基于MCMC的混合α稳定分布参数贝叶斯推理.pdfVIP

　西安理工大学学报 ＪｏｕｒｎａｌｏｆＸｉ’ａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ（２０１２）Ｖｏｌ．２８Ｎｏ．４　 ３８５ 　　文章编号：１００６４７１０（２０１２）０４０３８５０７ 基于ＭＣＭＣ的混合 稳定分布参数贝叶斯推理 α 陈亚军，刘丁，梁军利 （西安理工大学 自动化与信息工程学院，陕西 西安７１００４８） 摘要：为解决非高斯信号较难描述这一难点问题，提出一种基于马尔科夫链蒙特卡罗方法的混合 α稳定分布参数的贝叶斯推理方法。构建了混合稳定分布分层的贝叶斯图模型，利用Ｇｉｂｂｓ抽样 实现了混合权值和分配参数ｚ的估计，基于Ｍｅｔｒｏｐｏｌｉｓ算法完成了每个分布元中４个参数的估计。 仿真结果表明，该方法能够准确地估计出混合 稳定分布中的各个参数，具有很好的鲁棒性和灵 α 活性，可用于对非高斯信号或数据进行建模。 关键词：混合 稳定分布；马尔可夫链蒙特卡罗；Ｍｅｔｒｏｐｏｌｉｓ算法；Ｇｉｂｂｓ抽样；非高斯信号 α 中图分类号：ＴＰ３９１．４　　　文献标志码：Ａ ＢａｙｅｓｉａｎＩｎｆｅｒｅｎｃｅｏｎＰａｒａｍｅｔｅｒｓｆｏｒＭｉｘｔｕｒｅｓｏｆＳｔａｂｌｅＤｉｓｔｒｉｂｕｔｉｏｎｓＢａｓｅｄｏｎ α ＭａｒｋｏｖＣｈａｉｎＭｏｎｔｅＣａｒｌｏ ＣＨＥＮＹａｊｕｎ，ＬＩＵＤｉｎｇ，ＬＩＡＮＧＪｕｎｌｉ （ＦａｃｕｌｔｙｏｆＡｕｔｏｍａｔｉｏｎａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，Ｘｉ’ａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｘｉ’ａｎ７１００４８，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：ＴｏｓｏｌｖｅｔｈｅｄｉｆｆｉｃｕｌｔｐｒｏｂｌｅｍｏｆｎｏｎＧａｕｓｓｉａｎｓｉｇｎａｌｄｉｆｆｉｃｕｌｔｔｏｂｅｄｅｓｃｒｉｂｅｄ，ｔｈｉｓｐａｐｅｒｓｕｇ ｇｅｓｔｓａｍｅｔｈｏｄｏｆＢａｙｅｓｉａｎｉｎｆｅｒｅｎｃｅｏｎｐａｒａｍｅｔｅｒｆｏｒｍｉｘｔｕｒｅｓｏｆｓｔａｂｌｅｄｉｓｔｒｉｂｕｔｉｏｎｓｂａｓｅｄｏｎＭａｒｋｏｖ α ＣｈａｉｎＭｏｎｔｅＣａｒｌｏ．ＴｈｅｈｉｅｒａｒｃｈｉｃａｌＢａｙｅｓｉａｎｇｒａｐｈｍｏｄｅｌｉｓｃｏｎｓｔｒｕｃｔｅｄ．Ｇｉｂｂｓｓａｍｐｌｉｎｇａｌｇｏｒｉｔｈｍｉｓ ｕｓｅｄｔｏａｃｈｉｅｖｅｔｈｅｅｓｔｉｍａｔｉｏｎｏｆｔｈｅｍｉｘｉｎｇｗｅｉｇｈｔｓａｎｄａｌｌｏｃａｔｉｏｎｐａｒａｍｅｔｅｒｚ．Ｔｈｅ４ｐａｒａｍｅｔｅｒｅｓｔｉｍａ ｔｉｏｎｓｉｎｅａｃｈｄｉｓｔｒｉｂｕｔｉｏｎｃｏｍｐｏｎｅｎｔａｒｅｃｏｍｐｌｅｔｅｄｏｎｔｈｅｂａｓｉｓｏｆＭｅｔｒｏｐｏｌｉｓａｌｇｏｒｉｔｈｍ．Ｔｈｅｓｉｍｕｌａｔｉｏｎ ｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍｅｔｈｏｄｃａｎａｃｃｕｒａｔｅｌｙｅｓｔｉｍａｔｅｔｈｅｐａｒａｍｅｔｅｒｓｏｆｍｉｘｔｕｒｅｏｆ ｓｔａｂｌｅｄｉｓｔｒｉｂｕｔｉｏｎｓ， α ａｎｄｉｔｈａｓｇｏｏｄｒｏｂｕｓｔｎｅｓｓａｎｄｆｌｅｘｉｂｉｌｉｔｙ，ｗｈｅｒｅｂｙｔｈｅｍｅｔｈｏｄｃａｎｂｅｕｓｅｄｔｏｅｓｔａｂｌｉｓｈｔｈｅｍｏｄｅｌｆｏｒｎｏｎ Ｇａｕｓｓｉａｎｓｉｇｎａｌｏｒｄａｔａ． Ｋｅｙｗｏｒｄｓ：ｍｉｘｔｕｒｅｓｏｆｓｔａｂｌｅｄｉｓｔｒｉｂｕｔｉｏｎｓ；ＭａｒｋｏｖＣｈａｉｎＭｏｎｔｅＣａｒｌｏ（ＭＣＭＣ）；Ｍｅｔｒｏｐｏｌｉｓａｌｇｏ α ｒｉｔｈｍ；Ｇｉｂｂｓｓａｍｐｌｉｎｇ；ｎｏｎＧａｕｓｓｉａｎｓｉｇｎａｌ 　　混合高斯分布是统计和信号处理领域的一个重 难完美描述一个信号或者数据，为了解决非高斯信 要模型，尤其在语音