不完全观测数据下混合效应模型的正交投影估计

基于矩阵的QR分解技术,对一类含有不完全观测数据的线性混合效应模型提出了一种基于正交投影的估计方法。在一些正则条件下,证明了固定效应参数的估计渐近服从标准正态分布,得到了固定效应参数的置信区间。另外,所提出的固定效应参数的估计过程不受随机效应的任何影响,具有较好的有效性和稳健性。最后,通过一些数值模拟和一个实例分析研究了所提出估计方法的有限样本性质。

基于不完全观测数据的多速率多传感器数据融合

研究了一类时变线性动态系统,在不同传感器以不同采样率对同一目标进行观测,并且各个传感器的观测数据存在不规律丢失情况下,给出了一种有效的信息融合方法。该方法通过数学推导,将多速率传感器数据融合转化为单速率传感器数据融合问题,并采用修正的联邦Kalman滤波器进行状态估计。新算法不需要对状态或观测进行扩维,计算量适当,从而保证了算法的实时性。在观测数据丢失的时刻,采用外推的观测值代替错误的观测数据,从而避免了传统算法的发散。理论分析和仿真实验验证了算法的有效性。

一种针对不完全观测数据的消费者聚类方法

现有聚类方法都是基于消费者全部的行为信息,对于观测不完全的信息,提出了三阶段聚类方法。首先,使用样本数据的全部信息对消费者聚类;接着仅使用人口统计变量建立分类模型;最后对上述结果进行修正。三阶段聚类方法最大优点是可以将没有入选样本的个体分配到由样本个体得到的行为集群中去,将这个方法应用于电视行业,得到了很有实际应有价值的结果。

基于IMM的不完全观测下目标跟踪算法研究

对基于交互式多模型(IMM)的不完全观测下目标跟踪算法进行了研究。针对观测信号不连续和丢失时,用卡尔曼滤波中的一步预测值作为估值,设计滤波器,直至产生有效观测。建立了不完全观测系统模型,算法采用输入交互、滤波计算、模型概率更新、输出综合,给出了算法流程。雷达/红外双模跟踪系统的仿真结果表明提出的方法能有效提高不完全观测下机动目标跟踪的精度。

基于不完全观测的生存函数的非参数估计

基于随机右删失数据,Tsai,Ferguson及Susarla等研究了一元生存函数的广义自相合估计及非参数Bayes估计。本文首先将其结果推广到了相依竞争风险场合,进一步探讨了将独立双边删失机制推广到相依双边删失机制的问题,并通过一个实例说明这种推广是有意义的。

不完全观测下非线性非齐次随机系统的参数估计

本文研究不完全观测下非线性非齐次随机系统的参数估计问题.首先,通过构造扩展的Kalman滤波方程,得到系统状态的次优估计,并通过状态估计方程给出似然函数的表达式.其次,找到一个闭区间,似然函数在这个闭区间上连续且在端点处取不到最大值.最后,当样本量足够大时,运用Lepingle强大数定律和均方可积鞅强大数定律,证明了极大似然估计量的存在性和强相合性.

异步多速率传感器不完全观测信息融合算法

以异步多速率传感器信息融合理论和同步单速率传感器不完全观测理论为基础,提出了一种适用于时变线性系统的异步多速率传感器不完全观测的信息融合算法.通过原理分析和数学推导,将异步多速率传感器动态系统建模为同步同速率系统,进而利用改进的卡尔曼滤波方法进行状态估计,利用联邦分布式数据融合方法进行信息融合,获得基于所有观测信息的最优估计.理论分析和仿真结果均表明该算法的融合效果优于任一单传感器卡尔曼滤波的效果.

时间序列分析中观测数据不完全时自协方差的矩估计

讨论了时间序列分析中观测数据不完全时自协方差函数的两种矩估计及其相关性质,并在推广Bartlett's公式的基础上,给出了估计的方差的阶.

PMU配置不完全可观测系统状态计算

对配置PMU系统,从网络节点方程解算理论入手,提出了系统可观测性判定算法,将系统节点分为动态可观测节点和不可观测节点。如何求得不可观测节点的电压相量,一种方法是视可观测节点为Vθ节点的潮流方法;另一种方法是将不可观测节点功率注入等效为等值阻抗(导纳)形式,用可观测节点电压的线性组合形式来表示不可观测节点电压。该文分析了两种方法各自的特点,算例分析验证了方法的有效性。

不完全测量数据的应用研究

讨论丢失观测数据的恢复方法 ,以及设计矩阵的计算和忽视产生数据丢失过程的条件。

自注意力与强化学习耦合的多智能体通信

利用通信规则的多智能体算法通过智能体间交互信息进行协作,而其中信息质量决定了智能体协作能力与完成任务的能力,是提升智能体表现的关键因素.目前通信规则型算法存在通信信息产生方式单一、信息冗余等问题.针对以上问题本文提出了基于自注意力机制的信息处理模块TDU以及适配的信息产生智能体算法.首先,通过改进适配信息生成的强化学习算法作为智能体网络,通过网络学习生成适配信息,提高了智能体间信息产生的适配性并固定了信息选择的范围,降低了信息处理的难度.之后,利用基于自注意力机制的信息处理模块,对生成的信息进行筛选,提取高价值信息进行传输,提高智能体传递信息质量.本文提出的算法在经典智能体通信规则测试环境Swtich Riddle中进行了大量实验,并与主流通信规则型算法进行对比.实验结果表明,本文提出算法有效提高了智能体信息质量,加快了智能体学习速度,增强了智能体通信能力.

计及N-1情况的电能质量监测装置阶段式优化配置

针对电力系统在电能质量监测系统未完全安装完毕前为不完全观测及在N-1情况下需系统关键点可监测的问题,提出了计及N-1情况的电能质量监测装置阶段式优化配置方法,介绍了完全观测配置优化模型,针对线性规划中可能出现的多解情况定义了系统冗余性指标,以安装过程中及安装完毕后可观测节点数最大化及关键点优先安装为目标,构建了不完全观测的优化配置模型,并通过IEEE-30I、EEE-118节点系统进行了验证。结果表明,该方法合理、有效。

多静止站被动单目标定位跟踪算法

把方位作为被动传感器的观测信息属于不完全观测.文中的方案是先用最小二乘法估计出目标距离,再用卡尔曼滤波进行跟踪.单一的被动传感器定位需要机动,而多个被动传感器联合工作,可以在观测站静止的情况下完成定位.通常的最小二乘是寻求到各传感器的方向线距离平方和最小的点,而文中选择另一种推导方法,由于该方法也用到最小二乘理论,亦称最小二乘法.文中将该方法与卡尔曼滤波结合进行目标跟踪仿真,结果表明该方法是有效的.

基于量测补偿的多传感器分布式滚动时域估计

针对网络中单个传感器无法对目标状态完全观测的情况,基于量测补偿策略与滚动时域估计方法,提出了一种分布式估计算法。针对网络中单个传感器量测对状态不完全可观测的情况,令各传感器利用其对完全量测的预测来补偿实际量测;进一步针对传感器网络中所有传感器估计的一致性问题,令各传感器利用本身的量测和邻居传感器的传输信息对状态进行滚动时域估计,并在此基础上构造分布式的滚动时域估计优化问题和设计实施算法。仿真结果表明,在整个传感器网络全局可观测的前提下,该算法可以使得传感器网络中的所有传感器实现对目标状态的完整、准确估计。

考虑阶段式安装的电能质量监测优化配置

设备价格昂贵是制约电能质量监测系统不能一次建设完成的主要原因,而在未安装完毕前,电力系统是不完全观测的,针对这一问题本文提出了考虑阶段式安装的电能质量监测装置优化配置方法。首先,对系统可观测性进行了分析,介绍了完全观测配置优化模型;然后,针对线性规划中可能出现的多解情况,定义了系统冗余性指标,以保证安装过程中及安装完毕后可观测节点数最大化为目标,构建了不完全观测的优化配置模型。另外,指出SVD法可以很好地解决系统部分可观的状态估计情况。最后,通过IEEE14及IEEE30节点系统验证了本文所提方法的合理性和有效性。

降秩目标运动分析估计的融合

研究在不完全可观测条件下的纯方位目标运动分析问题。目标和观测者的轨迹均是直线匀速运动型(RUMs)。首先为这种RR-TMA(降秩目标运动分析)估计建立一个特别的方法,然后就建立两个(或更多个)RR-TMA估值统计融合成完全的可观测的TMA。很明显,第二步是解析性的。最终在适当的量测误差范围内,表明了这种融合算法是有效的。还列举了一些在雷达和声呐跟踪问题中的应用,尤其是在大规模的多平台情况下碰到这些问题,在这种情况下多假设的组合测试也是一个大问题,或者在长时间的运动目标积分中,搜索网格降维是关键。