论文部分内容阅读
混合高斯模型能够有效地拟合混响背景的一维概率密度分布。常用的混合高斯概率密度模型参数估计方法是EM迭代算法．但这种算法的主要缺点是估计精度过分依赖于初始值。而GreedyEM算法通过往混合模型中不断地加入高斯分量．能很好地解决这一问题。文章将多维图象处理中的GreedyEM算法加以合理简化，并给出模型自动定阶方法．从而成功应用于水声混响的一维混合高斯模型建模中。实验结果表明：应用新算法能从混响接收数据中准确拟合其概率密度曲线，并且能适应不同的数据长度，具有很好的通用性。