平衡损失下回归系数最优线性无偏估计的相对效率

本文研究了一般Gauss-Markov模型中回归系数的最优线性无偏估计的相对效率问题.利用Lagrange乘数法,获得了回归系数的最优线性无偏估计.并在此基础上定义了最优线性无偏估计的两种相对效率.

基于最优线性无偏估计的TDOA定位算法

为了减小到达时间差(time difference of arrival,TDOA)方法在定位过程中存在的系统测量噪声和非视距误差,提出了一种基于最优线性无偏估计的TDOA定位算法。该方法首先利用Chan算法计算定位初始位置,在初始位置处泰勒级数展开得到位置估计量的线性模型,并求取误差加权矩阵、系数矩阵及协方差矩阵等参数;然后采用加权最小二乘法对最终位置进行最优无偏估计,同时推导出定位误差的最小方差阵。仿真实验结果表明,在相同环境下该算法的定位精度优于Chan和Taylor算法,同时显著减小了算法的运算量。

平衡损失下回归系数的最优线性无偏估计

在平衡损失函数下得到了回归系数的最优线性无偏估计,结果表明平衡损失下的最优线性无偏估计就是线性模型中回归系数的最小二乘估计.

一类分布族的最优线性无偏估计

正态分布族、指数分布族、极值分布族等这一类分布族的共同特点是有位置参数 μ和尺度参数σ .这一类分布族的参数估计可用无偏估计 ,一致最小方差无偏估计和最优线性无偏估计 .本文证明了所有这一类二参数分布族的最优线性无偏估计 ,并讨论了二参数指数分布的最优线性无偏估计 .

基于最优线性无偏预测任意协方差下估计错误发现率

多重假设检验是高维统计推断的基本问题之一,应用领域非常广泛。特别地,在全基因组相关性问题研究中,需要同时对数以万计的假设进行检验,目的是找到与疾病相关的单核苷酸多态性（即SNP）位点。检验中需控制总体错误率,对此,Benjamini和Hochberg（1995）提出了错误发现率（即FDR标准）。实际问题中的检验统计量往往具有相关性,鉴于此,文章在任意协方差结构下,针对混合效应模型,基于最优线性无偏预测的方法,估计随机变量,提出一种FDR的估计方法。模拟表明,文章给出的算法估计FDP在真值附近波动,理论上较合理。

基于最优线性无偏估计的交互式多模型机动目标跟踪

为了解决雷达目标跟踪的非线性估计问题,提出了一种基于最优线性无偏估计的交互式多模型(IMM)机动目标跟踪算法。该算法采用最优线性无偏估计(BLUE),把目标的状态在笛卡尔坐标来表示,而把雷达测量误差保留在极坐标下,并结合交互式多模型算法,实现对机动目标的有效跟踪。仿真实验验证了该算法的准确性和有效性。

半参数模型中参数的最优线性无偏差分估计

考虑半参数回归模型y=Xβ+g(t)+ε,在此模型中引入差分算子,得到差分半参数模型,并根据风险函数算出其中参数的最优线性无偏差分估计。同时给出差分模型下参数的最优线性无偏估计的相对效率及其上下界。最后通过模拟算例来说明理论结果优越性。

约束线性模型系数的岭型Stein估计及最优预测

文章提出基于齐次等式约束下的线性模型系数的约束岭型Stein估计,并和约束最小二乘估计(RLSE)进行了比较,在均方误差准则下得到了约束岭型Stein估计优于RLSE的充分条件。然后,就基于约束岭型Stein估计的预测量与RLSE的预测量的最优性判别问题进行了讨论,得到了在风险函数意义下约束岭型Stein估计的预测量优于RLSE的预测量的充分条件,通过实证分析,进一步验证了在一定条件下约束岭型Stein估计优于RLSE。

约束线性模型系数的岭型Stein估计及其最优预测

文章提出基于齐次等式约束下的线性模型系数的约束岭型Stein估计,并和约束最小二乘估计(RLSE)进行了比较,在均方误差准则下得到了约束岭型Stein估计优于RLSE的充分条件。然后,就基于约束岭型Stein估计的预测量与RLSE的预测量的最优性判别问题进行了讨论,得到了在风险函数意义下约束岭型Stein估计的预测量优于RLSE的预测量的充分条件。通过实证分析,进一步验证了在一定条件下约束岭型Stein估计优于RLSE。

双应力下恒定应力加速寿命试验的最优线性不变估计

推导了两个应力下恒加试验中加速方程的三个系数A0 ,A1,A2 基于最优线性无偏估计的最优线性不变估计 ,并证明该估计好于传统的不变估计 。

恒加试验的最优线性不变估计

给出了恒加试验的最优线性无偏估计与最优线性不变估计。与有关文献给出的二步估计相比,这两个估计有较大改进,并且在计算上简单可行。

恒加试验中F((t-μ/σ))型寿命分布参数线性无偏估计的改进

给出了F(t-μσ)型寿命分布在恒加试验中,加速方程的两个系数a和b,以及尺度参数σ的一种新的最优线性无偏估计,所得到的估计比常用的加权最小二乘估计a^和b^,以及线性无偏估计σ^的方差更小,且计算较为简便。最后,讨论了常见F(t-μσ)型寿命分布参数μ、σ在定时截尾试验下的近似无偏估计以及它们的方差、协方差。

多元线性模型中随机回归系数和参数的最优估计

本文研究了一般的随机效应多元线性模型中线性可估函数的最优线性无偏估计。特别地 ,考虑了一类特殊的估计 :Φ-线性估计 ,给出了 Φ-线性可估函数和最优 Φ—线性无偏估计的定义。得到了 Φ-线性可估函数的最优Φ—线性无偏估计 。

多元线性模型中参数的最优估计

研究了在矩阵损失下一般的随机效应多元线性模型中线性可估函数的最优估计类.特别的,考虑了两个特殊的估计,并比较了在平均二次误差度量下这两个线性估计的优劣性.

多维半线性双曲型积分微分方程的修正H^1-Galerkin混合有限元方法

利用修正的H1-Galerkin混合有限元方法研究了多维半线性双曲型积分微分方程,得到了半离散解及全离散解的最优收敛阶误差估计,该方法的优点是不需验证LBB相容性条件.

基于LMI的最优无偏H∞滤波器设计

给出了一个系统降价H∞最优的设计方法，在系统干扰噪声能量有界情况下，将有约束的滤波问题转换为无约束的最优状态估计问题，利用线性矩阵不等式方法给出了H∞最优无偏滤波器存在的充分必要条件，所得滤波器的阶数小于系统状态个数，对高阶系统的降阶控制或者降价估计问题都有一定的意义，给出了鱼雷仿真实例说明所给方法的有效性。

约束线性回归模型的条件岭型估计

本文提出约束线性回归模型下回归系数的条件岭型估计的概念 ,证明了它是 β的约束可容许估计 ,且在均方误差意义下优于 β的约束最优线性无偏估计。

线性回归方程系统中参数估计的相对效率比较

文章讨论了在线性回归方程系统中,相同参数在不同准则下的相对效率以及相对效率的性质,并对各相对效率的上、下界进行了讨论和证明。

线性模型下输入矩阵的最优设计

线性无偏最小方差估计与最优加权最小二乘估计是线性模型下两种最常用的估计方法 .前者估计性能优于后者 ,但需要被估计量的一、二阶矩信息 .作者深入讨论了这两种估计的关系 ,得到了二者在均方误差意义下等价的充要条件 ,进而找到一种设计输入矩阵的方法 ,使得在先验信息缺乏的条件下 ,仍可利用最优加权最小二乘估计达到与线性无偏最小方差估计一样优越的估计性能 ,避免了获取先验信息的困难 。

一种解决非线性估计问题的kalman滤波器

在雷达目标跟踪系统中,目标动态模型通常是在笛卡儿坐标系中进行建模,然而雷达量测通常是在极坐标系下得到的。从而,雷达目标跟踪就成为一个非线性估计问题。为了解决雷达目标跟踪的非线性估计问题,提出了一种基于最优线性无偏估计的kalman滤波器—Blue-kalman滤波器。