正态总体下分布参数的Bayes序贯估计

论述正态总体分布参数的序贯估计和Bayes序贯估计问题。在Stein的双子样序贯估计的基础上 ,构造了Bayes双子样序贯估计 ,并作了剖析。此外 ,为了适应当前试验场地“试试看看 ,看看试试”的试验分析和鉴定的需要 ,给出了以序贯Bayes检验为基本出发点 ,使检验和序贯估计相联合的分析方法     

方差分量的Bayes二次无偏估计及可容许估计的非负性

对于有P 个方差分量的线性模型,本文导出了方差分量线性函数的Bayes 不变二次无偏估计的显示表达式,证明了Bayes 不变二次无偏估计类形成了可容许的不变二次无偏估计的完全类。在可容许的不变二次无偏估计类中,讨论了非负参数函数的非负估计问题,给出了可容许的非负定估计存在的充要条件。     

一种新的自变量选择准则

本文提出了一种着眼于提高回归系数估值精度的自变量选取准则,同时给出了相应的算法。     

一种分析噪声背景下目标特征有效性的方法

本文根据目标特征和噪声分布,在一定假设条件下推出了最小错误率（Ｂａｙｅｓ错误率）的表达式,从而把特征分布、噪声大小直接与分类的最小错误率联系起来,给出了一种分析噪声背景下目标特征的有效性的方法。文中利用这种方法对目标和诱饵的红外辐射特征的有效性进行了分析     

随机控制系统大纯时滞辨识及结构辨识的偏差补偿算法

本文研究了已知噪声自相关函数时,线性SISO系统ARMAX模型的大纯时滞的辨识问题及结构与参数辨识的偏差补偿算法。本算法使得能够在很小的样本数及极低的信噪比下得到系统的结构参数。     

对数正态分布加速因子的Bayes估计

基于对数正态分布形式以及分布对数标准差不变的条件,运用Bayes方法对对数正态分布加速寿命试验条件下的加速因子进行分析。首先基于全寿命试验数据和随机变量函数分布的理论推导出加速因子的先验分布;然后由Bayes公式结合少量的现场截尾试验数据,得出加速因子的Bayes估计模型;最后给出实例进行说明。     

二维Root-MUSIC

将一维Ｒｏｏｔ－ＭＵＳＩＣ推广到二维，从而得到了一种新的二维方向估计方法，它具有计算量小的优点。     

顾及噪声影响的GNSS高程序列预测Prophet方法

全球导航卫星系统(global navigation satellite system, GNSS)高程时间序列具有非平稳、非线性、含噪声等特点,在深入研究Prophet预测模型的基础上,针对Prophet预测模型对于趋势信号和周期信号有良好预测效果这一特性,提出一种引入经验模态分解(empirical mode decomposition, EMD)的“降噪—分解—预测”组合GNSS高程时间序列预测方法。该方法先将原始时间序列进行EMD降噪,再对降噪后的序列进行分解预测,最后重构各分量预测信号为最终预测序列。通过对实测高程数据进行研究,实验结果表明：降噪后信号的平均信噪比为10.30dB,能量百分比平均为88.75%;利用所构建的短期预测方法,GNSS高程时间序列预测结果的均方根误差分别平均提升26.41%和14.88%;平均百分比误差分别平均提升18.92%和7.91%,验证了组合预测方法的有效性及实用性。     

小子样下命中概率的估计

研究了当试验次数较少时 ,命中圆域的概率估计。给出了自助估计法和融合估计方法 ,对于估计的精度进行了分析。方法易于实现 ,适用于工程应用     

一种新的时频分析方法

首先分析了传统时频分析方法的特点及其局限性,而后评述了一种最新的适用于非平稳、非线性信号的通用的时频分析方法--基于经验的模式分解及希尔伯特变换谱,指出了该方法需进一步研究的有关问题