挠性结构模型的频域极大似然法辨识

在构建的以压电陶瓷为执行器、电阻式应变片为传感器的挠性悬臂梁物理实验系统基础上,优化设计多正弦辨识输入信号,利用频域极大似然法辨识得到了整个系统的数学模型,并根据该模型进行了数字和物理控制仿真,验证了模型的有效性.良好的控制效果表明:对于挠性结构,频域极大似然法是一种有效的模型辨识方法.     

滑动平均模型的极大似然辨识方法

根据极大似然原理,推导了滑动平均模型的极大似然参数估计算法.仿真结果说明:当数据长度较大时,提出的方法给出的参数估计精度高于增广最小二乘算法.     

双率Hammerstein系统的极大似然递推辨识

针对一类双率Hammerstien系统的参数辨识问题,基于辅助模型辨识思想,利用极大似然原理和递推辨识技术,提出一种极大似然递推辨识算法.主要方法是针对模型中的未知输出构造一个辅助模型,用辅助模型的输出预测未知输出.该方法可以直接基于双率输入输出数据进行参数辨识.仿真实验表明,所提出的算法能有效地辨识双率Hammers...     

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。     

分步极大似然估计

定义了完全极大似然估计(TMLE)和分步极大似然估计，并得到了正态分布的有关的参数估计．     

受控航行体水动参数的极大似然辨识

由受控航行体的非线性微分方程组导出小扰动线性方程；按实际可行的量测方案建立观测方程：根据极大似然原理导出辨识非线性动力学系统参数的全部算式；利用模拟观测数据作仿真辨识，求得７个水动参数。     

极大似然法的基本思想及其应用

本文叙述了建立极大似然法的基本思想，以及如何利用这种方法进行参数估计。     

基于EM算法的极大似然参数估计探讨

首先介绍了EM算法，然后研究了基于EM算法的混合密度极大似然参数估计，最后利用计算机仿真验证了此算法的收敛性和有效性。     

极大似然估计的几种求法

极大似然估计是参数估计的一种常用方法.本文探讨了极大似然估计的三种求法,并举例说明了这些方法在解决实际问题中的应用.     

基于最大似然准则的f—x—y域l1模预测滤波方法

常规的f—x—y域预测滤波方法基本上都假设随机噪音是服从高斯分布的，但在实际地震资料中并不是所有的随机噪音都服从于高斯分布。针对非高斯分布的随机噪音，讨论了f—x—y域l1模预测滤波方法。该方法利用最大似然准则建立目标函数，同时利用非线性共轭梯度法来优化求解目标函数。理论模型试算表明，f—x—y域l1模预测滤波方法不仅可以有效地消除非高斯分布的随机噪音，而且也避免了假同相轴现象的产生。     

基于最大似然准则的f-x-y域l1模预测滤波方法

常规的f-x-y域预测滤波方法基本上都假设随机噪音是服从高斯分布的,但在实际地震资料中并不是所有的随机噪音都服从于高斯分布。针对非高斯分布的随机噪音,讨论了f-x-y域l1模预测滤波方法。该方法利用最大似然准则建立目标函数,同时利用非线性共轭梯度法来优化求解目标函数。理论模型试算表明,f-x-y域l1模预测滤波方法不仅可以有效地消除非高斯分布的随机噪音,而且也避免了假同相轴现象的产生。     

循环谱密度估计的最大似然滤波器法

针对周期平稳随机过程的循环谱密度的估计过去主要采用时域平均周期图法和频域平滑周期图法,特别归短数据时,上述方法的分辨率很低,方差极大,提出了循环谱密度估计的最大似然滤波器法,并作了改进。该方法不仅具有很高的分辨率,而且估计的方差也很小,具有较好的估计性能。     

基于互相关和最大似然估计的弱信号检测

弱信号检测一直以来是人们研究的热点，如何从强噪声环境下提取有用的信号非常关键。简单介绍互相关检测的原理及最大似然理论，并在此基础上，提出了将互相关检测与最大似然理论相结合检测弱信号的新方法。仿真结果表明，此方法是可行的。     

改进的最大似然法在入反射波合成波浪场中应用研究

模拟了多向不规则波入射波与反射波相互叠加的合成波浪场，应用改进的最大似然法（MMLM）对入射波与反射波的方向谱进行了分离，同时给出了反射系数的方向谱和综合反射系数。改变不同的波浪条件和仪器阵列的布置条件，检验了MMLM的有效性和可靠性。将此方法应用于基床直立堤反射的实验研究，取得了较好的结果。     

随机删失下极大似然估计的中偏差

在一些正则性条件下、利用Cramr方法的某些技巧得到了在随机删失数据下极大似然估计的中偏差.     

关于一维模糊随机变量的极大似然估计方法

研究一维模糊随机变量情形总体未知参数的极大似然估计的两种方法——扩张原理法与随机集的可积选择法．在模糊观测条件下,定义了Kwakernaak-Knrse-Meyer型模糊随机变量情形的模糊参数的极大似然估计量及Puff-Ralescu型变量情形的模糊参数的边缘极大似然估计量．得到了它们的存在条件,一致性条件及其相关性质．     

排序集抽样下两样本相关参数的修正极大似然估计

排序集抽样是一种提高抽样效率的有效方法。然而,实际排序中不可避免会出现误差。这会对极大似然估计的结果造成一定的偏倚。文章基于排序集样本对传统的极大似然估计方程进行修正,讨论了修正的极大似然估计的性质,并进一步从渐进方差的角度说明了这一估计较传统方法更稳健。