导读:本文包含了最大似然块估计论文开题报告文献综述及选题提纲参考文献，主要关键词:短基线定位,最大似然估计,相位差估计
最大似然块估计论文文献综述
罗宇,施剑,王熙赢[1]（2019）在《基于最大似然估计的超短基线定位方法研究》一文中研究指出0引言超短基线水声定位系统(Ultra-Short Base-Line,USBL)通过分别测量目标载体的方位角和距离得到载体的位置矢量[1-10]。USBL系统基阵孔径较小(通常小于1米),而且在水中存在严重的噪声及多径干扰,因此要精确估计出目标载体的方位角十分困难,当定位目标距离较远时,微小的方向角误差就会导致很大的定位误差[1-10]。1超短基线定位原理一个典型的USBL系统如图1所示。其中O为(本文来源于《2019年全国声学大会论文集》期刊2019-09-21）
向长波,于玮,宋华军,刘芬[2]（2019）在《膜计算优化随机最大似然DOA快速估计方法》一文中研究指出随机最大似然算法(SML)是一种优秀的波达方位(DOA)估计算法,但SML解析过程中极其繁重的计算复杂度制约了该算法在实际系统中的应用。针对SML计算复杂度高的问题,提出了一种融合膜计算(MC)的随机最大似然算法。首先利用膜计算的优化框架将SML算法的解空间进行膜划分,划分为基本膜和表层膜;然后在每个基本膜内并行采用粒子群算法(PSO)进行局部寻优,同时将基本膜区域内的局部最优解送至表层膜进行全局优化;最后在表层膜区域中采用人工蜂群优化算法进行全局最优解的搜索。实验结果表明,本文算法极大地降低了SML的解析复杂度,计算时间较常用的GA、AM和PSO算法提高了超过10倍,在收敛速度方面具有显着的优势,且测向精度优于传统空间谱算法。(本文来源于《高技术通讯》期刊2019年09期）
李军,刘运炜,朱勇[3]（2019）在《MIMO_OFDM最大似然信道估计算法的探究》一文中研究指出多输入多输出(MIMO,Multiple_Input Multiple_Output)技术是多个天线同时发送和接收多个空间流,它并可以辨别出即将发送的或从外界接收的不同空间方位和角度的符号,其优点在于其可以实现不增加带宽的下情形下最大程度的来提高通信系统的信息容量和频谱的最大使用率。而正交频分(本文来源于《电子世界》期刊2019年16期）
平燕娜,张超,庞宾琳,刘新玉[4]（2019）在《鸽子运动意图的最大似然估计解码算法》一文中研究指出神经信息解码是目前植入式脑机接口(brain-computer interface,BCI)神经信息处理研究中的难点和重点;解码效果的优劣以及解码算法的效率直接决定了脑机接口应用的有效性和实用性。为了解码十字迷宫内鸽子运动转向信息,利用高斯分布模型对神经元锋电位发放率的概率密度函数进行建模;并结合最大似然估计(maximum likelihood estimation,MLE)算法对鸽子的转向意图进行了预测;并将其结果与(support vector machine,SVM)法和群矢量(population vector,PV)法进行了比较。结果表明,MLE算法能够有效地解码鸽子的运动意图,解码正确率显着高于SVM法和PV法。这一结果也为进一步分析鸽子运动意图神经信息处理机制奠定了基础。(本文来源于《科学技术与工程》期刊2019年24期）
徐建军,谭鲜明,张润楚[5]（2019）在《一种惩罚最大似然方法估计混合回归模型》一文中研究指出本文考虑具有正态误差假设下混合回归模型的参数估计问题.由于似然函数的无界性,混合回归模型普通的最大似然估计不存在.本文提出一种惩罚最大似然方法来估计混合回归模型的参数,证明惩罚最大似然估计量(penalized maximum likelihood estimation, PMLE)具有强相合和渐近正态性.通过深入模拟研究,从估计精确性角度看,惩罚最大似然估计量有很好的表现.本文还给出一个音调感知的例子来说明理论结果的应用.(本文来源于《中国科学:数学》期刊2019年08期）
周南,罗林根,宋辉,盛戈皞,江秀臣[6]（2019）在《基于最大似然估计的变电站特高频局部放电定向方法》一文中研究指出局部放电是电力设备绝缘劣化的早期征兆,其准确检测对电力设备安全稳定运行有重要意义。现有研究侧重于对局部放电脉冲波形进行分析与处理,来解决变电站现场局部放电信号信噪比低、易受干扰的问题,从而提高定向准确度。该文将局部放电定向问题转换为统计分析问题,利用概率统计中的最大似然估计法实现了低信噪比环境下的特高频局部放电准确定向。仿真分析计算及变电站电气试验结果证明,该方法能提高局部放电定向精度,特别是在干扰较多、信噪比较低的变电站环境下(信噪比约5 dB),定向精度高于传统多信号分类(MUSIC)算法约20%。该文为利用概率统计方法解决局部放电定向问题提供了新思路。(本文来源于《电工技术学报》期刊2019年15期）
黄章凯,张志波,宋飞龙,贾敏[7]（2019）在《基于最大似然估计的点火概率曲线计算模型取点方法》一文中研究指出最佳点火能量、点火位置等关键信息可通过绘制点火概率曲线判定概率函数以提高点火成功概率。完成传统点火概率曲线的绘制需要至少300次的点火事件,以求得更加复杂的点火概率模型甚至需要更多的实验次数才能保证曲线精度。受制于点火器寿命,依据大数定律绘制点火概率曲线所需的多点数据难以保证,因此迫切需要开发一种在减少实验次数的前提下保证点火概率曲线精度的模型。本文拓展了一种点火概率计算模型,针对不同的取点方式,通过随机二项分布求得概率函数中似然函数的未知参数,从而拟合空间位置点火概率曲线和能量点火概率曲线,结合均方差评估拟合程度选取最优取点方法。研究表明,采用最优取点方法拟合的能量-点火概率曲线可以将均方差降低至0.02左右,空间位置点火概率曲线均方差降至0.04。研究表明所选取的最优取点方法可有效指导实验工况选取,并绘制出可信点火概率曲线。同等置信度下,叁种点火概率曲线的实验次数均减少50%以上,实现大幅减少实验次数的目的。(本文来源于《推进技术》期刊2019年11期）
高鹏丽,夏志明[8]（2019）在《面板数据公共变点的非参数最大似然估计》一文中研究指出用非参数最大似然的方法研究了面板数据中带有单个公共变点的问题,估计了变点的位置,并且证明了变点估计量的相合性,得到了收敛速率.(本文来源于《纯粹数学与应用数学》期刊2019年02期）
李红菊,丁健,梁静,濮明月[9]（2019）在《微课模式的翻转课堂教学法在最大似然估计中的应用》一文中研究指出以最大似然估计法的教学为例,结合翻转课堂教学思想,合理制定微课教学内容,建立了微课教学的翻转课堂教学模式,实现了学生的自由和自主学习,为应用型高校实施"分层教学"和"因材施教"提供良好的途径和平台。(本文来源于《湖北工程学院学报》期刊2019年03期）
郑妙[10]（2019）在《基于最大似然估计的众包质量控制优化方法研究》一文中研究指出众包能够通过利用数十万网络中的工人(即人群)的智慧来解决计算机难以有效解决的问题,如实体解析、情感分析和图像识别问题。尤其在为机器学习和数据挖掘领域提供人类智能支持方面已经非常成功,它们通过在公共众包平台(如Amazon Mechanical Turk(AMT)、Crowdflower 和 Upwork)上发布标注任务来收集用于训练各种机器学习和数据挖掘系统的标记数据。由于众包中的工人可能具有不同水平的专业知识,未经培训的工人可能无法完成某些任务,甚至一些恶意的工人可能会故意给出错误的答案,众包可能会产生相对低质量的结果。因此,需要一些质量控制策略来保证众包任务结果的质量,即在收到工人的对于任务的回答后,对工人的质量建模,然后根据工人质量推测出任务的真实答案。现在已有的众包质量控制方法主要利用EM方法最大化似然值来估计工人的质量以及任务的真实答案。然而,基于EM的方法往往只是局部最优的解决方案,并且估计结果会受到初始值的影响。所以,本文提出了面向全局最优结果的众包质量控制优化方法来解决以上问题。本文主要针对于基于最大似然估计的众包质量控制优化问题进行了深入研究。首先,提出了基于最大似然估计的众包质量控制局部最优算法,利用EM方法最大化似然值对工人的质量以及任务的真实答案进行评估,分别提出了基于静态和动态工人模型的众包质量评估算法。其中静态工人模型是用概率值或者概率矩阵来表示工人的质量。动态工人模型中工人的质量受到任务难度的影响并且符合函数分布,动态工人模型能够更加详尽的体现工人的质量随影响因素的变化规律。在对工人质量建模后,利用EM方法最大化似然函数估计出工人模型的参数以及任务的真实答案。然后,本文在EM方法的局部最优结果的基础之上进行优化,提出了一个以似然最大为目标的众包质量控制近似全局最优算法。该优化算法由一个任务优势排序模型和一个迭代近邻搜索算法组成,通过进一步似然最大化来提高任务真实答案估计的准确性。任务优势排序模型可以帮助删减劣势的任务-答案组合,并且保留优势的任务-答案组合;迭代近邻搜索算法能够在一个邻域内找到具有最大似然值的任务-答案组合。本文提出的优化算法在最大化似然值的同时提供了工人的质量和任务的真实答案估计的准确性。最后,本文采用了模拟数据集和在AMT平台上收集的关于情感分析任务的真实数据集,通过大量的对比实验评估了本文提出的众包质量控制局部最优算法以及近似全局最优算法。实验结果表明,本文提出的方法能够得到更高质量的估计结果。另外,我们实现了一个众包APP作为实验平台,该实验平台能够管理和发布移动众包任务(例如商场打折信息标注任务)并收集移动众包数据,还可以通过该平台来应用众包质量控制相关算法。(本文来源于《山东大学》期刊2019-05-20）
最大似然块估计论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随机最大似然算法(SML)是一种优秀的波达方位(DOA)估计算法,但SML解析过程中极其繁重的计算复杂度制约了该算法在实际系统中的应用。针对SML计算复杂度高的问题,提出了一种融合膜计算(MC)的随机最大似然算法。首先利用膜计算的优化框架将SML算法的解空间进行膜划分,划分为基本膜和表层膜;然后在每个基本膜内并行采用粒子群算法(PSO)进行局部寻优,同时将基本膜区域内的局部最优解送至表层膜进行全局优化;最后在表层膜区域中采用人工蜂群优化算法进行全局最优解的搜索。实验结果表明,本文算法极大地降低了SML的解析复杂度,计算时间较常用的GA、AM和PSO算法提高了超过10倍,在收敛速度方面具有显着的优势,且测向精度优于传统空间谱算法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
最大似然块估计论文参考文献
[1].罗宇,施剑,王熙赢.基于最大似然估计的超短基线定位方法研究[C].2019年全国声学大会论文集.2019
[2].向长波,于玮,宋华军,刘芬.膜计算优化随机最大似然DOA快速估计方法[J].高技术通讯.2019
[3].李军,刘运炜,朱勇.MIMO_OFDM最大似然信道估计算法的探究[J].电子世界.2019
[4].平燕娜,张超,庞宾琳,刘新玉.鸽子运动意图的最大似然估计解码算法[J].科学技术与工程.2019
[5].徐建军,谭鲜明,张润楚.一种惩罚最大似然方法估计混合回归模型[J].中国科学:数学.2019
[6].周南,罗林根,宋辉,盛戈皞,江秀臣.基于最大似然估计的变电站特高频局部放电定向方法[J].电工技术学报.2019
[7].黄章凯,张志波,宋飞龙,贾敏.基于最大似然估计的点火概率曲线计算模型取点方法[J].推进技术.2019
[8].高鹏丽,夏志明.面板数据公共变点的非参数最大似然估计[J].纯粹数学与应用数学.2019
[9].李红菊,丁健,梁静,濮明月.微课模式的翻转课堂教学法在最大似然估计中的应用[J].湖北工程学院学报.2019
[10].郑妙.基于最大似然估计的众包质量控制优化方法研究[D].山东大学.2019