排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
2.
为了解决传统最大似然-牛顿拉夫森(MLE-NR)方法需要谨慎地选择初始值保证迭代过程收敛的问题,该文提出了一种针对杂波韦布尔(Weibull)分布模型的参数估计方法。首先计算迭代点处的海森(Hessian)矩阵,然后根据海森矩阵的值,不断调整迭代过程中的发散点或错误的初始迭代点,使发散的迭代过程重新收敛,从而正确地估计模型参数。针对长度为256、512、1 024、2 048、4 096的随机样本数据,分别进行了N=500的蒙特卡洛(Monte-Carlo)仿真,仿真结果证明了该文方法的收敛性。蒙特卡洛仿真结果和基于实测样本的处理结果说明了该文方法的有效性和鲁棒性。 相似文献
1