Адаптивная оценка параметров распределения негауссовских помех на основе применения ЕМ-алгоритма и его модификаций
- 1 д.ф.-м.н., профессор, директор Института радиоэлектроники и телекоммуникаций, Казанский национальный исследовательский технический университет им. А.Н. Туполева (КНИТУ-КАИ)
- 2 магистрант, Казанский национальный исследовательский технический университет им. А.Н. Туполева (КНИТУ-КАИ)
Аннотация
Проведен анализ ЕМ-алгоритма и его рекурсивной модификации применительно к адаптивной схеме приема сигналов на фоне аддитивной негауссовской помехи, представленной полигауссовской вероятностной моделью. Приведены результаты моделирования и сравнительного анализа ЕМ-алгоритма и его рекурсивной модификации, как инструмента оценки неизвестных параметров распределения негауссовской помехи.
Для цитирования
Надеев А.Ф., Подкурков И.А. Адаптивная оценка параметров распределения негауссовских помех на основе применения ЕМ-алгоритма и его модификаций // Нелинейный мир. 2015. № 8. С. 64–72.
Список источников
- Чабдаров Ш.М., Трофимов А.Т. Полигауссовы представления произвольных помех и прием дискретных сигналов // Радиотехника и электроника. 1975. Т. 20. № 4. С. 734-735.
- Чабдаров Ш.М. Смеси случайных явлений в статистической радиотехнике // Вестник Казанского государственного технического университета им. А.Н. Туполева. 2008. № 4. С. 26-30.
- Чабдаров Ш.М., Надеев А.Ф., Файзуллин Р.Р., Ефимов Е.Н., Аднан А. Поликорреляционная распределенная адаптивная обработка сигналов на фоне негауссовских помех // Нелинейный мир. 2009. № 5. Т. 7. С. 355-359.
- Dempster A.P., Laird N.M., Rubin D.B. Maximum likelihood from incomplete data via the EM algorithm // J. Roy. Stat. Soc. (Series B). Jan. 1977. V. 39. № 1. Р. 1-38.
- Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Классификация и снижение размерности: справ. изд. / Под ред. С.А. Айвазяна. М.: Финансы и статистика. 1989. 607 с.
- McLachlan G.J., Krishnan T. The EM Algorithm and Extensions. Wiley-Interscience. 2008.
- McLachlan G., Peel D. Finite Mixture Models. John Wiley and Sons. 2000.
- Titterington D.M. Recursive Parameter Estimation Using Incomplete Data // J. Royal Statistical Soc. Series B (Methodological). 1984. V. 2. № 46. Р. 257-267.
- Zivkovic Z., van der Heijden F. Recursive Unsupervised Learning of Finite Mixture Models // IEEE Trans. on PAMI. 2004. V. 26. № 5.
- Chavali V.G., da Silva C.R.C.M. Maximum-likelihood classification of digital amplitude phase modulated signals in flat fading non-Gaussian channels // IEEE Trans. Commun. 2011. V. 59. № 8. Р. 2051-2056.