信号监测与处理第二章2.pptVIP

2.5 信号参量估计的基本原理 观测信号： ■最大似然法 设母体?的分布函数为p(x/?1, ?2 ,…, ?n)， ?i为待估参量 对于正态随机变量?有： 2.5.2 贝叶斯估计 输入矢量的分布密度为 ■风险函数 ■最小均方估计 ■例：噪声为零均值方差?2的高斯分布，测量的电平值?为可取任意值的随机量 。估计?。设?为零均值方差?2的高斯随机量 ■条件中位数估计 2.5.3 最大后验估计 2.5.4 最大似然估计 ■例 正态母体?具有方差?2，用n个独立观测子样估计?的均值a。 * 假定待估参量(?1, ?2 ,…, ?n )T 在观测时间[0,T]时不变。 2.5.1 经典估计方法 对随机变量?随机取样得子样?1, ?2 ,…, ?n，子样为相互独立的随机量，与母体?具有同样分布p(x)，(?1, ?2 ,…, ?n )T的n维联合分布密度为∏p(xi) 点估计方法：对具有分布函数p(x/?)的母体?，构造子样的函数（估计量） 使其在某种意义上最佳地接近真值。 ■矩法 利用子样确定的经验分布的各阶矩来估计母体的矩 例如：母体?数学期望的估计量 母体?方差的估计量 可以不知母体的分布规律。 相当于?1 = a, ?2 = ?。 子样(?1, ?2 ,…, ?n )在(d?1, d ?2 ,…, d ?n )内的概率为 选择似然函数最大的估计量 即 等效地，对数似然函数 ■例 正态母体?的参量的最大似然估计 似然函数 由 得 由 得 ?为待估参量，?为参量空间，信号s(t,?)仅取决于参量矢量? ,信号空间与参量空间重合。点估计的决策空间与参量空间重合。 在决策空间寻求对应于输入空间的一点： 已知先验概率密度p(?)和风险函数 ，则平均风险： 贝叶斯估计：选择估计矢量，使平均损失最小。 即使条件损失最小： 单参量估计，选择风险函数 条件风险： 贝叶斯估计满足： 最小均方误差估计量为后验分布均值。 平方代价的贝叶斯估计即为条件均值估计。 在风险函数为 的对称凹函数下条件均值估计也是贝叶斯估计 ?已知条件下，有 ?的后验概率密度为 其中： 与?无关。 可得 其中A为常数， 忽略常数项 使用最佳估计时，平均风险最小，为 由 ?最佳估计为： 其中 为直接取估计值 时的平均风险的c倍。 选择绝对误差风险函数 条件风险为 贝叶斯估计满足： 有 即 如果条件分布 p(? /x) 对称，条件中位数估计与条件均值估计相同。 未知风险函数，选择使后验概率p(? /x)最大的估计。 满足： 选择风险函数如图，令k=1，? 0 条件风险为： 当? 0，等效于选择使后验概率p(? /x)最大的估计。 风险函数和先验概率未知，寻求最大似然估计。 最大后验估计要求： 根据乘法定理： 最大后验估计要求 p(x)与?；如果?在很宽的范围内足够平坦或在一定范围内假设为均匀分布，则 最大后验估计等同为最大似然估计。 似然函数： 设已知的先验函数： 后验概率密度 其中： 按平方风险函数，贝叶斯估计（最小均方误差估计）等于后验分布的均值 *