排序方式: 共有38条查询结果,搜索用时 15 毫秒
1.
混合高斯参数估计的两种EM算法比较 总被引:1,自引:0,他引:1
混合高斯模型是一种典型的非高斯概率密度模型,获得广泛应用。其参数的优效估计可以通过最大似然方法获得,但最大似然估计往往因其非线性而难以实现,故期望最大化(Expectation-Maximization,EM)迭代算法成为一种常用的替代方法。常规EM算法性能受迭代初值设置影响大,且不能对模型阶数做出估计。一种名为贪婪EM的改进算法可以克服这两个缺点,获得更为准确的模型参数估计,但其运算量一般会远大于前者。本文对这两种EM算法进行综合研究,深入挖掘两者之间的关系,并基于相同的数值仿真实例,直观地演示比较两者的性能差异。 相似文献
2.
针对传统的最小方差无畸变响应(Minimum Variance Distortionless Response,MVDR)波束形成方法存在的旁瓣较高且抑制干扰性能不稳健的情况,提出一种旁瓣级可控的自适应波束形成算法。该算法在MVDR基础上进行峰值搜索,将获得的峰值点从大到小进行排序,取次大值作为最高旁瓣的值,将得到的最高旁瓣值与期望旁瓣值比较,在其方位添加虚拟干扰加以抑制,从而得到新的波束图。再对新的波束图进行峰值搜索,不断重复上述过程,经过有限次迭代以达到期望旁瓣值。计算机仿真结果表明在均匀线阵基础上该算法能够将旁瓣控制到期望旁瓣级以下且比较稳健。 相似文献
3.
4.
混合高斯模型是对非高斯数据进行概率密度拟合典型模型,其参数估计可以通过期望最大化(EM)迭代算法获得。多维混合高斯模型参数的EM估计因结构庞杂而难以求解,而对主动检测背景的统计特性拟合来说,一维的混合高斯模型一般即已足够。描述了该情形下的混合高斯模型及其参数估计问题之后,导出了一种工程实用的、简化的EM迭代算法,并给出了可计算机编程实现的算法流程图。然后详细探讨了对EM估计精度与速度有着重要影响的参数初始化问题,给出了三种可选择的初值设置方案:高速度方案、高精度方案和二者的折衷方案,并分析了它们各自的适用场合。最后,结合一组数值仿真实例,演示了EM迭代算法的良好的混合高斯模型参数估计性能。 相似文献
5.
8.
主动声呐通常采用的单频或调频波形时频耦合分辨能力弱,不利于混响背景下的信号检测与估计。先前工作表明,“V”和“W”形双曲调频(HFM)组合波形可以实现距离-速度高分辨和低混响输出,其中W-HFM波形还有效解决了V-HFM波形在多目标场景中的虚假目标问题,但是设计复杂、运算量大。为优化HFM组合波形的设计和应用,该文推导了HFM组合波形的峰脊线斜率表达式。一方面提出V-HFM波形的最小无虚警距离(MNFAD)指标,分析了其多目标适用性;另一方面以典型的W-HFM波形为例,提出了优化的波形设计方案,对工程应用具有指导意义。水池实验数据表明,HFM组合波形实现了距离-速度高分辨、混响输出降低5 dB以上,并且W-HFM波形还抑制了虚假目标干扰。 相似文献
9.
不完全描述混合高斯有色背景干扰下幅度未知微弱信号的检测问题是当前声纳、雷达所面临的一大类检测问题的典型描述.Rao检测器是可胜任这类任务的一种渐近最佳检测器,具有检测性能高、结构简明、工程实用性强等优点.本文首先完成了Rao检测器的构建,接着对其检测性能进行了仿真分析,最后给出了总结. 相似文献
10.
混合高斯模型能够有效地拟合混响背景的一维概率密度分布。常用的混合高斯概率密度模型参数估计方法是EM迭代算法,但这种算法的主要缺点是估计精度过分依赖于初始值。而GreedyEM算法通过往混合模型中不断地加入高斯分量,能很好地解决这一问题。文章将多维图象处理中的GreedyEM算法加以合理简化,并给出模型自动定阶方法,从而成功应用于水声混响的一维混合高斯模型建模中。实验结果表明:应用新算法能从混响接收数据中准确拟合其概率密度曲线,并且能适应不同的数据长度,具有很好的通用性。 相似文献