基于混沌同步与自适应控制的神经元模型参数估计

提出一种基于混沌同步和自适应控制的方法,从神经元的动作电位序列估计神经元模型的所有参数.研究了系统参数扰动对参数估计的影响,得到测量噪声强度与参数估计精度的关系.数值仿真表明该方法能很好跟随参数的扰动.随着测量噪声强度增加,参数估计精度越低.     

电缆故障定位系统中的参数估计

为实现电缆故障定位系统的参数估计，提出了一种用于模型参数估计的改进贝叶斯算法．改进后的贝叶斯算法克服了原算法要求噪声是均值为零且与输入信号不相关的白噪声的模型限制，它不仅可以估计系统模型参数，而且可以估计噪声参数．仿真结果表明，改进后的贝叶斯算法能使系统模型参数和噪声模型参数迅速收敛，其精度可以达到令人满意的状态．     

Hoek-Brown经验强度准则的修正及应用

对Hoek-Brown强度准则中岩体地质力学指标GSI和扰动参数D的评估值进行统计分析发现,不同评估者对岩体GSI值的评估有较强的一致性,而对D值的评估则呈现很高离散性．扰动参数D的评估值的离散性是岩体力学参数估计值可靠度降低的主要原因,因此,对Hoek-Brown经验强度准则而言,给出一种更为准确的D值确定方法是十分必要的．通过分析现有的岩体扰动参数确定方法的局限性以及基于声波测试理论的岩体完整性评价方法,探讨了基于声波传播速度的扰动参数D的确定方法以及在实际工程中考虑或忽略开挖扰动的基本原则,并通过有限元算例与Hoek等人的理论进行了比较．     

多变量Hammerstein系统的极大似然参数估计方法

针对有色噪声干扰的多变量Hammerstein系统存在维数高和模型难以参数化的问题,本研究提出了递推极大似然参数估计方法,并对极大化似然函数系统参数向量的估计公式进行推导,同时给出了极大似然参数的辨识原理,并对多变量Hammerstein模型的参数估计进行理论分析,并通过数值进行仿真实验。理论分析和仿真结果表明,本研究所提出的算法,能够有效实现有色噪声干扰下的多变量Hammerstein系统的参数估计。随着递推次数的增加,辨识精度总体上不断提高;而且噪声方差越小,参数估计精度越高。该算法原理简单、适用范围广,提高了参数的估计精度,且易于实现参数的在线辨识,因此该算法可以扩展应用于非均匀采样系统和多变量系统的辨识和参数估计中。     

离散系统参数估计的极大似然法及在飞行数据处理中的应用

本文提出了一种有效的离散系统参数估计的极大似然方法，并书其成功地应用于飞行数据处理中．为了保证飞行状态测量偏差估计的精度，本文提出了飞机运动准确离散化模型，利用积分求和法使系统噪声大大减少；并利用分级估计法大大提高了计算效率．数字仿真和对我国几种类型飞机的飞行数据实际计算表明，这一方法能够准确地估计出飞行状态和仪器误差，对不同的初值和噪声统计特性均能得到一致的结果．     

正弦信号参数估计的最小二乘算法

为了提高信号相位匹配原理估计正弦信号参数的精度,提出了一种正弦信号频率、振幅和相位参数的最小二乘估计方法.推导了利用单传感器接收信号的参数估计的最小二乘估计计算公式.给出了已知频带内的未知频率,振幅和相位的信号参数估计的搜索算法;分析了最小二乘法使用的方程数、信噪比和采样频率确定后FFT的序列长度对参数估计精度的影响.理论和仿真结果说明,该方法不仅能降低估计频率带宽以外的噪声,还可降低被估计频率信号带宽内的噪声,提高低信噪比时的信号参数估计精度.该算法简单、快速、具有工程应用前景.     

基于神经网络法的舱室噪声预测

提出了利用人工神经网络(ANN)预测舱室噪声的方法。针对现有封闭声场模拟方法适用频带范围有限和所需参数过多的不足，结合舱室噪声场的特点，给出了一种可模拟封闭空间内部噪声的BP神经网络算法．进行了仿真实验。结果表明，利用12输入、2个隐含神经元和1输出的ANN模型．可以准确地预测不同大小矩形空间内部的噪声分布情况，而且对于中高频和低频段都具有较高的精度。     

基于Kalman滤波器和遗传算法的参数估计方法

提出了一种基于Kalman滤波器和遗传算法的系统参数估计方法,可以对带测量噪声和过程噪声的线性系统中的未知参数进行有效估计。理论分析和数据仿真表明,此方法能较好地处理已知数据中的噪声,并且能应用于系统未知参数存在较复杂关联的情况。     

人工神经网络神经元活动状态的鉴别

神经网络的神经元是状态响应的信号部件，神经元状态直接影响神经网络的输出信息精度．本文探讨神经元活动状态的鉴别技术，考虑了活动状态的强度，它将提高一般神经网络模型的精度．     

一种激光跟踪测量中的滤波算法

在跟踪问题的处理中，以往所经常采用的是白噪声观察模型，但是实际上测量噪声却经常是有色噪声，有色观测噪声会使跟踪算法的性能减退，为了提高跟踪精度，必须有效地消除有色噪声，因此，有效地消除了有色噪声是处理跟踪问题的关键所在，本文把观测噪声的成形滤波器假设为AR模型，提出了一种在线估计色噪声参数的方法，通过在线估计色噪声参数，即AR模型的参数，对测量噪声去相关来提高Kalman滤波精度，并且最终将这种方法应用于激光跟踪，仿真结果表明这种方法具有较好的去相关能力，大大提高了激光跟踪过程中角度速度的跟踪性能，具有很好的实用价值。     

基于非线性模型高精度参数估计的新解算

在以往诸多对非线性模型参数进行估计的解算中,普遍存在着对起算数据精度要求较高、解算精度较差、收敛速度缓慢等缺陷.本文在对传统求解非线性模型参数的思想进行了分析和研究的基础上,提出了一种利用多平差方法对待估参数进行相互迭代,以求得参数估值的新算法,文中通过实例分析证明该算法在解算精度和收敛速度方面较传统算法有明显优势.     

定时截尾数据缺失Weibull分布的Bayes分析

研究了寿命分布为weibull分布时定时截尾数据缺失下的两个参数与可靠度的Bayes估计,并与极大似然估计比较,表明了这个方法的可行性.     

广义Pareto分布近似广义最小二乘估计

广义Pareto分布(generalized Pareto distribution,GPD)是统计分析中的一个极为重要的分布.对基于广义Pareto分布的若干个样本分位数进行了研究.首先,求解具有较高精度的形状参数的参数估计;其次,得出广义Pareto分布位置参数及尺度参数的近似广义最小二乘估计.本方法简单易行,对形状参数的存在条件没有限制,通过Monte Carlo模拟验证了该方法具有较高的精度.     

GPS辐射源的无源雷达两级干扰抑制方法

为了解决回波通道内的干扰抑制问题,根据基于GPS辐射源无源雷达的特点,提出了一种ECA与CLEAN相结合的两级干扰抑制方法,即第1级采用ECA消除直达波干扰和多径干扰,第2级采用CLEAN算法迭代地消除强目标回波旁瓣干扰.该方法可以全面地抑制回波通道内的干扰,并且无需估计干扰参数,有效避免了干扰参数估计误差引起的抑制性能下降.仿真结果表明了该方法的有效性.     

关于定数截尾失效率参数比的最优置信区间(Ⅱ)--最优置信区间与UMAU置信区间的等价性

用UMAU置信区间对参数进行估计,这种方法是通过构造的区间包含“错误值的概率尽可能小”来刻画精度的。也就是说,当参数真值为θ,θ′与θ不等时,Pθ(θ(X)≤θ′≤θ(X))应尽可能的小。引用一种更富有直观性的刻画精度的方法来考虑区间长度,提出了具有一致最小平均长度的置信区间的概念。通过相关引理证明了两种区间的等价性。进一步完善了最优区间估计的理论,为定数截尾失效率参数比的最优置信区间估计提供了理论依据。     

增广递推最小二乘辨识精度的研究

以带有有色噪声的CARMA模型为例,分析了在干扰项参数辨识当中,误差较大的原因以及影响辨识误差的因素,并利用二次辨识的思想提出了一种提高辨识精度的方法。通过此方法并结合一个具体实例,给出了Matlab仿真辨识的结果。仿真结果表明,经过二次辨识的参数更接近真实值。     

一种非线性动态系统参数估计方法

从非线性动态系统的参数估计问题出发,介绍了一种新的估计方法——粒子滤波估计法,该方法是一种基于贝叶斯推理和蒙特卡罗方法递推算法,通过动态模型推导了粒子的数值,通过实例分析了该估计方法的性能.结果表明,粒子滤波方法能显著提高估计性能,且精度高,比较灵活.     

灰色GM(1,1)模型中时变参数估计问题的研究

在大样本的情况下，如果GM（1，1）模型中的待辨识参数α，u为常数，预测结果并不理想，采用随时间变化的参数a(t),u(t)，并用多项式近似表示a(t),u(t)，得出了时变参数的估计方法。     

应用粒子群算法优化地位指数曲线模型参数研究

以优势高和地位指数的估测误差最小为目标函数,采用粒子群优化算法求解地位指数曲线模型的参数.结合实例与免疫算法比较,结果表明:粒子群优化算法求解的参数使模型的总体误差更小,精度更高,拟合效果更理想,更加科学合理,同时也提高了幼林的估算精度.研究的结果为森林经营中生长模型参数的求解以及相关研究提供了新的应用思路,也拓宽了粒...