![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
estimation
文章平均质量分 98
tanghonghanhaoli
这个作者很懒,什么都没留下…
展开
-
估计理论(2):Cramer-Rao下限
文章目录3.1 简介3.2 总结3.3 估计精度考虑3.4 Cramer-Rao下限3.5 WGN中信号的一般CRLB3.6 参数的变换3.7 扩展到矢量参数3.8 矢量参数变换的CRLB3.1 简介 在实际中,如果能够为无偏估计的方差确定一个下限,将是非常有帮助的。在最好的情况下,我们可以据此推断某个估计是否为MVU估计,只要该估计对于未知参数的所有取值都能达到下限。在最坏的情况下,它可以提...翻译 2021-04-09 17:30:15 · 3159 阅读 · 0 评论 -
估计理论(7):应用BLUE的两个例子
摘自Steven M. Kay,《Fundamentals of Statistical Signal Processing: Estimation Theory》。 现在我们知道,BLUE适用于估计噪声中信号的幅度。我们不需要知道完整的PDF,只需要知道一阶、二阶矩就可以了。此时BLUE为θ^=sTC−1xsTC−1s,(6.5)\tag{6.5}\hat \theta=\frac{{\bf s}^{\rm T}{\bf C}^{-1}{\bf x}}{{\bf s}^{\rm T}{\bf C}翻译 2020-09-01 11:12:36 · 862 阅读 · 0 评论 -
估计理论(6):如何确定BLUE?
摘自Steven M. Kay,《Fundamentals of Statistical Signal Processing: Estimation Theory》。6.4 找到BLUE BLUE估计,其实就是无偏的具有最小方差的线性估计。因此如果MVU估计是线性的,则BLUE就是MVU,否则就不是。并且BLUE有可能不存在。其中根据无偏约束,有E(θ^)=∑n=1N−1anE(x[n])=θ.(6.2)\tag{6.2}{\rm E}(\hat \theta)=\sum_{n=1}^{N-1}a翻译 2020-08-31 08:47:02 · 2246 阅读 · 0 评论 -
估计理论(5):BLUE的定义(6.3)
摘自Steven M. Kay,《Fundamentals of Statistical Signal Processing: Estimation Theory》。 在实际应用中,经常会出现MVU估计量不存在的情况。例如,我们可能不知道数据的PDF,甚至无法为它假设一个模型。在这种情况下,我们以前依赖CRLB和充分统计理论的方法就不再适用。即使PDF已知,后一种方法也不能保证能够得到MVU估计量。 由于我们无法确定最优MVU估计量,我们有理由求助于次优估计量。但当我们这样做时,我们永远不知道我们可翻译 2020-08-24 11:22:00 · 4556 阅读 · 0 评论 -
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
【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,…,N−1(1)\tag{1}x[n]=w[n],\quad n=0,1,\ldots,N-1x[n]=w[n],n=0,1,…,N−1(1)这里w[n]∼U(0,β)w[n]\sim {\mathcal U}(0,\beta)w[n]∼U(0,β),β>0\beta>0β>0。我们希望能够得到均值θ=β/2\theta=\beta/2θ=β/2的MVU估计。CRLB为何不适用?从【定理3.1】翻译 2020-08-18 10:37:45 · 1481 阅读 · 0 评论 -
估计理论(3):充分统计量的完备性
根据下面两个定理,我们知道如果能够找到CRLB界,或者对于线性模型,都能够很容易找到MVU估计。1、CRLB【定理3.1:标量参数的CRLB】假设概率密度函数满足正则条件E[∂lnp(x;θ)∂θ]=0,{\rm E}\left[\frac{\partial \ln p({\bf x};\theta)}{\partial \theta}\right]=0,E[∂θ∂lnp(x;θ)]=0,例如,x[n]=θ+w[n]x[n]=\theta+w[n]x[n]=θ+w[n],其中的NNN翻译 2020-08-18 10:38:13 · 4010 阅读 · 0 评论 -
估计理论(1):最小方差无偏估计(第2章)
文章目录1、无偏估计量2、最小方差准则3、最小方差无偏估计的存在性4、求最小方差无偏估计量5、扩展到矢量参数1、无偏估计量 对未知参数进行估计,得到估计量。而所谓无偏估计,是指估计量的均值,等于未知参数的真值,即对未知参数θ\thetaθ,有E(θ^)=θ,a<θ<b,{\rm E}( \hat \theta)=\theta,\quad a<\theta<b, ...翻译 2020-06-02 11:31:45 · 7687 阅读 · 0 评论 -
混合分布(mixture distribution)
在概率与统计中,如果我们有一个包含多个随机变量的随机变量集合,再基于该集合生成一个新的随机变量,则该随机变量的分布称为混合分布(mixture distribution)。具体来说,首先,根据给定概率从集合中随机选取一个随机变量,然后再实现(realize)该随机变量的值。集合中的随机变量可以是随机实数,也可以是随机向量(每个向量的维数相同),在这种情况下,混合分布是多变量分布。 如果集合...翻译 2019-05-26 08:11:07 · 23300 阅读 · 2 评论 -
MMSE估计(二):从估计到估计器
【本文内容摘自&quot;Signals, Systems and Inferences&quot;之&quot;8.2-From Estimate to an Estimator&quot;, by Alan V.Oppenheim and George C.Verghese, 2010.】 上面我们得到对于特定的X=xX=xX=x,有y^(x)=E[Y∣X=x].\hat y(x)={\rm E}\left[Y|X=x\rig..翻译 2018-09-22 10:26:16 · 8813 阅读 · 0 评论 -
MMSE估计(一):连续随机变量的估计
【本文内容摘自&amp;amp;amp;amp;quot;Signals, Systems and Inferences&amp;amp;amp;amp;quot;之&amp;amp;amp;amp;quot;8.1-Estimation of a Continuous Random Variable&amp;amp;amp;amp;quot;, by Alan V.Oppenheim and George C.Verghese, 2010.】翻译 2018-09-18 10:36:14 · 5460 阅读 · 0 评论