自适应减少复杂度的盲最大似然序列估计

基于逐幸存路径处理原理和自适应选择幸存路径的思想,本文提出了一种自适应减少计算复杂度的盲最大似然序列估计新算法.通过分析和推导,给出了一种近似估计网格图最小欧式距离的方法,并利用该估计值对幸存路径进行取舍,在网格搜索中仅保留少数幸存路径来进行信道参数和发送符号序列的联合盲估计.理论分析和计算机仿真结果表明,对严重符号干扰信道,在较高信噪比条件下,本文提出的新算法具有较理想的误符号率性能和较低的计算复杂度.

叠加训练序列OFDM系统的迭代最大似然信道估计

叠加训练序列正交频分复用系统具有频谱效率高的优点.传统的基于叠加训练序列的信道估计方法仅使用一阶统计量,受功率分配和噪声影响较大.文中利用训练序列与数据信号相加后发送并经历相同信道的特性,提出一种最大似然方法进行系统的信道估计.该方法将发送的数据信号视为高斯随机变量,由此建立关于信道参数的似然表达式,采用循环最小化技术对参数进行迭代求解并获得方差下界,最后对算法的收敛性进行了分析.仿真实验表明,文中方法同时利用了接收信号的一阶与二阶统计量,从而获得了更优的均方误差和误符号率性能.

适用于慢衰落信道的联合最大似然序列估计

为了克服移动通信中存在的多径衰落效应,基于Viterbi算法的最大似然序 列估计需要不断跟踪信道参数的变化。在建立有限带宽信号的多径衰落信道传输模 型的基础上,提出了一种适合于慢衰落信道特性的降阶联合信道跟踪与最大似然均 衡算法D PSP。该方法根据信道特性选择不同的降阶维数N,在保证数据正确接收 率的条件下,不同程度的有效减小PSP算法的计算时间和存储空间。

基于最大似然序列估计的MSDD OFDM载波间干扰抑制法(英文)

为抑制多符号差分检测(MSDD)OFDM系统中的载波间干扰(ICI),分析了载波间干扰的统计性影响,并在最大似然序列估计过程中考虑了这些影响。提出了通过在最大似然序列估计过程中利用全部子载波信号的信息估计并抑制载波间干扰的方法。为降低计算复杂度,进一步提出了几种利用部分子载波信号信息的次优载波间干扰抑制法。仿真结果表明:所提出的次优方法在平坦及频率选择性瑞利信道中均可显著提高误码率性能。

无线通信中最大似然序列估计的改进方法

无线通信中应用最大似然序列估计,其时延和计算复杂度是必须解决的两个问题。为跟踪时变的移动无线信道,必须采用自适应信道估计器来提供信道信息。针对以上问题,综述了减少时延和计算复杂度的解决方法,并讨论了各种方法在复杂度和性能之间的权衡。最后指出了今后的研究方向。

基于极大似然法的负偏水文序列参数估计方法研究

针对皮尔逊Ⅲ型曲线参数估计方法中尺度参数β>0,无法适用于潮位、水位等负偏水文序列(β<0)参数估计的问题,从正偏序列与负偏序列的关系出发,提出了一种极大似然估计的新方法。该方法是将负偏序列先后转换为正偏序列、伽马分布序列,并利用负偏序列确定ξ初值,通过伽马分布序列迭代计算得到α,β的极大似然估计值。以某潮位站44 a的最高潮位数据为算例,比较了负偏极大似然法、负偏矩法、正偏查表法3种估计方法对负偏序列拟合的精度,结果发现负偏极大似然估计法的3项拟合指标:PPCC检验值为0.993,OLS检验值为0.010,KS检验值为0.052,均优于负偏矩法、正偏查表法。为此,负偏极大似然法对负偏序列拟合的精度为最优。

多维自回归时间序列的极大似然估计

主要推广了ＡｎｄｅｒｓｏｎＴＷ关于自回归模型的结果。对多维自回归模型导出了一个简明的似然方程。

一种基于最大似然序列估计的均衡算法

本文利用编码的思想 ,在Viterbi算法的基础上提出了一种改进的准MLSE均衡算法。此算法能大大降低计算的复杂度 ,并具有对信道冲激响应波形的敏感性较低、和软输出的Viterbi算法兼容等特点。本文利用计算机对算法进行了性能仿真 ,并和NMLSE等算法进行了比较 ,模拟结果表明 ,该算法具有良好的抗ISI性能。

基于牛顿梯度的盲最大似然序列估计算法研究

为解决LMS类算法简单但收敛速度慢,RLS类算法收敛跟踪性能好但计算太复杂的不足,提出了基于牛顿梯度的盲最大似然序列估计算法,即将牛顿梯度算法与Viterbi-MLSE算法相结合。牛顿梯度法是用当前时刻的梯度估计代替前一时刻的梯度估计,并由矩阵求逆定理导出了一种新的相关函数自适应滤波算法。分析了基于牛顿梯度的盲最大似然序列估计算法的基本机理,并通过实验仿真验证了其可靠性。与传统的基于LMS的盲最大似然序列估计算法相比,具有收敛速度快的特点。

归一化LMS盲最大似然序列估计算法

阐述了归一化LMS盲最大似然估计算法的基本原理,通过计算机仿真试验证明了该算法在收敛速度、稳态剩余误差等方面均优于传统的LMS盲最大似然估计算法,并提出了该算法的研究方向。

Logistic扩散过程中漂移系数的序列极大似然估计

本文研究了Logistic扩散过程中未知漂移参数的序列极大似然估计量的性质,给出了序列估计量及其均方误差的显式表达式,并证明了该估计量是闭的、无偏的、一致正态分布且强相合的.最后,本文用数值实验验证了理论结果.

汇率序列存在缺失值时的最大似然估计

一、简介 利用状态空间模型中的Kalman滤波可以很好地解决时间序列模型的缺失数据问题。《存在缺失值的ARFIMA模型的最大似然估计》一文（高洁，《系统工程》2004年，第10期）通过修改Kalman滤波递推公式解决了长记忆ARFIMA模型的缺失数据问题，得到了存在缺失值的ARFIMA模型的最大似然估计。

超导重力观测噪声水平的极大似然估计

利用极大似然估计和3种互不相关的噪声(白噪声,闪烁噪声,游走噪声)模型及其组合,对SG-053超导重力仪产出的重力固体潮整时值残差时间序列进行分析,得出残差时间序列中明显存在彩色噪声(闪烁噪声、游走噪声):白噪声1.40×10-8m s-2,闪烁噪声1.85×10-8m s-2,游走噪声为2.40×10-8m s-2。该方法估计的白噪声水平与潮汐分析方法得出的结果一致。

半参数回归模型拟极大似然估计的弱相合性

本文考虑一类固定设计的半参数回归模型,其误差为一阶自回归时间序列。用权函数及拟极大似然估计方法得到了一些参数及非参数的拟极大似然估计量,在适当的条件下,研究了它们的弱相合性,从而丰富了该类半参数回归模型的估计理论与方法。

基于序列贝叶斯更新的锂电池剩余寿命预测

针对贝叶斯方法在更新模型参数时无法充分利用历史退化数据的问题,提出基于序列贝叶斯的在线更新方法实时估计锂电池退化模型参数。构建基于指数函数的非线性维纳退化模型描述变工况下锂电池容量的退化路径,并采用最大似然估计法估计初始时刻的模型参数;利用实时容量监测数据,基于序列贝叶斯更新方法在线更新退化模型中的漂移系数;推导锂电池剩余寿命的概率密度函数并预测剩余寿命。通过对不同工况下的锂电池退化数据进行实例验证表明,与基于幂指数和线性函数的退化模型相比,由于序列贝叶斯方法能够实时更新锂电池非线性退化模型参数,采用所提模型预测的剩余寿命精度更高。

误差为AR(1)情形的半参数回归模型拟极大似然估计的存在性

在误差为AR(1)时间序列的情形下,给出了半参数回归模型的拟极大似然估计方程,并研究了拟极大似然估计量的存在性。

NGINAR(1)模型参数的拟似然估计

利用拟似然法对Ristic提出的几何分布的整值自回归过程(NGINAR(1))的参数估计问题进行研究,得到了参数的修正拟似然估计因子及其极限分布,并做了数值实验,将拟似然估计与Yule-Walker估计及CLS估计进行比较。结果表明:拟似然估计在一定程度上优于Yule-Walker估计及CLS估计。

SQP优化的最大似然波达方向角估计

为快速实现波达方向角(DOA:Direction Of Arrival)的精确估计,提出了应用序列二次规划(SQP:Sequence Quadratic Program)的最大似然DOA估计算法。给出了用于DOA估计的最大似然函数,将参数估计问题转化为非线性函数优化问题;并利用SQP优化算法对似然函数的求解进行优化,得到DOA的估计值。仿真结果表明,该算法可用较少的计算时间实现对似然函数的优化求解,同时保留了最大似然估计的渐进无偏估计性能,与遗传算法、粒子群算法相比,不仅具有更快的寻优速度,而且具有更高的收敛精度。

海南岛CORS站坐标时间序列特征分析

通过GAMIT/GLOBK解算出海南岛CORS站坐标时间序列,分析海南岛CORS站坐标时间序列的噪声特性。根据最优噪声模型,N分量的最优噪声模型呈现多样性特征,E、U分量表现出一致性。分析有色噪声对于噪声量级的影响,仅考虑白噪声会高估其估值精度,须同时考虑白噪声与有色噪声。海南岛CORS站在水平方向都有向SEE向运动的趋势,与华南板块的运动方向一致。沿海测站的坐标时间序列所含的白噪声与闪烁噪声量级比岛内测站大,我国上空电离层的变化对闪烁噪声的影响较大,闪烁噪声量级明显大于白噪声,海南岛CORS站的闪烁噪声量级大于大陆沿海测站。

应用序列二次规划的波达方向与多普勒频率联合估计

为了快速准确地联合估计阵列信号波达方向(DOA)与多普勒频率,提出了将序列二次规划(SQP)应用于最大似然函数优化的联合谱估计算法。该方法利用空时信号模型通过Hankel矩阵构造出阵列流型中包含DOA与多普勒频率信息的广义天线阵模型,并推导出其最大似然函数,从而将参数估计问题转化为非线性函数优化问题。然后,将SQP方法应用于似然函数的优化求解中,得到DOA与多普勒频率的估计值。最后应用SQP方法、微分进化法、遗传算法和量子粒子群算法分别进行了优化的仿真对比实验。结果表明:提出的算法具有寻优时间短,估计精度高,参数自动配对等特点,在信噪比为0dB时估计两个目标信号源的DOA与多普勒频率的均方根误差分别为0.263 6°和0.007 6rad,基本达到了阵列信号处理中参数联合估计方法的设计要求。