基于Cyclic-2伪最大似然算法的Turbo乘积码在高速移动通信系统中的译码方法

采用扩展汉明码作为Turbo乘积码 (TPC)的子码时,与传统的Chase算法相比,Cyclic-2PML(循环 2伪最大似然)算法复杂度低。本文研究了基于该算法的TPC在高速移动通信系统中的译码方法,仿真比较了采用不同子码组合的TPC结合不同的调制方式在高斯信道和多径衰落信道中的性能。结果表明,以(32, 26, 4)扩展汉明码为子码的TPC,不仅具有较高的码率,同时可以获得更好的误比特率性能。

基于最大似然算法的OFDM频偏估计研究

由于OFDM的高频谱利用率和传输可靠性均是以子载波间的正交性为基础的,因此对OFDM符号的频率偏差进行有效的估计和补偿具有非常重要的意义。由于多载波系统几乎都采用插入循环前缀的方法来消除符号间干扰,引入循环前缀后,每对间隔为N的样值之间具有相关性,因此利用循环前缀所携带的信息,采用最大似然估计方法进行频率偏差的估计,最后通过Monte Carlo方法对其进行了仿真验证,结果显示估计频偏与实际频偏的偏差很小。

基于最大似然算法的OFDM定时和频偏估计研究

OFDM系统对定时和载波频率偏差极其敏感,为了解决OFDM符号定时同步和载波频率同步的问题,采用基于循环前缀的最大似然估计算法,分析了对OFDM系统同步产生影响的三个主要因素,详细推导了基于循环前缀的最大似然估计算法,并针对最大似然估计算法在不同信道下的性能以及循环前缀长度对同步性能的影响进行了仿真分析,仿真结果对OFDM系统中循环前缀长度的选取具有指导意义。

基于最大伪似然准则估计的故障链路诊断

识别网络内部的故障链路对提升网络性能具有重要参考价值。研究了树型拓扑下基于端到端测量的故障链路诊断问题,提出一种最大伪似然估计方法估计链路先验故障概率,把树型拓扑划分为一系列具有两个叶节点的子树,并使用期望最大化(EM)算法最大化每个子树的似然函数,求出链路先验概率。仿真实验表明,该方法与现有的联立方程组求解方法估计精度相当,但是大大降低了算法时间复杂度,证明了该方法的有效性。

基于OFDM循环前缀同步算法的研究

OFDM中的同步问题是影响系统性能的重要因素。提出了一种新的ML(最大似然估计)改进算法,提高了同步估计的精度。

基于SISO Cyclic-2 PML算法TPC译码器的仿真研究

Turbo乘积码(Turbo Product Codes TPC)通过将软输入软输出迭代译码引入到线形分组乘积码获得了优异的译码性能。本文对TPC软输入软输出(SISO)Cyclc-2 PML译码算法及TPC的串行迭代译码结构进行了介绍,并对基于SISO Cyclic-2 PML算法的TPC译码器进行了仿真研究。

改进的粒子滤波算法

为了防止经多次重采样后粒子多样性的丧失,保持粒子的统计独立性,以应对强非线性系统或者意外突发情况,在重采样技术的基础上,提出了一种改进的粒子滤波算法。当粒子失去多样性而导致估计误差较大时,采取一种循环算法,使得粒子朝高似然区域移动,以增加粒子的多样性,提高对强非线性系统滤波的稳定性和准确性。仿真实验验证了该算法的有效性。

基于陷阱检测的咬尾卷积码译码算法

该文分析了循环维特比算法(CVA)中存在的循环陷阱问题,并证明了传统基于CVA的咬尾卷积码译码算法中存在的不足,提出了一种高效率的咬尾卷积码译码算法。该算法通过检测两次不同迭代中获得的两条最大似然路径是否相同来判断是否有循环陷阱产生,并及时终止循环,减少冗余迭代;在没有循环陷阱产生的情况下,新算法比较当前迭代中最大似然路径和已经发现的最优咬尾路径是否相同来自适应终止迭代。文中对循环陷阱检测方案和自适应终止方案做了进一步优化,即利用路径的净增量而非路径本身作为检测量。实验结果表明新算法提高了译码效率,降低了译码复杂度。

短循环前缀OFDM信号参数估计方法研究

为了克服传统的OFDM信号参数估计方法在短循环前缀条件需要大量OFDM符号、估计性能较低、抗多径衰落能力差等缺点,本文提出了一种新的短循环前缀OFDM信号参数估计方法。该算法利用OFDM信号模型推导出接收端的傅里叶逆变换模型函数,然后在此基础上根据OFDM信号的先验概率密度构造一种多参数融合的极大似然函数,并从理论上说明了可以通过检测似然函数的最小值实现OFDM信号循环前缀长度和有效符号长度的联合估计。同时,本文还利用动态粒子群优化算法(DPSO)降低了搜索复杂度,缩短了估计时间。仿真实验展示本文算法在不同环境下对OFDM信号参数估计的鲁棒性,表明本文算法的识别性能优于传统方法。

多径衰落信道下的正交频分复用符号同步算法

传统的基于循环前缀的正交频分复用同步最大似然算法,在多径衰落信道下,由于多径时延和多普勒频移的缘故,部分循环前缀受到码间干扰,相关运算的峰值不明显,而且具有峰值平顶效应,在不加优化的条件下,几乎不可以使用.现提出了一套改进方案,根据信噪比的高低和多径时延的大小,动态调整参与相关运算的循环前缀长度,并采用多点相关求均值的方法.仿真结果表明,该方案在信噪比低的高斯白噪声信道和多径衰落信道下,均可以得到尖锐的相关峰值,显著减少多径衰落信道下的峰值平顶效应,并且提高符号同步精度.

编码成像MLEM互补算法的参数优化

为了提高编码近场成像质量,本文对最大似然期望最大化法互补算法的参数进行优化选择。采用最大似然期望最大化互补算法消除近场成像伪像的原理,利用Geant4程序模拟研究了不同位置^(137)Cs单点源通过修正均匀冗余阵列(19×19)嵌套编码孔的成像结果,并利用参数选取对成像质量的影响。选取合理的修正参数进行理想迭代次数与源项位置关系式的拟合并验证。结果显示:伪像主要由源项在探测器上投影的不均匀性造成的,相关成像性能明显优于传统δ解码成像法,相比于源项所在极角,极径对于迭代参数的选取影响更大。

基于可靠性的线性分组码软判决译码算法研究

讨论了线性分组码软判决最大似然译码的原理,介绍了软判决译码中所用到的译码量度,给出了基于可靠性量度的非最优软判决译码算法——Chase2译码算法实现步骤,经过计算机仿真表明,基于可靠性量度的译码算既降低了计算复杂度,同时又具有很好的误码性能。

天线映射规则伪随机变化的新型空移键控系统

在传统的空移键控技术基础上,对天线映射规则进行伪随机改变,旨在探索一种新的抗截获通信方式。重点分析了所提方案的实现原理及天线映射结构,并计算了其误码率联合上界;接收端采用最大似然算法,确保了天线位置序号能被正确检测。性能仿真表明,该方案的传输性能取决于发送与接收天线数目,而与所选取天线映射规则的个数无关。最后,从窃听方破译天线序列复杂性的角度出发,证明了系统具有很好的反侦察、抗截获性能。

基于B2C帐号在线评论特征的聚类分析——以京东商城为例

基于B2C帐号在线评论数据对帐号进行聚类,聚类算法采用EM、SimpleKMeans,并使用基于似然度的聚类算法评估准则作为聚类算法簇个数选取和算法比较依据。最终,选取EM算法并得到5类人群。得结论:站在帐号满意度的层面,京东商城的运营状况基本良好,但是,也有大概十分之一的高级账户存在流失的潜在风险;京东商城正在培育出一批忠诚度高、消费能力旺盛的客户群;评论字数较长的负面评论更易引起关注。

含有Ⅱ型区间删失数据的回归模型参数估计

目的比较四种方法估计含有Ⅱ型区间删失数据的回归模型参数最大似然估计值,探讨在不同样本量情况下四种方法估计结果的准确性和稳定性。方法对含有Ⅱ型区间删失的生存数据分别拟合Weibull参数回归模型和Cox-PH半参数回归模型,并结合EMICM算法得到模型参数的最大似然估计值;应用组均值插补法将区间删失数据填补为右删失数据,进一步用传统的Cox回归以及建立伪观察值的方法估计生存函数,模拟样本量分别为50、200、500例。结果Weibull回归模型的参数最大似然估计值分别为β_1=0.496,β_2=-0.366;β_1=0.680,β_2=-0.586;β_1=0.620,β_2=-0.504。Cox-PH半参数回归模型的参数最大似然估计值为β_1=0.652,β_2=-0.469;β_1=0.683,β_2=-0.538;β_1=0.629,β_2=-0.511。填补为右删失数据后传统Cox回归方法得到的参数最大似然估计值分别为β_1=0.203,β_2=-0.227;β_1=0.641,β_2=-0.514;β_1=0.545,β_2=-0.446。用Pseudo-observations得到的参数最大似然估计值分别为β_1=0.217,β_2=-0.275;β_1=0.796,β_2=-0.601;β_1=0.561,β_2=-0.468。结论在不同样本量情况下,拟合Weibull参数回归模型,Cox-PH半参数回归模型结合EMICM算法估计的参数最大似然估计更准确更稳定。

随机波动模型估计及在金融风险防范中的应用

对随机波动 (SV)模型提出了一种基于禁忌遗传算法的伪极大似然 (TSGA- QML )估计 .Monte Carlo试验表明这种方法在参数估计与波动估计上都有较好效果 .利用这一方法对上海股市收益进行了波动分析 ,发现上海股市的收益具有很高的波动持续性 .

胚乳性状主基因的分离分析方法

根据胚乳性状的数量遗传模型,发展出专用于胚乳性状主基因检测、主基因效应与变异估计的分离分析方法。该方法以EM算法实现的极大似然估计方法进行主基因的分离比例、主基因效应和剩余变异估计,以似然比统计量进行主基因检测。用水稻杂交组合IR50×CP231的P1、P2和F2胚乳世代直链淀粉含量(AC)资料演示了分析程序。结果表明该组合的AC遗传涉及一个主基因,该主基因无第一显性效应,其加性效应和第二显性效应分别为5.37和6.85;主基因变异尺度约为微基因变异尺度的两倍。

混合广义线性模型的统计推断

为了更好地拟合实际数据,本文提出了混合广义线性模型并进行参数估计.首先,基于异质总体的一阶矩以及二阶矩存在的条件下,运用混合广义线性模型对子总体的均值进行建模,构造扩展拟似然和伪似然函数,然后利用 EM算法对均值参数、散度以及混合比例进行估计,并通过 Monte Carlo模拟验证所提出的模型参数估计方法的有效性.最后,实例研究的结果表明本文的模型和方法是科学实用的.

混合双重广义线性模型的参数估计

在实际应用中,不同类别的数据统计特性存在差异,所以对异质总体的研究非常有必要.基于总体一,二阶矩存在,利用双重广义线性模型对异质总体的不同子类数据的均值和散度同时建模,研究提出了混合双重广义线性模型.然后,利用EM算法构造了模型参数的最大扩展拟似然估计和最大伪似然估计.最后,通过随机模拟和实例研究,结果表明模型和方法的有效性和有用性.

Turbo乘积码在Rayleigh信道下的性能研究

Turbo乘积码(TPC)自从被提出以来表现出了优异的性能。研究了利用扩展汉明码作为其子码的TPC在Rayleigh信道下的性能,给出了不同的子码以及不同的迭代次数下的性能曲线,仿真结果表明了TPC在Rayleigh信道中同样有较强的纠错能力。