最佳线性无偏估计量(BLUE)

- 引言

这个问题提出的原因：MVU估计量即使存在可能也无法求出。比如：有些情况下，可能并不知道数据的PDF；或知道噪声的矩统计量。这些请况下，依赖于CRLB以及充分统计量就不可用，而且充分统计量的方法也无法保证得到的估计量是最佳的MVU估计量。

要得到最佳MVU估计量，就有必要取寻找准最佳MVU估计量。若准最佳MVU估计量的方差可确定，且满足当前估计问题的需求，那么可认定它可用；若不可用，则需要寻找另外的准最佳MVU估计量。

寻找准最佳MVUE的常用方法：限制估计量为数据的线性函数，并求无偏且具有最小方差的线性估计，这就是BLUE。

 

- BLUE定义

观测数据  ,其PDF为  与未知参数  有关。BLUE限定估计量与数据呈线性，即

                                                                           

——待定的常数， 选择不同，则会得到  的不同估计量；

但是，最佳BLUE定义了估计量的特征：无偏，最小方差，因此可用这些特性约束条件来求取产生BLUE的  值。这个问题可以变成一个带约束的最优问题，即有

             目标函数： 

             约束条件： 无偏：

                                最小方差： 

 

- 简化上述带约束的最优问题

1) 对方差进行矩阵简化表示过程

                           

令 权重矢量    则上式进一步写为

                              

即                             

2) 对无偏过程：

                                             

为了满足无偏的约束，E(x[n]) 必须是与  呈线性，即

                                                   

s[n]已知，无偏约束条件变为

                               

                                                         

即                                                      

3) 最小化问题变为

                                               

                                                          

 

- BLUE推导结果

最佳 a 为

                                                     

BLUE 为

                                                      

最小方差为

                                                 

BLUE-（高斯-马尔科夫定理）

          若数据具有线性模型

                                                            

          其中 H 是已知的 n×p 矩阵，θ 是 p×1 的待估参数矢量，w 是 n×1 的均值为0、协方差为 C 的噪声矢量（w分布可是任意的），那么 θ 的BLUE为

                                                             

          的协方差矩阵为

                                                            

 

- 若观测值以及噪声矢量与其顺序统计量关系非常密切，建议使用 基于顺序统计量的BLUE（BLUE - OS），这样获取的参数估计精度更高。