参数估计的基本理论和相关抵消(第五讲)总结范文.pptVIP

29 极小化问题的一般解法 2 然后再沿着方向 进行第二步搜索，一般的迭代形式为 ， 。 迭代继续进行直到满足某个判据为止。例如， ，式中 是某个预定值，或者，如果找不到使 的方向，也可接受 作为解。 相关抵消 图1 相关抵消器 本节为重点内容，需在黑板上祥解 相关抵消与最佳线性估计的关系 (10) 相关抵消与最佳线性估计的关系 上式与(6、7)式完全一致，这说明了相关抵消与最佳线性估计的一致性（最佳线性估计只能估计线性相关部分） 相关抵消的应用 参数估计的基本理论和相关抵消 第五讲 主 要 内 容 参数估计介绍 参数估计解释 最小方差估计MV 最大似然估计ML 最小二乘估计LS 三种估计方法总结 估计的评价标准 参数估计和极小化 相关抵消 1 参数估计介绍 参数估计应用背景：在很多实际问题中，随机信号一般是符合或近似符合各态遍历的，所以可以用一个样本函数在有限的时间轴上的数据来估计出总体的参数。 参数估计的范畴：参数估计是一个统计推断问题，也是信号处理的一个重要课题。如何在测得的一个样本观测值后来推断出总体的参数（如均值、方差等），就是属于参数估计的问题。