纵向数据线性混合效应模型方差分量的Bayes估计

为了估计基于纵向数据的线性混合效应模型的2个方差分量,利用Bayes统计方法,在加权二次损失下得到模型中方差分量的Bayes估计.同时通过历史样本构造出方差分量的共轭先验即逆伽玛分布的部分超参数以及固定效应的估计量,最终得出方差分量的参数型经验Bayes(PEB)估计.     

图象的对称平均Bayes估计

基于二维Ｂａｙｅｓ 估计,本文提出了一种新的用于图象增强的算法． 由于较多的象点在该算法中被使用,因此与原有的二维Ｂａｙｅｓ 估计相比,其有更强的平滑白噪声的能力．     

相干/同向信号波达方向与多普勒频率的联合估计

针对相干/同向信号波达方向(DOA)与多普勒频率的联合估计问题,提出了一种基于特征空间的修正二维MUSIC联合估计算法。首先,建立包含DOA和多普勒频率信息的广义阵列信号模型,通过共轭重构对阵列接收信号的协方差矩阵进行修正,使其有效适用于相干/同向信号下DOA与多普勒频率的联合估计。同时,在二维MUSIC算法的基础上,提出了一种基于特征空间的DOA与多普勒频率联合估计算法,该算法充分利用了信号子空间和噪声子空间的信息,并且可以对源信号功率进行估计。对该算法加以修正后同样可以应用于相干/同向信号的DOA与多普勒频率联合估计,且可以得到比修正二维MUSIC算法更好的估计效果。最后,通过仿真试验验证了本文算法的有效性。     

以欠采样速率实现盲谱感知及二维DOA估计

提出了两种以欠采样率实现盲谱感知与二维波达方向(DOA)估计的算法。这两种算法利用了MWC的周期信号所对应的傅里叶级数系数矩阵来确定未知信号频谱所在的子频带位置,然后利用二维阵列的信号模型估计得到包含二维DOA的空间相位。通过空间相位信息与子频带位置信息能重构出子带谱信息,以此能得到频率的高精度估计,最后通过空间相位分别估计得到信号的方位角与俯仰角。仿真验证了所提欠采样接收机与相应算法的有效性,以及在低信噪比环境下依然有较好的鲁棒性。     

阵列误差对多参数联合估计性能的影响

建立了频率、二维到达角和极化联合估计的阵列误差信号模型,分析了阵列误差对用ESPEIT算法进行参数估计性能的影响。推导了在阵列误差模型下,频率、二维到达角和极化联合估计算法中各参数估计结果的均方误差。计算机模拟结果证实了分析结果的正确性。     

一种基于BP神经网络的传感器故障诊断方案

针对传感器故障,提出了一种BP网络和修正的Bayes分类算法(MB)的集成故障诊断方法.用BP神经网络建立传感器故障模型,对系统的状态和故障参数进行在线估计,再用修正的Bayes算法进行传感器故障的在线检测、分离和估计.对连续搅拌釜式反应器(CSTR)的仿真结果表明,该集成故障诊断方法能够对传感器故障进行快速准确的分离和估计,并对传感器故障具有容错性.     

一种二维到达方向估计的ESPRIT新方法

提出了一种在高斯白噪声环境下基于L型阵列的二维到达方向估计新算法。该算法利用阵列结构的特点形成多个相关矩阵。然后构造一个特殊的大矩阵并由其特征分解获得信号子空间的估计。进而利用2-D ESPRIT方法实现二维角度估计．新算法具有估计精度高,运算量小的优点。而且能够很好地解决信号参数配对问题．     

信源数目估计误差影响下的修正二维MUSIC算法分析

针对信源数目过估计下二维MUSIC算法会出现虚假信号和欠估计下某些谱峰消失的问题, 通过将降维技术与一维噪声子空间算法相结合,提出一种基于正交阵列结构的修正二维MUSIC算法．该算法将复杂的二维处理问题转化为3个简单的一维问题,通过组合3个并行的均匀线阵分别估计出一维波达方向进行空间测向．仿真结果表明该算法在未知信源数目的情况下,仍能正确判断出信号的来波方向．     

基于空间平滑算法的二维相干源DOA估计

基于均匀矩形阵列,利用2D Unitary ESPRIT算法二维参数自动配对的优点,运用二维空间平滑技术进行解相干,并结合虚拟阵列扩展的EVESPA算法,提出了相干源的2D-SS-EVESPA-DOA估计算法。该算法在多径环境下能精确估计出二维波达角,能实现多径波达方向的分组估计,而无需进行谱峰搜索;并实现二维角度的自动配对,二维参数自动配对,无需二维谱峰搜索。仿真实验证明了算法的有效性。     

一种改进的二维ESPRIT算法

针对二维旋转不变子空间算法(estimation of signal parameters via rotational invariance technigues,ESPRIT)在求解信号时协方差矩阵存在阵列冗余问题,提出一种改进后的二维ESPRIT算法。该算法利用阵列结构原理构造2个互相关矩阵,然后由合并的特殊大矩阵进行奇异值分解来估计信号子空间,最后利用2D-ESPRIT方法实现二维测向。该算法估计精度高,计算量小,通过空间平滑后既能对相干信号进行估计,也能同时估计非相干信号。     

一种有效的二维频率估计新方法

针对高斯白噪声环境,提出一种三迭代算法估计二维频率．利用二维数据的旋转不变性,构造4个具有对角结构的数据矩阵,在时域进一步扩展,形成一组对角结构的数据矩阵．通过数据矩阵组的联合对角化,实现二维频率的估计,所得二维频率能自动配对．该方法每步迭代具有精确的最小二乘闭式解,消除了多阶段分解算法的误差积累,提高了估计精度．通过和克拉美罗界(CRB)的比较验证了该算法的有效性．     

Γ分布参数估计的损失函数和风险函数的Bayes推断

在共轭先验分布下本文给出了Γ分布Γ(r,θ)中参数I／θ的估计的损失函数和风险函数不同的Bayes估计,并讨论了各种Bayes估计的性质,进而指出各种Bayes估计的合理性．     

麦克风阵列二维方向估计聚焦算法研究

聚焦算法是解决宽带信号方向(DOA)估计问题的重要算法。常规的宽带聚焦算法需要进行预估计和多次迭代,算法的计算复杂度较高。该文根据宽带聚焦算法的思想,结合语音信号的特点,以各频率点的频域相关矩阵和聚焦点的相关矩阵的均方误差最小为最优化准则,提出了一种不需要预估计和迭代的二维宽带聚焦算法。该算法实时性好、计算复杂度低。采用八元均匀圆环麦克风阵列,仿真验证了该算法的良好二维DOA估计性能。     

一种用于实际OFDM系统的RLS自适应信道估计算法

对OFDM信道估计中的信道冲激响应(CIR)泄漏问题进行了分析,提出了一种新的时域一维递归最小二乘(RLS)自适应信道估计算法。RLS滤波器的输入和参考信号被一个独立于信道统计特性的矩阵加权,降低了CIR泄漏的影响。该算法保持了一维RLS算法低复杂度的特点,运算量远小于二维RLS算法。仿真结果证明,在非整数采样多径衰落信道下该算法极大提高了一维RLS信道估计的MSE性能,使其逼近于二维RLS算法。     

非圆信号的二维相干测向新方法

传统的二维相干测向算法都是针对圆信号提出的,且要求大快拍数和较多阵元数,在低信噪比时估计性能较差.通过充分利用非圆信号的特点和L型阵列的结构优势,提出了一种非圆信号的二维解相干新方法.该方法利用阵列接收信号数据及其共轭信号数据,重新构造阵列接收数据矩阵,有效地扩展了阵列孔径;同时,提出了一种修正的空间平滑技术进行解相干,最后采用ESPRIT算法实现相干信号的二维DOA估计.所提方法具有阵列利用率高的优点,能够有效弥补传统二维测向算法阵列利用率低的缺点,提高了ESPRIT算法在低信噪比时的估计性能.实验仿真结果表明,所提方法能够有效实现二维相干信号估计并且估计性能优良.     

稀疏贝叶斯假设检验准则下的二维波达方向估计

为了降低均匀圆阵列二维波达方向估计的计算量,提出一种基于稀疏贝叶斯假设检验的波达方向估计算法。根据"粗扫描"+"细扫描"思想,将角度空间重新构建新的冗余字典,运用贪婪类算法粗略构造新的稀疏重构模型,结合稀疏贝叶斯假设检验准则,快速求解超参数,实现二维波达角的估计。实验结果表明,该算法具有较高的估计精度以及较好的检测性能。     

基于L阵的低计算复杂度二维波达方向估计

针对L阵的二维波达方向估计问题,提出了一种低计算复杂度、高精度的二维波达方向估计算法.首先利用L阵子阵互相关矩阵和均匀线阵导向矢量的共轭交换性质扩展阵列孔径,并构造新的阵列接收数据;然后利用旋转不变子空间算法得到二维角度估计;最后将子阵互相关矩阵对角元素Toeplitz化,在不损失阵列孔径的情况下重构出类阵列自相关矩阵,利用Nystöm方法得到信号子空间估计,进而通过少量角度搜索得到正确的二维角度配对.该算法无须大量角度搜索,具有角度估计精度高、运算量小、所需快拍数少的优点.理论分析和仿真实验结果证明了算法的正确性和有效性.     

Linex损失下Burr分布参数的Bayes估计

讨论了Linex损失函数下Burr分布参数在不同先验分布下的Bayes估计,并且讨论了多层Bayes估计,给出了容许性估计的一般形式。     

一类刻度指数分布族参数的Bayes估计

在刻度平方损失函数下,研究了一类刻度指数分布族参数的估计.得到了刻度参数的Bayes估计的一般形式,并研究了它的可容许性,最后在两种给定先验分布下得到了刻度参数的正常Bayes估计和广义Bayes估计的精确形式.在此基础上可以对刻度参数进行进一步的统计推断.     

基于侧向引导的2D加权相位分离位移估计

在可并行的实时运动追踪算法的基础上提出基于侧向引导和二维信号窗的加权相位分离位移估计改进算法,并通过仿真和体模实验证实该算法提高弹性成像性能的可行性.先估计出中间一列(A-line)位移作为种子位移;然后从中间向两侧估计,估计时用侧向相邻已估计位移作为当前点的初始位移,最后通过二维窗的加权相位分离算法迭代产生最终位移.在仿真的不同应变或使用不同窗长情况下,改进算法所产生弹性图像的信噪比均高于原始算法,体模实验也产生了更高性能的图像.该算法能提高弹性成像的性能.