決策融合算法與極值指數(shù)的Pickands型估計.pdf

1、眾所周知，多傳感器數(shù)據(jù)融合技術(shù)已經(jīng)被廣泛地應(yīng)用于軍用與民用領(lǐng)域。多傳感器數(shù)據(jù)融合的主要問題之一就是多傳感器分布式判決，這是由Tenney與Sandell在上個世紀八十年代首次提出來的，他們研究了在傳感器融合律給定及傳感器觀測獨立條件下的兩傳感器分布式Bayes二元判決。而如何求一般(非獨立)傳感器觀測條件下，以及怎樣求最優(yōu)融合律是多傳感器分布式判決的兩大主要問題。曾有不少學(xué)者分別致力于最優(yōu)融合律與最優(yōu)分站壓縮律的研究。對于最優(yōu)融合律問題

2、來說，已有學(xué)者對一類特定的通訊模式給出了最優(yōu)融合律，而對一般通訊模式的多傳感器決策融合系統(tǒng)來說，最優(yōu)融合律問題還是一個尚未解決的問題。在這篇文章里，對并聯(lián)二元Bayes判決系統(tǒng)給出了一種同時搜索最優(yōu)融合律及其相應(yīng)的最優(yōu)分站壓縮律的算法，而不需要用窮舉所有融合律再計算對應(yīng)的最優(yōu)分站數(shù)據(jù)壓縮律以比較所有決策損失才獲得最優(yōu)融合律及達到全局最優(yōu)性能。我們將原系統(tǒng)的融合中心看成一個虛擬的分站，從而使得原系統(tǒng)的最優(yōu)融合律及相應(yīng)的最優(yōu)分站壓縮律問題轉(zhuǎn)

3、化為增加一個虛擬分站的新系統(tǒng)在固定融合律下的最優(yōu)分站壓縮律問題。給出了前面所提到的新系統(tǒng)的最優(yōu)分站壓縮律的必要條件，并對此算法在離散格式下的有限步收斂性進行了證明，數(shù)值模擬表明了該算法的有效性。 經(jīng)典極值理論是討論獨立同分布的隨機變量序列的最大(或最小)的漸近分布。它已經(jīng)成為概率論的一個重要的分支。極值理論不僅在海洋與環(huán)境工程、氣象學(xué)、交通工程、水利工程、材料科學(xué)等工程領(lǐng)域發(fā)揮著重要作用，而且它在金融行業(yè)里的地位也日益突出。在極

4、值理論的應(yīng)用中，對最大地震強度、最大浪高、大額的保險理賠等稀少事件的概率的估計，是與極值指數(shù)聯(lián)系在一起的。因此，如何利用樣本來估計極值指數(shù)的問題已經(jīng)引起極值統(tǒng)計學(xué)者們的極大關(guān)注。 當然，對極值指數(shù)的估計方法也不少，其中最著名的是Pickands型估計量與Hill型估計量，在此基礎(chǔ)上，已經(jīng)有一些學(xué)者對估計量進行了拓廣，比如，提出新的Pickands型估計量、位置不變的Hill型估計量、矩估計量等等，并研究其漸近性質(zhì)。本文對作者曾經(jīng)

5、提出的一類新的Pickands型估計量(極值分布指數(shù)為負時)，討論其漸近分布?；诖斯烙嬃?，又給出了分布的大分位數(shù)與上端點的估計量，并討論了其漸近分布。無論是極值指數(shù)的Pickands型估計量、Hill型估計量、矩估計量，還是分位數(shù)與上端點的估計量都是基于樣本(次序統(tǒng)計量)來構(gòu)建的。因此，估計量所包含的上次序統(tǒng)計量的個數(shù)的選取就是一個值得探討的問題。在這篇文章里，對于作者曾經(jīng)提出的一類新的Pickands型估計量，在一定的正則變換條件下