结构物理参数识别的贝叶斯估计马尔可夫蒙特卡罗方法

从结构动力特征方程出发,以结构主模态参数为观测量,推得结构物理参数线性回归模型。对该模型应用贝叶斯估计理论得到物理参数后验联合分布,再结合马尔可夫蒙特卡罗抽样方法给出各个物理参数的边缘概率分布和最优估计值,而提出了基于结构主模态参数的结构物理参数识别贝叶斯估计马尔可夫蒙特卡罗方法。对五层剪切型结构的数值研究表明,此方法能够利用少数主模态参数给出结构质量和刚度参数的概率分布和最优识别值,而且在主模态参数较准确时识别误差很小。

缺失数据处理的期望-极大化算法与马尔可夫蒙特卡洛方法

缺失数据普遍存在于心理学研究中,影响着统计推断。极大似然估计(MLE)与基于贝叶斯的多重借补(MI)是处理缺失数据的两类重要方法。期望-极大化算法(EM)是寻求MLE的一种强有力的方法。马尔可夫蒙特卡洛方法(MCMC)可以相对简易地实现MI,而且可以适用于复杂情况下的缺失数据处理。结合研究的需要讨论了实现这两类方法的适用软件。

马尔可夫链—蒙特卡罗方法与人口学研究

本文概略介绍了用于粒子物理学研究的马尔可夫链-蒙特卡罗方法(MCMC)移植到人口学这个复杂系统研究的思想和方法,同时还介绍了马尔可夫链-蒙特卡罗方法在人口学应用中的重要工具和手段,如随机数、人口分布函数、人口样本的随机抽样和用马尔可夫链-蒙特卡罗方法进行人口仿真研究的简略过程及标题式介绍了用此方法做过的一些工作。

计算维修不独立马尔可夫系统瞬态不可用度的六种蒙特卡罗方法

在马尔可夫可维修系统状态转移积分模型的基础上 ,给出了维修不独立马尔可夫系统瞬态不可用度的六种估计量 ,结合状态转移时间偏倚抽样技术 ,给出了计算维修不独立马尔可夫系统瞬态不可用度的六种蒙特卡罗方法。用两个实际算例考察了各种计算方法的效率随系统运行时间的变化。给出了各种算法适用范围的结论。

用状态转移蒙特卡罗方法估计系统的不可靠度

本文讨论了解析与模拟混合法在利用马尔可夫过程模型进行复杂系统可靠性仿真中的应用 ,利用解析技术减少随机抽样中的随机因素 ,缩小被估计量的方差以提高仿真效率 。

NEE观测误差分布类型对陆地生态系统机理模型参数估计的影响--以长白山温带阔叶红松林为例

基于观测数据的陆地生态系统模型参数估计有助于提高模型的模拟和预测能力,降低模拟不确定性。在已有参数估计研究中,涡度相关技术测定的净生态系统碳交换量(NEE)数据的随机误差通常被假设为服从零均值的正态分布。然而近年来已有研究表明NEE数据的随机误差更服从双指数分布。为探讨NEE观测误差分布类型的不同选择对陆地生态系统机理模型参数估计以及碳通量模拟结果造成的差异,以长白山温带阔叶红松林为研究区域,采用马尔可夫链-蒙特卡罗方法,利用2003～2005年测定的NEE数据对陆地生态系统机理模型CEVSA2的敏感参数进行估计,对比分析了两种误差分布类型(正态分布和双指数分布)的参数估计结果以及碳通量模拟的差异。结果表明,基于正态观测误差模拟的总初级生产力和生态系统呼吸的年总量分别比基于双指数观测误差的模拟结果高61～86gCm-2a-1和107～116gCm-2a-1,导致前者模拟的NEE年总量较后者低29～47gCm-2a-1,特别在生长旺季期间有明显低估。在参数估计研究中,不能忽略观测误差的分布类型以及相应的目标函数的选择,它们的不合理设置可能对参数估计以及模拟结果产生较大影响。

基于Metropolis-Hastings抽样短采样宽带信号方位估计AML算法

针对短采样宽带信号近似最大似然(approximated maximum likelihood,AML)方位估计计算量大的问题,将马尔科夫链-蒙特卡罗方法与近似最大似然方位估计相结合,提出一种基于Metropolis-Hastings抽样的近似最大似然方位估计方法(AMLMH)。该方法将AML算法的空间谱函数作为信号的概率分布函数,并利用Metropolis-Hastings抽样方法从该概率分布函数中抽样。研究结果表明,AMLMH方法不但保持了原近似最大似然方位估计方法的优良性能,而且减小了计算量。

一种基于吉布斯抽样的MUSIC频率-方位联合估计算法

将马尔可夫蒙特卡罗方法与MUSIC方法估计相结合,提出一种基于吉布斯抽样的频率-方位联合估计新方法(MUSIC FREQ-DOA joint Estimator Based on Gibbs Sampling,简称Gibbs-MUSIC)。并用该方法联合估计多个目标的频率和方位。这种方法将MUSIC方法的谱函数作为频率和方位的联合概率密度函数,并采用马尔可夫蒙特卡罗(MCMC)吉布斯抽样方法对该联合概率密度函数进行采样。仿真实验显示在目标个数较少时,该方法不仅保持了常规MUSIC方法的高分辨能力,而且降低了计算量,减少了存储量。

基于信源信息熵最小的单通道盲源数估计算法

源数会直接影响盲源分离的效果,源数估计问题是盲源分离(BSS)中的一个关键问题。针对此问题提出了一种将信息熵作为统计评价指标的单通道盲源数估计算法,使用信息熵来度量源信号的信息量大小从而确定源数。为了计算估计源信号的信息熵,首先,使用高斯混合模型(GMM)来拟合其分布;其次,基于马尔可夫链蒙特卡罗(MCMC)算法,采样得到服从目标分布的样本,并进行熵的计算;最后,通过最小化估计源信号平均信息熵得到盲源个数。一系列基于仿真数据和真实通信数据的实验表明:所提算法具有较强的鲁棒性,且能以94%的准确率估计出源数,从而验证了算法的有效性。

引信-超宽带强电磁脉冲效应阈值试验研究

为明晰超宽带电磁脉冲对引信的干扰和损伤影响,确定引信-电磁脉冲效应的阈值区间,针对当前引信-电磁脉冲效应数据样本少,难以准确评估引信的抗电磁脉冲能力的难题,建立了马尔可夫蒙特卡罗估计的引信-电磁脉冲效应阈值分析模型。通过构建的超宽带电磁脉冲模拟器的引信效应测试系统,对典型引信进行辐照试验,得到引信-电磁脉冲的效应规律及干扰阈值。试验结果表明:引信通信故障的效应阈值均值为28.262 kV/m,均值的95%可信区间为(27.390,29.129)kV/m;方差的后验期望估计为1.867 kV/m,方差的95%可信区间为(0.834,4.182)kV/m。所提模型可用作多种引信的电磁脉冲效应阈值估计,为提高引信的抗电磁干扰能力提供理论基础和试验手段。

双指数跳跃扩散模型的McMC估计

使用贝叶斯方法估计了双指数跳跃扩散模型,该方法是使用Euler方法对连续过程进行离散化,用离散过程的似然函数做为模型参数的近似后验似然函数.证明了McMC方法是分析双指数跳跃扩散模型的有效工具,由McMC方法抽样所得的后验分布可以用来进行统计推断.模拟试验表明双指数跳跃扩散模型能够体现资产收益的许多经验特征,尖峰厚尾特征和期权定价中的“波动微笑”.

基于自适应Metropolis算法的α稳定分布参数估计

基于马尔可夫链蒙特卡罗(Markov chain Monte Carlo,MCMC)方法的α稳定分布参数估计具有良好的性能,但不合适的提议函数常导致算法不收敛或混合性能不好。针对提议函数难以选择的问题,提出了一种基于自适应Metropolis算法的非对称α稳定分布参数估计新方法。该方法利用Markov链的历史信息自动调整提议函数的协方差矩阵,使其不断地逼近目标分布,从而获得更好的估计结果。理论分析和仿真结果表明,此方法不仅能准确地估计出α稳定分布的4个参数,而且具有良好的鲁棒性和灵活性。

基于MH抽样的Bayesian方位估计快速算法

针对Bayesian方位估计计算量大的问题,将马尔可夫蒙特卡罗方法与Bayesian方位估计相结合,提出一种基于MH(Metropolis-Hastings)抽样的Bayesian方位估计新方法(简称MHB)。该方法将Bayesian算法的空间谱函数作为信号的概率分布函数,并利用MH抽样方法从该概率分布函数中抽样。研究结果表明,MHB方法不但保持了Bayesian方位估计方法的优良性能,而且大大减小了计算量。

一种基于吉布斯抽样的MUSIC多维参数联合估计算法

将马尔可夫蒙特卡罗(MCMC)方法与多重子空间分类(MUSIC)方法估计相结合,提出一种用于联合估计多个目标的频率、方位和俯仰,基于吉布斯抽样的MUSIC多维参数联合估计新方法。该方法将MUSIC方法的谱函数作为频率、方位和俯仰的联合概率密度函数,采用MCMC吉布斯抽样方法对该联合概率密度函数进行采样。理论分析和仿真实验表明:在目标个数较少时,该方法不仅保持了常规MUSIC方法的高分辨能力。

威布尔分布三参数估计的模糊—随机方法

提出了威布尔分布三参数估计的模糊—随机方法 ,并对蒙特卡罗方法产生的随机样本进行了验证 ;结果表明 ,求得的参数估计值十分接近理论值。

宽带最大似然方位估计快速算法水池实验研究

建立了宽带阵列高分辨方位估计水池实验系统,进行了宽带最大似然方位估计快速算法的水池实验研究。研究结果表明,基于马尔可夫链蒙特卡罗方法宽带最大似然方位估计快速算法分辨能力强,突破了二分之一波束宽度,估计出了目标的方位。

金融工程中资产收益的连续时间模型估计方法评述

总结了在过去30年中连续时间模型的主要估计方法,并指出了现在和未来该领域研究所面临的主要课题.

一元线性回归模型参数估计的MCMC算法

本文探讨了基于MCMC算法实现的一元线性回归模型参数估计的贝叶斯方法,对经典统计方法和贝叶斯统计进行了比较.

基于交互式多模型无迹卡尔曼滤波的悬架系统状态估计

为有效解决复杂行驶工况下非线性悬架系统运动状态无法精确获取的难题,实现模型参数不确定以及时变路面激励工况下悬架状态精确估计的目标,开展了悬架系统状态估计研究。在路面激励模型和非线性悬架系统模型的基础上,结合交互式多模型算法与基于马尔可夫链的蒙特卡洛理论,设计了考虑模型参数不确定以及时变路面激励工况下多模型交互无迹卡尔曼滤波(IMMUKF)状态估计算法,且利用随机控制稳定判据验证了所设计的非线性观测器稳定性判定。对比分析了不同路面激励工况下悬架系统对于传统无迹卡尔曼滤波观测器与IMMUKF观测器的状态估计精度,并进行了台架试验验证。试验与仿真结果表明,IMMUKF观测器可获取更高的系统状态识别精度,不同路面激励仿真工况下状态估计误差最大均方根值不超过8%.

基于RJMCMC方法的水下被动目标声源数和方位联合估计

针对传统的子空间类宽带信号处理方法需要较多的信号快拍数才能取得较好的估计效果这一问题,本文将一种基于时域宽带信号模型的贝叶斯高分辨估计方法用于水下被动目标的方位估计(DOA)。该方法使用宽带信号的时域模型,依据贝叶斯准则构建所需参数的后验概率密度函数,并采用可逆跳变马尔科夫链蒙特卡罗(RJMCMC)方法执行贝叶斯计算,对后验概率密度函数进行峰值搜索。由于其能够在不同维的参数空间中跳转,因此可以进行模型阶数(声源数)和目标方位的联合估计。与传统的子空间类方法相比,这一方法能直接在时域进行信号处理且仅需显著较少的信号快拍数。仿真结果表明,RJMCMC算法能较好地估计出声源数和目标方位。