L型阵水下目标方位和距离联合最大似然估计

空间目标定位是阵列信号处理领域中的研究热点,广泛应用于雷达、声纳、通信、射电天文、医学诊断、地震遥感等众多领域。传统的水下声源定位仅获取目标声源的深度和距离信息,却无法估计目标的方位信息。针对这一问题,在充分考虑水下声传播模型的基础上,利用L型阵列固有的结构特征,将最大似然估计技术应用到水下目标定位,提出一种基于L型水听器阵列的水下目标方位与距离联合最大似然估计算法。研究表明:最大似然估计法可有效突破传统波束形成分辨力“瑞利限”的限制,提高水下目标定位的分辨能力和精度。计算机仿真分析显示,在单目标和相干双目标的场景中,文中所提出的方法均具有更为尖锐的谱峰及更低的旁瓣水平,可对水下目标进行有效的方位角和距离联合估计。

泰勒展开与交替投影最大似然结合的离网格DOA估计算法

针对最大似然DOA估计算法需要多维搜索、计算量大且面临着在网格估计的问题,该文提出一种基于泰勒展开的离网格交替投影最大似然算法。该方法首先利用交替投影将多维搜索转化为多个1维搜索,获得对应预设大网格的粗估计结果;再利用矩阵求导理论将1维代价函数在粗估计结果处进行2阶泰勒展开;最后通过对2阶泰勒展开求偏导并令导数等于零,求得离网参数的闭式解。与交替投影最大似然算法相比,该方法突破了搜索网格大小的限制,在保证算法精度的同时,有效减少了算法的在网格计算点数,提升了运算效率。仿真结果证明了该算法的有效性。

部分线性变系数空间自回归模型的惩罚轮廓拟最大似然方法

主要研究了部分线性变系数空间自回归模型的变量选择问题。结合拟最大似然方法、局部线性光滑方法以及一类非凸罚函数,提出了一个变量选择方法用于同时选择该模型的参数部分中重要解释变量和估计相应的非零参数。大量模拟研究表明,所提出的变量选择方法具有满意的有限样本性质,并且关于空间权矩阵的稀疏度、空间相关强度、系数函数的复杂度以及误差分布的非正态性非常稳健。特别地,当样本容量较大且罚函数选择合适时,即使解释变量的相关性较强或者模型中含有较多不重要解释变量,所提出的变量选择方法仍然具有比较满意的有限样本性质。通过分析波士顿房屋价格数据考察了所提出的变量选择方法的实际应用效果。

基于最大似然估计的低轨通信星座分布式时间同步方法研究

随着低轨巨型星座的快速部署和卫星互联网的快速发展,由大规模低地球轨道卫星组成的分布式卫星系统是空天地一体化的重要特点。在卫星网络中,低成本、高精度的时间同步技术是其中的核心技术之一。针对低轨卫星高动态、拓扑结构时变特性因素影响下的低轨通信星座的分布式时间同步问题,考虑低轨卫星场景下的通信时延特性,同时为解决现有方法在动态网络拓扑下同步精度和收敛速度方面的不足,提出了一种基于最大似然估计的低轨卫星时间同步方法,能有效解决分布式动态网络中的通信时延随机不可预测以及星间距离不对称的问题。仿真结果表明,低轨卫星动态场景和拓扑结构变化下,本文提出的基于最大似然估计的时间同步方法同步误差均小于5ns。

基于改进帝王蝶算法的最大似然DOA估计

针对传统最大似然波达方向(maximum likelihood direction of arrival,ML-DOA)估计存在计算量大、估计精度差等问题,本文提出一种采用改进帝王蝶优化算法(improved monarch butterfly optimization algorithm,IMBO)的ML-DOA估计方法。IMBO算法通过精英反向学习策略对初始帝王蝶种群进行优化,得到适应度值较优的初始帝王蝶个体,进而能够改善帝王蝶种群的多样性;引入差分进化算法启发的变异操作以及自适应策略对帝王蝶个体的寻优方式进行改进,扩大了算法的搜索空间;引入了高斯-柯西变异算子,自适应调整变异步长,避免算法陷入局部最优。将IMBO应用于ML-DOA,实验表明,与传统的DOA估计算法相比,在不同信源数目、信噪比以及种群数量下,本文提出的算法收敛性能更好,均方根误差更低,运算量更小。

面向高速PAM4有线收发机的自适应和低复杂度最大似然序列检测器

高速串行收发机是中央处理器、网卡和交换机等高性能芯片的关键部件.判决反馈均衡器(decision feedback equalization,DFE)是高速串行收发机的主要判决电路.针对传统DFE在高码间干扰(intersymbol interference,ISI)信道下的高误码率制约串行收发机速率提升的问题,提出一种面向4电平调制(4 pulse amplitude modulation,PAM4)串行收发机的自适应、低复杂度的减状态序列检测器(adaptive reduced-state sequence detector,ARSSD).ARSSD基于最大似然序列检测结构降低检测误码率;结合Viterbi算法和分区算法降低运算复杂度;采用基于迫零算法的ISI参数获取方式实现检测器参数的自适应更新.所提结构最终完成了行为仿真、电路设计以及系统验证.基于模拟前端芯片和现场可编程门阵列电路的实验结果表明,与传统DFE相比,当12~64 Gbps PAM4信号经过−8~−18 dB@16 GHz衰减信道时,32×4路并行ARSSD检测误码率降低2个数量级,与行为仿真结果一致.

4×4 V-BLAST系统分组最大似然检测算法

对于V-BLAST系统的检测,最大似然(ML)算法有着最优的性能却也有最大的计算复杂度;经典的排序连续干扰抵消(OSIC)算法复杂度较低,但数值稳定性差,且性能与ML差距较大。因此,本文基于检测性能和计算复杂度折中的思想,针对4×4 V-BLAST系统提出了一种分组最大似然(Group ML,GML)检测算法,在保证较好检测性能的基础上,通过将四维ML检测器分成两组二维ML检测器来降低计算复杂度。此外,本文还提出了一种简化的最大似然(Simpli-fied ML,SML)检测算法,通过将每组中的二维ML检测器的搜索空间从二维降至一维,进一步降低了计算复杂度,并证明其与ML算法具有一致的性能。仿真表明,在误符号率为10-3时GML算法相比OSIC算法有约7dB的性能提升。经分析知,GML算法复杂度与ML-OSIC算法相比在高阶调制方式下有着显著的降低,易于硬件实现。

基于最大似然法和决策树的智能电能表计量误差检测方法

电能计量设备校验不及时可能会出现一些误差,研究计量误差检测方法具有重要意义,为此设计基于最大似然法和决策树的智能电能表计量误差检测方法。对智能电能表计量原始数据实施数据清洗与降维;基于最大似然法,计算清洗与降维后异常特征数据项的可分离性,当计算获得的可分离性越高,说明该数据项对于异常有着越明显的分类效果,选择可分离性较高的数据项,输入至基于XGBoost算法构建精准研判函数中,通过网格搜索法实施超参数搜索,结合算法自适应能力与自学习能力,确认计量误差,提升对于电能表计量误差的精准研判能力,实现智能电能表计量误差检测。测试结果表明,该方法在多种子区中都取得了较高的检测准确率,整体具有较好的稳定性和泛化能力。

基于树小波压缩与最大似然的超宽带信道融合估计方法

为实现无人集群智能化巡检,针对脉冲超宽带技术在山区、森林等复杂地区的应用劣势,提出应对复杂环境下多径效应影响的信道估计方法。通过理论分析与实验研究,提出一种基于树小波压缩与最大似然法融合的信道估计方法(TS-SC)。该方法在贝叶斯压缩感知(CS)模型基础上,通过小波基的稀疏矩阵与马尔可夫链蒙特卡洛抽样,建立层次贝叶斯模型,以实现低速采样下原始信号的恢复。采用最大似然估计方法(SC)对多径数量和增益进行准确估计。实验结果表明:噪声SNR为10dB时,借助低频采样数据,检测精度能达到0.5592,满足复杂环境中信道估计的需求。研究成果突破了传统信道估计方法的局限,为复杂环境下的无人机集群通信提供了有效解决方案。

基于最大似然估计的海面风场反演算法研究

最大似然估计法被认为是海面风场反演的最佳方法,目前被用来处理SeaWinds散射计数据。风矢量求解算法是风场反演算法的核心内容。最大似然法的目标函数形式决定了在风场反演过程中必须采用数值方法求解风矢量,而传统数值求解方法运算量大。该文对最大似然估计的风场反演方法的基本原理和具体过程进行探讨,根据其目标函数的一般分布特征,提出一种较为高效的数值风矢量搜索算法。用SeaWinds散射计的L2A实测数据和相应的L2B数据验证了该算法的可行性。

最大似然属性在致密砂岩储层微断裂识别中的应用——以西湖凹陷花港组为例

断裂是重要的油气储集空间和流体运移通道,尤其对于深层致密储层,微断裂有利于深层油气资源的有效开发,在叠后地震数据倾角导向滤波处理的基础上,提取最大似然属性体,应用最大似然属性预测西湖凹陷花港组深层微断裂。结果表明,微断裂在地震剖面上的显示效果得到明显提升,平面上有利于计算微断裂发育密度,并预测有储层分布;最大似然属性刻画效果优于相干属性,其中,Likelihood属性对于微断裂的刻画效果较好,内部结构更为清晰;在定性预测微断裂的基础上,计算微断裂密度,可实现微断裂的定量表征。

四格表OR值点估计的条件与非条件最大似然估计比较

目的比较四格表OR值的点估计值的条件与非条件最大似然估计方法的优劣,并为其应用提供依据。方法采用MonteCarlo模拟方法,考虑样本量、OR值、对照组暴露概率、病例组与对照组比例等四种参数的不同组合,使用SAS9.2软件编程,比较两种估计方法的相对误差。结果在所有参数组合下,非条件最大似然估计的相对误差均明显小于条件最大似然估计方法。结论对于四格表资料,无论是实际资料的符合情况,还是OR值估计的准确性和计算的便捷性,非条件最大似然估计方法比基于超几何分布的条件最大似然估计方法更值得提倡。

基于最大似然频率精细估计的载波捕获算法

深空通信中,星上对载波的主动捕获主要利用频率估计的方法。在实际载波捕获电路中,精确的频率估计值导入锁相环,使得锁相环捕获带余量充足。在锁相环带宽一定的情况下,估计精度的提高可以减少FFT实现点数。在FFT频率粗估计的基础上,通过频率精细估计算法可提高估计精度。为获得估计精度更高的频率精细估计算法,利用最大似然泛函不变性推导了频率精细估计的最大似然算法。载噪比在5 dB时,估计精度可以提高到FFT分辨率的10-4。仿真结果表明,该算法估计性能优于其他频率精细估计算法。

空时网格码的联合迭代最大似然估计和译码

该文提出了一种适合空时网格码的联合迭代最大似然估计和译码的方法,利用较少的导频,能够获得比传统非迭代最大似然译码更好的系统性能,仿真结果显示经过4次迭代,其性能与接收机已知理想信道信息下的最大似然译码比较只有不到1dB的损失,最后根据仿真结果给出一个导频数目和迭代次数的合理选择。

最大似然估计量的一致性与样本容量选择

本文通过自行设计的光学测量系统 ,以实验的方法对最大似然估计量的一致性进行了分析 ,提出了一种减少测量系统计算工作量、降低采样成本 。

关于最大似然估计的教学

通过浅显事例说明最大似然原理，给出最大似然估计的主要方法．

最大似然参数估计水声通信帧同步技术研究

水声通信中传统帧同步方法仅仅依赖于匹配滤波输出的相关系数,在复杂信道条件下,容易出现误触发和漏同步。针对这一问题,分析了水声信道中噪声、多普勒和多径对帧同步的影响,提出了一种基于参数估计的帧同步方法.在同步过程中引入参数估计,将信号参数作为检测判决依据,以降低误触发率和漏检率;同时对最大似然估计算法进行适当简化,以降低实现复杂度。计算机仿真实验验证了新的帧同步方法相对于传统方法在定时精度和相关系数方面的优势。实际水声通信实验结果表明,无论是静止平台还是移动平台之间的通信,新的帧同步方法均能有效提高匹配滤波器输出的相关系数,提升接收机检测能力,从而避免出现误触发和漏同步。

遥感图像最大似然分类方法的EM改进算法

基于参数化密度分布模型的最大似然方法 (MLC)是遥感影像分类最常用手段之一 ,与其他非参数方法 (如神经网络 )相比较 ,它具有清晰的参数解释能力、易于与先验知识融合和算法简单而易于实施等优点。但是由于遥感信息的统计分布具有高度的复杂性和随机性 ,当特征空间中类别的分布比较离散而导致不能服从预先假设的分布 ,或者样本的选取不具有代表性 ,往往得到的分类结果会偏离实际情况。首先介绍了用基于有限混合密度理论的期望最大(EM)算法来作为最大似然函数 (MLC)参数估计的方法———EM MLC。该模型首先假设总体混合密度分布可被分解为有限个参数化的高斯密度分布 ,然后把具有先验知识的样本与随机选取的未知样本混合在一起 ,通过EM迭代计算来估计出各密度分布的最大似然函数的参数集 ,从而一定程度上避免了参数估计可能出现的偏离。最后 ,本文提出了基于EM MLC遥感影像分类的具体实施流程和应用示范 ,并与一般最大似然方法 (MLC)得到的分类结果进行了定性和定量的综合比较 ,认为EM

基于裸土期多时相遥感影像特征及最大似然法的土壤分类

运用单时相遥感数据进行土壤分类及制图,其数据本身易受到其他因素干扰而出现误差,存在一定的局限性,导致制图精度不高。为了提高制图精度,以松嫩平原林甸县为研究区,利用裸土时期多时相Landsat 8遥感影像、DEM数据和全国第二次土壤普查数据,从所有单时相遥感影像中提取出多种分类特征,按照分类特征类型进行压缩处理,得到新的多时相分类特征,将不同分类特征进行组合并分别进行最大似然法分类,得到不同分类特征组合下的土壤类型图,通过不同土壤类型图精度来判断各分类特征对于制图的影响。研究表明,该文所提取的分类特征均可以实现土壤制图,使用压缩处理后得到的多时相遥感数据分类特征完成制图的精度更高,总体精度达到91.0%,研究可为土壤精细制图提供依据。

基于最大似然译码字的Petri网电网故障诊断方法

考虑到畸变的动作信号对电网故障诊断准确度的影响,提出一种基于最大似然译码字的Petri网故障诊断方法。首先,根据保护和断路器的动作逻辑关系,建立故障元件的Petri网诊断模型,并运用CPN Tools软件验证其合理性;其次,推导相关矩阵,并给出确定监督码元数量的方法;最后,应用最大似然可信度和相关代价之间的关系确定最佳错误图样,以此对畸变信号进行纠正,并根据故障映射关系做出相应的故障诊断。算例分析和不同模型诊断结果的对比表明上述方法可提高故障诊断结果的容错性和准确性。