Lecture随机参量的Bayes估计.pptVIP

Lecture 13 随机参量的Bayes估计 基本概念 估计理论与第三、四章介绍的检测理论有很多相似的地方，有些分析方法是相同的。 检测理论的主要任务是从M个可能的信号假设中，判断哪个假设成立，检测系统结构、性能分析方法及最佳信号波形设计等问题。 估计理论，主要任务是在某种信号假设下，估算该信号中某个参数（比如幅度、相位、达到时间）的具体取值，该需要估计的参数一般是连续变量。 如果信号的某个参数取离散值，估计理论和检测理论的界限变得不明显。 模型 模型 估计性能 随机参量的贝叶斯估计 1. 掌握常用代价函数和贝叶斯估计的概念 代价函数和贝叶斯估计 平均代价 平均代价 最小均方误差估计 最小均方误差估计 最小均方误差估计 最大后验估计 最大后验估计 条件中值估计 条件中值估计 例1 研究在加性噪声中单随机参量 的估计问题。 解： 例2 研究在加性噪声中单随机参量 的估计问题。 解： Lecture 13 –随机参量的Bayes估计 TE3221023 信号检测与估值 2015年春季 * TE3221023 信号检测与估值 2015年春季 西电通院郑贱平 Available at: /jpzheng/teach.html 1. 通信系统中的估计问题 载波频率、相位、时延 信道衰落系数 信道噪声的均值和方差 2. 参量估计的数学模型和估计量的构造 估计规则 参量空间 观测空间 本章的核心问题之一就是研究上述函数的构造方法，评估所构造估计量的优劣。 需要接收端作出估计的参量集合 参量空间： 观测空间： 接收端收到的观测信号的集合 概率映射： 信源发送信号到接收端过程中，会有噪声的影响，观测信号中 包含被估计矢量的信息，所以观测信号是以被估计矢量为参 数的随机矢量，用 来描述。 估计规则： 利用被估计矢量的先验知识和观测信号的统计特性，根据指标 要求，构造观测矢量的函数来定义估计量。 3. 估计量性能的评估 估计量的均值 估计量的均方误差 2. 掌握最小均方误差估计 3. 掌握最大后验概率估计 4. 掌握条件中值估计 5. 理解最佳估计的不变性 误差平方代价函数 误差绝对值代价函数 均匀代价函数 贝叶斯估计：使平均代价最小的一种估计准则。 代价函数的基本特性：非负性和 时的最小性。 设被估计的单随机变量的先验概率密度函数为 平均代价C为 易知代价函数 在 给定，选定代价函数的条件下，使平均代价最小的估计称为贝叶斯估计。 由 是非负值， 因此使平均代价最小，就等价于使 最小。 条件平均代价 选定的代价函数为 使条件平均代价最小的一个必要条件是对上式中 求偏导 令偏导为零来求得最佳的估计量 求解方法 注： 1.最小均方误差估计的估计量实际是条件均值 2.最小均方误差估计的条件平均代价实际是条件方差 3.最小均方误差估计量的另一种形式 选定的代价函数为 使条件平均代价最小，应该使 取到最大值 当 很小时，为保证上式最大，应当选择估计量 ， 使它处于后验概率密度函数 最大值的位置。 根据上述分析，得到最大后验概率估计量为 两种等价形式 选定的代价函数为 使条件平均代价最小的一个必要条件是对上式中 求偏导 令偏导为零来求得最佳的估计量 求解方法 观测方程为 其中nk是均值为零，方差为 的独立同分布高斯随机噪声 被估计量 是均值为零，方差为 高斯随机变量 求 的贝叶斯估计量(最小均方误差、最大后验和条件中值) 根据最大后验估计准则，估计量为满足以下方程的解，即 最大后验估计 由题设，可知，给定 条件下，观测信号xk是均值为 ，方差为 的高斯 随机变量 所以最大后验估计量为满足以下方程的解 估计量的均方误差为 根据最小均方误差估计准则，估计量为 最小均方误差估计 由题设，可知，给定 条件下，观测信号xk是均值为 ，方差为 的高斯 随机变量 上述分布是高斯型的，其均值为 估计量的均方误差为 方差为 所以最小均方误差估计量为 条件中值估计 估计量的均方误差为 所以条件中值估计量为 由于 结论：如果被估计量的后验概率密度函数是高斯型的，在三种典型代价函数下， 使平均代价最小的估计量相同，都等于最小均方误差估计量，估