短采样宽带信号方位估计快速算法

该文针对短采样宽带信号近似最大似然(AML)方位估计计算量大的问题,将马尔可夫蒙特卡罗方法与近似最大似然方位估计相结合,提出一种基于Gibbs抽样的近似最大似然方位估计新方法(Approximated Maximum Likelihood DOA estimator based on Gibbs Sampling, AMLGS)。研究结果表明,AMLGS方法不但保持了原近似最大似然方位估计方法的优良性能,而且显著减小了计算量。把原方法的计算复杂度从O(LK)减少到O(KJNs)。     

相干信源波达方向估计的广义最大似然算法

论文基于广义导向矢量和广义阵列流形矩阵,建立了多相干源(组)情况下的阵列数据模型,然后提出了波达方向估计的广义最大似然算法。对于广义最大似然算法,入射信源可以是多相干源(组),阵列的几何结构也没有任何约束,而且它分辨的信源数还可以大于阵元数。随后,论文将广义最大似然算法与常规最大似然算法进行了理论比较,并给出了广义最大似然竹法方位估计一致性的证明和方位估计方差的计算公式。理论分析表明,在空间只存在非相干信源时,广义最大似然算法与常规的最大似然算法是等价的,而在空间存在多相干源(组)时,它的性能较常规最大似然算法有较大的改进,方位估计的方差更小。最后论文利用遗传算法实现了广义最大似然算法,并通过MonteCarlo仿真实验证明了广义最大似然算法的有效性。     

一种基于连续蚁群算法的快速最大似然DOA估计

针对传统最大似然估计计算量大的问题,将连续空间蚁群算法与最大似然估计算法相结合,在ACOML算法的基础上,提出了一种用混沌序列初始化状态空间的改进蚁群算法MACOML(Muddleheaded ACO)。该方法使用混沌映射产生的初始状态空间来代替ACOML算法中的随机序列产生的初始状态空间,增加了初始解的遍历性,同时在寻优过程中增加了局部搜索。仿真结果表明:MACOML能保持最大似然估计方法的高分辨性能,而计算复杂度只是最大似然方法的1/20。     

基于辅助阵元的方位依赖幅相误差最大似然自校正：针对确定信号模型

针对确定信号模型条件下方位依赖幅相误差的自校正问题,给出了一种基于辅助阵元的方位依赖幅相误差最大似然自校正方法;针对最大似然估计器中出现的高维非线性优化问题,推导了一种改进型交替投影迭代算法,从而实现了信号方位和方位依赖幅相误差的优化计算.此外,还推导了信号方位和方位依赖幅相误差的无偏克拉美罗界(CRB).仿真实验结果验证了新方法的有效性和优越性.     

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。     

MIMO声纳最小二乘方位估计快速算法

 为了充分利用多入多出(Multiple Input Multiple Output,MIMO)声纳的虚拟阵列孔径性能,针对目标方位估计问题,提出了一种MIMO声纳系统目标方位估计方法,该方法由发射阵列发射正交信号,接收阵列首先对接受信号进行匹配滤波,然后构造最小二乘约束下的空间拟合关系,最后采用马尔可夫蒙特卡罗完美抽样方法解决最小二乘拟合求解运算量大的问题.仿真结果表明:两目标情况下,采用该方法的MIMO声纳系统方位估计精度在中低信噪比条件下与MIMO最大似然方位估计基本相同,优于MIMO最小方差方法,而运算量比最大似然方法显著降低.     

基于非圆信号波达方向估计的最大似然算法

现有的非圆信号波达方向(DOA)估计算法基本都是子空间分解类的,如NC-MUSIC、NC-ESPRIT算法等。基于子空间拟合类的非圆信号DOA估计算法研究的不多。文中依据非圆信号的DOA估计数学模型,提出了基于非圆信号的DOA估计最大似然算法。通过计算机仿真,将基于非圆信号的最大似然算法与常规最大似然算法及基于非圆信号的MUSIC算法进行了性能比较。结果表明,该算法提高了方位估计的估计性能,对于估计精度要求很高、用户比较密集的场合,能发挥很大的作用。     

MIMO声纳方位估计子空间拟合快速算法

为了充分利用多输入多输出（multiple input multiple output ,MIMO ）声纳的虚拟阵列孔径的性能,针对目标的方位估计问题,提出了一种M IMO声纳系统的目标方位估计方法,该方法由发射阵列发射正交信号,接收阵列首先对接受信号进行匹配滤波,然后构造子空间拟合关系,最后采用马尔可夫蒙特卡罗吉布斯抽样方法解决子空间拟合求解运算量大的问题．仿真研究表明,两目标条件下,采用该方法的MIMO声纳系统方位估计精度在中低信噪比条件下接近MIMO最大似然方位估计,优于其它MIMO阵列方位估计方法,而运算量只是最大似然方法的约1/4．水池试验结果验证了算法的有效性．     

多信号波长与方位的联合估计及其全局优化算法

论述了多辐射源波长与方位同时估计问题。建立了宽频段阵列信号模型；给出了波长与方位的最大似然估计及其全局优化算法；计算机模拟结果证实了算法的有效性。     

DOA估计中自相关矩阵的时空二维估计方法

利用阵列信号的空间平稳性质，本文提出了自相关矩阵的时空二维估计方法．本文还首次提出了中等冗余非均匀线阵的概念。模拟实验验证了时空二维估计方法比常规的时间最大似然估计方法有明显的优越性，它以微弱的计算量换来了DOA估计性能的大幅度改善。     

高动态多普勒频率估计及其Cramer-Rao界

用泰勒级数展开的形式表示高动态的多普勒频率参数,推导分析了对各阶频率参数估计的最大似然估计器(MLE)及其估计误差的Cramer Rao界;描述了最大似然估计器和扩展卡尔曼滤波器(EKF) 对各阶频率参数的估计模型;并以均方根估计误差和失锁概率为性能指标,通过对同一模拟的接收机高动态轨迹的跟踪估计,比较了两种不同估计技术的基本性能。     

电迁移测试中模型参数估计方法的比较

电迁移（Electro—Migration,EM）是集成电路可靠性研究的重要项目之一。本文基于JESD63,基于最小二乘法（LSE）和基于极大似然估计（MLE）来研究不同的统计方法对电迁移的样本估计（t50,σ）和模型参数估计（Ea,n）的影响,并列举了不同统计方法在不同情况下的应用。为电迁移的数据分析提供了更多更灵活的处理方法,此外,对TDDB（Time Dependent Dielectric Breakdown）的参数估计同样适用。     

An Improved Frequency Synchronizer for Mobile OFDMSystems

1IntroductionOrthogonal Frequency Division Multiplexing(OFDM) hasgained strong position in the next generation widebandwireless systems for its advantages over frequency-selec-tive fading channels . The principal weakness of OFDMis its sensitivity to Carrier Frequency Offset ( CFO)caused by Doppler drifts and/or oscillator instabili-ties[1 ~3]. Many frequency synchronization algorithmsfor OFDM have been proposed, which can be dividedinto three main categories .First groupis based on s…     

非均匀环境中分布目标的参量广义似然比检测

在高距离分辨率(HRR)雷达中,目标很可能跨越多个距离门。该文研究了这种分布目标的参量自适应检测。其中,主、辅数据中的干扰信号用随机空域协方差矩阵的向量自回归模型表示。随后,分别根据贝叶斯1步参量广义似然比(B1S-PGLRT)和贝叶斯两步参量广义似然比(B2S-PGLRT)检测准则推导了对应的检测器。前者没有闭式解而后者和经典的参量自适应匹配滤波器(PAMF)具有相似的检测结构,并使用了空域协方差矩阵的最大后验(MAP)估计代替了最大似然估计(MLE)。同时,还给出了B2S-PGLRT的归一化形式。最后,分析了贝叶斯参量检测器的运算步骤和运算复杂度,并通过蒙特卡洛仿真评价了它们的检测性能。结果表明:当训练数据不足时,贝叶斯框架下的参量匹配滤波器比广义似然比性能更好。     

非均匀环境中的分布目标自适应检测

该文研究了非均匀环境中的分布目标和多点目标的检测。其中,假设辅数据协方差矩阵服从以主数据协方差矩阵为条件的逆Wishart分布,且均值与之成比例。首先给出主数据协方差矩阵、比例因子和目标幅度的最大似然估计(MLE),然后基于贝叶斯理论和广义似然比(GLRT)判决准则提出了一种检测器。当目标只存在单个距离门时,检测器和自适应相干估计器(ACE)一致;当目标跨越多个距离门时,检测器和广义自适应子空间检测器(GASD)一致。但不同在于ACE和GASD都是基于未知的确定干扰协方差矩阵的。另外,该检测器具有恒虚警率(CFAR)特性,并且有很好的检测性能。     

Maintenance-policy cost-analysis for a series system withhighly-censored data

This paper considers the problem of estimating the optimal age-replacement time for a series arrangement of functional subsystems when data are subject to high levels of random censoring on the right. The system does not have redundant components. Simulation is used to compare the performance of the Kaplan-Meier Estimator (KME), the Piecewise Exponential Estimator (PEXE) and the Maximum Likelihood Estimator (MLE) in estimating the optimal replacement time for the system, as well as for each component, under high levels of random censorship. Monte Carlo analysis is used to estimate `average optimal age replacement times' determined using total time on test (TTT) transforms based on the KME, PEXE, and MLE methods. The optimal replacement time is used to calculate a value which is used to compare the relative long-run cost per unit-time for each method. The differences between using system-level data vs. component-level data to construct a maintenance policy are examined. With respect to cost effectiveness, the results identify the crucial factor in determining whether to perform system-level maintenance or component-level maintenance; that factor is the ratio of the `cost of performing preventive maintenance' and the `penalty cost of experiencing a system failure'. For the ratios used in this study (0.1 to 0.5) a `component-level maintenance policy' is more cost effective than a `system-level maintenance policy'. The results also show that for a correctly specified model and for large sample sizes, the age replacement times provided by the MLE are more accurate than those provided by the KME and PEXE, especially under high levels of censoring     

基于混沌寻优的DOA估计

提出用混沌优化的方法来实现阵列信号波达方向(DOA)的极大似然估计。基于混沌运动的遍历性、内在的随机性、规律性等特点的混沌优化算法是一种有效的全局优化算法,其计算复杂度较低。仿真结果表明该文提出的方法在获得与AP算法相当测向精度和测向分辨率的情况下有更低的计算量;在相干信号的情况下,其性能比AP算法有较大的提高;同时其基于轨道搜索的结构易于并行实现,以进一步满足实时性的要求。     

一种新的VANET网络链路丢包率估计算法

在车载自组织网络（VANET）协议体系中,网络链路层丢包率的估计和预测十分重要,因为它不仅决定了信息传输的效果,并且其大小将直接影响对上层服务协议的执行。因此,提出了一种基于后验期望估计（PEE）算法来预测和估算链路丢包率。根据对实验数据结果的分析,使用很少的探测包就可以快速准确地对链路丢包率进行估算,而且PEE算法优于最大似然估计（MLE）算法和期望传输次数（EXT）算法。     

Spectrum Sensing for Cognitive Radio Using Binary Particle Swarm Optimization

Spectrum sensing techniques in cognitive radio are the most important issue to exploit the spectrum efficiently. Several techniques have been proposed recently to estimate the dimension of the received signal from which the vacant frequencies can be determined and made available to the secondary users. These techniques have difficulties in low signal to noise ratio and limited sensing interval cases. It is known that the Maximum Likelihood Estimation (MLE) has an outstanding performance in most practical scenarios. In this paper, we present a Maximum Likelihood Estimate (MLE) to detect the number of vacant channels in the spectrum. The resulting MLE estimate posses several minima and maxima, therefore it needs exhaustive search to be determined accurately. To solve the problem, an evolutionary algorithm called Binary Particle Swarm Optimization (BPSO) is proposed. Simulation results have shown significant improvement of the MLE-BPSO estimate over the conventional techniques by 3–5 dB.