기대 최대화 알고리즘

신호 처리에서 흔한 작업 중 하나는 확률 분포 함수의 매개변수를 추정하는 것입니다. 아마도 가장 자주 접하는 추정 문제는 잡음 속 신호의 평균을 추정하는 것입니다. 많은 매개변수 추정 문제에서 매개변수를 추정하는 데 필요한 데이터에 직접 접근할 수 없거나 일부 데이터가 누락된 경우 상황이 더 복잡해집니다. 이러한 어려움은 결과가 더 단순한 결과의 누적에 의한 경우나 결과들이 예를 들어 빈(bin)이나 히스토그램 연산에 의해 집합된 경우 발생합니다. 또한, 데이터가 누락되거나 클러스터링되어 기저 데이터 포인트의 수가 알려지지 않은 경우(검열 및/또는 절단)도 있을 수 있습니다. EM(기대최대화) 알고리즘은 관찰을 지배하는 분포에 대해 기저 분포에서 다대일 대응이 있을 때 매개변수의 최대 우도(ML) 추정치를 생성하는 데 이상적으로 적합합니다. EM 알고리즘은 추정 이론에 대한 기본 지식을 가진 신호 처리 전문가에게 적합한 수준에서 제시됩니다.