模型,对功率器件垂直导电双扩散(VDMOS)场效应晶体管的可靠性进行了评价,并对其主要失效机理进行了分析.通过样管在不同结温下的恒定温度应力加速寿命实验,利用Arrhenius方程和最好线性无偏差估计法(BLUE)对结果进行数据处理,得到其失效激活能E=0.54 eV,在偏置VDs=7.5 V,IDs=0.8 A,推导出功率VDMOS在室温下工作的寿命特征值为3.67×106 h.失效分析发现,栅极累积失效是影响功率VDMOS漏源电流,IDs退化的主要失效机理.     

一种新的TCP/AQM模型的高带宽拥塞控制算法

TCPs/AQMs算法在多种环境下的组合研究已十分广泛,但主要采用TCP Reno与各种AQMs算法在低带宽下的组合。利用显示反馈的思想,提出一种以H-TCP/BLUE为基础模型的高带宽拥塞控制算法,称为H-TCP*/BLUE*。仿真结果表明,新的组合算法比基础算法提高了带宽利用率、RTT公平性和友好性。     

机动再入目标的FGPF-BLUE跟踪

机动再入目标的运动具有明显的非线性,其观测又往往在传感器坐标系下进行,构成强非线性的跟踪问题.为了克服扩展卡尔曼滤波和粒子滤波在跟踪精度和实时性方面的缺点,提出了一种新型的非线性跟踪算法.新型的FCPF-BLUE滤波将快速高斯粒子滤波的预测步骤与最优线性无偏估计的更新步骤相结合,是一种半蒙特卡罗滤波方法.建立了机动再入...     

基于BEM的时变信道估计改进算法

针对参数未知、存在大多普勒频移的时变信道情况,介绍了与之相适应的BEM模型,分析了2种适用于估计BEM模型加权系数的算法,即LS算法和基于迭代的BLUE算法。LS算法简单快捷,其性能不如BLUE算法;BLUE算法因迭代初始值精度不高,在低信噪比时同样存在估计性能差的缺点。提出一种基于BEM模型的时变信道参数估计改进算法,将LS的估计结果作为BLUE的初始迭代值估计BEM模型系数,从而得到更精确的时变信道参数。在典型的时变信道下,以OFDM传输系统为例,对传统BLUE算法和改进后的BLUE算法进行了对比仿真分析。分析结果表明,在低信噪比条件下,相同迭代次数时,改进后的BLUE算法优于传统BLUE算法。     

多元模型参数估计相对效率的推广

对于多元线性模型Yn×k-Xn×pBp×k+Un×k,E(U)=0,cov(U)=Vk×kΣn×n,定义了一种新的相对效率e3(B)=[tr(cov(B*))q/tr(cov(B)q)]q/1(q≥1),研究了e3(B)与其他相对相率的关系,并证明了它的一个上、下界,是对已有多元线性模型多种相对效率的概况和推广。     

基于分布式BLUE的多雷达数据融合方法

针对线性系统与非线性观测的混合跟踪融合问题,推导目标匀加速运动时的三维最佳线性无偏估计(BLUE)滤波器,给出基于分布式BLUE滤波的多雷达数据融合方法.由各单元雷达对直角坐标系下的目标状态进行BLUE估计,对多部雷达的目标状态在融合中心进行融合估计,采用位置、速度均方根误差和平均归一化估计误差平方作为融合性能评价标准.仿真结果表明,与基于NC的去偏转换状态融合方法和基于MMC的无偏转换状态融合方法相比,该方法对于过程噪声和测量噪声的变化不敏感,比基于NC和MMC的方法具有更小的位置和速度均方根误差,即使在大误差的情况下,仍然具有较高的融合精度和可靠性.     

CPM modulation index estimation using LS and BLUE methods

In this paper, we propose two methods for blind estimation of modulation index of full‐response binary continuous phase modulation (CPM) scheme. Most of previous works assume that there is a single sample for each symbol; thus, they cannot improve their performance when sampling rate is bigger than symbol rate. In our proposed methods, modulation index is estimated using samples of autocorrelation function of the received signal, which is a nonlinear function of modulation index. We propose Taylor expansion for approximating this nonlinear function by a linear function. Then, by choosing some samples of the autocorrelation function, we estimate the modulation index with the least square (LS) estimator. For decreasing estimation errors, in the second proposed method, we apply the statistical properties of the autocorrelation function estimation errors, to design the best linear unbiased estimation (BLUE) estimator. The numerical performance analysis in terms of mean‐squared error (MSE) and bit error rate (BER) shows that the proposed methods outperform the reference methods in accurate estimation of the modulation index.