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°。

双边定时截尾下Pareto分布的参数的极大似然估计的EM算法

给出了当寿命分布为Pareto分布时,双边定时截尾寿命试验下形状参数的极大似然估计。由于似然方程形式较复杂,无法得到参数的显式表达式。但可证明此极大似然估计是唯一存在的,并利用EM算法求出了此参数的一种估计。

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。

基于极大似然估计的非理想场景雷达信号分选算法

目前,已有研究针对理想条件下的雷达脉冲信号分选问题进行了详细阐述,但是缺乏杂散脉冲和缺失脉冲两种非理想情景下的模型表征。为解决这一问题,提出了一种基于极大似然估计的非理想场景雷达信号分选算法。该算法通过修正似然因子来表征杂散脉冲和缺失脉冲现象,提高在复杂场景下的分选准确率。当部分雷达先验信息已知时,所提算法模型具有更好的分选效果。仿真实验结果表明,与已有的极大似然模型和深度学习算法相比,所提算法在分选准确率上有显著提升,具有较高的应用价值。

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。

多元混合正态分布参数的极大似然估计

从层次结构的角度出发推导总结了Reinaldo B.Arellano-Vall所提出的广义多元混合正态分布公式中混合变量的相关统计性质,结合所推导的混合变量性质,运用EM算法和协方差矩阵参数化分解方法,解决多元混合正态分布在无序约束和简单树半序约束下参数的极大似然估计问题。借助MATLAB软件编程进行数据仿真模拟,并给出其协方差矩阵在简单树半序约束下的极大似然估计结果。

“极大似然估计”教学的诊断和策略研究——以贵州理工学院为例

贵州理工学院作为地方省属高校以培养高素质应用型人才为办学目标,对“概率论与数理统计”课程提出了新的要求。针对“极大似然估计”这一数理统计部分最重要的知识点之一,结合在实际教学过程中的经验,对“极大似然估计”在教学中存在的问题和现状进行了诊断和分析,然后详细研究了其存在的原因,最后给出了相关的教学策略和研究措施。

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.

面向高速PAM4有线收发机的自适应和低复杂度最大似然序列检测器

高速串行收发机是中央处理器、网卡和交换机等高性能芯片的关键部件.判决反馈均衡器(decision feedback equalization,DFE)是高速串行收发机的主要判决电路.针对传统DFE在高码间干扰(intersymbol interference,ISI)信道下的高误码率制约串行收发机速率提升的问题,提出一种面向4电平调制(4 pulse amplitude modulation,PAM4)串行收发机的自适应、低复杂度的减状态序列检测器(adaptive reduced-state sequence detector,ARSSD).ARSSD基于最大似然序列检测结构降低检测误码率;结合Viterbi算法和分区算法降低运算复杂度;采用基于迫零算法的ISI参数获取方式实现检测器参数的自适应更新.所提结构最终完成了行为仿真、电路设计以及系统验证.基于模拟前端芯片和现场可编程门阵列电路的实验结果表明,与传统DFE相比,当12~64 Gbps PAM4信号经过−8~−18 dB@16 GHz衰减信道时,32×4路并行ARSSD检测误码率降低2个数量级,与行为仿真结果一致.

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。

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.

线性再生散度模型的极大L_(q)-似然估计的渐近性质

线性再生散度模型是线性回归模型、广义线性模型和指数线性模型的自然推广,极大L_(q)-似然估计是基于非广义熵的新参数估计方法,是极大似然估计的推广。用极大L_(q)-似然估计研究线性再生散度模型,在一定的条件下,给出了线性再生散度模型的极大L_(q)-似然估计的弱相合性和渐近正态性。最后通过模拟算例表明:随着n的增大参数估计值越接近真值;当q→1时,ML_(q)E的参数估计值接近于MLE的参数估计值。

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。

电器可靠性失效分析中极大似然估计方法的研究

针对传统电器可靠性失效分析方法中存在的问题 ,提出了一种电器可靠性失效分析极大似然估计方法。该方法完全通过计算机软件处理 ,具有较高的计算精度、数据重复性和工作效率。该方法实用性强 ,适用于各种仪器仪表及电工电子元件的可靠性失效分析。

系统谐波阻抗估计的极大似然估计方法

为更加准确地估计系统谐波阻抗,提出复数域极大似然估计方法。首先,仿照实数域多元正态分布的定义给出复数域多元正态随机变量的定义,根据协方差的含义,定义复协方差的计算公式。然后利用代数同构理论,推导复数域正态分布的概率密度函数,利用统计学理论进行数据筛选,采用筛选后的数据代入复数域极大似然估计函数。最后利用极值理论进行求解,实现系统谐波阻抗的估计。对IEEE 14节点系统进行仿真,结果表明,与传统方法相比,所提方法估计结果更为准确。

基于FFT滑动平均极大似然法的正弦信号频率估计

该文基于正弦信号采样序列的FFT频谱,利用谱图上多条显著谱线与峰值谱线实部之间的关系,推导建立了一用于信号频率估计的滑动平均模型,基于此模型得出的极大似然频率估计器结合传统的Quinn方法后得到一种新的基于FFT谱滑动平均极大似然估计算法。仿真实验表明该算法精确有效,估计性能优于Rife,Quinn法,十分接近CRLB下限,计算量不大且信噪比门限要求可降至-9dB左右。

基于EM算法的极大似然参数估计探讨

首先介绍了EM算法 ,然后研究了基于EM算法的混合密度极大似然参数估计 ,最后利用计算机仿真验证了此算法的收敛性和有效性 .