乘性和加性噪声中谐波恢复的循环统计量方法

本文从循环平衡的观点出发来研究乘性和加性噪声中的谐波恢复问题.首先，在一定条件下建立了一般复过程的有限长付里叶变换的大样本性质．然后，得到了任意阶循环矩的样本估计关于循环频率的一致收敛速度．对于乘性和加性噪声中的谐波信号，建立了一、二、三阶循环矩样本估计的统计性质．在此基础上，分别提出了基于不同阶循环矩的谐波分最个数和频率的估计方法，并得到了估计的强相容性质和强收敛速度，最后给出了模拟实验结果．     

改进的拉普拉斯算法初轨计算的收敛问题

首先分析了人造卫星初始轨道计算的改进拉普拉斯算法,指出了该算法中存在的不可解和不收敛问题,并对这两个问题给出了解决的方法:半步后退法和增加惯性项,从而较好地解决了问题。     

广义极限鞅的一个收敛定理

本文引进了广义极限鞅的概念,证明了 L~1有界的广义极限鞅 a.s.收敛于—可积随机变量。这样推广了通常极限鞅的相应收敛定理,并回答了 Stout 提出的问题:L~1有界的弱鞅在一定的条件下是 a.s.收敛的。     

牛顿弦截法预估校正迭代格式的收敛阶

研究如下形式的牛顿弦截法的预估校正(P.C.)格式:P(预估):~xk+1=xk-(xk-xk-1)f(xk)f(xk)-f(xk-1)C(校正):xk+1=xk-(~xk+1-xk)f(xk)f~(xk+1)-f(xk)证明了它的收敛阶为2.618.     

相依随机变量的强大数定律的收敛速度

本文讨论在φ-混合情况下随机强大数定律的收敛速度。此结果与i.i.d.情况一致。     

求解非线性方程的一个新方法

提出了一种求解非线性方程的数值方法，此方法不需要导数的计算，其收敛阶与抛物线法相同，但计算量要比抛物线法小得多。     

一类半参数回归模型的估计理论

考虑半参数回归模型Y=X’β+g(T)+e,其中(X,T)为取值于R^p×[0,1]上的随机向量,β为p×1未知参数向量,g为定义于[0,1]上的未知函数,e为随机误差,Ee=0,Ee²=σ²>0,且(X,T)与e独立。本文综合最近邻和最小二乘的方法定义了β,g和σ²的估计量,g_n^*和。在适当条件下证明了和的渐近正态性,并得到了g_n^*的最优收敛速度。     

多时滞随机神经网络的稳定性

通过构建李雅普偌夫函数的方法和利用半鞅收敛定理对一类随机时滞神经网络的全局指数稳定进行了分析,提出了易于判定随机时滞神经网络几乎必然指数稳定性新的代数判据,推广了[1]中的主要结论.     

元回归模型中最大值点的BRPA估计的收敛速度

BRPA估计是Changchien (1990)提出的一种具有良好性质的回归函数最大值点的估计, Chen, Huang and Huang (1996), Bai and Huang (1999), 吴and王(2000)和Bai, Chen and Wu (2003)分别讨论了BRPA的极限性质\bd 本篇文章中, 我们在很一般的条件下研究了$x$为多维向量时BRPA估计的收敛速度, 推广了Bai, Chen and Wu (2003)的结果