Sign-LMS盲最大似然估计算法的研究

简要阐述了Sign-LMS盲最大似然估计算法的基本原理。通过计算机仿真试验,在典型电话信道,对称信道以及普通信道中,对该算法与传统的LMS盲最大似然估计算法性能作了比较,并证明了该算法在收敛速度、均方误差等方面均优于传统算法。从理论上证明了该算法的复杂度,但是该算法的简单是以牺牲稳态性能为代价的,并提出了今后Sign-LMS盲最大似然估计算法的研究方向———如何减少稳态剩余误差。     

最大似然估计关于概率密度函数的通有稳定性

证明了最大似然估计关于概率密度函数的通有稳定性。     

更新过程中分布参数的最大似然估计

文中我们讨论了更新过程中分布参数的最大似然估计,证明了最大似然估计是强相合的。     

基于最大似然估计的多目标定位

宽带高分辨雷达多目标定位问题一般是先进行精确时延估计，再进行源定位。本文提出了一种在频域运用最大似然估计进行目标位置反演的方法，归结为全局搜索--目标函数的极值。通过对仿真数据的处理，结果显示该方法可以准确的估计出多目标位置。     

目标定位最大似然估计

提出一种近似的最大似然估计方法,用于基于测量波达角进行目标定位.通过引入一中间量,即和波达角估计相关的非线性方程可以转换成一组未知参数的线性方程.这就是近似的最大似然估计.实验仿真表明,提出的算法具有明显的优点：误差小,鲁棒性好.     

最大似然估计的重对数律

讨论了最大似然估计的渐近性质；利用Ｔａｙｌｏｒ展开和Ｈａｒｔｍａｎ－Ｗｉｎｔｎｅｒ定理，证明了最大似然估计满足对数律。     

二元极值分布参数的最大似然估计与分步估计

考虑二元极值分布参数的最大似然估计与分步估计的渐近协方差阵，得到分步估计关于最大似然估计的渐近效率，表明分步估计是一种实用的方法。     

利用蒙特卡罗的最大似然时延估计算法

针对最大似然时延估计算法的峰值搜索计算复杂度较高且容易陷入局部收敛,造成估计误差较大的问题。提出了一种利用蒙特卡罗的最大似然时延估计(MCML)算法。首先利用信道频域响应估计矢量建立似然函数;然后把时延估计问题转化为求解随机变量的期望问题,将采用指数化似然函数构造的标准化概率密度函数趋近于冲激函数,使得随机变量的方差趋近于零;最后采用蒙特卡罗方法对随机变量进行抽样,从而利用抽样的均值估计出时延。较之传统方法,蒙特卡罗方法避免了网格搜索,降低了计算复杂度,保证了全局收敛性和估计精度。仿真结果表明:在信噪比0~25dB的条件下,MCML算法均能始终逼近克拉美罗界;当信噪比为25dB时,MCML算法的时延估计分布范围缩小为马尔科夫链蒙特卡罗算法的34%。     

基于信号强度的最大似然振幅估计迭代算法

为避免频率和相位估计所带来的误差,研究只根据接收到的信号幅值即信号强度就可以进行振幅估计的算法。针对已知噪声方差的情况,采用最大似然原理推导出含振幅估计的等式,提出了两种迭代算法,并对其平均迭代次数及计算复杂度进行了比较。仿真试验结果显示,两种迭代算法性能几乎相同且均优于传统振幅估计算法,其中牛顿迭代法计算复杂度略高,但其平均迭代次数小于阶梯迭代法,尤其是在低信噪比下。由此可见,基于信号强度的最大似然振幅估计牛顿迭代法优于其他振幅估计算法。     

归一化LMS盲最大似然序列估计算法

阐述了归一化LMS盲最大似然估计算法的基本原理,通过计算机仿真试验证明了该算法在收敛速度、稳态剩余误差等方面均优于传统的LMS盲最大似然估计算法,并提出了该算法的研究方向。     

最大似然估计在一元线性回归中的应用

最大似然估计是参数估计的常用方法。应用最大似然估计方法估计一元线性回归方程中的未知参数,与用最小二乘估计得到相同的结果,说明此方法的适用性。     

基于布谷鸟搜索算法的最大似然DOA估计

为解决最大似然DOA(Direction of Arrival)估计多维非线性搜索计算量大的问题, 将布谷鸟搜索算法与最大似然算法相结合, 利用布谷鸟搜索算法优化多维非线性的最大似然DOA估计谱函数。在保留布谷鸟搜索算法的主体思想的同时, 改进了算法的位置迭代方式, 加快了收敛速度。仿真结果表明, 改进的布谷鸟搜索算法在DOA估计中具有较好的收敛性, 估计性能较好。     

对数正态分布参数的最大似然估计

对数正态分布是工程、医学、生物学中常见的分布之一。讨论分组数据情况下,对数正态分布参数的最大似然估计,给出分布函数似然方程组解的唯一性的一种证明方法。     

完全极大似然估计与分步极大似然估计

得到了完全极大似然估计的一个重要性质和线形模型、指数分布、均匀分布的完全极大似然估计和分步极大似然估计，并与矩估计和极大似然估计进行比较，结果表明了完全极大似然估计和分步极大似然估计的优良性。     

浅论“广义”最大似然估计

我们常常会遇到最大似然估计不存在的情况,这种情况以在非正态回归模型中最为典型。当参数向量不能被估计时,人们对参数向量的线性函数的估计饶有兴趣。本文给出了这些线性函数的广义最大似然估计的定义,讨论了广义最大似然估计的性质,探讨了利用射影变换求广义最大似然估计的方法。     

序约束下最大似然估计的迭代算法

本文讨论了 k2× 2表相对风险简单半序约束下期望频数的最大似然估计问题 ,给出了求最大似然估计的一种迭代算法 ,并证明了此算法的收敛性     

基于量化水印滤波攻击的最大似然估计

该文提出一种在基于量化水印检测前对滤波攻击进行估计的算法.建立了受攻击信号的概率密度函数(PDF)模型,并进行了数值模拟.数值模拟结果和理论PDF模型非常接近,表明该模型用于滤波攻击的估计是可行的.基于这个模型提出用最大似然方法估计双通道滤波器组攻击中幅值比例因子.实验结果表明估计并校正此类攻击可以显著地降低水印解码错误率.     

联合最大似然贝叶斯信道估计

在高信噪比情况下统计贝叶斯估计是一种有效的信道估计方法,但是在低信噪比时由于噪声估计不准确,其性能逐渐下降.研究了基于鲁棒的非线性降噪方法,提出了一个简化的联合最大似然贝叶斯信道估计.计算机仿真结果和分析表明这种方法在较高和较低的信噪比情况下,提高了信道估计和联合检测的性能.     

双向截尾情况下最大似然估计的强相合性

讨论了双向截尾情况下分布参数的最大似然估计的渐近性质，证明了最大似然估计具有强相合性。