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。

基于经验似然方法对分位数相关系数的区间估计

分位数相关系数是一种度量两个随机变量之间线性相关关系的非对称相关系数,在统计,金融,化学等领域的特征选择问题中都扮演着重要的作用.同时,经验似然作为一种非参数方法,被广泛应用于各类模型的统计推断问题.对于任意两个随机变量,从分位数相关系数的定义出发,建立估计方程,引入代入经验似然方法(PEL)和其修正版本(APEL),分别得到渐近规则化的卡方分布和标准卡方分布,从而得到分位数相关系数的区间估计.数值模拟部分从覆盖概率,置信区间长度和基于区间得分的平均损失三方面比较了两种基于经验似然的方法同其他已有方法的效果.实证分析部分将提出的方法应用于一项来自福布斯排行榜的数据集.

针灸对肠易激综合征患者脑区激活的磁共振成像研究:一项基于激活似然估计的分析

目的:运用激活似然估计(ALE)分析探讨肠易激综合征(IBS)病人胃肠相关脑区激活特点,并试图阐明IBS病人通过针灸治疗后丘脑区活动改变的神经机制。方法:系统检索中文及外文数据库,检索时间从建库开始—2023年5月。运用软件Ginger-ALE 3.0.2进行坐标统一化与元分析。计算出的脑区ALE分布图通过Mircron软件与Dpabi软件呈现。结果:共纳入8项研究,其中IBS病例248例、健康对照者149例。元分析结果显示:与健康被试者比较,IBS病人右侧额下回、右侧额中回、右侧豆状核、右侧丘脑与右侧脑岛等脑区激活增强,无减弱脑区;而经针灸治疗后,IBS病人与针灸治疗前比较,其左侧额中回、左侧豆状核、左侧中央前回、左侧海马旁与左侧扣带回等脑区激活减弱;进一步联合对比分析发现:豆状核为针灸共同的易激活脑区。结论:IBS患者相关脑区存在神经代谢的改变;针灸可以整体调节IBS患者优势侧脑区功能活动,从而调节胃肠道紊乱。

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。

基于改进帝王蝶算法的最大似然DOA估计

针对传统最大似然波达方向(maximum likelihood direction of arrival,ML-DOA)估计存在计算量大、估计精度差等问题,本文提出一种采用改进帝王蝶优化算法(improved monarch butterfly optimization algorithm,IMBO)的ML-DOA估计方法。IMBO算法通过精英反向学习策略对初始帝王蝶种群进行优化,得到适应度值较优的初始帝王蝶个体,进而能够改善帝王蝶种群的多样性;引入差分进化算法启发的变异操作以及自适应策略对帝王蝶个体的寻优方式进行改进,扩大了算法的搜索空间;引入了高斯-柯西变异算子,自适应调整变异步长,避免算法陷入局部最优。将IMBO应用于ML-DOA,实验表明,与传统的DOA估计算法相比,在不同信源数目、信噪比以及种群数量下,本文提出的算法收敛性能更好,均方根误差更低,运算量更小。

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。

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.

多元广义线性模型经验似然方法分析

针对多元广义线性模型,基于估计相关阵、广义估计方程和经验似然方法,本文构造出经验似然比统计量,此统计量能克服“工作相关阵”方法的误设定问题.在一定的条件下,本文也获得了经验似然比统计量渐近Wilks性质,该结果可用作未知参数向量置信域的构造.最后,通过数值模拟对所提方法的有效性进行验证.

改进蚁群优化算法的最大似然DOA估计方法

针对将连续域蚁群优化算法应用于最大似然(maximum likelihood,ML)估计中存在计算量过大的问题,提出一种基于改进蚁群优化(modified ant colony optimization,MACO)算法的最大似然波达方向(maximum likelihood direction of arrival,ML-DOA)估计方法.采用精英反向学习策略获得较优初始解群体,结合全局跨邻域搜索和高斯核函数局部搜索对蚁群的寻优方式进行优化,扩大了算法的搜索空间并加快了收敛速度,最终得到ML估计方法的非线性全局最优解.仿真结果表明,与基于粒子群优化(particle swarm optimization,PSO)算法、蚁群优化(ant colony optimization,ACO)算法的ML估计方法相比,ML-MACO算法的收敛速度是ML-ACO算法的4倍,计算量是ML-ACO算法的1/3,分辨成功率高于ML-PSO算法和ML-ACO算法,估计误差小于ML-PSO算法和ML-ACO算法.ML-MACO算法以更低的计算量保持了ML算法的优良估计性能,收敛性能更优且估计精度更高.

基于闪烁谱拟合的不均匀体参数最大似然估计

获得闪烁相关电离层不均匀体参数是建立闪烁预测模型的基础.针对长期历史数据为单站观测的情况,提出利用闪烁谱拟合方法,通过最大似然估计(maximum likelihood estimation,MLE)获得多个闪烁相关参数的最优估计,并利用Monte Carlo方法对谱参数MLE结果进行分析.结果表明:利用单指数谱模型可以获得谱参数的无偏最优估计,估计参数的90%置信度范围可以覆盖真实值;利用双指数谱模型可以获得谱参数的近似无偏最优估计,绝大部分估计参数的90%置信度范围可以覆盖真实值;两种模型估计的统计结果均符合预定分布.利用实测数据对本文方法进行进一步验证,估计参数的统计分析结果符合预期分布,验证了该方法的有效性;仿真数据和实测数据分析结果同时还表明,该方法可适用于中等及强闪烁情况.本文方法为利用长期历史数据建立闪烁预测模型提供了重要实现途径.

一种基于最大似然估计的宽带单脉冲测角改进方法

电大尺寸目标的宽带散射回波可看成多个强散射中心的共同作用结果,回波表现为高分辨距离像(high-resolution range profiles,HRRP)的特点。如何利用多个散射中心的回波能量,以提升单脉冲测角的性能是值得深入研究的问题。本文给出的宽带雷达单脉冲测角的最大似然估计(maximum likelihood estimate,MLE)算法,该方法能够积累扩散到多个距离单元的回波能量,从HRRP中获得信噪比(signal to noise ratio,SNR)增益。提出了一种基于回波本身来确定目标距离支集的方法,并在距离支集上实施MLE算法。仿真研究表明:本文所提方法相比于加权平均法和最强点法,能够有效利用距离方向多个散射点的回波能量。MLE算法的均方根误差(root mean square error,RMSE)性能逼近克拉美罗下界(Carmer Rao low bound,CRLB)。

基于似然估计修正信噪比的编码调制切换算法

AOS通信系统在进行编码调制切换时,由于信道环境和信道衰落的影响,传统的编码调制切换算法难以解决高阶的调制编码方式的高传输效率和低阶的调制编码方式的可靠性的矛盾。提出一种基于似然估计修正信噪比的编码调制切换算法,该方法在方差修正平均信噪比的基础上,根据信道的概率特性,考虑时变衰落信道对传输数据的影响,结合最大似然估计算法和长短期记忆网络来选取参考信噪比和预测信道状态,使系统在提升传输效率的同时保证可靠性。仿真结果表明,与基于方差修正信噪比的编码调制切换算法、基于经验方差修正信噪比的编码调制切换算法相比,该算法能有效提升系统的传输效率和吞吐量,降低系统的误码率。

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。

基于边缘似然最大化的信号源参数估计

边缘似然最大化算法在远场信号源定位的应用已有研究,但是目前仍然没有将其推广延伸至近场信号。由于近场信号源与远场信号源之间存在着延伸关系,将上述理论自远场源延伸至近场源的研究不仅具有充分的可行性,也具有很大的实用价值。该方法将在边缘似然最大化理论远场源情况参数估计的基础上,避开传统估计方法的缺点,一方面设计并实现合理的算法流程,对算法的性能进行统计分析,另一方面对其做更进一步的延伸和研究探索,设计出在近场源情况下的全新参数估计算法,实现边缘似然最大化理论自远场源至近场源应用的推广。已设计的算法虽然在源数不多的情况下取得了良好的效果,但是在源个数增多的情况下性能有所下降。所提方法提高了模型的稳定性,并通过实验证明了该改进的有效性,具有理论意义与实际应用价值。希望其成果能够对声呐、移动通信和地震勘探中的目标定位和跟踪等技术的发展起到积极的促进作用。

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。

联合最小方差与最大似然谱估计的前视成像方法

前视成像技术可用于高速运动平台相控阵雷达对正前方目标的检测和跟踪。为了解决波束内的目标分辨问题,提出一种联合最小方差与最大似然谱估计的前视成像方法。首先,进行波束扫描,采用最小方差谱估计获得初始的距离—方位二维图像;然后,对幅度峰值过门限的区域进行搜索,完成二次估计。仿真结果表明,所提方法可在相关信号和低信噪比等条件下有效改善目标分辨能力。

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。

非零均值噪声下ARMA-GARCH模型的拟极大似然估计

ARMA-GARCH模型在金融领域已得到广泛应用,可以用来研究金融资产价格的变化情况.对金融资产收益率建模时,通常假设噪声服从高斯分布.然而,实际研究表明,金融资产收益率可能具有正向或负向阶段性跳跃特征.对于此类金融数据,基于高斯分布的ARMA-GARCH模型在预测效果上显得不足.因此,研究了非零均值噪声扰动下的ARMA-GARCH模型,证明了拟极大似然估计量(QMLE)的强相合性和渐近正态性.进一步,通过数值模拟和实证分析说明了该模型的有效性.