摘要： clcclearclose allmu=[0,0];% 均值向量Sigma=[1 0.8;0.8 1];% 协方差矩阵[X,Y]=meshgrid(-3:0.1:3,-3:0.1:3);%在XOY面上，产生网格数据p=mvnpdf([X(:) Y(:)],mu,Sigma);%求取联合概率密度，相当于Z轴p=reshape(p,size(X));%将Z值对应到相应的坐标上figureset(gcf,'Position',get(gcf,'Position').*[1 1 1.3 1])subplot(2,3,[1 2 4 5])surf(X,Y,p),axis 阅读全文

摘要： 上学期，在学习《信号检测与估计理论》这门课程是就接触了：最大后验估计（maximum a posteriori probability estimate, 简称MAP）和最大似然估计（maximum-likelihood estimation, 简称MLE）。学的时候没打弄明白其原理，就会按照书上的例子，照猫画虎，应付一下考试！不过最近要用到这两个东西了，所以从新学习了。其实这两个参数估计方法计算起来都很简单。关键在于如何理解其原理，就是要问一下：问什么要这么估计？这么估计有什么道理在？下面是我自己的理解，说得过去，但不知道对不对？假设你得到某个或者某些特定的观察数据x，然后需要根据x，估计未 阅读全文