基于二项稀疏算子的整值自回归模型的经验似然推断

整值时间序列可出现在交通、金融、教育、环境、保险等很多领域。稀疏算子是研究整值时间序列的主要方法。本文采用经验似然法研究基于二项稀疏算子的一阶整值自回归模型,并给出新息项为泊松的BINAR(1)模型的经验似然推断及其最大经验似然的估计值。利用数值模拟来研究经验似然估计的表现。最后通过一个犯罪数据的实例给出模型的应用。     

带有随机系数的双线性INAR(1)模型的统计推断

基于带有随机系数的二项稀疏算子构造双线性INAR(1)模型,推导了模型的统计性质．采用修正的矩估计法对模型进行参数估计并进行了模拟研究．最后给出一个实例应用,结果表明基于带有随机系数的二项稀疏算子的双线性INAR(1)模型是更适合数据的模型．     

拟似然非线性模型的统计诊断

研究了经验似然估计下的拟似然非线性模型的统计诊断问题。首先给出了模型经验似然比函数,进而求出模型的经验似然估计;再基于数据删除模型推导出参数的一阶近似公式,并提出了经验Cook距离;最后通过对实例的分析,验证了该统计方法的有效性和合理性。     

基于多新息算法的阶次未知的Wiener系统参数估计

针对阶次未知Wiener系统辨识模型过参数问题和最小二乘精度低的问题,提出一种行列式比确定阶次和基于分解技术的多新息最小二乘估计方案。首先,利用系统数据构造数据矩阵,利用行列式比方法估计系统的阶次;然后,利用分解技术将线性模块代入到非线性模块的特定项中,建立线性参数和非线性参数相互分离的估计模型,减少算法的计算量;其次,设计参考模型处理估计模型中存在的未知的内部变量,使内部变量转化为间接可测的变量;最后,采用一定的新息长度修改标量新息为多新息,提高估计算法的性能。通过分析不同噪声和不同新息长度对所提出算法的影响,验证该算法的鲁棒性和有效性。仿真结果表明,所提出的估计方案在估计精度和收敛速率上都优于递归最小二乘方法。     

信号交叉口交通事故频次显著影响因素的作用

为了分析信号交叉口几何设计及其他交通相关因素对安全的影响,搜集了北京市87个信号交叉口4年的轻伤及以上伤亡事故及相关交通信息,构建了事故纵向数据样本。利用基本负二项回归模型和分别基于3种作业相关结构的广义估计方程负二项模型对数据样本进行拟合。通过累积残差检验比较了4种回归模型对数据样本的拟合性能。结果表明,基于自回归型相关结构的广义估计方程负二项回归模型具有最优拟合效果。利用该模型对影响轻伤及以上伤亡事故发生的各显著因素作用进行了估计,并与基本负二项回归模型所估计的结果进行了比较,说明了时间相关性对模型估计的影响。     

GCU中欠压保护电路的可靠性评估

通过对欠压保护电路的分析,用极大似然法和经验Bayes法讨论了系统可靠性评估问题,给出了系统失效率、可靠度和平均寿命等可靠性指标的估计.最后利用Monte-Carlo随机模拟方法对可靠性指标的经验Bayes估计和极大似然估计进行比较后表明,经验Bayes估计优于极大似然估计.     

广义犹豫模糊语言项集及其似然关系

提出了基于二元组语言模型的广义犹豫模糊语言项集用于犹豫模糊语言决策,给出了广义犹豫模糊语言项集上的运算,分析了广义犹豫模糊语言项集运算的相关性质。基于广义犹豫模糊语言项集运算,定义了广义犹豫模糊语言项集之间的似然关系,利用其似然关系,提出了广义犹豫模糊语言加权平均算子,该算子是已有犹豫模糊语言加权平均算子的推广,可用于聚合犹豫模糊语言决策中的广义犹豫模糊语言项集。     

条件自回归极差模型的对数正态拟极大似然估计

为了解决在估计条件自回归极差模型(CARR)中的分布厚尾性问题,采用尾部呈幂函数衰减的对数正态分布估计CARR模型.在新息序列具有有限的12阶矩条件下,利用M估计的大样本性质和鞅的泛函中心极限定理,允许模型包含一个单位根的情况下,证明了对数正态分布下的拟极大似然估计是局部相合和渐近正态的,并且对数正态分布的厚尾性也较好地解决了异常值问题．相对于目前广泛采用的指数似然估计方法,提高了参数估计的效率．     

传递函数辨识(16):频率响应二阶系统参数估计

基于功率、电压、电流与电阻的关系,建立电阻误差准则函数、电压误差准则函数、电流误差准则函数、功率误差准则函数,应用梯度搜索、最小二乘搜索原理,推导了估计电阻的递推辨识算法,包括投影算法、随机梯度算法、多新息随机梯度算法、递推梯度算法、多新息递推梯度算法、递推最小二乘算法、多新息最小二乘算法等。此外,利用系统的实频特性数据和虚频特性数据,给出求解二阶传递函数模型参数的代数方法。     

基于最大似然估计的一种新的信号处理方法

现代数字信号处理中的估计理论是一个重要的研究课题,为了在信号的估计中总能得到估计 量,大量的估计都采用了最大似然估计,但是最大似然估计在处理含有随机噪声的信号时需要 大量的观测数据.提出了一种基于最大似然估计的新的信号处理方法,采用最小二乘移位算 法对信号进行分阶段滑动的计算,获得含有噪声的一簇数据,并对其进行最大似然估计,减少 了需要观测数据的数据量和试验次数,并对估计结果的期望值、方差和误差在数据曲线上的 分布进行了分析.仿真结果表明,该方法可以使估计信号渐进趋近于精确值,为信号消噪提供了有效的方法和途径.     

无失效数据的失效率估计分析

根据构造先验分布的方法（减函数法）,在假定可靠度的先验分布为Beta分布和非完全Beta分布的情况下,分别给出在平方损失下其失效率的多层贝叶斯估计及熵损失函数下的E-Bayes估计。     

一种新的J-M模型参数区间估计工程算法

将Bayes统计方法应用于J-M模型参数的区间估计研究.首先给出J-M模型参数的基于杰弗莱原则的先验分布,在此基础上给出模型参数的Bayes后验分布密度,由此得出模型参数的Bayes点估计.然后,在点估计基础上,给出模型参数的Bayes区间估计方法.最后,分别将J-M模型参数的最大似然、最小二乘以及Bayes区间估计法应用于多组公开的失效数据集,求解模型参数的区间估计值.计算结果表明,Bayes区间估计算法的计算精度、适用性以及稳定性是三者当中最好的.     

基于变分贝叶斯推断的半盲信道估计

现有MIMO中继通信系统中,基于张量分解的半盲信道估计不能有效地将信道先验信息引入估计过程中,为此提出一种基于变分贝叶斯推断的信道估计算法.该算法首先利用NP(Nested PARAFAC)张量模型,引入有效精度、噪声精度等隐性超参数,建立信道估计概率图模型;由于所求信道参数后验概率分布较为复杂,传统最大似然和最大后验等点估计方法难以实现,算法采用变分贝叶斯推断,推导出信道矩阵、有效精度及噪声精度的递推公式,使具有因子分解形式的q分布逼近所求信道参数的后验分布;并分析了模型证据的下界、模型的初始化及算法复杂度等.该算法能利用信道先验信息以提高信道估计性能,有效精度和噪声精度等参数可自动调节,且计算复杂度与数据的维度呈线性关系.仿真结果表明:在平稳瑞利衰落信道条件下,与基于交替最小二乘(Alternating Least Square,ALS)的半盲估计算法相比,算法的计算复杂度较低,收敛速度较快;与带监督序列的双线性最小二乘(Bilinear Alternating Least Square,BALS)非盲估计算法,基于ALS及非线性最小二乘(Nolinear Least Square,NLS)的半盲估计算法相比,算法具有较高的估计精度.     

齿轮可靠性试验数据分布优化估计

基于优化理论的原理和特点,结合可靠性试验数据分布的估计方法－－回归分析法和极大似然函数法,提出了一种新的分布参数优化估计方法,通过一组具体的试验数据,论述了威布尔分布和混合威布尔分布的分布参数的优化估计过程,应用表明,这种方法简单实用,求得的分布参数估计值更加精确合理。     

Characteristics for wind energy and wind turbines by considering vertical wind shear

The probability distributions of wind speeds and the availability of wind turbines were investigated by considering the vertical wind shear. Based on the wind speed data at the standard height observed at a wind farm, the power-law process was used to simulate the wind speeds at a hub height of 60 m. The Weibull and Rayleigh distributions were chosen to express the wind speeds at two different heights. The parameters in the model were estimated via the least square(LS) method and the maximum likelihood estimation(MLE) method, respectively. An adjusted MLE approach was also presented for parameter estimation. The main indices of wind energy characteristics were calculated based on observational wind speed data. A case study based on the data of Hexi area, Gansu Province of China was given. The results show that MLE method generally outperforms LS method for parameter estimation, and Weibull distribution is more appropriate to describe the wind speed at the hub height.     

一种基于两点式散射模型的DOA估计算法

基于天线阵列波达方向(DOA)的波束形成算法是智能天线的率,计算量,对噪声的敏感性或者需要空间搜索等方面存在不足,需要加以改进.在分析宏小区散射模型的基础上,将原来的离散分布简化为两点式分布,并分析了简化为两点式分布的依据.在此基础上,利用两点式分布的数学模型,通过构造相应的二阶统计量,较有效地估计出了空间波达方向及其散布角.并且该算法可以得到闭式解,有效地降低了DOA估计的运算量.所利用的统计量对等方差的白噪声不敏感.理论分析表明,只要快拍数足够多或信噪比较高,该闭式解可以得到很高的估计精度.计算机仿真验证了该算法的有效性.     

速度梯度模型的高速公路交通流状态估计方法

为改进高速公路交通流状态估计方法,采用速度梯度模型作为交通流的系统状态方程构建交通流状态估计模型.通过对速度梯度模型参数的敏感性分析,发现模型估计误差对自由流速度和阻塞传播速度两参数较为敏感,需在线估计.然后分别给出了速度梯度模型与扩展卡尔曼滤波以及无迹卡尔曼滤波相结合的高速公路交通流状态估计方法,并应用实测数据对两类交通流状态估计方法的性能进行了评估.结果发现:两类交通状态估计的精度均可达85%左右,无迹卡尔曼滤波算法精度略好于扩展卡尔曼滤波,但计算时耗大.基于速度梯度模型的交通流状态估计方法能有效估计和跟踪交通流状态的变化,且相较于同类方法,所需标定的模型参数更少.     

基于人工蜂群算法的波达方向和多普勒频率联合估计

将人工蜂群算法应用于似然函数的优化,实现了阵列信号波达方向(DOA)和多普勒频率的联合估计。利用状态空间模型构造包含DOA和多普勒频率信息的广义可观测矩阵,并构造包含该广义可观测矩阵的似然函数,将参数估计问题转化为多维非线性函数优化问题。进而利用人工蜂群算法对似然函数的求解过程进行优化,得到DOA和多普勒频率的估计值。算法保留了最大似然估计的渐近无偏估计性能,降低了似然函数求解的计算量,且参数能够自动配对。