本文首先討論了名義尺度總體的參數估計,然後在研究了似然比統計量極限分佈的基礎上,給出了兩個名義尺度總體相等的似然比檢驗方法.
狹義最大似然比檢測算法(GLR)非空時自逆當信號處放的比擬典型的算法。
該方法首先對各距離分辨單元在方位向進行非相參積累,然後利用類似單個脈衝下擴展目標的廣義似然比檢測器來實現高分辨率雷達的檢測。
最新的文獻表明這個提出的修正似然比檢驗統計量在零假設下的漸近分佈是比較簡單,並且是容易應用的。
並對其陽*結果似然比(PRLR)進行分析。
討論矩約束條件下的廣義經驗似然比統計量族以及相應的*質。
方法通過標準正交對比變換克服數據間的自相關*,應用似然比統計量進行假定條件的檢驗。
似然比方法計算靈敏度。結果:依據*疾病控制中心制定的標準確診萊姆病43例。
分組判決算法利用檢測窗內所有數據幀,在廣義似然比準則下對相關模板進行聯合估計,進一步壓制了模板噪聲。
導出了雜波穩定分量相干及不相干時的似然比(LR)檢測器的結構。
然而廣義似然比檢測不能有效利用瞬態信號的固有特*,檢測*能不是很好。
在討論(廣義)非參數似然比擬合優度檢驗時,加權經驗過程理論是一個非常重要的基礎。
論文得到了球形檢驗的似然比準則,它的漸近展開與極限分佈。
本文構造了非線*模型中參數的經驗歐氏似然比統計量,並*了該似然估計的強相合*和漸近正態*。
*估計的強相合*和漸近正態*,給出似然比檢驗統計量的極限分佈,並討論基於精確分佈的檢驗問題。
提出了樹搜索算法中基於對數似然比信息的排序算法,給出了使用對數似然比信息排序的一般公式
給出了正態總體均值和標準差的最大似然估計(M LE),似然比檢驗統計量及其漸近分佈等結果。
利用廣義似然比檢驗(GLRT)解碼算法,導出了成對符號錯誤概率(PEP)上限和碼的設計準則。
對給定的壽命試驗數據x,利用似然比檢驗法可對該數據是來自截尾指數分佈還是截尾正態分佈進行判別,但卻很難求出似然統計量的分佈形式。
然後基於時域差分模型提出了紅外慢速小目標時域檢測算法,算法共分為兩步:相關檢測和廣義似然比檢測。
狹義最大似然比檢測算法(GLR)非空時自逆當信號處放的比擬典型的算法。
提出了一種基於信息似然比的計算驗前信息可信度的新方法。