翟永智所发表论文情况.docx

翟永智所发表论文情况.docx广义双曲线分布信号在无线信道中分离和鲁棒性的研究ResearchonSeparatingandRobustnessGHDSignalinWirelessChannal翟永智景占荣闫要岗西北工业大学电子信息学院自动化学院摘要:木文基于战吋复杂通信系统环境条件,给出了反映其复杂统计特性的广义双曲线分布模型,通过小样木DW分布的统计特征来估算广义双曲线分布的未知参数的先验分布。然后用基于MCMC的Gibbs采样方法,;DW分布;广义双曲线分布模型;Gibbs采样;(MarkovchainMontoCarlo).:Statisticsanalysis;DWdistribution;GeneralizedHyperbolicdistribution;Gibbssampling;MCMC(MarkovchainMontoCarlo)I介绍在未来信息化战场或实弹演****场所,由于敌方T•扰和破坏使得战场的电磁环境和通信环境非常的复杂,为了减小通信的误码率和提高信噪比,对战场吋变的环境统计特性的把握就显得非常重要,由丁战场环境的危险性和复杂性,为了对战场复杂环境的统计特性进行评估,川MMSEMLBULE估计方法更木不可能,因为这些算法都是皐于人样木的点估计算法。因此为了准确评估战时系统的复杂环境我们只能用小样本算法。工程中经常遇到的是小样本问题,小样本蕴含系统各种参数信息是很有限的,直接统计其点方差是不可能的,因为最人似然估计和MMSE算法是建立在人样本的数据的基础上的。⑵川Grubbs法对试验数据进行可靠性检验,并应川随机场理论屮的相关距离概念说明取样间距对估计参数方差的影响及相关距离对取样间距的指导意义,对不充分的子样采用贝叶斯预测法预估场区的空间方差。但贝叶斯估计没有考虑缺损参数,因此基于叶斯估计的最人后验似然估计只能处理一些简单的问题。在实际问题屮,很多复朵情况下是不可行的,MontoCarlo方法⑶研究了样本容量在54以下的DW统计量的分布特征,并给出小样本DW检验临界值表。同时用DW检验捉出了一个判别最小二乘估计中是否存在虚假回归的有效方法。但最小最小二乘估计是假设噪声是高斯白噪声和Markov白噪声情况下是最优的;Kalman滤波器和扩展的Kalman滤波器是假定系统参数已知的情况下。在系统参数未知情况下,就限制了这些算法的应用。木文用[1]中的模型,用小样本DW统计量来得到广义双曲线的参数的先验分布统计模型,然后用Gi