利用信号相位匹配原理的正弦信号参数估计

提出了一种利用信号相位匹配原理的正弦信号频率、振幅和相位的参数估计方法.推导了利用单元接收信号的参数估计的相位匹配计算公式及未知频率时的信号参数估计的搜索算法.该算法简单,快速.仿真计算结果证明了文中的原理及方法的正确性.     

提取正弦信号参数的非线性寻优最小二乘算法

提出一种非线性动态寻优的最小二乘算法(LMS)，以高效地估计正弦信号幅值、相位和直流偏置．利用随机逼近理论中的Kiefer-Wolfowitz定理，提高了非线性梯度法搜索LMS估计量极值的收敛速度．以整周期内采样均值为迭代初值，迭代步长的选择根据各参数的差异分别选取，并采用修正因子以加快迭代的收敛速度，设置最大步长防止算法溢出．仿真表明，在计算量相当的情况下，该算法参数估计精度明显优于传统LMS.     

基于信号相位匹配原理的广义相关时延估计

提出了一种利用信号相位匹配原理估计的线谱相位数据时延估计和广义相关时延估计相结合的时延估计方法,导出了该方法的时延估计公式.仿真和海上实航数据处理结果证明了该方法的正确性,并表明方法具有算法简单,稳健性好,可估计非整数倍时延,提高了低信噪比条件下的时延估计精度,具有重要的工程应用前景.     

自回归模型参数的最小二乘估计

利用约束规划及计算数学理论 ,讨论自回归模型参数的精确估计方法 ,给出求解参数的方法 ,计算量约为 O(N)个运算量 .此估计与原来的损失样本信息条件下的最小二乘估计法求解的工作量 O(N)基本等价 ,因此是一个可行的精确估计方法 .     

复参数最小二乘估计方法

提出了基于复数U-D分解的复参数最小二乘估计方法。在传统的加权遗忘因子法的递推算法中,方差矩阵P(k)由于衰减很快而极易失去正定性.为了保证参数估计的收敛性,利用复数U-D分解,将方差矩阵P(k)进行U-D分解,将P(k)矩阵的递推计算已转化为U(k)和D(k)的递推计算问题,保证了数值计算的稳定性.     

自回归模型参数的普通最小二乘估计

将线性回归模型参数的普通最小二乘估计推广到12种自回归模型的参数估计。     

自回归模型参数的加权最小二乘估计

将线性回归模型参数的加权最小二乘估计推广到12种自回归模型的参数估计。     

完全样本下威布尔分布参数的加权最小二乘估计

借助图法估计的思想和次序统计量的性质,给出了完全样本下威布尔分布参数的改进最小二乘估计与加权最小二乘估计.     

利用信号相位匹配原理抵消相干干扰的性能分析

首先介绍了三元阵的信号相位匹配原理,根据该原理得出信号相位匹配原理提取期望信号的条件;然后研究了利用信号相位匹配原理抵消相干干扰的性能,分析了干扰谱幅度起伏对信号相位匹配原理的影响,推导了干扰谱幅度起伏时提取出期望信号误差的表达式;接着指出基阵接收到的随机噪声可以等效为干扰频谱的起伏;最后根据通常基阵的阵元都大于三个的这一实际情况,提出两种充分利用基阵冗余阵元来减小随机噪声影响、提高抵消干扰性能的方法:三子阵法和最小二乘法。仿真结果证明,三子阵法和最小二乘法的性能远高于三元阵法;最后指出三子阵法运算量小于最小二乘法,但三子阵法适用于均匀线阵列,而最小二乘法适用于任意阵型。     

多k类广州压缩最小二乘估计

提出了线性模型中回归多数的多k类广州压缩最小二乘估计的概念,在均方的意义下,给出了该估计一致优于最小二乘估计的充分条件。     

基于Householder变换的复参数递推最小二乘估计方法

提出了一种基于Householder变换的复参数递推最小二乘参数估计方法.利用基本复Householder变换方法,研究了基于复Householder变换的递推复矩阵上三角化变换算法,针对上三角矩阵增加一行新数据后的复矩阵,提出了按列递推复矩阵上三角化变换算法,并给出了相应的算法证明.算例仿真结果验证了基于复Householder变换的复数最小二乘估计算法的有效性和可靠性.     

回归系数的混合估计与最小二乘估计的相对效率

本讨论线性回归模型中,回归系数的混合估计与最小二乘估计的相对效率问题,研究了两种不同相对效率的上、下界。     

约束泛最小二乘估计及其Cook距离

通过求极值给出了普通线性模型y=Xβ+e在约束Aβ=b下的泛最小二乘估计∧β*u=∧βu-(X’PX+kQ)-1A’{A(X’PX+kQ)-1A’}-1(∧Aβu-b)并得到其Cook距离的一个简化公式。     

随机场回归系数的最小二乘估计

论述了随机场回归系数的最小二乘估计，其中包括格子点随机场回归数的最小二乘估计，连续参数平稳过程回归系数的最小二乘估计、连续参数向量随机场回归系数的最小二乘估计。     

多κ类广义压缩最小二乘估计

提出线性模型中回归系数的多k类广义压缩最小二乘估计的概念．在均方误差的意义下，给出了该估计一致优于最小二乘估计的充分条件．     

广义压缩最小二乘估计参数的选择准则

文［１］中提出了广义压缩最小二乘估计，并讨论了它的可容许性及在均方误差准则下的最优性．本文进一步讨论它的其它性质，提出广义压缩最小二乘估计参数选择的Ｑ（ｃ）准则，并给出按此准则选择参数的方法和引入模糊主成分系数的概念，从而在对各种有偏估计的优、缺点进行比较的基础上提出了当参数选择效果不够理想时的一些修正方法     

半参数方差函数模型的核与最小二乘估计

介绍具有随机设计的一类半参数方差函数模型。对模型的非参数成份构造了核估计，然后利用最小二乘法估计参数成份，最后证明了估计的若干渐近性质（例如，相合性，渐近正态性等），从而进一步推广和发展了Ｍｕｌｌｅｒ和Ｚｈａｏ的结果。     

最小二乘与最小一乘

最小二乘与最小一乘是回归分析中两个重要的估计方法,在这篇文章中,我们将通过线性回归给出它们的定义,并给出它们的优缺点,希望能为使用者提供方便。     

污染模型下的最小二乘估计

研究了污染模型下观测值的分布结构及方差，并以此为基础导出了污染模型下的最小二乘估计．结果表明，在测量平差中常用的随机误差模型下，该估计就是李德仁教授提出的验后方差估计；而在均值移动模型下，该估计是均方误差最小的稳健估计．