一种基于BLUE的弹道目标跟踪滤波器

弹道目标跟踪问题中动态方程与观测方程皆为非线性,影响跟踪精度。使用最优线性无偏估计方法可以有效地解决观测的非线性问题,而蒙特卡罗滤波方法适用于目标状态的非线性估计。将快速高斯粒子滤波与最优线性估计方法作了有机结合,通过对典型的弹道目标跟踪模型进行仿真,发现新算法在精度与实时性上优于粒子滤波。     

基于球坐标系下BLUE滤波的IMM算法

针对机动目标跟踪中常见的量测转换问题,提出了一种基于球坐标系下最优线性无偏估计滤波的交互多模型算法。该算法的核心思想是将最优线性无偏估计滤波作为交互多模型中的基本滤波,完成对机动目标的跟踪。在仿真试验中,将该算法与基于扩展卡尔曼滤波的交互多模型算法进行比较,结果表明该算法有效地抑制了扩展卡尔曼滤波中常见的滤波发散问题,并且提高了跟踪的精度,具有较好的实用性。     

纯方位偏差补偿估计算法研究

众所周知,纯方位伪线性估计有着严重的偏差问题。以伪线性估计的理论模型为基础,研究它在纯方位问题中的应用。将伪线性估计的偏差分离出来,形成偏差补偿估计,对这种估计方法进行仿真计算,并与伪线性估计相比较,经蒙特卡罗仿真研究,其估计偏差确实比伪线性估计小,算法性能反映在一些典型态势上。     

线性回归模型系数Stein估计的改进研究

针对线性回归模型病态的根本原因,提出了一类新的估计———c-k型估计,将岭估计与Stein估计统一到一个估计类;研究了这一估计类,证明利用岭回归技术可以改进著名的Stein估计(在均方误差意义下);同时研究了相应参数的最优值,分别给出了它的一个上界及下界,为病态线性回归模型系数的有偏估计提供了改进的技术途径.     

Weibull 分布场合下恒定应力加速寿命试验的保序估计

讨论了Ｗｅｉｂｕｌ场合下恒定应力加速寿命试验的最优线性无偏估计及保序估计,获得了保序估计的表示式,并给出了一个模拟例子．     

线性回归模型系数岭估计的改进研究

对作者提出的c-k型估计,进行了进一步的研究.证明利用Stein式压缩技术可以改进岭估计(在均方误差意义下);同时给出了参数的最优值满足的条件.证明了c-k型估计的可容许性.文中的方法为病态线性回归模型系数的有偏估计提供了改进的技术途径.     

动态均匀分布模型及Bayes预测

Ｂａｙｅｓ预测是在Ｂａｙｅｓ统计分析基础上得到的一种预测方法,本文给出了观测服从均匀分布的动态均匀分布模型,并在状态向量线Ｂａｙｅｓ最优估计基础上给出了模型参数的修正递推及Ｂａｙｅｓ预测。     

病态线性回归模型系数的0─c型岭估计

针对病态线性模型病态的实质,提出回归系数的０－ｃ型岭估计。首先研究它的均方误差的最优化问题,给出了参数的最优值或最优值的一个上界和下界,证明可以选择参数,使它在均方误差的意义下优于ＬＳ估计。其次,研究它的偏差,证明存在０－ｃ型岭估计优于ＬＳ估计,且比岭估计β（ｋ）具有较小偏差。最后证明它的可容许性,并讨论在实用中它的岭参数选择方法的优点。     

基于极坐标多普勒伪状态的最佳线性无偏估计算法

理论和实践已经证明,除位置量测外,包含目标速度信息的多普勒量测具有有效提高目标状态的估计精度的潜力。基于目标匀速运动场景在直角坐标系下提出了一种可使用多普勒伪量测(即距离量测与多普勒量测的乘积)和多普勒伪状态的跟踪算法。从理论上讲,它是在最佳线性无偏估计准则下的近似最优线性无偏滤波器,并且避免了量测转换方法的根本缺陷。通过与目前几种流行的方法进行仿真比较,验证了新算法的优越性和可靠性。     

交会对接中雷达测量信息的最优估计

基于目标飞行器与追踪飞行器交会对接这一应用背景,对于追踪飞行器上交会雷达对目标飞行器的原始测量信息(斜距、方位角、俯仰角,甚至径向速度),通过建立适当的目标模型以及观测方程,很好地对2个飞行器的非线性相对运动规律、追踪飞行器绕地球高动态旋转特性、追踪飞行器姿态偏差进行了补偿或修正,实现了最优估计,并通过仿真进行了验证。     

恒定应力加速寿命试验的非参数统计方法

在恒定应力加速寿命试验 (简称恒加试验 )的统计分析中 ,非参数统计方法具有一定的实际价值 .在一定的假定下 ,文中给出了两种新估计 ,并证明了它们的优良性     

潜艇线式巡逻的最佳对策研究

本文先用面积法求出线式巡逻潜艇发现目标的概率,然后对潜艇发现目标距离作了分析。在此基础上,建立了潜艇线式巡逻的矩阵对策模型,并用计算机对此模型进行求解,得到了潜艇线式巡逻的最佳对策。最后,对最佳对策作了讨论。本文建立的矩阵对策模型和求得的结果以及求解方法可为组织潜艇进行线式巡逻提供决策的科学依据。     

局部线性估计在半参数条件矩中的应用

半参数方法在计量经济领域有着广泛的应用，但由于其既有参数变量，又有未知函数，因此采用条件矩限制和Sieve方法来得到其参数估计是一个比较好的方法。作为一种非参数回归方法，局部线性估计具有优良的统计特性，因此本文用它来得到条件矩的一个非参数估计，并在此基础上证明了估计参数的一致性和收敛速率。     

基于改进PLOW算法的干涉相位滤波

针对合成孔径雷达干涉相位滤波问题,提出了一种改进的分块局部最佳维纳滤波算法（Patch-based Locally Optimal Wiener, PLOW）。该算法是加性高斯白噪声下的线性最小均方误差估计（Linear Minimum Mean Square Estimation, LMMSE）,利用目前图像滤波最前沿的技术——非局部技术,来联合估计图像的一、二阶矩。针对干涉相位中噪声的空变性,在应用中提出了两点改进：首先,估计噪声的标准差时,用均值代替中值;其次,根据噪声标准差的最大值和均值的比值,自适应的确定类的数量。经过仿真和实测数据验证,改进后的PLOW算法是有效的,并优于其他三种算法。     

A good simple percentile estimator of the weibull shape parameter for use when all three parameters are unknown

In this paper we consider a simple three-order-statistic asymptotically unbiased estimator of the Weibull shape parameter c for the case in which all three parameters are unknown. Optimal quantiles that minimize the asymptotic variance of this estimator, c? are determined and shown to depend only on the true (unknown) shape parameter value c and in a rather insensitive way. Monte Carlo studies further verified that, in practice where the true shape parameter c is unknown, using always c? with the optimal quantities that correspond to c = 2.0 produces estimates, c?, remarkably close to the theoretical optimal. A second stage estimation procedure, namely recalculating c? based on the optimal quantiles corresponding to c?, was not worth the additional effort. Benchmark simulation comparisons were also made with the best percentile estimator of Zanakis [20] and with a new estimator of Wyckoff, Bain and Engelhardt [18], one that appears to be the best of proposed closed-form estimators but uses all sample observations. The proposed estimator, c?, should be of interest to practitioners having limited resources and to researchers as a starting point for more accurate iterative estimation procedures. Its form is independent of all three Weibull parameters and, for not too large sample sizes, it requires the first, last and only one other (early) ordered observation. Practical guidelines are provided for choosing the best anticipated estimator of shape for a three-parameter Weibull distribution under different circumstances.     

基于时滞分割法的具有leakage项时滞的离散型神经网络状态估计

摘要：研究一类具有leakage时滞的离散型神经网络的状态估计问题．通过构造新的Lyapunov泛函得到保证估计误差全局渐近稳定的充分条件,并通过求解一个线性矩阵不等式（LMI）得到状态估计器的增益矩阵．采用一种新的时滞分割方法将变时滞区间分割为多个子区间,使该结果在获得更小的保守性同时也降低了计算的复杂度．     

基于加权双曲线定位的DV-Hop改进算法

针对基于双曲线定位的DV-Hop算法中误差项的异方差性引起的定位误差大的问题,提出了一种基于加权双曲线定位的DV-Hop改进算法。算法分析了基于双曲线定位的DV-Hop算法模型中误差项的异方差性,用加权最小二乘法对异方差性进行纠正,对加权最小二乘法中的权值矩阵进行了理论推导并得到与跳数相关的最佳权值矩阵,使得误差项满足同方差性,所得估计值接近最佳线性无偏估计。仿真结果表明,所提算法在定位精度上较目前常见的基于双曲线定位的DV-Hop算法都有一定提高。     

A branch and bound algorithm for the minimum storage‐time sequencing problem

The minimum storage‐time sequencing problem generalizes many well‐known problems in combinatorial optimization, such as the directed linear arrangement and the problem of minimizing the weighted sum of completion times, subject to precedence constraints on a single processor. In this paper we propose a new lower bound, based on a Lagrangian relaxation, which can be computed very efficiently. To improve upon this lower bound, we employ a bundle optimization algorithm. We also show that the best bound obtainable by this approach equals the one obtainable from the linear relaxation computed on a formulation whose first Chvàtal closure equals the convex hull of all the integer solutions of the problem. © 2001 John Wiley & Sons, Inc. Naval Research Logistics 48: 313–331, 2001     

Cρ 准则下选择最优子集的并行算法

C_p准则是目前颇受重视的一种变量选择准则。本文针对大型线性回归模型,推导了从所有可能子集中用C_p准则选择最优子集的(乘除法) 运算次数,提出了C_p准则下变量选择的并行算法。给出了在YH-1和YH-2向量巨型计算机上运行该算法的模拟结果且获得了15倍左右的向量加速比s/v,体现了该算法的优越性。     

线性系统测试矩阵优化

研究了工程中常见的线性系统循环指数为1(即其约当标准形不同的约当块不出现重根)的情况下测试矩阵优化的方法.通过将系统矩阵变换为约当标准型,能够简单地判定测试矩阵能否保持系统可观测.采用该方法可以在保持系统可观测的情况下,简单而直观地获取系统测试代价最小的测试策略.例子表明,该算法在工程上易于应用.