对极大似然估计中几个问题的探讨

探讨了当似然函数不可微时求极大似然估计的方法:定义法和比值法;以及在求极大似然估计过程中要注意的问题:似然方程的解不一定是极大似然估计,极大似然估计可能不惟一或不存在.     

INGARCH模型拟极大似然估计的相合性

利用拟极大似然方法研究INGARCH模型参数的估计问题,证明了拟极大似然估计的强相合性.模拟结果表明,在样本数较大时,拟极大似然估计比最大似然估计效果更好.     

排序集抽样下定时截尾指数寿命数据的参数估计

针对定时截尾指数寿命数据的参数估计问题,采用排序集抽样方法,研究了指数分布参数的极大似然估计.针对排序集抽样下似然方程求不出解的问题,似然方程的部分项替换为期望,并给出修正极大似然估计.估计效率的比较结果说明:基于排序集抽样方法的修正估计量优于基于简单随机抽样方法的极大似然估计量.     

双边定时截尾样本下复合瑞利分布的参数估计

利用极大似然法和EM算法研究了双边定时截尾样本下复合瑞利分布参数的极大似然估计.给出了参数的极大似然估计的存在唯一性证明和参数的EM迭代公式,借助Louis算法得到了EM估计的近似区间,随机模拟结果表明极大似然估计与EM估计相比,估计值较接近真值.     

双参数指数分布步加试验TFR模型下修正的MLE

给出了双参数指数分布全样本场合下步进应力加速寿命试验TFR模型下参数的修正极大似然估计,并通过Monte-Carlo模拟证明了修正的极大似然估计要好于极大似然估计.     

基于极大似然法的雪荷载计算与分析

为了提高雪荷载评估的准确性,利用极大似然法对雪荷载平稳二项随机概率分布模型进行参数估计.通过引入似然函数,使似然函数在某组参数上达到最大值,获得模型参数的极大似然估计.然后利用柯尔莫哥洛夫检验法对分布函数进行检验,并与矩法和耿贝尔法进行对比分析.结果表明,极大似然法在剩余方差Sf和拟合相对偏差Rf指标方面最优.进一步应用上述三种方法,基于沭阳县实测的历年最大积雪深度计算雪压,并与现行规范中的基本雪压进行对比,发现极大似然法计算结果合理可靠、整体效果最好,认为规范采用极大似然法对雪荷载进行参数估计更为合适.     

均匀分布U(-θ,θ)参数的估计与优良性

研究均匀分布U(-θ,θ)的矩估计和与极大似然估计,并讨论两估计的优良性,证明矩估计和极大似然估计是强相合的,极大似然估计是UMVUE.     

拟似然函数法处理无失效数据

利用修正似然法思想,提出了引进失效信息后的极大似然估计法,具体给出了指数分布及Weibull分布场合参数的拟极大似然估计,且进行了实例计算.     

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。     

对称指数分布的参数估计及其优良性

研究了双参数对称指数分布的参数估计问题,给出了2个参数的极大似然估计.在样本容量为奇数的情形,证明了样本中位数作为双参数对称指数分布位置参数的极大似然估计,具有无偏性与强相合性;尺度参数的极大似然估计具有强相合性.在样本容量为偶数的情形,证明了2个参数的任一极大似然估计均具有强相合性.     

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。     

定时截尾下Weibull分布参数估计的EM算法

在可靠性统计的定时截尾寿命试验中,最后一个失效时间与截尾时刻之间的信息常被忽略.利用EM算法来处理这一情形,得出Weibull分布中尺度参数的迭代解.并将EM算法与传统的极大似然估计进行了比较,可以看出EM算法明显优于传统的极大似然估计.     

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。     

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。     

无线传感器网络在气体源预估定位中的应用

基于气体污染源浓度衰减模型,分别采用极大似然预估算法(M LE)、非线性最小二乘算法(NLS)对气体污染源定位进行了研究。仿真实验对比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。结果表明:当环境背景噪声较小时,NLS可以得到比M LE算法更精确的预估结果。当环境背景噪声较大时,M LE算法比NLS算法有着更强的鲁棒性。     

GSM 信号的自适应最大似然接收

考虑如何在ＧＳＭ接收机中实现最大似然接收以克服多径传播带来的严重的信号失真，提出了新的算法，它和常规的算法相比在复杂度上大大降低。给出了仿真结果，结果表明这一新算法具有接近理想的最优性能。     

定时截尾下双参数指数模型参数估计的EM算法

利用EM算法讨论在定时截尾试验中最后一个失效时间与截尾时刻之间的信息,得出双参数指数模型中尺度参数的迭代解,并比较了EM算法与传统的极大似然估计,得出EM算法要明显优于传统的极大似然估计.     

基于遗传算法Beta分布参数的极大似然估计

在求解Beta分布中三参数的极大似然估计（MLEs）时,因对应的似然方程组得不到显性解,故采用遗传算法来求解该方程组的数值解.结果表明,通过遗传方法得到的MLEs数值解是非常接近真实值的.     

多入多出系统中一种新的部分极大似然算法

提出了一种新的应用于多入多出(MIMO)系统的结合最小均方误差串行干扰消除(MMSE-SIC)的部分极大似然(ML)算法.该算法对一部分符号进行ML估计,并结合MMSE-SIC算法对其他符号进行检测,最后选择与接收信号欧式距离最小的一组符号向量作为解调输出.仿真结果表明,在4发4收V-BLAST系统中BER=10-2处,所提出算法比传统的MMSE-SIC算法有大约4 dB的性能增益,甚至接近于ML算法的性能,而且对于空间相关也具有较强的鲁棒性.