5医学信号处理参数估计.ppt

第五章 信号的参数估计 例4、 估计性质分析。取M次独立观察，对非随机未知量s=A进行估计，已知 各ni为正态分布N(0, )。求极大似然估计 ，并分析估计是否为有效估计，估计方差有多大？ 所以，为无偏估计。 所以，为有效估计。估计的方差应等于克拉美-劳下限，即： §5－3、线性估计 ★ 前提：必需满足估计算法是观察值的线性函数。 引 例 §5.3.1 在贝叶斯估计中，平均代价公式采用误差平方作为代价函数，即 成为 现取单次观察x做估计，并限定估计算法为线性函数，即： 于是有： 估计任务就是：选a、b使得 最小。 上式分别对a、b求导并令导数等于0，得： 解方程，得： 如果待估计量均值为0，即E(s)=0，观察值的均值也为0，即E(x)=0，则有 线性均方估计 §5.3.2 记作： 。 x的自相关矩阵 待定系数矩阵 s、x的互相关矩阵 ※ 采用均方判据，导出线性方程组，求解简便。算法所需先验知识为：观察x的自相关函数、信号与观察值之间互相关函数； ※ 估计误差e和所有观察值xi正交，这是LMS估计的重要特性； ※ LMS的最小均方误差为： 正交条件下，估计的均方误差是估计误差和信号乘积的均值。 例5、 LMS估计。取M次独立观察，xj=s+nj, j=1~N。 噪声为白色，即E(ninj)= ，E(nj)=0，s为信号， E(s)=0,E(s2)= 信号和噪声相互独立，则 按照线性估计算法 进行LMS估计。 也就是求各系数hj和估计值 。 * 医学信号处理：参数估计 提出问题：信号估计（Estimations）——从受噪声干扰的观测信号中估计信号参量和波形的问题，即参数估计问题。 参量估计的目的：在有限个信号观测样值中，以最佳方式估计信号的参数。 参数估计－被估计的量是随机变量（静态估计） 波形估计－被估计的量是随机过程（动态估计） §5－1、概述 数理统计中由随机信号的一组样本估计信号的统计特征，如均值、方差、均方、相关函数、功率谱等，是一种简单而常见的参数估计。 在数理统计中，均值、均方和方差的估计是按照定义，用有限个样本采用直接估计法来估计。 这里的参数估计问题应为：从含有噪声的观察中估计信号的参数。 数学描述： 设观察x=x1,x2,...,xN为随机变量s的独立同分布的N个观测样值，x=s(a)+n，a为信号的参数，而f(x1,x2,...,xN)是用来估计参量a的观测样值函数（统计量），称： ＝f(x1,x2,...,xN) 为参量a的估计量。 的均值即为 E[ ]=E[ f(x1,x2,...,xN) 。 要求通过一定的估计算法，使得 为按某一判据的a的最优估计值，比如使得估计误差均方最小为最小均方误差估计。 §5.1.1 一、非线性估计——已知待估参数的先验概率p(a)和条件先验概率p(x|a)，依据某些最优判据，通过非线性数理统计算法估计参数； 随机参量－其特性用概率密度来表征－贝叶斯估计 非随机参量－仅为一般的未知量－最大似然估计 参数估计方法分为两类： 框图表示为： 估计算法 ∑ 判据 最优估计 x=s(a)+n a §5.1.2 非线性估计方法经典，计算复杂，估计质量较好，但是要求先验概率知识。 二、线性估计——在估计参数a为观察值x的线性函数，基于最小均方误差准则进行估计。 前提条件：估计 必须是观察值x的线性函数。 线性估计方法计算简便，只要求一、二阶统计知识，故先验知识要求低，估计质量较差，近年来发展较快。 估计准则 1、估计偏差 2、估计方差 3、估计值的均方误差 4、有效估计 5、一致估计 §5.1.3 有关定义： 估计准则： 无偏估计——如果待估计参数a和它的估计值 的均值 E( )相等，即E( )=a，就称为无偏估计，否则称为有偏估计。 估计偏差越小，则各次估计值的均值接近于真实值，但并不能保证每次估计值都接近于真实值，而且各次估计值可能分布很分散；而估计方差很小，表明估计值都接近于均值，即 分布很集中，但并不能保证均值E( )接近于真实值，也就是不能保证各个 集中分布于真实值a附近。 一致估计——根据以上分析，将估计偏差和方差结合起来的综合量表示估计质量的好坏，即估计值的均方误差。 如果随着样本数目的增加，估计的均方误差趋于0，即要求当N→+∞时，偏差和方差都趋于0，则称此估计为一致估计。 有效估计——由某一种估计