洪水频率计算中的M和MD估计

本文采用M估计和MD估计的混合方法，解决洪水频率计算中常用的PearsonⅢ型分布参数的稳健估计问题，使设计洪水的计算方法具有抗干扰性，模拟试验结果表明，其稳健性很好，所得估计量具有较优的统计性能。     

混合高斯自回归模型参数估计方法之LS-EM

混合高斯自回归模型对有色非高斯数据的概率密度和功率谱密度进行有效的拟合，而LS—EM算法则可解决这一模型的参数估计问题．描述了混合高斯自回归模型及其参数估计问题之后，导出了具体的LS-EM算法，并给出了一组仿真实例．这是一种参数耦合估计算法，首先基于传统的最小二乘技术得到功率谱密度参数粗估计，进行预白，然后应用EM迭代得到白激励的概率密度估计，并基于此构建一加权函数，以此权函数改进最小二乘算法，进而得到模型参数的精估计．     

非高斯AR序列参数的最大似然估计

自同归模型参数的最小二乘估计应用于非高斯数据,有效性便不复存在,而充分利用了概率密度信息的最大似然估计却仍然是该问题的有效估计.使用混合高斯自回归模型描述该类估计问题之后,讨论了其克拉美-罗限,导出了非高斯自回归序列参数的最大似然估计,给出Newton-Raphson迭代解法,并凡探讨了如何加快这一迭代算法的收敛和如何将估计算法应用于实际数据两个细节问题.最后给出一组仿真实例,对比检验了最大似然估计和最小二乘估计的效果.     

未知寿命分布时可靠寿命的统计估计

依据非参数统计方法，给出了在产品的寿命分布未知时，产品的可靠寿命的实用点估计，并用试算方法求得可靠寿命的近似置信区间。这种可靠寿命的点估计与区间估计方法简便易虎，应用面广，具有良好的稳健性。     

伽玛分布尺度参数的大样本区间估计

利用学生氏Ｕ－统计量的渐近性质，研究伽玛分布的自协方差估计，同时给出了尺度参数的大样本区间估计，并采用随机模拟的方法进行了计算模拟。     

一类非线性时滞系统的参数故障检测和估计

研究了一类非线性时滞系统的参数故障检测和估计问题.文中所讨论的故障函数是非线性的,故障不仅依赖于系统的输入和输出,而且依赖于不可测的系统状态,这就使得故障检测和估计问题变得更加的复杂.根据自适应观测器的设计理论和研究方法给出了针对此类系统的参数故障检测和估计这种故障的方法.在满足Lipschitz条件下,提出了故障检测观测器和自适应诊断观测器.     

一类非线性时滞系统的参数故障检测和估计

研究了一类非线性时滞系统的参数故障检测和估计问题.文中所讨论的故障函数是非线性的,故障不仅依赖于系统的输入和输出,而且依赖于不可测的系统状态,这就使得故障检测和估计问题变得更加的复杂.根据自适应观测器的设计理论和研究方法给出了针对此类系统的参数故障检测和估计这种故障的方法.在满足Lipschitz条件下,提出了故障检测观测器和自适应诊断观测器.     

诱发电位潜伏期变化的分析处理方法

研究了诱发电位的主要检测参数潜伏期变化的估计测定方法：广义相关时间延迟方法、处适应时间延迟估计方法和自适应相位谱时间延迟估计方法,并分析了动态跟踪潜伏期时变规律的有效性。     

滑动加窗LMS自适应时间延迟估计的性能分析

分析了作提出的一种滑动加窗ＬＭＳ自适应时间延迟估计方法的性能。结果表明，这种方法计算量较小，且具有较高的估计精度和较好的收敛性能。     

AR（p）模型阶的稳健改进估计

根据稳健自相关函数ｒ（ｋ）构造了ＡＲ（ｐ）模型阶的估计，其估计结果具有一定的抗干扰性，并从理论上分析了这种估计方法的渐近收敛性质。     

基于Morlet小波的高分辨率信号频谱估计

提出了基于Morlet小波的一种新的高分辨率信号频谱估计方法，理论和仿真结果都证明，在短数据信号情况下，这种谱估计方法其频率分辨率和估计精度都要高于FFT方法。文中讨论了基于Morlet小波的谱估计算法，并给出了双正弦信号的仿真结果。     

用于AR参数估计的一种神经网络新方法

提出一种用于估计ＡＲ参数的神经网络新方法和相应的递归预测误差算法，其优点是网络结构简单，估计结果准确。使用作者所提出的方法在估计ＡＲ功率谱时具有频率偏移小，无谱线分裂等优点。仿真模拟结果表明，文中所提出的神经网络方法和相应的算法是有效的。     

增长曲线模型中共同均值参数线性估计的泛容许性

讨论了增长曲线模型中共同均值参数的估计问题，在二次损失下得到了其共同均值参数的线性估计在非齐次线性估计类中是泛容许估计的充分和必要条件。     

船闸日到船概率分布参数估计

讨论了船闸日到船分布参数的确定方法，分析了样本容量和方差估计精度的关系及方差估计相对误差对日到船量计算的敏感性，提出了合理的数据容量和取样方法。应用结果表明，样本容量取90时，日到船量计算的相对误差主要控制在5％以内，对于工程实际是偏于安全的，这说明该方法可行。     

出行分布观测数据中的稀疏矩阵问题研究

对出行分布观测数据中的稀疏矩阵问题进行分析,提出了部分矩阵估计、补零矩阵估计和增量矩阵估计3 种不同方法来标定双约束重力模型的参数.通过定义估计的精确性和有效性两个不同的估计效果测度,将双约束重力模型等价为带有约束的数学规划,并采用解析方法比较3 种不同标定方法的估计精度差异.在此基础上,通过数值方法模拟计算,并比较3 种标定方法的估计有效性.通过研究可以发现,补零矩阵估计的参数精确性最好,而增量矩阵估计的有效性最好.研究成果能够作为实际城市交通规划中观测稀疏矩阵参数标定工作的理论依据.     

动态参数线性回归模型

讨论了回归系数本身也随时间的线性回归模型，称为动态参数线性回归模型。目标是探讨动态回归系数随时间变化的规律，并从数理统计学角度研究如何对其作出合理的推断。在动态回归系数可为某时间函数的线性组合时，导同了回归系数变化规律的估计表达式，并证明了该估计的两条优良统计性质。     

广义相关时延估计方法在神经系统损伤检测中的应用

应用广义相关时间延迟估计方法，经由诱发电位潜伏期变化的测定，分析研究了撞击加速度和缺窒息实验条件下中枢时间系统的损伤问题。计算机模拟和诱发电位信号分析表明，当神经系统发生损伤时，诱发电位的潜伏期会出现显的变化，这种化可以由广义相关时间延迟估计方法而有效测定。     

一种滑动加窗LMS自适应时间延迟估计

提出了一种滑动加窗ＬＭＳ逢适应时间延迟估计方法，这种方法利用时域窗口函数对自适应滤波器的权矢量进行约束，使自适应迭代仅在窗口内进行，窗口的中心位置随自适应迭代的过程在权矢是滑动，从而可以以较钞的权系数估计较大的时间延迟，有效地减小计算复杂度。     

数据序列稳健分析方法中RYW估计及其收敛性

根据对Ｍ估计，ＬＳ估计及Ｙ－Ｗ估计的分析，提出一种新的稳健估计方法－ＲＹＷ估计，讨论证明了这各估计的渐近性质，结果证明了ＲＹＷ是一种行之有效的简明稳健方法。     

负相伴样本情形下线性指数分布参数的渐近最优的经验Bayes估计

在平方损失下导出了线性指数分布参数的Bayes估计,利用负相伴样本密度函数核估计的方法构造了参数的经验Bayes(EB)估计.在适当的条件下证明了所提出的EB估计是渐近最优的.并给出一个满足定理条件的例子.