一种高精度空间多载波测距新算法

根据空间精密测距的需求,由多载波最大似然传输时延估计算法的表达式,推导了其克拉美罗界;根据似然函数的形式,提出了一种迭代最大似然时延估计算法．计算机仿真结果表明,所提出的迭代时延估计算法收敛速度快,与使用穷搜索的最大似然方法相比,具有复杂度低的特点; 在信噪比为-10dB的恶劣条件下,同基于相位的多载波测距方法相比精度至少提高了2倍; 随着信噪比的增加,性能趋于克拉美罗界．     

慢衰落多径信道下DS—CDMA信号传输时延的估计

使用最大似然（ML）估计,采用CLEAN和RELAX算法的估计思想,把多维优化问题转化为多个一维优化问题,实现了慢衰落多径传输环境下DS-CDMA信号的时延和幅度的最大似然估计。仿真结果表明：核算法可有效估计多径信号的幅度和传输时延,对远近效应稳健,其性能接近Cramer-Rao界（CRB）,较传统的滑动相关器估计方法有明显提高。     

时频混合重叠复用系统的快速检测算法

为提高通信系统的频谱效率,研究了一种时频混合重叠复用系统,并提出针对该系统的基于Gabor变换的快速检测算法和利用误差反向传播思想的改进检测算法。实验结果表明,与利用最大似然序列估计检测算法相比,该算法在牺牲部分性能的条件下,检测速度大幅提高,且系统性能和检测速度做了很好的折衷,在较高信噪比时仍然优于相同频谱效率的高阶调制。采用相互重叠的信号复用传输方式直接提高传输速率比使用同样频谱效率的高阶QAM调制能带来更大的增益。     

基于EM算法的联合调制识别与参数估计

针对低信噪比情况下单节点接收调制识别率低的问题,提出了一种基于多节点接收与混合最大似然的调制识别算法。多节点同步接收后将基带信号发送到融合中心,使用混合最大似然实现全局分类判决,通过空间分集提高低信噪比下调制识别的性能。为了解决联合似然函数中多维未知参数难以直接求解的问题,将未知发送符号序列表示成隐藏变量后采用EM算法实现未知参数的最大似然估计。给出的算法在平坦衰落信道下实现了BPSK、QPSK、8PSK、16QAM信号的调制识别与参数估计。与基于矩的算法相比,基于EM迭代的最大似然估计提高了未知参数的估计精度。仿真实验结果表明,当采用四节点同步接收,在信噪比大于-2dB时,平均正确识别率能够达到95%以上。     

小波域的最大似然调制分类

针对电子战领域中的调制类型识别问题,提出了一种把通信信号变换到小波域下的最大似然调制分类算法．通过分析MPSK信号在Haar小波基下的小波变换系数同其相位参数之间的关系,把MPSK信号的小波变换系数用广义高斯概率分布进行建模来得到MPSK信号的最大似然分类函数．同常规的最大似然分类算法相比新方法所需的先验信息少．计算机仿真结果表明,这种算法在低信噪比下仍然能获得好的正确分类性能．     

多速率DS-CDMA信号信道参数的估计

在CDMA通信系统中，信道参数的估计，特别是信号传输时延的估计是一个重要问题，但是在异步CDMA通信系统中，传输时延和幅度的估计会受到远近效应的影响。文中使用最大似然（ML）估计，实现了多速率DS-CDMA信号的信道参数估计。仿真结果表明，该算法可有效估计多速率DS-CDMA信号的幅度和其相对时延，对远近效应稳健，其性能接近Cramer-Rao界（CRB），远优于传统的滑动相关估计方法。     

同频混合信号参数联合最大似然递归估计

为提高成对载波多址(PCMA)模式下参数估计精度,简化实现流程,提出一种混合信号条件下频偏、相偏、信道联合估计算法。该算法基于最大似然准则,利用数据辅助技术,推导出联合参数估计显性表达式,并给出递归求解方法。对该算法估计性能进行的定量分析表明,估计性能逼近混合信号条件下克拉美罗界(Cramer-Rao bound),能适应频率选择性信道。计算机仿真结果验证了该算法的有效性。     

非重构压缩样值的MPSK信号最大似然调制识别

在不重构出原始MPSK信号的前提下进行多元假设,推导出不同假设下压缩样值的最大似然函数,提出一种压缩域最大似然调制识别方法。在压缩感知（CS）框架下,压缩域最大似然调制识别方法（compressive maximum likelihood,CML）使用远小于传统的基于奈奎斯特采样的最大似然调制识别方法（traditional maximum likelihood,TML）所需的采样个数实现MPSK信号的调制识别。同时给出了在压缩域进行调制识别的标准,并分析了CML算法的识别的性能。最后给出了该方法的性能仿真。仿真表明CML算法的运算复杂度更低,速度更快,而识别性能仅略低于TML算法。压缩比为1/2,信噪比为-8dB时,CML算法对BPSK信号的识别率达到95%。     

结合二阶负反馈环路的OFDM频率同步算法

研究了一种正交频分复用系统中的频率同步环路。针对现有的最大似然频率同步算法频偏估计不够精确,频偏估计范围较小的缺点,提出了一种新算法。该算法利用二阶负反馈环路,结合最大似然算法联合进行频偏估计与补偿。分析结果和计算机仿真结果表明,新算法克服了最大似然算法的不足,能进行精确的频偏估计并有较大的频偏估计范围。     

基于最大似然估计的平均一致性时钟同步改进算法

基于一致性原理的时钟同步算法在无人机蜂群系统中有着重要的应用价值。实际中,节点间交互时钟信息的过程存在随机通信时延,将影响算法收敛性。针对这一问题,提出基于最大似然估计的平均一致性时钟同步改进算法。在节点时钟之间同时存在频差与相差条件下,利用相邻节点之间最近一次的时钟交互与前M次的时钟交互对相对时钟斜率做最大似然估计,克服随机时延对时钟同步的不利影响,实现了节点时钟同时存在频差与相差条件下的逻辑时钟同步。仿真结果表明,相较于平均一致性时钟同步算法以及基于最小二乘估计的时钟同步算法,本文所提算法在存在随机通信时延的情况下具有更好的稳定性,且同步精度更高。     

MIMO-OFDM系统的SAGE-IPSO联合估计检测

针对多输入多输出-正交频分复用系统中最大似然检测算法难以硬件实现以及传统的信道估计性能较差等缺陷,提出了一种联合估计检测算法. 该算法使用离散傅里叶变换-最小二乘（DFT-LS）算法进行信道初估计,利用广义空间迭代期望最大化（SAGE）算法对估计的信道信息进行校正,并结合改进的粒子群优化（IPSO）算法完成对信号的迭代检测,使系统性能得到改善. 仿真分析结果表明,算法能以较少的迭代次数估计出信道状态信息和检测数据;在相同误比特率的情况下,性能优于经典检测算法,与理想状态下的最大似然检测算法仅相差1 dB左右.     

串行级联码的改进译码设计和SOVA算法

为了提高采用短交织器的串行级联卷积码在低级迭代译码时的性能 ,将对数最大似然算法的译码结构引入传统的SOVA中以增强其在短交织时延时的性能 .由于对数最大似然算法和SOVA算法的结合避免了对最大路径中每步度量的更新 ,该算法也对低时延要求有所贡献 .对几种串行级联卷积码仿真的结果表明改进的译码器能在短帧交织时获得满意的性能 .改进的串行级联卷积码的译码算法和设计适用于高比特率低时延的通信系统 .     

MIMO-OFDM系统的联合估计检测算法

针对最大似然检测算法复杂度高,最小二乘信道估计性能较差等缺陷,提出了一种SAGE-IGQS联合估计检测算法,该算法使用LS算法进行信道初始化,采用SAGE算法进行信道迭代估计,并结合改进的Grover量子搜索算法进行信号检测,从而提高了系统的有效性。理论研究和仿真结果表明:该算法在降低系统复杂度的情况下,误比特率性能优于传统的联合检测算法,与理想信道估计下的最大似然检测算法相接近。     

基于迫零矢量集搜索的V-BLAST检测算法

基于迫零矢量集搜索提出了一种新的混合最大似然（ML）和判决反馈均衡（DFE）的垂直贝尔实验室分层空时码(V-BLAST)检测算法．在该算法中,用最大似然检测的方法判决前l（l为最大似然度）层的迫零矢量集及其信号,在消除前l层的影响后逐层判决后续各层．分析和仿真结果表明：和已知的基于信道传输矩阵的QR分解的混合ML-DFE检测算法相比,当接收天线数小于最大似然度的平方时,该算法能够在获得相同的检测性能的条件下降低算法的计算复杂度．     

一种上行OFDM-CDMA系统的时频同步算法

提出了一种适用于上行正交频分复用码分多址接入(OFDMCDMA)系统的简单定时和频率同步方法. 在该方法中,首先通过利用各自在频域和码域上正交训练序列的相关性来完成多用户符号定时估计;然后利用最大似然原则得到频偏估计. 仿真结果表明了该算法具有优良的最小均方误差性能.     

快速移动环境中的MIMO-OFDM系统信道估计算法

针对快速移动环境中存在的多普勒效应．研究了两种多输入多输出正交频分复用系统在快衰落信道中的误码性能．采用空频编码梳状等间隔导频插入方式．以及完全最大似然空频分组码解码算法．使用导频与接收信号进行信道参数估计，将一般多输入多输出正交频分复用系统中的基于训练序列的最小均方误差信道估计算法推广到了快衰落信道环境中．由仿真结果得知：这种改进的信道估计算法在子载波数为256个、插入导频为32个、并以等间隔方式插入导频时．系统的抗多径能力比较理想．可满足快速移动的信道环境要求．     

低轨道卫星随机接入系统中多用户检测算法

针对快速时变信道导致低轨道卫星随机接入中多用户检测性能恶化的问题,提出了克服大多普勒频移的多用户检测算法．算法采用基扩展模型建模各用户的信道,通过最大似然法联合求解各用户的基系数,接着利用基系数拟合出各用户信道,然后重构所有干扰用户分组并进行干扰消除,最后对干扰消除后的剩余信号进行译码．利用译码比特及各用户训练块和已检测用户数据重复进行信道估计及干扰消除,以提高用户分组的检测概率．仿真结果表明,该算法相对已有算法在误包率、信道估计均方误差及吞吐量性能方面均有明显提升．算法能够有效的工作于具有较高信噪比及大多普勒频移的低轨道卫星多用户场景．     

具有任意分布时间相关源的盲分离自适应算法

常用的盲分离算法假定源是独立同分布的随机信号，这种假定在实际应用中受到限制。中把盲分离算法扩展到具有时间相关特性的源信号，给出了盲分离的模型。以最大似然估计为基础，用MA模型来消除源的时间相关特性，推导了MA模型参数和混合参数的自适应梯度学习算法。为了提高该算法的适用性，采用高斯混合模型(GMM)来拟合源的概率密度函数，并给出了GMM模型参数的自适应算法。计算机仿真结果表明：算法的性能良好，收敛速度快。     

最大似然估计在GPS定位中的应用研究

讨论了基于ｎ个伪距测量值的最大似然定位原理和定位误差分析，并给出了根据可见卫星个数，自适应调整定位而数目的最大似然估计定位的算法。精度分析中，将标准的利用四颗卫星信号定位，利用五颗卫星信号的最大似然定位同利用所有可见卫星信号的自适应最大似然定位进行了比较，分析表明，与标准的四颗卫星定位相比，ＧＰＳ自适应最大似然定位可改善定位精度１２ｍ。     

基于人工蜂群算法的线性调频信号参数估计

针对多分量线性调频(LFM)信号的初始频率和调频斜率估计问题,提出了基于人工蜂群算法的LFM信号最大似然函数估计方法。首先,利用最大似然方法对LFM信号的初始频率和调频斜率进行联合估计;然后,用人工蜂群算法对似然函数进行优化求解;接着,针对人工蜂群算法收敛速度慢、易早熟等问题采用多维并行搜索结合交叉全局引导的方式对算法进行改进,实现了高效的多分量LFM信号参数估计。仿真实验证明,本文算法具有最大似然估计的有效性,兼具快速性和实时性。