【课程学习】信号检测与估计

3.7-CRB延展到向量的形式

0904
向量和变换形式的CRLB形式

估计参数真实值$\theta$，估计值$\hat{\theta }$
与信号与系统里的信号$s(t)$，
实际采集到的信号$x(t)=s(t)+w(t)$，$x(t)$是个随机变量
$x(t)$经过采样得到一个序列向量
$x(t)=\left[\begin{array}{c}x(0)\\ x(1)\\ x(N-1)\end{array}\right]$
$\Rightarrow$ $\hat{\theta }$
$\hat{\theta }$=$f(x)$找到一个函数（映射）
估计都有误差，我们的目标是让误差尽可能小，MSE最小化，由方差和偏差组成，最小方差无偏估计，
MVUE: efficient estimator vaild

独立的观测量可加
非负的证明：显然
观测observations是复数形式，所以似然函数$p(x;\theta )$中的x是向量；
独立的观测，则联合概率密度=各自概率密度的乘积，乘积通过取对数变为累加和；

推广CRLB，标量才有方差的形式，向量的形式有协方差矩阵
$C_{\hat{\theta }}=E[(\hat{\theta }-E(\hat{\theta }))]E[(\hat{\theta }-E(\hat{\theta }){)}^T]$， C θ ^ ∈ R p × p