本文考虑多维广义线性模型的拟似然方程sum from i=1 to n X_i(y_i-μ(X_i^1β))=0,在一定条件下证明了此方程的解(?)渐近存在,并得到了其收敛速度,即■_n-β_0=O_p(■_n^(-1/2)),其中β_0为参数β的真值,■_n是方阵S_n=sum from i=1 to...本文考虑多维广义线性模型的拟似然方程sum from i=1 to n X_i(y_i-μ(X_i^1β))=0,在一定条件下证明了此方程的解(?)渐近存在,并得到了其收敛速度,即■_n-β_0=O_p(■_n^(-1/2)),其中β_0为参数β的真值,■_n是方阵S_n=sum from i=1 to n X_iX_i^1的最小特征值．展开更多
基于无线传感器网络结合卡尔曼滤波理论的方法对单个移动目标的跟踪研究。在实验中,运用MIT的室内定位系统Cricket系统作为硬件验证系统,采用到达时间差(Time Difference of Arrival,TDOA)的方法来测距,然后根据测得的距离采用极大似然...基于无线传感器网络结合卡尔曼滤波理论的方法对单个移动目标的跟踪研究。在实验中,运用MIT的室内定位系统Cricket系统作为硬件验证系统,采用到达时间差(Time Difference of Arrival,TDOA)的方法来测距,然后根据测得的距离采用极大似然估计算法来定位。最后根据移动目标的运行特点,建立目标的跟踪模型,并采用卡尔曼(Kalman)滤波的测量跟踪算法来实现移动目标的跟踪过程。实验结果表明,该方法可以有效地跟踪移动目标,并且误差范围在0～4.5cm内,稳定性也比较高。展开更多
基金partly supported by National Natural Science Foundation of China and President Foundation of GUCAS.
文摘本文考虑多维广义线性模型的拟似然方程sum from i=1 to n X_i(y_i-μ(X_i^1β))=0,在一定条件下证明了此方程的解(?)渐近存在,并得到了其收敛速度,即■_n-β_0=O_p(■_n^(-1/2)),其中β_0为参数β的真值,■_n是方阵S_n=sum from i=1 to n X_iX_i^1的最小特征值．
文摘基于无线传感器网络结合卡尔曼滤波理论的方法对单个移动目标的跟踪研究。在实验中,运用MIT的室内定位系统Cricket系统作为硬件验证系统,采用到达时间差(Time Difference of Arrival,TDOA)的方法来测距,然后根据测得的距离采用极大似然估计算法来定位。最后根据移动目标的运行特点,建立目标的跟踪模型,并采用卡尔曼(Kalman)滤波的测量跟踪算法来实现移动目标的跟踪过程。实验结果表明,该方法可以有效地跟踪移动目标,并且误差范围在0～4.5cm内,稳定性也比较高。
