利用多普勒信息的波达方向最大似然估计方法

为了充分利用信号的时域特性来改善信号波达方向（ＤＯＡ）的估计性能，本文从最大似然估计出发，推导出了有限快拍，低信噪比情况下多普勒信号波达方向的迭代估计计算法，为进一步减小运算量，本文还推导了一种简化算法，本文提出的两种算法对低信噪比，少快拍数下多普勒信号的ＤＯＡ估计性能比不利用时域特性的ＭＬ方法有明显改善，Ｍｏｎｔｅ－Ｃａｒｌｏ实验验证了本文方法的有效性。     

双线性系统参数估计的一种新方法——富里叶级数方法

本文提出了一种用富里叶级数来估计双线性系统模型中的未知参数的方法。通过把模型中的变量展开成富里叶级数,可以把原来的由微分方程所表示的输入输出模型转化成一个包含待定参数的代数方程,进而利用最小二乘法得到参数的估计值。给出的例子表明用这种方法所得到的参数估计有满意的精度。     

自适应岭估计方法

本文在理论上将自适应的思想，引入到岭估计方法中，解决了偏倚系数K寻优难的问题，改进了岭估计方法。     

基于Legendre多项式的随机连续系统的Markov参数估计

本文在讨论连续Ｗｉｓｅｎｒ过程的Ｌｅｇｅｎｄｒｅ多项式逼近值的相关性和Ｗｉｅｎｅｒ过程扰动下连续线性系统基于该正交多项的最小二乘估计有偏性后，提出了无偏一致的且数估计误差方差最小的Ｍａｒｋｏｖ估计（最小方差估计）算法，并给出本文方法的仿真结果。     

小波递推最小二乘法的ARMAX模型参数估计

研究辨识系统优化问题,针对线性时不变ARMAX模型的参数估计,为了提高辨识精度,提出了直接利用小波域的数据,递推估计出模型的参数的方法.首先将时域的输入输出信号采用小波变换,得到了具有时频特征的小波域信号,可进行去噪方面的处理,去噪结果比时域和频域更有效.然后,利用小波递推最小二乘法对ARMAX模型进行参数估计,通过与时域递推最小二乘法的估计参数比较,仿真结果表明提出的方法是有效的.     

基于小波域数据的Hammerstein模型参数估计

针对非线性离散Hammerstein模型的输出存在随机噪声情况下,提出直接利用小波域的输入输出数据,估计出该模型的参数的方法。最小二乘法是时域参数估计的主要方法,随着对小波理论的深入研究,它在信号处理方面起着重要的作用。信号经过小波变换后,得到具有时频特征的小波域的信号,提高了信号的信噪比,去噪结果比时域和频域更有效。通过小波最小二乘法估计出模型的参数,与时域最小二乘法的估计参数相比较,仿真结果表明波域方法是可行的,有效的。     

基于优进策略的遗传算法对重油热解模型参数的估计

针对常规遗传算法全局寻优效率偏低的弱点，提出了一种优进策略，用以改进常规遗传算法。该策略将从繁衍过程中获取进化信息，自适应地改进子代分布，适时引入确定性操作，以提高全局寻优性能。提出的相关技术包括维持种群的多样性、改进交叉算子、增加Powell寻优算子等。实例测试表明这种优进策略效果良好，并已成功地应用于重油热解三集总动力学复杂数学模型的非线性参数估计。     

广义线性模型与非线性模型参数的统计推断

概述了广义线性模型(含半参数广义线性模型)与非线性模型研究的新进展,着重讨论了它们参数估计的统计推断。近年来,广义线性模型与非线性模型的研究发展迅速,有着广泛的应用前景。     

基于多元混合时序分析及灰色理论的水华藻类生长阶段多因素预测方法

在水华防治工作中,水华预测一直都是1个难点,由于藻类水华整个生成过程各阶段的变化机理不尽相同,现有预测方法采用某1个模型对水华生成的全过程进行建模预测并不合理。因此本文针对水华生成过程中持续时间最长且变化规律明显的藻类生长阶段,采用多元时序分析技术,通过对藻类生长阶段中的多特征因素时序建模分析,以影响和表征藻类生长的特征因素作为模型输入和输出,考虑藻类生长阶段的趋势性、周期性、随机性变化规律,建立多元混合时序模型,并结合灰色理论思想,改进模型预测算法,从而提出基于多元混合时序分析及灰色理论的水华藻类生长阶段多因素预测方法,以实现对包含影响因素在内的特征因素变化特性的全面描述和预测以及对模型预测精度的进一步提高。采用本文方法及传统方法分别对江苏太湖水华特征因素监测数据进行建模预测,结果表明,基于本文方法的水华特征因素预测结果与实测结果更相符、预测平均误差绝对值更小。     

混合体系多组分同时测定中提高精度的残差研究

混合体系多组分同时测定中提高精度的残差研究李于善（宜昌教育学院４４３３００）非参数估计是一种具有重大实用价值的统计数学方法，比参数估计有更大的稳妥性与实用性。此数学方法由通（Ｔｏｎｅ）作了较为系统而深入的研究［１］，本文根据他所作的工作，采用非参数估...