北大随机过程课件：第_6_章_第_1_讲_最小均方误差线性估计北大随机过程课件：第_6_章_第_1_讲_最小均方误差线性估计.pdf

估值概述 1．估值的意义 随机变量的分布函数完全确定了它的统计特性，但是，基于这种统计特性的描述， 我们依然无法预测某一次试验的观察结果确定地是什么。 如果想用某一个确定的值去作为观察结果的估计值，可以利用概率分布函数去选择 一个合理的值。 数学期望：统计平均值，无条件估值，统计误差为方差 估值：利用已有的观测量的信息，估计估计量的取值，减小关于估计量的不确定性。 2 ．估值的应用 最基本的问题是利用对一个随机变量的观测对另一个随机变量进行估计 根据当前取值来预测下一个时刻取值的预测编码； 根据接收的信号序列来估计发送序列某个时刻发送值的均衡问题； 根据信号和噪声之和的序列来估计信号的噪声抑制问题； 3．估值问题的研究内容与方法 估值研究的是统计意义上的估计问题。由于是对一个不确定量的估计，一定存在估 计误差，关键在于利用某种原则、方法选择估计值，使估计误差在某种意义下是最小的。 估值准则的选取：有实际意义，有用；并且是能够得到简单解的。 “估计的均方误差最小”的估计准则是应用最广的一种估计思想，简称MS 估计， 相应的估计误差简称 MMSE 。 “输出信噪比最大”是雷达系统中最佳接收的工作原理。 在一定的估计准则下，有不同的解决具体估值问题的方法： 非线性估值 线性估值 维纳滤波 匹配滤波 递归线性均方估值 其中一个重要的问题就是确定估值参数 估值的评估：分析估值误差 均方误差最小的最佳线性估计 估值问题 设 ξ和 η是两个随机矢量，两者存在联合分布，其中 η是观察矢量，通过 η对 ξ进 行估值，得到符合某种准则的最佳估值 ξ。 1 均方误差最小的估值问题 均方误差最小的估值问题 设 ξ和 η是两个随机矢量，两者存在联合分布，设 η是观察矢量，通过 η对 ξ进行 估值，求均方误差最小的估值ξ。 2 2 ⎧ ˆ ⎫ { }，其中K (k ,k ，……，k )τ E ξ ξ(η) η Y E ξ−K η Y ⎨ − / ⎬ min / 1 2 n ⎩ ⎭ 为任意矢量。 均方误差最小估值的解：均方估值和条件均值的关系 E {ξ−K 2 / η Y } { { } { } 2 } E ξ−E ξ/η +E ξ/η −K / η Y { { } 2 } E E ξ/η −K / η Y { { } { } } E ξ E ξ/η E ξ/η K η Y + [ − ] ⋅[ − ]/ { { } { } } +E [ξ−E ξ/η ] ⋅[E ξ/η −K]/ η Y { { }2 } +E ξ−E ξ/η / η Y { { } 2 } { { }2 } E E ξ/η −K / η Y +E ξ−E ξ/η / η Y 为了使均