极大似然
-
-
基于压缩感知与极大似然准则的DOA估计仿真研究
本项目旨在利用MATLAB实现基于压缩感知理论的波达方向（DOA）估计，并重点对比研究两种基于最大似然函数的优化方案。第一种方法是基于正交匹配追踪算法结合最大似然准则的参数精细化搜索，利用压缩感知的稀疏重构能力初步确定信号位置，再通过似然函数在小范围内进行精确拟合，显著提升了低信噪比环境下的估计精度。第二种方法采用交替迭代极大似然优化策略，将多维参数空间搜索转化为序贯的一维最优化问题，利用压缩感知的观测矩阵降低运算复杂度，从而在保证实时性的同时获得接近克拉美罗下界的估计性能。该程序涵盖了均匀线性阵列信号模 -
基于极大似然估计的多帧图像盲反卷积复原系统
本项目旨在解决由于光学系统模糊、大气湍流或物体运动引起的图像降质问题。通过极大似然估计（MLE）算法，在点扩散函数（PSF）和原始图像均未知的情况下进行盲反卷积复原。核心算法利用了多帧图像的一致性约束，假设同一场景在不同时间或视角下捕获得到多张模糊图像，且不同帧之间的运动轨迹或模糊核存在差异。系统通过迭代更新策略，交替优化潜藏的原始图像估计值和每一帧对应的点扩散函数，直到达到预设的似然函数最大值或收敛条件。相较于单帧盲反卷积，该方法利用多帧数据提供的冗余信息，能够有效降低复原过程中的病态性与模型不确定性， -
基于RSSI测距与极大似然及最小二乘法的定位仿真系统
本项目主要实现了在MATLAB环境下基于接收信号强度指示（RSSI）的二维空间节点定位功能。程序核心在于将无线电传播过程中的功率损耗转化为距离物理量，并利用数学估计方法解决位置解算问题。首先，系统建立对数距离路径损耗模型，通过已知的发射功率和路径损耗指数，将获取的RSSI数值映射为目标节点到若干已知锚节点之间的估计距离。考虑到无线通信环境中的阴影衰落和多径干扰，项目深入实现了两种主流的估计策略：最小二乘法（LS）通过建立多边定位方程组并利用广义逆运算最小化残差平方和，实现快速定位；极大似然估计法（MLE）
