第三章,估计理论_随机信号理课题.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 例2、设有N次独立观测zi=vi ，i=1,2,….N，其中vi~N(0,?2)，求?2 的最大似然估计。 例3、高斯白噪声中的直流电平估计-未知参数与未知方差。设有N次独立观测zi=A+vi ，i=1,2,….N，其中v~N(0,?2)，?2、A均为未知参数，求A和?2的最大似然估计。 ?=[A ?2]T 1、贝叶斯估计 在已知代价函数及先验概率基础上，使估计付出的平均代价最小。 设观测值为z，待估参量为?。 估计误差： 设代价函数： 贝叶斯估计准则： 条件平均代价 统计平均代价： 等价于使下式最小： 2、典型代价函数及贝叶斯估计 平方代价： 绝对值代价： 均匀代价： ? 最小均方估计(Minimal Square) 对 求导数，并使其等于零： 得： 即 ，也称为条件均值估计。 平方代价： ?条件中位数估计(Median) 对 求导数，并使其等于零，得： 可见，估计为条件概率密度 的中位数。 绝对值代价： ?最大后验概率估计(maximal posterior probability) 应当选择 ，使它处