發(fā)布時間：2020-07-23 23:54

【摘要】：廣義高斯分布是一類重要的非高斯分布,關(guān)于該分布性質(zhì)的討論最早出現(xiàn)在1972年Box等人關(guān)于Bayes推斷的著述中,它是一種包含Gauss分布在內(nèi)的更廣泛的統(tǒng)計分布。目前,它已經(jīng)被廣泛應(yīng)用于圖像處理、語音信號處理、數(shù)字水印、盲信號分離、合成孔徑雷達(dá)與超聲心電圖像、臉部特征識別、電力系統(tǒng)負(fù)載需求、圖像子帶信號以及獨立成分析等領(lǐng)域的數(shù)據(jù)建模。在這些應(yīng)用中,廣義高斯分布形狀參數(shù)對數(shù)據(jù)建模的效果起到關(guān)鍵性的作用,本論文基于廣義高斯分布的基本性質(zhì)討論和研究了形狀參數(shù)估計的一些常用方法,并對參數(shù)估計的性質(zhì)進(jìn)行了分析和討論。近年來,關(guān)于信號稀疏表示的理論、方法和應(yīng)用的研究正受到國內(nèi)外學(xué)者越來越多的關(guān)注和重視,信號稀疏表示能夠有效地提取信號最本質(zhì)的特征,在信號壓縮、特征提取、去噪、超分辨重建等領(lǐng)域有著廣泛的應(yīng)用。稀疏表示的理論和方法也是壓縮感知理論和應(yīng)用的重要內(nèi)容和基礎(chǔ),信號(或數(shù)據(jù))能否稀疏表示以及稀疏表示的效果對數(shù)據(jù)壓縮、傳送、提取等過程起著至關(guān)重要的作用。無論是壓縮感知理論還是稀疏表示理論都仍有許多問題有待進(jìn)一步研究,目前關(guān)于稀疏表示理論和方法的研究主要集中在核函數(shù)的選擇、核參數(shù)的確定、稀疏分解算法和優(yōu)化算法等方面。本論文圍繞廣義高斯分布來展開深入研究,包括廣義高斯分布的基本理論、方法及其應(yīng)用,其中重點研究了廣義高斯分布形狀參數(shù)的估計方法及其矩估計的強(qiáng)收斂性質(zhì)、廣義高斯核函數(shù)和廣義高斯支持向量機(jī)在信號稀疏分解中的應(yīng)用、廣義高斯核密度在稀疏核密度估計中的應(yīng)用。本論文的主要工作可概括為如下四個方面。一、詳細(xì)討論和研究了廣義高斯分布的基本性質(zhì)、形狀參數(shù)估計的方法及性質(zhì)；二、針對傳統(tǒng)的高斯核函數(shù)在處理尖峰信號時效果不好的特點,提出了將廣義高斯核函數(shù)應(yīng)用于信號稀疏分解的新思路,同時利用重復(fù)加權(quán)提升搜索算法對優(yōu)化問題進(jìn)行求解,仿真實驗表明,在相同的分解精度條件下,新的廣義高斯核函數(shù)能夠使信號分解達(dá)到更高的稀疏度,重復(fù)加權(quán)提升搜索算法則能較大程度上降低算法的時間復(fù)雜度。三、針對支持向量機(jī)常用的徑向基核函數(shù)在解決某些信號回歸問題時復(fù)雜度較高、泛化性能較差的缺點,本文建立了廣義高斯核支持向量機(jī),并證明了其滿足Mercer條件。仿真實驗表明,利用廣義高斯核支持向量機(jī)進(jìn)行信號回歸,具有更低的計算復(fù)雜度和更好的泛化性能。四、為了進(jìn)一步提高密度函數(shù)估計的精度和適應(yīng)性,本文提出了基于廣義高斯核函數(shù)的密度函數(shù)估計方法,對高斯核密度函數(shù)估計方法進(jìn)行了改進(jìn)。仿真實驗表明,利用廣義高斯密度函數(shù)進(jìn)行稀疏核密度估計能夠達(dá)到更高的精度,并具有更好的適應(yīng)性。本論文共分為七章。第一章介紹了廣義高斯分布應(yīng)用于稀疏分解的研究背景及意義,綜述了此問題的發(fā)展歷程及研究現(xiàn)狀,討論了現(xiàn)階段研究存在的主要問題,由此明確了本文的研究內(nèi)容及其選題的意義。第二章研究了廣義高斯分布產(chǎn)生的背景、研究現(xiàn)狀,并著重討論了廣義高斯分布的定義、基本性質(zhì)、高階累積量性質(zhì)以及廣義高斯隨機(jī)數(shù)產(chǎn)生的基本方法。第三章研究了廣義高斯分布形狀參數(shù)估計的一些基本方法,以及矩估計的統(tǒng)計性質(zhì)。第四章研究了廣義高斯核函數(shù)在信號稀疏分解中的應(yīng)用,著重研究了基于固定原子庫和重復(fù)加權(quán)提升搜索算法的信號稀疏分解算法,并通過仿真實驗對比分析了基于廣義高斯核函數(shù)與基于高斯核函數(shù)的稀疏分解效果的差別。第五章研究了廣義高斯核支持向量機(jī)在信號稀疏分解中的應(yīng)用,介紹了廣義高斯支持向量機(jī)并對其滿足Mercer條件進(jìn)行了證明,同時通過仿真實驗研究了廣義高斯支持向量機(jī)在信號稀疏分解中的應(yīng)用,實驗結(jié)果表明,廣義高斯支持向量機(jī)比普通的高斯支持向量機(jī)具有更低的計算復(fù)雜度和更好的泛化性能。第六章研究了廣義高斯核密度在稀疏核密度函數(shù)估計中的應(yīng)用。本章對密度函數(shù)估計、稀疏核密度估計的一些基本的方法及其性質(zhì)進(jìn)行了綜述,提出了將廣義高斯核密度應(yīng)用于稀疏核密度函數(shù)估計的新方法,并通過仿真實驗對該方法的估計效果進(jìn)行了分析。實驗結(jié)果表明,對于含有尖峰的密度函數(shù),廣義高斯核密度能夠達(dá)到比高斯核密度更高的估計精度和適應(yīng)信號的能力。第七章對全文進(jìn)行了總結(jié),并指出了幾個與本文相關(guān)并有待繼續(xù)深入研究的問題。
【學(xué)位授予單位】：中國地質(zhì)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：O212.1

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳發(fā)宇;尚永生;楊長春;;Matching Pursuits方法綜述[J];地球物理學(xué)進(jìn)展;2007年05期

2 王天荊;鄭寶玉;楊震;;基于自適應(yīng)冗余字典的語音信號稀疏表示算法[J];電子與信息學(xué)報;2011年10期

3 葉蘭蘭;付麗華;趙浩嵐;;地震信號稀疏分解的快速方法[J];地球物理學(xué)進(jìn)展;2014年01期

4 楊榮根;任明武;楊靜宇;;基于稀疏表示的人臉識別方法[J];計算機(jī)科學(xué);2010年09期

5 范虹;郭鵬;王芳梅;;非平穩(wěn)信號稀疏表示的研究發(fā)展[J];計算機(jī)應(yīng)用;2012年01期

6 范虹;孟慶豐;張優(yōu)云;馮武衛(wèi);高強(qiáng);;基于改進(jìn)匹配追蹤算法的特征提取及其應(yīng)用[J];機(jī)械工程學(xué)報;2007年07期

7 周忠根;孔令華;;Gabor和Chirplet字典中的子空間匹配追蹤算法對比[J];昆明理工大學(xué)學(xué)報(理工版);2010年03期

8 張顯文;韓立國;王宇;單剛義;;地震信號譜分解匹配追蹤快速算法及其應(yīng)用[J];石油物探;2010年01期

9 劉杰;陳懷新;;彩色圖像有效壓縮及聯(lián)合重建的研究[J];通信技術(shù);2012年01期

10 和繼威;劉郁林;王開;李力;;弱稀疏語音信號的欠定盲分離[J];信息與電子工程;2011年06期

相關(guān)碩士學(xué)位論文 前1條

1 王成梅;地震信號稀疏分解快速算法及原子庫選擇研究[D];西南交通大學(xué);2010年

本文編號：2768011