多径环境下CDMA移动定位的时延估计算法

针对CDMA移动定位系统中影响定位时延估计准确度的多径干扰问题，提出了一种基于早晚接收机原理的修正最大似然迭代估计算法，该算法对路径时延差在一定的码片间隔范围内，与传统最大似然时延估计器相比，能有效地抵抗多径干扰的影响，仿真结果证明了该算法的有效性和实用性．该算法同样适用于其他基于时间的无线定位系统的时延估计．     

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。     

基于RSSI极大似然估计定位算法的改进与实现

针对基于RSSI(接收信号强度指示)的极大似然估计算法会出现消去二次项时坐标信息丢失,定位误差较大的问题,提出了一种改进的基于RSSI极大似然估计的定位算法.该算法先用卡尔曼滤波算法对采集到的RSSI进行数据处理,然后利用在极大似然估计算法中使用基于泰勒级数展开的最小二乘法对未知节点求解定位.仿真实验结果表明,该算法改善了原算法定位的稳定性,有效减小了定位误差,提高了定位精度.     

双基阵纯方位目标跟踪的抗野值算法研究

本对方位测量野值存在的不同原因进行了分析，以提高目标参数估计性能的鲁棒性为目的，提出了2种基于批处理技术的双基阵抗野值算法，分别是修正的最大似然估计法和特征值法．并说明了特征值法和最大似然估计法一样，它也是一种无偏估计器．蒙特卡洛仿真结果表明，运用这2种算法得到的位置和速度均方根误差跟踪曲线显示了很好的野值抑制能力，并且修正的最大似然估计方法的抗野值能力要优于特征值方法，为工程应用提供了参考．     

基于Kalman滤波的自适应MIMO信道估计

给出了一种基于Kalman滤波的自适应MIMO信道估计方法，分析了算法的剩余误差能量随迭代次数增加的变化情况，对饱和MIMO系统和欠饱和MIMO系统，分别采用Kalman自适应MIMO信道估计方法和最大似然信道估计方法，进行了数值仿真和对比。从对比的结果来看，文中给出的Kalman自适应信道估计具有和最大似然信道估计相近的性能，而在饱和系统中，Kalman估计算法性能要略好一些。     

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。     

双边定时截尾下Burr Ⅻ分布的参数估计

在双边定时截尾样本下,用最大似然法求Burr Ⅻ分布中未知参数的估计,证明了最大似然估计是唯一存在的.用EM算法得到了未知参数的迭代公式及渐近方差,相关引理说明迭代公式具有良好的收敛性.随机模拟结果表明未知参数的EM估计要优于最大似然估计,对于双边定时截尾样本来说,EM算法是一种较好的参数估计方法.     

二元极值分布参数的最大似然估计与分步估计

考虑二元极值分布参数的最大似然估计与分步估计的渐近协方差阵，得到分步估计关于最大似然估计的渐近效率，表明分步估计是一种实用的方法。     

序约束下最大似然估计的迭代算法

本文讨论了 k2× 2表相对风险简单半序约束下期望频数的最大似然估计问题 ,给出了求最大似然估计的一种迭代算法 ,并证明了此算法的收敛性     

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%。     

扫描体制雷达高分辨参数估计算法统一框架及性能分析

在对扫描体制雷达高分辨参数估计算法研究的基础上,提出了适于各种扫描体制雷达高分辨参数估计算法的统一框架,从而把多重信号分类(MUSIC)、多维多重信号分类(MDMUSIC)、最大似然(ML)和加权子空间(WSF)等典型算法有机统一起来,构建了扫描体制雷达高分辨参数估计算法的统一理论基础,推导了该类算法的克拉美—罗界(CRB)。通过仿真实验比较了各种算法的性能,结果表明各算法对角度和多普勒频率估计的精度较高,具有较强的角度和多普勒频率的超分辨特性,这一特性是传统波束扫描雷达参数测量算法所不能企及的。     

LTE上行链路高速铁路应用场景中的频偏估计方法

提出了一种长期演进(LTE)上行链路频偏最大似然(ML)估计算法,并通过定量分析该算法与基于2个训练序列相差的频偏估计算法(相差法)的估计性能,提出了一种联合频偏估计算法.仿真结果表明:与相差法相比,所出提的ML估计算法与联合估计算法的频偏估计范围均能够覆盖高速铁路应用场景中的最大频偏,且ML估计算法不受LTE上行链路跳频传输的影响;在信噪比10 dB且少于4个用户的情况下,2种算法均能够提供10-4或更小的归一化频偏估计均方误差;在单用户情况下,联合估计算法比ML估计算法的均方误差在信噪比上提高了近5 dB.     

小区域估计中的SEBLUP估计方法

空间相关的经验最优线性无偏预测（SEBLUP）模型是指区域随机效应相关的线性混合模型,而模型中的参数估计方法是当前研究的重要问题之一。本文给出了模型中参数的极大似然（ML）估计过程,并通过仿真模拟,实验结果显示用ML估计方法估计SEBLUP模型的参数的条件下,SEBLUP估计方法处理空间相关的小区域数据效果较好。     

OFDM系统载频偏移估计算法研究

对正交频分复用系统中的载波频率偏移估计的典型算法——ML算法、类MUSIC算法和类ESPRIT算法进行研究，总结三种算法的基本思想，对三种算法进行仿真实验和性能分析。     

块衰落信道中的迭代盲信道估计与译码

提出了衰落信道下的一种迭代盲信道估计与译码算法,推导了高阶调制下的MAP估计和ML估计表达 式#并证明了在信噪比充分大或块衰落信道的块长充分大时,MAP估计和ML估计是等价的.通过仿真发现,在对迭 代信道估计与译码算法的影响上,信噪比与衰落信道的块长之间存在着折中关系,并分析了块衰落信道的块长对 迭代信道估计与译码算法的性能的影响.     

块衰落信道中的迭代盲信道估计与译码

提出了衰落信道下的一种迭代盲信道估计与译码算法，推导了高阶调制下的MAP估计和ML估计表达式，并证明了在信噪比充分大或块衰落信道的块长充分大时。MAP与ML估计是等价的。通过仿真发现，在对迭代信道估计与译码算法的影响上，信噪比与衰落信道的块长之间存在着折中关系，并分析了块衰落信道的块长对迭代信道估计与译码算法的性能的影响。     

时间渐消递推最小二乘估计的矩阵QR分解方法

给出了当数据一步更新时,利用矩阵QR分解进行最小二乘估计的直接递推形式。与利用Givens旋转变换进行参数递推估计的方法相比,该方法直接表征了被辨识参数的递推计算关系,因而可直接判定递推估计算法的收敛性。     

OFDM盲同步迭代算法

为了在OFDM系统中实现符号定时偏差（STO）和载波频率偏移（CFO）的精确同步,阐述了OFDM的基本原理,建立了SIMULINK系统仿真模型,研究了OFDM系统中的最大似然估计（ML）算法,并使用数据循环移位以及多符号联合估计技术对ML算法进行了改进,形成新的迭代算法。仿真结果显示,在AWGN信道中,该算法可以有效提高STO和CFO的估计性能。     

基于深度卷积神经网络的DOA估计

针对现有均匀线阵远场窄带非相干多目标估计算法对低信噪比、少快拍情况适应性差、运算复杂度高，以及现有深度学习方法难以有效提取数据复值特征的问题，提出基于深度卷积神经网络的波达方向估计方法。该方法将波达方向估计问题转换为阵列输出协方差矩阵到目标到达角度的逆映射问题，利用阵列输出协方差矩阵的Hermitian特性，提取其上三角阵的实部、虚部及相位特征，构造网络的输入数据，搭建包含三维卷积层的深度卷积神经网络用来提取数据特征，网络的标签对应目标的到达角度，从而实现多个信源的波达方向估计。试验仿真表明:该方法可以充分提取空间特征，提高波达方向估计精度并降低算法复杂度。所提方法在低信噪比、少快拍数的情况下，其估计精度明显优于MUSIC、ESPRIT以及ML算法。     

OFDM系统中一种符号定时和载波频率同步算法

针对正交频分复用(OFDM)系统提出了一种新的符号定时和载波频率同步算法.该算法将整个OFDM符号分成多段,在连续多个OFDM符号中采用相关累加的方法得到对系统同步的估计函数.当分段长度小于相邻OFDM符号间的无符号间干扰(ISI)区长度时,算法可以分辨这一区间,从而得到最优符号定时同步以及载波频偏估计.分析表明最大似然(ML)算法和Karthik算法是它的一种特殊情况,计算机仿真结果表明该算法不仅可以跟踪时变信道而且其均方估计误差(MSE)要远远小于最大似然(ML)估计.