双线性参数系统的极大似然递推参数估计

研究具有自回归滑动平均噪声的双线性参数系统,该系统结构复杂,噪声项的研究更具普遍意义。为实现系统参数的在线辨识,采用梯度搜索方法,推导了双线性参数系统的随机梯度算法。对于出现的未知项,基于递阶辨识原理使用其估计值进行替代。极大似然估计方法基于概率论,具有良好的一致性、渐近正态性和可用性,在引入极大似然估计方法后得到了相应的极大似然随机梯度算法,为进一步减小有色噪声对参数估计精度的影响,结合多新息辨识理论,将标量单新息扩展为多新息向量,研究了具有自回归滑动平均噪声的双线性参数系统的极大似然多新息随机梯度参数估计方法,并进行了仿真验证。

基于布谷鸟搜索算法的最大似然DOA估计

为解决最大似然DOA(Direction of Arrival)估计多维非线性搜索计算量大的问题,将布谷鸟搜索算法与最大似然算法相结合,利用布谷鸟搜索算法优化多维非线性的最大似然DOA估计谱函数。在保留布谷鸟搜索算法的主体思想的同时,改进了算法的位置迭代方式,加快了收敛速度。仿真结果表明,改进的布谷鸟搜索算法在DOA估计中具有较好的收敛性,估计性能较好。

基于Viterbi-双向搜索的咬尾码最大似然译码算法

传统咬尾码最大似然(ML)译码算法在译码时存在两个问题:复杂度高和消耗存储空间大。针对这两个问题,该文提出了一种基于Viterbi算法和双向搜索算法的最大似然译码算法。新算法利用Viterbi算法得到的幸存路径度量值与最大似然咬尾路径度量值的关系,删除不可能的起始状态及其对应的咬尾格形子图,缩小搜索空间;然后利用双向搜索算法中门限值与最大似然咬尾路径度量值的关系来降低双向搜索算法的复杂度,从而得到一种在咬尾格形图上高效率的最大似然译码算法。新的最大似然译码算法不仅降低了译码复杂度,同时降低了译码器对存储空间的需求。

一种最大似然网格搜索卫星FDOA辐射源定位算法

如何利用辐射源信号到达不同卫星的多普勒频差对辐射源定位是目前卫星无源定位技术研究的热点之一。针对卫星FDOA辐射源定位的特点,建立含有地球表面约束的FDOA定位方程,研究基于最大似然网格搜索的定位方程求解算法,推导了详细求解过程,并对该算法的性能进行分析与仿真评估。仿真结果表明,该算法收敛速度快,能够接近克拉美罗界下限,是一种最优的定位估计器。

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Tabu搜索算法的似然性估计在边界检测中的运用

边界检测一直是图象分析处理的重点和难点。现在的边界检测算法(如K-L变换、Sobel算子的梯度检测、模板检测等)在不同程度上存在着抗噪声能力不强、算法计算量过大的缺点,不适于实时应用。新出现的一批智能化自适应算法(如Tabu搜索算法、遗传算法等)在此方面有很大改进。本文主要介绍Tabu算法在边界检测中的运用。

最大似然估计在搜索法测向中的应用

最大似然估计是一种高分辨的处理方法 ,常用在阵列测向中 ,但在旋转天线搜索法测向中却很少看到 ,本文提出一种在旋转天线搜索法测向中利用最大似然估计的数学模型 ,提出了利用信号检测法来判断目标数目的方法 ,并对此进行了计算机模拟 ,从模拟结果可以看出 。

基于自适应布谷鸟搜索的RIS辅助无线定位系统

可重构智能表面(RIS)是6G关键技术之一,可灵活部署在基站服务区域的内部,辅助基站定位,提高定位精度.针对RIS辅助毫米波多输入单输出无线定位系统,利用布谷鸟搜索算法(CS)求解极大似然位置估计函数.为了提高算法寻优能力,将CS算法的发现概率和搜索路径步长由固定值改为自适应变化的动态参数.实验结果表明,引入RIS辅助定位可以明显提高定位精度,自适应布谷鸟搜索算法(ACS)寻优能力高于布谷鸟搜索算法.

高速列车非线性模型的极大似然辨识

提出高速列车非线性模型的极大似然(Maximum likelihood,ML)辨识方法,适合于高速列车在非高斯噪声干扰下的非线性模型的参数估计.首先,构建了描述高速列车单质点力学行为的随机离散非线性状态空间模型,并将高速列车参数的极大似然(ML)估计问题转化为期望极大(Expectation maximization,EM)的优化问题;然后,给出高速列车状态估计的粒子滤波器和粒子平滑器的设计方法,据此构造列车的条件数学期望,并给出最大化该数学期望的梯度搜索方法,进而得到列车参数的辨识算法,分析了算法的收敛速度;最后,进行了高速列车阻力系数估计的数值对比实验.结果表明,所提出的辨识方法的有效性.

基于最大似然的同频混合信号联合定时估计算法

针对同频干扰下的混合信号时延估计问题进行研究,提出了一种基于最大似然准则的联合定时估计算法。该算法在推导似然函数的基础上,采用分级搜索方法估计信号时延,能同时实现干扰信号与有用信号的联合定时。相比传统的单信号时延估计,该算法需要有更长的观测数据长度;算法对频偏误差不敏感,在归一化频偏(相对于符号速率)小于2%时性能损失很小。仿真结果验证了算法的有效性。

多种数据状态下三参数Weibull分布的极大似然估计

提出一种既适合完全数据,也适合各种截尾数据的三参数Weibull分布极大似然估计的计算方法。首先建立完全数据和截尾数据下统一形式的似然方程;利用二阶收敛Newton-Raphson迭代法求解给定位置参数时含尺度参数和形状参数的两参数Weibull分布的极大似然估计;然后采用稳定快速的Brent搜索法,求解出仅含位置参数的单变量似然函数最优解;最后结合实例说明该算法的稳定性和高效性。该方法具有计算精度高、速度快、适用数据范围广的优点。

基于禁忌搜索的无线传感器网络多源定位研究

针对无线传感器网络多源定位容易陷入局部最优的情况,提出基于禁忌搜索的多源定位方法.通过测量多个声源发出的能量建立声音能量模型,估计出模型中的声音能量和声音位置等参数,然后使用8邻域3层格点的邻域产生方式,并合理选择禁忌表长度、初始解等禁忌算法的基本参数,有效避免了多源定位易陷入局部最优的情况.将禁忌搜索算法和多分辨率搜索算法、EM算法、AMR算法进行比较,仿真结果表明,禁忌搜索能够很好地避免局部最优,且定位精度高于其他几种算法,计算复杂度相对较低.

高速动车组多质点模型的极大似然辨识

针对高速动车组多质点模型的参数估计问题,为列车稳定运行和提高效能,提出了适合于高速动车组多质点模型的极大似然辨识方法。首先,建立高速动车组的随机离散非线性状态空间模型,并将高速动车组参数的极大似然估计问题转化为期望极大的优化问题。给出适合于高速动车组的改进粒子滤波算法,构造了高速动车组的条件数学期望。然后,给出高速动车组参数优化的梯度搜索方法,进而得到高速动车组参数的辨识算法。以CRH3型高速动车组为对象进行仿真,结果表明提出的方法有效,为列车高速稳定运行提供了科学依据。

基于最大似然估计和Kalman滤波的BPSK载波同步方法

针对低信噪比及大多普勒频率变化率情况下的载波同步问题,提出一种基于最大似然估计和Kalman滤波相结合的跟踪环结构.利用最大似然估计在低信噪比环境下准确估计载波频率和相位,并结合Kalman滤波对载波变化进行稳定跟踪.其中利用二分法搜索保证低计算复杂度的同时提高了估计精度.仿真结果表明了此载波跟踪环路良好的跟踪性能.

基于改进的最大似然法识别风力发电机转子的载荷参数

风机不对中故障是多载荷参数耦合而成,工程师难以凭经验了解载荷参数的大致范围。针对因转子结构参数和测试条件等不确定性参数的存在及载荷参数先验信息未知,最大似然法识别转子不对中故障的载荷参数时采用的搜索计算面临计算量大,且迭代过程中灵敏度会带来一些数值问题。引入搜索区间进退法到敏感矩阵法与最大似然法中,对最大似然法进行改进。改进后的最大似然法中的迭代适于处理复杂工程优化问题,避免传统迭代数值法对搜索空间的苛刻要求。以输入尺寸和输出测试响应具有随机性测量误差的风力发电机转子系统为例,在三种测量误差下的识别结果表明,改进的最大似然法提高了最大似然法的辨识效果,可以减少不确定性因素对识别结果的影响,鲁棒性好。

基于微型遗传算法的最大似然法识别风机转子系统的不对中载荷

转子不对中会加剧风机的振动。基于最大似然法识别不对中载荷时会因参数区间未知产生辩识发散,以及因初始值的敏感性而难以收敛等问题,提出了初始值从0开始,采用搜索区间进退法进行区间探索,以微型遗传算法在相应区间寻优的思路改进最大似然法,将输入和输出参数具有随机性的不对中载荷识别问题转化为可利用微型遗传算法处理的优化问题。该方法以随机不确定性风机转子系统不对中载荷识别为例进行检验,三种测量误差下识别结果显示,基于微型遗传算法改进的最大似然法可提高辩识效果,识别结果受测量误差影响较小,鲁棒性好。

近场声源定位的改进最大似然方法研究

研究近场声源定位性能优化问题,针对常规最大似然方法在空间非均匀高斯噪声背景下定位准确率下降的问题,基于平面阵建立了近场声源信号模型,推导了空间非均匀噪声条件下求解声源方位和距离信息的最大似然定位方法,提出使用引力搜索算法解决了以上最大似然方法在多维参数空间搜索的高运算复杂度问题,通过仿真验证了改进方法的可行性和有效性,并说明估计精度较高,在低信噪比下方位和距离的均方误差都小于常规最大似然方法,并且在高信噪比条件下方位和距离的均方误差都逼近克拉美-罗界。

基于网格爬山法的最大似然DOA估计算法

最大似然波达方向(DOA)估计具有最优的理论性能,但是存在计算量过大的问题。为了降低最大似然DOA估计的计算量,将参数估计转化为高维非线性函数的优化问题,并提出了一种新的优化算法。首先利用波束形成法对空间谱进行预估计并根据空间谱信息构造一组满足"预估分布"的初始解,这组初始解以较大概率落在全局最优解的局部吸引域中。然后将其中适应度最大的一个初始解作为局部搜索的起点。网格爬山法是一种以网格为单元的局部搜索方法,比传统爬山法更加高效和稳定,因此采用该方法获取全局最优解。新算法不仅能够得到精确的参数估计,同时具有较高的计算效率,计算机仿真显示新算法的计算效率高于基于粒子群优化的最大似然DOA估计算法。

基于引力搜索算法的相干信号源DOA估计方法

针对最大似然(ML)DOA估计方法存在着运算量高且容易收敛到局部极值的问题。结合引力搜索算法(GSA)与最大似然方法,提出了一种GSA-ML方法。将最大似然函数作为GSA算法的适应度函数,在遵循ML方法的主体思想同时,利用GSA算法运算量低和收敛速度快的优点,成功地找到似然函数的全局最优解;并保存了ML方法的优点。仿真结果表明,GSAML方法不仅能有效估计相干信号源;并且相比MUSIC、ESPRIT和TLS-ESPRIT算法,拥有更高的精度和估计成功概率。

基于二分法峰值的频率搜索算法

用最大似然估计单个正弦信号频率的时候,涉及对连续频谱峰值搜索问题,传统的样点补零法运算量较大,峰值相邻点比幅法运算量小并且精确,但其要求特定的窗函数,并且数据适应性较差,因此提出将二分法用于峰值频率点搜索,其速度快、精确并且适应性强,也可用于多信号的频率搜索。