TY -的A2 -魏,郭亮盟——刘Xueqian AU - Yu (PY - 2013 DA - 2013/11/27 TI -实验和分析研究改进的前馈ML估计基于LS-SVR SP - 192021六世- 2013 AB -最大似然(ML)算法是最常见和有效的参数估计方法。然而,当处理小样本和低信噪比(信噪比),阈值效应是导致和估计性能大大降低。这是证明了支持向量机(SVM)是适合小样本。因此,我们采用最小二乘支持向量回归之间的线性关系(LS-SVR)的输入和输出,作为LS-SVR过程时变线性滤波器增加输入接收信号的信噪比和减少阈值的均方误差(MSE)曲线。此外,验证,通过单频正弦频率估计,例如,和集成数据分析和实验验证,如果LS-SVR适当的参数设置,不仅可以LS-SVR过程确保单频正弦信号和加性高斯白噪声(AWGN)信道原始信号的特征,但它也可以提高频率估计性能。在实验模拟,LS-SVR过程应用于两个常见的、有代表性的单音正弦毫升频率估计算法,DFT-based频域周期图凯(FDP)和分阶段的。和阈值的均方误差曲线下降了0.3 dB和1.2 dB,分别,这显然表现出该算法的优势。SN - 1026 - 0226 UR - https://doi.org/10.1155/2013/192021 - 10.1155 / 2013/192021摩根富林明离散动力学自然界和社会中PB - Hindawi出版公司KW - ER