信号参数与估计概要课件.pptxVIP

信号处理的根本任务是要提取有用的信息，有用信息是通过检测、估计的方法对信号进行处理后提取出来的，所以、检测、估计的信号处理方法是信号处理技术的理论基础，它的应用领域十分广泛。 声纳系统----利用声波信号确定船只的位置 图象处理----使用红外检测是否有飞机出现 图象分析----根据照相机的图象估计目标的位置和方向，用机器人抓目标时是必须的 生物医学----估计胎儿的心率 控制----估计汽艇的位置，以便采用正确的导航行为，如Loran系统 地震学----检测地下是否有油田，并根据油层和岩层的密度，根据声反射来估计油田的地下距离。所有这些问题都有一个共同的特点，那就是从含有噪声的数据集中去提取我们所需要的有用信息，这些有用信息可能是“目标出现与否”、“数字源发射的是0还是1”或者“目标的距离”、“目标的方位”，或”目标的速度”等，由于噪声固有的随机性，因此，有用信息的提取必须采用统计的方法，这些统计方法的基础就是检测理论与估计理论，就是本课程后续章节学习的内容。5.估计理论5.1 估计的基本概念 5.2 贝叶斯估计：已知代价函数及先验概率，使估计付出的平均代价最小5.3 最大似然估计：使似然函数最大5.4 估计量的性能5.5 线性最小均方估计：已知估计量的一、二阶矩,使均方误差最小的 线性估计5.6 最小二乘估计：观测与估计偏差的平方和最小5.7 波形估计5.1估计的基本概念估计问题通常是以下三种情况： 根据观测样本直接对观测样本的各类统计特性作出估计； 根据观测样本，对观测样本中的信号中的未知的待定参量作出估计，称为信号的参量估计问题，又分为点估计和区间估计； 根据观测样本对随时间变化的信号作出波形估计，又称为过程估计。5.1估计的基本概念信源s(?)P(?)观测空间z估计(?)混合估计规则nP(n)信号参量估计的统计推断模型5.1估计的基本概念估计问题基本要素估计准则概率传递机制5.2贝叶斯估计1、贝叶斯估计 在已知代价函数及先验概率基础上，使估计付出的平均代价最小。设观测值为z，待估参量为?。估计误差：设代价函数：贝叶斯估计准则：5.2贝叶斯估计统计平均代价：条件平均代价等价于使下式最小：绝对值代价：均匀代价：5.2贝叶斯估计2、典型代价函数及贝叶斯估计平方代价：5.2贝叶斯估计平方代价：? 最小均方估计(Minimal Square)对 求导数，并使其等于零：得：即 ，也称为条件均值估计。绝对值代价：5.2贝叶斯估计?条件中位数估计(Median)对 求导数，并使其等于零，得：可见，估计为条件概率密度 的中位数。均匀代价：5.2贝叶斯估计?最大后验概率估计(maximal posterior probability)应当选择 ，使它处在后验概率 的最大处。最大后验概率方程： 或5.2贝叶斯估计由关系式：两边取对数并对?求导，得最大后验概率方程的另一形式：5.2贝叶斯估计例1设观测为 ，其中被估计量A在[-A0,A0]上均匀分布,测量噪声v~N(0, )，求A的最大后验概率估计和最小均方估计。 5.2贝叶斯估计例2 高斯白噪声中的直流电平估计-高斯先验分布。设有N次独立观测zi=A+vi,i=1,2,….N，其中v~N(0, )，A~ ，求A的估计。 习题：7.3、7.65.3最大似然估计(Maximum Likelihood Estimate)1、最大似然估计由最大后验概率估计若先验概率密度函数 未知，则由左边第一项求解参量?，即最大似然估计，用 表示。最大似然方程为：5.3最大似然估计例1、高斯白噪声中的直流电平估计-未知参数。设有N次独立观测zi=A+vi ，i=1,2,….N，其中vi~N(0,?2)，A为未知参数，?2已知，求A的最大似然估计。 5.3最大似然估计例2、设有N次独立观测zi=vi ，i=1,2,….N，其中vi~N(0,?2)，求?2 的最大似然估计。 5.3最大似然估计例3、高斯白噪声中的直流电平估计-未知参数与未知方差。设有N次独立观测zi=A+vi ，i=1,2,….N，其中v~N(0,?2)，?2、A均为未知参数，求A和?2的最大似然估计。 ?=[A ?2]T 5.4估计量的性能1、估计量的性能标准? 无偏性 如果估计量的均值等于非随机参量或等于随机参量的均值，则称估计量具有无偏性。即满足：对于确定量，有：对于随机量，有：5.4估计量的性能? 有效性 对于无偏估计，如果估计的方差越小，表明估计量的取值越集中于真值附近，估计的