-
题名高斯混合噪声中弱信号的Rao检测方法
被引量：2
- 1
-
-
作者
方前学
王永良
王首勇
-
机构
国防科技大学电子科学与工程学院
空军雷达学院重点实验室
空军雷达学院科研部
-
出处
《信号处理》
CSCD
北大核心
2009年第5期751-754,共4页
-
文摘
期望最大化(Expectation Maximization,EM)算法是求解参数最大似然估计(MLE)的最优迭代算法,但若参数初始化不恰当,会使估计值落入"初值陷阱",导致错误的参数估计值。为此,本文提出了估计高斯混合噪声参数的矩-EM算法,即先求参数的矩估计,并用矩估计值初始化参数,再通过EM迭代算法估计参数。在此基础上,经高斯化滤波,导出了高斯混合噪声背景下未知幅度弱信号的Rao检验统计量。仿真结果表明,矩-EM算法可以更准确地估计噪声参数;基于矩-EM算法的Rao检测性能优于基于EM算法的Rao检测性能。
-
关键词
高斯混合噪声
参数估计
矩-em算法
Rao检测
-
Keywords
Gaussian Mixture Noise
Parameter Estimation
Moment-em Algorithm
Rao Test
-
分类号
TN957.51
[电子电信—信号与信息处理]
-
-
题名高斯混合分布杂波下ARM的Wald检测方法
被引量：2
- 2
-
-
作者
方前学
王永良
王首勇
-
机构
国防科技大学电子科学与工程学院
空军雷达学院重点实验室
空军雷达学院科研部
-
出处
《现代雷达》
CSCD
北大核心
2010年第2期62-65,70,共5页
-
文摘
提出一种在高斯混合分布杂波下检测反辐射导弹(ARM)的Wald检测方法。针对基于期望最大化(EM)算法估计杂波参数时,由于初始化不当使迭代运算落入初值陷阱、导致估计错误的问题,提出基于矩-EM算法估计杂波参数的方法,导出了高斯混合分布杂波下ARM目标的Wald检测统计量。不同参数条件下的仿真表明,矩-EM算法能够更准确地估计杂波参数;基于高斯混合分布杂波假设的Wald检测性能明显优于基于高斯分布杂波假设的Wald检测性能。
-
关键词
高斯混合分布
矩-em算法
反辐射导弹检测
Wald检测
-
Keywords
Gaussian mixed distribution
moment-em algorithm
anti-radiation missile （ARM） detection
Wald test
-
分类号
TN957.51
[电子电信—信号与信息处理]
-
