Fully Bayesian analysis of Hidden Markov models
Fully Bayesian analysis of Hidden Markov models
复制标题
隐马尔可夫模型的完全贝叶斯分析
DOI：
10.5281/zenodo.35996
复制
发表时间：
1996
期刊：
影响因子：
--
通讯作者：
P. Duvaut
中科院分区：
文献类型：
--
作者：
A. Doucet;P. Duvaut
在本文中，我们提出了一个统一的框架中的一些应用随机模拟技术，马尔可夫链蒙特卡罗方法，进行贝叶斯推理的一类非常广泛的隐马尔可夫模型。描述了基于有限维最优滤波器的Gibbs采样器的有效实现。本文还提出了该算法的一个改进版本。本文讨论了信号处理中两个具有实际意义的问题：Bernoulli-Gauss过程的盲解卷积和信道的盲均衡。在模拟中，我们得到了非常满意的结果。
In this paper, we present in an unified framework some applications of stochastic simulation techniques, the Markov chain Monte Carlo methods, to perform Bayesian inference for a very wide class of hidden Markov models. Efficient implementation of the Gibbs sampler based on finite dimensional optimal filters is described. An improved version of this algorithm is also presented. Two problems of great practical interest in signal processing are addressed: blind deconvolution of Bernoulli-Gauss processes and blind equalization of a channel. In simulations, we obtain very satisfactory results.