The invention belongs to the field of signal detection technology, and discloses an improved adaptive fast iteration convergence solution method and system. The parameter iteration process is approximated to Taylor's second-class number expansion, so that the invention is insensitive to the selection of initial values and does not increase any computational complexity compared with the traditional method. The second-order derivative and third-order derivative of the logarithmic likelihood function are introduced into the correction term. Number, that is, the slope and curvature characteristic mathematics of logarithmic likelihood ratio function are added to adjust the fluctuation of correction term adaptively. By using the correlation between the second derivative and the third derivative of logarithmic likelihood function, the threshold of adaptive parameter estimation and the stopping condition of iteration convergence are developed. The invention not only ensures fast iteration, but also ensures convergence, and is insensitive to the selection of initial values.
【技术实现步骤摘要】
一种改进的自适应快速迭代收敛解方法及系统
本专利技术属于号检测
,尤其涉及一种改进的自适应快速迭代收敛解方法及系统。
技术介绍
目前,业内常用的现有技术是这样的:与本方案相近的现有技术就是下面段落所述内容。在迭代解有关的技术中,传统上使用的技术有Newton-Raphson迭代法、得分法以及EM方法等,这些方法的共同特点是给待估参数选择一个初始值,然后按照泰勒级数一次项展开,经过迭代不断逼近待估参数。但是这种方法可能会导致迭代不收敛,比如由于数据噪声的较大影响,当对数似然函数的二阶导数较小时,迭代可能不会收敛,因为从一次迭代项到另一次迭代项,修正项的起伏太大,所以常规的迭代法中普遍存在这样的问题。综上所述,现有技术存在的问题是:(1)现有技术中,信号数据检测中迭代收敛速度慢,不能通过实际情况自适应调整收敛门限,导致在大量的参数估计在有关的物理应用受限。(2)由于常规的迭代法是基于一阶泰勒级数展开原理进行迭代估计,这种方法仅仅开发了对数似然函数的二阶导数,并没有开发对数似然函数的高阶导数,当对数似然函数的二阶导数较小时,由于修正项起伏波动较大,所以导致参数迭代不收敛。常规方法既没有设置自适应收敛阈值,又缺乏机制去抑制修正项的起伏,这个问题严重制约了迭代法的应用。(3)比如在被动感知有关的应用中,接收方是传感器阵列,发射方是敌方的军用雷达,被动感知的目的是能够通过被动传感器阵列估计地方雷达的方位角和俯仰角等信息,在高精度参数估计研究中,这类问题一般通过ML(最大似然)方法来实现,ML的最大缺点是计算复杂度高,无法满足工程条件下的实时任务计算需求,所以数值 ...
【技术保护点】
1.一种改进的自适应快速迭代收敛解方法,其特征在于,所述改进的自适应快速迭代收敛解方法包括:在信号检测中,把参数迭代过程近似为泰勒二阶级数展开,对初始值进行选择;在修正项中引入对数似然函数的二阶导数和三阶导数,增加对数似然比函数的斜率和曲率特征,自适应地调节修正项的起伏波动;利用对数似然函数的二阶导数和三阶导数之间的关联性,获取自适应参数估计阈值和迭代收敛停止条件。
【技术特征摘要】
1.一种改进的自适应快速迭代收敛解方法,其特征在于,所述改进的自适应快速迭代收敛解方法包括:在信号检测中,把参数迭代过程近似为泰勒二阶级数展开,对初始值进行选择;在修正项中引入对数似然函数的二阶导数和三阶导数,增加对数似然比函数的斜率和曲率特征,自适应地调节修正项的起伏波动;利用对数似然函数的二阶导数和三阶导数之间的关联性,获取自适应参数估计阈值和迭代收敛停止条件。2.如权利要求1所述的改进的自适应快速迭代收敛解方法,其特征在于,所述改进的自适应快速迭代收敛解方法具体包括:步骤一,观测数据模型,x(n)=f(θ,n)+w(n),n=0,1,…,N-1;步骤二,用最大似然估计MLE的参数估计方法,写成对数似然比函数的形式,对数似然函数的一阶导数为步骤三,设置初始值θ0,将上式近似表示为对数似然函数在θ=θ0时的二阶导数和三阶导数的公式;步骤四,令对数似然函数的一阶导数g(θ)=0;步骤五,求解当g(θ)=0时所对应的θ1,步骤六,用迭代法进行运算,利用前一个预测值θk,求出下一个新的预测值θk+1;步骤七,当满足θk+1-θk≤γ时,预测值序列最终收敛到g(θ)的真实零值所对应的估计值;完成迭代收敛过程;步骤八,设置修正项,抑制性能。3.如权利要求2所述的改进的自适应快速迭代收敛解方法,其特征在于,步骤一中,观测数据模型:x(n)=f(θ,n)+w(n),n=0,1,…...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。