共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
3.
4.
5.
针对α稳定分布概率密度函数无闭式表达的问题,给出了一种解析的近似模型,该模型采用双参数的柯西和高斯混合形式.由分数低阶矩,给出了混合比率的解析表达式.同传统的柯西-高斯混合模型和高斯混合模型相比,该模型具有完全的解析形式.基于该模型,导出了a稳定噪声条件下正弦信号的Rao检测统计量.通过仿真给出了不同特征指数α时Rao... 相似文献
6.
隐马尔科夫树( Hidden Markov Tree, HMT )的状态不能被观测到,只能观测到另一个与状态有联系的量,通过观测量估计HMT模型参数是一个不完全数据参数估计问题。期望最大化( Expectation Maximization, EM )算法是一种求参数极大似然估计的迭代算法,可以用于解决不完全数据参数估计问题,因此被广泛应用于HMT模型的参数估计中。当初始参数偏离真实参数较大时,EM算法迭代次数多,收敛速度慢,通过一个计算量不大的参数初始化处理,能够有效减少EM算法的迭代次数,加快收敛速度。本文提出了一种基于独立混合模型的参数初始化方法,详细介绍了该方法的实现过程,通过采用独立混合模型进行参数初始化,使得EM算法的迭代次数明显减少,收敛速度大大提高。最后,计算机仿真验证了该方法的可行性和有效性。 相似文献
7.
针对被动传感器跟踪系统非线性较强问题,提出了一种基于改进高斯混合粒子滤波的被动传感器目标跟踪算法。该算法基于Sigma点卡曼滤波和粒子滤波的特点,用有限的高斯混合模型来近似后验状态密度、系统噪声和观测噪声的分布。然后结合遗传算法和EM算法来实现模型的降阶,克服了EM算法假定混合成分数为已知、迭代的结果需要依赖初始值、可能收敛到局部最大点或可能收敛到参数空间的边界的缺点,从而改善粒子枯竭的问题。仿真实验结果表明在被动传感器跟踪领域,与传统粒子滤波、基于EM的高斯混合粒子滤波和基于贪心EM的高斯混合粒子滤波相比,该算法在保持高精度估计能力的同时,具有较强的鲁棒性,是解决非线性系统状态估计问题的一种有效方法。 相似文献
8.
为定量评价电子倍增CCD(EMCCD)图像噪声的大小,实现对EMCCD 图像噪声参数的准确估计,研究了EMCCD 的噪声分布模型及其参数估计方法。首先,讨论了EMCCD 图像的噪声来源及其统计特性,由此建立了适于EMCCD 的噪声分布模型。然后,提出了两种EMCCD 噪声参数估计方法矩估计法和高斯-牛顿法,采用Monte Carlo 仿真验证其性能。仿真结果表明,矩估计法和高斯-牛顿法的平均相对误差和相对标准偏差均为10-2 量级,估计精度较高,且高斯-牛顿法的估计精度要高于矩估计法。采集一系列无增益时积分时间为50 s的暗场图片和增益为50 的本底图片,利用矩估计法和高斯-牛顿法分别估计出EMCCD 的暗电流噪声、时钟感生电荷噪声和读出噪声,实验结果表明,估计值与EMCCD 指标值一致,证明矩估计法和高斯-牛顿法能有效估计噪声参数且具有较高的精度。 相似文献
9.