非瑞利杂波中广义符号检测器的渐近性能

利用韦伯分布和对数正态分布两种非瑞利杂波模型,推导广义符号(GS)检测器相对于最佳线性参量检测器的渐近相对效率(ARE)计算公式。采用Monte Carlo法仿真广义符号(GS)检测器在非瑞利分布杂波背景下相对于最优线性检测器的渐近相对效率。雷达目标信号假定为非起伏,杂波的幅度包络满足韦伯分布和对数正态分布。渐进相对效率(asymptotic relative efficiency,ARE)的仿真结果表明了广义符号检测器的有效性随着杂波分布偏离瑞利分布程度、采样参考单元的增加而增加。

一致广义Lipschitz连续的逐次渐近Φ-强伪压缩型算子修正的具误差的Mann迭代和多步Noor迭代间的等价性

研究了一致光滑Banach空间中一致广义Lipschitz连续的逐次渐近Φ-强伪压缩型算子修正的具误差的Mann迭代和多步Noor迭代间的等价性问题.本文的研究结果是对2006年Zhenyu Huang、Fanwei Bu和M.A.Noor(Zhenyu Huang,FanweiBu,M.A.Noor,On the equivalence of the convergence criteria between modified Mann-Ishikawa and multi-step iterations with errors for successively strongly pseudo-contractive operators,Applied Mathematics and Computation,2006,180:641-647.)在一致光滑Banach空间中所建立逼近具有有界值域的强伪压缩算子的不动点强假定下,修正的具误差的Mann迭代和带误差Ishikawa迭代两者的收敛是等价的这一问题更本质的和更一般的推广,且所用的方法不同于Zhenyu Huang、Fanwei Bu和M.A.Noor文,从而从更一般的意义上肯定地回答了Rhoades和Soltuz于2003年所提出的猜想.

2个有限族广义依中心意义的渐近非扩张非自映像公共不动点定理

在任意实的Banach空间中,对于2个有限族广义依中心意义的渐近非扩张非自映像,引入了一种新的带误差修正的广义Ishikawa迭代序列.并在适当条件下,多次巧妙地应用数学归纳法等工具,证明了该迭代序列强收敛于2个映像族的公共不动点.其结果改进和推广了近代许多相关的结果.

广义渐近拟非扩张映射族公共不动点的逼近

设C是Banach空间E的非空闭凸子集,{Ti}ik=1为C上的一族广义渐近拟非扩张自映射,f:C→C为压缩映射,Wn为修正的W-映射.引入迭代算法:xn+1=λnf(xn)+(1-λn)Wn,并证明了由此产生的迭代序列{xn}强收敛到T1,T2,…,Tk的一个公共不动点.

非瑞利杂波中两种非参量检测器的渐近性能

选择韦伯分布和对数正态分布为两种非瑞利杂波模型,推导广义符号(GS)和Mann-Whitney(MW)检测器相对于最佳线性参量检测器的渐近相对效率(ARE)的计算公式.采用Monte Carlo和Simpson数值积分方法对ARE进行仿真.结果表明,GS和MW的渐近相对效率随着杂波偏离瑞利分布程度的加强而增加;检测器在对数正态分布杂波中的渐近性能优于韦伯杂波;在相同条件下,MW检测器的渐近性能优于GS检测器.

广义渐近φ-半压缩映射的强收敛定理

在任意实Banach空间中,研究了依中间意义渐近k-严格伪压缩的广义渐近φ-半压缩映射带误差的修正Ishikawa迭代序列的强收敛性。所得结果改近和推广了这类问题的最新研究结果。

混合总体中广义似然比检验研究的进展(英文)

在正则统计模型中,广义似然比检验其方法简洁而有效.但在经济、生物学等领域中有着广泛的应用的混合总体中,因其正则条件不再成立,使得广义似然比检验要困难复杂得多.概述了在混合模型中广义似然比检验研究的进展,特别是检验统计量渐近分布的新进展.

非均匀杂波MIMO雷达检测

本文针对非均匀杂波,利用球不变随机矢量(SIRV)建立了机载多输入多输出(MIMO)雷达杂波模型.基于杂波协方差矩阵不满秩,提出了一种用于估计归一化杂波协方差矩阵的修正渐近最大似然(MAML)算法及其广义似然比检测器,即修正渐近广义似然比检测器(MAGLRT).仿真试验结果表明,在非均匀的杂波下,MAGLRT较常规高斯模型检测器具有明显优势;与单输入多输出(SIMO)雷达相比,该MIMO雷达也显示出更优越的检测性能.

非Lipschitz的广义渐近φ-半压缩映象迭代序列的强收敛性

在较一般的条件下,研究了赋范线性空间中具误差的修正的Mann迭代程序逼近非Lipschitz的广义渐近φ-半压缩映象不动点的强收敛性.所得结果推广和改进了近期内的相应结果.

上界型拟合优度检验

对简单零假设情况,构造出一类上界型拟合优度检验.取不同的参数λ和不同的权函数,这类检验不仅包含许多已存在的检验,如Kolmogorov-Smirov检验,Berk-Jones检验等,而且还给出一些新的检验.众所周知,对不同的问题,"最优"的检验是不同的,有必要对这类检验的性质进行讨论.该文对任意给定的λ和较一般的权函数q(·),在较弱的条件下,导出了相应上界型检验统计量在零假设下的渐近分布,研究了它们的局部渐近功效;在若干固定备择假设下,对该类检验的功效进行了模拟研究.模拟结果表明,在不同的备择假设下,功效较优的检验是不同的,不存在对所有情况一致最优的检验.

逐次渐近Φ-强半压缩型有限算子簇的多步迭代程序的收敛性

对一致广义Lipschitz连续的逐次渐近Φ-强半压缩型有限算子簇,研究了一致光滑Banach空间中具误差的修正多步Noor迭代序列强收敛于该算子簇的公共不动点问题.作为所得结果的应用,得到了2007年Huang在相同空间框架中所建立的逼近具有有界值域的逐次Φ-强伪压缩算子的不动点具误差的修正Mann迭代和具误差的修正Ishikawa迭代两者的收敛是等价的这一结果,而且所用的方法不同于Huang.同时还改进和推广了Rhoades和Soltuz,Huang,Bu和Noor,Huang和Bu,Su,Yao,Chen和Zhou,Liu,Kim,Kim,Liu,Ni和Xu等人的近期相应结果.

含结构参数的二元正态混合模型齐一性的修正似然比检验

研究含一个未知结构参数的二元正态混合模型齐一性检验的修正似然比统计量的渐近性质，证明了修正似然比统计量在零假设下的极限分布为x2^2．

关于相依随机阵列的一类强偏差定理

随机变量序列的强偏差定理是经典概率论强大数定理的自然推广。引入渐近广义对数似然比概念作为任意相依随机阵列与行独立随机阵列之间偏差的随机性度量。采用随机变量的截尾技术,构造带一个参数且期望为1的似然比,然后借助Borel-Cantelli引理获得随机变量序列的几乎处处收敛性。在一类钟开莱型条件下,给出了任意相依随机阵列的部分和与随机变量关于参考测度的期望之间的偏差的上、下界,并且其上、下界是广义相对熵的函数。定理的证明过程没有用复杂的测度论理论,仅采用简单的纯分析方法。所得结果推广了已有的结论,使强极限定理的应用范围更加广泛。

无需辅助数据的分布式目标自适应检测器

在非高斯背景和没有辅助数据的条件下,研究了高分辨率雷达分布式目标的自适应检测问题。首先采用有序检测理论和协方差矩阵的迭代估计方法粗略估计散射点集合,进一步利用迭代估计方法获得协方差矩阵的近似最大似然估计,提出了无需辅助数据的自适应检测器(ADWSD)。ADWSD在非高斯背景下具有近似恒虚警率特性,且检测性能远好于修正的广义似然比检测器。仿真分析表明,随着杂波尖峰的增加,ADWSD的检测性能得到提高,且对不同的杂波相关性具有很好的鲁棒性。