两指标AR过程LS估计的渐近正态性

在两指标AR过程的参数估计问题中,LS估计是最基本的参数估计方法之一。本文给出了两指标AR过程LS估计的渐近正态性.     

回归系数的t-k类估计

在线性回归中,当设计矩阵的列向量间存在复共线性时,回归系数的最小二乘估计的性质显著变坏．为了消除或减弱复共线性对参数估计的影响,以获得更高精度的参数估计,在均方误差矩阵意义下,提出了回归系数的一类新的估计,即t—k类估计,它是对最小二乘估计的改进,是一种新的压缩有偏估计．并且与最小二乘（LS）估计、岭估计和主成分估计进行比较,给出了在均方误差矩阵意义下,t—k类估计优于这些估计的充要条件以及这些条件的检验方法．     

蠕虫感染率的抗差估计与最小二乘估计的比较分析

讨论了蠕虫感染率的抗差估计法和最小二乘(LS)估计法,分别从极值原则、参数估计解、误差影响函数等方面进行了较全面的分析和比较.理论分析表明,2种估计法的计算过程十分接近,区别在于权矩阵不同,抗差估计包容了LS估计;参数估计解的抗差性是通过变权来实现的;误差影响函数表明大误差对抗差估计值影响减小,而对LS估计则误差增大.仿真试验结果表明,在有粗差的情况下,抗差估计能够对原始测量值进行降权处理,具有良好的抗粗差能力,保证了拟合结果的可靠性和快速收敛.     

直升机非线性模型结构和参数鲁棒辨识方法

提出了一种能有效地对直升机模型进行辨识的鲁棒选择模型的新方法．通过分析数据矩阵模型判定方法,采用U—D分解方法以避免行列式的复杂计算,提高了计算效率．通过估计D阵元素的取值区间,得到了观测量不确定部分带来的模型辨识判据的误差上下界．依此判据,将候选模型按照重要程度逐个选取．参数估计采用了加权最小二乘算法,按照上界不等式对估计误差的协方差阵进行了估计,得到了鲁棒辨识的新算法．为了便于工程应用,给出了鲁棒辨识算法的收敛条件．根据飞行试验结果对直升机悬停、前飞模型和参数进行辨识的结果表明,新方法可以得到工程上满意的结果．     

基于运行效率的通行能力计算方法

为了提高交通流模型整体估计精度, 对交通流模型参数估计方法进行了研究.针对密度-速度、密度-流量以及速度-流量模型之间的关联性以及交通流观测数据分布特征对模型估计精度的影响, 提出了联合模型参数估计方法, 并给出了联合模型参数估计优化目标函数的表达形式及约束条件.以Castillo-Benítez和Van Aerde模型为例, 基于北京市二环快速路实测数据对联合模型参数估计方法可行性及参数估计效果进行了验证; 构建了加权判定系数, 并结合平均绝对百分比误差(mean absolute percentage error, MAPE)和平方根误差(root mean squared error, RMSE)评价联合模型估计效果.结果表明, 对Castillo-Benítez模型而言, 由单一模型计算的速度、流量估计MAPE分别是19.8%和18.7%, 基于联合模型计算的速度、流量MAPE分别下降为10.0%和10.0%, 模型总体判决系数由0.913变化为0.910;对Van Aerde模型而言, 由单一模型计算的密度、流量估计MAPE分别为16.4%和16.3%, 基于联合模型计算的密度、流量MAPE分别为14.2%和14.2%, 模型总体判决系数由0.732变为0.749.

     

Z-回归分析——一类新的统计分析方法

本文提出一种新的统计分析方法Z-回归分析,该方法不受复共线性的影响,即其参数估计与复共线性无关。文中给出了Z-回归模型的LS估计与Z-估计两者等价的条件。讨论了在距离最小意义下Z-估计优于一般线性估计的条件。     

合成孔径雷达目标特征提取新方法

为了能从雷达回波中快速有效地提取目标几何电磁特征,提出一种稳健而快速的属性散射中心模型特征参数提取方法．通过结合实际合成孔径雷达的应用条件,对属性散射中心模型简化,并利用简化模型构造基函数,继而采用RELAX算法对目标属性散射中心逐个估计与提取．通过引入快速傅里叶算法有效地提高了参数估计效率,并对属性参数的最大搜索间隔和搜索范围进行了理论推导．仿真和实测数据实验证明,这种算法对于目标的属性参数估计较为精确且对噪声不敏感,与传统参数估计方法相比,有效提高了运算效率．     

一种改进的LS信道估计算法

LS估计算法不需要了解信道的统计特性,从而对接收机结构要求比较简单,但是噪声的存在使这种信道估计的性能与理想信道差异很大,对系统性能影响较大．在研究分析了最小平方（Least Square LS）信道估计算法的基础上,对该算法进行了改进,降低了噪声对信道估计的影响．仿真试验表明该算法减少了信道估计的均方误差,提高了LS估计算法的正确性．     

生长曲线模型中回归系数的RLS估计

给出了生长曲线模型中回归系数的约束最小二乘估计，并在迹损失函数的意义下与通常无约束的LS估计进行了比较。     

机器学习在河流流量参数估计中的应用

针对经典水位流量关系模型在刻画河流动态变化特性时存在的局限性,提出采用局部加权回归算法估计河流流量;为了提高参数估计精度,提出一种聚类局部加权回归方法。首先对训练样本进行聚类,然后使用k-最近邻方法将新的水位样本划分进最恰当的聚类中,最后估计河流日流量。该方法在估计过程中,避免了不相关信息的干扰,从而提高了日流量数据估计的效率和精度。利用某水文站的实测数据对方法进行测试,仿真结果表明该方法估计精度较高,为水位流量关系模型参数估计提供了新的有效方法。     

基于改进3D-ESPRIT算法的三维GTD模型参数估计

三维旋转不变子空间（3D-ESPRIT）算法估计三维几何绕射理论（GTD）的散射中心模型时,参数精度不高,噪声鲁棒性较差,为此,提出一种改进的3D-ESPRIT算法.通过构建原始回波数据的共轭矩阵、对协方差矩阵叠加、取平均、平方处理,可提高对目标原始回波数据的利用率,并增大信号特征值与噪声特征值之间的差距,增大了信噪比,从而提高参数的估计精度.基于不同算法估计得到的三维GTD模型参数,比较了不同算法估计的参数均方差.仿真结果表明,改进算法的参数估计性能及噪声鲁棒性均优于经典3D-ESPRIT算法和改进的免配对3D-ESPRIT算法.     

New method for estimating 2-D DOA in the coherent source environment based on data matrix reconstruction

The performance of classical two dimensional (2-D) Direction-Of-Arrival (DOA) estimation algorithms degrade substantially in the presence of coherent environment. A new DOA matrix method——DOA matrix method based on data matrix reconstruction (DMR-DOAM) is proposed for 2-D DOA estimation in the coherent source environment. The proposed algorithm reconstructs two Toeplitz equivalent covariance matrices by using cross-correlation information among receiving data from arrays. Decorrelation and 2-D DOA estimation can be realized via the eigen-decomposition of the new DOA matrix. The algorithm can retain the advantages of the traditional DOA matrix method, such as automatical parameter alignment and no need of 2-D search spectrum peak. The equivalent covariance matrices only use the middle column of classical covariance matrices, so the calculation amount is reduced, and the algorithm can be realized easily. Furthermore, the paper analyzes the estimation performance and influencing factors of the proposed algorithm. Theoretical analyses and simulation results both show that the proposed algorithm is effective.     

月饼冷却过程的数学模型

本文建立了月饼冷却过程的数学模型,讨论了模型的能控、能观性及其渐近性质,根据实验数据,用最小二乘法估计了模型中的未知参数．     

双平行线阵中基于Euler变换传播算子的二维DOA估计算法

针对极化敏感阵列参数估计过程中需要奇异值和特征值分解,以及低信噪比下估计误差偏大的问题,提出基于传播算子的二维旋转不变子空间（estimation of signal parameters via rotational invariance technique,ESPRIT）算法,改进算法引入非圆信号共轭相关统计信息构造一组新的接收数据,将这组新数据与真实数据重构组合求得噪声子空间;采用ESPRIT算法将信号子空间分块得到旋转不变因子,无须特征值分解和谱峰搜索,实现信号空间到达角（direction of arrival,DOA）和极化角的精确估计.所提算法在参数估计性能上要优于经典算法,在低信噪比情况下均方误差较小,并且可降低计算量,最后由Matlab仿真验证所提算法的有效性.

     

AR模型参数自适应估计方法研究及应用

为了提高AR模型参数估计的精度和收敛速度,提出基于卡尔曼(Kalm an)滤波原理的AR模型参数估计方法.把AR模型参数向量作为状态向量,利用随机游动模型建立系统的状态方程,由观测数据建立系统的观测方程,应用卡尔曼(Kalm an)滤波原理求得参数向量的最小方差估计.将该方法应用于船舶运动实时建模预报中.仿真研究表明本文提出的基于Kalm an滤波算法的AR模型在预报精度以及收敛速度方面均优于基于递推最小二乘法(RLS)和最小均方(LMS)算法,该算法具有较强的鲁棒性,降低了实时在线预报时通信故障所引起的数据缺失对预报精度的影响.该方法在理论和工程应用方面具有重要的意义.     

带随机线性约束的最小二乘估计的相对效率

最小二乘估计是线性模型参数估计理论中应用最广泛的方法之一.随着研究的深入,它的一些缺点也呈现出来,例如存在非容许性、设计阵病态时严重偏离实际值等.对此问题统计学家也提出了一些改进的方法,其中之一就是充分利用一些先验信息.他主要考虑先验信息是随机线性的情形,并通过融合随机线性模型得到混合线性模型,利用最小二乘法得到参数的混合估计.为了测量引入的先验信息对估计的影响程度,引进基于矩阵行列式和欧氏范数标准下的相对效率,并给出了相对效率的上界和下界.     

A Two－Stage Approach of Integrated Parameter Identification and State Estimation

ＡＴｗｏ－ＳｔａｇｅＡｐｐｒｏａｃｈｏｆＩｎｔｅｇｒａｔｅｄＰａｒａｍｅｔｅｒＩｄｅｎｔｉｆｉｃａｔｉｏｎａｎｄＳｔａｔｅＥｓｔｉｍａｔｉｏｎＺＨＯＵＬｕ；ＷＵＹａｏｈｕａ；ＨＵＡＮＧＷｅｎｈｕ；ＷＥＮＸｉｎ（周露）（吴瑶华）（黄文虎）（闻新）（Ｄｅ...     

线性混合模型理论的新发展

线性混合模型是既包含固定效应又包含随机效应的一类线性模型.它在生物、医学、经济、金融、环境保护、工业设计等领域都具有广泛应用.近年来关于这个模型的理论和应用研究都有了长足的发展.本文将概述它在参数估计,假设检验和模型分析等方面的一些重要新结果.     

线性模型中回归系数的c-F(K)型估计的研究和应用

针对引起线性回归模型最小二乘估计性能变坏的根本原因,在线性回归模型中提出了一种新的有偏估计β^(F(K))=(cX'V-1X+TF(K)T')-1X'V-1Y,它将众多经典的有偏估计结合在一起,对有偏估计进行了改进.首先利用Stine式压缩技术说明在均方误差意义下β(F(K))=(cX'V-1X+TF(K)T')-1X'V-1Y,它将众多经典的有偏估计结合在一起,对有偏估计进行了改进.首先利用Stine式压缩技术说明在均方误差意义下β^(F(K))具有优于广义岭估计的优良性质,然后将β(F(K))具有优于广义岭估计的优良性质,然后将β^(F(K))应用到多元线性回归模型的可容许性上.