对指定模型的参数估计的研究历史悠久。 在统计中，通过马尔可夫链蒙特卡洛（MCMC）采样进行的贝叶斯分析是一种有效的参数估计方法。 但是，现有的MCMC采样仅在实参空间中执行。 在某些情况下，复数值参数化建模更为可取，因为复数表示带来了实值表示无法实现的经济性和见解。 因此，要估计复数值参数，在复参数空间中执行MCMC采样会更加方便和优雅。 在本文中，首先，基于观测信号正确的假设，提出了两种使用Metropolis-Hastings采样和差分演化的复杂MCMC算法，其中贝叶斯估计中的概率密度函数（