- 1、本文档共17页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
最优估计与滤波Matlab程序文档
1. 分析传统的最小二乘估计、最小方差估计、线性最小方差估计、极大似然估
计和极大验后估计五种估计方法的特点,它们主要适用何种特性的对象?它
们在怎样的条件下可以互相转化?
(1)最小二乘估计:
特点:①将残差平方最小作为最优估计准则的。②无偏性。③线性估计,
1
ˆ ˆ ˆ
即X (Z ) 或X (Z ) 是观测 的线性函数④var{X } var{X }
Z
LS LSW LS LSR
1 1
ˆ
⑤当W R 时,X LSR (Z ) 具有最小方差;
适用的对象:要求线性观测,即 Z HX V ,但不要求知道任何统计知
识。
(2)最小方差估计
特点:①以估计误差的方差阵达到最小作为估计的准则。②具有无偏性。
适用的对象:能够得到被估值x和观测值z的条件概率分布密度P(x | z ) 或
P(z ) ,以及它们的联合概率分布密度P(x, z ) 。
(3)线性最小方差估计
特点:①限定所求的估计量是观测值的线性函数,以估计误差阵达到最
小作为最优估计的准则。②具有无偏性。
适用的对象:能够得到观测值和被估计值的一,二阶距,即E [x ] ,E [z ] ,
var(x) ,var(z) ,cov(x, z ) 。
(4)极大似然估计
特点:①使条件概率分布密度P(z | x) 达到极大的那个x值作为估值。②渐
近无偏性。
适用的对象:能够得到条件概率分布密度P(z | x) 。
(5)极大验后估计
特点:①使条件概率分布密度P(z | x) 达到极大的那个x值作为估值。②估
计是无偏的。③估计是线性的。
适用的对象:能够得到概率分布密度P(z | x) 。
它们互相转换:
① 如果对x没有任何验前知识,我们把x的验前概率函数f (x ) 看做是协方
差无穷大的正态分布,则x 的极大似然估计与x 的极大验后估计相同。
② 如果随机变量满足正态分布,最小方差估计和线性最小方差估计相同。
1 f (x )
③ 如果x、v 服从高斯分布,x 与v 不相关,且W R , 看做是协方差
无穷大,则极大验后估计和最小二乘估计相同。
1
④ 如果x、v 服从高斯分布,x 与v 不相关,且W R ,则最大似然估计和
最小二乘估计相同。
1 f (x )
⑤ 如果x、v 服从高斯分布,x 与v 不相关,且W R , 看做是协方差
无穷大,则线性最小方差估计和最小二乘估计相同。
2. 论述题:通过查阅资料和文献和结合自己研究方向,对当今最优估计以及智
能滤波以及现代滤波技术领域的新技术和发展方向作介绍。
不同
文档评论(0)