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。

一种包含组合范数惩罚项的波达方向稀疏估计方法

波达方向(Direction of Arrival,DOA)估计是阵列观测数据研究领域的一个基本问题.对于观测数据服从复椭球对称分布的应用场景,现有的方法多采用l1-范数惩罚项来实现信号波达方向的稀疏估计,其中的l1-范数惩罚项仅考虑信号的稀疏性而没有考虑信号的多样性,从而造成这些估计方法一般将弱信号(具有较低功率的信号)略去,可能无法准确地估计弱信号的波达方向.为解决这个问题,本文通过引入一个组合范数惩罚项构建了一个新的估计(模型)方法,其中的组合范数惩罚项是l1-范数惩罚项与l2-范数平方惩罚项的线性组合,其组合系数(惩罚参数)互不相关,l2-范数平方惩罚项则可以保留弱信号的多样性.然后,本文基于Majorization-Minimization(MM)算法设计了模型的求解算法,并证明该方法是收敛的.数值实验表明,相较于那些基于l1-惩罚项的估计方法,本方法具有更高的精度.

基于小波变换和似然无偏估计的运动心电信号伪差消除法

介绍了一种基于小波变换并结合似然无偏估计来消除运动心电信号中基线漂移和肌电噪声的新方法 ,且提出了评价心电消噪算法有效性的两个指标。该方法利用小波变换多分辨率分析的特性 ,将原始运动心电信号进行多尺度分解及单支重构 ,根据运动心电信号的自身特征 ,结合似然无偏估计针对不同的心电细节成分进行阈值消噪处理。研究结果表明 ,该方法能有效消除运动心电信号中的干扰成分 ,为进一步研究运动心电信号的特征识别分析提供了新途径。

预测性伪似然法和贝叶斯法广义线性混合模型估计

目的比较预测性伪似然法(PQL)和基于马尔可夫蒙特卡罗(MCMC)的贝叶斯方法在广义线性混合模型参数估计的偏差和精度。方法针对样本含量不等的层次数据,运用SAS/glimmix过程和WinBUGS软件分别进行PQL和贝叶斯法参数估计。结果两种方法固定效应参数估计结果基本一致,但对随机效应方差的估计,基于MCMC的贝叶斯法偏差远小于PQL法。结论对二分类层次数据,采用广义线性混合效应模型贝叶斯估计精度更高,偏差更小。

基于伪似然估计算法的网络延迟计算仿真

在网络实际应用过程中,由于网络规模不断扩大,网络复杂性不断提高,在网络数据传输过程中,需要获取网络中的节点性能参数。但是,网络中的节点存在较大的差异性,将造成节点的性能参数过于复杂,在通信过程中协调性较差,存在冲突现象,导致对这种延迟的估计出现偏差。提出了一种伪似然的网络延迟估计算法。利用小波域数据线性变换模型,计算网络状态参数,为网络延迟计算提供准确的数据基础。统计网络延迟的概率分布情况,将网络延迟计算问题,转化为伪似然估计问题,并对该问题进行求解处理,消除干扰的影响。实验结果表明,利用该算法进行网络延迟计算,能够在网络规模比较大、网络复杂性比较高的情况下有效地获取网络延迟程度,获取的结果与实际的网络延迟分布情况非常接近,真实的反映了网络延迟情况。

基于最大似然估计法的超声波测风仪校准周期研究

针对超声波风速仪校准问题,该文以基于时差法的超声波测风仪为例,利用实验室测试数据对超声波风速仪溯源必要性和校准周期方法进行研究。首先采用大直径低速回路风洞对多支超声波风速仪进行等间隔长期测试;然后确认仿真条件,进行超声波风速仪测试仿真;最后通过最大似然估计法给出超声波风速仪校准周期并进行验证。结果表明:超声波风速仪有必要确定校准周期,参与测试的传感器总数、校准总次数和不合格数对校准周期的确定影响较大,不合格平均出现次数对校准周期的确定影响较小,建议超声波风速仪校准周期72个月。

稳健的惩罚经验似然方法及压缩估计

本文基于原有的经验似然函数,在经验似然的约束条件中的估计方程上加入Huber函数和权重函数,将经验似然方法和稳健估计方程相结合,再在目标函数中加上SCAD惩罚函数,提出一种稳健的变量选择和惩罚估计方法.通过数值模拟与最小二乘估计和普通的惩罚经验似然估计在变量选择和参数估计方面进行比较,显示本文所提出的基于惩罚稳健经验似然的压缩估计具有明显优势.

基于遗传算法的最大似然参数优化估计

用最大似然法进行参数优化估计时,为了避免常规优化算法由于受迭代初值的影响不易收敛到全局最优解的缺点,文中采用遗传算法,不再需要估计优化变量的初始值即可获得全局近似最优解。建立以似然函数为目标,求其极大值点即可确定参数最优解的优化模型。为了更好地确保遗传算法获得全局最优解,在传统遗传算法的基础上采用尺度变换适应度函数、并行操作、保留最优个体等方法,进一步保证方程解的精度。最后以威布尔分布为例进行参数估计,结果表明,改进的遗传算法可以在求解效率和收敛性能上达到较好的平衡,能更好地将优化方法与最大似然估计法相结合。

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。

航天湍流退化图像的极大似然估计规整化复原算法

为了从有噪的湍流退化图像中有效地恢复出目标图像,提出了一种基于极大似然估计准则的规整化复原算法.根据图像随机场模型建立了有关多帧图像数据的对数似然函数,同时为了平滑噪声和保护图像边缘以及避免无价值的解,将一些合理的惩罚项和辅助平滑项融合到该对数似然函数中.推导出了湍流点扩展函数和目标图像的交替迭代求解公式,通过迭代方式可将点扩展函数和目标图像同时估计出来,给出了算法的并行处理方案.在微机上对强噪声条件下的湍流退化图像进行了恢复实验,实验结果表明本算法具有较强的抗噪能力和实用价值.

基于粒子群优化理论的可靠性分布模型的极大似然参数估计法

针对有些复杂分布模型采用常规极大似然法很难直接进行参数估计,将粒子群优化理论引入极大似然法,提出了基于粒子群优化算法的新的参数估计方法,并通过实例模拟论证了该方法的可行性与有效性。

基于RSSI极大似然估计定位算法的分析与实现

通过分析极大似然估计法进行求解方程未知节点位置可知,代入最后一个方程锚节点（参照锚节点）的测距误差会对极大似然估计法定位误差产生较大影响,并实现了基于RSSI的极大似然估计定位算法实测实验.实验结果表明,参照锚节点不带测距误差与参照锚节点带测距误差相比,前者的定位误差小,在30m×30m方形定位区域内前者较后者平均定位误差值减小0.4～1.0m.

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%。

极大似然估计的递推计算灵敏度算法

极大似然估计的递推计算灵敏度算法崔平远，吴瑶华，黄文虎，李乃宏（哈尔滨工业大学航天工程与力学系１５０００１）关键词连续－离散系统，极大似然估计，灵敏度，正交试验玉引言采用极大似然法对连续一离散系统进行参数估计，实际上是一个似然函数的优化计算问题，而其...

一种新的土地覆盖类别面积估计方法及其在最大似然分类法中的应用

首先根据生产者精度和使用者精度的概念,提出生产者精度和使用者精度的条件概率表达式,然后根据概率乘积公式,推导出生产者精度和使用者精度之间的关系式。该关系式表明:①使用者精度和生产者精度的比值可作为类别真实面积与分类结果中类别面积的比值的估计;②利用使用者精度和生产者精度的比值可对遥感分类结果进行修正,产生更接近于真实值的土地覆盖类别面积值,且该方法的计算结果仅取决于使用者精度和生产者精度数据的可靠性,与分类算法的优劣无关。该方法可用于最大似然分类方法中先验概率的估计。对ErdasImagine软件所附带lanier.img文件的实验结果表明,各种分类结果包括一种对常规最大似然分类结果进行任意修改后的分类结果,利用文中提出方法修正后均产生了接近于真实值的类别面积比例。由于作为标准的精度检验方法,几乎所有的分类影像都会产生误差矩阵用于精度报告,这保证了该方法具有很好的应用价值,可以帮助土地利用/土地覆盖研究中获取更准确的土地利用/土地覆盖的面积数据。

CEPA对中国内地和香港贸易效应的实证研究——基于倍差和泊松极大似然估计的方法

基于1995—2010年CEPII数据库中的贸易流量数据,将倍差法引入贸易引力模型,分别从中国内地和香港特别行政区两个角度实证分析了CEPA对中国内地和香港的净贸易效应,也即"平均处理效应"。更进一步,为了得到更精确的计量结果,本文采用泊松极大似然估计法纠正零贸易流带来的估计偏差。结果表明,CEPA对中国内地和香港均具有一定的贸易创造效应,然而却不存在贸易转移效应的证据,因而总体上提高了两地的福利水平。具体的,CEPA对中国内地和香港的"平均处理效应"分别为87.9%和8.5%,即CEPA对中国内地—香港的双边贸易具有显著的促进作用,而且更能够提高香港在中国内地的贸易地位。因此,积极推进和完善CEPA无论对中国内地还是香港均具有重要的实际意义。

进化策略在极大似然法参数估计中的应用

采用极大似然法进行参数估计,是为了避免传统优化算法的缺点。本文采用进化策略算法与极大似然参数估计法相结合使参数估计变量不再受初始值影响,从而可获得全局更优的解。最后,以威布尔三参数分布为例进行参数估计。结果表明,该方法有求解精度高和收敛速度快的优点,从而使进化策略算法能更好地应用于数理统计中。

一种基于线性预测和极大似然估计的基音检测算法

用线性预测的方法求出语音信号的LPC(Linear Predictive Coding)谱,然后根据候选的声门激励与LPC谱卷积重构语音信号的短时频谱,当重构频谱与原始语音频谱之间的畸变最小时,声门激励之间的间隔为基音周期。为了提高计算效率,采用频域动态搜索的方法搜索基音周期的候选值。数值实验表明,采用线性预测和极大似燃估计(Maximum Likelihood,ML)的基音检测算法可保留更多的基音信息,并能有效地减少基音检测的错误,并且该算法比传统的ML法有更强的鲁棒性。

基于极大似然估计法的磁力计误差补偿算法

针对现有三轴磁力计误差补偿速度慢、需要外部辅助设备、磁力计和惯性传感器组合存在多传感器轴位敏感重合误差问题,提出了一种基于极大似然估计法(maximum likelihood estimation,MLE)的快速有效的磁力计误差补偿算法。根据传感器组合系统中误差来源建立测量误差模型,建立高斯分布的极大似然参数估计模型,用牛顿最优法解算出误差补偿参数,并给出求解理想初始值的算法。仿真数据显示,补偿后的磁力计航向角解算精度达到0.81°,相比补偿前精度提高94.9%。实验结果表明,该算法可简单快速的实现误差补偿,多传感器轴位敏感重合误差得到校准。

最大似然估计法的探究式教学

关注最大似然估计法的探究式教学:从矩估计法对均匀分布参数估计有相应缺陷着手,讲明求估计量应该利用分布信息.而分布信息就是样本的似然函数,因此求估计量就从它的似然函数开始,利用频率是概率的估计作为载体,说明求概率的最大似然估计其实就是在给定频率的情况下,找到与之最为匹配的概率.