基于CG法刚架结构位移参数的动态Bayes随机估计

在刚架结构随机有限元方程的基础上,首次建立了刚架结构位移参数的动态Bayes误差函数,推导了相应的动态Bayes均值和方差表达式,提出多维参数估计步长的一维自动寻优方案后,结合CG法研究了刚架结构位移参数的动态Bayes随机估计方法,同时给出了刚架结构位移参数具体估计步骤。研究表明,动态Bayes随机估计方法能有效地动态估计刚架结构位移参数,具有迭代次数少、计算精度高、收敛速度快的优点,且能同时进行多参数估计;刚架结构位移参数的收敛性依赖于位移参数先验信息的准确性;动态Bayes方法也可用于其他位移参数的动态识别。

基于随机估计学习算法的ATM拥塞控制

在分析了目前的拥塞控制算法的基础上 ,将随机估计学习算法 (SELA)和模糊逻辑的知识引入拥塞控制 ,提出了新的拥塞控制模型 .对模型的信元丢失率进行了数学分析 ,得出了分析结果 .利用语言 (VB)进行了仿真程序的开发 ,并利用开发的仿真程序对系统的性能进行了仿真分析 .

模糊随机估计算法及其应用

本文给出了模糊随机预测烈度的概念和定义,应用文献中所给出的一种新的模糊随机估计方法,对建筑场地在结构使用年限内可能发生的最大地震烈度的下限α_1和上限α_2进行估计。

非周期长码直扩信号的伪随机码盲估计

研究了m序列三阶相关函数特性,证明了不同周期m序列三阶相关函数存在共同峰,推导得到共同峰的特性以及共同峰坐标与m序列本原多项式之间对应关系,基于上述理论提出了非合作通信下的非周期长码直扩信号伪随机码估计方法。加性高斯白噪声下的仿真结果表明,本方法仅需1/4倍长码周期长度信号和4 d B信噪比,估计非周期长码直扩信号的扩频码和长扰码的正确概率就可达到99%以上。

基于随机分布估计的点云密度提取

针对目前密度提取方法提取的密度信息不能表现点云局部分布信息和分布随机性的缺陷,提出结合随机分布估计的密度提取方法。该方法采用分块计数法得到每个小分块的密度,结合点云总体的密集度得到一个能够反映点云局部积聚特征的参数,为判别点云分布的随机性、均匀性等提供较好的特征依据。

基于随机加权估计的多维位置数据最优融合算法

文中将随机加权估计计算方法应用于多传感器信息融合,提出了一种基于随机加权估计的多维位置数据最优融合方法。首先,用随机加权估计对每个传感器测得的位置参数进行估计。然后,用最优信息融合算法把这些估计进行融合。得到多传感器系统多维位置参数的最优估计。研究结果表明:基于随机加权估计的多传感器信息融合方法优于传统的信息融合估计方法。

基于随机加权估计的Sage自适应滤波及其在导航中的应用

为了克服Kalman滤波和Sage自适应滤波的缺点,在分析基于新息向量、残差向量和状态改正数向量的自适应协方差估计存在问题的基础上,提出根据新息向量、残差向量和状态改正数对滤波精度影响的不同程度,采用随机加权法对新息向量、残差向量和状态改正数进行估计,以得到观测噪声协方差矩阵和系统动态噪声协方差矩阵。进一步,利用随机加权法对观测噪声协方差阵和系统噪声协方差阵进行估计,以提高动态导航定位的滤波解算精度。研究结果表明,基于随机加权估计的Sage自适应滤波效果明显优于基于算术平均值估计的滤波方法。

基于自适应稀疏伪谱逼近新方法的随机状态估计:模型及算法

进行快速准确的不确定性状态估计,是进行电力系统不确定性分析、控制及优化的基础。该文提出基于多输出自适应稀疏伪谱逼近新方法(newadaptivesparsepsedospectral approximation method for multi-output problems,NA-SPAMMOP)的随机状态估计新模型及求解方法。构建完整的随机状态估计新模型,该模型完整地计及了基于AMI信息的负荷、分布式发电伪量测的不确定性,及部分因仪表精度偏低而具有较大量测误差的实际量测的不确定性;提出服从任意分布的随机量测的正交多项式系求取与随机量测的变换方法,使得该方法能够适应于任意连续分布的随机量测,并以命题的形式证明所提出的随机量测变换方法可使得SPAM类方法的计算效率最高;构建基于NA-SPAM-MOP的随机状态估计新模型的有效求解算法,实现了系统状态变量的各阶矩、概率密度函数及包含状态变量真值的置信区间的快速求解,经分析,该算法的计算复杂性远低于蒙特卡罗类抽样方法。算例证明了所提出模型及算法的有效性。

样本均值随机加权估计的强大数定律

在E|X1|1＋δ＜∞（0＜δ＜1）的条件下，证明了样本均值随机加权估计的强大数定律。

样本均值随机加权估计数据融合方法研究

将一种新兴的随机加权估计方法应用于多传感器数据融合,提出了一种将多源信息综合处理的随机加权数据融合方法。该方法依据极大似然原理,将来自不同总体(均值相同,方差不同)的随机样本进行有效融合,得到了新的总体均值估计量,从而消除了低精度检测结果的干扰,提高了综合检测结果的精度。提出了一种基于随机加权估计的多维位置数据最优融合算法。结果表明,该算法优于传统的信息融合估计算法。

PPS和简单随机抽样估计效率的实证检验

抽样调查理论揭示,PPS抽样的效率要优于简单随机抽样的结果。文章以我国年各地区主要行业全社会固定资产投资额的均值和总量估计为例,验证小样本条件下两者的抽样效率。结果显示,无论是抽样估计结果效率、抽样误差还是95%置信度条件下的区间估计,PPS估计的效率均高于简单随机抽样。

非线性随机模型估计及应用

讨论了非线性随机模型估计的求解问题 ,分为方差σ2 已知和方差未知 2种情况。方差σ2 已知的非线性随机模型估计适用于测量平差以及一切有规范规定的实验科学的数据处理 ;方差σ2 未知的非线性随机模型估计适用于没有规范约束的社会统计学的统计推断。文中附有算例阐述具有同值子样由于σ2 已知和未知的 2种情况的数据处理结果。

半参数回归模型中参数随机加权估计的大样本性质

主要考虑了同方差型的半参数线性回归模型中参数的随机加权最小二乘估计(RWLSE).讨论了用随机加权Bootstrap方法来逼近LSE的分布,证明这种逼近是以概率1渐近有效的.

GPS载波相位双差观测量随机模型估计的新方法

GPS载波相位观测量具有时间相关性、空间相关性和方差差异性，随机模型的准确确定比较困难，一般采用简化的随机模型。用MINQUE方法估计GPS观测量随机模型的方法比较严密，但计算工作量非常大。本文提出了一种适用于GPS载波相位双差观测量的随机模型估计的新方法，即在平差前将载波相位双差观测序列转化为平稳随机序列，应用平稳随机过程的方差及相关系数的估计方法，估计GPS载波相位双差观测量序列的方差及其相关系数。实算证明应用4～8min的观测数据可使GPS短基线固定解的精度提高10mm左右。

半参数测量误差模型中参数的随机加权估计

给出了半参数测量误差模型中参数的随机加权最小二乘估计.讨论了用随机加权方法逼近最小二乘估计的分布,证明这种逼近是以概率1渐近有效的,并用模拟例子验证了提出方法的有效性.

随机加权估计的相合性及其在数据融合中的应用

首先在X1,X2,…,Xn独立同分布(iidF)的情况下,给出了分位点过程n1/2{Fn-1(g)-F-1(g)}分布的随机加权估计;其次证明了n1/2{Fn-1(g)-F-1(g)}的随机加权逼近的相合性;最后将随机加权估计应用于多传感器数据融合中。仿真结果表明:文中提出的随机加权估计优于文献[4]所给出的Bootstrap逼近,提高了估计的精度。

密度与回归的随机窗宽核估计的渐近正态性

本文建立了密度和回归函数的随机窗宽核估计的渐近正态性,并给出了在回归函数最近邻估计场合的一个应用。

动力学模型系统误差的随机加权估计

提出用新兴的随机加权估计算法对动力学模型系统误差进行估计,以控制动态模型噪声异常对状态参数估值的影响。该算法根据实际需要对动力学模型误差和状态预报值向量的协方差阵进行随机加权,以控制残差向量协方差阵和新息向量协方差阵的大小,削弱模型误差对状态参数向量的影响,提高动态导航解算的滤波精度。仿真结果表明,提出的随机加权估计算法的估计精度,明显优于经典Kalman滤波和抗差自适应Kalman滤波,能提高飞行器动态导航定位的精度。

推广卡尔曼滤波在捷联惯导系统的惯性元件随机误差估计中的应用

惯性敏感元件的随机误差是影响捷联惯性导航系统性能的重要因素，要衡量随机误差的大小，可以采用推广卡尔曼滤波方法，文中阐述了捷联惯性导航系统中的惯性敏感元件随机误差的估计过程，同时给出了仿真结果并对其进行了分析。

分位点过程随机加权估计误差的弱收敛性

本文在对分布函数要求相当弱的条件下，给出了分位点过程随机加权估计误差弱收敛到标准Ｂｒｏｗｎｉａｎ运动。