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%。     

联合最大似然贝叶斯信道估计

在高信噪比情况下统计贝叶斯估计是一种有效的信道估计方法,但是在低信噪比时由于噪声估计不准确,其性能逐渐下降.研究了基于鲁棒的非线性降噪方法,提出了一个简化的联合最大似然贝叶斯信道估计.计算机仿真结果和分析表明这种方法在较高和较低的信噪比情况下,提高了信道估计和联合检测的性能.     

基于最大似然估计的多目标定位

宽带高分辨雷达多目标定位问题一般是先进行精确时延估计，再进行源定位。本文提出了一种在频域运用最大似然估计进行目标位置反演的方法，归结为全局搜索--目标函数的极值。通过对仿真数据的处理，结果显示该方法可以准确的估计出多目标位置。     

Sign-LMS盲最大似然估计算法的研究

简要阐述了Sign-LMS盲最大似然估计算法的基本原理。通过计算机仿真试验,在典型电话信道,对称信道以及普通信道中,对该算法与传统的LMS盲最大似然估计算法性能作了比较,并证明了该算法在收敛速度、均方误差等方面均优于传统算法。从理论上证明了该算法的复杂度,但是该算法的简单是以牺牲稳态性能为代价的,并提出了今后Sign-LMS盲最大似然估计算法的研究方向———如何减少稳态剩余误差。     

基于非线性滤波器的最大似然信道估计

在有限信道冲激响应较长的情况,由于待估计参数空间的高维数,准确计算最大似然信道估计的复杂度较高,在实际应用中通常采用近似的方法.利用非线性Teager-Kaiser滤波器在抑制噪声的同时可以有效提取信号的特征,定义了一个表征信道参数概率分布的似然比,对该似然函数的最大化是首先得到路径延迟的极值,然后求得复路径衰耗.计算机仿真结果表明,与非似然方法相比,采用该似然函数方法能使联合检测性能得到提高.     

基于最大似然法的平坦信道估计

由确定性干扰和高斯白噪声干扰信号是常见的各种工程应用。在此论文中,我们提出了一个联合测量的干扰和噪声功率水平的非数据辅助算法。该算法采用迭代的方法,以最大似然准则为基础。仿真结果表明,该方法具有收敛速度快,准确性高。     

目标定位最大似然估计

提出一种近似的最大似然估计方法,用于基于测量波达角进行目标定位.通过引入一中间量,即和波达角估计相关的非线性方程可以转换成一组未知参数的线性方程.这就是近似的最大似然估计.实验仿真表明,提出的算法具有明显的优点：误差小,鲁棒性好.     

最大似然估计关于概率密度函数的通有稳定性

证明了最大似然估计关于概率密度函数的通有稳定性。     

归一化LMS盲最大似然序列估计算法

阐述了归一化LMS盲最大似然估计算法的基本原理,通过计算机仿真试验证明了该算法在收敛速度、稳态剩余误差等方面均优于传统的LMS盲最大似然估计算法,并提出了该算法的研究方向。     

更新过程中分布参数的最大似然估计

文中我们讨论了更新过程中分布参数的最大似然估计,证明了最大似然估计是强相合的。     

在ARFIMA模型中使用小波的另一种极大似然估计

用小波变换方法提出ARFIMA(p,d,q)模型中分形差分参数d的另一种极大似然估计(MLE).这种极大似然估计被证明是相合的和渐近正态的.仿真结果显示这种极大似然估计偏差较小,并且与Tse的估计值相比较有更小的根均方误差(RMSE),该方法估计长记忆时间序列是有效的.     

基于完美抽样的最大似然方位估计方法

为了解决最大似然估计计算量大的问题,将马尔可夫蒙特卡罗方法与最大似然方位估计相结合,提出一种基于完美抽样的最大似然方位估计新方法.研究结果表明,该方法不但保持了原最大似然方位估计方法的优越性能,而且大大减小了计算量,把原方法的计算复杂度从O(LK)减少到O(K×J×Np).     

非对称Log-GARCH模型及重尾新息下的准极大似然估计

在Geweke(1986)和Pantula(1986)提出的Log-GARCH模型及Nelson(1991)提出的EGARCH模型的基础上,提出了非对称Log-GARCH(Asymmetric Log-GARCH)模型,该模型不仅考虑了信息非对称效应,和EGARCH模型相比,在重尾误差下更容易得到准极大似然估计,最后文章还给出了估计的渐进性质.     

论随机过程中最大似然估计的一致性

应用Cramér方法考察了向量参数的最大似然估计的一致性.观察被假定为构成离散时间的随机过程.本文的主旨在于一致性的结果是在仅对向量参数的各种线性函数的信息增长的相异性施加了较弱的限制下给出的,所有一致性结果以明了的阶结果的形式给出.     

对数线性Gamma分布模型极大似然估计的渐近正态性

在(sum (Z_iZ_i′) from i=1 to n)-1→0且Z_n′(sum (Z_iZ_i′) from i=1 to n)-1 Z_n→0等条件下证明了联系函数是对数函数Gamma分布模型回归参数极大似然估计的渐近正态性,其中Zi,i=1,2,…,n,是协变量.     

多维自回归时间序列的极大似然估计

主要推广了ＡｎｄｅｒｓｏｎＴＷ关于自回归模型的结果。对多维自回归模型导出了一个简明的似然方程。     

自相关法多途时延估计及其实验结果

讨论自相关多途时延估计方法,分析了自相关多途时延时估计方法的估计精度,并将其与ＭＬＥ估计器进行了比较;并针对实际情况讨论了海面波动对多途时延的影响,用自相关法对一组海上试验的数据进行了处理,并对处理结果进行了分析,理论分析与实际数据处理表明,自相关法是工程中进行多途时延估计的较好方法。     

CDMA移动用户多径时延的盲估计

提出了一种将MUSIC算法推广应用于CDMA移动台进行多径时延估计的新方法。该方法结合用户的特征序列,不需要导频信号,直接对接收的用户信号进行时延估计,为处于小区边界的用户同时利用几个基站发射的信号实现多径分集、改善性能创造了条件。