共查询到18条相似文献，搜索用时 109 毫秒
1.
本文讨论了增长曲线模型中回归矩阵的函数的估计 ,在矩阵损失下 ,作者得到了非齐次线性估计在非齐次线性估计类中可容许的充要条件。 相似文献
2.
在二次损失函数下,研究了线性模型中具有均匀协方差结构的误差方差非负二次估计的可容许性,给出了设计矩阵为1向量时,估计可容许的充要条件。 相似文献
3.
4.
徐兴忠 《中国海洋大学学报(自然科学版)》1993,(3)
本文研究线性模型中一般的回归系数的估计问题,用统计决策函数理论中容许性准则,讨论了线性估计的优良性,通过将一般的非可估回归系数转化成可估的情形,得到了一个线性估计在线性估计类中是容许估计的充分必要条件。 相似文献
5.
研究在较弱的乘性噪声条件下系统观测噪声的最优估计问题，就乘性噪声为一般随机矩阵且各观测通道乘性噪声在同时刻相关的情形，给出了在线性最小方差意义下的观测噪声最优滤波算法和最优平滑算法。针对这些算法进行了仿真研究，仿真结果表明算法有较好的估计效果。 相似文献
6.
研究带乘性噪声广义系统的观测噪声最优估计问题。在假设系统正则的情况下,针对乘性噪声为一般随机矩阵即各观测通道乘性噪声同时刻相关的情况,通过受限等价变换和状态扩维的方法,给出了线性最小方差意义下的观测噪声最优滤波算法和最优平滑估计算法。数字仿真结果表明了算法的有效性。 相似文献
7.
带乘性噪声系统由于其广泛的适用性,一直成为研究的热点。针对带乘性噪声系统的鲁棒状态估计算法进行研究,利用线性矩阵不等式的方法,讨论状态方程中含有范数有界不确定性参数的带乘性噪声系统的方差约束鲁棒状态估计器存在的条件,并针对此类带乘性噪声系统推导出1套方差约束鲁棒状态估计算法以及最优方差约束鲁棒状态估计算法。仿真结果验证算法的有效性。 相似文献
8.
研究随机线性反馈控制系统的结构辨识问题。在已知时滞的下界和模型阶的上界的假定下，通过使修改的Ｂａｙｅｓｉａｎ信息准则最小化，推导出由多输入多输出ＣＡＮ模型描述的系统的未知阶与时滞的估计算法，证明了算法是强一致收敛的，且能在有限步内达到其模型结构参数的真值。讨论了当模型的参数矩阵不满秩时减弱条件Ｈ’ｓ的强一致估计算法。 相似文献
9.
研究一般的回归模型中误差方差的二次型估计的容许性，研究方法是模型的整体转化和局部转化，结果有：（１）二次约束下的线性模型等价于相应的无约束的线性模型。（２）线性（齐次或非齐次）等式约束下的线性模型等价于某个无约束的线性模型。（３）单个非齐次不等式约束下的线性模型等价于某个无约束的线性模型。（４）通过例子证明了多个线性不等式约束的线性模型不能等价于某个无约束的线性模型。（５）某类非齐次二次型估计的容许性等价于相应的齐次二次型估计的容许性 相似文献
10.
对于增长曲线模型,在二次损失函数下,研究了当C为列满秩,而A为行秩亏矩阵时误差方差的二次型估计的容许性,用矩阵形式给出了二次型估计可容许的充要条件。 相似文献
11.
12.
该文研究子系统间具有强耦合的线性离散大系统的稳定性。提出一种适合于该类大系统稳定性分析的部分分解法。该方法可将高阶线性离散大系统化为若干个具有单向解耦的低阶子系统来研究。从而 ,利用标量李雅普诺夫函数将高阶矩阵李雅普诺夫方程化为若干个单向解耦的低阶矩阵方程。通过线性矩阵不等式得到线性离散大系统稳定性的充分条件。 相似文献
13.
传感器优化配置的修正逐步累积法 总被引：1，自引：0，他引：1
讨论了模态实验中传感器的配置问题。利用结构振型矩阵转置的 QR分解得到传感器的初始配置。以模态置信度 MAC矩阵的最大非对角元为目标函数 ,利用本文提出的修正逐步累积法得到传感器的配置 ,并提出传感器配置必须结合优化效果和经济性 2方面综合考虑 相似文献
14.
鉴于深海温跃层以下往往声速值缺乏,声速剖面不完整的原因,提出一种声速剖面的预报方法:在传统经验正交函数预报法基础上,首先改进协方差矩阵的求解方法,将原始数据的空间信息和时间信息有效地融合到协方差矩阵中,通过由大量实测数据统计得出的时间函数的经验公式,得到合成剖面,将二者结合,把不完整剖面垂直向下延拓到海底,较为有效地解决了传统方法求解协方差矩阵和时间函数较粗糙的问题,给出了完整的海洋声速剖面的准确预报.实测数据检验结果表明,改进方法的预报精度比传统方法有了很大提高. 相似文献
15.
An electrical resistance apparatus with a highly sensitive alternate current bridge was developed in the paper for the purpose of measuring the electrical resistivity of soils and eliminating the low frequency polarization. The electrical resistivity of Guangxi expansive soils was measured in the laboratory using the developed apparatus. The investigation result demonstrates that the electrical resistivity of the Guangxi expansive soil is a function of the electrical resistivity of soil skeleton and pore water, water content, degree of saturation and void ratio. Along with electrical resistivity, the matrix suction was measured, and the relationship between the electrical resistivity and matrix suction was analyzed. The electrical resistivity-volumetric water content curves are compared with the matrix suction-volumetric water content curves for these soils. The relationship of matrix suction-volumetric water content is observed to be the similar feature to that of the electrical resistivity-volumetric water content curve. 相似文献
16.
状态空间模型是研究海洋波能转换系统相互作用的一种有效数学模型.应用该模型的关键之一是如何根据实验或计算的脉冲响应函数来高效地确定状态空间模型中的矩阵参数.结合最优化理论中的单纯形法、最小二乘法以及矩阵指数的简化算法,提出了一种确定状态空间模型矩阵参数的有效数值方法.数值试验表明,由于该方法克服了高斯-牛顿方法的局部收敛性及其需求解矩阵指数关于参数的导数的缺点,因此大大扩展了初值的可选范围,有效地提高了数值模拟效率,并且使数值模拟结果具有较高精度. 相似文献
17.
MICHAEL K. TIPPETT STEPHEN E. COHN RICARDO TODLING DAN MARCHESIN 《地球，A辑:动力气象学与海洋学》2000,52(5):533-553
Ensemble and reduced‐rank approaches to prediction and assimilation rely on low‐dimensional approximations of the estimation error covariances. Here stability properties of the forecast/analysis cycle for linear, time‐independent systems are used to identify factors that cause the steady‐state analysis error covariance to admit a low‐dimensional representation. A useful measure of forecast/analysis cycle stability is the bound matrix , a function of the dynamics, observation operator and assimilation method. Upper and lower estimates for the steady‐state analysis error covariance matrix eigenvalues are derived from the bound matrix. The estimates generalize to time‐dependent systems. If much of the steady‐state analysis error variance is due to a few dominant modes, the leading eigenvectors of the bound matrix approximate those of the steady‐state analysis error covariance matrix. The analytical results are illustrated in two numerical examples where the Kalman filter is carried to steady state. The first example uses the dynamics of a generalized advection equation exhibiting non‐modal transient growth. Failure to observe growing modes leads to increased steady‐state analysis error variances. Leading eigenvectors of the steady‐state analysis error covariance matrix are well approximated by leading eigenvectors of the bound matrix. The second example uses the dynamics of a damped baroclinic wave model. The leading eigenvectors of a lowest‐order approximation of the bound matrix are shown to approximate well the leading eigenvectors of the steady‐state analysis error covariance matrix. 相似文献