多元正态分布参数最大似然估计

TDOA最大似然修正定位.rar

最大似然均衡是在使用线性空时编码的 MIMO 系统中估计传输符号的最佳方法（有关理论背景，请参见参考文献 [1]）。 请注意，对于高阶调制，ML 解码的计算成本可能很高。 zip 文件包含三个 m 文件。 - space_time_coding.m（执行时空编码） -coherent_ML_receiver.m（执行ML均衡） - one_shot_ML_equalizer.m（显示示例） 要使用这些文件，请将这三个文件解压缩到同一文件夹中。 然后，在 matlab 命令窗口中调用脚本 one_shot_ML_equalizer。 请参阅文件 space_time_coding.m 以获取支持的 STBC 列表。 参考： [1] EG Larsson，P.Stoica。 《无线通信的空时分组编码》，剑桥出版社，2003

输入四个简单信号，经过信道添加了噪声，最后根据最大似然判决准则判断输入时哪个信号

最大似然译码准则-例题 当输入为等概率分布时，译码规则A就是依据最大似然译码准则而得的。

5．2 Moose的频率同步算法 5．2．1 Moose的频率同步算法描述 该算法首先是由Moose提出来的，他假设定时同步已经完成，通过发送两个相同的 OFDM符号，根据FFT的性质得到最大似然函数，算法原理是这样的【25】： 设经过IFFT之后发射OFDM符号表示如下式： r(n)=s(n)e7栅”／Ⅳ+w(刀)行=D，J『，．．．，2N-1 (5．5) 式中，s(门)是待传输的符号，s是被子载波间隔归一化的频率偏差，w(n)为高斯白噪声。 假设定时估计点准确，则通过Ⅳ点FFT变换后前Ⅳ点和后Ⅳ点序列分别为： ^，一， k=0，1，．．．，N—J (5．6) 2N--I N—-I 也。=∑，．(甩)e叫脯7．Ⅳ=∑，．(刀+Ⅳ)P卅椭7Ⅳ 七=0^⋯，N—J (5．7) n=N n=O 由式(5．5)可知，当不考虑白噪声时： ，(玎+Ⅳ)=，．(门)P口昭 于是有： R2t=Rlke’2昭 若加上白噪声的影响，有： 艺I=RJIe2石弦+％I k=D，，，⋯，N—J 利用概率论中的条件概率的知识，得到频率偏移的最大似然估计： s：三tan一，S=一 。 2死 ∑hn[坛瑶] 七=一N Ⅳ ∑Re[匕哌] (5．8) (5．9) (5．10) (5．11) (5．12) Ⅳ腑石 口聆r ∑脚 =R

径向剪切干涉术目前被广泛运用于波前检测，但其测量结果中不仅包括待测波前的实际相位信息，也包括剪切干涉仪自身的系统误差。通过平移待测元件获取其产生的透射波前在不同位置时的干涉条纹图所包含的相位信息，运用最大似然方法对多次采集的相位差进行线性组合分析和最大似然估计，将待测波前相位差与系统误差相位差分离。对该方法进行了模拟实验，结果表明最大似然法可以将系统误差相位差与待测波前相位差分离，实现对剪切干涉仪的标定，为提取和重建待测元件波前消除了系统误差的干扰。

这个项目是迭代反投影（IBP）的一个简单实现解决超分辨率问题的算法。 它首先被提出作者：Michal Irani 在她 1991 年的论文“通过图像提高分辨率注册”。正在使用的成像模型由一篇论文描述Michael Elad，“图像的超分辨率重建”。 两篇论文可以通过 Google Scholar 中的搜索轻松找到。 我对成像模型做了两个简化： 1) 假设图像模糊是空间不变的。 2）空间变换模型是全局变换。 要运行示例代码，请执行以下步骤： 1) 运行 SRSetup.m 2）运行SRExample.m 示例代码对合成生成的数据集进行操作参考图像。 因此，模糊西格玛的确切值和正在使用平移偏移量。

Keywords: passive localization; direction-finding (DF); crossing localization; weighted maximum likelihood estimation (WMLE); error analysis

最大似然估计教程 Maximum Likelihood Estimation