信号检测与估值总复习.ppt

课后习题 5.14 先求 ，再利用最大似然估计量的不变性得 解：观测信号矢量 的N维联合概率密度函数为 由最大似然方程，得： 解得： 是无偏、有效估计量，其均方误差 利用最大似然估计的不变性，并考虑到 是一对一的变换，所以， 因为 所以， 是无偏估计量。 又因为 式中 所以， 也是有效估计量。 均方误差取克拉美-罗界，为： 课后习题 解：线性最小二乘估计矢量的构造公式为 估计矢量的均方误差为 1 .单参量估计的情况，线性观测方程为： 观测矩阵为： 观测矢量为： 观测噪声矢量为： 线性最小二乘估计量为： 5.31 2 .在单参量估计的情况下，若观测噪声 的统计特性满足： 于是，估计量的均方误差为： 3 .在单参量估计的情况下，若观测噪声的统计特性满足： 于是，估计量的均方误差为： 4 .在单参量估计的情况下，若观测噪声的统计特性满足： 在线性最小二乘估计量的均方误差式中，各项分别为： 这样，线性最小二乘估计量的均方误差为： 5 .在单参量估计的情况下，若观测噪声的统计特性满足： 在线性最小二乘估计量的均方误差式中，各项分别为： 这样，线性最小二乘估计量的均方误差为： 课后习题 n t 是均值为0，功率谱密度为 的高斯白噪声， 解：若 则x t 的似然函数为 式中 （1）.据题意，有 5.38 解得 由最大后验方程，得 2 . 所以， 是无偏估计量。 所以， 也是有效估计量。 这样，信号振幅a的最大后验估计量 是无偏、有效估计量，均方误差取克拉美-罗界，为： 3 . 当信号振幅a服从瑞利分布时，由最大后验方程得： 整理得： 解得： 因为： 所以，舍取负根，得： 考察 的无偏性。 信号振幅a服从瑞利分布，所以其均值为： 信号振幅a的最大后验估计量 的均值为： 即信号振幅a的最大后验估计量 是有偏估计量。 所以： 因为： * 雷达中经常用，通信中不用！ * 固定观测数据量的不足：次数不能随信道条件变化，浪费发射功率。 看到这里！！！！！！！！！！！！！！！！！！！！！！！！！！ * * * 伊普西龙 线性最小均方误差估计矢量的性质 1 估计矢量是观测矢量的线性函数 2 线性最小均方误差估计矢量是无偏估计 所以 是 无偏估计 线性最小均方误差估计矢量的性质 3 估计矢量均方误差阵的最小性 线性最小均方误差估计矢量在线性估计中具有最小的均方误差， 且均方误差矩阵也具有最小性。 4 估计的误差矢量与观测矢量的正交性 被估计矢量 与观测矢量x是正交的，即 与线性最小均方误差估计矢量 之间的误差矢量 线性最小均方误差估计矢量的性质 5 最小均方误差估计与线性最小均方误差估计的关系 当观测矢量与被估计矢量是联合高斯分布时，最小均方误差估计与 线性最小均方误差估计两者相同。 随机矢量的最小均方误差估计矢量可以是观测矢量的非线性函数， 而线性最小均方误差估计的估计矢量一定是观测矢量的线性函数。 随机矢量函数的线性最小均方误差估计 的线性函数 的线性MMSE估计矢量 为： 线性变换上的可转换性 的线性MMSE估计矢量为 无偏性： 均方误差阵： 随机矢量函数的线性最小均方误差估计 线性MMSE估计的可叠加性 若 和 分别是同维随机矢量 和 的线性MMSE估计矢量，那么 的线性MMSE估计矢量 为： 无偏性： 均方误差阵： 最小二乘估计Least Square Estimation 最小二乘估计的基本原理 线性最小二乘估计 加权最小二乘估计 单参量的线性最小二乘估计 应用范围：只有观测信号及观测信号模型时， 可应用最小二乘估计。 最小二乘估计 1. 最小二乘估计方法 均方误差最小：被估计量与估计量之差在统计平均的意义上达到最小值。 若只有观测信号模型，则无法从统计平均的角度考虑估计误差最小， 但可以按照误差的平方和最小的原则进行估计。 观测信号模型为： 所以，线性最小二乘估计量，是满足下述方程的解： 最小二乘估计 2. 线性最小二乘估计 由于 所以 最小二乘估计误差 最小二乘估计 1 估计矢量是观测矢量的线性函数 2 若观测噪声矢量 n 的均值矢量为零，则线性最小二乘估计矢量是无偏的。 3 若观测噪声矢量 n 的均值矢量为零，协方差矩阵为 ，则线性最小二乘估计矢量的均方误差阵为： 3. 线性最小二乘估计量的性质 最小二乘估计 4. 线性最小二乘加权估计 提出背景：如果各次观测噪声的强度不同，所得的各次观测量的精度 也是不同的。 噪声方差小时，观测量的精度较高，噪声方差大，观测量的精度较低。 如何在构造估计量时，综合考虑上述因素？。。 可以通过加权的方式，提高估计的精确度——线性最小二乘加权估计。 线性最小二乘加权估计量，是满足下述方程的解： 线性最小二乘加权估