信号估计的基本方法.pptVIP

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 平均代价函数： 结合不同的代价函数对条件平均代价求导，可以得出估计值 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 高斯随机矢量的最小均方误差估计 如果假设被估计量先验概率是均值矢量为 ，协方差矩阵为 的高斯分布，且与均值为零，协方差矩阵为 的高斯噪声矢量互不相关，则可以得出最小均方误差估计值： 信道冲激响应一般可以认为是均值为零的复高斯随机变量，那么被估计量可简化为： 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