一种基于局部ML的DFT-S-OFDM检测算法

离散傅里叶变换扩频正交频分复用(DFT-S-OFDM)作为一种单载波调制方案,与传统正交频分复用相比具有较小的峰均功率比(PAPR),并且已被3GPP采用作为其长期演进项目(LTE)的上行调制方案。针对该方案,提出了一种改进的基于局部最大似然(ML)的DFT-S-OFDM检测算法,首先挑选一阶最小均方误差-最大似然(MMSE-ML)检测后最有可能的2个星座符号位置,进而在这2个位置上做最大似然检测。仿真结果表明,提出的算法相比二阶MMSE-ML,在大幅度降低计算复杂度的基础上,性能损失很小;相比一阶MMSE-ML,能获得0.5 dB^0.7 dB的增益,而所需的额外计算量较少。

变系数再生散度线性模型和它的估计(英文)

本文研究了一类变系数再生散度线性模型. 利用局部最大似然的方法,得到了兴趣参数的估计,同时也研究了局部权和光滑参数的确定以及统计推断, 结果推广了文献[11]的工作.

变系数Logistic模型估计及其应用

以线性Logistic模型为基础,通过假定其中的回归变量系数是某一度量空间中点的任意函数,提出了一类有广泛应用背景的变系数Logistic模型.该模型提高了线性Logistic模型的灵活性和适应性.基于局部加权最大似然估计方法,系统讨论了变系数Logistic模型的拟合,以及与之相关的局部权系统和其中光滑参数的确定.最后,探讨了本模型在判别分析中的应用.

变系数广义线性模型及其估计

本文以经典广义线性模型为基础,通过假定其中的回归变量的系数是某一度量空间中点的任意函数,提出了一类有广泛应用背景的变系数广义线性模型,增加了模型的灵活性和适应性,同时也适用于空间数据的统计分析。基于局部加权最大似然估计方法,文章讨论了变系数广义线性模型的拟合与统计推断,以及与之相关的局部权系统和其中光滑参数的确定。

金融系统的非线性分析：交易量对股价波动的非线性影响

如何研究股价波动和成交量之间的关系一直是金融系统研究中感兴趣的话题。Lamoureux和Lastrapes认为选择日交易量度量每天流入市场的信息量是合理的,但他们假定交易量对波动率的影响是线性的。提出部分非线性GARCH模型分析交易量对股票市场波动率的影响,基于GARCH模型局部线性化非参数似然估计方法,对中国证券市场股票价格和交易量数据进行实证研究。结果表明,交易量对股价波动的影响具有显著的非线性性。