基于样本分位数和log_S_S_的S_S分布参数估计方法
αα 基于样本分位数和 l og| SS| 的 SS
3 分布参数估计方法
1 ,21 胡学龙王丽萍
() 1 . 扬州大学 扬州 225009 ; 2 . 南京邮电大学江苏省图像处理与图像通信重点实验室 南京 210003
αα 摘 要 : 稳定分布是一类重要的非高斯随机分布 ,广泛应用于水声 、大气和生物医学信号处理等领域 。稳定分布的特征函
αβγα数由、、和 a 等 4 个参数决定 ,因此对于参数的估计具有极其重要的作用 。由于稳定分布没有闭合形式的概率密度函 数 ,
αα大多数传统的依赖于显示密度函数的数学统计方法不再适用 。本文分别采用基于样本分位数法和 lo g| SS| 法对 SS 分 布αγ的和参数进行估计 ,克服了传统方法中依赖概率密度函数的缺点 ,仿真结果显示两种算法均能给出较好的估计结果 ,并 且能够满足后期研究的需要 。
ααα关键词 :稳定分布 ;基于样本分位数法 ;lo g | SS| 法 ; SS 分布 ;参数估计
文献标识码 : A 中图分类号 : TN911 . 6
α Para meters estimation of symmetric 2sta ble distribution ba sed on
α quantiles of sa mples and log| SS| method
1 1 ,2Wa ng Lipi ngH u Xuelo ng
(1 . School of Info r matio n Engineering , Yangzho u U niver sit y , Yangzho u 225009 ; 2 . J iangsu Pro vince Key L ab fo r
)Image Proce ssing and Image Co mmunicatio n ,Nanjing U niver sit y of Po st s and Teleco mmunicatio ns ,Nanjing 210003
αAbstract :2stable dist ribution is a sort of important no n2Gaussian rando m dist ribution and i s widely applied to water so und ,at2
αβγmo sp here and bio medicine signal p rocessing fiel d and so o n. It s characteristic f unctio n is deter mined by t he parameter s、、and a ,t herefore it is important to estimate t he parameter s. Mo st of t raditional met hods based o n t he p robabilit y densit y f unctio n can not
α( ) be applied because 2stable dist ribution has not t he clo sed p robabilit y densit y f unction PDF. In t his paper ,we estimate t he
αγαα parameter s and of SS dist ribution based on quantiles of samples met hod and log| SS| met hod. The t wo met hods overco met he shortco mings of t raditio nal met hods based o n PDF. The co mp uter si mulations show t hat t he t wo met hods bot h can give better estimated result s and t he result s can satisf y t he needs of t he st udy.
αααKey words : 2st a ble di st ri butio n ; met ho d ba sed o n qua ntile s of sa mple s ;lo g| SS| met ho d ; SS di st ri butio n ;p a ra met er s e s2 ti matio n
[ 122 ] 都是非高斯分布的。在高斯模型的假设下 , 这些信号 0 引 言的非高斯性会使
系统的性能显著退化。 实际中遇到
众所周知 ,在传统的信号处理中 ,高斯模型一直占据 的大量非高斯信号往往具有较强的冲激
性 ,比起正态分布的信号 ,具有更多的尖峰和偶然脉冲 ,其着主导地位。在许多情况下 ,高斯假设也是合理的 ,并且
2009 方 法 第 28 卷ααβγ α 信号模型。稳定分布的特征函数由、、和 a 等 4 个参和 c 的一致估计方法 ,并且消除了 Fa ma 的方法在估计
数决定 ,因此对于参数的估计具有极其重要的作用。和 c 时产生的渐近偏差。[ 122 ] (α) 首先定义两个随机变量 ^v 、^v:a c α1 稳定分布 ()) ( )5 ( ^v= ^x- ^x/ ^x- ^xa 0 . 95 0 . 05 0 . 75 0 . 25 [ 1 ,324 ] α稳定分布的特征函数定义为 : (α) ( ) ()^v 6 c = ^x0 . 75 - ^x0 . 25 / cα() φ( ) γβ( )ω( α) 1 将求得的 ^v 与文献[ 2 ]中给出的表相对照 ,找到和 ^v u= exp { j a u - ,u ,[ 1 + jsgn uu ,]}a aαγ) β( αα式中 :0 2 ,?0 , - 1 ??1 ,a ?R , sgn ?为符号函值匹配的项来得到特征指数的一致估计值^ ,进而 ,找
α(α) ) (α) ( 到与^ 相匹配的 ^v ,则 ^c = ^x- ^x/ ^v为 c 的数 ,而c 0 . 75 0 . 25 c
(πα) α 一致估计。t a n / 2,?1()ω( α) 2 u ,= ( π) α α2/lo g | u | ,= 12 . 2 log| SS| 法
φ( ) α α通过对u取傅里叶逆变换得稳定分布的概率密定理[ 1 ] :设 X 是一 SS 分布随机变量 , 其位置参数() () (α度函数 ,式1和2中 ,参数?0 ,2 ]称为特征指数 ,它决 γa = 0 ,分散系数为,则 :α定该分布脉冲特性的程度。定义 0 << 2 的非高斯分布 αp p/ ()α)γ( 7 E[ | X | ] = Cp , αβ为分数低阶稳定分布。参数为对称参数 ,用于确定分 p + 1 p+1γ布的斜度。参数为分散系数 ,又称为尺度系数 ,它是关 α) Γ( )Γ( α) (α πΓ( ) ) () ( Cp ,= 2 - p// - p/ 282 β于样本相对于均值的分散程度的度量。= 0 对应于对称 α Γ( ) α) ( α式中 : - 1 < p < ,?为伽玛函数 , Cp ,仅为和 pααα分布 ,简称 SS 。对于 SS 分布 ,若 1 2 ,则 a 表示均
的函数 , 与随机变量 X 无关。 α值 ;若 0 2 ,则 a 表示中值。
由于 α2 对称稳定分布的参数估计 αp plog| X| p/ () α)γ9 ( E[ | X | ] = E[ e ] = Cp , αα根据稳定分布的特征函数可知 ,稳定分布的随机 变( ) 引入负阶矩的概念后 , 式 8 在 p = 0 处连续。定义( α( α) β量可以由 4 个参数确定 :特征指数0 2; 对称参 数- p Y ) ( Y = lo g| X| ,则 E e 为 Y 的矩生成函数 ,且 :(γ( β) γ) ) α1 ??1;分散系数?0; 位置参数 a a ?R。 对于对称? αp Y k k p/ ( α) β稳定分布SS来说 ,对称参数限定为= 0 ,假 定位置参数 a = ()) ) α)γ( ( ( 10 E e = ?EY p/ k ! = Cp ,k = 0 αγαγ0 ,因此其特性完全由、来决定。在已有 、参数估计研究的 因此 , Y 的任何阶矩都是有限的 ,并且满足 :[ 526 ] ααγ基础上,本文介绍了两种估计 SS 分布中和参数的方k αk d p/ 法 ,并对结果进行了比较。为方便 起见 , 引 入一 个 新 的 参 )()| ( 11 ( = α)γp = 0E Y Cp , k d pγ数 c 来 代 替 分 散 系 数 , 且 令 化简后有 :α1/ γc =。) αγ()( α1+ 1/lo g 12 ( )= C1/-E Y e 2 . 1 基于样本分位数的参数估计方法2 2 ()( )( ) π( α)V a r Y = EY - E[ Y ]= 1/+ 1/ 213 在介绍样本分位数法之前 ,首先定义 f 分位数和顺序[ 1 ] 式中 : C= 0 . 577 215 66 是 Euler 常数。e [ 1 ,6 ] 统计量。
α( ) 设 SS 分布随机变量 X 的分布函数为 F x , 则其 f 3 计算机仿真结果和性能比较 ( ) 0 < f < 1分位数 x 定义为 :f - N ?N 2 σ( Y 的均值和方差可以通过 Y = ?Y / N 和= Y -i Yi i = 1 i = 1 - 2 )) ( Y / N - 1来估计 ,其中 N 是样本总数 , Y 是独立同分i ) ( ()Fx = f3 αγ() () f ,和可由式11和12得到。布的观测值 . , X 表 1 给出了分别采用基于样本分位数的参数估计方 随机样本 X, X,N 的顺序统计量定义为它们1 2
的升序排列 , 表示为 X ( ) , X ( ) ,, X ( ) , 满足 X ( )?X ( )ααγ12N12法和 lo g| SS| 法估计和参数的计算机模拟结果比较。
αγ () 特征指数设定为= 1 . 2 ,分散系数设定为= 0 . 2 ,样本容 X ( ) 。f 分位数可由式4估计得到 :??N f - q ( ) i 量为 N = 5 000 。()^x = - ) ( 4 f X ( i) + X ( i +1)X ( i) ( ) ( )q i + 1- qi α 表 1基于样本分位数的参数估计方法和 log| SS| 法估计αγ和参数的性能比较 ( ) ( ) ( ) ( ) 式中 : qi= 2 i - 1/ 2 N , 且 i 0 ?i ?N 由 q i?f <
) ( qi + 1来确定。若 i = 0 或 i = N ,则分别取 ^x = X ( ) 或f1 估计方法α(αγ(γ) ) ^ = 1 . 2^ = 0 . 2
1 . 204 5 0 . 251 1 估计值^x = X ( ) 。f Nα lo g| SS| 法 0 . 069 4 0 . 016 3
差α 最常用的估计 SS 分布随机变量参数的样本分位数 基于样本分位数 1 . 279 0 . 229 0 估计值法是由 Fa ma 和 Roll 在 1971 年提出来的 ,是基于顺序统 的参数估计方法 0 . 013 0 标准差无计量的。Fa ma2Roll 的方法虽然比较简单 ,但是会有一个
α 渐进偏差 ,并且不是渐近有效的 ,同时 ,被严格地限制在表 1 显示 ,两种算法在不依赖于概率密度函数的情况
a nd f requency delay in imp ul sive noi se using f ractio nal α 而且 lo g| SS| 法比基于样本分位数法计算量小 ,比较容易
lo wer o r der stati stic s [ J ] . IE E E Trans o n Signal Pro2 实现。
() ce ssing ,1996 ,44 11:266922687 . 论4 结[ 4 ] MA X Y ,N I KIA S C L . Pa rameter e stimatio n a nd
blind cha nnel identificatio n i n imp ul sive signal envi2 α 本文分别采用基于样本分位数法和 lo g | SS | 法对
ro nment s [J ] . IE E E Tra ns o n Signal Proce ssing ,1995 , ααγSS 分布的和参数进行估计 ,克服了传统的依赖概率 密
() 43 12:288422897 . α度函数的数学统计方法在稳定分布条件下不再适用
WA N G Z H J , H U X L , WA N G L P. pa rameter e sti2 [ 5 ] 的缺点 ,计算机仿真结果显示两种算法均能给出较好的估
matio n of wavelet coefficient fo r image ba sed o n f rac2 α计结果 ,能够满足后期的研究需要 ,而且 lo g| SS| 法比基 t al lo wer o r der stati stic s [ C ] . Proceedi ngs of IC EM I’于样本分位数法计算量小 ,比较容易实现。 2007 , Xi’an ,Chi na ,2007 ,2 :7822786 .
参 考 文 献[ 6 ] MCCUL L OC H J H . Simple co nsi stent e stimato r s of
sta ble di st ributio n pa ra meter s [ J ] . Co mmun. Stati st . [ 1 ] 邱天爽 ,张旭秀 ,李小兵 , 等. 统计信号处理 ———非高() Simula ,1986 ,15 4:110921136 . 斯信 号 处 理 及 应 用 [ M ] . 北 京 : 电 子 工 业 出 版 B EL GF M , M IL L ER E L . A slidi ng windo w RL S2like [ 7 ] 社 ,2004 . adap tive algo rit hm fo r filtering alp ha2stable noi se [ J ] . [ 2 ] N I KIA S C L , S HAO M . Signal p roce ssing wit h alp ha2 () IE E E Signal Proce ssing L et ter ,2000 ,7 4:86289 . stable di st ributio ns [ M ] . New Yo r k : Wiley ,1995 .
[ 3 ] MA X ,N I KIA S C L . J oint e stimatio n of time delay
() 上接第 22 页
图 5 所演示的是汉宁窗函数作用下的结果 ,它和海明 雷达系统的速度跟踪精度得到一定程度的提高。窗函数的作用没有本质的区别 ,只是旁瓣的衰减速度快了 参 考 文 献很多 ,对噪声干扰的抑制作用更强。并且 ,总体的功率值
相对于上述两种窗函数作用下的功率值小很多 ,最小功率[ 1 ] 白敬成. 雷达系统[ M ] . 北京 : 电子工业出版社 ,2001 :
21223 . 值有接近于零的 ,这将使得下一步的数据分析变得更加清
[ 2 ] 高烽. 多普勒雷达引导头信号处理技术[ M ] . 北京 : 国 晰、明朗。
防工业出版社 ,2001 :35239 . 通过上面的实验演示结果对比分析可以看出 ,虽然系
胡广书. 数字信号处理[ M ] . 北京 : 清华大学出版社 ,[ 3 ] 统最终的运行时间并没有缩短 ,但是功率谱分布结果却有
2003 :89293 . 很大的改善 ,提高了系统的抗干扰能力。这也证实了系统
王洁 ,陈明方 ,张永霞. 多普勒动态速度跟踪频域法实 [ 4 ] 中选择汉宁窗作为最终的截取窗函数是最优的。
( ) 现的研究与分析 [ J ] . 计量与测试技术 , 2005 , 9 1 :
5 结束语18219 . 陈明方 ,王洁. Doppler 测速系统初速度的一种简单快 [ 5 ] 不论是从理论分析 ,还是实验验算都证明了汉宁窗主
瓣窄、旁瓣峰值小、衰减速度快 ,用它作为截取窗函数明显 () 速算法[J ] . 国外电子测量技术 ,2005 ,24 7:41242 . 王优于其他几种 ,基于汉宁窗数字滤波技术的应用将会更有 [ 6 ] 洪东 ,张茂青 ,王力. 基于窗函数的数字滤波器的设 效地抑制噪声信号 ,使有用信号的输出清晰、准确 ,进而使 () 计与仿真研究[J ] . 江苏电器 ,2008 ,4 4:13214 .