现代统计信号处理(第五章).ppt

5 a稳定分布下的时延估计 脉冲噪声环境下的循环平稳信号时延估计 结果和实验 广义信噪比 信噪比8dB（分数阶与LMP） 信噪比-8dB（分数阶与LMP） * * School of EIE 6语音信号中的a稳定分布及处理 6.1语音信号模型 非平稳、时间相关 SaS分布 6.2 SaS分布参数估计 * * School of EIE 6语音信号中的a稳定分布及处理 分块处理 去相关，LP模型 SaS参数估计 * * School of EIE 6语音信号中的a稳定分布及处理 6.3 信号a特征 * * School of EIE 2.2 a稳定分布 概念 稳定分布 a稳定随机变量 a稳定特征函数 特征指数 倾斜参数 比例参数/分散系数 定位参数 * 高斯变量之和仍然服从高斯分布 和的分布仍然服从相同分布，PDF形状稳定 * School of EIE 2.3特殊的a稳定分布 高斯分布 柯西分布 Levy分布 * * School of EIE 概率密度函数特例 * * School of EIE 参量的变化 * * School of EIE a分布噪声-图像纹理 * 高斯纹理 SaS(a=1.5) 柯西(α=1.0 β=0) SaS(α=1.2 β=0) Sa(α=1.2 β=1) Sa(α=1.2 β=-1) * School of EIE 2.4性质 分布拖尾情况 SaS分布 高斯分布与分数低阶a稳定分布 u的作用 加性 对称性 无限二阶统计 * * School of EIE 2.5广义中心极限定理 当且仅当X服从稳定分布，则X是下列归一化和的极限分布 其中 是IID的。 特别的，如果 是具有有限方差，高斯分布是其极限分布---一般的CLT PDF拖尾 * * School of EIE 2.6 a稳定分布的概率密度函数 PDF级数展开 性质 关于随机变量和对称参数对称 有界且任意阶导数存在 对a1的标准SaS可以渐近递推求解 * * School of EIE 2.7SaS分布的随机过程 对实随机向量 x=[x1,…,xn] 的联合特征函数具有下列形式，则 x=[x1,…,xn]是联合SaS分布，或 x=[x1,…,xn]服从SaS分布。 SaS随机过程: 对随机变量集合{X(t),t∈T},随机变量X(t1),X(t2),…X(tn)为联合SaS分布,且具有相同特征指数,则{X(t),t∈T}称为SaS随机过程 特殊SaS分布，可以获得其概率密度函数 * * School of EIE 例子：两元a分布的概率密度 * α=0.9 β=1 γ=1 α=1.6 β=1 γ=1 * School of EIE 2.8 稳定分布的仿真 高斯 柯西 Levy a稳定分布 * * School of EIE 2.9分数阶统计量(FLOS) FLOM定义 a2的分数低阶a稳定分布，其二阶矩不存在 矩与分散系数的关系，u=0时 与随机变量x无关 负阶矩 零阶矩（下一页） * * School of EIE 2.10零阶矩 定义 Gonalez的ZOS理论：p的选择 对数阶 a稳定分布过程称为对数阶过程 几何功率（零阶矩） 稳定分布的几何功率 性质 * * School of EIE 2.10零阶矩 与FLOS的关系 定义FLOS的p阶矩推导的尺度参数为 那么几何功率与FLOS的0阶相关 均值估计 经典二阶统计中 对数阶随机变量x * * School of EIE 2.11共变（“协方差”） 共变定义 共变系数定义 性质 和的性质 独立条件下共变为零 与FLOM有关 * * School of EIE 2.12 SaS参数估计 基于样本分位数估计 分位数定义为分布函数 样本分位数 基于特征函数估计 * Method CPU时间 McCulloch (分位数) 1.7005 (2.60%) 0.0050 (2.16%) 0.1045 (110.72%) 0.0010 (22.01%) 0.025s Koutrouvelis (特征函数) 1.6988 (1.66%) 0.0050 (1.69%) 0.0989 (108.21%) 0.0010 (21.01%) 0.300s Kogon-Williams (特征函数) 1.6994 (1.95%) 0.0050 (1.77%) 0.0957 (110.59%) 0.0010 (21.14%) 0.085s * School of EIE 2.12 SaS参数估计(续) 最大似然方法 基于负阶矩的参数估计 负阶矩法 Log|SaS|法 定义Y 性质 无穷方差检验 * *