信号检测与估值总复习资料.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