基于3F–C法的局部放电脉冲信号能量最大似然估计

为抑制白噪声和窄带干扰对局部放电脉冲信号能量测量的影响,提出了一种基于噪声参数的能量估计方法。研究了现场信号模型和信号能量谱系数的概率分布,得到噪声参数已知条件下脉冲信号能量的最大似然估计。同时为获得噪声参数,将采样数据划分成信号帧和噪声帧,采用3F–C法估计了白噪声和窄带干扰参数。通过仿真实验和实测数据处理,与传统小波包降噪方法的结果进行了对比。数据分析结果表明:无论是针对单一白噪声环境还是存在窄带干扰的混合噪声环境,该能量估计方法的准确性均优于传统小波包降噪方法,且随着信噪比的降低和信号时间窗口长度的增加,该方法表现出更明显的优势。在信噪比为–8 d B的条件下,使用该方法对实测局部放电脉冲信号进行能量估计的相对误差仅为4.07%,而使用小波包降噪方法时相对误差则达到44.12%。

采用非局部主成分分析的极大似然估计图像去噪

本文提出一种采用非局部主成分分析的极大似然估计去噪方法.首先采用非局部主成分分析算法来计算像素邻域间的灰度值和纹理结构相似性,然后通过极大似然估计方法估计最优复原图像.本方法使用非局部主成分分析克服现有局部性去噪方法模糊边界等缺陷,引入极大似然估计方法来改进现有非局部均值的简单加权均值去噪处理,从而提高对图像细节信息的复原能力.最后分别使用本文方法、非局部均值和局部极大似然估计三种去噪方法,在不同噪音大小和不同几何纹理复杂度的图像中进行定性和定量的去噪实验.结果表明,本文方法可在保持图像细节和纹理信息的情况下有效去噪,较之现有方法效果更好.

广义变系数模型的局部非线性似然估计

针对广义变系数模型,在局部线性似然估计方法的基础上将关于系数函数的局部线性拟合改进为局部非线性拟合,利用Newton-Raphson迭代解法得到广义变系数模型的局部非线性似然估计,进一步讨论了当连接函数为典则函数时迭代公式的具体结果,并辅以实例.

非局部主成分分析极大似然估计MRI图像Rician噪声去噪

由于MRI图像中噪声呈Rician分布,直接使用现有针对高斯噪声的去噪方法将引入误差。基于此本研究使用Rician噪声模型改进现有极大似然估计去噪的高斯模型,同时引入非局部主成分分析,在非局部区域选择灰度和纹理均具有较高相似性的像素进行最优复原估计。使用非局部主成分分析不仅克服现有局部性去噪方法模糊边界的缺陷,而且具有更高的图像细节信息复原能力。分别应用所提出的方法、局部极大似然估计去除Rician噪声方法、采用参数修正非局部均值去除Rician噪声方法、无特定噪声模型的全变差方法,对不同噪声等级和不同纹理复杂度的图像进行定性和定量的去噪实验。结果表明,所提出的方法可在保持图像细节和纹理信息的前提下有效去噪,较之现有方法效果更好。

非参数回归模型的局部似然估计方法及应用

文章主要研究非参数异方差回归模型的局部极大似然估计问题。首先,利用局部逼近的方法,得到了回归均值函数的局部极大似然估计。然后,考虑到回归方差函数的非负性,利用局部对数线性拟合的方法,得到了方差函数的局部估计,保证了估计量的非负性。最后,通过对城镇居民消费与收入的实证研究,说明了非参数回归模型的局部似然估计法比普通最小二乘估计法的拟合效果更好。

基于最大似然估计的变电站特高频局部放电定向方法

局部放电是电力设备绝缘劣化的早期征兆,其准确检测对电力设备安全稳定运行有重要意义。现有研究侧重于对局部放电脉冲波形进行分析与处理,来解决变电站现场局部放电信号信噪比低、易受干扰的问题,从而提高定向准确度。该文将局部放电定向问题转换为统计分析问题,利用概率统计中的最大似然估计法实现了低信噪比环境下的特高频局部放电准确定向。仿真分析计算及变电站电气试验结果证明,该方法能提高局部放电定向精度,特别是在干扰较多、信噪比较低的变电站环境下(信噪比约5dB),定向精度高于传统多信号分类(MUSIC)算法约20%。该文为利用概率统计方法解决局部放电定向问题提供了新思路。

基于接收信号强度功率和最大似然估计的特高频局部放电测向方法

局部放电(PD)是变电站电力设备绝缘劣化的主要表征之一。对局部放电的监测与定位是设备绝缘故障预警的重要手段。目前变电站设备局部放电定位主要是基于特高频(UHF)电磁波到达时间差法开展的。此方法需要极高采样率和时间同步精度,装置成本较高。因此,该文提出基于接收信号强度功率(RSSI)和最大似然(ML)估计的特高频局部放电测向(DOA)方法。首先,离线测试得到各特高频无线传感器的接收信号模型;然后,利用传感器阵列接收到的幅值和最大似然估计方法得到初步测向结果;最后,利用插值拟合、聚类分析等方法提高测向精度以得到最终的局部放电源方位角。实验测试结果表明,该方法的平均测向误差小于7°,且成本更低、现场使用更加便捷。

基于网格爬山法的最大似然DOA估计算法

最大似然波达方向(DOA)估计具有最优的理论性能,但是存在计算量过大的问题。为了降低最大似然DOA估计的计算量,将参数估计转化为高维非线性函数的优化问题,并提出了一种新的优化算法。首先利用波束形成法对空间谱进行预估计并根据空间谱信息构造一组满足"预估分布"的初始解,这组初始解以较大概率落在全局最优解的局部吸引域中。然后将其中适应度最大的一个初始解作为局部搜索的起点。网格爬山法是一种以网格为单元的局部搜索方法,比传统爬山法更加高效和稳定,因此采用该方法获取全局最优解。新算法不仅能够得到精确的参数估计,同时具有较高的计算效率,计算机仿真显示新算法的计算效率高于基于粒子群优化的最大似然DOA估计算法。

半参数跳-扩散模型的近似极大似然估计——基于转移密度的闭式展开方法

首先,引入半参数跳-扩散模型,用闭式展开的方法得到转移概率密度的近似表达式,证明了转移密度的展开式收敛到真实的转移密度.然后,利用近似极大似然估计的方法对模型中的参数进行估计.针对时变参数和非时变参数,分两步进行估计:第1步,采用局部常数拟合对时变波动率参数进行近似,利用核函数加权的方法得到了时变参数的局部近似极大似然估计量;第2步,用传统的极大似然估计方法,得到了非时变参数的近似极大似然估计.最后,证明了所得估计量的渐近性质.

Lévy过程驱使的非线性随机微分方程的参数估计

用极大似然估计方法,考虑一类由Lévy过程驱使的非线性随机微分方程参数估计问题.首先,在连续时间观测下讨论当T→∞时,估计量的无偏性、渐近一致性及其渐近正态性;其次,在高频离散观测且有限活跃条件下,利用阈值法逼近连续鞅部分,得到当n→∞时,估计量的无偏性和渐近正态性;最后,通过给出数值模拟结果验证估计量的无偏性和渐近正态性.

随机删失数据下极大似然估计量的性质

研究了观察数据被随机删失时,极大似然估计的局部渐近正态性与渐近极小极大有效性,建立了局部渐近正态成立的充分条件,并给出渐近极小极大风险的下界以及达到该下界的充分必要条件,证明了随机删失下参数极大似然估计的渐近极小极大有效性.

有限混合Laplace分布回归模型局部估计的EM算法（英文）

本文研究了一类有限混合Laplace分布回归模型的局部极大似然估计问题.利用核回归方法和最大化局部加权似然函数的EM算法,获得了参数函数的局部极大似然估计量,并讨论了它们的渐近偏差,渐近方差和渐近正态性.推广了有限混合回归模型下局部非参数估计的结果.

非参数异方差回归模型的局部多项式估计——基于农村居民消费与收入的实证分析

本文主要研究非参数异方差回归模型的局部多项式估计问题.首先利用局部线性逼近的技巧,得到了回归均值函数的局部极大似然估计.然后,考虑到回归方差函数的非负性,利用局部对数多项式拟合,得到了方差函数的局部多项式估计,保证了估计量的非负性,并证明了估计量的渐近性质.最后,通过对农村居民消费与收入的实证研究,说明了非参数异方差回归模型的局部多项式方法比普通最小二乘估计法的拟合效果更好,并且预测的精度更高.

基于接收信号强度的配电网局部放电检测

为了准确检测配电网输电线路表面局部放电(PD)故障,利用高压输电线路作为PD模拟器,通过人为控制电压制造PD源。设计基于接收信号强度(RSS)模型的PD检测与定位系统,使用连接到宽带双锥天线和笔记本电脑的6个USRP N200接收器接收来自PD源的信号。利用线性近似方法改进RSS模型的定位估计误差,结合移动平均滤波器进行信号频谱处理,消除现实工况条件下环境噪声引起的干扰。实验结果表明,与传统方法相比,RSS模型的定位误差有所降低,同时保持相似的测量范围。

基于模型迭代匹配的单幅高分辨SAR图像遮挡建筑物高度估计方法

分析了高分辨SAR图像中受遮挡建筑物的特点,提出了一种针对遮挡情况建筑物的高度估计方法。该方法基于模型迭代匹配的思想,将一系列高度参数假设依所提构建的计算模型变换为特征信号并与SAR图像进行匹配,使似然函数达到最大的高度假设为待估计的遮挡建筑物高度。基于仿真和实测SAR数据的实验结果表明,和已有方法相比,所提方法可以更准确地实现对部分被遮挡建筑物的高度估计。

带有缺失数据的广义半参数模型的均值借补估计

本文在响应变量随机缺失时,给出了广义半参数模型中响应变量的2个均值拟似然借补估计.证明了它们具有渐近正态性,给出了估计的渐近偏差与渐近方差,并进行模拟比较.

时变Copula模型非参数估计的大样本性质

运用Copula模型研究随机变量间的相关结构,是近年来金融统计分析中的一个热点.在龚金国和史代敏提出时变Copula非参数模型的基础上,利用时间序列的极限理论研究了时变参数估计量的大样本性质,并给出了时变Copula模型的非参数估计算法.研究结果表明,时变Copula非参数模型的时变参数估计量具有一致性和渐近正态性.

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.

随机删失下极大似然估计的局部渐近正态与渐近极小极大有效

研究观察数据被随机右删失时 ,参数分布族的局部渐近正态与渐近极小极大有效 .建立局部渐近正态成立的充分条件 ,给出渐近极小极大风险的下界以及达到该下界的充分必要条件 。

缺失数据下广义变系数模型的均值借补估计

本文在响应变量随机缺失时,给出广义变系数模型中响应变量的2个均值拟似然借补估计。证明了它们具有渐近正态性,并进行了模拟研究。