信号检测与估计理论(5)第五章 一般最小方差无偏估计
更新时间:2023-08-31 13:38:01 阅读量: 教育文库 文档下载
信号检测与估计理论
教师: 王 菊
北京理工大学信息科学技术学院
在计算CRLB时有时可以得到有效估计,因此也是MVU估计。线性模型是这个方法的典型应用。然而,如果有效估计不存在,我们仍然希望找到MVU估计。
这时,为达到这个目的,可利用充分统计量和Rao-Blackwell-Lehmann-Scheffel定理。
依据这个定理,通过简单观测PDF,有可能确定MVU估计。
信号检测与估计理论
5.1 充分统计量
在估计WGN中的直流量问题中,我们知道样本均值
=1A
N
∑x(n)是A的MVU估计,且有最小方差σ
n=0
N 1
2
N。另外A=x(0)
也是A的无偏估计,其方差(σ2)比最小方差大得多。 性能变差是由于丢掉了数据点{x[1],x[2],",x[N 1]},而这些数据点携带了A的信息。那么就有这样一个问题提出:哪些数据样本与估计问题有关?或者说是否存在一个数据集是充分的?
时所用的数据集合: 计算A
S1={x[0],x[1],",x[N 1]}
N 1 S2={x[0]+x[1],x[2],x[3],",x[N 1]} S3= ∑x(n)
n=0
这3个数据集合是充分的。显然,在这个问题中有很多充分的数据集合。包含最少元素数目的数据集合称为最小数据集合。
如果将这些集合的元素作为统计量,我们说S1的N个统计量是充分的,以及S2的(N 1)个统计量和S3的单个统计量是充分的。其中∑
N 1n=0
x[n]
是最小充分统计量。
信号检测与估计理论
对于A的估计,一旦知道∑n=0x[n],则不再需要知道其它的数据,由于所有的信息都已经包含在充分统计量中。
也就是说,如果T(x)是充分统计量,在得到T(x)后的观测值的条件PDF与估计参量无关。根据这个定义寻找充分统计量是相当困难的,但可借助Neyman-Fishery因式分解定理达到这个目的。
N 1
5.2 寻找充分统计量
定理5-1 (Neyman-Fishery因式分解)如果PDFp(x;θ)能够分解为
p(x;θ)=g(T(x),θ)h(x) (5-1)
其中g是仅通过T(x)依赖于x的函数,h仅是x的函数,那么,T(x)就是θ的充分统计量。反之,如果T(x)是θ的充分统计量,那么,这个PDF可分解为式(5-1)。
应该指出,有时,是否PDF能够分解成所需要的形式是不明显的,如果是这种情况,可能充分统计量不存在。
信号检测与估计理论
例
5-1 WGN中的直流分量
利用定理5-1讨论WGN中的直流量估计的充分统计量问题。这里观测数据的PDF为
p(x;A)=
1
(2πσ2
N2
1exp 2
2σ2 (x[n]A)∑ (5-2)
n 0
N 1
式中σ2假设已知。为了证明因式分解存在,即
p(x;θ)=g(T(x),θ)h(x)。观察PDF的指数部分,可写成下式
2
(x
[n] A)=x[n] 2Ax[n]+NA ∑∑∑
2
2
n 0
n 0
n=0
N 1
N 1
N 1
因此PDF可分解为
N 1
1 2 1N 12 expp(x;A)= 2∑x[n] 2 NA 2A∑x[n] exp N
2σ 2σn=022n=0 2πσ h(x)
1
()
g(T(x),A)
T'(x)=2∑n=0x[n]也是A显然T(x)=∑n=0x[n]是A的充分统计量。注意,
N 1N 1
的充分统计量,事实上,任何∑n=0x[n]的一对一函数都是一个充分统计量。因此,充分统计量只有在一对一变换内才存在。
N 1
信号检测与估计理论
例5-2 WGN的功率
仍然考虑式(5-2)的PDF,
p(x;A)=
1
(2πσ2
N
2
1exp 2
2σ2 (x[n]A)∑
n 0
N 1
假设A=0,σ2为未知参量。因此
1
p(x,σ)=exp 22
2 2σ
2
1
gT h(x)
N 1
显然,根据定理5-1,T(x)=∑n=0x2[n]是σ2的充分统计量。
2
x[n]∑ ×1 n=0N
1
5.3 利用充分性找出MVU估计
假设我们已经找到了θ的一个充分统计量T(x),如何根据T(x)确定MVU估计呢?
根据前面介绍,如果一个估计量是有效的,根据CRLB定理,显然它是MVU估计。而当一个有效估计不存在时,CRLB方法不再有效,这时可根据RBLS (Rao-Blackwell-Lehmann-Scheffel)定理求出MVU估计。在给出定理之前,举例说明该方法。
信号检测与估计理论
例5-3 WGN中的直流分量
=是MVU估计(因为它继续例5-1的问题。尽管已经知道A
是有效的),但我们这里利用RBLS定理求出MVU估计。 可通过两种不同方法找到MVU估计,这两种方法都是基于充分统计量T
(x)=
∑
N 1n=0
x[n]:
1. 找出任意一个
A
的无偏估计,如
A=x[0]
,然后确定
=E(AT),这个数学期望是关于p(A)的数学期望。 A
=g(T)是A的一个无偏估计。
2. 找出一个函数g,使A
先来看第一种方法,取无偏估计
=E(x[0]N 1x[n])。这里要用到条件高斯A∑n=0
A=x[0]
,然后求出
PDF的性质,对于高斯
随机矢量[xy]T,其均值矢量和协方差分别为
Tvar(x)cov(x,y)
μ=[E(x)E(y)] C= cov(y,x)var(y)
条件期望为
E(xy)=E(x)+
cov(x,y)
(y E(y)) (5-5)
var(y)
信号检测与估计理论
利用这个结果,令x=x[0]和y=∑n=0x[n],并注意到
x[0] x[0]
x = N 1 = 100"0 x[1] # 111"1 ∑x[n] y
x[N 1] n=0
N 1
L
因此,[xy]T的PDF服从N(μ,C),[xy]T是高斯矢量的线性变换,
μ=LE(x)=LA1= A NA
C=σ2LLT=σ2 11 1N
将上述结果带入式(5-5)得
σ2 N 1 1 A=E(xy)=A+x[n]NA∑ =NNσ2 n=0
∑x[n]
n=0
N 1
这就是MVU估计。这种方法需要计算条件期望,计算难处理。
N 1
=Agx[n] 是A的一再看第二种方法,即找一个函数g使∑ n=0
个无偏估计。
N 1
靠观察可知g(x)=xN(注意到∑n=0x[n]的期望等于NA),即
=1AN
∑x[n]是MVU估计。显然第二种方法更容易,因此在实际
n=0
N 1
中一般使用这种方法。现在我们给出RBLS定理。
信号检测与估计理论
定理5-2 (Rao-Blackwell-Lehmann-Scheffel)如果θ是θ的一个
无偏估计,T(x)是θ的一个充分统计量,那么θ=Eθ(x)
()则有:
1. θ 确实是θ的一个估计(即仅是x的函数,与θ无关)。 2. θ 是无偏的。 3.
θ的方差小于或等于θ的方差,对所有θ成立。
另外,如果这个充分统计量是完全的,那么θ 是MVU估计。
在前面的例子中我们看到,E(x[0]∑n=0x[n])=与A无关,是一个真正的估计,且是无偏估计,其方差比x[
0]的方差小。
N 1
充分统计量∑n=0x[n]是完全的(见例5-4),所以,不存其它的更小方差的估计。完全的是指仅有一个统计量的函数是无偏的。
现在我们讨论关于θ=EθT(x)是MVU估计问题。图5-1中
N 1
()
给出了θ所有可能的无偏估计,通过E(θT(x)) 可以减小估计的方差,且仍然保持在无偏估计区域内,由于 所以E(θT(x))仅是T(x)的单一函数。
θ=EθT(x)=∫θpθ(x)dθ=g(T(x)) (5-6)
()()
信号检测与估计理论
图5-1 关于MVU估计的RBLS的讨论
如果T(x)是完全的,也就是只存在一个无偏的T的函数,因此
是唯一的,即θ 与从图中区域选择的θ无关,换句话说,每一个θ
θ都映射同一个θ。又θ的方差比图中任何一个θ的方差小。所以
可以肯定θ 是MVU估计。
综上,如果T(x)是完全的,可根据式(5-6),找出MVU估计,
显然有2种方法,一种是直接计算E(θ(x)),另一种是找出唯一的无偏函数g。
充分统计量的完全性取决x的PDF,x的PDF又决定着充分统计量的PDF。确认一个充分统计量是完全的,一般是相当困难的。幸运的是,在很多实际情况下,充分统计量都能满足完全性。特别是PDF的指数系列(如高斯、瑞利、指数等分布),这个条件都能满足。下面的两个例子可帮助理解完全性的概念。
信号检测与估计理论
例5-4 一个充分统计量的完全性
N 1
现在我们来证明,对于A的估计,充分统计量T=∑n=0x[n]是完
N 1
全的。充分统计量∑n=0x[n]是完全的,是说仅存在一个函数g使
Eg
[(∑
x[n]=A。现假设存在另一个函数h,也使Eh∑n=0x[n]=A,n=0
N 1
)][(
N 1
)]
那么则有
对所有的A
由于T~N(NA,Nσ2),上式也可写成(根据函数的数学期望)
E[g(T) h(T)]=A A=0 1
∫
∞
∞
v(T)
1 2 exp (T NA)dT=0 2 2
2Nσ 2πNσ
对所有的A
其中v(t)=g(T) h(T),令τ=T和v
'(τ)=v(Nτ)得
∫
∞
∞
v'(τ)
N2 exp (A τ)dτ=0 2 2
2σ 2πNσ
N
对所有的A
上式是v'(τ)和高斯脉冲w(τ)的卷积,看图5-2。为了对所有的A卷
积为零,v'(τ)必须为零(图中看出若v'(τ)不为零,对于A1积分等于零,对于A2则不等于零)。即g=h,或者说g是唯一的。
图5-2 充分统计量是完全的条件
信号检测与估计理论
例5-5 不完全充分统计量 估计A的观测值如下
x[0]=A+w[0]
11
其中w[0]~u , 均匀分布,充分统计量T
22
=x[0],是唯一可用数
据,另外x[0]也是A的无偏估计。可以推断g(x[0])=x[0]是MVU估计的一个可行候选。但是否是真正的MVU估计仍需要确认是否是完全的充分统计量。同例5-4一样,我们假设存在另一个无偏的函数h(x[0])=A,然后证明h=g。令v(T)=g(T) h(T),由于g和h都是无偏的,所以v应满足等式
∫
∞
∞
v(T)p(T;A)dT=0 对所有A
又由于
1
p(T;A)=
0
A
11
≤T≤A 22 其它
故
∫
121A 2A+
v(T)dT=0 对所有A
选择v(T)=sin2πT就可以满足上式,从图5-3也可以看出。因此
v(T)=g(T) h(T)=sin2πT
或
h(T)=T sin2πT=x[0] sin2πx[0]
也是基于充分统计量的估计,且是无偏估计。
信号检测与估计理论
图5-3 充分统计量的完全条件(不满足)
也就是说至少存在两个关于充分统计量的函数,它们都是无
偏的。所以这个充分统计量不是完全的。根据RBLS定理,不能
=x[0]是MVU估计。 断定A
现在我们来总结充分统计量是完全的条件: 当且仅当v(T)=0(对所有T值),下式成立
∫
∞
∞
v(T)p(T;A)dT=0 对所有A (5-8)
则充分统计量T是完全的。(注意这里“对所有T”不是指其它统计量,而是指当前T的可能值)。
信号检测与估计理论
图5-4 寻找MVU估计流程图
1. 根据Neyman-Fisher因式分解定理,找出θ的充分统计量T(x)。 2. 确定充分统计量是否是完全的(见式(5-8)),如果是继续下一步,否则,此方法不能用。
3. 找出充分统计量的一个函数g,使θ =g(T(x))是无偏的,那么MVU估计就是θ 。 第3步也可用下述方法:
'
3. 计算θ=E(θT(x)),其中θ是任意一个无偏估计(通常求条件期
望是很繁琐的)。
正在阅读:
信号检测与估计理论(5)第五章 一般最小方差无偏估计08-31
化学工艺学复习题及答案07-22
严格的父爱作文400字07-09
七年级语文第一单元测试题04-23
操作系统英文样题05-02
入党誓词及相关资料09-08
续写小骆驼遇到小红马500字06-20
垃圾分类环保手抄报02-12
大雁归来,教学设计12-05
- exercise2
- 铅锌矿详查地质设计 - 图文
- 厨余垃圾、餐厨垃圾堆肥系统设计方案
- 陈明珠开题报告
- 化工原理精选例题
- 政府形象宣传册营销案例
- 小学一至三年级语文阅读专项练习题
- 2014.民诉 期末考试 复习题
- 巅峰智业 - 做好顶层设计对建设城市的重要意义
- (三起)冀教版三年级英语上册Unit4 Lesson24练习题及答案
- 2017年实心轮胎现状及发展趋势分析(目录)
- 基于GIS的农用地定级技术研究定稿
- 2017-2022年中国医疗保健市场调查与市场前景预测报告(目录) - 图文
- 作业
- OFDM技术仿真(MATLAB代码) - 图文
- Android工程师笔试题及答案
- 生命密码联合密码
- 空间地上权若干法律问题探究
- 江苏学业水平测试《机械基础》模拟试题
- 选课走班实施方案
- 无偏
- 估计
- 方差
- 最小
- 信号
- 检测
- 一般
- 理论
- 2013小升初综合知识模拟题汇总
- 浙江省2013版政治会考标准解读
- 人教版三年级数学口算乘法的教学设计
- 2015年浙江省杭州二中高三年级仿真考理科综合试题卷及参考答案
- 武汉理工机械原理课程设计牛头刨床1‘ 6 9
- 雨棚钢结构施工方案
- 小学生读书小报手抄报word模板
- 设备安全标识
- 车间安全培训制度
- 基于51单片机的无线智能交通灯控制系统
- 神经性皮炎的治疗方法是什么
- 食品加工工艺基础教学大纲
- 唐朝书法艺术
- 沥青砼路面AC-20试验路总结报告.--1doc.doc8
- 二次函数与相似测试卷五(含答案)
- 2017-2018学年外研版七年级上册英语期中测试卷及答案
- 山中访友-说课稿
- 三种改进的LMS算法应用于宽带CDMA中的窄带干扰抑制
- 山东省诸城市树一中学2014届九年级政治下学期期中试题(扫描版)
- 委托开立国际信用证合作协议1