一、一种用于推算感染时间曲线的非参数极大似然估计方法（论文文献综述）
赵佳星[1]（2021）在《地图匹配辅助的Wi-Fi/iBeacon/PDR室内融合定位算法研究》文中认为全球卫星导航系统（Global Navigation Satellite System,GNSS）,在室外空旷区域环境,使用其他定位技术辅助定位,可以达到亚米级的定位精度,但是在人们普遍生活和工作的室内环境中,接收卫星信号不准,甚至是接收不到卫星信号,随着人们生活质量的提高,人们对目前室内定位服务的需求也在日益递增。目前智能手机,Wi-Fi（Wireless Fidelity）路由器在日常生活工作环境中,已广泛的使用,智能手机不仅内置 MEMS（Micro-electro Mechanical System,MEMS）传感器,还支持蓝牙和Wi-Fi信号传输的功能,在室内外定位领域已然成为国内外研究学者的研究热点。本文以智能手机为研究载体,论述了当前室内定位领域研究的背景,意义及目前所使用室内定位技术原理与方法。目前关于室内定位的研究多是集中于室内狭长的走廊环境,对室内小空间区域的办公场景研究较少的情况,本文以小区域范围的办公场景为室内定位环境,将Wi-Fi定位技术,iBeacon定位技术,行人航迹推算（Pedestrian Dead Reckon,PDR）定位技术三者融合定位,地图匹配技术对融合定位结果进行矫正。主要研究成果如下:针对目前位置指纹库定位,面临指纹库构建工作量大,且Wi-Fi定位的信号强度值（received signal strength index,RSSI）跳变比较大等问题,提出了使用插值方法扩充指纹库,减少了建立指纹库时间,使用室内地图按照矢量结构将室内的定位区域划分为6个区域,使用支持向量机（Support Vector Machines,SVM）位置指纹匹配定位识别位置区域的方法,初步确定行人所在位置区域以及行走方向发生变化的时刻;蓝牙定位使用RSSI值构建测距模型（Shadowing模型）,提出使用极大似然估计与性能指标模型的定位方法,相较于传统的极大似然估计算法,有效的提高了定位精度;PDR定位技术出现的累积误差问题,提出了使用Wi-Fi位置区域约束和室内地图匹配进行矫正的方法,有效的将行人的行走轨迹进行约束,相较于传统的PDR算法提高了定位精度。针对使用PDR定位和iBeacon定位使用传感器不同,时间不同步的问题,在路径相同的实验环境下,提出了两种算法分别对Wi-Fi、PDR和iBeacon融合定位,一是地图匹配辅助的滑动平均滤波算法,定位的结果依赖于滑动窗口的大小,当定位点目标偏差较大时,经滑动平均滤波有效的将定位点约束在室内定位地图区域,很好的描绘行人的行走轨迹;二是地图匹配辅助的扩展卡尔曼滤波（Extended Kalman Filter,EKF）算法,将 Wi-Fi、PDR 融合定位结果与 Wi-Fi、PDR和iBeacon经滑动平均滤波融合后的定位结果使用EKF算法进行再次融合定位,实验结果表明,地图匹配辅助的EKF算法有效的改进了轨迹飘移,定位回跳等问题,约90%定位点的定位精度优于2.5m。图[60]表[13]参[81]
王雨[2]（2021）在《经济发展对二氧化碳排放影响的再评估 ——基于具有自回归误差结构的部分线性模型》文中研究表明当前,全球变暖已成为世界性难题,亟需各国共同面对。作为温室气体中的关键组成要素,二氧化碳对全球变暖起到了主要的推动作用,因此二氧化碳减排刻不容缓。作为负责任的大国,我国为节能减排提出了诸多举措。这些措施的具体效用如何,是否已然使得我国到达二氧化碳排放的库兹涅茨拐点?为解决该问题,本文利用部分线性模型考察了我国经济发展对二氧化碳排放的影响。然而,所得分析结果却与我国的实际情况存在较大出入。进一步的检验发现,所拟合的模型中误差项序列并不是独立同分布的,而是具有自相关性的。目前对常见模型的研究大多基于误差项序列独立同分布的假定,忽略误差项序列存在的相关性将使得模型的参数估计不再具有无偏性和有效性,同时使得假设检验失效,由此将导致分析结果存在较大的偏差,进而限制模型的实际应用范围。当前,对具有相依误差结构的模型的研究尚不完善,亟待补充。因此,本文对具有自回归误差结构的部分线性模型及其在经济发展对二氧化碳排放影响分析中的应用展开了研究。首先,本文提出了两步估计方法和剖面经验似然统计量,给出了两步估计的相合性和渐近正态性并推导了剖面经验似然统计量的渐近分布;尔后,本文对两步估计方法和剖面经验似然统计量进行了随机数值模拟,结果表明它们均具有良好的有限样本性质;最后,本文将具有自回归误差结构的部分线性模型应用于分析我国经济发展对二氧化碳排放的影响,结果表明在统计推断的过程中将误差项序列存在的相关性加以考虑十分具有必要性,此外还可知当前我国的经济发展水平已到达倒“U”型曲线的拐点,节能减排工作具有十分显着的效果。具有自回归误差结构的部分线性模型更加贴近现实,在实际应用中具有更强的解释性。但当前少有文献对该模型进行研究,且尚未有文献在对该模型进行统计推断时,将误差项序列中蕴藏的信息加以利用,本文对此进行深刻探讨完善了现有理论研究的不足。此外,本文提出的两步估计方法还将弥补现有估计方法的不足,提出的剖面经验似然统计量将进一步丰富现有假设检验的检验方法。当前尚未有学者在研究经济发展对二氧化碳排放的影响时,关注所拟合模型的误差项序列是否独立,本文利用具有自回归误差结构的部分线性模型对此加以考虑,并以此衡量了节能减排工作的具体效果,这具有十分重要的现实意义。此外,本文还简单分析了能源消费、产业升级以及技术扩散对二氧化碳排放的影响,这为我国制定、改善节能减排的相关措施以实现既定的碳减排目标提供了一定的参考依据。本文的具体章节安排如下所示。第1章为绪论。本章详细讲述了对此选题予以研究的背景及意义,国内外研究现状,研究思路与框架以及创新点和难点。第2章为预备知识。本章主要是对论文在研究过程中涉及到的自回归模型、部分线性模型、统计推断、核估计方法、经验似然方法以及二氧化碳排放的影响因素的理论知识进行论述,为后续研究奠定基础。第3章为自回归误差下部分线性模型的参数估计。本章首先给出了具有自回归误差结构的部分线性模型,尔后针对该模型提出了两步估计方法,并证明了两步估计的相合性和渐近正态性,最后对两步估计方法进行了随机数值模拟以考察其有效样本性质。第4章为自回归误差下部分线性模型的假设检验。针对具有自回归误差结构的部分线性模型,本章利用经验似然方法构造了剖面经验似然统计量,并推导了它的渐近分布,随后对该统计量进行了随机数值模拟以考察其表现情况。第5章为经济发展对二氧化碳排放影响的实证分析。本章基于具有自回归误差结构的部分线性模型考察了我国经济发展对二氧化碳排放的影响,并利用两步估计方法进行参数估计,利用剖面经验似然统计量进行假设检验,以说明它们的实际应用性,并衡量节能减排工作的具体效果。第6章为结论与不足。本章是对前文探讨的内容予以归纳,说明本文存在的不足之处,并针对研究过程中发现的新问题提出改进方向以期后续予以探讨。
沈迪[3]（2021）在《贝叶斯机器学习在火灾正向预测与源强反算中的应用研究》文中研究指明火场高温对人身及财产安全构成了重大威胁。火灾发生后,及时掌握火源情况对火势控制具有一定指导意义。然而由于高温影响,消防救援人员无法直接进入火场内部获取火源相关参数。因此,根据火场外围测量数据,发展科学的火源反算框架具有重大意义。消防人员一旦获取火源信息,就能通过物理模型计算得出火场内的温度变化,这有助于对火势发展做出正确预判,以制定更加合理的消防策略。但同时,应急管理的时效性要求也对物理模型的快速响应提出了挑战。由此可见,发展准确而低成本的正向预测及反向推算模型能为火灾的应急管理提供科学的数据支持。火灾的正向预测与火源的反向推算是物理过程相互对立的两个问题,这些问题的解决能为火灾科学的全面发展提供一定的参考依据。火场温度的正向预测一般依赖于数值求解,但现有的火灾数值模拟方法不能同时满足应急管理对低成本和高准确性的计算要求。随着人工智能的兴起,各种数值替代模型已成功应用至火灾问题的研究中,但这些方法均需依靠大量的高保真数据才能获得有效训练。为探究进一步降低替代模型建模成本的可能性,本文将一种多变量非参数贝叶斯回归模型,即CoKriging模型,引入至单室火灾的温度预测研究中。计算流体动力学软件FDS和火灾区域模拟软件CFAST分别为该模型提供高、低保真训练数据。留一交叉验证的结果表明:在以通风口大小、火源热释放速率及环境温度为输入参数的情况下,该模型仅需结合少量的高保真数据就能完成对上层烟气温度和下层空气温度的有效训练。为深入探讨该模型在火灾温度预测中的应急表现能力,本文还从时间成本和预测准确性两个方面对其展开详细分析。与常用数值模拟方法相比,CoKriging模型的预测准确度远高于CFAST,其预测结果与FDS的计算结果十分接近,但其模型响应时间仅大约为1秒。这说明:CoKriging模型能对火场温度做出快速而准确的预测,可视为一种有效的火灾数值替代方法。与单保真度替代模型ANN、Kriging相比,本文所使用的多保真度模型能够实现与其一致的预测效果,但建模时间成本仅为原来的1/10,这实现了应急条件下的快速建模。最后,在保持训练数据总数不变的前提下,本文还对7组不同高、低保真训练数据占比下的预测结果进行了对比测试,结果表明:即使在高、低保真数据占比非常小的情况下,CoKriging模型也能对烟气温度做出较为准确的预测,这从侧面反映出该模型具有强大的数据融合能力。火源反算问题往往具有较高的非线性特征,然而现有计算模型要么无法适应复杂火灾场景,计算结果具有较高的不确定性,要么只能对火源位置做出大致估计,无法提供源强相关信息。不同于优化算法,贝叶斯反演框架能充分考虑实验观测和模型简化带来的误差影响,最终以概率分布的形式呈现反演结果的可信程度。本文为验证贝叶斯反演框架对池火火源反算的可行性,使用甲苯和正庚烷的池火燃烧实验数据,分别发展了两个关于火源直径及热释放速率的反算模型。Shokri、Beyler提出的两个热辐射计算方法将分别为这两个研究算例提供正向预测模型。研究结果表明:经过50000次迭代计算,该反演框架能在一定误差范围内对火源直径做出较为准确的估算。火源直径的后验近似呈现高斯分布,数据离散程度较低。然而,对于火源热释放速率的研究,该反演框架会计算得出多个后验峰值,其中一个峰值对应的采样结果与真实值较为接近,这表现出了火灾反演问题的不适定性。研究还发现,观测数据的数目也能对反演结果产生一定的影响:当观测数据过少（小于3组）时,该模型无法得出有效的火源直径反算结果。除此之外,当观测数据多于3组后,反演结果的后验均值不会随着观测数据的增加而发生明显的变化,但后验分布的离散程度会逐渐降低。
张美玲[4]（2021）在《基于广义差异比混合治愈模型对新型冠状病毒肺炎潜伏期的统计分析》文中认为自新型冠状病毒肺炎爆发,不少学者对其潜伏期进行了讨论研究,推测病毒潜伏期时长。本文将无症状感染者纳为研究对象,将新型冠状病毒肺炎的潜伏期视为带有治愈部分的区间删失数据,使用广义差异比混合治愈模型来进行统计分析。该模型因为存在转换参数,所以使得未治愈部分包含比例风险模型和比例差异模型在内的多种生存模型,具有一定的灵活性。根据对数似然值选择转换参数,为在实践操作中模型选择提供参考依据。为了更好的求解似然函数,引入伽马-泊松潜变量来扩充似然函数,这种方法极大地简化似然函数的结构。在不同区间删失率下进行数值模拟,结果表明在参数估计值、平均估计标准误差和收敛时间等方面使用扩充后的似然函数进行估计要明显优于直接使用观察似然函数最大化的方法。将模型应用于新型冠状病毒肺炎的潜伏期的分析中,来估计参数、识别风险因素、对新个体进行预测,并与其他治愈模型比较。就本文所使用的数据,我们发现对数似然值最大时对应的模型正好是比例风险混合治愈模型,并与比例差异混合治愈模型和广义比例差异混合治愈模型比较,发现转换参数的取值会影响风险因素的判断,因此选择合适的治愈模型来拟合生存数据非常重要。
韩博[5]（2021）在《生存数据下比例风险治愈模型的统计推断》文中研究指明随着医疗水平的提高和个体生存质量的提升,流行病学、肿瘤学等领域的研究总体出现治愈成分.治愈是指在研究总体中存在一部分个体,即使在时间充足的随访中也不会经历所关注的失效事件,包括疾病感染、复发或死亡等.在生存分析中,当研究总体含有治愈成分时,从该总体中抽取的样本数据称为带有治愈的生存数据.Cox比例风险模型是生存数据分析中广泛应用的回归模型,该模型的一个基本假设是:随着时间的不断推移,研究总体必然经历失效事件.许多存在治愈成分的医疗健康数据与此模型假设相违背,因而Cox模型及其统计推断方法无法处理此类数据.比例风险治愈模型是对Cox模型的拓展和调整,能够解决违背模型假设的问题,同时保留了 Cox模型中不同受试者之间风险成比例的特征.本文利用比例风险治愈模型对带有治愈的生存数据进行统计分析,提出似然估计方法及其统计性质,并将统计推断应用到实际问题中.本文的研究内容由浅入深,可归纳为三部分.第一部分研究带有治愈的I型区间删失数据的统计分析问题.以比例风险治愈模型为研究模型,基于Bernstein多项式构造参数空间的Sieve逼近空间,并对多项式系数添加序约束,以实现非参数分量估计量单调不减的形状约束,进而提出比例风险治愈模型的Sieve极大似然估计方法.通过引入双层泊松潜变量构造EM算法,完成估计量的计算.基于第一部分的研究基础,第二部分进一步分析删失与缺失并存的队列研究数据.结合Sieve方法对病例队列研究数据与巢式病例对照研究数据提出拟极大似然估计方法.另一方面,为解决有效性损失问题,构造了 EM算法完成有效估计的计算.队列研究利用一部分成员的数据作为辅助信息,而研究之外的真实大数据则提供了更丰富的辅助信息.第三部分研究融合辅助信息的增强推断.利用大型癌症数据库提供的癌症病例生存概率作为辅助信息,借助经验似然方法,将生存概率转化为无偏估计方程,结合无偏估计方程与观测似然,对右删失数据提出更有效的约束极大似然估计方法.本文建立上述估计量的渐近性质,数值模拟和实例分析验证了有限样本下估计方法的优良性.
王晓璇[6]（2021）在《基于混合治愈模型的股票ST时间的适用性分析》文中研究说明生存分析是一系列用来研究感兴趣的事件发生时间的统计方法.在有些研究中,可能会存在一部分个体对感兴趣的失效事件免疫,或者说永远不会经历失效事件,这样的个体称为治愈个体.包含治愈个体的失效时间数据有一个很明显的特征:删失率很高.直观上看,Kaplan-Meier生存曲线随着时间增大趋向于一个非零常数,即在其尾部有一段平稳部分.例如:我国沪深证券交易所于1998年提出了上市公司退市预警机制:ST制度（Special Treatment）,深圳交易所上市公司多达一千三百多家,被ST处理的股票只有三百余支,占比较低,所以股票数据中有可能存在治愈个体.经典生存模型由于其假设的局限性不适合处理此类数据,治愈模型能很好地解决这一问题,治愈模型又分为混合治愈模型和非混合治愈模型.本文主要行文结构如下:在背景知识部分,主要介绍了中国股票市场特有的ST制度和治愈模型的发展.在理论知识部分,介绍了比例风险混合治愈模型的模型估计、EM算法、0-尾约束、方差估计和似然比检验;多重插补法,包括参数贝叶斯方法、非参数方法和其他方法;以及变量筛选和降维,包括Wilcoxon秩和检验、LASSO法和主成分分析.在实例分析部分,我们收集了深圳股市A股可能到达ST的生存时间数据和财务数据.首先,对收集到的生存时间数据进行似然比检验验证治愈个体的存在性.其次,用多重插补法补全缺失值.再次,用Wilcoxon秩和检验结合LASSO进行变量筛选,并借助主成分分析去除变量间的多重共线性.最后用比例风险混合治愈模型进行拟合,来分析公司财务指标对上市公司股票ST时间的影响.
刘玲玲[7]（2021）在《工作模态参数识别频域方法对比研究及其工程应用》文中研究表明模态参数如频率、阻尼比和振型等参数是表征结构动力学特征的重要参数。因不需使用额外的激励设备、不中断结构的正常使用等优点,工作模态分析（OMA）已经被广泛应用于土木工程结构的模态参数识别中。与时域方法相比,频域模态参数识别方法具有原理简单易懂、计算高效便捷和容易实现等优点。然然而,目前鲜有文献对不同类型的频域方法进行对比研究。因此,本文在国家自然科学基金（编号:51778203和51708164）等课题的资助下,针对环境激励下的频域模态参数识别几类流行的方法,对其理论、算法和计算机实现进行了深入的分析,并通过两个Benchmark算例对比各种方法在实际应用中的表现,进而归纳了各种方法的优缺点和适用范围。此外,由于传感器数量有限难以覆盖所有测点,抑或不同传感器采集的海量数据难以同步处理,大型土木工程结构环境振动测试通常需要划分多个测组进行多次测试。为识别结构整体的振型,本文提出了振型融合的两阶段快速贝叶斯方法,将单个测组中识别的局部振型融合成为整体振型并量化其不确定性,最后用一个实桥算例验证了方法的有效性。论文的主要工作和结论如下:（1）系统地讨论了工作模态参数识别的频域方法的理论和算法,并将其归纳为确定性非参数方法、确定性参数化拟合方法及不确定性分析方法等三大类。非参数方法包括传统功率谱方法、功率谱密度传递比（PSDT）方法及相干函数法等,每种方法按照是否使用奇异值分解又各分为两个类别进行阐述。确定性参数化拟合方法重点研究基于最小二乘复频域法发展起来的Poly MAX方法。不确定性分析方法主要介绍了极大似然函数法和贝叶斯FFT方法。非参数方法使用不同的方式构造峰值图,利用谱的特性或引入奇异值分解（SVD）技术提取模态频率;Poly MAX方法借助于模态模型识别模态参数,并使用稳定图剔除虚假模态;极大似然方法借助于谱的方差将信号中的噪声信息传递到模态参数中,而贝叶斯方法则将误差模型嵌入到概率模型中,可考虑多源不确定性的影响,具有严谨的统计推断理论。（2）通过广州塔和汀九桥两个健康监测Benchmark算例公开的数据,对三大类频域参数识别方法进行了分析,并深入对比了各频域方法识别结果的差异。研究表明,密集模态存在时,传统功率谱方法识别密集模态的能力逊色于频域分解法、PSDT法及相干函数法;相较于功率谱的方法,PSDT法和相干函数法能够有效消除广州塔的第一阶模态附近明显的虚假模态,并且能够产生更加尖锐的峰值;Poly MAX方法能够产生非常清晰的稳定图;贝叶斯方法在参数不确定性分析,尤其是阻尼参数不确定性量化方面,相较于极大似然估计方法明显更具科学性和合理性;贝叶斯FFT方法识别的阻比值相比Poly MAX方法及SSI方法偏小。（3）论文研究了窗函数选择、NFFT长度及信号长度对PSDT方法识别模态参数的影响;讨论了随着测点空间位置的变化,Poly MAX方法所能识别的模态数及所识别参数值的变化;研究了风速变化对参数识别结果的影响。广州塔和汀九桥两个算例分析结果表明,加Kaiser窗的峰值图,其峰值最为尖锐,且识别密集模态能力最强;NFFT过短则容易遗漏模态,而其过长则会使峰值曲线产生过多毛刺,干扰峰值的选取;分析信号长度越长,峰值曲线越平滑,可在一定程度上降低识别虚假模态的风险,但当其继续增大,对峰值曲线的影响趋于稳定;对于广州塔这一高耸柔性结构,相对而言,靠近塔顶处振幅相对较大,振型节点较少,测点响应所能识别的模态数较多,而对于汀九桥这一柔性桥梁结构,由于振型节点多处于靠近跨中处,因而测点响应所能识别的模态数相对较少。（4）针对大型结构环境振动实验划分多个测组的情况,提出了结构多测组振型融合的两阶段快速贝叶斯方法。第一阶段采用快速贝叶斯快速傅里叶变换（FFT）方法求解各测组频率、阻尼比和局部振型的最优值及协方差;第二阶段利用局部振型协方差信息自动分配各测组的权重,基于贝叶斯原理形成负对数似然函数,通过解析耦合迭代优化算法快速得到整体振型的最优值,并推导出负对数似然函数关于整体振型的Hessian矩阵的解析解,用于量化整体振型的不确定性。理论分析表明,局部振型的不确定性可表征各测组数据的质量,因此该方法具有根据各测组信息自动分配权重的能力。（5）为验证振型融合的快速贝叶斯方法的有效性,将该方法运用到一座斜拉人行桥的环境激励振动测试数据中,识别了结构整体振型并量化了其不确定性。结果表明,该方法计算效率较高,在振型融合过程中能有效抑制数据质量较差测组的影响,且对数据质量相对越差的测组,其“抑制作用”越明显。
李强[8]（2020）在《毫米波大规模共形阵列的波达方向估计方法研究》文中研究表明共形阵列是阵列流形和其安装载体保持一致的阵列。除了机械结构方面的优势外,共形阵列还提供了360度空间的全方向快速扫描和覆盖能力,这是传统阵列天线所不具备的特点。作为新一代雷达和通信等领域的关键,毫米波技术是当前研究的热点,而毫米波的波长极短和强耗损特点,使得毫米波结合大规模阵列成为重要的技术解决途径。作为当下阵列信号处理的两个研究热点,共形阵列和毫米波阵列的结合在可预见的未来会成为一个重要的研究方向,其应用场景包括基于无人机群的毫米波5G通信组网以及毫米波卫星通讯系统等,而快速且精确的波达方向（Direction-of-Arrival,DOA）估计是毫米波共形阵列得以充分发挥其优势的关键和前提。本文针对毫米波大规模共形阵列的特点,重点研究低复杂度、快速迭代、高精确的DOA估计算法,本文的主要工作及创新包括:1.针对大规模均匀圆阵（Uniform Circular Array,UCA）,提出了一种基于序列相关和最佳偏转相位搜索的复杂度低、精度高的单快拍DOA估计方法。该方法利用UCA阵列响应的相关性,构造了用于DOA粗估计的匹配系数序列,并通过循环互相关获得信号源DOA的粗估计;利用偏转相位重构匹配系数序列,从而通过搜索最佳偏转相位得到精确的DOA估计结果。具体创新包括:（1）提出并证明了大规模UCA的阵列响应具有良好的自相关性,并基于此设计了匹配系数序列,利用循环卷积高效实现DOA的粗估计;（2）提出了适用于UCA的相位偏转设计,利用相关运算的互易性质,将阵列响应的相位偏转转化至匹配系数序列,然后通过对最佳偏转相位的快速搜索实现DOA的精细化估计;（3）引入序贯干扰相消算法,实现了多信源的DOA估计。并将提出的单快拍方法扩展到多快拍场景,进一步提高了算法性能;（4）评估了本方法的运算量,和基于子空间的多种算法相比较,具有数量级上的优势;（5）推导了所提估计方法的克拉美-罗下界（Cramér-Rao Lower Bound,CRLB）的闭式解,并通过仿真实验验证了所提方法能够在高信噪比（Signal to Noise Ratio,SNR）下逼近CRLB。2.针对大规模均匀圆柱阵列,提出了一种基于离散傅里叶变换（Discrete Fourier Transform,DFT）、匹配相关和最佳偏转相位搜索的低复杂度、高精度的单快拍DOA估计方法。该方法利用均匀圆柱阵列的对称性特点,将二维角度估计解耦。首先,利用DFT和最佳偏转相位搜索实现基于均匀线阵（Uniform Linear Array,ULA）的俯仰维DOA初步估计。然后,基于匹配相关和最佳偏转相位搜索实现方位维DOA的估计。最后,借助方位维DOA估计结果对俯仰维DOA进行精确估计,从而最终得到大规模均匀圆柱阵列的二维DOA估计结果。具体创新包括:（1）基于空间矢量运算构建了均匀圆柱阵列的接收信号模型,并将均匀圆柱阵列的阵列响应分解成ULA和UCA的阵列响应的克罗内克积的形式;（2）利用相干积累将均匀圆柱阵的接收信号降维合成单个的虚拟UCA,从而可利用前文方法实现方位维DOA的估计,极大地提高了估计SNR和DOA估计精度;（3）利用相干积累将均匀圆柱阵的接收信号降维合成单个的虚拟ULA,进一步提高了俯仰维的估计SNR和DOA估计精度;（4）分析了偶极子极化模型下信号的特点以及对所提出算法的影响;（5）开展了大量仿真实验,验证了本章方法的高性能和相比于已有算法的优越性。3.针对大规模巴特勒矩阵收发器（Butler Matrix-based Transceiver,BMT）混合共形阵列,提出了基于宽波束合成、快速区间迭代和二进制编码的多种快速DOA估计方法。该类方法首先根据BMT的探测能力和排布方式对阵列探测角度空间进行了划分;然后利用BMT的宽波束合成方法合成多个宽波束,以覆盖整个探测角度空间;通过各个宽波束检测到的信号功率确定DOA所在的角度区间,迭代不断缩小角度区间范围直到将DOA定位到某个特定的DFT波束上。具体创新包括:（1）基于空间矢量运算建立了BMT共形阵列的信号模型;（2）提出了空间角度域的BMT宽波束合成方法;（3）提出了快速区间迭代的方案,包括密铺宽波束法和重叠宽波束法,计算和分析了其运算量和迭代速度;（4）提出和证明了BMT非重叠宽波束的自由叠加原理;（5）提出了基于等长二进制编码的DOA快速定位方法,计算和分析了其迭代速度;（6）针对DOA非等概率分布的情况,提出了基于哈夫曼编码的DOA快速定位方法。4.针对大规模BMT混合共形阵列,提出了基于DOA快速定位和高阶差分波束的精确DOA估计方法,以及基于极大似然准则的DOA估计结果融合方法。该方法首先进行前文所述的快速DOA估计,将DOA定位到特定的DFT波束上;再利用差分波束或高阶差分波束的方法,使用多个BMT分别进行DOA估计;最后利用极大似然估计的方法将多个BMT的估计结果进行融合,得到最终的精确DOA估计结果。具体创新包括:（1）分析了基于DFT波束的测角方法存在的缺点,据此提出了差分波束的概念,并推导了基于差分波束的DOA估计方法的闭式解;（2）构造并提出了高阶差分波束的概念,并讨论了其用于DOA估计的优势和存在的问题;（3）分析了硬件可实现的二阶差分波束的两种形式,推导了用于DOA估计的闭式解,对比讨论了各自的优缺点,以及和已有算法在DOA估计性能上的差异;（4）分析了差分波束和高阶差分波束在不同DOA下均方误差的差异性,并据此提出了基于极大似然法则的多BMT的DOA估计结果的融合方法;（5）通过仿真实验验证了所提方法的有效性,并通过对差分波束和高阶差分波束的性能仿真验证了其相较于DFT波束的优势和特点。
石庄彬[9]（2020）在《城市轨道交通线网客流分布态势演变研究》文中研究指明近年来我国城市轨道交通的运营规模不断扩大,线网客流量也随之急剧增加。为了应对高强度客流的组织管理,国内许多城市纷纷开始建设智能化、信息化、网络化的城市轨道交通线网指挥平台,这也是建设交通强国和智慧城市的重要组成部分。其中,准确实时的轨道交通线网客流分布对于实现网络运行状态监测及预警、协同运营组织优化、应急处置协调联动具有极其重要的作用。鉴于此,本文系统分析和研究城市轨道交通客流的时空分布变化规律和乘客出行特性,重点围绕乘客历史出行路径推断、动态OD客流估计、乘客路径选择行为三个关键科学问题展开,探究准确实时的城市轨道交通线网客流分布估计方法。研究成果对于提升我国城市轨道交通运营管理的智能化水平具有理论和实践的双层指导意义。首先,以南京市工作日轨道交通自动售检票系统（Automatic Fare Collection System,AFC）的刷卡交易数据为基础,提取了城市轨道交通客流量,主要包括进出站客流量和OD客流量矩阵;并分别从时间和空间两个维度详细分析了城市轨道交通客流分布特性,探讨城市轨道交通需求分布的时空变化规律和客流出行特性,为后续模型的构建、参数标定、验证以及应用研究奠定数据分析基础。其次,提出了一种基于限制搜索深度的线网OD可达路径搜索算法;以仅有单一可达路径的OD对作为分析对象,分别采用四种不同的随机分布对单一路径旅行时间进行分布拟合,得到单一路径的旅行时间分布呈现右偏厚尾的特征,并服从对数正态分布;在对单一路径旅行时间分布特征分析研究的基础上,构建了多路径OD对旅行时间的混合分布参数估计方法,同时引入自适应机制思想以实现分布参数的动态更新,在此基础上,利用贝叶斯分类器推断乘客历史出行路径。结果表明,基于自适应机制的动态分布参数估计方法能够更好地描述路径旅行时间的趋势变化和不确定性水平。同时,路径选择比例一致性检验结果表明,本文构建的历史乘客出行路径推断模型估计结果具有很高的可信度。然后,梳理了大规模交通网络OD估计问题中可观测量和待估计OD量之间的复杂关系,以矩阵形式建立了城市轨道交通网络中站点的动态流量守恒关系;本文突破传统动态OD估计模型对于系统噪声的高斯分布假设,构建了基于粒子滤波算法的动态OD客流估计模型,并通过粒子更新和预采样动态捕捉OD客流周期性的影响强度。结果表明相比传统的历史值估计法和卡尔曼滤波方法,本文构建的基于粒子滤波算法的动态OD客流估计方法在整体指标和分时段指标都表现出更高的准确性,且具有非常良好的运行效率,完成单个时间段的OD估计平均仅耗时1.37秒,完全满足城市轨道交通企业动态运输组织的时效性要求。最后,分析了城市轨道交通乘客路径选择行为特征以及与道路交通系统的不同点;分别从路径固有属性（换乘次数、路径旅行时间）和拥挤关联属性两个方面探讨了城市轨道交通中路径选择行为的潜在影响因素,并建立对应量化表征指标;以AFC刷卡数据和根据路径推断结果仿真得到的精细路径状态信息为基础建模数据,构建了基于条件多项Logit模型的乘客路径选择模型,并对模型参数进行标定;结果表明,相比于只考虑简单静态路径信息的选择模型,本文构建的乘客实时路径选择模型不仅具有更好的拟合能力,还更深度而全面地揭示了乘客路径选择行为的决策机理,可以为企业运输组织方案的制定提供精细化和有价值的参考依据。
谢昂[10]（2020）在《数据驱动的手机传感器融合与室内行人轨迹重建方法研究》文中研究说明智能手机的普及和其所配备的丰富传感器使其逐渐成为新的感知和计算平台。借助智能手机获取位置信息的便利,基于位置的服务受到产业界越来越多的关注,其关键在于如何获取精准可靠的室内行人运动轨迹。目前的技术能够利用智能手机传感器读数对持有者进行行走判断与方向估计,并且能够通过手机扫描得到的室内无线信号强度特征进行粗略的位置估计,但这些方法会不免受到噪声、累积估计误差、以及信号波动等因素的影响,从而限制了它们的精度。此外,目前的高精度室内位置估计方法大多依赖于特定的设备安装与环境布置,如射频识别、红外、可见光、计算机视觉和超声波等,这些方法虽然能够提供较为准确的位置估计,但成本极高,很难被普遍推广到日常生活应用中。为了能够在一般的室内环境中取得较高的轨迹重建精度,一个极具前景的发展方向是对现有技术手段进行融合互补,并在模型及算法层面上提升其表示能力,从长时间积累于应用之中的历史数据学习复杂的映射关系。本文提出了一种数据驱动的室内轨迹重建方法,利用非参数化的高斯过程模型对行人前后时刻位置之间的映射关系以及位置与量测量之间的映射关系进行建模,得到具有强大表示能力的高斯过程状态空间模型（Gaussian process state-space model,GPSSM）,能够更准确地捕捉一切动态行为。相比在室内场景中常用的参数化经验模型,数据驱动的非参模型能够更好地表示复杂的行人运动模式以及在复杂的无线传播环境下收集到的量测数据。GPSSM为基于WiFi接收信号强度的位置估计方法以及基于智能手机惯性测量单元的行人航位推算技术提供了天然的融合机制,有助于对室内轨迹重建算法进行整体、全新地设计。此外,与黑箱式的深度神经网络框架相比,高斯过程所代表的贝叶斯方法具有更好的模型解释性和灵活性。本文针对GPSSM的特殊、复杂结构,结合贝叶斯学习、推断以及深度学习的最新进展,为其设计精确的、低计算复杂度的、可扩展至大数据集的超参数训练框架。本文还为GPSSM在室内轨迹重建场景下的实际应用进行了适配,并针对算法的计算复杂度以及稳定性等问题提出了相应的优化方案。本文设计并开发了一套用于智能手机传感器数据收集、传输和存储管理的软件系统,并在真实、复杂的室内环境中收集行人历史轨迹数据用以训练GPSSM,展示它所带来的轨迹重建精度提升效果和极佳的自适应性。
二、一种用于推算感染时间曲线的非参数极大似然估计方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种用于推算感染时间曲线的非参数极大似然估计方法（论文提纲范文）
（1）地图匹配辅助的Wi-Fi/iBeacon/PDR室内融合定位算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 Wi-Fi定位技术研究现状 |
| 1.2.2 iBeacon定位技术研究现状 |
| 1.2.3 PDR定位技术研究现状 |
| 1.2.4 多源融合定位技术研究现状 |
| 1.2.5 室内定位领域存在的问题 |
| 1.3 论文主要研究内容 |
| 1.4 本章小结 |
| 2 室内定位技术算法介绍及定位精度评价 |
| 2.1 定位精度评价标准 |
| 2.2 室内定位基本方法 |
| 2.2.1 三边测量定位法 |
| 2.2.2 极大似然法 |
| 2.3 常用的定位算法 |
| 2.3.1 RSSI定位算法 |
| 2.3.2 TOA定位算法 |
| 2.3.3 TDOA定位算法 |
| 2.3.4 AOA定位算法 |
| 2.4 本章小结 |
| 3 室内定位技术 |
| 3.1 Wi-Fi室内定位技术 |
| 3.1.1 基于K近邻的位置指纹库匹配室内定位 |
| 3.1.2 基于SVM的位置指纹库匹配室内定位 |
| 3.1.3 Wi-Fi室内定位流程 |
| 3.1.4 定位结果及精度评价 |
| 3.2 iBeacon室内定位技术 |
| 3.2.1 性能指标模型定位 |
| 3.2.2 iBeacon室内定位流程 |
| 3.2.3 定位结果及精度评价 |
| 3.3 PDR室内定位技术 |
| 3.3.1 MEMS传感器分类 |
| 3.3.2 PDR定位算法坐标系 |
| 3.3.3 计步算法与步长估计 |
| 3.3.4 PDR室内定位流程 |
| 3.3.5 定位结果及精度评价 |
| 3.4 本章小结 |
| 4 地图匹配辅助Wi-Fi/iBeacon/PDR室内融合定位技术 |
| 4.1 室内融合定位及辅助定位技术介绍 |
| 4.1.1 标准卡尔曼滤波 |
| 4.1.2 扩展卡尔曼滤波 |
| 4.1.3 滑动平均滤波 |
| 4.1.4 辅助室内定位的地图匹配技术 |
| 4.2 室内融合定位算法 |
| 4.2.1 地图匹配辅助的Wi-Fi与PDR融合定位 |
| 4.2.2 地图匹配辅助的Wi-Fi、PDR与iBeacon滑动平均滤波融合定位 |
| 4.2.3 地图匹配辅助的Wi-Fi、PDR与iBeacon EKF融合定位 |
| 4.3 融合定位结果分析 |
| 4.4 本章小结 |
| 5 结论与展望 |
| 5.1 本文研究内容总结 |
| 5.2 研究的工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介及读研期间主要科研成果 |
（2）经济发展对二氧化碳排放影响的再评估 ——基于具有自回归误差结构的部分线性模型（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外文献综述及述评 |
| 1.2.1 部分线性模型的研究现状 |
| 1.2.2 经济发展对二氧化碳排放影响的研究现状 |
| 1.2.3 文献述评 |
| 1.3 研究思路与框架 |
| 1.3.1 研究思路与内容 |
| 1.3.2 研究框架 |
| 1.4 创新与难点 |
| 第2章 预备知识 |
| 2.1 基础模型概述 |
| 2.1.1 自回归模型 |
| 2.1.2 部分线性模型 |
| 2.2 统计推断概述 |
| 2.2.1 最小二乘法 |
| 2.2.2 假设检验 |
| 2.3 核估计方法概述 |
| 2.3.1 核密度估计 |
| 2.3.2 Nadaraya-Watson核估计方法 |
| 2.4 经验似然方法概述 |
| 2.5 二氧化碳排放的影响因素 |
| 2.6 本章小结 |
| 第3章 自回归误差下部分线性模型的参数估计 |
| 3.1 具有自回归误差结构的部分线性模型 |
| 3.2 两步估计方法 |
| 3.2.1 符号设置 |
| 3.2.2 两步估计方法 |
| 3.2.3 两步估计的性质 |
| 3.3 数值模拟 |
| 3.4 定理的证明 |
| 3.4.1 两步估计的相合性 |
| 3.4.2 两步估计的渐近正态性 |
| 3.5 本章小结 |
| 第4章 自回归误差下部分线性模型的假设检验 |
| 4.1 经验似然检验方法 |
| 4.2 数值模拟 |
| 4.3 定理的证明 |
| 4.4 本章小结 |
| 第5章 经济发展对二氧化碳排放影响的实证分析 |
| 5.1 模型的构建 |
| 5.2 数据来源及描述 |
| 5.2.1 数据来源 |
| 5.2.2 数据描述 |
| 5.3 统计分析 |
| 5.3.1 参数估计 |
| 5.3.2 关于β的假设检验 |
| 5.4 本章小结 |
| 第6章 总结与不足 |
| 6.1 总结 |
| 6.2 不足与改进方向 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间取得的科研成果 |
（3）贝叶斯机器学习在火灾正向预测与源强反算中的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 火灾温度预测替代模型研究现状 |
| 1.2.2 CoKriging多保真替代模型研究现状 |
| 1.2.3 火源反算方法研究现状 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究目的及内容 |
| 1.3.2 章节安排与技术路线 |
| 第2章 研究模型与方法 |
| 2.1 火灾计算模拟方法 |
| 2.1.1 池火热辐射的经验求解方法 |
| 2.1.2 常见火灾数值模拟方法 |
| 2.2 火灾正向预测替代模型 |
| 2.2.1 单保真替代模型 |
| 2.2.2 CoKriging多保真替代模型 |
| 2.3 贝叶斯火灾反演模型 |
| 2.3.1 贝叶斯统计推断 |
| 2.3.2 马尔科夫链蒙特卡洛算法 |
| 2.4 本章小结 |
| 第3章 CoKriging模型在火灾温度预测中的应用研究 |
| 3.1 引言 |
| 3.2 多保真训练数据集的准备 |
| 3.2.1 单室火灾场景与数值模拟 |
| 3.2.2 数据后处理及相关性检验 |
| 3.2.3 高、低保真数据占比的初步划分 |
| 3.3 多保真温度预测模型的构建 |
| 3.3.1 CoKriging模型的设置 |
| 3.3.2 CoKriging模型的有效性验证 |
| 3.4 预测结果与对比分析 |
| 3.4.1 多保真替代模型与数值模拟方法预测结果的对比分析 |
| 3.4.2 多保真替代模型与单保真替代模型预测结果的对比分析 |
| 3.4.3 高、低保真度训练数据占比对预测结果的影响探究 |
| 3.5 本章小结 |
| 第4章 贝叶斯反演模型在火源推算中的应用研究 |
| 4.1 引言 |
| 4.2 基于Shokri-Beyler经验关系式的火源直径反演 |
| 4.2.1 池火实验与观测数据 |
| 4.2.2 火源直径反演模型的设定 |
| 4.2.3 采样诊断 |
| 4.2.4 后验分析 |
| 4.3 贝叶斯反演模型性能研究 |
| 4.3.1 观测数据对反演结果的影响研究 |
| 4.3.2 贝叶斯反演的多解问题 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 本文主要内容及结论 |
| 5.2 创新点 |
| 5.3 展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的其他研究成果 |
（4）基于广义差异比混合治愈模型对新型冠状病毒肺炎潜伏期的统计分析（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 文章结构 |
| 2 基础理论 |
| 2.1 删失数据 |
| 2.2 基本函数 |
| 2.2.1 生存函数 |
| 2.2.2 风险函数 |
| 2.3 生存模型 |
| 2.3.1 比例风险模型 |
| 2.3.2 比例差异模型 |
| 2.3.3 广义差异比模型 |
| 3 广义差异比混合治愈模型的统计推断 |
| 3.1 广义差异比混合治愈模型 |
| 3.2 极大似然估计与EM算法 |
| 3.2.1 样条函数 |
| 3.2.2 似然函数的构造 |
| 3.2.3 EM算法 |
| 3.2.4 方差估计 |
| 3.3 小结 |
| 4 数值模拟 |
| 4.1 模拟过程 |
| 4.2 样条节点和次数选取 |
| 4.3 模拟结果 |
| 4.3.1 20%区间删失率 |
| 4.3.2 40%区间删失率 |
| 4.4 小结 |
| 5 实例分析 |
| 5.1 数据背景及来源 |
| 5.2 数据概述 |
| 5.3 模型假设 |
| 5.4 生存曲线估计 |
| 5.4.1 Turnbull估计 |
| 5.4.2 样本生存估计 |
| 5.4.3 分特征的生存估计 |
| 5.5 模型应用 |
| 5.6 模型比较 |
| 5.7 小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（5）生存数据下比例风险治愈模型的统计推断（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 本文工作 |
| 2 Ⅰ型区间删失数据下比例风险治愈模型的统计推断 |
| 2.1 引言 |
| 2.2 模型 |
| 2.3 Sieve极大似然估计 |
| 2.4 渐近性质 |
| 2.5 EM算法 |
| 2.6 模拟研究 |
| 2.7 实例分析 |
| 2.8 定理证明 |
| 2.9 本章小结 |
| 3 右删失与缺失并存下比例风险治愈模型的统计推断 |
| 3.1 引言 |
| 3.2 模型及两类队列设计 |
| 3.3 拟极大似然估计 |
| 3.4 渐近性质 |
| 3.5 EM算法 |
| 3.6 模拟研究 |
| 3.7 实例分析 |
| 3.8 定理证明 |
| 3.9 本章小结 |
| 4 右删失数据下融合辅助信息的比例风险治愈模型的统计推断 |
| 4.1 引言 |
| 4.2 模型及辅助信息 |
| 4.3 约束极大似然估计 |
| 4.4 渐近性质 |
| 4.5 模拟研究 |
| 4.6 实例分析 |
| 4.7 定理证明 |
| 4.8 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 创新点 |
| 5.3 展望 |
| 参考文献 |
| 攻读博士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
（6）基于混合治愈模型的股票ST时间的适用性分析（论文提纲范文）
| 摘要 |
| Abstract |
| 1 背景知识 |
| 2 生存分析 |
| 2.1 基本概念 |
| 2.2 主要函数 |
| 2.3 研究内容 |
| 2.4 Cox比例风险回归模型 |
| 3 比例风险混合治愈模型的统计推断 |
| 3.1 模型和估计 |
| 3.1.1 极大似然估计 |
| 3.1.2 EM算法 |
| 3.1.3 0 -尾约束 |
| 3.1.4 方差估计 |
| 3.2 似然比检验 |
| 4 多重插补法 |
| 4.1 参数贝叶斯方法 |
| 4.2 非参数方法 |
| 4.3 其他方法 |
| 4.4 统计推断 |
| 5 变量筛选和降维 |
| 5.1 Wilcoxon秩和检验 |
| 5.2 LASSO方法 |
| 5.3 主成分分析 |
| 6 股票数据实例分析 |
| 6.1 财务指标选取 |
| 6.1.1 符号说明 |
| 6.1.2 财务预备知识 |
| 6.2 数据预处理 |
| 6.2.1 似然比检验 |
| 6.2.2 缺失值处理 |
| 6.3 变量筛选和降维 |
| 6.3.1 Wilcoxon秩和检验 |
| 6.3.2 LASSO变量筛选 |
| 6.3.3 主成分分析 |
| 6.4 模型拟合 |
| 结论 |
| 参考文献 |
| 附录 A 失效个体与删失个体各变量分布比较 |
| 致谢 |
（7）工作模态参数识别频域方法对比研究及其工程应用（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 工作模态参数识别频域方法综述 |
| 1.2.1 传统的功率谱方法 |
| 1.2.2 频域分解法 |
| 1.2.3 功率谱密度传递比方法与基于奇异值分解的功率谱密度传递比方法 |
| 1.2.4 相干函数法与基于奇异值分解的相干函数法 |
| 1.2.5 PolyMAX方法 |
| 1.2.6 极大似然函数法 |
| 1.2.7 贝叶斯模态参数识别方法 |
| 1.3 结构多测组振型融合方法综述 |
| 1.4 本文的主要工作 |
| 第二章 工作模态参数识别频域方法理论对比研究 |
| 2.1 引言 |
| 2.2 非参数识别方法 |
| 2.2.1 传统的功率谱方法 |
| 2.2.2 功率谱密度传递比方法 |
| 2.2.3 相干函数方法 |
| 2.3 参数化拟合方法 |
| 2.4 不确定分析方法 |
| 2.4.1 基于模态模型的极大似然识别方法(MLMM) |
| 2.4.2 快速贝叶斯FFT方法 |
| 2.5 本章小结 |
| 第三章 工作模态参数识别频域方法Benchmark算例对比研究 |
| 3.1 引言 |
| 3.2 广州塔模态参数识别 |
| 3.2.1 广州塔监测系统及测试数据说明 |
| 3.2.2 非参数方法识别结果 |
| 3.2.3 参数方法识别结果 |
| 3.2.4 不确定分析方法识别结果 |
| 3.2.5 参数分析 |
| 3.3 汀九桥模态参数识别 |
| 3.3.1 汀九桥监测系统及测试数据说明 |
| 3.3.2 非参数方法识别结果 |
| 3.3.3 参数方法识别结果 |
| 3.3.4 不确定分析方法识别结果 |
| 3.3.5 参数分析 |
| 3.4 本章小结 |
| 第四章 结构多测组振型融合理论 |
| 4.1 引言 |
| 4.2 多测组工况下结构振型识别问题 |
| 4.3 各测组局部振型识别 |
| 4.4 贝叶斯振型融合理论 |
| 4.4.1 局部振型与整体振型的关联 |
| 4.4.2 整体振型后验概率密度函数 |
| 4.4.3 整体振型最优值 |
| 4.4.4 整体振型最优值 |
| 4.4.5 整体振型后验不确定性 |
| 4.5 本章小结 |
| 第五章 结构多测组振型融合方法的实桥应用 |
| 5.1 引言 |
| 5.2 白马湖公园虹桥简介 |
| 5.3 模态置信准则(MAC)概率指标 |
| 5.4 识别结果 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 本文研究的主要结论 |
| 6.2 后续工作展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
（8）毫米波大规模共形阵列的波达方向估计方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 共形阵列 |
| 1.1.2 毫米波阵列 |
| 1.1.3 毫米波大规模共形阵列的DOA估计问题 |
| 1.2 研究现状 |
| 1.2.1 共形阵列DOA估计方法的研究现状 |
| 1.2.2 大规模毫米波MIMO系统的研究现状 |
| 1.3 本文研究内容及章节安排 |
| 第二章 大规模均匀圆阵的单快拍精确DOA估计 |
| 2.1 引言 |
| 2.2 系统模型和问题描述 |
| 2.3 经典相位模式方法的回顾 |
| 2.4 DOA粗估计 |
| 2.5 DOA估计的精细化 |
| 2.6 基于序贯干扰相消算法的多DOA估计方法 |
| 2.7 多快拍精确DOA估计方法 |
| 2.8 算法性能分析 |
| 2.8.1 运算复杂度分析 |
| 2.8.2 CRLB分析 |
| 2.9 仿真结果与分析 |
| 2.10 本章小结 |
| 第三章 大规模均匀圆柱阵列的单快拍二维DOA估计 |
| 3.1 引言 |
| 3.2 系统模型和问题描述 |
| 3.3 大规模均匀线阵的单快拍精确DOA估计 |
| 3.3.1 DOA粗估计 |
| 3.3.2 DOA估计的精细化 |
| 3.4 大规模均匀圆柱阵列的单快拍二维DOA估计 |
| 3.4.1 俯仰角DOA初步估计 |
| 3.4.2 方位角DOA估计 |
| 3.4.3 俯仰角DOA精确估计 |
| 3.5 极化因素对信号模型和算法性能的影响 |
| 3.6 算法性能分析 |
| 3.6.1 运算复杂度分析 |
| 3.6.2 CRLB分析 |
| 3.7 仿真结果与分析 |
| 3.8 本章小结 |
| 第四章 大规模BMT混合共形阵列的快速DOA估计 |
| 4.1 引言 |
| 4.2 系统模型和问题描述 |
| 4.2.1 巴特勒矩阵收发器 |
| 4.2.2 基于BMT的混合共形阵列信号模型 |
| 4.2.3 BMT混合共形阵列的信号特点 |
| 4.3 基于区间迭代的DOA快速定位方法 |
| 4.3.1 BMT宽波束合成原理 |
| 4.3.2 BMT混合共形阵列的探测空间划分 |
| 4.3.3 密铺宽波束法 |
| 4.3.4 重叠宽波束法 |
| 4.4 基于二进制编码的DOA快速定位方法 |
| 4.4.1 等长二进制编码法 |
| 4.4.2 哈夫曼编码法 |
| 4.4.3 各种DOA快速定位方法的比较 |
| 4.5 本章小结 |
| 第五章 大规模BMT混合共形阵列的精确DOA估计 |
| 5.1 引言 |
| 5.2 基于差分波束的精确DOA估计方法 |
| 5.3 基于高阶差分波束的精确DOA估计方法 |
| 5.3.1 高阶差分波束 |
| 5.3.2 基于二阶差分波束的DOA估计方法 |
| 5.4 多个BMT的 DOA估计结果融合方法 |
| 5.5 各种精确DOA估计方法的比较 |
| 5.6 仿真结果与分析 |
| 5.7 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文研究工作总结 |
| 6.2 研究工作展望 |
| 6.2.1 均匀圆柱阵列的二维DOA估计过程中误差传递分析 |
| 6.2.2 锥台型共形阵列的二维DOA估计问题 |
| 6.2.3 大规模BMT混合共形阵列的宽带DOA估计问题 |
| 6.2.4 大规模BMT混合共形阵列的多径DOA估计问题 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）城市轨道交通线网客流分布态势演变研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 国内外研究概况 |
| 1.2.1 轨道交通OD客流估计 |
| 1.2.2 轨道交通出行路径推断 |
| 1.2.3 轨道交通路径选择行为 |
| 1.2.4 现状研究存在的不足 |
| 1.3 主要研究内容 |
| 1.4 研究方法及技术路线 |
| 第2章 城市轨道交通客流时空分布特性研究 |
| 2.1 数据来源及预处理 |
| 2.1.1 研究区域 |
| 2.1.2 数据描述 |
| 2.1.3 数据预处理 |
| 2.2 城市轨道交通站点客流时空分布特性 |
| 2.2.1 站点客流时间分布特性 |
| 2.2.2 站点客流空间分布特性 |
| 2.3 城市轨道交通OD客流时空分布特性 |
| 2.3.1 站间OD客流时空分布特性 |
| 2.3.2 跨域OD客流时空分布特性 |
| 2.3.3 旅行时间分布特性 |
| 2.4 本章小结 |
| 第3章 基于自适应机制的乘客历史出行路径推断 |
| 3.1 概述 |
| 3.2 OD对可达路径集生成 |
| 3.3 城市轨道交通换乘扩展网络重构 |
| 3.4 城市轨道交通旅行时间的组成及随机特性 |
| 3.4.1 旅行时间的组成 |
| 3.4.2 旅行时间的随机特性分析 |
| 3.5 单一路径旅行时间随机分布特征 |
| 3.5.1 单一路径旅行时间分布拟合 |
| 3.5.2 单一路径旅行时间分布函数参数特征分析 |
| 3.6 基于自适应机制的动态出行路径推断模型框架构建 |
| 3.6.1 乘客历史出行路径推断问题基本描述 |
| 3.6.2 基于受约束EM算法的混合分布静态参数估计 |
| 3.6.3 基于自适应机制的混合分布动态参数估计 |
| 3.7 模型实施结果及讨论 |
| 3.7.1 换乘路径平均旅行时间估计 |
| 3.7.2 混合分量分布参数的初始值及其上下界确定 |
| 3.7.3 OD对最优有效路径数量确定 |
| 3.7.4 自适应机制学习速率确定 |
| 3.7.5 单一路径旅行时间动态性分析 |
| 3.7.6 路径选择比例一致性检验 |
| 3.8 本章小结 |
| 第4章 基于粒子滤波算法的大规模网络动态OD客流估计 |
| 4.1 概述 |
| 4.2 城市轨道交通线网动态流量关系 |
| 4.3 粒子滤波算法原理 |
| 4.3.1 粒子滤波的基本框架 |
| 4.3.2 贝叶斯滤波 |
| 4.3.3 重要性重采样 |
| 4.4 基于粒子滤波算法的动态OD客流估计模型 |
| 4.5 实例分析及模型评价 |
| 4.5.1 建模数据准备 |
| 4.5.2 模型估计性能检验指标 |
| 4.5.3 模型总体性能评价 |
| 4.5.4 模型分时段性能评价 |
| 4.6 本章小结 |
| 第5章 基于精细路径信息的乘客路径选择行为建模 |
| 5.1 概述 |
| 5.2 城市轨道交通乘客路径选择行为机理分析 |
| 5.3 路径选择影响因素分析及表征 |
| 5.3.1 路径固有属性 |
| 5.3.2 拥挤关联属性 |
| 5.4 乘客路径选择行为模型构建 |
| 5.4.1 离散模型基本原理 |
| 5.4.2 轨道交通路径效用函数 |
| 5.5 实例分析及模型检验 |
| 5.5.1 数据描述 |
| 5.5.2 解释变量共线性分析 |
| 5.5.3 模型参数估计及检验 |
| 5.5.4 模型参数敏感性分析 |
| 5.6 本章小结 |
| 第6章 研究结论和展望 |
| 6.1 主要研究成果与结论 |
| 6.2 主要创新点 |
| 6.3 研究展望 |
| 致谢 |
| 参考文献 |
| 作者简介、在读期间发表论文及参与科研情况 |
（10）数据驱动的手机传感器融合与室内行人轨迹重建方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 缩略语 |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.2 研究现状分析 |
| 1.2.1 国内外研究现状 |
| 1.2.2 发展趋势 |
| 1.3 论文主要研究内容及创新点 |
| 1.4 论文结构安排 |
| 2 智能手机传感器数据收集系统 |
| 2.1 手机内置的传感器种类 |
| 2.2 数据的采集、传输与存储 |
| 2.3 本章小结 |
| 3 WIFI定位技术与行人航位推算技术 |
| 3.1 基于WIFI接收信号强度的位置估计技术 |
| 3.2 基于惯性测量单元的行人航位推算技术 |
| 3.3 场地实验与性能分析 |
| 3.4 本章小结 |
| 4 基于线性高斯状态空间模型的室内轨迹重建 |
| 4.1 线性高斯状态空间模型 |
| 4.2 卡尔曼滤波器与Rauch-Tung-Striebel平滑器 |
| 4.3 基于期望极大值化算法的模型参数估计 |
| 4.4 场地实验与性能分析 |
| 4.5 本章小结 |
| 5 基于数据驱动模型与贝叶斯学习的室内轨迹重建 |
| 5.1 高斯过程 |
| 5.1.1 高斯过程回归模型 |
| 5.1.2 常见的核函数 |
| 5.1.3 稀疏高斯过程 |
| 5.2 变分贝叶斯 |
| 5.3 高斯过程状态空间模型 |
| 5.4 室内轨迹重建场景下的模型学习方案 |
| 5.4.1 量测函数的学习 |
| 5.4.2 传递函数的学习 |
| 5.4.3 诱发输入的选择 |
| 5.4.4 粒子平滑器 |
| 5.5 场地实验与性能分析 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 参考文献 |
| 附录 A 文中涉及的数学基础 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
四、一种用于推算感染时间曲线的非参数极大似然估计方法（论文参考文献）
- [1]地图匹配辅助的Wi-Fi/iBeacon/PDR室内融合定位算法研究[D]. 赵佳星. 安徽理工大学, 2021(02)
- [2]经济发展对二氧化碳排放影响的再评估 ——基于具有自回归误差结构的部分线性模型[D]. 王雨. 江西财经大学, 2021(10)
- [3]贝叶斯机器学习在火灾正向预测与源强反算中的应用研究[D]. 沈迪. 中国科学技术大学, 2021(08)
- [4]基于广义差异比混合治愈模型对新型冠状病毒肺炎潜伏期的统计分析[D]. 张美玲. 大连理工大学, 2021(02)
- [5]生存数据下比例风险治愈模型的统计推断[D]. 韩博. 大连理工大学, 2021
- [6]基于混合治愈模型的股票ST时间的适用性分析[D]. 王晓璇. 大连理工大学, 2021(02)
- [7]工作模态参数识别频域方法对比研究及其工程应用[D]. 刘玲玲. 合肥工业大学, 2021
- [8]毫米波大规模共形阵列的波达方向估计方法研究[D]. 李强. 西安电子科技大学, 2020(02)
- [9]城市轨道交通线网客流分布态势演变研究[D]. 石庄彬. 东南大学, 2020(02)
- [10]数据驱动的手机传感器融合与室内行人轨迹重建方法研究[D]. 谢昂. 北京交通大学, 2020(03)