估计理论(4)：例5.8说明如何用完备的充分统计量找到MVU估计

本节内容摘自Steven M. Kay，《Fundamentals of Statistical Signal Processing: Estimation Theory》。
  我们来个例子，如何用完备统计量找到MVU估计。
【例5.8】均匀噪声的均值

• 问题描述
    我们有数据
  $$x[n]=w[n],n=0,1,\dots ,N-1\text{\hspace{1em}(1)}$$这里$w[n]\sim \mathcal{U}(0,\beta )$，$\beta >0$。我们希望能够得到均值$\theta =\beta /2$的MVU估计。
• CRLB为何不适用？
  从【定理3.1】我们知道，要使用CRLB，需要概率密度函数满足正则条件
  $$\mathrm{E}\left[\frac{\partial \ln p(\mathbf{x};\theta )}{\partial \theta }\right]=0.\text{\hspace{1em}(2)}$$现在我们来证明，对于均匀分布噪声均值来说，正则条件(2)不满足。

下面我们来看看习题3.1。

顺便说一句，这本书的答案可见（https://download.csdn.net/download/qianlongchen/9433628?utm_source=iteye)。虽然是手写不太清楚，而且VIP才能下载，不过还是很解决问题啦。

【Problem 3.1】如果$x[n]\sim \mathcal{U}(0,\theta )$，$n=0,1,\dots ,N-1$。试说明正则条件
$$\mathrm{E}\left[\frac{\partial \ln p(\mathbf{x};\theta )}{\partial \theta }\right]=0$$不成立，因而CRLB不适用。
【解答】
$$p(x[n];\theta )=\frac{1}{\theta }\left(u(x[n])-u(x[n]-\theta )\right)$$这里的$u(x)$为阶跃函数。因此，我们可以得到
$$p(\mathbf{x};\theta )=\prod _{n=0}^{N-1}p(x[n];\theta ),$$显然，如果我们能够证明
$$\mathrm{E}\left[\frac{\partial \ln p(\mathbf{x};\theta )}{\partial \theta }\right]\ne 0,\mathrm{f}\mathrm{o}\mathrm{r}n=0,\dots ,N-1$$则获证。我们令$y=x[n]$，有
$$p(y;\theta )=\frac{1}{\theta }\left(u(y)-u(y-\theta )\right),$$则可以得到$p(y;\theta$的图像如下图所示。看图的时候，可以考虑$y$是固定值。显然应该有$y=x[n]>0$。这时，如果$\theta <y$，函数值为0；$\theta >y$，则有函数值为$1/\theta$。因此，有
E [ ∂ ln ⁡ p ( y ; θ ) ∂ θ