在快速傅里叶变换(FFT)粗估计的基础上，通过曲线拟合，得到一种实现简单的次优高精度频率估计算法。现有的精确估计算法多采用FFT输出的幅度信息，或是FFT的复数输出进行精确估计。本文提出了利用幅度平方信息做精确估计的算法，有效地简化了运算复杂度，实现结构简单。通过仿真验证了本算法在低信噪比下也具有较高的估计精度。

最大似然估计的ppt，用于应付学校布置的数学作业。 主要内容包括：参数估计的介绍、最大似然估计的介绍、似然和似然函数、最大似然估计的推导、最大似然估计的计算、从KL散度角度解释最大似然估计、最大似然估计的性质

ARFIMA(p,d,q) 最大似然估计量： - 惠特尔估计- 精确的最大似然估计器 - 以及其他一些可能有用的功能，包括预测。我还没有实现预测误差带计算（从截图中可以判断）。 要求： - 统计工具箱-优化工具箱-Kevin Sheppard 的 MFE 工具箱 http://www.kevinsheppard.com/wiki/MFE_Toolbox 可选要求： -Simone Fatichi 的 ARFIMA(p,d,q) 模拟器（MATLAB Central FileExchange #25611） 后者是测试算法性能所必需的（在 arfima_test 中实现）。 注意：这一次，有一个 C/MEX 文件来加速这个过程，没有 .m 等效文件。它用几个编译器（LCC 和 MS VC++ 2008）编译，证明对我来说是稳定的。 计划进一步更新： -其他估计算法-文档-

最大后验估计讲得很好，很容易理解二值特征时MAP 的重要性。 其中的例子很形象。

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

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

多元正态分布参数最大似然估计