第二章经典估计理论(MVU和BLUE)学案.pptVIP

经典估计理论——小结 主要估计方法 LSE：不需要统计信息 MLE：需要先验概率密度函数 矩估计：相应的矩信息 MVUE和BLUE：一阶、二阶矩信息（均值、方差） 作业：P53 习题3.3；p121 习题6.4 高斯白噪声中信号的CRLB 则 信号对参数变化越敏感，CRLB越小，越可能获得更准确的估计 参数的变换 若希望估计 则 越大，则 → θ的小误差将会造成α的更大误差 → 从而增大CRLB，恶化估计的准确度 即 经典估计理论——内容安排 主要内容 引言 最小方差无偏估计（MVU） Cramer-Rao下限 线性模型 最佳线性无偏估计（BLUE） 一般线性模型 白高斯噪声中的信号 N×1 已知观测矩阵（N×P） P×1 已知偏移（N×1） 数据矢量 已知且满秩 待估参数 已知 矢量形式为 考虑特例：线性观测 一般线性模型： 观测矩阵需要满秩 必须假定H为满秩矩阵 否则，估计问题成为病态问题 对于给定矢量S，将会有多个不同的θ矢量可以获得 即 对于任意 ， 使得 因此，无法根据观测量对参数θ进行估计 线性模型的重要性 以下几个原因： 某些应用确定为该模型 非线性模型有