二维随机变量独立性的研究

主要研究了二维离散型随机变量和二维连续型随机变量的独立性问题.给出了二维离散型随机变量相互独立的充分必要条件是其联合分布矩阵的秩等于1;二维连续型随机变量相互独立的充分必要条件是其联合概率密度为可分离变量.同时,对其应用进行了举例说明.

二维离散型随机变量相互独立的判别准则

在二维随机变量独立性定义的基础上,根据联合概率分布与边缘概率分布的关系,给出了二维离散型随机变量独立性的判定定理;通过引入联合概率分布矩阵概念,从矩阵形式、矩阵的秩以及向量线性关系的角度,提出了判别独立性的新方法.

基于LU分解的增广信息滤波机器人协同定位

在增广信息滤波机器人协同定位算法中,通常对联合分布的信息矩阵采用Cholesky方法进行分解。基于Cholesky分解的增广信息滤波对联合分布的信息矩阵的正定对称性要求很高,在联合分布的信息矩阵不满足正定对称性的情况下,求逆产生异常,影响联合分布的信息恢复,系统的鲁棒性下降。提出了一种基于LU分解的增广信息滤波算法,保证了机器人协同定位算法精度的同时,有效解决了联合分布的信息矩阵分解异常问题,最后对机器人系统可观测性进行分析。利用MATLAB软件平台对算法进行仿真验证。结果表明,该算法保证了机器人协同定位精度,提高了机器人系统的鲁棒性。

ON ASYMPTOTIC JOINT DISTRIBUTIONS OF EIGENVALUES OF RANDOM MATRICES WHICH ARISE FROM COMPONENTS OF COVARIANCE MODEL

In this paper, the authors derive the asymptotic joint distributions of theeigenvalues of some random matrices which arise from components of covariance model.