基于小波变换和序贯抗差估计的捷联惯导初始对准

基于小波变换和三参数序贯抗差估计,提出了一种新的确定捷联惯导初始姿态的方法。利用静基座下的模拟数据对该方法进行了验证。结果表明,该方法能够保证捷联惯导在较短的时间内获得较高的对准精度。

动态监测序贯器官衰竭估计评分在危重病患者预后评估中的应用价值

目的探讨动态监测序贯器官衰竭估计(SOFA)评分在危重病患者预后评估中的应用价值。方法选取本院重症科2010年5月—2011年9月收治的危重病患者84例为研究对象,4周内存活60例(存活组),死亡24例(死亡组)。分别于患者入ICU后第1、3、5、7天进行急性生理学和慢性健康状况评分Ⅱ(APACHEⅡ)和SOFA评分,比较两组不同时间APACHEⅡ和SOFA评分,分析器官损伤数与病死率及最大SOFA评分的关系及两组受损器官数和最大SOFA评分的差异。采用SPSS 13.0统计软件进行数据处理,计量资料采用t检验和方差分析,计数资料采用χ2检验。结果存活组患者入住ICU内1、3、5、7 d APACHEⅡ和SOFA评分与死亡组比较,差异均有统计学意义(P=0.00)。存活组患者入住ICU内1、3、5、7 d APACHEⅡ评分比较,差异有统计学意义(F=14.76,P=0.00);其中入住ICU内3、5、7 d与1 d时比较,差异均有统计学意义(q值分别为5.95、7.84和8.39,P=0.00)。死亡组患者入住ICU内1、3、5、7 d APACHEⅡ评分比较,差异无统计学意义(F=0.15,P=0.93)。存活组患者入住ICU内1、3、5、7 d SOFA评分比较,差异有统计学意义(F=18.27,P=0.00);其中入住ICU内3、5、7 d与1 d时比较,差异均有统计学意义(q值分别为5.04、8.06和9.74,P=0.00)。死亡组患者入住ICU内1、3、5、7 d SOFA评分比较,差异有统计学意义(F=5.35,P=0.00);其中入住ICU内5、7 d与1 d时比较,差异均有统计学意义(q值分别为2.98和5.03,P=0.00)。以受损器官3个为界,分为受损器官≥3个组和受损器官<3个组。受损器官≥3个组65例,死亡24例,病死率为36.92%;受损器官<3个组19例,无死亡患者,差异有统计学意义(χ2=9.82,P=0.00)。受损器官≥3个组存活患者最大SOFA评分为(7.73±2.23)分,死亡患者最大SOFA评分为(12.70±2.82)分,差异有统计学意义(t=-7.85,P=0.00);受损器官<3个组患者最大SOFA评分为(4.63±1.30)分。存活组和死亡组患者平均器官损伤数比较,差异有统计学意义(t=-6.65,P<0.05);两组SOFA评分中心血管、肾脏评分比较,差异均有统计学意义(P<0.05);两组SOFA评分中呼吸、凝血功能、肝脏、神经评分比较,差异均无统计学意义(P>0.05)。结论动态监测SOFA评分能更好地反映危重病患者器官损伤程度及治疗效果,有利于早期重点治疗方向的制定。

动态面板阈模型的一种序贯两步估计

动态面板阈模型可以刻画经济变量动态调整过程的非对称性,在实证分析中有广泛的运用,但阈值参数的引入同时增加了参数估计的困难,理论上尚有许多问题没有解决。针对此类模型,本文提出了一种简单而实用的序贯两步估计方法,首先利用格点搜索获得阈值参数的一致估计,基于该参数对数据结构进行合理划分并引入不同类型的矩条件,然后利用广义矩方法获得自回归参数的估计。理论研究与模拟结果均表明,序贯两步估计具有良好的大样本性质和有限样本表现;与现有文献的方法相比,序贯两步估计能够有效避免不同类型参数估计偏差的相互影响,减小估计量的偏差与均方根误差。

混合量测下序贯抗差状态估计算法研究

混合量测下电力系统动态状态估计算法,目前主要假设量测信息在同一时间获得,且很少考虑量测异常值对状态估计的影响。针对以上不足,充分利用混合量测的特性,在分析监控及数据采集系统(SCADA)数据取用时间窗口的基础上,提出了混合量测下序贯抗差状态估计算法。该算法首先序贯入同一时间断面上的同步相量测量单元(PMU)量测值,然后依次序贯入陆续到来的SCADA量测值。初步融合完成后计算融合代价函数,如果超过设定阀值,则增广量测矩阵形成混合量测集,通过扩展卡尔曼滤波(EKF)进行抗差状态估计。该算法能够提高估计中心的利用率以及状态估计的实时性和精度,降低量测异常值对状态估计的影响。最后在IEEE14节点系统上进行了仿真,验证了该算法的有效性和优越性。

序贯调整估计量——不完全事后分层估计的新方法

在使用多个分类变量对样本进行交叉事后分层时,边缘总值已知、格子总值未知的不完全事后分层问题是估计时经常面临的情况。序贯调整估计量是本论文提出的解决这一问题的新方法。在详细介绍了序贯调整估计程序后,论文用随机模拟的方法研究了该估计量的数学性质,并将其与经典的不完全事后分层估计量做了比较。

一种基于Tobit回归模型的序贯压缩估计方法研究

Tobit回归模型在计量经济学等研究领域中有着广泛的应用。但是我们在处理面板数据以及时间序列数据时经常会遇到包含太多变量的数据集,而这些变量中只有少数变量对模型有贡献。为了去除这些“无效变量”的影响,在本文中,我们提出一种基于自适应压缩估计的序贯抽样策略来构造“有效”参数的固定长度的置信集,并在自适应设计下对所提出的序贯抽样策略进行数值模拟,最后数值模拟达到了预期的效果。

序约束下两个Burr分布总体参数的Bayes估计

分别在熵损失和对称熵损失函数下,讨论了序约束下对任何先验分布的两个Burr分布总体参数的Bayes估计。进而给出了序约束下不同先验分布的两个Burr分布总体参数的Bayes估计。

R(0,θ)分布族参数的序贯点估计

论述了均匀分布R(0,θ)中参数θ的序贯点估计。在固定样本下,已经得到了θ的最小方差无偏估计,但为了使这个估计能够达到预定的精度η,我们在序贯情况下对此问题进一步讨论,利用假设检验制定停止规则,从而达到控制精度的目的。

截断数据模型中的两阶段抽样序贯密度估计

令X_1,X_2,…是iid随机变量序列,满足分布F密度函数f.X_i被随机变量Y_i右截断,而Y_i是iid随机变量,且与X_t独立。我们仅能观察到样本 Z_i=min(X_i,Y_i),δ_i=I(X_i≤Y_i)估计量f_n和_n是基于KM估计量的f的核型估计,在本文中,我们基于f_n和_n分别构造f的两阶段抽样的序贯固定长度2d,渐近置信系数1-α。(0<α<1)的置信区间。并讨论了停时的渐近性质。

估计有序约束均值的一个非参数方法

对k个总体,其均值被简单半序约束时的估计问题进行了讨论。把单个总体均值的H-L估计应用到多个总体的情况,定义了加权保序H-L估计,给出了算法及性质。

简单半序约束下,估计位置参数的一个非参方法

对k个总体,本文讨论其位置参数被简单半序约束时的估计问题。把单个总体位置参数的H-L估计应用到多个总体的情况,定义了加权保序H-L估计,给出算法及性质。并且用Monte-Carlo方法模拟比较k=2时,L1保序回归与加权保序H-L估计产生的似然函数的大小。

序贯k-out-of-n系统在序约束下参数的估计和算法

本文主要研究带有协变量的序贯k-out-of-n模型.我们假定给定协变量寿命的分布是指数分布,对指数分布的刻度参数建立了对数线性模型.研究了在序约束下模型参数的最大似然估计及最大似然估计量的性质,并且给出了最大似然估计的具体算法并进行了模拟.

百草枯中毒患者外周血对氧磷酯酶1、程序性死亡因子-1、γ干扰素诱导蛋白-10水平检测的意义

目的探讨百草枯中毒患者外周血对氧磷酯酶1(PON1)、程序性死亡因子-1(PD-1)、γ干扰素诱导蛋白-10(IP-10)水平对预后的价值。方法对2017年5月—2023年4月中国人民解放军联勤保障部队第九八〇医院120例百草枯中毒患者进行前瞻性研究,统计百草枯中毒患者30 d内死亡与生存情况,比较不同预后患者临床资料及外周血PON1、PD-1、IP-10水平。采用Pearson相关性分析探讨外周血PON1、PD-1、IP-10水平与中毒剂量、序贯器官衰竭估计(SOFA)评分、急性生理与慢性健康评分系统Ⅱ(APACHEⅡ)评分的相关性;采用受试者工作特征(ROC)曲线评价外周血PON1、PD-1、IP-10水平预测百草枯中毒患者预后的价值。结果随访期间共35例患者死亡(29.17%)。死亡患者中毒剂量、SOFA评分、APACHEⅡ评分及外周血IP-10、PD-1水平均高于生存患者,外周血PON1水平低于生存患者,差异有统计学意义(P<0.05)。相关性分析显示,百草枯中毒患者外周血PON1水平与中毒剂量、APACHEⅡ评分及SOFA评分均呈负相关,PD-1、IP-10水平与中毒剂量、APACHEⅡ评分及SOFA评分均呈正相关(P<0.05);PON1、PD-1、IP-10预测百草枯中毒的曲线下面积(AUC)分别为0.738、0.774、0.770,三者联合预测的AUC为0.922,三者联合预测效能高于各指标单独预测。结论百草枯中毒患者外周血PON1、PD-1、IP-10联合检测对判断患者预后具有较高价值。

采用序贯滤波的红外/雷达机动目标跟踪

当机动目标状态是非平稳和非线性时,红外传感器和雷达的目标状态方程和量测方程都是非线性和非高斯的,为了解决经典跟踪算法的残差较大或发散的问题,提出一种新的融合跟踪算法:在对红外传感器和雷达的量测数据进行时间对准和同步融合后,将融合后的量测数据送入重抽样粒子滤波器进行处理以预测和跟踪机动目标.最后给出了一个仿真跟踪实例,并与同类多雷达跟踪的效果进行了比较,说明了异类融合跟踪优于同类多雷达融合跟踪.

脓毒症性休克伴MODS患者的预后评分估计

目的 探讨序贯器官衰竭估计 (SOFA)评分和简化多系统器官衰竭 (sMSOF)评分体系对脓毒症性休克伴多器官功能不全综合征 (MODS)的预后预测作用。方法 回顾性分析 5 1例脓毒症性休克伴MODS患者的资料 ,采用SOFA评分和sMSOF评分体系 ,分析这两种评分的入院评分、最大评分、△评分与预后的关系。结果 ① 5 1例脓毒症性休克伴MODS患者中存活 7例 ,死亡 4 4例 ,两组在性别、年龄、住ICU时间、手术 /非手术、入院至脓毒症性休克发生时间无差异。② 5 1例患者在入ICU时或在ICU中均发生感染 ,感染部位以呼吸系统为多 (6 2 8% ) ,感染病原菌多为G-菌感染 (88 2 % ) ,合并霉菌感染 2 6例(5 1 0 % )。③入院SOFA评分两组无差异 ,最大SOFA评分和△SOFA评分死亡组明显高于存活组 (P <0 0 0 0 1)。最大sMSOF评分、△sMSOF评分死亡组明显高于存活组 (P <0 0 0 5 ,P <0 0 0 0 1) ,而入院sMSOF评分存活组反而明显高于死亡组。结论 在脓毒症性休克伴MODS患者 ,入院时的SOFA评分及sMSOF评分不能预测预后 ,二种评分的最大评分和△评分对预后有很好的预测作用。

基于序贯岭回归背景抑制的目标检测算法

复杂背景下的弱小目标检测是空间监视和远程预警中的关键技术之一。针对这一难点问题,提出了一种新的基于自适应序贯岭回归背景抑制算法的目标检测算法。首先,利用岭回归估计原理,建立了自适应序贯岭回归估计算法。然后,利用图像背景空间域的相关性建立了基于序贯岭回归的图像背景抑制算法,并采用双向扫描更新方式加快算法收敛速度。该抑制算法能根据像素邻域灰度自适应调整加权参数。最后,在该抑制算法基础上,结合阈值化技术形成了一种新的弱小目标检测方法。实验证明,该算法能增强目标信噪比和对比度,有效检测到信噪比大于2的弱小目标。

运动图像多尺度分割中的参数估计方法

将一种新颖的多尺度分割方法引入了多分辨率运动图像分割框架中 ,从而形成了一种新的多尺度运动图像分割方法。该方法主要由多尺度随机场和序贯极大后验估计两个基本概念组成 ,主要是解决多尺度图像分割中仍然存在的计算复杂度问题 ,并可以通过上下文图像模型达到更加准确的图像分割。

运动图像多尺度分割方法及其参数估计

一种新颖的多尺度分割方法被引入到多分辨率运动图像分割框架中,形成了一种新的多尺度运动图像分割方法。这种方法是由多尺度随机场和序贯极大后验估计器两个基本概念组成,它可以解决多尺度图像分割中仍然存在的计算复杂度问题,并通过上下文图像模型达到准确的图像分割。

血清乳酸/血清白蛋白比值联合序贯性器官衰竭估计评分对脓毒症患者院内死亡的预测价值

目的 探讨血清乳酸/血清白蛋白比值(LAR)联合序贯性器官衰竭估计(SOFA)评分对脓毒症患者院内死亡的预测价值。方法 根据30-d院内死亡,198例脓毒症患者分为A组(死亡,51例)和B组(好转,147例)。比较两组临床资料和实验室相关指标,分析脓毒症患者院内死亡的危险因素,分析LAR与SOFA评分的相关性,并绘制ROC曲线评估LAR和SOFA评分单独及联合应用对脓毒症患者院内死亡的预测效能。结果 与B组比较,A组年龄更大,且心率、呼吸频率、SOFA评分、BUN、SCr、降钙素原、血钾及LAR均较高,而体温和Plt较低(P<0.05或P<0.01)。年龄增大、LAR和SOFA评分升高是脓毒症患者院内死亡的独立危险因素(P<0.05或P<0.01)。脓毒症患者LAR与SOFA评分呈正相关(r=0.614,P<0.01)。LAR和SOFA联合预测脓毒症患者院内死亡的AUC为0.842,其灵敏度和特异度分别为82.4%和74.1%。结论 LAR联合SOFA评分对脓毒症患者院内死亡具有较高的预测价值。

基于约束序贯M估计的时空域融合红外杂波抑制

针对红外弱小目标检测中的强背景杂波干扰抑制问题进行研究,提出了一种基于参数约束序贯M估计的时空域融合自适应杂波抑制算法。该算法首先在分析序列图像帧间失配的基础上建立了一种改进的时空域融合背景预测模型,结合二维离散傅里叶快速变换图像配准和双线性插值方法进行灰度值估计;然后,基于约束序贯M估计方法进行模型参数的自适应估计,利用双阈值方法提取参数估计样本,并引入遗忘因子和控制因子提高算法的稳健性。仿真实验表明:所提算法不仅能够在一般的杂波干扰环境下实现背景的滤除,而且能够在强杂波干扰环境下较好地实现背景的抑制与目标信号的保持;相对现有算法具有较明显的性能优势和更强的环境适应能力。