基于变换观测值的MINQUE的一个相等性

对于广义Ｇａｕｓｓ－Ｍａｒｋｏｖ模型Ｍ＝｛Ｙ，Ｘβ，σ＾２Σ｝和经过线性变换的模型Ｍ＾￣＝｛ＦＹ，ＦＸβ，σＦΣＦ‘｝，其中Ｘ不必列满秩，Σ可以奇异，Ｆ是任意给定的矩阵，给出了变换前后σ＾２的最小范数二次无偏估计在模型Ｍ下相等的充要条件。     

方差分量的MINQUE通用公式

从概括函数模型出发,研究了最小范数二次无偏估计应用具有的性质：不变性、无偏性和最小范数性,导出了适用于所有平差函数模型的方差分量的最小范数二次无偏估计的通用公式,该公式在一条件下与Helmert型通用公式、极大似然估计通用公式、最优二次无偏估计通用公式一致。由国外学者C.R.Rao导出的方差分量最小范数无偏估计公式以及由Lars E.Sjoeberg所给出的方差分量最优二次无偏估计公式,都是该通用公式的特例。     

一般线性模型下方差的最小范数二次无偏估计的稳健性

给出了一般线性模型下方差的最小范数二次无偏估计相等的充要条件,并且当高斯马尔可夫估计与最小二乘估计相等时,获得了一个相对简单的条件,最后给出此条件应用于抽样调查的一个例子.     

混合模型及其导出模型下无偏估计间的关系

对于方差分量的线性函数c′σ2的最小范数二次无偏估计,需要求解非线性方程组,一般没有显式解,只能获得迭代解.本文给出了当V0≥0时,c′σ2在混合模型M=(y,Xβ,Uζ,σ20V0)下的最小范数二次无偏估计及其导出模型下的最小范数二次无偏估计之间的相等关系.     

一个关于有效估计的定理

本文给出并证明了有关一个无偏估计是有效估计的一个充分必要条件。它是有效地讨论有效估计的存在性以及当有效估计存在时立即得到这个有效估计的一个有用的定理。     

GCM中方差分量的MINQE(U,I)及其优良性

给出了生长曲线模型中方差分量的无偏不变最小模二次估计,并且讨论了它成为一致最小方差不变二次无偏估计的充要条件.     

混合参数函数的Bayes二次无偏估计

本文研究了方差分量模型中均值的线性式、二次式及方差分量的线性式之和的估计,得到了Bayes二次无偏估计(BQUE)存在的充要条件,并给出了计算方法;利用BQUE,我们获得了局部最小方差无偏估计(LMVUE)和一致最小方差无偏估计(UMVUE)存在的充要条件。     

奇异线性模型中最小二乘估计效率的一个注记

考虑奇异线性模型:Yn×1=Xn×pβp×1+εn×1,E(ε)=0,cov(ε)=∑,设β*=(X＇∑+X)+X＇∑+Y,β=(X＇X)+X＇Y。当∑≥0和rank(X)=p时,定义最小二乘估计β与最佳线性无偏估计β*相对效率为e4(β*/β)=||cov(β*)||／||cov(β)||。当∑≥0和rank(X)＜p时,对可估函数c＇β自然考虑两种估计的方差之比的下界,提出的相对效率为e5(β*/β)=var(c＇β*)／var(c＇β)。在μ(X)(?)μ(∑)条件下,给出了它们的下界。关于相对效率的讨论通常有∑＞0的假定,利用矩阵分析的方法将协方差矩阵∑＞0推广至∑≥0的情形,从而包含了Bloomfield-Watson的结果以及推广了Kantorovich不等式。     

最佳线性无偏估计的稳健性

基于Gauss-Markov模型讨论了最佳线性无偏估计的稳健性,证明了存在一个以矩阵为元素的线性空间,对于这一线性空间中的任意正定矩阵Ⅱ都满足P′(X′Ⅱ-1X)-X′Ⅱ--1Y是可估函数p′β的最佳线性无偏估计.     

分块线性模型中Bayes线性无偏估计的可加性

得到了βi在线性模型M=(y,X1β1+X2β2,T)下的Bayes线性无偏估计与其在小模型Mi=(y,Xiβi,T)下的Bayes线性无偏估计相等的充分必要条件,i=1,2;并考虑了Xiβi在小模型Mi下的Bayes线性无偏估计之和与Xβ在全模型M下的Bayes线性无偏估计之间的相等关系.     

基于二次相关的广义互相关时差估计算法

对卫星干扰源进行准确定位有着非常重要的意义,而参数估计又是定位问题的关键,所以为了提高干扰源定位的精度,必须对时差参数进行准确的估计.由于传统的广义互相关时差法是通过利用加权函数来提高信号的有效成分,进而提高时差估计的精度,考虑到在信噪比较低的情况下,它的估计性能又开始下降,因此提出了一种基于二次相关的广义互相关时差估计新算法.该算法利用二次相关先对接收信号进行处理,可以有效抑制干扰噪声,然后对二次相关的结果进行广义互相关处理,进一步去除噪声,提高信号的信噪比,从而提高时差估计精度.     

系统参数估计的递推最小范数解及其用于递推最小二乘算法的启动

用直接法导出了线性系统参数的递推最小范数(RMN)估计算法,并证明其结果与递推最小二乘(RLS)算法在参数估计初值取为零、且方差阵初值取为无穷大单位阵的极限情况下的启动阶段中所得结果相同,数字仿真表明,RMN算法用于RLS算法的启动阶段,一般地可使参数估计的初始收敛速度达到最快,此法也可用于控制理论中递推求解线性方程组。     

误差的协方差阵不正确时的Gauss─Markov估计

考虑线性模型ｙ＝Ｘβ＋ε，其中Ｅ（ε）＝０，Ｄ（ε）＝Ｖ０，记为（ｙ，Ｘβ，Ｖ０），当Ｖ０被弄错当成Ｖ１时，记为（ｙ，Ｘβ，Ｖ１）．对于两个问题，一是Ｘβ在（ｙ，Ｘβ，Ｖ１）下的ＢＬＵＥ也是Ｘβ在（ｙ，Ｘβ，Ｖ０）下的ＢＬＵＥ的充要条件是什么，二是Ｘβ在（ｙ，Ｘβ，Ｖ０）和（ｙ，Ｘβ，Ｖ１）下有公共的ＢＬＵＥ的充要条件是什么，本文在已有结论上又给出了几条新的等价的充要条件，并将众多等价的充要条件给出统一的证明．     

基于信息扩散估计的平面相似变换

避开传统的利用最小二乘法解算平面相似变换模型参数的方法，利用信息扩散估计来解算平面相似在数，从而建立起基于信息扩散估计的平面相似变换模型。分析了使用信息扩散估计产权可能性、探讨了模型参数解算方法及建模过程，最后以小东江GPS变形监测网的平面相似变换模型优化设计为实例，分析了基于信息扩散估计的平面相似变换模型的最优化过程并验证该模型的可靠性。     

随机模型两种二次无偏估计方法的等价性

分析最小范数二次无偏估计(M INQUE估计法)和最小方差二次无偏估计(B IQUE估计法),导出最小方差二次无偏估计的计算公式,证明这两种估计方法等价的条件.理论分析表明,无论初值如何选取,在迭代收敛的条件下,M INQUE估计法和B IQUE估计法的结果一致.最小方差二次无偏估计的意义明确,建模过程简明,易于理解.     

一般方差分量模型中线性估计的可容许性

考虑方差分量模型E     

多元线性模型中最小二乘估计的相对效率

考虑一般的多元线性模型Y_(n×k)=X_(n×p)_pB_(p×k)+e_(n×k),E(e)=0,COV(e)=V∑,其中V为已知参数矩阵,∑为已知协方差矩阵。当rank(X)0推广至∑≥0,从而包含了Haberman的结果,使之所得结果更具有一般性。     

集值映射的凸性推广及其择一定理

在线性拓扑空间框架下,给出了集值映射的广义次类凸定义,并在此条件下,得到集值映射的择一定理,它是单值向量映射择一定理的推广.     

生长曲线模型中最小二乘估计的一种新的相对效率

对于生长曲线模型,Yn×k=Xn×pβp×pZq×k+en×k,E(e)=0,Cov(e)=Vk×k∑n×n,在一定条件下,引入了回归系数的最小二乘估计与最佳线性无偏估计的一种新的相对效率e4(^β*/^β),并讨论了它们的下界。修正了当未知参数矩阵β不可估时,相对效率e1(^β*/^β)。