贝叶斯估计课件.docVIP

PAGE PAGE 10 信号的参数估计一般指参数在观测时间内不随时间变化，故是静态估计。若被估计参量是随机过程或非随机的未知过称，则称为波形估计或状态估计，波形估计或状态估计是动态估计。 3.2贝叶斯估计 贝叶斯估计是基于后验概率分布（posterior distribution）的一类估计方法，其中后验概率分布中采用了先验信息（prior information）。所谓先验信息，是指已知待估计参数的概率密度函数，不管是随机变变量或是未知的固定常数。而后验概率分布具有下面的形式， 。 注意两点：1，不必满足标准化条件，即，但是必须是非负的，并且代表似真比（ratio of plausibility），若，则说明在和两个值之间我们更倾向于为真值； 2，实际上就是，是通过试验得到数据X以后的概率密度函数，仅当时有明确的含义。 下面讨论中，代表，代表。 类似于信号检测中的问题，贝叶斯估计在参数估计中对于不同的估计结果赋予了不同的代价值，然后求解平均代价最小的情况。 估计误差为，我们只关心估计误差的代价，于是代价函数，是估计误差的单变量函数。典型的代价函数有三种： ⑴ 平方型 ，它强调了大误差的影响 ⑵ 绝对值 ，给出了代价随估计误差成比例增长 ⑶ 均匀型 这种代价函数给出了估计误差绝对值大于某个值时，代价等于常数，而估计误差绝对值小于某个值时，代价等于零。 在