分块线性模型中Bayes线性无偏估计的可加性

得到了βi在线性模型M=(y,X1β1+X2β2,T)下的Bayes线性无偏估计与其在小模型Mi=(y,Xiβi,T)下的Bayes线性无偏估计相等的充分必要条件,i=1,2;并考虑了Xiβi在小模型Mi下的Bayes线性无偏估计之和与Xβ在全模型M下的Bayes线性无偏估计之间的相等关系.

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。

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。

定时截尾数据最佳线性无偏估计方法

提出定时截尾数据最佳线性无偏估计方法。针对工程中常见的位置-尺度分布族,给出定时截尾情况下分布参数的最佳线性无偏点估计公式及其协方差矩阵,得到分布参数的置信区间、百分位值和百分率的点估计及其置信上、下限。详细讨论Weibull分布和对数正态分布定时截尾数据的最佳线性无偏估计问题。与目前工程中常用的极大似然估计(maximumlikelihood estimation,MLE)方法相比,文中方法所得估计量不但在大样本而且在小样本情况下也具有最佳无偏性质,且计算简单、精度高,便于工程应用。

基于最佳线性无偏估计的双基地雷达定位方法

利用坐标转换后的伪测量值,根据最佳线性无偏估计原理,提出一种双基地雷达目标的定位方法并给出了算法定位误差的Cramer-Rao理论下限表达式,在不同噪声条件下对算法进行仿真计算,结果表明该方法可以显著提高双基地雷达目标的定位精度,其理论下限和仿真结果都明显优于最小二乘方法。

错误先验假定下Bayes线性无偏估计的稳健性

本文基于错误的先验假定获得了一般线性模型下可估函数的Bayes线性无偏估计(BLUE),证明了在均方误差矩阵(MSEM)准则和后验Pitman Closeness(PPC)准则下BLUE相对于最小二乘估计(LSE)的优良性,并导出了它们的相对效率的界,从而获得BLUE的稳健性．

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。

一般线性回归模型最佳线性无偏估计的影响分析

讨论一般线性回归模型的影响分析问题,研究了协方差矩阵扰动和数据删除对最佳线性无偏估计的影响,给出了度量影响大小的距离测度和它的计算公式.

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.

Bayes线性无偏估计的稳健性

考虑Bayes线性无偏估计关于误差分布的稳健性,给出误差项ε的最大分布类,使得误差项ε的分布在此范围内变动时,Bayes线性无偏估计都是最优估计.

矩阵损失下贝叶斯线性无偏估计及其稳健性

证明了,在一般线性模型中,未知参数在二次损失下的贝叶斯线性无偏估计也是矩阵损失下的贝叶斯线性无偏估计.讨论了贝叶斯线性无偏估计关于误差分布的稳健性,给出了未知参数的贝叶斯线性无偏估计是最优估计的充分必要条件.

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.

奇异线性模型基于变换观测值的最佳线性无偏估计

对于奇异线性回归模型Y丫:X9十c,c”(o,∑),其中∑主o,X的秩任意,本文一般地考察观测值的线性变换铲:9r对于系数d的最佳线性无偏估计(BLUE)的影响,得到了由变换带来的参数估计变化的一般结果,文献[1]关于线性变换保持BLUE最优性的主要结果成为该结果的一个推论,本文还证明了这种变换模型的参数估计问题等价于一个广义均值漂移模型的参数估计问题。

最佳线性无偏估计中的影响度量与相关系数

本文提出了最佳线性无偏估计中的二个影响度量；Ｃｏｏｋ距离与广义方差比．讨论了它们的统计性质，并揭示了它们与相关系数的内在联系．

Bayes线性无偏估计关于误差协方差及先验分布的稳健性

对于线性模型中未知参数估计的稳健性的研究,一直是统计学中的一个热点.本文研究线性模型中回归系数的Bayes线性无偏估计关于误差协方差及先验分布的稳健性问题,分别得到当误差协方差改变、先验分布改变或误差协方差和先验分布同时改变时,Bayes线性无偏估计还保持其最优性的充分必要条件.

一般线性混合模型中的最佳线性无偏估计和谱分解估计

该文在一般线性混合模型中,研究了固定和随机效应线性组合的估计问题.对观测向量的协方差阵可以为奇异矩阵情形下,导出了该组合的最佳线性无偏估计,并证明了它的唯一性.在一般线性混合模型的特例,三个小域模型下,得到了小域均值μ_i和方差分量的谱分解估计.进而,获得了基于谱分解估计的两步估计均方误差的二阶逼近.

广义G-M模型参数的Bayes线性无偏估计及其优良性

针对广义Gauss-Markov(G-M)模型,采用Bayes估计方法获得参数的Bayes线性无偏估计(BLUE),在均方误差矩阵准则下与广义最小二乘(GLS)估计进行比较,导出了4种相对效率的界,讨论了在PC准则下BLUE相对于GLS估计的优良性.

典型相关系数与最佳线性无偏估计

利用随机向量间典型相关系数的个数,刻画了在一般Guass Markov模型下的Xβ的最佳线性无偏估计,并讨论了稳健性问题.

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 .