就想问下,极大似然估计在工程应用的难点到底是啥？

复杂度太高。

敢问高人，再具体点可以吗？复杂度体现在什么地方呢？是pdf的获取么/

是可行解的数量太多吧
看具体啥问题了。单纯QPSK解调的话，ML也没啥难应用的。

除了很简单的情况以外，多数情况下ML估计没有闭式解，要做一个nonlinear programming。
ML检测的问题就是curse of dimensionality。Viterbi算法的复杂度随维数指数增长。

哦。有所领悟。多谢了。那么除了ML实用的估计方法都有什么呢？

具体应用是Kalman与EM的结合

小孩子，64QAM，两根天线，
你算一算需要多少乘法运算？
现在普遍20MHz带宽？实时运算，
你算一算需要多少的运算速度？
现在两根天线的ML检测已经解决了，
四根天线的还没有。

两根天线的ML检测已经解决？
这个指的是有高效算法？请教是什么啊？

我记得有种quasi-ML的算法唤作SD

SD的话，找ML解，还是指数级复杂度……

恩 那是对普遍M-QAM说的，但M小了搜索树的层数就相当于直判了，而且M小了从quasi-ML
变成了ML，直接比ZF提了若干dB。
Nokia有个专利讨论常见M的SD程序图

敢问大牛ZF是什么意思？

ZERO FORCING

你要么？
老子的文章居然被拒了，
思想传播不出去！

贴出来大家拜读一下，呵呵