产品市场生存函数的一种非参数极大似然估计法

通过产品市场生存数据 ,定义了估计产品市场生存时间的三个重要函数 ,讨论了三者之间的关系 .在非参数条件下 ,给出了一种极大似然修正估计法 ,并进行了应用分析 .     

一种新的非视距环境下移动台定位算法

非视距传播已经成为制约蜂窝网络定位的主要障碍。为了抑制和减少非视距传播引起的位置估计误差,提出了一种稳健估计的移动台定位算法———基于最大似然估计的位置估计算法,不需要先验NLOS误差统计特性和时序测量等前提条件,抑制NLOS误差的影响。通过跟传统的最小-均方算法(ordinaryleastsquare)比较,仿真结果表明这种算法有效地提高了在非视距环境下的定位精度。     

基于定期检测的贮存可靠性模型及其参数估计

为保持贮存产品的高可靠性,基于指数分布建立了三类具有初始失效的周期检测贮存可靠性模型:检修后如新,贮存失效率增大;检修后不如新,贮存失效率不变;检修后不如新,贮存失效率增大.依据周期检测数据,给出了检修前即刻可靠度的极大似然估计及Bayes估计,用极大似然方法与最小二乘法对模型参数进行了估计.最后,给出一个应用实例演示了模型的有效性.     

一种V-BLAST系统的高性能联合检测算法

提出V-BLAST(Vertical Bell Labs Layered Space-Time)系统的一种新的联合检测算法,先通过迫零(ZF)或最小均方误差(MMSE)算法初步检测,粗判决得到包含nT层信号的初始解向量,然后在信号解空间中找到与初始解有最小错误距离的nT个解向量,最后用最大似然(ML)算法从这nT+1个解向量中找出最优解.以QPSK调制方式为例,计算机仿真验证了在准静态平坦衰落信道中新算法的检测性能,与ZF和MMSE算法比较,该算法能明显提高系统性能,在4×4的MIMO系统中,当误码率在10-2数量级时可以获得6dB左右的增益,而且新算法比ML算法的复杂度低很多.     

一种复数球形译码算法的仿真

球形译码算法作为实现最大似然检测的一种有效快速算法受到了学者们的广泛关注。在通信理论中经常使用到复数信号模型,但目前尚未有文献给出在该模型下明晰的算法流程。利用信号星座图的几何特点,推导了一种保持原信号维数的复数球形译码算法;考虑到算法中涉及对整数环的特殊处理,给出了清晰的算法流程。该流程适用于各种复数矩阵信道模型与典型二维信号星座图,为复数模型下球形译码算法的研究提供了一个有效的仿真平台。     

一种用于CDMA系统的快速信道估计方法

信道估计是CDMA系统中的关键技术 ,涉及到对用户信号传播信道的幅度、相位和延时的估计。提出了对一个进入CDMA系统的新用户进行快速最大似然多径信道参数估计的方法。实验结果对比表明 ,本方法捕获性能好 ,且捕获的速度更快     

一种新的基于粒子群算法的DOA跟踪方法

针对信号源方向时变情况,分析了样本协方差矩阵的更新,在此基础上提出了一种基于粒子群算法的跟踪方法。该方法直接利用性能优越的最大似然估计器,避免了子空间跟踪类方法需要不断重复的协方差矩阵分解;同时通过锁定目标、大幅度缩小搜索范围和运用群智能搜索,有效降低了算法的计算量。仿真结果表明,与子空间跟踪类算法相比,该方法具备解相干的能力和较好的跟踪精度,并且能够保证算法的实时性。     

一种频域自适应最大似然时延估计算法

提出了一种基于平方相干函数的频域自适应最大似然时延估计算法。该算法构造了一种广义相位数据最大似然加权函数,并通过自适应估计输入信号的平方相干函数加以实现。算法的性能分析和仿真实验表明,该算法有更好的时延估计精度、收敛速度和跟踪性能,能够有效提高低信噪比环境下的低空目标被动声探测的时延估计性能。     

具有饱和增长趋势的若干曲线模型研究

动植物生长和经济领域中的许多过程具有单调递增，增长有极限即具有饱和增长趋势的特点。本建立了三个能拟合，预测具有该特点的新的曲线模型；讨论了新型性质特点；论述了新建模型与已知模型的联系与区别，指出了新模型的特殊适用范围。     

超宽带无线通信的一种快速同步捕获算法

针对超宽带(ultra-wideband,UWB)信号的具体特征,利用巴克码的相关特性,设计了一种结构简单的训练序列,在此基础上建立了基于最大似然(ML)准则的UWB同步捕获算法。该算法大大降低了UWB信号时间捕获的复杂度,能够快速实现同步。仿真结果表明,只需要较短的训练序列,该算法就能获得优良的同步性能,当训练序列较长时可以很好地逼近理想捕获情况下的系统误码率。     

一种用于参数估计的几何距离最小二乘方法

本文从解析几何中几何距离角度出发,对系统辨识或参数估计提出一种全新的几何距离最小二乘方法。理论分析和应用实例表明,几何距离最小二乘方法同样也是一种比较有效的参数估计方法。     

基于线性预测和最小二乘估计的缺陷阵波束形成

针对阵元失效时缺陷阵的波束形成问题,采用线性预测和最小二乘估计两种方法对失效阵元的输出进行预测.通过对缺陷阵输出响应进行重构,从而有效地抑制由于阵元失效而产生的旁瓣级提高以及基阵指向性的下降.仿真试验结果表明了方法的有效性.     

软件可靠性模型的变点估计及仿真研究

软件可靠性模型是研究软件失效数据的重要工具,对软件产品质量的度量和评估有重要的意义.为了解决单个模型不能准确描述软件失效情况以及难以对未来的软件失效做出合理预测的问题,将变点分析引入到软件可靠性模型的问题研究,建立了有变点的软件可靠性模型,给出了软件可靠性模型变点的最小二乘估计.数值仿真表明最小二乘法适用于软件可靠性模型的变点估计,其估计结果具有好的准确性和稳健性.     

基于传感器网络的气体源定位方法研究

提出一种分层结构的自组织无线传感器网络(WSN)用于气体污染源的定位研究,可以广泛应用于反恐、环境监控等场景。在修正的气体污染源浓度衰减模型基础上,提出一种改进的非线性最小二乘算法(I-NLS)以及极大似然算法(MLE)用于气体污染源定位。仿真试验对比研究了两种算法在不同的传感器节点以及背景噪声情况下对预估定位误差的影响。试验结果表明了这种分层结构的WSN用于气体污染源定位是可行的,同时验证了I-NLS、MLE两种算法定位的有效性。     

LS-SVM与多层前向网络的非线性回归性能比较

在阐述支持向量机(SVM)和最小二乘支持向量机(LS-SVM)的原理并比较了两者的优缺点后,将LS-SVM与多层前向网络中的两种典型网络BP网络和RBF网络,分别应用于装载机载重动态测量的非线性函数回归估计中,对这三种网络在函数逼近和泛化能力两方面的性能进行比较研究。仿真结果表明,LS-SVM在精度和泛化性能两方面做到了最好的折衷,是用于非线性函数回归分析的一种很有效的方法。     

Estimation of Parameter in the Case of Zero-Failure Data

l IntroductionFrom the article [l] presenting, the zero-failure data research has been twenty years longand more attention is paid by researchers all over the world. We have got someachievements already. The devclopment of these researches can be found in article L2j'In article [3j, a method dealing with zero-failure data, that is, distribution curvesmethod, is given and has more values. The basic thought is: at first estimation the failureprobability pi = p {Twtt. } at moment l,, then appro…     

基于复合微粒群算法的非线性系统模型参数估计

在系统辨识理论的实际应用中根据不同的对象和建模的不同目的去选择合适的辨识算法是一件不容易的事。针对非线性系统模型的多样性,提出了适应于多种不同模型的基于复合微粒群优化算法(HPSO)的系统参数估计方法,并对多种模型实例进行了仿真研究。实验结果表明,该算法是一种有效的系统模型参数估计方法。     

连续k-out-of-m:G系统可用度的估计

针对目前文献中研究连续k out of m:G系统可用度少的情况,从统计角度出发使用极大似然估计和Bayes估计在不同情况下对该系统可用度作出了估计并得到了相应的估计公式。若已有系统或元件的失效时间和修理时间分布的先验信息,则使用Bayes估计,反之使用极大似然估计,并用该方法分析了连续k out of m:G系统的特例:串、并系统。得到了串、并联系统可用度的估计式和相应的置信区间。估计公式实用简便。     

基于最小二乘支持向量机的非线性系统建模

探讨了利用支持向量机进行非线性系统建模的方法。首先,利用相空间重构,将非线性时间数据序列映射到高维空间,以便把时间序列中蕴藏的信息充分显露出来。其次,基于最小二乘支持向量机(RLS-SVM)对系统进行建模,仿真结果表明,支持向量机具有良好的非线性建模能力和泛化能力,原始时间数据序列和重建时间数据序列相似,说明提出的算法能够有效的对非线性动态系统的时间序列进行建模。     

基于改进粒子群优化的非线性最小二乘估计

针对测量数据处理中非线性模型参数估计理论广泛使用的传统牛顿类算法对初值的敏感性问题,提出了一种求解非线性最小二乘估计的改进粒子群优化算法。该算法利用均匀设计方法在可行域内产生初始群体,无需未知参数θ的较好的近似作为迭代初值,而具有大范围收敛的性质;通过偏转、拉伸目标函数有效地抑制了粒子群优化算法易收敛到局部最优的缺陷。给出应用该方法到NLSE的具体步骤,通过仿真实验证明该算法的有效性。