信号估计的基本方法课件_第1页
信号估计的基本方法课件_第2页
信号估计的基本方法课件_第3页
信号估计的基本方法课件_第4页
信号估计的基本方法课件_第5页
已阅读5页，还剩10页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

信号估计的基本方法参量估计的数学模型和估计量的构造随机参量的贝叶斯估计贝叶斯估计准则：估计付出的平均代价最小常用的代价函数：根据不同的代价函数，可以利用不同的估计规则得到相应的估计量随机参量的贝叶斯估计最小均方误差估计

条件平均代价：

随机参量的贝叶斯估计最大后验估计最大似然估计基本原理使似然函数最大的值作为估计量，称为最大似然估计，一般用于估计未知的非随机参量。最大似然估计的构造最大似然估计也适用于随机参量的情况，如果不知道估计量的先验知识，则可以假设其为均匀分布，这样最大后验概率估计退化成最大似然估计

线性最小均方误差估计前面讨论的贝叶斯估计要求知道后验概率密度函数，最大似然估计要求知道似然函数线性最小均方误差估计仅需要知道观测矢量x和被估计矢量的前二阶矩(均值矢量、协方差矩阵、互协方差矩阵)，但限定估计量是观测量的线性函数。

线性最小均方误差估计将估计量表达式代入均方误差表达式，对a和B求导得出线性最小均方误差估计矢量：贝叶斯估计中最小均方误差估计的估计矢量可以非线性的，而线性最小均方误差估计的估计矢量必须是线性的，如果被估计矢量和观测噪声矢量n是互不相关的高斯随机矢量，那么线性最小均方误差估计就是最小均方误差估计最小二乘估计不需要任何先验知识，只需要被估计量的观测信号模型，即可实现信号参量的估计，易于实现，并能使观测矢量误差平方和最小最小二乘估计观测矢量误差平方和：最小二乘估计根据信号模型可分为线性最小二乘估计和非线性最小二乘估计，常用的是线性最小二乘估计总结以上介绍了参量估计的基本方法，最小均方误差是在知道后验概率的情况下进行估计的，虽然可以得到最好的估计性能（被估计量的均方误差最小），但是后验概率一般很难得到，线性最小均方误差估计在知道前二阶矩的情况下即可得到估计值，降低了估计的复杂性；最小二乘估计在不知道任何先验知识的情况下进行的，简单但受噪声影响较大最大似然估计一般是对未知非随机变量进行估计的，在忽略被估计量的先验概率的情况下也可进行估计，但估计性能相对较差很多估计方法是在上述方法的基础上改进得到的，主要目的是降低估计复杂度，同时得到较好的估计性能参考文献赵树杰，赵建勋.信号检测与估计理论.清华大学出版社Jan-JaapvandeBeek.OnCha

人人文库> 全部分类> 行业资料 > 医学制药

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论