广义拒绝抽样方案及其在信号处理中的应用
摘要：贝叶斯方法及其利用先进的蒙特卡罗技术（如马尔可夫链蒙特卡洛和粒子滤波）的实现在信号处理领域近年来变得非常流行。然而，在许多实际问题中，这些技术要求从非标准形式的概率分布中进行采样，因此我们常常需要考虑一些基本的模拟算法，如拒绝采样。不幸的是，使用拒绝采样技术需要计算目标概率密度函数相对于候选样本抽取所用的提议密度的紧密上界。除了对数凹目标概率密度函数的类别外（存在一种高效算法），没有通用方法可以解析确定此上界，因此每种具体情况都需从头开始导出。本文介绍了一种能够获得似然函数上界的新方案，并且自适应地计算逼近目标概率密度函数的提议密度。前者提供了一种便于从先验概率分布中采样的工具（在信号处理问题中经常出现的后验概率分布），但在本文的第二部分中引入的广义自适应拒绝采样（GARS）算法中更为有用。所提出的GARS方法产生了一系列收敛于目标概率密度函数的提议密度，并且能够高效地采样广泛类别的概率分布，可能包含多个模态和非标准形式。
作者：Luca Martino, Joaquin Miguez
论文ID：0904.1300
分类：Computation
分类简称：stat.CO
提交时间：2012-05-29