MATLAB 下的 Parzen函数 Parzen 窗法概率密度函数估计
2014-04-13 20:58
295 查看
在基于熵的音频相似度度量中,用到Parzen窗法对所提取的MFCC参数进行概率密度函数估计,
其MATLAB实现如下:
function p=Parzen(xi,x,h1,f)
%xi为样本,x为概率密度函数的自变量的取值,
%h1为样本数为1时的窗宽,f为窗函数句柄
%返回x对应的概率密度函数值
if isempty(f)
%若没有指定窗的类型,就使用正态窗函数
f=@(u)(1/sqrt(2*pi))*exp(-0.5*u.^2);
end;
N=size(xi,2);
hn=h1/sqrt(N);
[X Xi]=meshgrid(x,xi);
p=sum(f((X-Xi)/hn)/hn)/N;
由于不知道如何在m语言中设置函数参数的默认值或设置可变参数,所以即使你使用默认的正态窗,也需要传入f参数,传入为‘[]’。
举例说明这个函数的用法:
>>xi=rand(1,1024);
>>x=linspace(-1,2,1024);
>>p=Parzen(xi,x,1,[]);
>>plot(x,p);
得到如下图形:
上面演示的是均匀分布,现在再试试正态分布:
>>xi=randn(1,1024);
>>x=linspace(-2,2,1024);
>>p=Parzen(xi,x,1,[]);
>>plot(x,p);
得到如下图形:
最好不要设置太大的N
其MATLAB实现如下:
function p=Parzen(xi,x,h1,f)
%xi为样本,x为概率密度函数的自变量的取值,
%h1为样本数为1时的窗宽,f为窗函数句柄
%返回x对应的概率密度函数值
if isempty(f)
%若没有指定窗的类型,就使用正态窗函数
f=@(u)(1/sqrt(2*pi))*exp(-0.5*u.^2);
end;
N=size(xi,2);
hn=h1/sqrt(N);
[X Xi]=meshgrid(x,xi);
p=sum(f((X-Xi)/hn)/hn)/N;
由于不知道如何在m语言中设置函数参数的默认值或设置可变参数,所以即使你使用默认的正态窗,也需要传入f参数,传入为‘[]’。
举例说明这个函数的用法:
>>xi=rand(1,1024);
>>x=linspace(-1,2,1024);
>>p=Parzen(xi,x,1,[]);
>>plot(x,p);
得到如下图形:
上面演示的是均匀分布,现在再试试正态分布:
>>xi=randn(1,1024);
>>x=linspace(-2,2,1024);
>>p=Parzen(xi,x,1,[]);
>>plot(x,p);
得到如下图形:
最好不要设置太大的N
相关文章推荐
- 运动模糊图像处理(一)----- 模糊角度估计的算法研究及matlab实现
- Matlab之使用linearization估计人口数量
- MatLab功率谱估计
- matlab 贝叶斯估计用法之一
- MATLAB学习笔记:极大似然估计
- DSP功率经典谱估计Matlab实现
- Matlab 3D 视差估计与重建
- MATLAB学习笔记:区间估计
- Matlab之用最小二乘建立模型预测值以下例子使用1960,1970,1990和2000的人口估计1980的人口。分别用了直线估计和抛物线估计
- matlab写数据到txt文件,C语言读取文件内容到数组@项目简介:基于PSS序列(频域)估计整数倍频偏
- matlab练习程序(最大似然估计)
- 如何用MATLAB估计概率密度函数? 不用ksdensity函数
- 如果大致估计matlab程序的运行时间?
- matlab通信系统性能估计(误码率、误比特率、眼图、星座图....)
- 样本概率密度(pdf)估计的Matlab实现%用来画网络延时数据
- MATLAB实现正态分布ML(极大似然)估计
- 图像处理 估计退化函数之运动模糊和矩阵matlab运算的一些实验情况
- Newman的 power law 参数估计的程序matlab(转载)
- [Matlab]蒙特卡罗方法和二叉树方法估计期权价值的Matlab实现
- 使用EM算法估计GMM参数的原理及matlab实现