- 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。