拓展目标混合分量删减算法

针对拓展目标概率假设密度滤波器高斯混合实现中的混合分量增长问题,提出混合分量的极大似然删减算法.该算法利用期望极大化方法实现混合分量的极大似然删减;视量测在混合分量的来源指标集为缺失量;取混合参数的先验分布为依赖于混合权重的分布;在期望步,计算量测在混合分量来源指标的条件概率;在极大化步,通过混合权重置零来实现相关度较小混合分量的删减.仿真结果表明,该混合分量极大似然删减算法优于典型阈值删减算法.     

论信息熵和似然函数的极值关系

给出似然函数与熵函数的关系式，得出熵极大时，似然极小；似然极大时，熵极小的结论。     

用于多目标数据关联的群智能混合算法

为快速实现多目标数据的关联,将蚁群优化(AGO)算法和粒子群优化(PSO)算法相结合,提出了一种群智能混合算法.以跟踪门确定目标的有效量测,以新息的似然函数描述量测与目标的关联关系,建立多目标数据关联的组合优化模型.利用交叉变异的PSO算法求解出该优化组合模型的次优解,再将该次优解作为蚁群位置和信息素初始化的依据,利用ACO算法对目标函数的解进行细搜索以求得更优解.仿真实验结果表明,该算法能够有效地提高关联准确性和收敛速度.     

EM-CDKF算法及其SINS初始对准应用

针对非线性捷联惯导系统噪声先验统计信息未知问题,基于中心差分卡尔曼滤波基本算法,采用极大似然准则构造极大期望最速下降梯度算法展开系统未知噪声统计特性在线估计计算研究,构建一类捷联惯导系统初始对准极大期望自适应中心差分最优滤波算法.该算法利用极大似然准则构造系统噪声统计特性对数似然函数,采用极大期望最速下降梯度法把系统噪声统计特性估计转化为对数似然函数期望最大值计算,获得系统过程噪声和观测噪声在线递推估计的自适应极大期望中心差分卡尔曼算法.经过大方位失准角捷联惯导系统初始对准仿真实验,与中心差分卡尔曼滤波基本算法相比,自适应极大期望中心差分卡尔曼算法能够有效解决基本算法在系统噪声先验知识未知情形下的滤波精度下降甚至发散问题,并且能够实现系统噪声统计特性的在线递推估计.     

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.     

基于人工蜂群算法的多目标跟踪数据关联研究

为快速实现多目标跟踪的数据关联,将人工蜂群算法(ABC)与多目标跟踪数据关联相结合,实现快速的多目标跟踪数据关联.本文以跟踪门确定目标的有效量测,以新息的似然函数描述量测与目标的关联关系,建立多目标数据关联的组合优化模型,详细阐述了人工蜂群算法的基本原理,工作流程.利用人工蜂群算法寻找多目标数据关联优化组合模型的最优解,人工蜂群算法在离散空间的启发式机制实现搜索目标的量测与最佳数据关联.仿真表明,该算法与经典的JPDA算法以及基于元启发式的蚁群算法的数据关联算法进行比较,提高目标关联准确性和跟踪精度.     

采用熵函数法的多传感器空间配准算法的研究

针对传感器空间配准问题,提出了一种基于滑窗法的极小化极大熵函数的传感器空间配准算法。该算法使用熵函数作为优化准则,根据传感器的量测模型推导出关于传感器系统偏差的目标函数,然后借助极大熵函数的思想,将目标函数的绝对值转化为对应的极大熵函数,并且使用拟牛顿法求得的极大熵函数的解作为传感器系统偏差的估计值。在单目标跟踪场景和多目标跟踪场景下,与传统传感器空间配准算法在相同的仿真条件下进行对比,仿真结果表明,所提算法能够有效地提高传感器距离量测和角度量测系统偏差的估计精度,从而实现高精度的空间目标跟踪。     

多站测时差多目标静态数据关联算法

对极大似然比准则下多站测时差多目标静态数据关联问题进行研究,提出了一种新的基于代价函数修正的数据关联算法。指出传统的数据关联算法没有充分考虑关联假设对应目标位置估计随机性的影响,继而对度量关联假设关联程度的代价函数进行修正,再利用S-维分配完成关联判决。最后仿真实验表明所提算法计算复杂度有所提高,但是进一步提高了关联正确率。     

一种三参数Weibull分布极大似然估计的求解方法

提出了一种求解极大似然估计的新算法.根据极大似然估计原理求出尺度参数的表达式,把该表达式代入对数似然函数,使对数似然函数中只包含位置参数和形状参数,把求解非线性方程组问题变成了求解满足约束条件的最优化问题,使问题得到了简化.该法具有计算精度高、运算速度快的优点,利用EXCEL的规划求解即可求解,便于工程应用.     

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%。     

一种新型可靠性模型参数优化求解方法

对可靠性增长模型参数进行求解多采用构造极大似然函数,并对似然函数求极值的方法。用极大似然法进行参数优化估计时,有容易受迭代初值的影响不易收敛到全局最优解的缺点,文中采用进化规划（EP）算法,建立以适应函数为目标,求其极大值点即可确定参数最优解的优化模型,不再需要求极值和估计优化变量的初始值即可获得全局近似最优解。为了更好地确保获得全局最优解,进一步保证方程解的精度,进化规划算法采用了并行操作、保留最优个体等方法。新的优化参数求解方法可以在求解效率和收敛性能上达到较好的平衡,能更好地将优化方法与最大似然估计法相结合。最后利用某固体火箭发动机的可靠性增长实验数据验证了该优化方法的有效性和正确性。     

漂移瑞利混合滤波算法改进及其在机动目标纯方位跟踪中的应用

针对纯方位机动目标跟踪问题,利用基于代价函数的高斯混合成分减少技术改进了漂移瑞利混合滤波算法,提出一种改进型漂移瑞利混合滤波算法。仿真结果表明:在强杂波背景下,改进型漂移瑞利混合滤波算法（ MSRMF）的计算量与漂移瑞利混合滤波算法相当,但计算精度更高;漂移瑞利混合滤波算法及其改进型算法的估值精度与粒子滤波算法相当,但其计算量却比粒子滤波算法减小了一个数量级。     

基于数据分组与右删失情形下一般瑞利分布的参数估计

研究了一般瑞利分布在分组与右删失情形下参数的估计问题,利用EM算法求出了参数的极大似然估计,最后模拟结果表明这种方法具有良好的收敛性与可行性．     

纵向数据半参数混合效应的Logistic模型

为了深入探究Logistic模型的统计推断问题,联合半参数混合效应模型和Logistic模型建立了纵向数据半参数混合效应的Logistic模型,进一步求出该模型的极大似然函数、Fisher信息阵,利用QLB(quadratic lower-bound)算法求解参数的极大似然估计.最后进行数值模拟,结果表明在此模型的求解问题上QLB算法是Newton-Raphson算法的合理替代.     

一类连续minimax问题的区间极大熵算法

讨论了目标函数为C^1类函数的连续型minimax问题的区间极大熵算法。通过构造目标函数的极大熵函数及其区间扩张，利用区域二分原理和无解区域的删除原则，建立了求解连续型minimax问题的区间极大熵算法，证明了算法的收敛性，给出了数值算例。数值结果表明，其算法是可靠和有效的。     

一类双线性系统小样本极大似然估计法

针对一类双线性系统模型,提出了小样本条件下的极大似然参数估计法。该方法基于预测拟合优势的概念-即对正态分布的最佳拟合是学生公布,而在小样本下其拟合的优势是更为显著的。我们按照此概念构造了具有学生分布的似然函数,用DFP变尺度算法求其极值,仿真表明了该法的有效性。     

基于DF-DDEA算法的Turbo均衡研究

研究了基于数据引导均衡算法的Turbo均衡,此算法求解似然函数时,假设条件概率密度函数符合高斯分布.实际上经过均衡处理,噪声已经变成有色噪声,此时的条件概率密度函数并不是完全符合高斯的,针对这一问题,提出基于判决反馈数据引导均衡算法(decision feedback-data directed equalization algorithm,DF-DDEA)的Turbo 均衡,该算法通过对均衡符号进行判决处理,得到完全符合高斯分布的条件概率密度函数,从而满足求解似然函数时的假设条件.根据计算后验信息时是否考虑整个数据块内其他符号对当前输入符号的影响,分别推导了基于符号检测以及基于序列检测的DF-DDEA-Turbo均衡算法.通过仿真分析,比较了提出的新算法和原来算法的性能,新算法在基本不增加计算复杂度的情况下,比原来算法的各项性能分别有不同程度的改善.     

基于高斯混合密度函数估计的语音分离

基于最大熵法(MaximumEntropy,ME)、最小互信息量法(MinimumMutualInformation,MMI)和最大似然法(MaximumLikelihood,ML)是解决盲信号分离问题的常用算法,分析了ME、MMI以及ML算法之间的关系.基于高斯混合模式(GaussianMixtureModel,GMM)概率密度函数估计,提出了一种采用反馈结构的扩展最大熵语音分离算法.与传统ME的计算机模拟实验结果比较得知,新算法具有更好的收敛性能和语音分离效果     

幂分布的有效估计

讨论了幂分布的概率密度函数和分布函数的估计问题,分别得到了概率密度函数和分布函数的极大似然估计、一致最小方差无偏估计和基于分位数的估计。通过随机模拟计算了多种估计的均方误差,随着样本量的增大,估计量的均方误差变小;在概率密度函数和分布函数的估计量中基于分位数的估计的均方误差最大。     

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...