原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
西安工业信号检测与估计SDE_10ach7最大似然估计2分析
05-02-29 SDE_09 MLE Review: BLUE的想法及定义 PDF未知 已知，但推导很麻烦 用CRLB、线性模型和RBLS得不到MVU估计 6.5 扩展到矢量参数 定理6.1 高斯－马尔可夫定理 假设估计与样本间是线性关系（或可通过样本变换，使估计与样本间呈线性）即 X ＝ H θ ＋w 其中H 是已知的N Xp矩阵， θ是p X 1的待估参数矢量， w是N X 1的均值为0、协方差为C的噪声矢量（ w的PDF是任意的）； 那么θ的BLUE是 6.3 BLUE的定义 Definition of BLUE (scalar case) Ex. 噪声中的估计问题 用途示例：源定位 Ex. 6.3 假设有一个标称源位置可用 Assume some rough estimate is available Ch7 最大似然估计MLE2 Chapter 7 Maximum likelihood Estimation 雷斌 gropemind@163.com MLE: 问题的引出 Motivation for MLE Problem: MVUE often does not exist or can’t be found. BLUE may not be applicable if PDF is known, then MLE can be used。 Solution: If the PDF is known, then MLE can always be used!!! One of most popular practical methods. 通用的工程方法 Advantages: 1. “turn-the-crank” method to find it.”转动摇把”总能得到结果 2. Optional for enough data size. 当观测数据足够多时，其性能最优。 Disadvantages: Not optimal for small data size.小数据量时性能差 Can be computationally complex 计算复杂 may require numerical “search” methods.用到搜索方法 MLE基本原理 Rationale for MLE Choose the parameter value that: 选择待估参数 makes the data you did observe…使得所观测数据 the most likely data to have been observed!!! 与 那个参数所决定的分布间是最相似的。 General Procedure 7.3 An Example A simple example for which NO way to find MVUE Can find an estimator MVUE for large N Ex. 7.3 WSN中的DC电平－修正 con. PDF： Ex. 7.2 WSN中的DC电平－－修正con. Propose Estimator: 7.5 MLE的性质 Properties of MLE The MLE is asymptotically 渐近 1 unbiased 无偏的 2 efficient 有效的 3 Gaussian PDF 服从高斯分布的 Also, if a truly efficient estimator exist, then the ML procedure finds it! 7.5 MLE的性质 Properties of MLE The MLE is asymptotically 渐近 1 unbiased 无偏的 2 efficient 有效的 3 Gaussian PDF 服从高斯分布的 一般而言，如果真的有一个有效估计方法存在，MLE一定能够找到它！ Also, if a truly efficient estimator exist, then the ML procedure finds it! Thn 7.1 MLE的渐近特性 如果数据X的PDF p(X; θ)满足某些正则条件，那么对于足够多的数据记录，未知参数θ 的MLE渐近服从 Size of N to Achieve Asymptotic 蒙特卡洛仿真 Monte Carlo Simulation 蒙特卡洛仿真 Monte Carlo Simulation con. Statistical Evaluation统计计算: 1. Compute bias 计算偏差 2
文档评论（0）