一个选择最大似然互信息特征的网络关系预测通用模型.pdf

14.3 线性模型的最大似然估计 ),(~ ),0(~ 2 1010 2 σββββ σ xNexy Ne +++= 由上式可知，对于线性模型而言，当 e 服从均值为零的正态分布时，y 服从均值为

在MIMO系统中，利用最大似然估计法估算信息传输的误码率

参考： K Vasudevan，“通过频率选择性瑞利衰落信道传输的 Turbo 编码 OFDM 信号的相干检测”，IEEE 信号处理计算和控制国际会议，2013 年 9 月 26 日至 28 日，西姆拉。

基于最大似然的智能手机收集的汽车运动数据的重新定位

三、最大似然法 利用最大似然法构建系统进化树基于两条基本假设：不同的性状进化是独立的；物种发生分化后的进化是独立的。 似然函数：

Compare_4D_MLE：代码使用最大似然（MLE）参数估计来找到四个概率分布的最佳参数：对数正态，Gumbel，γ和GEV。 该规范的主要目的是探索MLE方法在极端降雨频率分析中的优势，并针对这些分布比较该方法。 比较是基于均方根误差（RMSE）。

平方根扩散过程已广泛用于对利率行为进行建模。 它是著名的 Cox-Ingersoll-Ross 期限结构模型 (1985) 的基础过程。 我们调查利率时间序列的平方根过程（CIR过程）的最大似然估计。 提供了估算程序的 MATLAB 实现，并在 PRIBOR 3M 时间序列上进行了测试。

8 H1 ： 0 xn A fn wn ( ) cos(2 ) ( ) = ++ π θ n=1H0 ： xn wn () () = n=1其中 w[n]是均值为 0，方差为 2 σ n 的高斯白噪声，A 已知，样本间相互独立，信号与噪声相互独立; 相位θ 是随机变量，它服从均匀分布1 0 2 ( ) 20 pθ π θ π ?? ≤ ≤ = ??? 其它 1）改变输入信噪比（改变 A 或噪声方差均可），给定虚警概率，画出输入信噪比与检测概率之间的理论曲线。(注意：理论检测曲线与样本数有关) 2）改变样本数，用 Monte-Carlo 实验方法得出 PF＝0.001 时输入信噪比与检测概率之间关系曲线（至少三条），并得出结论。 3）改变 M-C 实验次数，样本数不变，用 Monte-Carlo 实验方法得出 PF ＝0.001 时输入信噪比与检测概率之间关系曲线（至少三条），并得出结论

讨论Viterbi算法在最大似然序列检测中的实现。先给出带宽受限，存在失真且先验未知以及具有AWGN条件下信道的一种数学模型。由此得到Viterbi算法在最大似然序列检测中的表示形式，且根据其在此信道模型下的算法描述，具体分析了三种信道下最大似然序列检测中Viterbi算法的设计问题。使用MATLAB仿真实现并根据仿真结果分析其性能。提出Viterbi译码算法对于信道特性无论好坏是普遍适用的，大大补偿了存在符号间干扰（ISI）的信道的接收性能，降低了误码率。是一种信道存在符号间干扰（ISI）的接收性能的最