基于gAIC和滑动窗的自回归模型参数估计算法

为了提高自回归模型参数估计的准确性,提出了一种基于通用赤池信息准则和滑动窗的自回归模型参数估计算法.首先,使用通用赤池信息准则估计自回归模型的模型阶数,初步得到自回归模型中选项的候选向量集;然后,针对该候选向量集中的各候选项,采用滑动窗法获得其相应的权重值;最后,根据各候选项的权重值,利用自适应的最佳参数搜索算法进一步剔除候选向量集中的干扰候选项,得到自回归模型的最终模型选项及相应的模型系数值.实验结果表明,对于不同长度的信号,不同组合实验方案下所提算法获得的正确率最高,接近于90%.

模型选择视域下多结点样条曲线控制点最佳数量的确定

时滞微分方程的非线性和随机性增加了建模的难度,但多结点样条拟合方法可以通过选择适当的结点数目来对其进行建模。然而,结点数目的选择对拟合结果有着重要影响。通过将赤池信息量准则(AIC)、广义交叉验证(GCV)和广义赤池信息量准则(GAIC)引入到结点数目的选择问题中可以自适应地获得最佳结点数目。通过将三种准则应用到不同的三个模型中对比结果发现,相较于AIC和GCV,使用GAIC能够更有效地解决结点数目选择的问题,这种方法能够平衡拟合效果和模型复杂性,从而为时滞微分方程建模提供更可靠的结果。

阵元间互耦与通道幅度不一致性条件下的信源数估计

基于信息论的MDL准则和AIC准则在均匀高斯白噪声背景下估计信源个数具有良好的性能,而当系统中存在阵元间互耦和通道幅度不一致性时,系统噪声变成非均匀色噪声,此时再使用MDL准则和AIC准则估计信源个数会完全失效。对此,分析了信息论方法与盖氏圆方法的内在联系,选择盖氏圆半径作为概率模型的参数,提出改进的GMDL准则和GAIC准则。仿真和实测数据实验结果表明,GMDL和GAIC准则在系统存在阵元间互耦和通道幅度不一致性条件下具有良好的估计性能。

一种用于目标特征提取的改进RELAX算法

传统RELAX算法是基于sinc核函数进行处理的,该算法在正弦信号参数估计上具有良好的鲁棒性和有效性。在远场成像条件下,逆合成孔径雷达(ISAR)目标回波可近似为复正弦模型,因而可以采用RELAX算法进行目标特征提取。当对ISAR实测数据进行处理时,复杂目标中强散射中心的高旁瓣电平和噪声的共同影响,造成特征提取中对散射中心的个数估计不准确,影响了特征提取精度。针对这一问题对RELAX算法进行了改进,提出采用加窗处理技术,对RELAX处理的核函数进行修正。数值仿真和对ISAR实测数据的处理结果表明,改进的RELAX算法改善了旁瓣性能,提高了散射中心提取精度。

基于Akaike信息论准则的无人机OFDM信道估计算法

文章通过对无人机通信信道的分析,指出其稀疏信道特征,使用普通算法对此信道进行信道估计会引入高阶矩阵运算,为加快收敛速度、降低实现难度,文中提出了一种利用GAIC(generalized Akaike information criterion)准则和RPC(phase-rotated Chu sequences)训练序列的OFDM航空信道LS(least square)估计方法,该方法利用GAIC准则确定信道MA(moving average)模型的阶次及抽头位置,为减小信道估计的运算复杂度,引入RPC序列作为训练序列,既满足了LS(least square)估计,又大大减化了计算复杂度。文章针对具体应用给出文中算法的性能仿真结果,证明了此算法可避免高阶矩阵运算,节约了大量权值可忽略抽头所引入的资源占用和计算量,且显著减小估计误差,可更好跟踪快变的稀疏信道。

基于广义AIC和RPC的OFDM航空信道估计算法

文章通过对航空信道的分析,指出其稀疏信道特征,使用普通算法对此信道进行信道估计会引入高阶矩阵运算,为加快收敛速度、降低实现难度,文中提出了一种利用GAIC(generalized Akaike information criterion)准则和RPC(repeated phase-rotated Chu)训练序列的OFDM航空信道LS(least squares)估计方法,该方法利用GAIC准则确定信道模型的阶次及抽头位置,为减小信道估计的运算复杂度,引入RPC序列作为训练序列,既满足了LS(least squares)估计,又大大简化了计算复杂度。文章针对具体应用给出文中算法的性能仿真结果,证明了此算法可避免高阶矩阵运算,节约了大量权值可忽略抽头所引入的资源占用和计算量,且显著减小估计误差,可更好跟踪快变的稀疏信道。

An efficient channel estimator for OFDM system with sparse multipath fading

A channel estimator used in sparse multipath fading channel for orthogonal frequency division multi-plexing(OFDM)system is proposed.The dimension of signal subspace can be reduced to improve theperformance of channel estimation.The simplified version of original subspace fitting algorithm is em-ployed to derive the sparse multipaths.In order to overcome the difficulty of termination condition,weconsider it as a model identification problem and the set of nonzero paths is found under the generalizedAkaike information criterion(GAIC).The computational complexity can be kept very low under propertraining design.Our proposed method is superior to other related schemes due to combining the procedureof selecting the most probable taps with GAIC model selection.Simulation in hilly terrain(HT)channelshows that the proposed method has an outstanding performance.

基于GAMLSS模型的高频流动性指标分布特征

利用BCT分布和非线性、非参数模型对股票的高频流动性指标进行了非线性和非参数拟合,并引入广义雨村信息准则(GAIC)进行分布和模型结构的选择。实证结果表明,BCT分布能有效地拟合高频流动性指标的高偏态和高峰度特征,该分布下非参数立方样条回归在所有模型结构中拟合优度最好。通过增加有效的解释变量和选择合理的回归形式,GAMLSS模型能够不断提高对高频流动性指标分布的拟合程度。