基于无线传感器网络的机器人高精度定位系统

机器人的定位在运动控制系统和任务执行环节起着至关重要的作用,为了提高机器人在特殊环境中作业的定位精度,设计了一种基于无线传感器网络的机器人高精度定位系统。在微处理器ATmega1280的硬件平台上采用芯片NanoPAN5375接收信号强度指示(RSSI)进行测距定位,并利用对称双边双路测距和极大似然估计算法大大提高了定位精度;同时,使用基于轮询的时分多址接入协议和表驱动簇路由协议,解决了多机器人协同作业定位问题,并使系统在网络性能设计上得到了平衡;通过在60 m×60 m区域内的实验表明,该系统工作稳定可靠,测量的相对定位误差小于0.25 m,具有较高的定位精度,适用于机器人在矿井搜救、核泄漏检测和火山探索等特殊环境下的定位需要。     

基于马尔科夫链蒙特卡罗的时延估计算法

针对无源雷达中时延估计辐射源信号未知的情况,构建了一种新的时延最大似然估计模型.根据模型特点利用快速傅里叶变换(FFT)的计算方法实现时延估计.为了提高估计的精度,采用马尔科夫链蒙特卡罗(MCMC)抽样的方法估计时延值.该方法不需峰值检测,可直接给出时延估计结果.并推导了该模型下的时延估计的克拉美罗界(CRLB).仿真实验表明,MCMC算法可适用于窄带和宽带信号的时延估计;在样本相同的条件下,MCMC算法估计精度高于重要性采样(IS)算法和基于峰值检测的ML算法,计算复杂度低于IS算法,且MCMC算法可直接估计采样间隔非整数倍的时延.     

不完全信息下Ⅱ型截尾Weibull分布参数的极大似然估计及贝叶斯估计

给出了不完全信息下Ⅱ型截尾weibull分布参数的极大似然估计、无信息先验Bayes估计及多层Bayes估计,并指出针对一些具体模型还可以通过随机模拟来比较其估计精度.     

摩擦中的自锁现象

 从学生所发现的问题出发，对有些理论力学教材中摩擦自锁的定义给出了进一步的解释 说明，消除了初学者在理解上的误区. 并就如何避免学生对自锁概念误解以及目前一些教 材上的几种自锁定义给出了建议.     

混合加速寿命试验模型及其统计分析

本文结合序进应力加速寿命试验和恒定应力加速寿命试验提出了一种混合加速寿命试验,讨论了这种加速寿命试验的模型及其在寿命分布为指数分布和对数正态分布时的参数估计,导出了参数的最大的似然估计。     

威布尔分布组与删失数据下最大似然估计的存在性

本文研究寿命服从威布尔分布,观测数据分组与可能删失的情况下,最大似然估计的存在性,针对所有数据类型,我们给出了最大似然估计存在性的一个充分必要条件,文章结尾讨论了仅一个失效数据时最大似然估计的计算。     

带约束条件的AGARCH模型

自Engle(1982）首创ARCH模型以来,各种推广和变异模型纷纷问世,形成庞大的ARCH类模型族。这些模型普遍存在一个缺陷：通常只限制条件方差的函数的系数非负以保证条件方差非负,并且在正态分布假设下用最大似然方法进行估计。本文明确提出带约束条件的AGARCH模型这一新概念,并用非线性规划方法代替最大似然方法对模型进行估计,实证结果表明这样的作法是可行且较优的。     

定数截尾数据缺失场合下指数分布参数的Bayes估计

当寿命分布为指数分布时,本文给出了定数截尾寿命试验数据缺失场合下平均寿命的Bayes估计,为计算上的方便,本文还给出了Bayes估计的一种近似计算方法,数值例子表明这种方法简便可行。     

JM模型的统计推断

本文对软件可靠性的著名模型-JM模型进行了研究,给出了这个模型中参数的最大似然估计存在的充要条件,并给出了软件可靠性的精确置信下限及其计算方法。     

分组数据下参数极大似然估计渐近有效性

当数据为分组型时,本文证明了一般分布的参数的极大似然估计具有指数收敛速度,并具有Bahadur渐近有效性.