基于EM算法的随机动态系统建模

提出一种在噪声统计信息未知的情况下,对随机动态系统模型进行建模的方法.采用状态空间模型描述随机动态系统,模型的参数通过EM算法进行估计,通过改进该算法中的Kalman滤波,实现了对噪声协方差矩阵的估计.基于改进的Kalman滤波,EM算法可以用于噪声统计信息未知的动态系统建模.     

广义线性模型中不完全数据的参数估计

讨论了广义线性模型类中离散协变量和离散响应变量数据不完全时,参数极大似然估计的EM算法,文中给出了参数估计的具体表达式和估计的渐进协方差.最后,通过随机模拟说明EM算法的优良性.     

α 稳定分布噪声下基于EM算法的多径时延估计算法

实际应用中大量非高斯信号和噪声具有显著的尖蜂脉冲特性.这类信号带宽较窄,采用传统高斯模型下基于相关运算的多径时间延迟方法进行时延估计时,会因各个峰值的相互重叠而带来较大的估计误差.为此,根据信号噪声特性,在α稳定分布模型下,提出一种基于EM方法的高分辨率多径时延估计算法(P-EM算法).新算法基于分数低阶统计量理论,采用p阶相关思想,具有在脉冲噪声环境下,比较准确估计多径时间延迟的能力.理论分析和计算机仿真表明了该算法的韧性.     

零一膨胀泊松回归模型的EM算法改进

首先提出了处理0和1数据偏多的零一膨胀泊松回归模型,其次对模型建立了参数的极大似然估计.针对传统的EM算法只能使得估计收敛到局部极大值这个缺陷,提出了一种随机EM算法对传统的EM算法进行修正,使得模型能够找到全局最优解.最后通过模拟研究说明该方法的有效性.     

一种改善的MIMO-OFDM系统MAP信道估计

在MIMO-OFDM系统下提出一种最大后验概率(MAP)信道估计算法.该算法利用期望最大化(EM)算法把MIMO信道估计分解为一系列独立的SISO信道问题,降低了MAP算法的计算复杂度.同时,根据在角域内不同发送和接收天线间的信道可近似为空间不相关,利用最有用抽头(MST)技术来减小噪声对估计性能的影响.仿真实验表明,与传统LS和EM算法相比,所提算法在低信噪比下具有较低的估计误差.     

基于惩罚距离的混合模型分量数自动估计算法

EM算法是对有限混合模型进行参数估计的通用算法, 然而标准EM算法中所需的混合模型分量数实际上往往是未知的. 研究并改进了一种采用惩罚性最小匹配距离估计分量数的方法, 结合贪婪EM算法框架, 提出一种可以在进行参数估计的同时, 快速准确地自动估计高斯混合模型分量数的算法. 通过一元和二元的高斯混合模型的仿真实验, 验证了算法的有效性. 关键词：有限混合模型; 分量数; 惩罚性最小匹配距离; 贪婪EM; Parzen窗; 带宽     

一种使用小波分解的多尺度盲图像复原方法

针对EM算法图像复原质量有限的问题,提出了一种新的使用小渡分解的图像复原EM方法.该方法使用正交小波变换将降质模型分解成更小的子带降质模型,解决了用EM算法估计子带模糊算子前各子带模型间的耦合问题,从而提高了EM算法对图像复原的质量.     

半参数非线性模型中的t-型估计和影响分析

给出半参数非线性回归模型的t-型估计及其EM算法,同时获得估计的相合性及渐近正态性.并基于EM算法中的Q函数,研究了半参数非线性回归模型的统计诊断方法.最后,用一个模拟例子和一个实际例子验证了本文提出的t-型估计和诊断方法的有效性.     

基于高斯混合模型的腹主动脉图像分割

为了有效地分割腹主动脉图像,提出了基于适度空间约束的高斯混合模型分割算法.该算法将三维空间邻域信息融入高斯混合模型中,利用最大期望算法(EM)获取腹部血管灰度图像的估计参数,从而分割出血管图像.实验结果表明:所提出的方法不仅能准确地分割腹主动脉的血管分支图像,而且对于图像噪声的抑制有较好的效果.     

基于EM-GIBBS算法的ARMA(p,q)测量误差模型的参数估计

本文对基于ARMA(p,q)的测量误差模型的参数估计提出了EM-Gibbs算法.由于无法给出模型参数的极大似然估计解析解,本文在EM算法框架下对参数进行估计.在实施EM算法M步骤过程中,为了计算高维正态分布的隐变量一阶、二阶矩,需要求出高阶矩阵的逆矩阵.为了避开计算高阶矩阵的逆矩阵,通过Gibbs抽样,给出了隐变量的一阶、二阶矩的估计,从而给出了EM算法M步骤中参数最优值的估计.最后通过对ARMA(1,1)测量误差模型进行了数值模拟,模拟结果验证了所提EM-Gibbs算法的可行性和有效性.