最大后验(Maximum a posteriori,MAP)是最常用的参数估计方法。然而,MAP方法主要关注后验分布最大峰值的位置,没有充分利用后验分布的完整信息。本文基于相对熵,提出了一种最小散度(Minimum divergence,MD)雷达测距估计方法。首先推导...最大后验(Maximum a posteriori,MAP)是最常用的参数估计方法。然而,MAP方法主要关注后验分布最大峰值的位置,没有充分利用后验分布的完整信息。本文基于相对熵,提出了一种最小散度(Minimum divergence,MD)雷达测距估计方法。首先推导参数的后验分布,然后构造一个与其相似的分布,通过寻找二者散度的最小值得到估计值。仿真结果表明,在雷达测距场景下,MD算法的性能与MAP算法相比,获得了约1 dB的增益,具有较好的估计性能。展开更多
文摘最大后验(Maximum a posteriori,MAP)是最常用的参数估计方法。然而,MAP方法主要关注后验分布最大峰值的位置,没有充分利用后验分布的完整信息。本文基于相对熵,提出了一种最小散度(Minimum divergence,MD)雷达测距估计方法。首先推导参数的后验分布,然后构造一个与其相似的分布,通过寻找二者散度的最小值得到估计值。仿真结果表明,在雷达测距场景下,MD算法的性能与MAP算法相比,获得了约1 dB的增益,具有较好的估计性能。
