混合高斯概率密度模型参数的期望最大化估计

• 注册维普会员须知
• PDF提取文图方法
• 几种不同的服务模式
• 免费下载PDF阅读器

摘　　要:

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。 (共5页)