ROC曲线下面积的ML估计与假设检验

目的 探讨诊断试验中配对设计资料的ROC分析方法。方法 在双正态模型基础下应用ML估计方法计算ROC曲线下面积 ,正态近似法估计面积的可信区间及假设检验。结果 由迭代法进行参数估计 ,得到ROC曲线下的面积、面积的标准误及置信区间 ,可计算出面积比较的U检验统计量。结论 可用于配对设计的诊断试验的比较和评价 。

两类软件可靠性模型的ML估计及计算相合性

本文根据Jelinski－Moranda模型和Schick－Wolverton模型的基本假设，导出了它们适于进行数值计算的ML估计形式，并对美海军战术数据系统中一个大模块的软件可靠性数据进行了实际的计算分析。

指数族非线性模型ML估计的渐近性质

在指数族非线性模型中，给出了相合估计存在的必要条件，并指出λｍｉｎ（Ｊｎ（β））趋于正无穷作为主要条件的必要性．同时，给出了指数族非线性模型ＭＬ估计相合性成立的一般条件．最后，在相对简单的正则条件下，证明了随机回归变量条件下ＭＬ估计的相合性和渐近正态性．

基于ML估计的汽缸盖加工过程故障诊断

根据现有的故障—质量模型,为模型建立估计法则以估计过程均值与方差,并得到假设检验模型以验证误差是否显著存在,从而达到辨识故障是否发生的目的。结合汽缸盖的加工过程,对这一理论进行实验验证。

无重复因析试验中散度效应的ML估计

在无重复因析试验中,若因子A,B的散度效应显著,则不论其交互效应AB的散度效应是否显著,其散度效应的现有估计常常是有偏的,从而导致其被错误地识别为显著效应.提出了散度效应的一种新的估计方法(称为ML估计),并给出了ML估计的方差的精确表达形式,证明了在一类模型中,交互效应AB的散度效应的ML估计是无偏的.最后,将ML估计与现有的常用估计进行了比较.

空间门限效应模型:设定、估计与检验

空间计量模型与门限效应模型的理论发展与成功应用,客观上要求对模型的空间效应与门限效应进行综合研究。在面板数据结构下构建了空间门限自回归模型(STAR)、空间门限误差模型(STEM)、广义空间门限模型(STAC)和空间门限杜宾模型(STDM)等4种具有广泛应用前景的空间门限效应模型,采用最大似然法(ML)推导了模型的参数估计量。在Hansen方法的基础上提出了改进的门限搜索法,并构建LR统计量通过Monte Carlo方法进行门限的显著性检验和门限置信区间估计。在此基础上,通过数值仿真和估计结果偏误分析,对模型的系数估计结果做了系统比较,从数值实证角度对前述理论方法进行验证。研究发现,当模型既存在空间效应又存在门限效应时,忽略任何一种效应都会导致模型参数估计的偏误,而构建的空间门限效应模型可以同时有效识别并捕捉模型的空间效应和门限效应;与Hansen方法相比,所提出的改进的门限搜索法,在模型搜索运行速度与估计精度等方面均大幅提升。通过对模型各参数不同情境的仿真分析发现,提出的估计与检验方法,无论是对于小样本还是大样本,无论是单门限还是多门限,均有良好表现。这一研究结论对各主要空间门限效应模型均成立,表明该方法具有一般性和广泛适用性,从而为空间门限效应模型的实证研究提供了支撑。

平衰落信道下ML和MAP信道估计与导频符号长度的关系性能比较

信道估计是无线通信系统必须加以解决的关键技术之一,采用导频符号辅助的方法进行信道估计是目前各类无线通信系统常用的方法。本文针对平衰落信道提出了最大似然(ML)算法和最大后验概率(MAP)估计算法,给出了ML估计和MAP估计之间的关系,仿真了MAP估计和ML估计的方差与导频符号长度的关系,提出当导频符号长度的取值超过20个符号长度时,MAP信道估计明显优于ML信道估计。

基于ML信道估计算法的超宽带Rake接收机研究

研究了存在码间干扰的TH-BPSK-UWB系统中,采用ML信道估计算法的MMSE-Rake接收机的系统性能。仿真结果表明ML算法在多径信道环境下,采用较短的训练序列仍能有效的估计出Rake接收机的参数获得较好的系统性能,且MMSE-Rake比MRC-Rake在ISI环境中更能体现出其优势。

对Jahangir组合式矩估计器的改进

在M.Jahangir以常数为权的组合式矩估计器的基础上,给出一种以函数为权的组合式矩估计器,称为L-J估计器.其中,最优加权函数是根据U估计器与形状参数的单调关系,通过数论网格最优化算法搜索解出.大量仿真实验证实,在对K分布形状参数v大范围的参数估计中,L-J估计器在估计精度上,不但较Jahangir等提出的常数加权组合矩估计器的精度有显著提高,而且可与MLE(Maximum Likelihood Estimator)相当.特别是由于MLE作为渐进无偏估计量,需要充分大的样本长度才能达到最优,这就使得L-J估计器的估计精度可在样本长度较小时优于MLE.此外,L-J估计器无需迭代运算,因而在计算效率上,显著优于现有的ML估计器.

有缺失数据的2×2×2列联表的参数估计

本文讨论了缺失数据的 2× 2× 2列联表的参数估计问题 ,通过给出适当的模型和观测数据模式 ,我们给出了各列联表各细胞参数的估计 ,并且证明这些估计是G

一种新的半盲联合信道数据估计算法

提出一种新的半盲联合信道估计与数据检测器,通过将递归-EM信道估计算法嵌入Turbo均衡器中,根据接收信号进行逐符号信道估计,不但能够适应时变信道,而且有效提高了联合信道数据估计收敛速度。仿真表明本算法对初始信道响应估计精度要求很低,从而大大降低了对训练序列长度的要求,使用很短的训练序列就能够达到较好性能,有效提高了频谱利用率。

基于正交训练序列的MIMO系统联合最大似然时频同步和信道估计

该文推导了多输入多输出(MIMO)系统中的符号定时、频偏和信道参数的联合最大似然(ML)估计。针对联合ML估计没有闭合的表达式、数值计算复杂度高的问题,该文提出了一种基于重复结构的正交训练序列的简化估计算法。该估计算法形式简单、复杂度低,且仍为最大似然估计。最后仿真分析了最大似然参数估计的均方误差与接收信噪比和天线数目的关系,并与Cramer-Rao界作了比较,表明了该算法的有效性。

2D雷达组网中目标高度估计误差的Cramér-Rao限

在由2坐标雷达组成的雷达网中,推导了目标高度估计误差的CRLB(Cram啨r Rao限),并通过不同条件下的数值计算得到了一些结论。结果表明,目标高度估计误差的CRLB既与雷达的测角误差有关,也与目标和2个雷达站形成的夹角有关系,雷达配置在不同的高度上有利于目标高度估计的收敛性。这些结论对于2坐标雷达组网以及雷达网中的传感器管理具有指导意义。

基于改进EM算法的分布式MIMO系统联合参数估计

鉴于采用最大似然算法估计分布式多天线系统的信道增益与频偏存在多维优化使计算复杂度高的缺陷,以及采用期望最大化（EM）算法存在收敛速度慢、对初值依赖性大的不足,而期望条件最大化（ECM）算法用一系列计算简单的CM步来代替一个复杂的M步,弱化了初值对收敛性的影响.综合考虑ECM算法与最大似然（ML）估计算法来优化EM的收敛过程,提出了一种高效稳定的EM算法.该算法在CM步取得频偏的更新值后,通过ML的结果来更新信道增益.仿真结果表明：该算法对初值的依赖性较低、计算简单且稳定性高,结合空间选择期望最大化（SAGE）方法后能大幅提高收敛速度,且所得估计值的均方误差（MSE）能够逼近Cramer-Rao界（CRB）.

基于差分进化的时变信道最大似然估计算法

研究了隧道环境下的通信信道估计。针对隧道环境的地铁列车与轨旁设备之间无线通信中无线传输信道快速变化的特点,提出了一种采用元胞差分进化(DE)方法实时获取时变信道的有效信道长度的新型最大似然(ML)信道估计算法——DE-ML算法。仿真结果表明该算法在使用较少导频信息的情况下,通过差分进化方法有效估计跟踪有效信道长度,其估计性能优于最小二乘(LS)、线性最小均方误差(LMMSE)、传统ML等经典信道估计算法。该算法能在提高系统传输效率的同时显著提高算法的估计精度,尤其在高速移动情况下也具有了非常良好的性能。

基于SIRP法的相关韦布尔分布雷达杂波仿真

推导了韦布尔分布参量满足的最大似然(ML)估计方程和其为球不变随机矢量(SIRV)的条件,给出了模拟相关韦布尔分布雷达杂波的原理和流程。在此基础上,基于球不变随机过程(SIRP)法仿真了具有高斯谱的韦布尔分布及其特例——瑞利和指数分布,弥补了零记忆非线性(ZMNL)法不能独立控制边缘概率密度函数(PDF)与相关函数的不足。最后不仅验证了模拟数据的PDF与理论分布,估计的功率谱与理论谱的吻合程度,而且分析了ML估计的分布参数与真实值之间的相对误差。结果表明,基于SIRP法仿真相关韦布尔分布雷达杂波是有效的。

STBC MIMO CDMA系统CMVDR接收机研究

提出了 STBC MIMOCDMA 系统中一种新的基于多用户 ML 估计的带制约的最小方差无失真响应(CMVDR)接收机,能有效抑制多址干扰(MAI)和符号间干扰(ISI)。给出了多用户、多径的 STBC MIMO CDMA 系统信道模型及 ML 参数估计,并给出了分部加权和整体加权两种 CMVDR 接收机,本接收机也适用于 SIMO CDMA系统。进行了系统模拟,并对分部加权和整体加权两种 CMVDR 接收机的性能以及自适应 CMMSE 接收机的性能进行了比较分析。

中国人均GDP的ARIMA模型分析与预测

人均GDP是反映一个国家综合实力的重要经济指标,由于经济波动的影响和随机因素的干扰,一般单变量模型模拟的效果较差,利用ARIMA(1,1,2)模型建模,可用过去人均GDP的值和过去误差来预测未来人均GDP的走势,有较强的预测能力,从而为经济政策的调整和制定提供参考.

基于高斯方向图的二维子阵级相干源超分辨测向

二维子阵级超分辨测向在相控阵雷达中具有重要应用.本文研究适用于相干源的子阵级ML估计方法.提出了子阵级ML估计的信号模型.利用子阵相位中心与增益来构造简化的阵列流形,使相控阵的校正成本与代价得到较大的降低.引入加权网络对子阵输出进行后处理,大大提高了阵列处理的灵活性.构造了高斯模式的子阵方向图.与直接简化的阵列流形方法相比,基于高斯方向图的简化阵列流形方法克服了其测向范围无法调整的局限性,且能更好抑制旁瓣源.仿真结果证实了所提出方法的有效性.