SQP 优化的最大似然波达方向角估计

为快速实现波达方向角( DOA: Direction Of Arrival) 的精确估计, 提出了应用序列二次规划( SQP:Sequence Quadratic Program)的最大似然DOA 估计算法。给出了用于DOA 估计的最大似然函数, 将参数估计问题转化为非线性函数优化问题; 并利用SQP 优化算法对似然函数的求解进行优化, 得到DOA 的估计值。仿真结果表明, 该算法可用较少的计算时间实现对似然函数的优化求解, 同时保留了最大似然估计的渐进无偏估计性能, 与遗传算法、粒子群算法相比, 不仅具有更快的寻优速度, 而且具有更高的收敛精度。     

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。     

一种有效的水下目标波达角估计方法

为提高水下目标波达角(direction of arrival,DOA)估计精度,提出一种基于布谷鸟搜索算法的最大似然DOA估计法.该方法将布谷鸟搜索算法中影响布谷鸟搜索路径的多个参数由固定值改为自适应的动态参数,不仅改进了算法的精度,而且大幅度地提高算法的收敛速度.应用改进后的布谷鸟搜索算法优化基于分数低阶空时矩阵的最大似然DOA估计函数,使水下目标DOA估计在准确的前提下更加迅速.仿真结果表明,无论是在多途环境下还是无多途环境下,该方法都能有效地对水下目标进行DOA估计,而且具有很高的收敛速度,因此该方法具有一定的实际应用前景.     

基于分数低阶矩的空时最大似然DOA估计

为了提高现有基于分数低阶空时矩阵类算法的估计精度和其在低信噪比时的解相干性能,在对称α稳定分布噪声条件下,提出改进分数低阶空时矩阵用于独立信源DOA估计,基于分数低阶矩的空时最大似然算法用于相干信源DOA估计.仿真结果表明:针对独立信源,改进的分数低阶空时矩阵进行DOA估计的成功概率高于分数低阶空时矩方法;针对相干信源,分数低阶矩的空时最大似然算法的估计成功概率比SS-FLOM算法高,均方根误差比SS-FLOM算法小;新方法克服了空间平滑类算法严重损失阵列孔径的弊端,节省阵元.     

基于数据外推的限带信号最大似然谱估计

针对高距离分辨率雷达应用背景,提出了一种在数据外推的基础上运用最大似然准则对限带信号的频谱进行估计的新方法(DE-ML).该方法首先根据常规DFT分析获得限带信号的频谱范围,然后对频域高采样率离散频谱进行最大似然估计.理论分析和实验结果表明,该方法与常规的DFT方法相比,具有更好的分辨性能;与一般的超分辨伪谱估计方法相比,具有更好的幅度估计性能以及抗噪声能力;与现有的数据外推谱估计方法相比,所需的运算量更少.     

一种稳健的未知信源数目的DOA估计算法

现有的DOA估计算法都是基于较为理想的模型提出的,在实际工程中,这些算法的性能受快拍数少、阵列误差的影响会严重恶化.针对这一问题,文中提出一种稳健的未知信源数目的 DOA估计算法.该算法先利用投影变换技术对阵列接收数据进行预处理,抑制模型误差并降低数据维数,从而提高算法的稳健性并减少计算量,然后根据变换后的m-Capon算法空间谱函数估计DOA.仿真结果表明:该方法在快拍数少、系统误差不大(小于10%)的情况下依然具有一定的方位"超分辨"能力,而且有较强的稳健性,性能远优于现有的MUSIC算法和对角加载m-Capon算法.     

双边定时截尾下指数威布尔分布的参数估计

基于双边定时截尾样本,考察了指数威布尔分布的极大似然估计,由于无法得到似然方程的显式解的表达式,所以证明了解的唯一存在性.用EM算法可以处理不完全数据下参数的估计问题,得到了EM算法估计的迭代式.用R软件进行了随机模拟,结果表明当样本容量n较大时,采用极大似然估计较为准确,当样本容量n较小时,采用EM算法估计较为准确.     

阵列超分辨算法模拟研究

当前,阵列信号处理已经成为通信信号处理中的一大热点。而其中利用超分辨算法对空间的多个信号进行波达方向（DOA）估计更是引人注目。以超分辨波达方向估计中非常重要的子空间理论为重点讲解了两种经典的超分辨算法（ESPRIR和MUSIC）的原理及实现方法。此外,还利用MATLAB对这两种算法进行了计算机仿真,通过计算机仿真,把这两种超分辨算法和传统的算法进行比较,包括利用ESPRIT与利用FFT进行频率估计的比较和用ESPRIT进行波达方向估计和MUSIC的比较。     

未知互耦条件下相干与非相干混合信号的波达方向估计

针对阵列互耦对导向矢量的扰动,以及信号相干性对数据协方差矩阵造成的秩损致使超分辨波达方向(DOA)估计算法性能变差甚至失效的问题,提出了一种在相干与非相干信号混合状态下无需阵列互耦补偿的DOA估计算法.其中:仅截取部分阵元的接收数据,即可达到阵列互耦自抑制的目的;对数据协方差矩阵进行特征分解,利用所得特征矢量重构等效协方差矩阵,并对等效协方差矩阵进行奇异值分解,基于多重信号分类法或信号参数估计的旋转不变子空间技术完成混合信号的DOA估计;并利用计算机进行数值仿真以验证算法的有效性.结果表明,在阵列互耦未知的条件下,所提出的算法能够正确估计信号的DOA,无需互耦参数的估计或补偿.     

基于短快拍的捷变频信号DOA估计算法

传统的波达方向(DOA)估计算法依赖于多快拍数据得到的协方差矩阵,在实际应用中,可用的快拍数并不确定,而捷变频信号由于其频率的不固定导致短快拍下的DOA估计更加困难.针对这一问题,提出一种基于短快拍的捷变频信号DOA算法,即ISSFAS(improved-short-snapshot-frequency-agile-signal)算法.该算法将伪协方差矩阵法与频域聚焦法相结合,用重新构成的伪协方差矩阵代替原有的协方差矩阵,并用频域聚焦的方法对可变频率的情况进行处理.研究结果表明:ISSFAS算法具有良好的DOA估计性能,能够在短快拍下进行超分辨,且性能强于未与伪协方差法相结合的情况.     

基于引力搜索算法的相干信号源DOA估计方法

针对最大似然(ML)DOA估计方法存在着运算量高且容易收敛到局部极值的问题。结合引力搜索算法(GSA)与最大似然方法,提出了一种GSA-ML方法。将最大似然函数作为GSA算法的适应度函数,在遵循ML方法的主体思想同时,利用GSA算法运算量低和收敛速度快的优点,成功地找到似然函数的全局最优解;并保存了ML方法的优点。仿真结果表明,GSAML方法不仅能有效估计相干信号源;并且相比MUSIC、ESPRIT和TLS-ESPRIT算法,拥有更高的精度和估计成功概率。     

区间删失数据情形下GE分布参数的最大似然估计(英文)

讨论了样本数据为区间型数据时参数的最大似然估计问题.当数据为区间删失情形时,参数最大似然估计的精确表达式不存在,甚至近似解都很难得到.由于区间型数据是一种不完全数据,所以利用EM算法来求参数的近似最大似然估计.为了演示,提供了一个真实寿命数据分析的实例.     

基于RSSI极大似然估计定位算法的改进与实现

针对基于RSSI(接收信号强度指示)的极大似然估计算法会出现消去二次项时坐标信息丢失,定位误差较大的问题,提出了一种改进的基于RSSI极大似然估计的定位算法.该算法先用卡尔曼滤波算法对采集到的RSSI进行数据处理,然后利用在极大似然估计算法中使用基于泰勒级数展开的最小二乘法对未知节点求解定位.仿真实验结果表明,该算法改善了原算法定位的稳定性,有效减小了定位误差,提高了定位精度.     

双边定时截尾下Pareto分布的参数估计

在双边定时截尾样本下,用极大似然法求Pareto分布中形状参数的估计,由于似然方程较复杂,无法得到参数的显式表达式,但是可以证明极大似然估计是唯一存在的. 由于EM算法是处理缺损数据的一种有效方法,因此利用该算法来求参数的估计问题.用EM算法得到了形状参数估计的迭代式,借助Louis遗失信息原则得到了估计的渐近方差,根据中心极限定理得到了形状参数的近似置信区间.随机模拟结果表明形状参数的EM估计收敛到其极大似然估计.实例给出了不同样本下参数的点估计和区间估计.     

基于混合变异GOA优化极大似然的DOA估计研究

选择极大似然(ML)方法进行DOA估计时,由于进行了多维搜索,导致运算效率较慢,所以提出一种改进的蝗虫优化算法优化极大似然,引入了柯西变异算子和重心反向解,将迭代后的位置再次更新.一方面加速了极大似然估计的搜索效率,另一方面避免了常规蝗虫优化算法容易陷入局部最优的问题.仿真实验表明,与现有的大多数优化方法相比,提出的方法对信噪比的泛化能力更强;在不同信源个数时都可以保证其估计效果的精确度,将真实值与预测值的误差控制在±1°内;在相干信号下,混合变异GOA-ML方法也具有较强竞争力.综合各类评价指标来看,混合变异蝗虫(GOA)极大似然方法拟合优度更好,稳定性更高.     

一种无需特征值分解的快速ESPRIT算法

ESPR IT算法是一种用于估计到达角(DOA)的参数类超分辨算法,由于这种算法在有效性和稳定性方面都有非常突出的表现,所以其受到了广泛的研究,并成为主要的超分辨算法.但是,在运用ESPR IT算法时不可避免的要进行特征值或奇异值分解(EVD/SVD),这使得其无法运用于实时系统.基于实时性方面的考虑,提出了一种无需特征分解的快速算法(VESPR IT).此算法有效性和稳健性方面虽然要比标准的ESPR IT算法稍差一些,但是其节约了计算时间使得此算法可以运用于实时处理.     

Weibull分布在完全数据条件下的参数估计

在完全数据条件下对Weibull分布,分别使用Newton-Raphson算法、CM算法进行完全数据Weibull分布参数的极大似然估计计算,并且在得到相应的迭代公式后,进行随机模拟,从模拟结果来分析这两种算法在处理Weibull分布参数的极大似然估计的优良性.     

利用ECM算法进行参数估计

在区间型数据条件下利用ECM算法对Weibull分布进行了极大似然估计.在得到相应的迭代公式后,进行随机模拟.根据模拟结果分析了此种算法在处理Weibull分布参数极大似然估计时的优越性.     

一种迭代频偏估计算法

提出一种适于低信噪比条件下工作的数据辅助型(data-aided)频偏估计算法。计算接收信号自相关函数的辐角,基于最大似然策略合成频偏估计,并通过迭代消除估计模糊。仿真结果表明：迭代算法具有较大的频偏估计范围(估计范围达±40%符号速率),与M&M算法相比,迭代算法信噪比门限有接近3dB性能改善,其估计性能更接近FFT最大似然算法和克拉美-劳下界(CRLB),并且计算量有所降低;基于迭代算法的简化版本与迭代线性预测(ILP)算法相比信噪比门限更低,并且降低了计算复杂度。     

OFDM系统中一种符号定时和载波频率同步算法

针对正交频分复用(OFDM)系统提出了一种新的符号定时和载波频率同步算法.该算法将整个OFDM符号分成多段,在连续多个OFDM符号中采用相关累加的方法得到对系统同步的估计函数.当分段长度小于相邻OFDM符号间的无符号间干扰(ISI)区长度时,算法可以分辨这一区间,从而得到最优符号定时同步以及载波频偏估计.分析表明最大似然(ML)算法和Karthik算法是它的一种特殊情况,计算机仿真结果表明该算法不仅可以跟踪时变信道而且其均方估计误差(MSE)要远远小于最大似然(ML)估计.