第四章信号检测与估计理论2.ppt

4.5 矢量估计 设 维矢量 需要估计，称为被估计矢量； 构造的估计矢量记为 ；估计的误差矢量为 均方误差为 其中 4.5.1 随机矢量的贝叶斯估计 我们讨论随机矢量 的最小均方误差估计和最大后验 估计。 1. 最小均方误差估计 矢量下的代价函数 是各分量误差的平方和，式中 。 使 最小，只要使每个分量的平均代价最小即可。即要求每个 参量估计的均方误差最小，这样就得到第 j 参量的最小均方误差估 计 这意味着求 的最小均方误差估计，需要解由（4.5.5）式 所示的 个方程组成的联立方程。 2. 最大后验估计 类似地，对于随机矢量 的最大后验估计，必须求出使后验概率密度函数为最大的 ，将其作为最大后验估计量，需要解由 所示的 个方程组成的联立方程。 4.5.2 非随机矢量的最大似然估计 若被估计矢量 为非随机矢量,则其最大似然估计量 , 是使似然函数 为最大的 作为估计量。因 而其求解的最大似然方程组为 或 4.5.3 矢量估计量的性质 估计矢量 的性质，主要是无偏性和均方误差的下界，即克拉美-罗界。 1. 非随机矢量情况 2. 随机矢量情况 4 .6 一般高斯信号参量的统计估计 4 .6 .1 线性观测模型 4.6.2 高斯噪声中非随机矢量的最大似然估计 5.6.3 高斯随机矢量的贝叶斯估计 (自学) 内容： 1）后验概率密度函数的统计特性； 2）高斯随机矢量的最小均方误差估计； 3）高斯随机矢量的最大后验估计； 4）最小均方误差估计与最大后验估计的等同 性。 4.7 线性最小均方误差估计 前面讨论的随机参量的贝叶斯估计，需要知道 或 及 ；非随机参量的最大似然估计，需要知道 。 如果仅知道 和 的前二阶矩知识，可以采用线性最小 均方误差估计。 4.7.1 线性最小均方误差估计准则 我们首先讨论线性最小均方误差估计,其估计量构造的 规则。 若被估计量是单参量 ，观测方程为 其中， 是已知的观测系数； 是观测噪声。线性最小均方 误差估计要求：估计量 是观测量 的线性函数，即 其中， 是一数量， 是 维行矢量； 、 待求；同时要求 估计量的均方误差最小，即 最小。我们把满足上述两个要求的估计量 ，称为线性 最小均方误差估计量 ，记为 。 若被估计量是 维矢量 ，观测方程为 其中， 是 维观测矢量； 是 观测矩阵；n 是 维 观测噪声矢量。线 性 最小均方误差估计要求：估计矢量 是观测矢量 的线 性 函数，即 其中，矢量 是待求的 维矢量，矩阵 是待求的 矩阵；同时要求均方误差最小，即 最小。我们把同时满足上述两个要求的估计称为线性最小 均方误差估计，估计矢量记为 。 下面我们从矢量的线性最小均方误差估计开始讨论，最 后讨论单参量情况。 4.7.2 线性最小均方误差估计矢量的构造 先验知识: 已知 和 的前二阶矩知识,包括 如果把满足线性和均方误差最小两个要求的 和 分 别记为 和 ，则 现说明怎样求 、 ，最终得 。 (4.7.5)式代入(4.7.6)式; 分别对 和 求偏导,令结果等于零; 联立解这两个方程,求得a1和B1 将a1和B1代入(4.7.7)式,得 4.7.3 线性最小均方误差估计量的性质 性质1 是 的线性函数(又是最佳估计)。 性质2 是无偏估计量，即 性质3 的均方误差最小，均方误差阵也具有最小 性。 性质4 估计的误差矢量与观测矢量