可处理多普勒量测的最佳线性无偏估计算法

基于目标位置量测的一些量测转换方法已被广泛使用在目标跟踪应用中,使得卡尔曼滤波器得以在直角坐标系中应用。但是,这些量测转换方法有一些会导致估计性能恶化的根本缺陷。事实上,除了位置量测外,理论计算和实践已经证明,包含目标速度信息的多普勒量测具有有效提高目标状态估计精度的潜力。该文在直角坐标系下提出一种可使用转换多普勒量测(即距离量测与多普勒量测的乘积)的滤波器。从理论上讲,它是在最佳线性无偏估计准则下的最优线性无偏滤波器,并且避免了量测转换方法的根本缺陷。通过将近似处理后的新型最优线性滤波器与目前4种流行的方法进行仿真比较,验证了所提出的滤波器的优越性。

最佳线性无偏估计中的W—K统计量

本文提出了最佳线性无偏估计中的W—K统计量,用它讨论了数据的影响,并建立了它与相关系之间的关系,推广了文献[1]和[2]的结果。

不完全数据最佳线性无偏估计方法

针对工程上存在大量不完全数据的情况,本文建立了不完全数据秩统计量的联合概率密度函数,给出不完全数据顺序统计量的均值、方差和协方差计算公式,提出不完全数据最佳线性无偏估计方法,并对正态分布、Weibull分布等位置-尺度分布进行了详细讨论。该方法能够充分开发利用试验数据中的不完全信息,从而提高不完全数据统计分析的精度。

不完全区间数据最佳线性无偏估计方法

建立了不完全区间数据秩统计量的概率密度函数和联合概率密度函数,给出了其平均秩、中位秩和百分位秩以及不完全区间数据统计量的均值、方差和协方差计算公式.在此基础上,针对位置-尺度分布族提出一种不完全区间数据最佳线性无偏估计方法,得到了其百分位值的置信限估计,并对工程中常见的极值分布、两参数Weibull分布、正态分布进行了详细讨论.

次序统计量给出的线性Bayes估计

本文讨论了位置尺度参数族的参数线性函数的线性Bayes估计问题,给出了基于次序统计量的线性Bayes估计,并就特殊分布给出了例子。

基于极坐标多普勒伪状态的最佳线性无偏估计算法

理论和实践已经证明,除位置量测外,包含目标速度信息的多普勒量测具有有效提高目标状态的估计精度的潜力。基于目标匀速运动场景在直角坐标系下提出了一种可使用多普勒伪量测(即距离量测与多普勒量测的乘积)和多普勒伪状态的跟踪算法。从理论上讲,它是在最佳线性无偏估计准则下的近似最优线性无偏滤波器,并且避免了量测转换方法的根本缺陷。通过与目前几种流行的方法进行仿真比较,验证了新算法的优越性和可靠性。

区间统计量及其分布

提出区间统计量和区间秩统计量的概念,建立其概率密度函数和联合分布函数,给出区间统计量的均值、方差、协方差和区间秩统计量的平均秩、中位秩、百分位秩计算公式。区间统计量是对顺序统计量的补充,当失效数据较少难以统计分析时,可以通过区间统计量增加其数据,提高统计分析的精度。在此基础上,提出一种区间数据最佳线性无偏估计方法,并对正态分布、极值分布、Weibull分布等常用的位置—尺度分布进行讨论,该方法能够对产品贮存寿命进行小样本预测和可靠性评定。

基于顺序统计量的加速度计恒加寿命试验优化设计

针对模型参数先验信息未知下的加速度计恒加寿命试验优化设计方法缺乏的问题,提出了一种加速度计恒加寿命试验的优化设计方法。首先,分析了加速度计的加速寿命预实验结果,并初步制定加速度计的加速寿命试验方案;而后,基于顺序统计量和整体线性无偏估计理论,以每个应力水平下的样本分配为设计变量,同时以加速度计在正常应力水平下中位寿命估计值的方差最小和模型参数的协方差阵行列式最小为优化目标,建立加速度计定数截尾恒加寿命试验优化设计的数学模型。模型计算结果表明,两种优化目标的求解结果一致,确定加速度计的试验方案为(8|4,2,2),即8个样本在应力水平S1、S2、S3下分配的样本量分别为4、2、2,验证了所提出方法的可靠性。

基于量测预测联合估计的单站只测角跟踪

提出用于单站只测角系统的修正最佳线性无偏估计(BLUE)滤波器。针对BLUE滤波器用于雷达目标跟踪时需要完备的非线性观测集合来构建转换量测及单站只测角系统只提供方位观测,无法直接应用普通BLUE滤波器跟踪目标的问题,构造了基于目标状态预测的预测斜距,并在分析预测斜距误差统计特性后,用斜距预测和方位观测组成转换量测,推导出可应用于单站只测角系统的BLUE滤波模型。所提改进算法在性能和运算量上有明显优势,有很好的应用潜力。

在位置和尺度族中最佳不变预测和最佳无偏预测的关系

本文给出了在位置和尺度族中一个预测量是最佳不变预测量的充要条件。利用这个条件,最佳不变预测量可以表示为尺度参数的最佳无偏预测量与最佳无偏估计量的线性组合。1.引言。统计预测是用实验数据作出某些关于未来实验结果的予报。若X=（x1,…,xr）是被观测的随机变量,Y是预测的随变量。假设X和Y具有联合分布。

金融资产的VaR和CVaR风险的优良估计

本文利用统计理论的优良点估计方法来估计金融市场风险的VaR和CVaR,既可避开现有方法中大量的模拟计算和参数估计等工作,又可提高估算精度。在资产-正态模型下,根据不同的风险估计要求,对金融资产的这两种风险分别提供了三种优良估计,即一致最小方差无偏估计,最佳线性次序统计量无偏估计,最佳线性次序统计量同变估计,并提供了实证分析。

极坐标系下可处理多普勒量测的BLUE跟踪算法

事实已表明包含目标速度信息的多普勒量测具有有效提高目标状态估计精度的潜力.该文在直角坐标系下提出两种可使用转换多普勒量测(即距离量测与多普勒量测的乘积)的滤波器,一种借助了构造的多普勒伪状态,另一种没有借助多普勒伪状态.从理论上讲,它们都是在最佳线性无偏估计准则下的最优线性无偏滤波器,并且避免了量测转换方法的根本缺陷.通过将近似处理后的两种新型最优线性滤波器与目前几种流行的方法进行仿真比较,验证了所提出的滤波器的优越性.

缺失数据样本下艾拉姆咖分布的参数估计

首先给出艾拉姆咖分布次序统计量的密度函数,得到次序统计量的相关特征数;其次在缺失数据样本下给出参数的无偏估计、近似极大似然估计及置信区间;最后通过实例计算出参数的几种估计,验证其优良性.

缺失数据样本下Lomax分布尺度参数的估计

文章首先给出Lomax分布次序统计量的密度函数,得到次序统计量的相关特征数;其次在缺失数据样本下给出参数λ的无偏估计、近似极大似然估计及置信区间。通过实例计算了参数λ的几种估计,并验证其优良性。

带约束的一般Gauss-Markov模型下的线性充分性和线性完全性

本文将文[1,2]的结果扩展到了有约束的线性模型。

基于转换量测高斯化的三坐标雷达跟踪算法

最佳线性无偏估计(BLUE,Best Linear Unbiased Estimation)滤波用于雷达目标跟踪时,有计算量小,置信度高等优点.但是当互斜距测量误差较大时,BLUE滤波会产生非高斯转换量测,导致跟踪精度降低.为解决此问题,对其量测转换模型进行修正:通过引入方位预测,减小方位误差三角函数的非线性影响,得到准高斯分布的转换量测.分析视线坐标系下BLUE滤波的性能,推导引入方位预测的条件,给出改进算法工作流程.推导三坐标雷达下的滤波模型参数,提出转换量测高斯化水平的评估指标并仿真证明:改进算法的转换量测更逼近高斯分布,因此跟踪性能更好,而计算量只有轻微增加.本算法思想同样适用于其他非线性误差较大的场合,对解决类似问题有借鉴意义.

基于GRSS的均匀分布分位数的估计

主要讨论的是基于ni不固定的广义排序集样本的均匀分布分位数的估计,提出了包括GRSS最小方差无偏估计,简单估计和均衡排序集估计,计算了方差和相关系数,并相互进行了比较.

计量经济模型的选择问题

在计量经济学的研究中,计量经济模型的选择问题是一个很重要的课题。本文把一般的计量经济模型化为线性统计模型,用模型参数的最佳线性无偏估计量作为模型选择的标准,从线性统计模型的角度讨论计量经济模型的选择问题。推断结果表明:计量经济模型的选择问题转化为已知矩阵的计算。

二元威布尔分布形状参数相等的检验

将二元威布尔分布转化为二元极值分布,威布尔分布形状参数相等的检验转化为极值分布尺度参数相等的检验,给出了当相关参数θ=0.2,0.5,0.8,1时,检验统计量的模拟分位数和统计量的功效,然后就独立情况与基于简单线性无偏估计(GLUE)和最佳线性无偏估计(BLUE)给出的统计量进行比较.最后给出一个实例.

基于高程补偿的BLUE算法在塔康中的应用研究

基于塔康系统的斜距、方位和高程可对目标定位,但较大的量测误差影响定位精度。为提高估计精度,研究塔康中最佳线性无偏估计(best linear unbiased estimation,BLUE)滤波器的实现。建立地面站对目标的量测模型,并分析量测转换误差特性,推导出对应的BLUE滤波模型;针对目标从地面站上空过顶时出现无效量测的问题,通过对高程量测补偿的方法予以克服,解决传统算法在强非线性量测下误差较大的弊病。与经典方法的性能对比表明,改进算法有效地抑制了强非线性量测下的滤波发散,有很强的鲁棒性和实时性。