该文件介绍了一种新的线性混合模型参数的估计方法即谱分解估计

Firefly算法（FA）是一种基于群体智能的有效优化技术，已成功应用于各种实际工程问题。 本文提出了一种新的动态FA（称为NDFA），用于中国南昌市的水资源需求估算。 首先，使用动态参数策略来避免手动调整阶跃因子。 其次，根据历史用水量和当地经济结构，开发了三种不同形式的估算模型（线性，指数和混合）。 第三，利用归一化方法来消除不同数据单元的影响。 在实验中，以南昌市2003年至2015年的用水为例。 2003年至2012年的数据用于寻找模型的最优权重，其余数据（2013-2015年）用于测试

为了解决雷达高分辨距离像识别系统对训练样本需求量过大的问题，提出了一种有限样本条件下的目标识别新方法。分析了距离像频谱幅度的统计特性，从其广义平稳性和多模态分布特性出发，定义一种线性混合高斯状态空间模型对其统计建模，利用期望最大化算法进行了模型参数估计。实验结果表明：即使在很少的训练样本条件下，该方法仍能获得较高的正确识别率和良好的拒判性能。

针对现有方法计算量大、信噪比要求高的问题，提出了一种期望极大化（EM）算法的目标微动参数估计新方法。给出了自旋目标微动多普勒的多分量正弦调频信号模型和时频平面的观测模型，导出了基于高斯混合模型和EM算法估计的多分量线性调频信号参数的迭代计算式。仿真结果表明，在2个及以上分量情况下，弱分量信噪比不低于-3 dB时，可在窄带情况下精确地估计出目标的投影尺寸等参数。