MML方法在航空航天系统可靠性分析中的应用

修正的极大似然估计法是一种基于经典估计理论系统的可靠性分析方法中较优的算法。主要介绍MML方法及其在航空航天系统可靠性分析中的应用。     

基于无线传感器网络的声目标定位算法研究

在建立声音能量模型基础上实现了基于极大似然估计的声目标定位。由于极大似然估计算法是一个有偏估计,而且容易受到参数扰动的影响,这两个不足影响了其定位精度的稳定性。因此,提出了基于最优化极大似然估计的目标定位算法。仿真实验结果表明,与一些存在的定位算法相比,此算法在传感器节点数目不同时,都能得到更高的定位精度。     

基于距离修正的DV-Hop改进算法

传统的DV-Hop算法定位精度不高,针对这种情况,提出一种基于距离修正的改进算法。改进算法在两方面对传统算法进行改进。首先修正锚节点间距离,通过修正后计算出的平均跳距更加精确。第二步修正未知节点到锚节点距离,使估算出的未知节点位置更加准确,最终达到高精度定位。修正后在matlab平台上进行仿真,仿真结果表明定位精度有明显提高,是一种简单实用的改进定位算法。     

SENMA网络加权质心定位算法

移动代理传感器网络(SENMA)由移动代理节点负责数据处理、接入、转发、传输和路由等工作,更加节能。通过分析指出SENMA网络进行节点定位最适于采用基于距离定位算法,依据网络特点基于接收信号强度指示(RSSI)测距技术较为可行。依据信道RSSI特点,提出了一种加权质心定位算法,并利用Matlab编程进行了仿真验证,证明了其性能优于极大似然估计定位算法,更为适用于SENMA网络。     

基于概率密度函数的辐射源定位点融合算法

针对空中观测平台对地面辐射源目标定位得到多个定位点的问题,提出了基于概率密度函数的定位点融合算法。在分析最大似然估计法的基础上,提出了概率密度函数求和法和修正最大似然估计法两种融合算法,通过概率密度函数相加求和与数据窗口选择,实现对辐射源多次定位点的融合,提高了定位精度。算法解决了个别定位点误差过大以及多个辐射源同时存在且其定位点不可区分时的融合问题。仿真实验结果表明,该方法可以有效融合多辐射源定位点,提高定位的精度,并且概率密度函数求和法融合性能更为稳健。     

一种新的基于极大似然估计的系统辨识方法

进化计算是一种基于自然选择和自然变异机制的并行随机优化算法。由于递推极大似然估计法难以实现性能指标函数的全局寻优，所以本文提出了将改进的进化计算用于系统参数辨识的方法。计算机仿真结果表明，该算法能够实现似然函数的全局寻优。     

基于RSSI的无线传感器网络距离修正定位算法

节点自身定位是无线传感器网络目标定位的基础。无线传感器网络节点定位算法包括基于距离和距离无关两类。其中基于RSSI的定位算法由于实现简单而被广泛使用,但RSSI方法的测距误差较大,从而影响了节点定位精度。提出了一种基于RSSI的无线传感器网络距离修正定位算法。该算法通过RSSI测距,计算近似质心的位置,以此为参考点进行距离修正,然后确定节点的位置。仿真结果表明该算法可以提高节点定位精度。     

一种改进的极化码置信译码器

在极化码置信（ BP）译码的因子图中,当承载确定信息的节点的对数似然信息计算错误时,可以被检测到。此时,对于因子图中参与该似然信息计算的节点,引入一个修正参数,以修正该节点承载的信息的对数似然信息。修正参数可以由密度进化的高斯近似算法得到。给出了置信译码原理及相应的改进算法,最后给出了复杂度分析和性能仿真。数据结果表明,在牺牲很小的复杂度的条件下,相比原算法,修正算法能够获得0.2 dB左右的比特信噪比增益。     

毫米波/红外成像系统中的精确极大似然误差估计算法

为精确估计毫米波雷达/红外成像复合系统中传感器的系统误差,提出了一种基于无偏转换测量的精确极大似然(UCM-EML)误差估计算法.根据极坐标系下的测量噪声建立误差估计模型,据此推导似然函数和准则函数,采用高斯-牛顿迭代法进行准则函数的优化.仿真实验结果表明,UCM-EML算法在误差估计精度和收敛速度上都优于精确极大似然估计算法和修正的精确极大似然算法.     

固定单站对运动辐射源的无源定位与跟踪

利用测量获得的辐射源方位角和到达时间差信息,探讨了利用最小二乘估计法实现单站无源定位的方法,对定位算法进行了分析,并与特征分解算法和最大的似然计算法进行了比较。