估计理论笔记2-CRLB在柯西不等式取等号时获取MVUE的应用-线性模型估计

        在估计理论第1篇中说到，在推导CRLB的时候，第二个关键步骤是使用柯西不等式在取等号时候的条件，如果在这个统计量是无偏估计得情况下，这样能够直接得到MVUE，并且得到他的协方差矩阵，这里的第二篇就是对这句话在一个例子上的解释，他说明了在线性估计中，是如何通过克拉美劳界在取等号的时候，如何求得了MVUE，并且验证了他的有效性。

        当然这只是一个特例，他需要你采集的数据在趋势上是满足线性的能够用线性的模型去估计，如果采集的数据都不是线性的，那是肯定不能够用的，同时这里还要说明一个事情，这里的推导得到的最有估计量其实与二维的线性拟合得到的统计结果应该是一致的，但是他们之间是怎么一致对应起来的，我还没有仔细观察。

        最后一部分还存在一个疑问，如果用CRLB直接得到的统计量不是无偏的，那只能通过后面其他的办法去得到统计量了。下面写了个小程序验证：

close all;clearvars;clc;
% 此程序主要是验证通过克拉美劳下界直接得到的线性统计量对线性参数估计得准确度
%构造数据
A = 5 ; B = 0.3; N = 256;
X = A + B * (1 : 1 : N);
X1 = X + wgn(1 , 256 , 20);

%开始制作统计量
H = [repmat(1 , 1 , N) ; 1 : 1 : N]';
thta = inv(H'*H)*H'*X1'
a = thta(1);
b = thta(2);
x = a + b * (1 : 1 : N);

% 绘制结果
figure;
scatter((1 : 1 : N) , X1);hold on;plot(X , '-r');
plot(x , '-b');legend('混入噪声' ,'原始数据','估计结果');

得到的估计结果a = 4.83 ； b = 0.30; 与真实的设置A = 5;B = 0.3接近