一类负极值指数Pickands型估计量的渐近展开及平滑参数的最优选取(英文)

在二阶正规变化条件下,研究了一类负极值指数Picands型估计量的渐近展式.并在均方误差意义下,讨论了平滑参数的最优选择.

一种推广的Pickands型估计的渐近正态性

文献 [1] ,[2 ]给出了一种推广的 Pickands型估计 ,并证明了它的相合性。本文运用典型方法进一步研究了这种 Pickands型估计的渐近正态性 。

基于分块思想的Pickands型估计量

基于Davydov等提出的分块思想,构造一类新的Pickands型估计量,并证明其相合性和渐近正态性.

一类推广的Pickands型估计量的分布的渐近正态展开

在c>1/d条件下,得到了推广的Pickands型估计量■的分布的渐近正态展式.

Pickands型估计的推广

本文把Ｐｉｃｋａｎｄｓ型估计推广到更一般情形，证明了它的相合性，强收敛速度．

一类简化的Pickands型估计

本文研究了一类简化的Pickands型估计的相合性、渐近正态性和强收敛速度．

一类Pickands型估计量的收敛性

本文在极值分布指数为负时,给出了一类新的Pickands型估计量,并研究此估计量的相合性、强收敛速度与浙近分布。

Pickands型估计的收敛性

一、引言 设X_1,X_2,X_3,……是i、i、d随机变量列,分布函数为F(x),X_(n,1)≤X_((n,2)≤…≤X_(n,n)是样本X_1,X_2,…,X_n的次序统计量。设存在a_n>0,b_n∈R及某r∈R。

应用于锂电池荷电状态估计的电流型阻抗谱分析仪的开发及应用

研制了一种高功率密度紧凑型的锂电池电流型电化学阻抗谱(GEIS)分析仪,其具有集成度高、精度高、输出激励大和测试频率范围广等优点,满足不同锂电池GEIS测试的需求。在完成仪器整体方案设计后,对硬件系统模块展开深入测试,以确保系统可靠性和准确性。通过对实际18650型锂电池进行GEIS测试,并将结果与专业仪器Gamry Reference 600+进行比较,结果显示本仪器测试阻抗模值的相对误差和相位绝对误差分别不超过2%和3°。为验证所提出的电池荷电状态(SOC)估计算法,使用该仪器对实际电池样本进行测试,共获得60组不同SOC下锂电池的阻抗谱数据。将阻抗谱数据作为高斯过程回归(GPR)的输入,可以实现对锂电池SOC的估计,平均绝对误差在3.9%以内。该文研发的锂电池GEIS分析仪,有望集成于电池管理系统,为更多基于阻抗谱的锂电池状态估计算法提供实时的数据来源,以实现锂电池更高水平的运行状态监测。

Pickands型推广估计量的渐近正态性

极值指数在许多实际领域广泛应用：如组合投资、风险值的计算、预报地震等，估计极值指数叫以及它的性质的研究近年来成为极值统计理论的基本问题。主要研究极值指数叫的一个估计量：Pickands型推广估计量的渐近正态性质。首先研究由Pickands型推广估计量构成的一随机过程，得到了该过程的渐近分布；然后利用研究结果证明了Pickands型推广估计量的渐近正态性，得到其渐近方差；最后对提出的Pickands型推广估计的平滑估计量进行了相应研究。

L型阵水下目标方位和距离联合最大似然估计

空间目标定位是阵列信号处理领域中的研究热点,广泛应用于雷达、声纳、通信、射电天文、医学诊断、地震遥感等众多领域。传统的水下声源定位仅获取目标声源的深度和距离信息,却无法估计目标的方位信息。针对这一问题,在充分考虑水下声传播模型的基础上,利用L型阵列固有的结构特征,将最大似然估计技术应用到水下目标定位,提出一种基于L型水听器阵列的水下目标方位与距离联合最大似然估计算法。研究表明:最大似然估计法可有效突破传统波束形成分辨力“瑞利限”的限制,提高水下目标定位的分辨能力和精度。计算机仿真分析显示,在单目标和相干双目标的场景中,文中所提出的方法均具有更为尖锐的谱峰及更低的旁瓣水平,可对水下目标进行有效的方位角和距离联合估计。

Ⅱ型双删失样本下逆Topp-Leone分布的Bayes估计

在Ⅱ型双删失样本下,研究了逆Topp-Leone分布参数的极大似然估计,证明了极大似然估计的存在性和唯一性;基于未知参数的先验分布为Gamma分布和Jeffrey分布,分别在三种不同损失函数下,得到逆Topp-Leone分布未知参数的Bayes估计。根据后验密度函数得到预测密度,进而得到未来观测值在三种损失函数下的预测估计值。为了比较在不同损失下Bayes估计的优劣,采用数值模拟方法计算了各种估计的均值及均方误差,结果表明在Linex损失下未知参数的Bayes估计量更接近真值,均方误差最小。

Pickands估计的强收敛速度

在本文中，我们建立了极值分布指数γ的Ｐｉｃｋａｎｄｓ估计的ａ．ｓ．收敛速度，即在很弱的条件下。

极值分布指数的Pickands估计的渐近正态性

本文中，我们在很弱的条件下证明了极值分布形状参数的Ｒｉｃｋａｎｄｓ估计的渐近正态性．改进了Ｄｅｋｋｅｒｓ和ＤｅＨａａｎ在１９８９年给出的结果．另外，我们得到了几个关于正规变化函数的结果．

基于贝叶斯估计的空间函数型自回归模型及其应用

目的为了研究函数型数据中响应变量的空间相关性,根据现有研究方法,对具有空间依赖性的函数型数据进行研究,并提出其模型的贝叶斯估计方法。方法以典型空间自回归模型为基础,根据函数响应变量的空间依赖性,假设响应变量和解释变量间存在内生关系,生成空间函数型自回归模型,通过主成分分析将模型中函数型部分变为离散型,然后在给定先验情况下计算模型中参数的完全条件后验分布,使用贝叶斯MCMC方法进行估计。结果使用联合Gibbs采样和随机游动的Metropolis-Hastings算法对模型中参数进行估计,通过模拟研究发现:不同参数下模型的函数型系数以及其他参数的估计偏差和均方误差较小,由此验证了贝叶斯估计方法的有效性,同时将空间函数型模型用于重庆市主城区新房平均价格的实证分析,结果表明所提出模型的贝叶斯估计方法是有效的。结论使用贝叶斯估计方法对模型中参数进行估计,在不同情况下函数型解释变量的估计效果一直都比较好,并且随着样本量的增大,其估计效果也越来越好,可以认为使用贝叶斯估计方法对空间函数型自回归模型进行估计是有效且可行的,同时通过实证分析说明重庆市主城区新房平均价格具有空间自相关性,而且会受到二手房挂牌量的影响。

并网型直流微电网的非线性降阶建模及其估计吸引域的优化计算

面对“双高”电力系统的高维度、高随机性和强非线性,现有的建模和稳定性分析方法受限于维度、难以求解且准确度低。针对此问题,该文提出一个面向“双高”电力系统,包含非线性降阶建模和估计吸引域优化计算的稳定性分析框架。首先,考虑分布式光伏和恒功率负载的地理环境因素,应用Pioncáre规范理论,将并网型直流微电网的二次状态偏差模型依次进行分块降维、解耦和降阶变换,建立一阶二次微分方程形式的非线性降阶模型。然后,基于李雅普诺夫稳定判据,结合构造含辅助变量的最优化模型思想,并利用克罗内克积性质,提出估计吸引域的优化计算方法,构建优化的估计吸引域(optimalestimatedregionofattraction,OEROA)。最后,以分布式光伏云层遮蔽和恒功率负载扰动下的微电网系统作为算例,与基于LaSalle定理的李雅普诺夫法、Takagi-Sugeno(T-S)模糊模型法对比,验证所提方法构建的估计吸引域具有更低的保守性,以及所提分析框架的有效性。

计及频率响应延时的构网型变流器惯量参数数据驱动估计方法

大量可再生能源并网引起电力系统惯量水平降低,变流器的虚拟惯性控制技术有效提高了系统频率稳定性。在此背景下,评估变流器的惯量参数对于了解电力系统频率调节潜力有重大意义。然而,考虑到频率响应特性的差异,现有的应用于同步发电机的惯量估计方法不适用于基于数字控制的虚拟惯性。为了解决这一问题,文中提出了一种基于深度强化学习的非侵入式构网型变流器惯量参数在线估计方法。首先,分析了构网型变流器的频率响应原理和延时特性并进行了测试;随后,在深度强化学习框架下设计串联-并联辨识结构,采用近端策略优化方法建立考虑频率响应延时的演员网络和评论家网络,进而估计构网型变流器的惯量参数。最后,采用数值仿真和硬件在环实验验证了所提方法的有效性和精确性。

逐步增加Ⅱ型截尾下Pareto分布形状参数的Bayes估计

基于逐步增加Ⅱ型截尾样本,首先得出Pareto分布形状参数的极大似然估计,考虑两个损失函数和形状参数的两个先验分布,得出该分布形状参数的4个Bayes估计。由数值模拟结果发现,上述四个Bayes估计值的均方误差均小于极大似然估计值,其中,当损失函数为二次损失函数,形状参数的先验分布为共轭先验分布时的Bayes估计的均方误差较小,估计效果更理想,且实例分析与数值模拟结果相符。其次在二次损失函数下,针对形状参数先验分布选取共轭先验分布,给出Pareto分布形状参数的多层Bayes估计和E-Bayes估计。

L型互质阵的虚拟共轭插值二维DOA估计方法

针对现有互质阵DOA估计方法无法充分利用非连续阵元信息和信号时域信息,而导致的DOA估计精度低、虚拟阵列的阵列孔径小和自由度少的问题,本文提出了一种L型互质阵的虚拟共轭插值二维DOA估计方法。该方法首先以L型互质阵的阵列接收数据为基础,通过求解其互相关函数,来构造虚拟共轭增广阵列的接收数据矩阵;然后通过阵列插值补零和选取协方差矩阵非零列,得到含有部分缺失项的虚拟均匀线阵接收数据矩阵,并依据原子范数的思想,构造无网格凸优化问题,对虚拟均匀线阵协方差矩阵的缺失项进行填充,再使用求根多重信号分类方法得到入射信号与x轴和z轴正方向夹角的估计值;最终基于虚拟信源功率的唯一性,通过构建相关代价函数实现各轴夹角估计值的匹配,进而根据各轴夹角与方位角和俯仰角的关系,得到相匹配的方位角和俯仰角估计值。本文方法提高了DOA估计精度,扩展了阵列孔径,提高了自由度,且通过求根多重信号分类方法,降低了计算复杂度。仿真实验结果表明,本文方法能够实现二维DOA估计与角度匹配,且相比于对比方法,本文方法能够估计更多的信号源,拥有更加优越的DOA估计性能。

多复变数某类推广的螺型映射精确的系数估计

主要用统一方法建立限制条件下复Banach空间单位球与Cn中单位多圆柱上某类推广的β型螺型映射全部项齐次展开式的精细估计.同时,也用统一方法建立较弱限制条件下C^(n)中Dp1,p2,…,pn=■,pl>1,l=1,2,…,n上某类推广的β型螺型映射主要系数的精细估计.特别地,限制条件下k折对称β型螺型映射的结果是精确的.所得结果包含前面文献中许多已知结论.