被动合成阵列极大似然参数估计的快速方法

针对被动合成阵列的极大似然目标参数估计方法(pasaML)计算量大的问题,探索利用Markov Monte Carlo(MCMC)类方法降低计算量.将完备抽样方法(PS)与pasaML方法相结合,提出一种基于完备抽样的频率一方位联合估计新方(PS-pasaML)来联合估计多个目标的频率和方位.首先将pasaML方法的谱函数视为频率和方位的联合概率密度函数,构造并证明了具有单调保偏序性质的更新函数,然后产生2条Markov链的初始方位角向量,使用更新函数确定Markov链在状态空间中的转移方向,并通过在全局状态空间和局部状态空间之间的跳转抽样来提高运算速度,最后由融合时间判决Markov链的平稳性,对其求期望从而获得目标方位的最终估计.仿真实验表明,在目标个数较少时,PS-pasaML方法不仅保持了pasaML方法的高分辨能力,而且计算复杂度降低为pasaML方法的1/7左右.     

马尔科夫链蒙特卡洛地面磁共振信号参数提取

为解决MＲS( Magnetic Ｒesonance Sounding) 信号中乘性噪声干扰的问题,提出了马尔科夫链蒙特卡洛的 参数提取方法。建立MＲS 复包络参数的先验信息模型与似然函数模型,使用马尔科夫链蒙特卡洛( MCMC: Markov Chain Monte Carlo) 方法对参数后验分布进行采样与拟合,在后验分布中出现次数最多、权值最大的数据 作为参数的最优估计值。通过多组不同噪声条件下的MCMC 参数提取结果与非线性拟合方法对比,证明了 MCMC 方法可在乘性噪声的干扰下进行MＲS 信号参数提取,准确度高、稳定性强。     

移动信道三状态Markov模型建立及其差错序列的计算机软件产生

提出了一个建立在简单分群的 Markov 模型基础上表示移动信道的三状态Markov 模型,利用非线性最小二乘拟合法求得了此模型的解析表达式,并计算出描述模型的概率转移矩降 P。根据此模型给出的参数,用计算机软件实现方法产生出描述移动信道长突发错误特性的信道差错序列{e_(?)}。模拟结果表明,用三状态 Markov 模型表示移动信道比用 GEC 模型表示移动信道具有更高的精度,而且比一般分群的 Markov 模型更简单、实用。     

具有Markov跳的时滞中立系统的均方指数稳定

文章研究了带有Markov跳的随机中立系统的均方指数稳定性问题,考虑带有Markov跳的中立系统,并同时考虑了系统具有时滞及非线性干扰。该模型中所考虑的状态时滞和分布时滞依赖于Markov跳,所考虑的Markov跳是具有连续的时间和连续状态的Markov过程;基于Lyapunov-Krasovskii理论,利用积分不等式的方法,得到带有Markov跳的时滞中立系统均方指数稳定的充分条件;数值例子说明了该方法的有效性。     

基于改进型A*-Markov联合模型的无人机航路规划

实验一种基于改进型A~*算法来对无人机进行任务路径规划.引入了无人机的机动步长、转角限制和飞行高度,有效地缩减了无人机搜索空间,除此之外还引入了地形、任务等约束条件,使航路规划更接近于真实环境.考虑到规划过程中敌方能力的不确定性,以及无人机在航路中的生存概率的不可知性,采用八状态Markov模型评估无人机的飞行状态.该模型与A~*算法结合时在威胁区域内完成任务后,由于时间的积累向外扩展时生存代价值越高,导致迭代次数过多,而同心圆模型越向外扩展时生存代价值越低的优点可避免该问题,因此引入同心圆模型与Markov模型的联合模型.仿真实验结果表明,该方法可以有效地检测航路中飞机的各种状态的概率,以此对整个航路进行评估,并且有效降低了仅采用Markov模型时在威胁区域内完成任务点后规划新航路迭代次数过多的问题.     

华北农田土壤水分运动参数的Bayes估计

为了估计具有垂向空间异质性的田间尺度土壤水分运动参数,提出利用原位多点土壤含水率观测数据反演多层土壤持水和导水特征参数的Bayes方法。该方法基于Hydrus-1D模拟模型建立Bayes推断模型,采用Markov Chain Monte Carlo(MCMC)方法求解Bayes联合概率分布,得到参数的后验边缘分布。将该方法应用于华北平原一典型农田土壤剖面,参数反演结果反映了空间变异性,与室内试验值具有较好的一致性,相应的土壤水分运动模拟具有较高精度,从而验证了该方法的有效性。     

COSMOLOGICAL CONSTRAINTS ON ACDM FROM OBSERVATIONAL HUBBLE DATA： MARKOV CHAIN MONTE CARLO APPROACH

利用最新的哈勃参量观测数据（OHD）对标准宇宙学模型在空间曲率k=0和是≠0两种情况下，分别使用MCMC（Markov Chain Monte Carlo）方法对其模型参量进行了限制．对于平坦宇宙而言，得到如下结果： 对于非平坦CDM模型， 该结果与绝大多数多元数据联合限制的结果相一致并强烈支持暗能量宇宙的存在．     

广义Logistic回归模型Bayes分析及其在 林木存活率预报中的应用

通过因子分析的方法来解释观测变量的相关性,这种方法是通过引入潜在变量来直接刻画相关性。 基于Bayes统计原理、方法用来解决模型的参数估计问题和统计推断,采用Markov Chains Monte Carlo (MCMC)进行统计计算。随机模拟的结果表明所提出的林木存活率预测方法是有效的。最后利用该方法对山 西沁水县沁水林场的林木存活率与林分的鼠兔数关系进行了分析。     

基于GPS轨迹数据的混合多步Markov位置预测

随着移动设备和定位技术的广泛应用,基于位置服务成为研究热点,位置预测是其重要研究内容.基于GPS轨迹数据,对位置预测方法进行研究.Markov模型可以较好地表示时序数据,因此可较好地用于位置建模和预测.在基于Markov建模的位置预测中,1阶Markov模型存在轨迹信息利用不充分、预测准确率低的问题;而多阶Markov模型存在状态空间急剧膨胀的问题.针对这些问题,提出了基于混合多步Markov模型的位置预测方法,在将原始GPS轨迹转化为区域轨迹的基础上,对各多步模型进行融合,提出了基于Adaboost框架的各多步模型影响系数的生成方法,在保证状态空间不变的情况下提高了预测准确性.真实数据集上的实验验证了所提位置预测方法的有效性.     

融合AR模型和MCMC方法的水文模拟不确定性分析

为提高水文模型参数识别的可靠性,融合自回归模型与马尔可夫链-蒙特卡洛方法(auto regressive model based modified Markov Chain-Monte Carlo,AR-MCMC),利用自回归模型刻画残差序列的自相关性,修正MCMC方法中的残差协方差矩阵。通过新疆提孜那甫河流域融雪径流模型(SRM)的案例分析发现:融雪径流模拟的残差序列具有显著的自相关性;修正残差协方差矩阵后,边缘似然值更大;综合考虑多项评价指标,AR-MCMC方法在识别期与验证期推求的预测区间均优于MCMC方法;对比2种方法在识别期与验证期的纳什系数,采用AR-MCMC方法依次为0.86、0.89,而采用MCMC方法依次为0.84、0.87,即AR-MCMC方法获取的模型拟合效果更好。分析结果表明,相对于传统的MCMC方法,AR-MCMC方法能够更好地对研究区融雪径流过程进行模拟预测。     

基于多输入多输出-正交频分复用系统的动态马尔可夫链蒙特卡罗检测算法

在多输入多输出-正交频分复用系统中,基于马尔可夫链蒙特卡罗方法的贝叶斯多用户检测算法可以有效地抑制多径衰落、载波频偏以及相位噪声干扰,但因收敛速度较慢导致实时性较差.针对这一问题,提出一种动态马尔可夫链蒙特卡罗检测算法.该算法利用系统状态样本间的相关性和所设定的收敛阈值门限,实现动态选取系统状态采样值的迭代收敛区间,以求在确保算法检测性能的同时,进一步提高检测估计运算的实时性.仿真结果表明,该算法具有收敛速度快、误码率低等优点.     

多孔介质模型的三维重构方法

建立准确的多孔介质模型在微观渗流机理的研究中具有重要意义.为了更加方便准确地建立多孔介质模型,总结了多孔介质模型重构的物理实验方法和数值重构方法,通过重构方法的优缺点对比及适用性分析,优选出马尔可夫链-蒙特卡洛方法(MCMC).针对3种不同性质的多孔介质,采用MCMC方法分别对其进行了重构.结果表明,MCMC方法计算速度快,适用范围广泛,重构效果好.最后将MCMC方法扩展到三维空间,重构出三维多孔介质模型,为微观渗流机理的研究提供了一个模拟平台.     

ARMA模型识别及参数估计的新方法

基于随机模拟的方法，利用可逆跳MCMC算法讨论了ARMA模型的识别和参数估计。     

基于非线性观测器的车辆质心侧偏角估计

本文中提出了利用非线性状态空间观测器测量车辆质心侧偏角(VBSSA)的方法。本文首先建立一个非线性双轨模型,并用实验来验证模型的精度。然后通过将这个模型的实时估计的状态矢量进行线性化,推导出一种线性化观测器。结果表明该方法能够比较精确的对车体侧偏角进行估计。     

基于重要性排序蒙特卡洛粒子滤波的物体跟踪算法

研究复杂背景下的物体跟踪方法. 提出一种用于物体跟踪的重要性排序马氏链蒙特卡洛粒子滤波算法. 算法利用少量加权初始粒子得到后验概率分布的初步估计,并通过重要性排序马氏链蒙特卡洛采样技术从该初步估计抽取新的粒子,以构建对应不同模态的多条独立马氏链,从而充分逼近真实后验概率分布的多模态. 所提出的算法自适应地根据当前模态分布构建多条独立马氏链,因此能够在多模态的复杂场景下准确估计目标状态的后验概率分布;同时,在构建马氏链的过程中,算法采用重要性排序策略确定历史样本被选为状态转移核的似然度,提高了小权重样本被选中的可能性,降低了在马氏链构建过程中陷入局部最优的概率. 仿真实验以及真实视频上所进行的实验显示,所提出的方法能够实现准确稳定的物体跟踪,且效果优于标准粒子滤波算法以及马氏链蒙特卡洛粒子滤波算法.      

IIRCT下负二项分布参数多变点的贝叶斯估计

通过添加缺损的寿命变量数据得到了带有不完全信息随机截尾试验下负二项分布的完全数据似然函数.给出了变点位置和其他参数的满条件分布.利用Gibbs抽样与Metropolis-Hastings算法相结合的MCMC方法对各参数的满条件分布分别进行了抽样.详细介绍了MCMC方法的实施步骤,得到了参数的Gibbs样本,把Gibbs样本的均值作为各参数的贝叶斯估计.随机模拟试验的结果表明各参数贝叶斯估计的精度都较高.     

神经网络在非线性系统参数辨识中应用

要对非线性系统进行控制，必须掌握其模型．介绍一种辨识非线性系统模型的方法，该方法利用多层神经网络可以逼近任何非线性函数这一理论，提出针对非线性系统构造神经网络模型，并给出一种实用的BP算法．最后通过仿真实验，证明该方法切实可行．     

认知诊断模型参数估计算法比较

该文在不同条件的组合下考查了EM算法和MCMC算法对3种常用的认知诊断模型(DINA模型、DINO模型和G-DINA模型)的参数估计返真性问题.借助项目参数或作答概率分布的偏差、均方根误差、平均绝对离差以及被试的平均属性判准率等指标,评价这2类算法的表现.模拟研究结果表明:MCMC算法更适用于低质量题目、小样本、测验短的条件,而在其他条件下EM算法的表现与MCMC算法的表现相当.     

基于子空间距离的局部切空间增量学习

提出一种基于子空间距离的局部切空间增量学习方法ISLTSA。首先采用基于划分的简化局部切空间排列算法SLTSA,把初始样本集划分为彼此重叠的多个局部最大线性片;然后引入向量到子空间的距离测度描述新数据点与局部最大线性片的接近程度,并将新数据点归入距离其最近的局部最大线性片中;最后,新数据点的全局低维坐标可由局部线性子空间与全局低维流形的仿射变换计算得出。对多个经典数据集的降维结果表明,ISLTSA算法能够保留数据集的局部几何性质,是一种有效的非线性增量学习方法。