星下点观测的星载卫星导航反射信号海面风矢量极大似然估计

该文针对星载全球导航卫星反射计(GNSS-R)镜面反射信号对海面风向不敏感导致海面风向反演难问题,分析非镜向海面散射信号特征,提出星下点非镜向观测模式,定义该模式下海面风矢量敏感特征观测量,在此基础上提出基于星载GNSS-R海面风矢量极大似然估计(MLE)反演算法直接利用两颗及以上导航卫星的星下点非镜向散射信号进行海面风矢量的反演,并提出风矢量搜索算法提高反演效率。通过搭建星载GNSS-R仿真平台验证算法的可行性和评估算法性能。结果表明:所提算法可直接利用非镜向独立观测模式下的多颗导航卫星散射信号反演得到海面风速和风向;多星观测可消除观测几何导致的模糊解从而将海风风向4个模糊解降至2个模糊解,但无法消除海浪谱的对称性导致的海面风向模糊解。在2~25 m/s的风速内,当信噪比(SNR)大于11 dB时,3星观测的风速均方根误差(RMSE)优于2 m/s,风向的均方根误差优于15°。

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。

双边定时截尾下Pareto分布的参数的极大似然估计的EM算法

给出了当寿命分布为Pareto分布时,双边定时截尾寿命试验下形状参数的极大似然估计。由于似然方程形式较复杂,无法得到参数的显式表达式。但可证明此极大似然估计是唯一存在的,并利用EM算法求出了此参数的一种估计。

一种多元均值混合正态分布参数的极大似然估计

以Madadi等提出的数学模型与概率密度函数为基础,证明了多元均值混合正态分布的性质,讨论了MMNE分布参数的极大似然估计问题,利用ECM算法对MMNE分布的位置参数、尺度参数、偏度参数进行了参数估计计算,给出了计算方法和迭代公式。实例分析表明,所提出的偏态数据下MMNE分布参数估计模型合理且实用。

基于极大似然估计的非理想场景雷达信号分选算法

目前,已有研究针对理想条件下的雷达脉冲信号分选问题进行了详细阐述,但是缺乏杂散脉冲和缺失脉冲两种非理想情景下的模型表征。为解决这一问题,提出了一种基于极大似然估计的非理想场景雷达信号分选算法。该算法通过修正似然因子来表征杂散脉冲和缺失脉冲现象,提高在复杂场景下的分选准确率。当部分雷达先验信息已知时,所提算法模型具有更好的分选效果。仿真实验结果表明,与已有的极大似然模型和深度学习算法相比,所提算法在分选准确率上有显著提升,具有较高的应用价值。

一种基于极大似然的分布光伏谐波异常支路估计方法

随着全球对生态环境的日益重视,光伏发电这一可再生清洁能源得到越来越广泛的利用,同时对光伏发电电能质量的监控也日趋上升。该文针对光伏电站并网点出现谐波超标时,支路谐波排查费时和经济损失大的问题,提出一种基于极大似然的光伏异常支路估计方法。该方法通过对预采集样本的统计确定各支路各阶次谐波分量的正态分布参数,进而构建出极大似然函数;在电气模型约束下推导出极大似然方程,并采用牛顿法求解得到各支路各阶次谐波分量的极大似然估计;最后提出一种概率谐波贡献度计算方法,并以此排序确定光伏异常支路的优先切除顺序。模拟分析表明,该方法速度快,具有较高稳定性和灵敏度,对不同阶次的谐波超标产生不同的支路切除优先顺序。

多元混合正态分布参数的极大似然估计

从层次结构的角度出发推导总结了Reinaldo B.Arellano-Vall所提出的广义多元混合正态分布公式中混合变量的相关统计性质,结合所推导的混合变量性质,运用EM算法和协方差矩阵参数化分解方法,解决多元混合正态分布在无序约束和简单树半序约束下参数的极大似然估计问题。借助MATLAB软件编程进行数据仿真模拟,并给出其协方差矩阵在简单树半序约束下的极大似然估计结果。

“极大似然估计”教学的诊断和策略研究——以贵州理工学院为例

贵州理工学院作为地方省属高校以培养高素质应用型人才为办学目标,对“概率论与数理统计”课程提出了新的要求。针对“极大似然估计”这一数理统计部分最重要的知识点之一,结合在实际教学过程中的经验,对“极大似然估计”在教学中存在的问题和现状进行了诊断和分析,然后详细研究了其存在的原因,最后给出了相关的教学策略和研究措施。

极大似然估计与遗忘曲线的隐式反馈交互推荐算法

针对传统推荐算法对启动数据要求严苛且服务器性能要求过高导致实际项目中较难应用的问题,提出一种挂载在ECS服务器(elastic compute service,ECS)上的基于极大似然估计原理(maximum likelihood estimate,MLE)和双重艾宾浩斯遗忘算法(double ebbinghaus forgetting algorithm,DEFA)相结合的推荐算法(EMDE)。首先,通过极大似然估计原理和双重艾宾浩斯遗忘算法结合,实现了对用户偏好数据的正态拟合,并且可以灵活地调整用户偏好的遗忘速度和保留程度。其次,充分考虑了对修改关闭原则,可以与现有业务模块高度解耦,并且具有轻量级的特性。实验结果表明,EMDE算法可以成功避免推荐快速消耗用户兴趣和触及用户反感的交互,并选择合适的交互以达到增强用户黏性的目的。

极大似然估计及其应用

文章简要介绍极大似然估计的原理,分析二项分布与超几何分布中的概率最值,结合例题与教材解析极大似然估计在二项分布与超几何分布中的应用,并给出几点教学启示.

基于金枪鱼算法的最大似然信号方位与频率联合估计

针对多维非线性搜索在传统最大似然估计(ML)上的波达方向(DOA)估计存在计算量大、传统网格搜索速度慢等不足,提出了一种基于金枪鱼算法的窄带信号频率方位联合估计的最大似然DOA估计,该算法体现了良好的估计性能。仿真结果表明,该算法对单声源有精确的角度和频率估计值;在声源个数不同的情况下,与基于松鼠搜索算法、正余弦算法、原子搜索优化算法、人工蜂群算法等的估计相比,该算法有着更快的收敛速度和更低的均方根相对误差。

基于不确定理论的非线性回归模型参数的极大似然估计方法的研究

利用不确定理论的极大似然估计方法,对非线性回归模型参数给出了估计方法,并进行了数据仿真。在数据仿真中发现,当响应变量数值较大时,误差较大。于是将这个非线性模型转换为线性模型方法做了改进。让误差项与预测值保持相加的形式,使误差范围可以得到减小,数据仿真发现此改进方法有效。

多维广义线性模型拟极大似然估计的弱相合性

本文考虑多维广义线性模型的拟似然方程sum from i=1 to n X_i(y_i-μ(X_i^1β))=0,在一定条件下证明了此方程的解(?)渐近存在,并得到了其收敛速度,即■_n-β_0=O_p(■_n^(-1/2)),其中β_0为参数β的真值,■_n是方阵S_n=sum from i=1 to n X_iX_i^1的最小特征值．

基于StN分布下联合位置与尺度模型的极大似然估计

在社会和经济等领域中存在大量的异方差数据,而且人们非常关注方差的变化,所以在研究社会经济现象时方差建模与均值建模同等重要;相对于对称分布,偏态分布更能获得更全面准确、更及时有效的信息,文章基于以上两点,研究提出基于偏t正态分布(StN)的联合位置与尺度模型,并给出该模型参数的极大似然估计,模拟和实例研究结果表明该模型和方法是有用和有效的.

基于帧选择和极大似然估计的自适应光学图像多帧联合去卷积算法

为提高自适应光学(AO)图像的空间分辨率,提出一种基于帧选择和极大似然估计的AO图像多帧联合去卷积算法.该算法基于极大似然估计,根据图像的高斯噪声模型建立多帧AO图像的联合对数似然函数.首先对观测的多帧AO图像进行帧选择,遴选高质量的降质图像;然后结合观测条件和AO系统特性,推导点扩散函数估计模型;最后建立迭代求解公式,得到多帧AO图像联合去卷积方法.实验结果表明,与基于期望值最大化的Richardson-Lucy算法(Richardson-Lucy EM算法)和基于合并惩罚函数的自适应应图像复原算法(CPF-Adaptive算法)相比,该算法的峰值信噪比分别提高9%和5%,Laplace梯度模分别提高11%和8%,且得到了较清晰的目标图像.

极大似然估计与AIC准则联合建模

将极大似然估计与ＡＩＣ准则有机结合进行回归模型建模。这样不仅可省去一般回归模型建模时繁杂的模型检验工作，而且还可快速有效地同时估计模型参数和确定模型阶数。最后用实例验证本方法的实用性和正确性。

基于对数正态分布下联合均值与散度广义线性模型的极大似然估计

基于对数正态分布研究提出了联合均值与散度广义线性模型,给出了此模型参数的极大似然估计,模拟和实例显示该模型和方法是有用和有效的.

基于对数正态分布联合对数均值与对数方差模型的极大似然估计

文章基于对数正态分布研究提出了联合对数均值与对数方差模型,给出了此模型参数的极大似然估计,模拟和实例研究结果表明该模型和方法是有用和有效的。

基于StN分布联合位置,尺度与偏度模型的极大似然估计

在社会,经济领域中异方差数据的大量存在表明方差建模与均值建模同等重要,而相对于对称分布,有偏分布更能获得准确有效的信息,对偏度建模,了解影响偏度的因素具有理论与实际意义.基于以上两点,文中提出了于Skew-t-Normal(StN)偏态分布的联合位置,尺度与偏度模型,并研究了该模型参数的极大似然估计,模拟和实例研究结果表明该模型和方法是有用和有效的.

高维数据固有维数的自适应极大似然估计

如何确定高维数据的固有维数是降维成功与否的关键。基于极大似然估计(MLE)的维数估计方法是一种新近出现的方法,实现简单,选择合适的近邻能取得不错的结果。但当近邻数过小或过大时,均有比较明显的偏差。其根本原因是没有考虑每个点对固有维数的不同贡献。在充分考虑数据集的分布信息之后,提出了一种改进的MLE——自适应极大似然估计(AMLE)。实验表明,无论在合成数据集还是真实数据集上,AMLE较MLE在估计准确度上均有很大的提高,对近邻数的变化也不甚敏感。