Geri Dön

Maximum likelihood estimation of parameters of superimposed signal by using tree-structured EM algorithm

Birbirine eklenmiş işaretlere ait değişkenlerin dallı BE yöntemi kullanarak en olası kestirimi

  1. Tez No: 58597
  2. Yazar: SAİT KUBİLAY PAKİN
  3. Danışmanlar: YRD. DOÇ. DR. ORHAN ARIKAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Enbüyük Olabilirlik Kestirimi (En Olası Kestirim), BE Yöntemi, Dallı BE Yöntemi, Karma-BE Yöntemi, Değişken Kestirimi. iv
  7. Yıl: 1997
  8. Dil: İngilizce
  9. Üniversite: İhsan Doğramacı Bilkent Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 51

Özet

ÖZET birbirine eklenmiş işaretlere ait değişkenlerin dallı be yöntemi kullanılarak en olası kestirimi Sait Kubilay Pakin Elektrik ve Elektronik Mühendisliği Bölümü Yüksek Lisans Tez Yöneticisi: Yrd. Doç. Dr. Orhan Arıkan Temmuz 1997 Birbirine eklenmiş işaretlerin değişkenlerinin en olası kestirimi için, bili nen Beklenti Enbüyükleme (BE) yöntemini geliştirmek üzere, Dallı Beklenti Enbüyükleme (DBE) yöntemi önerilmiştir. Özel bir durum olan Gauss dağilimli gürültü içinde birbirine eklenmiş olan sinüzoidal işaretler için, Breşler ve Macovski [19] tarafından önerilmiş olan IQML yöntemi, BE ta banlı yöntemlerin en büyükleme adımında kullanılarak, daha güvenilir ve verimli enbüyükleme gerçekleştirilmiştir. Benzetimler DBE yönteminin BE yönteminden daha hızlı yakınsamasına rağmen, değişkenlerin ilk kestirimler- ine daha hassas olduğunu göstermiştir. BE ve DBE yöntemlerinin arzulanan özelliklerini bir arada toplamak için, DBE yinelemelerinden önce birkaç BE yinelemesi yapan Karma-BE yöntemi önerilmiştir. Benzetimler, Karma- BE yönteminin, BE ve DBE yöntemlerinden daha gürbüz yakınsamaya sahip olduğunu göstermiştir.

Özet (Çeviri)

ABSTRACT MAXIMUM LIKELIHOOD ESTIMATION OF PARAMETERS OF SUPERIMPOSED SIGNALS BY USING TREE-STRUCTURED EM ALGORITHM Sait Kubilay Pakin M.S. in Electrical and Electronics Engineering Supervisor: Asst. Prof. Dr. Orhan Arıkan July 1997 As an extension to the conventional EM algorithm, tree-structured EM algo rithm is proposed for the ML estimation of parameters of superimposed signals. For the special case of superimposed signals in Gaussian noise, the IQML al gorithm of Breşler and Macovski [19] is incorporated to the M-step of the EM based algorithms resulting in more efficient and reliable maximization. Based on simulations, it is observed that TSEM converges significantly faster than EM, but it is more sensitive to the initial parameter estimates. Hybrid- EM al gorithm, which performs a few EM iterations prior to the TSEM iterations, is proposed to capture the desired features of both the EM and TSEM algorithms. Based on simulations, it is found that Hybrid-EM algorithm has significantly more robust convergence than both the EM and TSEM algorithms. Keywords : Maximum Likelihood Estimation, EM Algorithm, Tree-Structured EM Algorithm, Hybrid-EM Algorithm, Parameter Estimation. III

Benzer Tezler

  1. Tez No

    336864

    Maximum likelihood estimation of robust constrained gaussian mixture models

    Gürbüz kısıtlı gauss karışım modellerinin enbüyük olabilirlik kestirimi

    ÇAĞLAR ARI

    Doktora

    İngilizce

    İngilizce

    2013

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ORHAN ARIKAN

  2. Tez No

    438278

    Bayesian estimation of the parameters of the ARCH and GARCH models using lindley's approximation

    Lindley yaklaşımı kullanılarak ARCH ve GARCH model parametlerinin bayes tahmini

    YAKUP ARI

    Doktora

    İngilizce

    İngilizce

    2016

    EkonometriYeditepe Üniversitesi

    Finansal İktisat Ana Bilim Dalı

    PROF. DR. ALEXANDROS PAPADOPOULOS

  3. Tez No

    390565

    Dirichlet dağılımının parametrelerinin tahmini

    Dirichlet distribution and estimation of parameters

    AYŞE KÜBRA DEMİREL

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    İstatistikYüzüncü Yıl Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. HALİT ERAY ÇELİK

  4. Tez No

    268810

    Bayesian inference in Anova models

    Anova modellerine Bayesian yaklaşım

    PELİN ÖZBOZKURT

    Doktora

    İngilizce

    İngilizce

    2010

    İstatistikOrta Doğu Teknik Üniversitesi

    İstatistik Bölümü

    PROF. DR. MOTİ LAL TİKU

  5. Tez No

    282576

    İnvasiv olmayan ventilasyonda solunum parametrelerinin modellenmesi

    Modelling of the respiratory parameters in non-invasive ventilation

    ESRA SAATÇI

    Doktora

    Türkçe

    Türkçe

    2009

    Biyomühendislikİstanbul Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF. DR. AYDIN AKAN

Geri Dön