03_特征估计解说.ppt

§1.3随机序列数字特征的估计 实际中无法得到随机序列的无穷多个样本, 因而很难精确计算它的统计平均值, 方差和自相关函数。 本节讨论如何根据实际取得的有限样本数据来估计随机序列的数字特征. 1.3.1估计准则 1.估计的概念 对随机变量 观测 次, 得到 个观测值: 设： —待估计参数的真值; — 的估计值,是观测值的函数.现按一定的准则构造一个观测数据的函数,以此作为真值 的估计值,即 相应的估计误差为 1.3.1估计准则 注意: 和 均为随机变量。 图1.3.1 估计过程 观测数据 估计准则 估计值 真值 估计过程如图1.3.1所示。 1.3.1估计准则 图1.3.2 估计量的概率密度曲线 按不同的准则构造 , 将会得到不同的 。 如何衡量估计的质量呢? 从概念上讲,图中曲线 比较窄, 估计值 接近真值 的概率比较大。 因此 的估计性能比 好。 假设估计值 的概率密度曲线如图1.3.2所示. 1.3.1估计准则 2.评价估计性能的标准 主要从偏移性, 估计方差和均方差(一致性)等方面进行评价。 1) 偏移性 将真值 与估计量 的统计平均值 之差称为偏移, 并用 表示,则 ● —无偏估计, 估计量在真值附近摆动; √ ● —有偏估计; ●渐近无偏估计— 满足下列关系的估计: 1.3.1估计准则 2) 估计量的方差 设 的无偏估计值为 , 定义估计方差 设 的另一个无偏估计为 , 同样定义估计方差 若满足 则说明估计 比 更有效. 一般希望当 时, 1.3.1估计准则 3)一致性——均方误差 常遇这样的情况: 即偏移小的估计方差较大, 而偏移大的估计反而方差较小。 采用均方误差比较两个有偏估计的性能更合理。 估计量的均方误差表示为： 若满足 则有 这种估计就称为一致估计。 1.3.1估计准则 ●一致估计的充分必要条件—— 与 , 的关系。 当 时, 有 因此, 一致估计的充分必要条件是: 随着 的增大, 偏移和估计量的方差都应趋于零. 下面讨论均值, 方差和自相关函数的估计时, 假定: 随机序列是平稳的且具有各态历经性, 集合平均可用长时 间的时间平均代替。 1.估计方法 设已取得 个样本数据为 ,均值估计计算公式为 (1.3.7) 其中 为观测次数. 2.估计质量 1)偏移 由于 (1.3.8) 因此, ,即为无偏估计。 1.3.2均值的估计 1.3.2均值的估计 2)一致性 a)数据之间不相关时 【方差】 (1.3.9) 其中: 由于数据内部不相关, 则 于是 1.3.2均值的估计 即 (1.3.10) 将上式代入式(1.3.9), 得 1.3.2均值的估计 即 上式表明: 观测次数 , 估计量方差 (是信号方差的 倍); 当 时, . 【均方误差】 (1.3.12) 可见,当 时, , , ,因而是一致估计。 结论: 当数据内部不相关时, 利用式(1.3.7)估计均值, 是一种无偏的一致估计, 因而是一种好的估计。 1.3.2均值的估计 b)数据之间相关时 设 , 则 1.3.2均值的估计 当 时 由于 点数据中相距 点的样本有 对, 因此 (1.3.13) 式中 结论: 当数据内部存在相关性时, 利用式(1.3.7)估计均值, 估计量的方差下降不到真值 的 , 说明其一致性效果有所变差。 1.3.3方差的估计 1.数据间不相关时的估计 已知 点样本数据 ,且数据间不相关, 方差的估计值由下式计算: (1.3.14) 式中, 信号的均值 通常是不知道的, 为此可按式(1.3.7)首先估计均值 ，将 代入上式得 (1.3.15) 1.3.3方差的估计 偏移性:由上式可得方差估值的均值为 (1.3.16) 其中, 第2项由式(1.3.10)给出: 1.3.3方差的估计 (1.3.17) 将以上二式代入式(1.3.16), 得到 (1.3.18) 第3项: 1.3.3方差的估计 讨论: 1） , ;当 时, . 因此, 按式(1.3.15) 估计方差, 是一种有偏估计,且是渐近无偏的。 2）无偏估计方法: 为了获得无