基于和声搜索算法的瞬时单位线参数优化估计

和声搜索(Harmony Search,HS)算法是一种启发式优化算法,通过反复调整和声记忆库中解的变量,使待优化函数目标值随着迭代次数的增加不断收敛,从而来完成优化。此算法概念简单、可调参数少、容易实现。文章将基于和声搜索,并采用加权残差绝对值和最小准则对瞬时单位线模型参数进行估计,实例表明使用此方法率定的参数还原的径流过程与实测径流过程拟合相较其它方法更佳。     

恒加应力下对数正态分布的MCEM加速算法

文中应用MCEM加速算法,给出了在恒加应力下对数正态分布的参数估计问题,并进行数据模拟,说明MCEM加速算法在对数正态分布的参数估计中比EM算法更有效,收敛速度更快。     

短时分数阶傅里叶变换对调频信号的时频分辨能力

调频信号的检测和参数估计一直是信号处理领域的研究热点之一。为深入挖掘短时分数阶傅里叶变换对调频信号的时频分析优势,从短时分数阶傅里叶变换的定义出发,推导了其时频分辨能力与信号参数的关系,并与短时傅里叶变换进行了对比分析。结论表明,短时傅里叶变换时频分辨能力与信号频率变化率有关,而短时分数阶傅里叶变换几乎不受调频率变化率影响。最后,通过对比仿真实验证明,对于频率变化率较小的信号,两者时频分辨效果差别不明显,对于频率变化率较大的信号,短时分数阶傅里叶变换的时频分辨效果更好。     

一种改进的图像压缩感知稀疏恢复算法

稀疏信号的分布模型是影响基于近似信息传递（AMP）的压缩感知(CS)信号重建效果的关键因素。因实际图像的小波近似系数、各级的水平细节系数、垂直细节系数以及对角细节系数的模型参数存在较大差异,现有基于拉普拉斯、贝努力高斯(BG)和高斯混合等模型的AMP方法因未考虑此差异而影响重建效果。为了提高模型估计的准确性,将各级小波系数的BG模型参数分开估计,进而提出了一种改进的图像压缩感知稀疏重建的新方法,即期望最大分段贝努力高斯近似信息传递算法（EM-SSBG-AMP）。仿真结果表明,相同采样率下,新算法的峰值信噪比（PSNR）明显高于5阶期望最大高斯混合近似信息传递算法(EM-GM-AMP),重建时间与5阶EM-GM-AMP相当。     

经济计量研究中纵向数据模型的EM算法

在经济学当中，经常见到结合时间序列和横截面两者的数据(即纵向数据)。纵向数据模型常涉及到随机效应，所以对它的统计分析比一般的固定效应模型要复杂得多，常用的方法或者计算烦琐，需分两少估计，或者在多数情况下不收敛，这极大地限制了对纵向数据的开发利用。本文介绍一类纵向数据模型参数估计的EM算法，这种算法能一次性的估计模型中的所有参数，而且在多数情况下是收敛的。     

Bootstrap方法在VaR和CVaR中的应用及其实证研究

首先介绍了VaR方法、CVaR方法的基本定义以及VaR、CVaR的非参估计的基本思想,特别是Bootstrap方法的基本思想。并用连续曲线对收益变量的经验分布函数进行拟合,再通过该拟合曲线进行抽样,从而获得所需Bootstrap样本,并由此计算收益变量的VaR和CVaR的非参数估计。最后,应用该方法对中国股市中的两只股票的VaR和CVaR进行了实证研究。     

基于时频分布迭代的跳频信号参数估计

提出了一种基于时频分布迭代的跳频信号参数估计新算法，利用时频平面最大值， 通过计算跳频信号与最优原子时频分布的残差逐次迭代获取匹配于跳频信号分量的时频参数 ，进而实现跳频信号参数估计。理论分析和仿真结果表明，与基于匹配追踪和粒子群优化的 跳频信号参数估计相比，基于时频分布迭代的参数估计算法在保证算法精度的情况下，有效 地降低了算法的计算复杂度，为跳频信号盲接收的实时实现提供了一种新方法。     

广义指数分布下区间删失数据的参数估计

本文主要研究区间截断数据的参数估计问题.由于观测时闻不连续性及实验条件的限制,失效时刻往往是不可准确观测的.当已知失效时刻位于某一给定区间时,称该类数据为区间截断的.文中首先给出研究背景和研究现状,其次给出指数分布和广义指数分布这两个理论模型的极大似然估计值,并得到渐进分布.在指数分布中,当取等距观测时,得到解析解,在其他形式中,由于其非线性性而致无法得到显示解,笔者用matlab进行数字模拟,给出不同样本容量下均值及根方差.