下圖是“現(xiàn)代信號處理第二章（二）【完】”評論區(qū)中提到的不同方法的轉化圖，可以自己推導一下，是沒有問題的，直接使用定義式即可。

同時補充一下非參數(shù)估計吧。

當然，除了參數(shù)估計之外，還有非參數(shù)估計。非參數(shù)估計的情形下，或許并不存在一個固定的PDF函數(shù)模型。對于這種情形，處理方式也是多種多樣的。下面還是介紹兩種主要的傳統(tǒng)方式。

首先是兩種傳統(tǒng)方式：

第一種方式，采用“偽Bayes法”。這種方法的基本思路就是：當不知道PDF的函數(shù)形式是，首先假設PDF的形式，對于原問題進行參數(shù)估計，之后再對于假設的模型進行檢驗。

第二種方式，采用“Parzen窗法”。這種方法的名稱又叫“核密度估計”。顧名思義是需要選取合適的核函數(shù)的。其本質就是“隨機撒點”，然后統(tǒng)計落在不同區(qū)間內的“點數(shù)頻度”，使用頻度代替概率，從而估計出原始分布PDF。這種方法和人類早期使用“扔硬幣”、“布馮投針”等方式作為PDF無異。（“扔硬幣”是離散PDF，“布馮投針”是連續(xù)PDF）【簡單說一下核函數(shù)的選擇：一般選擇uniform均勻分布做核函數(shù)就好，只要樣本多，那就沒有什么好怕的；選用高斯核，也很好，比較適合于比較平滑的分布。這里需要指明，選擇不同的核函數(shù)時，統(tǒng)計區(qū)間h是有不同適用范圍的，好比上面提到的uniform，它的h取收斂速度小于1/N的值；上面的高斯核，是最優(yōu)的取值，其中是樣本方差】