对称稳定分布的相关熵及其在时间延迟估计上的应用.pdfVIP

对称稳定分布的相关熵及其在时间延迟估计上的应用.pdf

  1. 1、本文档共5页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第 33 卷第 2 期 电 子 与 信 息 学 报 Vol.33No.2 2011 年 2 月 Journal of Electronics Information Technology Feb. 2011 对称稳定分布的相关熵及其在时间延迟估计上的应用 宋爱民①② 邱天爽*① 佟祉谏① ①(大连理工大学电子信息与电气工程学部 大连 116024) ②(大连交通大学理学院 大连 116028) 摘 要:相关熵是一个表示随机变量局部相似性的统计量。该文首先研究对称 α-稳定( SαS )分布的相关熵的参数 表示,利用该参数表示证明了对于位置参数为零的 SαS 分布,最大相关熵准则与最小分散系数准则是等价的。最 后将研究结果应用于稳定分布噪声环境下自适应时间延迟估计。仿真实验表明,该文算法性能优于最小均方误差时 间延迟估计与最小平均P-范数时间延迟估计。 关键词:信号处理;相关熵;对称稳定分布;最大相关熵准则;最小分散系数准则 中图分类号:TN911.7 文献标识码: A 文章编号:1009-5896(2011)02-0494-05 DOI: 10.3724/SP.J.1146.2010.00309 Correntropy of the Symmetric Stable Distribution and Its Application to the Time Delay Estimation ①② ① ① Song Ai-min Qiu Tian-shuang Tong Zhi-jian ① (Faculty of Electronic Information and Electrical Engineering, Dalian University of Technology, Dalian 116024, China) ② (School of Science, Dalian Jiaotong University, Dalian 116028, China) Abstract: Correntropy is a localized similarity measure between two scalar random variables. This paper presents the parametric representation of the symmetric α-stable ( SαS ) distribution’s correntropy. The equivalency of the maximum correntropy criterion and the minimum dispersion criterion is derived from the parametric representation for zero location SαS distributions. This result is used to propose the adaptive time delay estimation in SαS noise. Simulations show that the algorithm based on correntropy works better than the least mean square and the least m

文档评论(0)

sxym26 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档