Parzen窗matlab编程研究.docVIP

Parzen窗matlab仿真实验 一、Parzen窗基本原理 Parzen窗估计法是一种具有坚实理论基础和优秀性能的非参数函数估计方法，它能够较好地描述多维数据的分布状态。其基本思想就是利用一定范围内各点密度的平均值对总体密度函数进行估计。一般而言，设x为d维空间中任意一点， N是所选择的样本总数，为了对x处的分布概率密度进行估计，以x为中心作一个边长为的超立方体,则其体积为，为计算落入中的样本数，构造一个函数使得 (1) 并使满足条件，且，则落入体积V中的样本数为，则此处概率密度的估计值是： (2) 式(2)是Parzen窗估计法的基本公式，称为窗函数，或核函数。在Parzen窗估计法的基本公式中，窗宽是一个非常重要的参数。当样本数N有限时，对估计的效果有着较大的影响。 二、Matlab实现Parzen窗仿真实验 为了编写Parzen窗，首先要确定一个窗函数。一般可以选择的窗函数有方窗、正态窗等。接下来将分别用方窗、正态窗实现Parzen窗法。 2.1、方窗 （3） 其中，为超立方体的棱长。因为编程中所用的信号是一维的正态信号，所以此处的取值为1。 2.1.1 方窗Parzen仿真实验流程图 2.1.2 方窗Parzen仿真实验mtalab代码 r=normrnd(0,1,1,10000); f=r(1:1000); f=sort(f); lth=1; h=[0.25,1,4]; V1=h(1); V2=h(2); V3=h(3); V=[V1,V2,V3]; a=zeros(1000,3); p=zeros(1000,3); b=0; for m=1:3 for x=1:1000 for n=1:lth if abs((r(:,n)-f(x))/h(:,m))=1/2 q=1; else q=0; end b=q+b; end a(x,m)=b; b=0; end end for m=1:3 for x=1:1000 p(x,m)=1/(lth*V(m))* a(x,m); end subplot(4,3,m) plot(f(1:1000),p(:,m)) ylabel(N=1) end hold on lth=16; b=0; for m=1:3 for x=1:1000 for n=1:lth if abs((r(:,n)-f(x))/h(:,m))=1/2 q=1; else q=0; end b=q+b; end a(x,m)=b; b=0; end end for m=1:3 for x=1:1000 p(x,m)=1/(lth*V(m))* a(x,m); end subplot(4,3,m+3) plot(f(1:1000),p(:,m)) ylabel(N=16) end hold on lth=256; b=0; for m=1:3 for x=1:1000 for n=1:lth if abs((r(:,n)-f(x))/h(:,m))=1/2 q=1; else q=0; end b=q+b; end a(x,m)=b; b=0; end end for m=1:3 for x=1:1000 p(x,m)=1/(lth*V(m))* a(x,m); end subplot(4,3,m+6) plot(f(1:1000),p(:,m)) axis([-5,5,0,0.6]); ylabel(N=256) end lth=10000; b=0; for m=1:3 for x=1:1000 for n=1:lth if abs((r(:,n)-f(x))/h(:,m))=1/2 q=1; else q=0; end b=q+b; end a(x,m)=b; b=0; end end for m=1:3 for x=1:1000 p(x,m)=1/(lth*V(m))* a(x,m); end subplot(4,3,m+9) plot(f(1:1000),p(:,m)) axis([-5,5,0,0.5]); ylabel(N=10000) end 2.1.3 方窗Parzen仿真实验运行结果 h=0.25 h=1