西安工业信号检测与估计SDE11ch8最小二乘估计a.pptVIP

05-02-29 SDE_10 最小二乘估计 LSE Ch8 最小二乘估计Chapter 8 Least-Squares Estimation (LSE) 雷斌 gropemind@163.com 引言 8.3 最小二乘估计方法：模型假设 在确定一个好的估计量时，我们的注意力集中在求出一个MVU且具有最小方差的估计量。 以方差作为性能的好坏量度。 Least-Squares Criterion Ex. 8.1 8.2 8.3 8.3 最小二乘估计方法 最小二乘估计（least squares，LS， LSE）选择那个使S[n]最靠近观测数据x[n]的值。靠近度由LS误差指标来度量 8.4 线性最小二乘估计Linear Least-Squares 对于标量参数应用线性LS方法时，我们假设 其中h[n]是一个已知序列。LS误差指标变为 已证明通过最小值可求得LSE为 8.4 线性最小二乘估计Linear Least-Squares 最小LS误差为 8.4 最小二乘估计 最小LS误差总是位于这两个极端之间，即 8.4 最小二乘估计：加权LSE Weighted LS Criterion 线性LS问题的一种扩展形式是加权LS。 示例：标量估计的加权平均 Review：线性模型中的非平稳噪声 噪声与权值： 噪声是已知的，能够建立或近似建立一