二值子带加权时延估计及其应用

阐述了基于广义互相关(GCC)的互功率谱相位(CPSP)时延估计算法的基本原理,指出它在处理麦克风阵列接收信号时,使用整个频带估计时延存在的不足.提出了二值子带加权互功率谱相位时延估计算法(BSBW-CPSP).首先,在时域对所有通道的接收信号进行子带分解;之后,根据目标信号非活动时,各个子带的能量大小,给每个子带赋予一个二值权重;接着,在所有权重为1的子带分别利用CPSP算法估计时延;最后,求它们的平均值作为最终的时延估计值,并把它应用于声源定位.实验结果表明,与CPSP算法相比,BSBW-CPSP时延估计算法具有更高的精度,算法是有效可行的.     

约束条件下的广义最小二乘估计

本文仿造约束最小二乘估计和广义最小二乘估计的推导方法．给出约束条件下的广义最小二乘估计。     

最小二乘估计的研究进展

概要地介绍了ＬＳＥ的发现与应用,重点讨论综述了ＬＳＥ的改进研究状况与研究进展。     

基于声源定位的GPS模拟实验设计

提出了一种基于声源定位的GPS模拟实验设计方案,实验可定量获得物体通过二维平面和三维空间定位的坐标.该实验作为综合设计性实验内容已在教学中应用.     

基于信标节点间RSSI的改进三维定位算法的研究

节点定位是无线传感器网络的重要支撑技术之一,目前主要有两种定位算法,基于距离的定位算法和非基于距离的定位算法.考虑到两种算法在三维空间的优缺点,提出了一种基于RSSI测距的修正算法,并优选信标节点,最后通过最小二乘法进行定位.仿真结果表明：本算法比传统的RSSI算法精度更高.     

一般线性模型参数估计理论综述及一类正则方程组的解

文章讨论了设计阵具有任意秩的一般线性模型的参数估计问题，综述了这类问题三个历史阶段的研究成果，并研究了一类正则方程组有无偏解的充要条件。     

线性回归模型的一种有偏估计

在线性回归模型Y=Xβ+ε;E(ε)=0;cov=σ2Σ;Σ>0下给出了有偏估计β*(K,d)=(XTΣ-1X+K)-1(XTΣ-1Y+dβ*),其中K>0,d>0为参数,β*表示线性回归模型的广义最小二乘估计,讨论了这种有偏估计的优良性质,得出了主要结论.     

线性模型参数最小二乘估计唯一性的一个证明

对任意矩阵X,X(X′X)-X′与广义逆(X′X)-的选取无关,且有X=X(X′X)-X′X,X′=X′X(X′X)-X′.本文拓展了上述结果,证明了对任意正定阵V,X(X′V-1X)-X′V-1与广义逆(X′V-1X)-的选取无关,并有X=X(X′V-1X)-X′V-1X,X′=X′V-1X(X′V-1X)-X′.利用上述推广的结果,直接给出了广义线性模型中可估函数c′β的最小二乘估计c′β*的唯一性和无偏性的证明.     

广义线性模型在线性约束下的参数估计

利用Lagrange乘数法导出了广义线性模型在线性约束下的回归参数的最小二乘估计,并讨论了它的性质.证明了当设计阵列满秩时,它在协方差阵意义下要优于无约束下的广义最小二乘估计.     

一般线性模型参数估计理论综述及一类正则方程组的解

文章讨论了设计阵具有任意秩的一般线性模型的参数估计问题 ,综述了这类问题三个历史阶段的研究成果 ,并研究了一类正则方程组有无偏解的充要条件 .     

广义Pareto分布的参数估计

广义Pareto分布(Generalized Pareto Distribution,简称GPD)是统计推断中重要的一个分布,其目前在诸多领域得到广泛的应用.GPD的参数估计方法有多种,但各种方法及估计效果一般都受到形状参数k的限制,总结几种常用的参数估计方法,如:矩估计(the method of moments,简记MOM)、最小二乘估计(the least squares estimation,简记LSE)、基于分位数估计(the elemental percentile method,简记EPM)、近似广义最小二乘估计(AGLSE)等,通过模拟研究,得出不存在一致最优的参数估计方法.而在k较大时,LSE在GPD参数估计中模拟效果较为理想,特别当k1/2时,AGLSE对k的估计精度较高.     

一元线性模型回归系数的一种广义估计

采用广义估计β（K）=[X′X)^-1-QKQ′（X′X）^-2]X′y估计一元线性模型中的回归系数β,通过K值的选取,可使β（K）的均方误差MSE小于β的LS（最小二乘）估计β＊的MSE。     

纵向数据常用参数分析方法比较

分析了纵向数据的本质特点,对纵向数据常用的参数分析方法的优劣进行了比较。     

M-估计的有关问题

本文在简略概述稳健统计的思想及M-估计的基础上,提出对M-估计尤其是最小一乘估计的几种修正方法,对M-估计的计算提出了感兴趣的若干思考并指出其存在的问题,最后就M-估计与其它学科结合应用的前景阐述作者的看法。     

一般广义岭估计效率的更优下界

考察一般Gauss-Markov模型中未知参数向量β的一般广义岭估计的优良性质。对最小二乘估计相对于一般广义岭估计效率的下界问题作进一步的探讨,得到其更优的下界．     

LSE相对于一般广义岭估计的效率下界

考察一般Gauss-Markov模型中未知参数向量β的估计的改造问题,进一步讨论了方兴等人提出的一种估计的相对效率,对其部分结果进行推广,得到LSE相对于一般广义岭估计的效率的下界.     

基于微粒群优化LSSVM的室内指纹定位算法

为了降低利用最小二乘支持向量机（LSSVM）定位过程中参数选取对定位精度的影响,提出一种基于微粒群进行参数优化的室内指纹定位算法。该算法通过离线采集的RSSI数据训练最小二乘支持向量机,利用微粒群算法寻找并确定LSSVM全局最优参数,获得基于位置指纹的LSSVM定位模型。仿真结果表明,相对于传统LSSVM定位,PSO-LSSVM有效提高了定位准确度,并能在小样本情况下保持良好的定位精度。     

基于空域互相关矩阵的声源延时估计方法

系统地研究了基于麦克风阵列的声源定位方法,提出了一种基于空域互相关矩阵的延时估计方法。通过仿真实验证明该方法简单、直接,并且能够在增加麦克风数量的情况下很好地抑制噪声和混响所带来的影响。     

麦克风四元阵全向声源定位系统设计与实现

设计并实现了一种基于Cortex-M3内核的小型化、低功耗声源定位系统。系统采用4个麦克风传感器构成声源定位矩阵。基于意法半导体公司的STM32F103FZET6硬件平台,利用其内部的高速中断以及微秒级的定时器辅以相关外设电路,快速捕捉声源位置并进行计算定位。实验结果表明,系统定位精度良好,适合应用在军事、工业控制、机器人声源定位等领域。     

广义均方误差标准下双类估计优于最小二乘估计的充分条件

本文通过一个比较简洁的方法,得到了在广义均方误差标准下双类估计优于最小二乘估计的充分条件。