导读:本文包含了广义似然比检验论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:广义,多项式,方差,模型,多普勒,线性,局部。
广义似然比检验论文文献综述
陈晴[1]（2017）在《异方差正态混合模型的广义似然比检验》一文中研究指出本文主要研究异方差正态混合模型的检验问题,运用了广义极大似然估计(GLME),改进广义似然比检验(GLRT),使其也适用于异方差正态混合模型。由于RE-Bayes软件的函数只能计算同方差混合模型,故在异方差正态混合模型中,我们取得样本方差的下界σ_0,利用卷积公式将异方差的混合模型转化成同方差混合模型,本文第叁章理论验证了同方差混合模型与异方差混合模型的等价性,从而解决了异方差GLRT的计算问题。第四章进行数值模拟,在模拟之前要提供样本方差的下界σ_0,但由于方差大小的未知性,无法提供一个可靠的下界。通过模拟发现,下界的错误设定对GLRT的功效无影响。本文在此对σ_0的选取提供数据依据,得到合适的下界。为了展现GLRT的功效,在四种环境下进行数值模拟:第一种是稀疏环境;第二种是非常稀疏的环境;第叁种是稠密的环境;第四种是在两个参数都不确定的环境。在这四种环境下比较GLRT与其他方法的功效,得出的结论是GLRT方法功效更好更稳健。(本文来源于《苏州大学》期刊2017-04-01）
焦传海,李永成,谢恺,杨运甫[2]（2016）在《基于期望偏差和广义似然比检验的非重构宽带压缩盲感知》一文中研究指出为了克服传统宽带频谱感知方法存在的不足,提出了一种基于期望偏差(Ex D)和广义似然比检验(GLRT)的合作式非重构宽带压缩盲感知方法,简称Ex D-GLRT方法。该方法直接利用压缩采样观测数据的数字特征构建检测统计量,基于Ex D进行本地混合判决;认知基站将本地判决信息分为软判决和硬判决两类,采用基于非重构的GLRT方法对软判决信息进行可靠性融合检测,并给出最终判决结果。理论分析和仿真结果表明,该方法是一种盲感知方法,既不需要主用户信号先验知识,也不需要噪声方差信息,可有效提高频谱感知能力,且计算复杂度较低。(本文来源于《兵工学报》期刊2016年10期）
战立晓,汤子跃,易蕾,朱振波[3]（2013）在《基于广义似然比检验-动态规划的检测前跟踪算法》一文中研究指出检测前跟踪(TBD)技术通过时间换取能量,可以有效提高微弱目标的检测和航迹处理性能.提出了一种距离多普勒域基于广义似然比检验-动态规划(GLRT-DP)的TBD算法.给出了目标回波信号模型,在此基础上,推导了基于二元复合假设检验的GLRT的TBD算法表达式,在把由表达式所得数据矩阵转换到离散距离多普勒域后,利用DP方法进行搜索寻优,实现所提算法的同时降低了运算量.利用虚警概率和检测概率对所提算法的性能进行了分析.通过仿真实验对所提算法进行了验证,实验结果表明:该算法对雷达微弱目标的检测性能优于传统TBD方法,可以有效实现低信噪比背景下微弱目标的检测和航迹处理.(本文来源于《电波科学学报》期刊2013年01期）
王蕊[4]（2012）在《广义似然比检验法在两个正态总体中的应用》一文中研究指出广义似然比检验法是数理统计中一种很重要的假设检验方法,它的适用范围较广,本文利用广义似然比检验法,给出了两个正态总体方差是否相等的检验。(本文来源于《科技视界》期刊2012年32期）
陈宇明,陈桂景[5]（2010）在《混合总体中广义似然比检验研究的进展(英文)》一文中研究指出在正则统计模型中,广义似然比检验其方法简洁而有效.但在经济、生物学等领域中有着广泛的应用的混合总体中,因其正则条件不再成立,使得广义似然比检验要困难复杂得多.概述了在混合模型中广义似然比检验研究的进展,特别是检验统计量渐近分布的新进展.(本文来源于《安徽大学学报(自然科学版)》期刊2010年06期）
赵磊,俞信,陈翼男,阎吉祥[6]（2010）在《光子图像中基于广义似然比检验的目标探测方法》一文中研究指出在光子噪声受限条件下的图像中,其信号和噪声均服从泊松分布并呈现散粒状态,且由于该图像信噪比较低,目标难以被探测和识别,为此提出一种基于统计理论和广义似然比检验(GLRT)的目标探测方法来解决该条件下的目标探测问题。该方法在仅有目标物灰度图像已知的情况下,使用泊松分布概率函数和广义似然比检验方法得到统计判决公式,通过该公式计算原始图像中各个位置的检验器值,对光子图像进行目标探测。仿真和实验结果表明,该方法具有较好的目标探测性能,验证了算法的有效性和实用性。(本文来源于《光学学报》期刊2010年01期）
单连峰,张惠丹,周宝森[7]（2009）在《广义似然比检验应用于基因芯片表达数据的分析》一文中研究指出基因芯片技术的出现使同时监测成千上万个基因的表达成为可能,人们可以全面的在基因组水平上揭示不同基因之间的相互关系,使研究效率明显提高,为基因诊断和基因治疗提供了可能性。但基因芯片技术的成本昂贵、复杂、检测灵敏度较低、重复性差等特点制约了其发展,特别是其得(本文来源于《中国卫生统计》期刊2009年03期）
施叁支[8]（2007）在《部分线性模型中的广义似然比检验》一文中研究指出本文研究了部分线性模型中的广义似然比检验。我们首先考虑了在一个模型下,零假设分别是非参函数为常数和非参函数为线性函数时的情形,用局部多项式方法估计函数分量,用传统的估计方法估计参数分量,讨论了相应的估计量的渐近性质,估计量在假设nh5 = O(1)成立时都是最优的。在此基础上导出了广义似然比统计量的表达式及渐近正态性质。本文还考虑了两个模型下非参函数的比较,在与一个模型同样的假设下,用相同的方法估计出了零假设下与全空间下的参数分量与非参数分量,它们都达到了最优收敛速度,并在此基础上导出了广义似然比统计量的表达式,并证明了它是渐近正态的。(本文来源于《吉林大学》期刊2007-04-01）
向新,王勇,易克初,田红心[9]（2007）在《基于广义似然比检验的差分超宽带信号接收机》一文中研究指出提出采用广义似然比检验实现对差分超宽带信号的最佳检测.在信道条件未知的情况下,首先完成信道特性的最大似然估计,而后进行差分超宽带信号的统计检测,得到了基于广义似然比检验的差分超宽带信号接收机结构.结果表明,差分超宽带的广义似然比检验接收机是一种相关接收机,其本地模板信号为前一个码元脉冲接收波形的平均.在此基础上,对接收机输出噪声进行高斯近似获得了该接收机的误码性能.(本文来源于《西安电子科技大学学报》期刊2007年01期）
施叁支,宋立新[10]（2007）在《部分线性回归模型中的广义似然比检验》一文中研究指出检验了部分线性回归模型中的函数部分是否为常数,在备择假设下,先用局部多项式方法估计出函数部分,在估计中忽略了参数部分,将其并入误差项,再使用二阶段估计法,直接应用最小二乘方法,估计出参数部分,并讨论了它们的渐近性质.计算了零假设下广义似然比检验统计量的表达式,并给出其渐近分布.(本文来源于《吉林大学学报(理学版)》期刊2007年01期）
广义似然比检验论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了克服传统宽带频谱感知方法存在的不足,提出了一种基于期望偏差(Ex D)和广义似然比检验(GLRT)的合作式非重构宽带压缩盲感知方法,简称Ex D-GLRT方法。该方法直接利用压缩采样观测数据的数字特征构建检测统计量,基于Ex D进行本地混合判决;认知基站将本地判决信息分为软判决和硬判决两类,采用基于非重构的GLRT方法对软判决信息进行可靠性融合检测,并给出最终判决结果。理论分析和仿真结果表明,该方法是一种盲感知方法,既不需要主用户信号先验知识,也不需要噪声方差信息,可有效提高频谱感知能力,且计算复杂度较低。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
广义似然比检验论文参考文献
[1].陈晴.异方差正态混合模型的广义似然比检验[D].苏州大学.2017
[2].焦传海,李永成,谢恺,杨运甫.基于期望偏差和广义似然比检验的非重构宽带压缩盲感知[J].兵工学报.2016
[3].战立晓,汤子跃,易蕾,朱振波.基于广义似然比检验-动态规划的检测前跟踪算法[J].电波科学学报.2013
[4].王蕊.广义似然比检验法在两个正态总体中的应用[J].科技视界.2012
[5].陈宇明,陈桂景.混合总体中广义似然比检验研究的进展(英文)[J].安徽大学学报(自然科学版).2010
[6].赵磊,俞信,陈翼男,阎吉祥.光子图像中基于广义似然比检验的目标探测方法[J].光学学报.2010
[7].单连峰,张惠丹,周宝森.广义似然比检验应用于基因芯片表达数据的分析[J].中国卫生统计.2009
[8].施叁支.部分线性模型中的广义似然比检验[D].吉林大学.2007
[9].向新,王勇,易克初,田红心.基于广义似然比检验的差分超宽带信号接收机[J].西安电子科技大学学报.2007
[10].施叁支,宋立新.部分线性回归模型中的广义似然比检验[J].吉林大学学报(理学版).2007
论文知识图
