信号检测与估计2011-参数估计总结.ppt

BAYES LM LM－MMSE LM－MAPLMMSE 如何选择一个估计量估计量选择的决策过程 谢谢大家 杨文 电子信息学院 教学实验大楼十楼1008室 E-mail: yangwen@whu.edu.cn 参数估计总结 估计量总结 引言 经典估计方法 贝叶斯估计方法 线性模型 估计量的选择 引言 对于一个特定的应用，选择好的估计量与许多因素有关，最基本的考虑因素是选择一个好的数据模型，它的复杂性应该足以描述数据的基本特征，但是与此同时要简单得足以允许估计量是最佳的且易于实现。 对于信号处理问题，选择一个合适的估计量要从易于实现的最佳估计量开始，如果这种寻找没有效果，那么就应该考察准最佳估计量。 估计方法 在经典方法中，数据信息总结在概率密度函数p(x;θ)中，其中PDF是θ的函数。 在贝叶斯方法中，由于先验PDFp(θ)描述了有关θ的知识而增加了数据的信息。数据信息总结在联合PDF p(x,θ)中，或者等效地总结在条件PDF p(x|θ)(数据信息)和先验PDF p(θ)中（先验信息）中。 经典估计方法 CRLB CRLB 经典估计方法 经典估计方法 RBLS RBLS 经典估计方法 经典估计方法 BLUE BLUE 经典估计方法 经典估计方法 MLE MLE 经典估计方法 经典估计方法 LSE LSE 经典估计方法 经典估计方法 ME ME 经典估计方法 贝叶斯估计方法 MMSE MMSE 贝叶斯估计方法 贝叶斯估计方法 MAP MAP 贝叶斯估计方法 LMMSE LMMSE 贝叶斯估计方法 线性模型－经典方法 当可以应用线性模型来描述数据时，不同的估计方法可以产生闭合形式的估计量。通过假定线性模型，我们能够确定最佳估计量及其经典的和贝叶斯方法的性能。 线性模型 LM-CRLB LM-RBLS LM-BLUE LM-MLE LM-LSE 经典一般线性模型的性质 线性模型|贝叶斯方法 BAYES LM