基于多天线接收机的信号调制方式识别

针对存在未知载波频偏(CFO)的线性调制分类,提出一种混合似似然比检测(qHLRT)分类器.并且通过使用多天线接收机来进一步增强分类性能.一种基于盲源分离技术的CFO估计器用于qHLRT分类器中,同时对不同天线支路的相移作出估计.针对AWGN信道M进制QAM信号进行仿真,结果显示带有该估计器的qHLRT分类器可以有效降低未知CFO的影响,利用空间分集可以进一步提高分类器性能.     

指数分布对任意非负连续型随机变量的逼近

利用指数型分布类研究相依连续型非负随机变量序列的极限性质，得到一类强偏差定理，即用不等式表示的一类强极限定理，证明中提出了将似然比和Laplace变换应用于强极限定理研究的一种方法。     

基于广义似然比的自适应在线配准算法

针对机载雷达配准时出现的偏差跳变问题,提出一种基于广义似然比(GLR)的在线配准算法.该算法通过对配准公式的测量残差进行检验,可以自适应地估计偏差跳变量.Monte Carlo仿真实验表明,与传统的配准算法相比,在偏差发生跳变时,该算法能迅速检测到跳变发生时刻并正确估计出跳变量的大小,偏差估计值可在较短的时间内收敛到跳变后的真实值,且估计精度较高,接近CR下界.

     

广义似然比过失误差侦破方法的改进及应用研究

准确可靠的测量数据是工业过程优化和控制的重要前提,实际过程中由于过失误差的存在导致测量数据不准确,而传统的过失误差侦破方法常会出现过失误差分摊到其他测量数据上的现象.本文在研究广义似然比法(GLR法)过失误若侦破的原理及步骤的基础上,对GLR法的检验统计量进行改进,提出了2个变量同步侦破补偿的两两同步侦破法,即每次同时用2个变量计算检验统计量,并对相埘调节量大的测量数据进行补偿.两两同步侦破法与GLR法的实例考核结果表明,在相同显著性水平下,两两同步侦破法的总体检验能力和选择性比GLR法高,且犯第1类错误的概率比GLR法小.因此新方法提高了过失误差侦破率,降低了犯第1类错误的概率,能有效地对过失误差进行侦破和识别,且同步补偿后得到的补偿值更准确,有利于获得较为准确的过程数据.     

Log最优投资组合的强偏差定理

利用上鞅的性质,研究投资者关于收益向量的真实分布与边缘分布的乘积之间有偏差时投资者的平均收益的极限性质,得到用不等式表示的强偏差定理.     

基于联合得分的连续语音识别确认方法

提出了一种基于联合概率似然得分和概率似然比得分进行语音识别确认的方法，计算搜索路径得分过程中同时考虑概率似然比得分，在给出系统最终识别结果的同时给出置信度水平。实验结果表明，该方法在大大降低识别系统误警率的同时，基本保持识别正确率不变。     

利于LDPC码对数似然比译码的自适应功率分配算法

提出了一种在低密度奇偶校验码(LDPC)编码的正交频分复用 (OFDM)系统中，利于各子载波进行LDPC码对数似然比译码的自适应功率分配算法，根据信道条件调整各子载波的功率，使系统的译码性能达到最优。给出了该算法在多径衰落信道下的仿真，仿真结果表明，自适应预处理算法对系统的误比特性能有了很大程度的提高。     

随机变量序列与指数分布序列的比较及若干强偏差定理

利用对数似然比作为一般非负连续型随机变量序列相对于服从指数分布的独立但不同分布随机变量序列偏差的一种随机性度量，运用鞅理论及分析方法，研究了一类随机变量序列加权和的用不等式表示的极限定理，即强偏差定理。     

单脉冲雷达主波束内多目标的检测方法

基于单脉冲雷达跟踪目标过程中受到多目标干扰这一背景,根据主波束内多目标都会持续一段时间这一特点,提出了一种新的检测方法,即广义似然比检验(GLRT)与序列寄存器相结合的检测方法.依据经典概率论知识对新检测方法的检测性能进行了理论分析.分析结果和实验仿真结果表明,与GLRT方法相比,新方法对多目标具有更高的检测概率.