基于空间网格数据的局部纠偏Whittle似然方法

基于多维网格上大规模空间数据的似然方法往往存在计算困难的问题.当样本量较大时, 因涉及协方差矩阵的求逆, 似然方法计算复杂度较高.借助观测数据的周期图而建立的Whittle似然函数,可用于近似精确似然函数. 利用快速Fourier变换,Whittle似然方法计算效率较高.然而,Whittle似然方法会产生有偏估计. 融合核函数加权与纠偏的思想,在研究周期图均值的基础上, 提出了局部纠偏Whittle似然的推断方法,并证明了局部纠偏Whittle似然估计具有渐近正态性. 模拟结果表明: 相比局部Whittle似然方法, 该方法在谱密度推断中有更好的表现.     

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).     

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.     

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.     

基于经验似然的自回归条件久期模型的统计推断

利用经验似然方法对自回归条件久期(ACD)模型参数进行统计检验, 给出了自回归条件久期模型参数的经验似然比统计量, 并证明了该统计量渐近服从χ²-分布. 数值模拟结果表明, 经验似然方法优于拟似然方法.     

一种新型的针对频率选择性MIMO信道的空时分层检测算法

在FS-BLAST算法的基础上,提出了一种改进的适用于频率选择性多输入多输出(MIMO)信道的接收方案,该方案采用部分最大似然分层检测,其主要思想是在空时分层检测的基础上,部分地引入最大似然(ML)检测,从而有效地克服FS-BLAST类算法由于误差扩散所导致的系统性能下降的缺点.该方法的特点是仅对接收信号的一部分使用最大似然检测,因此,计算量并没有太大的增加.另外,该方法可以自由地选取进行最大似然检测的信号维数,因此可根据实际系统特点在计算复杂度和误码率性能间选取最优折衷.     

信息缺失时基于HMM的故障诊断方法

在突发事件导致的事故中,状态监测与故障诊断系统的研究对象已经发生很大的变化,常规设计的状态监测与故障诊断系统往往很难满足要求.文章针对信息缺失提出了一种新的状态监测与故障诊断方法.该方法基于HMM模型的似然率计算过程,提出在发生信息缺失时,对缺失信号依据各模型采用最大似然率填充的方式进行故障诊断,并通过实际数据的测试实验对该方法进行了验证.验证结果表明,信号缺失时依据各模型采用最大似然率填充的方式进行故障诊断的方法是有效的.     

舍入数据的统计性质

经验似然是近年来非常重要的一种非参数统计方法,在经验似然基础上发展起来的经验欧氏似然,不仅具有与经验似然完全类似的优点和大样本性质,而且更重要的是计算更简单,表达更直观,更容易理解.该文用经验欧氏似然的方法研究舍入数据,论证了相应的大样本性质.     

一类变系数分组Cox回归模型及其估计

讨论了一类变系数分组Cox回归模型.该模型提高了线性分组Cox回归模型的灵活性和适应性.基于局部加权极大似然估计方法,讨论了该模型的参数估计问题,利用迭代加权最小二乘法给出了局部似然方程的迭代算法.     

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.     

纵向数据下基于复合分位数回归的经验似然推断

利用复合分位数回归（CQR）研究了纵向数据下回归系数的经验似然（EL）推断。将数据组内相关性纳入估计方程中,得到了参数更加有效和稳健的估计,无需预先估计渐近方差,从理论上证明了所得复合分位数经验似然估计（CQREL）的渐近性质,且提出的经验对数似然比服从渐近卡方分布,从而构造了兴趣参数的置信域。通过数值模拟验证了所得方法有很好的有限样本性质。     

基于局部LRS方法的稀疏信号片段检测

在稀疏信号的检测问题中,两个重要的挑战是如何提高检测精确度和降低计算复杂度。提出局部似然比选择法(LRSL)并用于检测一维噪声数据中的稀疏信号片段。与一般的似然比选择法(LRS)不同, LRSL方法首先选出观测值大于某个阈值的点,然后再从这些点的邻域内进行检测。 由于信号片段的稀疏性,LRSL方法能够显著地降低计算复杂度。另外,理论渐近结果表明,与LRS相比,LRSL方法能检测到更加微弱的信号。 仿真结果表明所提出的方法具有更高的检测精度和检测效率。     

响应变量缺失时纵向数据下变系数部分线性测量误差模型的经验似然推断

将经验似然方法应用于响应变量缺失时纵向数据下变系数部分线性测量模型中兴趣参数置信域,构造了关于参数分量纠衰的分块经验对数似然比函数,进而推导出参数分量纠衰的分块经验似然比统计量及其渐近分布。数据模拟结果表明所提出的经验似然方法在置信区间长度和覆盖率方面要优于正态逼近方法。     

GARCH(1,1)模型参数的多变点检验

研究广义自回归条件异方差(GARCH)模型的多变点检验问题.基于残量累积和(RCUSUM)构造拟似然比检验统计量,对GARCH(1,1)模型中变点的个数和位置都未知的多变点进行检验.在上述过程中同时得到变点个数与位置的估计,并且证明了变点个数估计的一致性.数值模拟表明文中的方法是有效的.     

稳健经验似然估计方法

在经验似然方法的基础上提出了一种稳健的经验似然估计方法,在约束条件的估计方程中使用权重函数以及有界得分来限制异常点的影响。通过数值模拟研究该方法的稳健性。模拟结果表明,相比普通的经验似然估计,提出的稳健经验似然方法在数据中存在异常值的情况下所得估计的均方误差更小。同时对于非正态的厚尾分布数据,提出的稳健经验似然估计也在均方误差意义下更优。     

一种新的V-BLAST系统分段检测算法

因为垂直分层空时传输(V-BLAST)系统在平坦衰落信道中的传统检测方法判决反馈均衡(DFE)方法有错误扩散的问题,使得系统的总体性能取决于最初检测的分层信号的误符号率性能,针对这一问题提出了分段检测的概念,用性能最好的最大似然(ML)算法来联合检测最初的几个分层信号,以此来提高整个检测算法的性能,对于后续的几个分层信号,仍采用较为简单的DFE的方法．同时还提出了基于最小均方误差(MMSE)准则的新的分段检测方法．新分段检测方法和传统的DFE方法相比,在增加较小的复杂度的情况下,明显地改善了检测性能,仿真结果也验证了这一点．     

正态分布的均值和方差在伞序约束下的最大似然估计

讨论了k个独立正态总体的均值和方差同时在伞序约束下最大似然估计的求解问题,并给出了一个求解方法和一个例子。     

广义线性模型中基于拟似然的变量选择方法

变量选择是建立广义线性模型的基础．为了选择变量,本文提出了一种惩罚拟似然方法．这种方法不需要知道数据的分布,而只要求知道数据的一二阶矩．在统计推断过程中,此方法同时进行变量选择和参数估计,得到估计具有Oracle性质,并是渐近有效的．同时,本文定义了一种后验拟似然,于是,选择变量的过程就是一个比较拟后验密度的过程．特别的,对于线性模型,比较拟后验密度就等价于比较惩罚残差平方和．     

宽带模糊函数的一种最优的目标参数估算算法

首先讨论了在开阔海洋环境中对目标的和参数估计问题。再提交了一种搜索宽带模糊函数峰值的高效算法。在噪声环境中,利用最大似然性对宽带模糊函数进行峰值能使算法的性能被进一步改进。由于最大似然时延估计器明最好的误差性能,从这种意义上来说,在同类的时延估计器中,它是一种最优的估计器。这已经被我们用仿真模拟所证实。基于以上两种方法,最后提出了一种高效和最优的目标参数估算算法。     

正态总体均值与标准差比在树序约束下的最大似然估计

考虑3个正态总体均值和方差都是未知参数及所取的3个正态总体样本数不等时, 均值和标准差的比在树序约束下的极大似然估计. 根据PAVA算法的思想, 给出了均值和标准差的比在树序约束下的极大似然估计的计算方法.