基于子块积分循环双谱的雷达辐射源信号识别

信噪比是现代无线通信系统中的重要参数之一,人们对信噪比估计技术进行了大量的研究。根据所采用的信号处理技术不同,分最大似然、谱分析和基于统计量等3类基本的信噪比估计方法,并给出了典型估计方法的比较和计算机仿真,得到了一些较为直观的结论。最大似然方法精度高,但需要周期地发送训练序列;谱分析方法实现简单,但估计精度有限;基于统计量的方法需要较大的数据量才能实现信噪比的精确估计。     

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。     

大地电磁阻抗估计方法研究进展

由于在大地电磁测深中所观测的电磁场信号很微弱,信号容易受到各种噪声的干扰,从而导致视电阻率计算不准确,观测的重复性差。因此,要从存在复杂干扰的信号中获得无偏阻抗估计,是电磁测深数据处理的重要任务之一。为此,首先概述了几种常用的阻抗估计方法的发展现状及最新进展,然后重点介绍了近两年提出的阻抗估计方法——基于Stable分布的最大似然阻抗估计法。该方法相比几种传统方法,是根据数据自身的噪声分布进行加权,而不是人为设定某一标准,因此能更合理地给出阻抗估计值。     

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。     

对数正态分布参数的最大似然估计

对数正态分布是工程、医学、生物学中常见的分布之一。讨论分组数据情况下,对数正态分布参数的最大似然估计,给出了分布函数似然方程组解的唯一性的一种证明方法。     

余重对数二元模型的似然及惩罚似然估计

对３种抽样方式讨论了余重对数二元回归概率模型的极大似然估计和极大惩罚似然估计。并对数据及模型作了进一步的推广。     

和极大似然估计──一种新的估计准则

经典的极大似然估计和抗差的广义极大似然估计都是将随机样本看成独立积事件，在积概率最大的准则下，求参数估值，前者不能抗拒粗差，后者能抗拒粗差。和极大似然估计是将随机样本看成独立和事件，在和概率最大的前提下，求参数估值，从理论分析和计算结果来看，和极大似然估计优于积极大似然估计。     

某类分布参数MLE与Bayes估计相等的关系

为了在一个缩小的范围内探讨总体分布中的参数的任一经典估计都存在一个先验分布,使得其贝叶斯估计就是该经典估计这一命题的真伪,进行了多次试验,并通过试验法证明了某类单参数指数族分布中未知参数的最大似然估计,一定存在一个先验分布,使其贝叶斯估计就是该最大似然估计的结论．     

应用粒子群算法的动态目标DOA估计

针对信号源方向时变情况,提出一种新的跟踪方法.该方法利用性能优越的最大似然估计避免了子空间跟踪类方法需要不断重复的协方差矩阵分解.为有效解决最大似然估计巨大计算量的问题,引入粒子群算法并对其进行改进,使其能够自动跟踪目标,把目标锁定在一个很小的搜索范围之内.通过大幅度缩小搜索的范围和运用群智能搜索可以有效降低算法的计算量.仿真结果表明,与子空间类算法相比,该方法具备解相干的能力和较好的跟踪精度,而且能够保证算法的实时性.