加窗LMS－ML自适应时间延迟估计

简述了最大似然时延估计的基本原理，从Ｒｏｔｈ处理器的自适应实现出发，发展了一种加窗ＬＭＳ－ＭＬ自适应时间延迟估计方法。这种方法以ＬＭＳ自适应信号处理技术为基础，利用自适应估计Ｒｏｔｈ处理器来得到幅度平方相干函数，进而实现最大似然时延估计，在自适应迭代过程中，对自适应滤波器的权矢量进行了加窗处理。理论分析和计算机仿真表明：这种方法在估计精度、收敛速度和计算复杂度诸方面均优于基本ＬＭＳ自适应时间延迟估计。     

一种抑制周期性干扰的二级自适应时间延迟估计方法

当接收信号中伴有周期性干扰时，相关时延估计方法会受到严重的影响而不能有效工作，采用二级自适应时间延迟估计方法，可以有效地去除周期性干扰对时延估计的影响，在较强的干扰下仍可得到准确的时延估值，其中第一级为干扰对消器，第二级为ＬＭＳ自适应时延估计器。     

混合扰动模型中LSE和若干有偏估计的局部影响

研究了线性回归中方差加权和均值漂移混合模型中ＬＳＥ和若干有偏估计的局部影响分析，从基于回归系数无偏估计的似然函数出发，求得回归系数最小二乘估计（ＬＳＥ）在混合扰动下的影响曲率，最大影响曲率和最大曲率方向，对于有偏估计，在后验分布对数似然函数的基础上，求出了这些有偏估计在混合扰动下的影响曲率，最大影响曲率和最大曲率方向。     

几种基本时间延迟估计方法及其相互关系

简要介绍了广义相关法等几种基本的时间延迟估计方法，着重分析了论证这几种方法之间的相互关系。结果表明：广义相关法与广义相位谱法是等效的，广义相关法是广义双谱法的特例，基于ＬＭＳ自适应横向滤波器的自适应法是迭代实现的广义相关法，参量模型法可以由自适应滤波器来实现。     

Beta分布参数的极大似然估计

利用均匀设计抽样（ＵＤＳ）方法，给出Ｂｅｔａ分布的参数极大似然估计（ＭＬＥ）。实例表明，此法是有效的。     

改进LMS时延估计算法在油气水三相流流量测量中的应用

油气水三相流流量测量是油气田开发动态监测普遍存在的问题,其测量的准确与否对油气田开发具有重要意义.本文提出一种基于最大似然LMS 自适应时延估计的改进算法,该算法首先通过小波变换对采集数据进行滤波以减小LMS 自适应时延估计的误差;然后采用改进的最大似然加权函数对计算结果进行修正,以使计算结果更加准确,收敛更加迅速.在大庆油田模拟井实验平台上对改进算法进行了验证,为准确测量油气水三相流流量提供了一种可行的方法.     

多径环境下CDMA移动定位的时延估计算法

针对CDMA移动定位系统中影响定位时延估计准确度的多径干扰问题，提出了一种基于早晚接收机原理的修正最大似然迭代估计算法，该算法对路径时延差在一定的码片间隔范围内，与传统最大似然时延估计器相比，能有效地抵抗多径干扰的影响，仿真结果证明了该算法的有效性和实用性．该算法同样适用于其他基于时间的无线定位系统的时延估计．     

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Kalman滤波的自适应MIMO信道估计

给出了一种基于Kalman滤波的自适应MIMO信道估计方法，分析了算法的剩余误差能量随迭代次数增加的变化情况，对饱和MIMO系统和欠饱和MIMO系统，分别采用Kalman自适应MIMO信道估计方法和最大似然信道估计方法，进行了数值仿真和对比。从对比的结果来看，文中给出的Kalman自适应信道估计具有和最大似然信道估计相近的性能，而在饱和系统中，Kalman估计算法性能要略好一些。     

重要性采样的最大似然多径信道估计算法

提出了一种基于重要性采样方法的最大似然多径信道估计方法。该方法将时延与幅度估计解耦,利用蒙特卡罗算法(MC)对未知参数的分布函数抽样,计算样本均值直接得到多径时延和幅度估计结果,避免了耗时较长的多维网格搜索和对初值较为敏感的迭代算法。仿真结果表明,对于多径路数分别为5、15的情况,均能获得较好的信道估计。相比于现有的其他一些算法,该算法不仅能够同时获得时间延迟估计,同时也能对幅度精确估值。     

宽带模糊函数的一种最优的目标参数估算算法

首先讨论了在开阔海洋环境中对目标的和参数估计问题。再提交了一种搜索宽带模糊函数峰值的高效算法。在噪声环境中,利用最大似然性对宽带模糊函数进行峰值能使算法的性能被进一步改进。由于最大似然时延估计器明最好的误差性能,从这种意义上来说,在同类的时延估计器中,它是一种最优的估计器。这已经被我们用仿真模拟所证实。基于以上两种方法,最后提出了一种高效和最优的目标参数估算算法。     

格型滤波自适应权向量法的DSP实现

自适应权向量法（ＡＷＶＭ）检测弱信号常用ＬＭＳ滤波算法。这种方法的最大缺陷之一是滤波器的权系数仅根据总误差值来调整的。因此,这些权系数相互有牵连,这是ＬＭＳ自适应滤波器收敛响应较慢的原因之一。克服这一缺点的一种方法是采用格型滤波算法。应用格型ＬＳＬ滤波于ＡＷＶＭ中检测噪声中的高频弱信号,并应用ＤＳＰ实现高速数据处理,仿真结果证明了它的可行性和实时性及优越性。     

宽带模糊函数的一种最优的目标参数估算算法

首先讨论了在开阔海洋环境中对目标的识别和参数估计问题.再提交了一种搜索宽带模糊函数峰值的高效算法.在噪声环境中,利用最大似然性对宽带模糊函数进行峰值搜索能使算法的性能被进一步改进.由于最大似然时延估计器有最好的误差性能,从这种意义上来说,在同类的时延估计器中,它是一种最优的估计器,这已经被我们用仿真模拟所证实.基于以上两种方法,最后提出了一种高效和最优的目标参数估算算法.     

自适应滤波器的变换域LMS快速实现算法

本文提出了一种自适应滤波器的变换域ＬＭＳ快速实现算法，井给出了实现这种自适应滤波器的双层线性结构。较之传统的时域ＬＭＳ算法它具有更好的收敛性，并且可以抑制计算误差的积累，因而特别适合于用低低成本实现。此外，还给出了计算机模拟的结果。     

广义相关时延估计算法的自适应实现形式

认为广义相关时延估计算法的缺陷是依赖对输入信号及噪声先验知识,特别是对其功率谱的了解,而在实际应用中,往往缺乏这种先验知识,只能以估计值来代替,从而影响时延估计精度,自适应滤波器一般只需要很少或根本不需要任何关于输入信号和噪声的先验知识且性能良好,若用自适应滤波器替代广义相关法中的预滤波器就可放松或免除对输入信号和附加噪声的条件限制,提高时延估计的精度,广义相关时延估计算法时域中的预滤波器就是其频域中的权函数,从理论上证明了,任何一个广义相关权函数,都能够变换成一个或几个Roth处理器的组合形式,实际上,Roth处理器就是自适应滤波器实现的,能对原始带噪信号做最优化估计的维纳滤波器,从而实现了自适应广义相关时延估计算法。     

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。     

广义相关时延估计算法的自适应实现形式

认为广义相关时延估计算法的缺陷是依赖对输入信号及噪声先验知识 ,特别是对其功率谱的了解 ,而在实际应用中 ,往往缺乏这种先验知识 ,只能以估计值来代替 ,从而影响时延估计精度 .自适应滤波器一般只需要很少或根本不需要任何关于输入信号和噪声的先验知识且性能良好 ,若用自适应滤波器替代广义相关法中的预滤波器就可放松或免除对输入信号和附加噪声的条件限制 ,提高时延估计的精度 ,广义相关时延估计算法时域中的预滤波器就是其频域中的权函数 .从理论上证明了 ,任何一个广义相关权函数 ,都能够变换成一个或几个 Roth处理器的组合形式 .实际上 ,Roth处理器就是自适应滤波器实现的、能对原始带噪信号做最优化估计的维纳滤波器 ,从而实现了自适应广义相关时延估计算法 .     

一种加白化预滤波的回波抵消算法

研究了话音通信中的回波抵消问题，尤其是传统ＬＭＳ算法的收敛性问题。提出了一种加白化预滤波的块修正ＬＭＳ自适应抵消算法（ＷＢＬＭＳ）。计算机模拟结果表明，ＷＢＬＭＳ算法的收敛性明显优于传统的ＬＭＳ算法，增加的运算量也极少。     

基于高斯混合密度函数估计的语音分离

基于最大熵法（Ｍａｘｉｍｕｍ Ｅｎｔｒｏｐｙ,ＭＥ）、最小互信息量法（Ｍｉｎｉｍｕｍ Ｍｕｔｕａｌ Ｉｎｆｏｒｍａｔｉｏｎ,ＭＭＩ）和最大似然法（ＭａｘｉｍｕｍＬＩｋｅｌｉｈｏｏｄ,ＭＬ）最解决盲信号分离问题的常用算法,分析了ＭＥ、ＭＭＩ以及ＭＬ算法之间关系。基于高斯混合模式（Ｇａｕｓｓｉａｎ Ｍｉｘｔｕｒｅ Ｍｏｄｅｌ,ＧＭＭ）概率密度函数估计,提出了一种采用反馈结构的扩展最大熵语音分离算法,与     

更新过程中分布参数MLE的重对数律

本文我们进一步讨论更新过程中间隔分布多数的最大似然估计（ＭＬＥ），特别对其收敛速度作了研究，证明了其收敛于真值的速度符合重对数律，并对渐近正态性也作了讨论。