基于布谷鸟搜索算法的最大似然DOA估计

为解决最大似然DOA(Direction of Arrival)估计多维非线性搜索计算量大的问题, 将布谷鸟搜索算法与最大似然算法相结合, 利用布谷鸟搜索算法优化多维非线性的最大似然DOA估计谱函数。在保留布谷鸟搜索算法的主体思想的同时, 改进了算法的位置迭代方式, 加快了收敛速度。仿真结果表明, 改进的布谷鸟搜索算法在DOA估计中具有较好的收敛性, 估计性能较好。     

基于引力搜索算法的相干信号源DOA估计方法

针对最大似然(ML)DOA估计方法存在着运算量高且容易收敛到局部极值的问题。结合引力搜索算法(GSA)与最大似然方法,提出了一种GSA-ML方法。将最大似然函数作为GSA算法的适应度函数,在遵循ML方法的主体思想同时,利用GSA算法运算量低和收敛速度快的优点,成功地找到似然函数的全局最优解;并保存了ML方法的优点。仿真结果表明,GSAML方法不仅能有效估计相干信号源;并且相比MUSIC、ESPRIT和TLS-ESPRIT算法,拥有更高的精度和估计成功概率。     

用进化算法估计高频地波雷达海洋回波的DOA

提出了一种用于波达方向(DOA)估计的基于进化算法的最大似然超分辨算法,当信噪比不高、阵列输出数据较短的情况下,其性能比普通的超分辨算法有较大改善. 其中的进化算法结合了遗传算法和进化策略两种算法的优点,适于求解似然函数的多维搜索问题,与交替投影等算法比较,精度上有了较大提高. 对高频地波雷达海浪回波的实测数据处理结果表明了DOA估计方法是有效可行的.     

利用蒙特卡罗的最大似然时延估计算法

针对最大似然时延估计算法的峰值搜索计算复杂度较高且容易陷入局部收敛,造成估计误差较大的问题。提出了一种利用蒙特卡罗的最大似然时延估计(MCML)算法。首先利用信道频域响应估计矢量建立似然函数;然后把时延估计问题转化为求解随机变量的期望问题,将采用指数化似然函数构造的标准化概率密度函数趋近于冲激函数,使得随机变量的方差趋近于零;最后采用蒙特卡罗方法对随机变量进行抽样,从而利用抽样的均值估计出时延。较之传统方法,蒙特卡罗方法避免了网格搜索,降低了计算复杂度,保证了全局收敛性和估计精度。仿真结果表明:在信噪比0~25dB的条件下,MCML算法均能始终逼近克拉美罗界;当信噪比为25dB时,MCML算法的时延估计分布范围缩小为马尔科夫链蒙特卡罗算法的34%。     

一种有效的水下目标波达角估计方法

为提高水下目标波达角(direction of arrival,DOA)估计精度,提出一种基于布谷鸟搜索算法的最大似然DOA估计法.该方法将布谷鸟搜索算法中影响布谷鸟搜索路径的多个参数由固定值改为自适应的动态参数,不仅改进了算法的精度,而且大幅度地提高算法的收敛速度.应用改进后的布谷鸟搜索算法优化基于分数低阶空时矩阵的最大似然DOA估计函数,使水下目标DOA估计在准确的前提下更加迅速.仿真结果表明,无论是在多途环境下还是无多途环境下,该方法都能有效地对水下目标进行DOA估计,而且具有很高的收敛速度,因此该方法具有一定的实际应用前景.     

基于F-范数的变换域通信系统同步参数估计算法

在异步条件下应用特征值分解算法估计变换域通信系统基函数时,分段得到的特征向量存在模糊现象,此时将造成系统接收性能的下降。为了解决此问题,提出了基函数周期序列的同步算法。详细分析估计基函数的特征值分解算法,推导接收数据的采样延时与其自协方差矩阵特征值的关系式,得到同步参数的最大似然估计方法,依据范数的等价性原理,进一步将最大似然估计中的最大特征值求解问题转化为F-范数的求解以降低算法复杂度。仿真结果表明:相比最大特征值算法,采用F-范数的估计算法性能一致,但计算时间明显减少,算法的估计精度与接收信噪比成正比。异步条件下当估计的基函数存在模糊时,系统接收性能在同步之后能得到较好的改善。     

一种三参数Weibull分布极大似然估计的求解方法

提出了一种求解极大似然估计的新算法.根据极大似然估计原理求出尺度参数的表达式,把该表达式代入对数似然函数,使对数似然函数中只包含位置参数和形状参数,把求解非线性方程组问题变成了求解满足约束条件的最优化问题,使问题得到了简化.该法具有计算精度高、运算速度快的优点,利用EXCEL的规划求解即可求解,便于工程应用.     

基于F-范数的变换域通信系统同步参数估计算法

在异步条件下应用特征值分解算法估计变换域通信系统基函数时,分段得到的特征向量存在模糊现象,此时将造成系统接收性能的下降。为了解决此问题,提出了基函数周期序列的同步算法。详细分析估计基函数的特征值分解算法,推导接收数据的采样延时与其自协方差矩阵特征值的关系式,得到同步参数的最大似然估计方法,依据范数的等价性原理,进一步将最大似然估计中的最大特征值求解问题转化为F-范数的求解以降低算法复杂度。仿真结果表明:相比最大特征值算法,采用F-范数的估计算法性能一致,但计算时间明显减少,算法的估计精度与接收信噪比成正比。异步条件下当估计的基函数存在模糊时,系统接收性能在同步之后能得到较好的改善。     

基于混合变异GOA优化极大似然的DOA估计研究

选择极大似然(ML)方法进行DOA估计时,由于进行了多维搜索,导致运算效率较慢,所以提出一种改进的蝗虫优化算法优化极大似然,引入了柯西变异算子和重心反向解,将迭代后的位置再次更新.一方面加速了极大似然估计的搜索效率,另一方面避免了常规蝗虫优化算法容易陷入局部最优的问题.仿真实验表明,与现有的大多数优化方法相比,提出的方法对信噪比的泛化能力更强;在不同信源个数时都可以保证其估计效果的精确度,将真实值与预测值的误差控制在±1°内;在相干信号下,混合变异GOA-ML方法也具有较强竞争力.综合各类评价指标来看,混合变异蝗虫(GOA)极大似然方法拟合优度更好,稳定性更高.     

基于分数低阶矩的空时最大似然DOA估计

为了提高现有基于分数低阶空时矩阵类算法的估计精度和其在低信噪比时的解相干性能,在对称α稳定分布噪声条件下,提出改进分数低阶空时矩阵用于独立信源DOA估计,基于分数低阶矩的空时最大似然算法用于相干信源DOA估计.仿真结果表明:针对独立信源,改进的分数低阶空时矩阵进行DOA估计的成功概率高于分数低阶空时矩方法;针对相干信源,分数低阶矩的空时最大似然算法的估计成功概率比SS-FLOM算法高,均方根误差比SS-FLOM算法小;新方法克服了空间平滑类算法严重损失阵列孔径的弊端,节省阵元.     

基于非相干累积的微弱GPS信号相位估计

针对全球定位系统(GPS)微弱信号相位估计不能满足实际应用的问题,利用二倍相位处理和直接判决反馈这两种方法消除导航数据跳变的影响,提出了基于非相干累积的最大似然(ML)相位估计器. 通过理论分析,推导出信噪比表达式,利用条件概率密度函数(CPDF)的数值积分计算出估计器的均方根误差(RMSE),证明非相干累积有效降低了ML相位估计器的RMSE,提高了GPS微弱信号相位估计能力. 仿真结果验证了理论分析和所提算法的有效性,基于FPGA的实现结果表明算法的可应用性.      

基于梯度法的高效全局优化算法

用极大似然估计法和交替方向法估计Kriging模型参数, 提出一种基于有效集共轭梯度法的Kriging模型参数优化算法, 并在此基础上改进了高效全局优化算法. 结果表明, 利用改进的全局优化算法可解决高效全局优化算法的过早收敛问题.     

排序集抽样下定时截尾指数寿命数据的参数估计

针对定时截尾指数寿命数据的参数估计问题,采用排序集抽样方法,研究了指数分布参数的极大似然估计.针对排序集抽样下似然方程求不出解的问题,似然方程的部分项替换为期望,并给出修正极大似然估计.估计效率的比较结果说明:基于排序集抽样方法的修正估计量优于基于简单随机抽样方法的极大似然估计量.     

海量数据下线性混合效应模型的估计算法

基于以往文献提出线性混合效应模型参数的三步估计方法,避免了繁杂的极大似然估计迭代步骤。同时为进一步解决海量数据下计算估计量时存在的存储瓶颈及计算时间过长问题,在海量纵向数据的两种不同数据格式下,分别基于三步估计方法利用分治算法计算模型参数的估计量。数值模拟和实证分析结果表明,本文所提出的三步估计方法和估计量的分治算法可以减轻计算负担,减少占用内存,解决内存不足的问题,并提高计算速度。     

宽带模糊函数的一种最优的目标参数估算算法

首先讨论了在开阔海洋环境中对目标的和参数估计问题。再提交了一种搜索宽带模糊函数峰值的高效算法。在噪声环境中,利用最大似然性对宽带模糊函数进行峰值能使算法的性能被进一步改进。由于最大似然时延估计器明最好的误差性能,从这种意义上来说,在同类的时延估计器中,它是一种最优的估计器。这已经被我们用仿真模拟所证实。基于以上两种方法,最后提出了一种高效和最优的目标参数估算算法。     

基于电磁矢量阵列的非相关分布源DOA估计

提出了一种基于电磁矢量阵列(EMVSA)的非相关分布源(UD)DOA估计算法.建立了电磁矢量阵列非相关信号源模型(EMVSA-UD),同时考虑了分布源空域和极化域的分布特性,从而充分利用了分布源的信息.提出基于电磁矢量阵列的非相关分布源近似子空间算法(EMVSA-UD-ASSE),近似利用了信号子空间和噪声子空间的正交性,算法不需要进行特征值分解,避免了对UD确定有效信号子空间维数Me的困难.计算机仿真结果表明,EMVSA-UD合理,EMVSA-UD-ASSE稳定有效.     

一种迭代频偏估计算法

提出一种适于低信噪比条件下工作的数据辅助型(data-aided)频偏估计算法。计算接收信号自相关函数的辐角,基于最大似然策略合成频偏估计,并通过迭代消除估计模糊。仿真结果表明：迭代算法具有较大的频偏估计范围(估计范围达±40%符号速率),与M&M算法相比,迭代算法信噪比门限有接近3dB性能改善,其估计性能更接近FFT最大似然算法和克拉美-劳下界(CRLB),并且计算量有所降低;基于迭代算法的简化版本与迭代线性预测(ILP)算法相比信噪比门限更低,并且降低了计算复杂度。