基于极大似然目标状态估计的传感器管理

为估计目标运动的状态估计量,设计相应的传感器管理方案,文章依据贝叶斯概率知识,采用极大似然的最优化方法来估计目标运动的状态估计值;依据目标状态估计的误差协方差矩阵与其Fisher信息矩阵间的联系,推导似然函数关于目标状态各个分量的偏导数;采用随机离散时间系统知识,推导出对角式Fisher信息矩阵所有对角线上的各个元素;以Fisher信息矩阵的迹范数作为传感器管理中的最优代价函数,采用0-1整数规划算法来求解传感器的分配矩阵;最后将极大似然的目标状态估计及其相应的传感器管理方案应用于无人直升机的飞行控制系统中,以验证本文方法的有效性。     

基于极大似然估计的新息自适应滤波算法

针对噪声统计信息未知或时变情况下常规卡尔曼滤波估计精度下降甚至发散的问题,提出了一种基于极大似然估计的新息自适应滤波算法.算法对基于极大似然估计的常规新息协方差估值器进行限定记忆指数衰减加权修正,增加滑动窗口内新近新息协方差序列的利用权重;根据新息自适应原理,利用新息协方差估计值直接计算滤波增益矩阵,加快滤波器收敛速度的同时提高了滤波算法的估计精度.算法应用于捷联惯性导航系统/全球定位系统(SINS/GPS)组合导航系统,仿真实验表明:在噪声统计信息未知或时变情况下,算法具有更强的鲁棒性以及更高的滤波精度.     

基于最大后验估计的无监督聚类算法

传统的基于EM算法的聚类方法,当模型的某个高斯分量的协方差矩阵变为奇异矩阵时,会导致聚类失败。提出在聚类过程中用最大后验估计（MAP）来代替极大似然估计（MLE）;将一种改进的贝叶斯信息准则（BIC）与模型参数估计同时处理,扩大了模型选择的搜索范围。该算法有效地避免了协方差矩阵在迭代中陷入奇异,并将参数估计和模型选择同时进行。通过R软件进行仿真分析,结过表明改进的算法在减少计算量同时,提高了聚类的准确度,并具有鲁棒性。     

状态空间双线性系统的极大似然辨识

提出了状态空间双线性系统的极大似然辨识方法。得到了以输入-输出序列为条件概率的似然函数解析表达式,推导了极大化似然函数的参数矩阵计算公式,给出适用于双线性系统状态估计的改进卡尔曼滤波方法,以及辨识系统参数的迭代估计算法。最后进行了数值仿真,结果说明了该方法的有效性。     

利用粒子群优化估计高光谱数据协方差矩阵

与传统的多光谱遥感相比,高光谱遥感具有更高的光谱分辨率,能更好地进行地物分类识别。但是,当训练样本数与数据维数相当,或小于后者时,会导致协方差矩阵近似奇异或奇异,使得经典最大似然分类失效,需要对协方差矩阵进行修正。典型的协方差阵估计方法往往只选取总体协方差、类别协方差及其相应变形中的两种形式进行组合,未考虑多种形式共同对协方差阵估计的影响。提出将PSO算法应用到协方差阵估计中,考虑所有形式的共同作用,对组合参数进行优化。最后,通过高光谱数据的分类实验证明了方法的可行性和有效性。     

丢失数据下的条件极大似然辨识

针对仿射结构形式在丢失数据下的条件极大似然辨识问题, 首先引入交换矩阵将原随机矢量分解成观测和丢失部分; 然后确定出观测数据在丢失数据下的条件均值和条件方差, 以此建立条件似然函数; 进而从理论上给出了条件极大似然函数关于未知参数矢量、未知白噪声方差值和丢失数据的求导公式, 并从工程上给出一种可分离的优化算法; 最后通过仿真算例验证了该辨识方法的有效性.     

基于子矩阵对数累积量的极化合成孔径雷达图像等效视图数估计新方法

等效视图数是极化合成孔径雷达图像信息处理过程中的关键参数之一.首先提出了基于子矩阵对数累积量的极化合成孔径雷达图像等效视图数估计的最大似然估计方法及其子矩阵联合最大似然估计方法.所提估计方法是基于表征多视极化雷达图像数据的协方差矩阵及其子矩阵的对数累积量建立,打破了原有方法只能应用于图像数据符合高斯相干斑模型而不能应用于图像数据符合多变量乘积相干斑模型的限制,拓展了等效视图数估计方法的适用范围.然后给出了不同阶子矩阵对数累积量估计方法对估计精度的影响,并与已有方法和Cramér-Rao限进行了对比,给出了最佳的最大似然估计方案,同时针对估计方法对样本数目的依赖,给出了对数累积量估计的修正算法.最后对提出的估计方法进行了理论仿真和实测数据验证,结果表明了等效视图数估计新方法的正确性和有效性,特别适用于相干斑的乘积数据模型,提高了极化合成孔径雷达图像模型参数估计的快速性和准确性.     

一种反延时电路的可靠性评估

针对反延时难以实现的状况,提出了用延时电路并联实现反延时的方法,并用极大似然法和经验Bayes法讨论了系统可靠性评估问题,给出了系统失效率、可靠度和平均寿命等可靠性指标的估计。利用计算机Monte-Carlo随机模拟的方法对可靠性指标的Bayes估计和极大似然估计进行比较,结果表明,经验Bayes估计优于极大似然估计。     

改进的非线性连续-离散系统的极大似然参数估计及其应用

对Jategaonkar等人给出的同时计及过程及观测噪声的非线性连续-离散系统的极大似 然算法从两个方面进行了改进:1)给出了计算灵敏度的最佳摄动有限差分算法,避免了普通 有限差分法计算灵敏度矩阵时需人为选择参数摄动量大小而带来的缺点;2)给出了具有快 速三角化平方根滤波的极大似然算法,提高了原算法的数值稳定性.上述改进算法经应用于 飞行器系统参数估计证明了方法的有效性.     

改进的非线性连续－离散系统的极大似然参数估计及其应用

对Ｊａｔｅｇａｏｎｋａｒ等人给出的同时计及过程及观测噪声的非线性连续－离散系统的极大似然算法从两个方面进行了改进：１）给出了计算灵敏度的最佳摄动有限差分算法，避免了普通有限差分法计算灵敏度矩阵时需人为选择参数摄动量大小而带来的缺点；２）给出了具有快速三角化平方根滤波的极大似然算法，提高了原算法的数值稳定性．上述改进算法经应用于飞行器系统参数估计证明了方法的有效性。     

进化策略在极大似然法参数估计中的应用

采用极大似然法进行参数估计,是为了避免传统优化算法的缺点。本文采用进化策略算法与极大似然参数估计法相结合使参数估计变量不再受初始值影响,从而可获得全局更优的解。最后,以威布尔三参数分布为例进行参数估计。结果表明,该方法有求解精度高和收敛速度快的优点,从而使进化策略算法能更好地应用于数理统计中。     

Modified maximum likelihood method for the robust estimation of system parameters from very noisy data

When experiments are conducted there is always a chance of the occurrence of large measurement errors (outliers). Common identification methods like generalized least squares, maximum likelihood etc. may not converge in these situations due to the presence of outliers. Here we present a method for the robust estimation of system parameters based on the censoring of data and employing the maximum likelihood estimation. Several simulated examples show that the modified maximum likelihood method works well in situations where other methods failed.     

Convergence properties of the generalised least squares identitication method

Convergence properties of the generalized least squares method are analyzed. The method can be interpreted as optimization of a likelihood function. The number of local maximum points of the likelihood function is examined. It is shown that this number is influenced by the signal to noise ratio. This theoretical result is illustrated by numerical examples using plant measurements. It is also proved that the method gives consistent estimates under suitable conditions.     

Two-step estimators of the scale parameter of the Weibull distribution

An efficient two-step method of estimating the scale parameter of the Weibull distribution is presented and compared to other estimation procedures. The shape parameter is obtained by a procedure other than maximum likelihood and then substituted into the maximum likelihood formula for the scale parameter. Three two-step and four one-step estimators were compared using a Monte Carlo simulation. When the shape parameter is less than one, the two-step estimator using a generalized least-squares estimate of the shape parameter was best in terms of observed relative efficiency. Maximum likelihood was best, but followed closely by the generalized least-squares estimator when the shape parameter is greater than one.     

隐Markov模型参数估计的一种新方法

本文提出一种隐Markov模型参数估计的新方法.该方法直接以模型作识别器时的识别 率最高(或误识率最低)作为估计准则.由该准则导出的算法的性能明显优于最大似然估计 器.文中给出了该算法的一种实现形式. 实验表明,该方法的模型识别率比用最大似然方法求出的模型识别率提高5%左右.     

似然相似度函数在目标跟踪中的鲁棒机理研究

复杂背景条件下低对比度目标的跟踪和测量方法,是视觉领域的一个重要课题.低对比度,低信噪比,目标旋转、缩放、被遮挡等非理想状态给跟踪算法的研究带来很大困难,算法既要适应目标和背景的复杂变化,又要保证运算量小,满足工程实时性要求.提出一种基于似然相似度函数的低对比度目标跟踪方法.在建立模型阶段,利用棱锥面方程的单峰特性突出模型中的目标灰度信息,使目标与背景灰度信息的可区分性更高;在模型匹配阶段,从统计学中的极大似然估计方法得到启发,构造一种新的似然相似度函数,与传统的相似度量相比,度量值的可区分性更高,大大提高了匹配区域的无重复模式;最后,将目标跟踪过程转化为对目标跟踪位置的极大似然估计过程.目前,该算法已经成功嵌入TMS320C6416硬件平台.大量实验结果表明,该算法所能探测的目标对比度LSCR最低限度约为3.作为实例,给出复杂背景下低对比度LSCR=4.9时空中飞机的实验结果.     

Maximum likelihood estimation via the extended covariance and combined square-root filters

The method of maximum likelihood is a general method for parameter estimation and is often used in system identification. To implement it, it is necessary to maximize the likelihood function, which is usually done using the gradient approach. It involves the computation of the likelihood gradient with respect to unknown system parameters. For linear stochastic system models this leads to the implementation of the Kalman filter, which is known to be numerically unstable. The aim of this work is to present new efficient algorithms for likelihood gradient evaluation. They are more reliable in practice and improve robustness of computations against roundoff errors. All algorithms are derived in measurement and time updates form. The comparison with the conventional Kalman filter approach and results of numerical experiments are given.     

A stable linear algorithm for fitting the lognormal model to survival data

The lognormal model can be fitted to survival data using a stable linear algorithm. When tested on 800 sets of mathematically generated data, this method proved more stable and efficient than the iterative method of maximum likelihood, which requires initial estimates of model parameters and failed to fit a substantial fraction of data sets. Though maximum likelihood yielded more consistent estimates of proportion cured, mean, and standard deviation of log(survival time), the linear normal algorithm may nevertheless prove useful for these purposes: (i) computing initial estimates of model parameters for the maximum likelihood method; (ii) fitting data sets that cannot be fit by this method; and (iii) deriving the lognormal model directly from cumulative mortality.     

基于表格语义的Web信息抽取方法的研究

在Web页面常用到表格这种元素。本文提出一种根据表格语义来进行信息抽取方法。首先提出了一种短语语义相似度的度量方法,然后利用短语语义的相似度确定表格标题行(列),并对表格行(列)与抽取字段的对应关系进行计算,最后计算表格的整体语义,度量该表格与所要抽取的内容有多大相关度。     

遮挡情况下多目标跟踪的一种新方法

多目标追踪一直是视频处理中的重要问题,目标互相遮挡的情况下观测置信度的计算是多目标追踪中的难点。提出的方法将被遮挡的情况作为目标的一个状态分量,在对遮挡估计的基础上计算目标的观测置信度。将方法应用于遮挡频繁发生的足球比赛视频,结果表明该方法在目标遮挡或聚集并不严重时,可以避免目标标号粘合和错乱的问题。