ADAPTIVE BAYES RIDGE ESTIMATION FOR THE PARAMETERS OF THE LINEAR MODE

ＡＤＡＰＴＩＶＥＢＡＹＥＳＲＩＤＧＥＥＳＴＩＭＡＴＩＯＮＦＯＲＴＨＥＰＡＲＡＭＥＴＥＲＳＯＦＴＨＥＬＩＮＥＡＲＭＯＤＥＬＺｈａｎｇＪｉｎｈｕａｉ（ＤｅｐａｒｔｍｅｎｔｏｆＡｕｔｏｍａｔｉｃＣｏｎｔｒｏｌ，ＮＵＤＴ，Ｃｈａｎｇｓｈａ，４１００７３）Ａｂ...

L0 Regularization for the Estimation of Piecewise Constant Hazard Rates in Survival Analysis

In a survival analysis context, we suggest a new method to estimate the piecewise constant hazard rate model. The method provides an automatic procedure to find the number and location of cut points and to estimate the hazard on each cut interval. Estimation is performed through a penalized likelihood using an adaptive ridge procedure. A bootstrap procedure is proposed in order to derive valid statistical inference taking both into account the variability of the estimate and the variability in the choice of the cut points. The new method is applied both to simulated data and to the Mayo Clinic trial on primary biliary cirrhosis. The algorithm implementation is seen to work well and to be of practical relevance.

基于自适应窗口与压缩幅值的瞬时转频估计

针对变转速工况下轴承信号的时频分布能量发散、噪声和谐波干扰强导致其转频难以获取的问题,提出一种基于自适应窗口和压缩幅值的瞬时转频估计方法。首先,通过自适应窗口在频率轴方向搜索出脊线窗口避免噪声和谐波的干扰;其次,在脊线窗口内用压缩幅值方法集中发散的脊线能量;然后,用惩罚函数法提取脊线,实现转频的精确估计;最后,根据采用轴承实验台收集的数据验证了所提出方法的有效性和鲁棒性。结果表明,相比于传统方法,采用所提方法估计瞬时转动频率使误差降低约8%。

一种基于Bayes估计的小波自适应绝缘子红外图像去噪方法

采用无偏最小方差估计准则对不同尺度空间和不同方向上信号的小波系数进行自适应估计,以后验概率均值作为小波系数的估计,然后对小波系数进行小波逆变换得到去噪后图像。该方法最大程度的保留了图像的信息,具有良好的去噪效果。数值试验证明,与固定阈值法和极大极小阈值法比较,运用该方法去噪后的图像具有更高的信噪比(SNR)和更小的最小均方误差(MSE)。

基于Bayes准则的STAP协方差矩阵估计算法

针对杂波功率随距离缓变的非均匀环境,提出了一种新的基于Bayes准则的加权最大似然估计(WMLE)算法,以改善空时自适应处理(STAP)中的协方差矩阵估计.通过对训练数据进行事件定义,利用Bayes准则给出了加权系数的准确计算方法,解决了WMLE中加权系数的求解难题.仿真分析验证了所提出算法的正确性和有效性.

Bayes线性无偏最小方差估计相对于岭估计的优良性

在均方误差矩阵准则下研究了未知参数的Bayes线性无偏最小方差(BLUMV)估计相对于岭估计的优良性,在平衡损失风险函数准则下研究了未知参数的BLUMV估计相对于岭估计的优良性,并导出了在一定条件下BLUMV估计与最小二乘估计趋于一致.

噪声统计的Bayes极大验后估计与系统自适滤波

对于具有测量的线性离散系统，在系统动力学噪声与测量统计特性未知的情况下，本文推导出了噪声统计特性在具有正态－逆Ｗｉｓｈａｒｔ分布验前信息情况之下的Ｂａｙｅｓ极大验后（ＭＡＰ）估计及其实时迫近。

经验Bayes岭估计在GINS车载试验工具误差辨识中的应用

在利用车载试验进行GINS工具误差辨识过程中,由于输入加速度很小使得系统存在严重的复共线性。应用传统的最小二乘方法会出现增大最小二乘估计量的方差、参数估计值不稳定、产生弃真错误等问题。本文引入经验Bayes岭估计方法来进行GINS车载试验工具误差辨识工作。仿真结果表明,和传统最小二乘方法相比,经验Bayes岭估计的辨识精度有所提高,并可克服系统存在的复共线性的影响。

线性模型回归参数的Bayes线性估计

在 C.R.Rao 工作中曾指出:在线性有偏估计类中一致地改进最小二乘估计是不可能的.本文试图局部地改进最小二乘估计.本文定理1求出了线性模型的 BLE;定理2指出,近年来研究的 Stein 估计、岭估计都是 BLE;定理3表明,存在一个以原点为中心的、椭球,使得在该域内 BLE—致优于通常的最小二乘估计(LS).

基于贝叶斯阈值估计的曲波域自适应随机噪声衰减

与小波变换相比,曲波变换可以更好地表达曲线奇异函数的异向性。根据曲波变换对于光滑且二阶连续可微函数所具有的最优逼近性能,结合贝叶斯理论,给出了基于曲波域的自适应阈值去噪方法。通过对合成地震记录及实际地震数据的处理,验证了该方法的有效性。结果表明,与传统小波阈值法相比,基于贝叶斯阈值估计的曲波域自适应去噪方法不仅可以很好地衰减随机噪声,有效提高地震资料的信噪比,而且能够较好地保持有效信号。

一种基于压缩感知的地面运动目标检测方法

针对实际非均匀环境空时自适应处理(STAP)难以获取足够独立同分布样本的问题,该文提出一种基于压缩感知的运动目标检测方法。该方法首先将待检测距离门的回波数据变换至2维频率域进行能量积累,并构造相应2维频率域的冗余字典,然后利用贝叶斯压缩感知技术提取若干强静止散射点谱峰,估计杂波谱能量支撑区,最后通过基于加权的最小l1范数优化模型实现杂波抑制与运动目标检测。理论分析及仿真实验结果表明该方法具有较高的角度和多普勒分辨率,并且在低信噪比情况下也可以获得良好的检测效果。

战略导弹制导系统精度评估方法及应用研究

本文论述了战略导弹制导系统精度评估方法，并分析了影响制导精度的各种因素；在定性分析的基础上，建立了制导系统的误差模型，并将此模型归纳为线性回归模型；最后，对目前所采用的误差分离方法进行了分析和比较，并将模型参考自适应思想与岭估计方法相结合，形成了模型参考自适应广义岭估计方法，为解决制导系统误差分离问题提供了一条有效途径。

基于多传感器数据融合的鲁棒自适应滤波算法

针对具有多传感器量测的动态系统状态有效估计的问题,给出了一种基于多传感器数据融合的鲁棒自适应滤波算法。引入了虚拟量测的概念,实现对于量测数据的预处理,依据模糊集合理论中隶属度的性质定义了一种无需门限设定的数据间置信度函数,以充分提取于测量数据中互补和冗余信息。最后结合卡尔曼滤波中的贝叶斯递推估计原理,完成对于量测方差的在线自适应估计,进而提高了系统状态的滤波精度,并通过计算机仿真验证了算法的有效性。

面向图像复原的广义岭估计模式法波前重构

为了提高自适应光学图像的复原效果,提出了一种面向图像复原的广义岭估计Zernike模式波前重构算法。首先,按照用时间换精度的思路,把广义岭估计引入自适应光学波前重构算法中。改善最小二乘估计的奇异性,抑制波前测量误差的放大。然后,引入迭代计算提高方程的解算精度,进一步提高点扩散函数(PSF)重建质量。最后,利用广义岭估计重建的PSF对降质图像进行复原实验验证PSF的重建质量。实验结果证明,广义岭估计PSF的复原效果比最小二乘估计PSF高约15%,更接近成像系统的光学衍射极,同时复原计算迭代次数也减少了35%。新算法重构的PSF在图像复原中有更好的图像重建效果。

经验贝叶斯岭估计在加速度计标定中的应用

针对高精度加速度计在重力场的标定试验,为了消除正交双表g2观测模型引起系统复共线性的影响和提高加速度计模型系数的辨识精度,文中提出了一种经验贝叶斯岭估计辨识方法并应用于正交双表误差模型的参数辨识中.从仿真分析和实验结果中看出,与传统的最小二乘法相比,经验贝叶斯岭估计能够消除系统的复共线性,可以分离出二次项系数K2,且辨识精度较高.

PC准则下回归系数估计优良性的计算机模拟

在 PC准则下对线性模型中设计矩阵病态时的几种改进估计——岭估计、压缩估计及 Bayes估计进行了计算机模拟 。

制导系统工具误差的自适应估计

本文研完惯性制导系统工具误差的自适应估计问题。运用自适应技术,这是解决制导精度鉴定问题的一个新的尝试,文中对仪表的误差模型给出了动态补偿,并给出了误差系数的递推估计。对模型中随机量的统计特性应用了自适应技术,并对岭回归引入了自适应估计,对滤波过程中模型的辨识及估值中偏倚的补偿,进行了讨论。

基于自适应岭估计的RPC参数求解算法研究

针对最小二乘拟合求解RPC（Rational Polynomial Coefficients）模型参数时常遇到的矩阵奇异现象，本文提出自适应岭估计求解方法。利用“天绘一号”卫星影像进行试验，证明该算法对于参数的拟合精度以及解算稳定性都具有一定的意义。

基于部分岭估计的Zernike模式法人眼波前像差重建

为了提高自适应光学系统中人眼波前像差的重建精度,进而提高自适应光学图像中的点扩散函数重建精度,提出了一种基于部分岭估计的Zernike模式前重建算法。首先,基于Zernike模式波前重建模型,分析了常用的模式系数求解方法;其次,在最小均方误差意义下,将部分岭估计的概念引入到自适应光学系统的波前重建算法中,通过确定最优岭估计参数来改善最小二乘估计的奇异性,从而抑制波前探测中测量误差的进一步被放大;最后,讨论了在波前斜率误差的影响下由两种算法所产生的误差大小。仿真实验结果表明：在波前重建算法中引入部分岭估计可有效减小模式系数的均方误差,相对于奇异值分解法减小了8%~10%,在波前探测测量误差增大的情况下,部分岭估计的波前重建精度要高于最小二乘估计法,有利于自适应光学后期中基于波前探测的图像复原研究。

浅谈粗差探测方法

由于受到自然界、仪器、人为等一些因素的影响,观测数据中不但存在偶然误差而且还存在着由这些因素引起的粗差。因此,对观测数据进行认真检测,定位并修正粗差观测,以提高参数估计的准确度和精度,一直是测绘工程领域的热点问题。本文对粗差探测进行了简要概述,同时详细地介绍了三种粗差探测方法。