异质传感器数据的最优线性融合

研究了异质传感器对参数矢量进行的测量，测量数据基于线性均方估计的最优融合算法。提出和证明了异质传感器数据的最优线性融合定理，并得出“精度再差的传感器参与数据融合后都有利于提高系统的测量精度”这一结论。     

具有外观测误差的INS传递对准的性能分析

对于给定的传递对准的误差模型，针对常值外观测速度、位置误差和随机外观测速、位置度误差两种情况，分别对惯导系统的传递对准误差模型的解算偏差和Kalman滤波器的估计偏差进行了仿真分析。结果表明，外观测误差引起的INS传递对准的估计偏差不能忽视，为采用更优的估计方法提供了依据。     

一种120kV同轴场畸变开关实验研究

介绍了工作电压为120kV的大电流同轴场畸变开关的设计参数及实验结果。结果表明：开关设计可靠，结构合理，可在几十千伏至一百二十千伏范围内稳定运行，在特定的运行条件下动作时延小于70ns，时间抖动小于3ns。     

一种用于分散化滤波的融合算法及其在组合导航系统中的应用

提出了一种局部估计相关时的最优融合算法，其特点是加权矩阵是对角阵，即全局估计中的各分量分别是局部估计中相应分量的线性组合，在此融合算法中局部估计是最优的，并且不存在由主滤波器向子滤波器的信息反馈，因此具有较好的客措性。给出了最优加权矩阵的存在性和唯一性的证明，并通过与现有类似融合算法的对比，表明该算法具有计算量小的优点。最后，以组合导航系统为例作了仿真计算，结果表明该融合算法是可行的。     

双目视觉中基于对偶四元数的三维运动估计

针对现有的三维运动估计算法在精度、效率和稳定性等综合性能上的不足,提出了一种结合双目视觉三维重建和利用对偶四元数表达运动参数的新算法。该算法以双目视觉系统为基础,采用SIFT算法进行图像特征点的提取和匹配;根据匹配关系进行三维特征点重建,以获取三维场景中运动目标的结构参数;利用对偶四元数可同时表示刚体的旋转和平移运动的特点,实现目标对象运动参数的表达和求解。通过实验将提出的算法与现有算法(包括奇异值分解法、正交分解法和单位四元数分解法)进行比较,结果表明,该算法具有更加简洁的表达形式,在保持传统算法精度和稳定性优势的基础上提高了计算效率,具有更优的综合性能。     

PPS适应性整群抽样下估计量的研究

在群规模存在差异时,最有效的抽样方法是PPS整群抽样;在单元存在聚集性且总体信息不明确时,使用PPS适应性整群抽样是最有效的.利用PPS适应性整群抽样设计中的样本外推机制产生的样本信息,对HH和HT估计进行调整,提出修正的HH和HT估计,并对估计量的性质进行了研究.     

非局部时滞反应扩散方程行波解的稳定性

考虑了非局部时滞反应扩散方程行波解的稳定性.在合适的加权L~∞空间下,证明了非临界波指数稳定,临界波代数稳定(即代数衰减).还利用加权能量估计的方法得到了衰减速率.我们把相关结果应用到了host-vector模型,Nicholson blowflies方程和一个修改了的传染病模型.     

两个伽玛分布的同质性检验

对于两个伽玛分布,Γ(α_1,β_1)和Γ(α_2,β_2),讨论了统计假设:H_0:α_1=α_2,β_1=β_2H_1:α_1≠α_2或β_1≠β_2,基于Hellinger距离与参数的最大似然估计,建立了一个检验统计量.在一定的条件下证明了统计量渐近服从自由度为2的卡方分布.最后用随机模拟的方法研究了所建立的统计量的稳健性,并且与似然比检验统计量进行了比较.     

多类型复发事件下的一类均值加速回归模型

在复发事件的统计分析中,事件的平均发生个数可能比其强度函数或危险率函数更具可解释性.为了评价协变量对复发事件的影响,许多学者考虑了复发事件的边际比例均值模型.然而,在许多实际应用中,协变量对复发事件不仅具有均值比例效应,而且还可能会加速或减缓复发事件的发生,即协变量对复发事件均值过程具有时间尺度效应.在多类型复发事件数据框架下,考虑一类广泛的加速均值模型.利用估计方程方法,获得了该模型中未知参数的估计,并且建立了所给估计的渐近性质.进一步通过模拟研究证实所提方法的优良表现.     

Ⅰ型逐阶删失数据下基于EM算法的Weibull参数估计

研究了Ⅰ型逐阶删失数据下基于EM算法的Weibull参数估计,模拟产生不同Weibull参数组合和删失计划下的Ⅰ型逐阶删失数据,应用基于,EM算法的极大似然估计方法得到参数的估计值,并与数值方法得到的极大似然估计值进行对比,说明EM算法的估计效果.对73名肾脏移植患者生存数据进行实例分析,验证了基于EM算法的参数估计方法的可行性.