[工學(xué)]張旭東離散隨機(jī)信號(hào)處理第2章估計(jì)理論-wenkub
2022-11-02 23:57:31 本頁面
【正文】 ???????????????102102))((1)(1???NnNnnxNnxNAxxθ?MLE漸近特性 ： 也就是說， MLE逼近于一個(gè)無偏的，最小方差可達(dá)的 MVU估計(jì)器 對(duì)于一般的 PDF, MLE可以通過迭代計(jì)算 EM算法 （ 期望最大算法 ） ? 設(shè)一個(gè)完備數(shù)據(jù)集 ? 存在完備數(shù)據(jù)集到觀測(cè)數(shù)據(jù)（不完備集）的映射 ? 以完備數(shù)據(jù)集的條件數(shù)學(xué)期望代替對(duì)數(shù)似然函數(shù) ? 為使積分進(jìn)行，待估計(jì)參數(shù)使用猜測(cè)值，構(gòu)成迭代 ? ?TMyyy , ?21?y)( yx g?? ?yxyyydpppEyyxy)。()。線性 Bayesian估計(jì)與高斯分布下的 Bayesian估計(jì) 是一致的，在高斯分布下，線性估計(jì)可達(dá)最優(yōu) 附注 ? 高斯分布在隨機(jī)信號(hào)處理中有特殊的地位，高斯分布時(shí)，線性估計(jì)是真正的最優(yōu)估計(jì)，因此，對(duì)于高斯分布，線性系統(tǒng)是適用的。 ? 下載地址：?CPBH=00826901amp。 ? 對(duì)于非高斯分布，真正的最優(yōu)系統(tǒng)是非線性系統(tǒng)，當(dāng)線性系統(tǒng)的簡(jiǎn)化實(shí)現(xiàn)不能滿足性能要求時(shí)，人們要回到貝葉斯估計(jì)的源頭，尋找對(duì)“ 后驗(yàn)期望 ” 或 “ 最大后驗(yàn)概率 ” 的更加精確的逼近實(shí)現(xiàn)。高斯情況 ))(()()|(? 1 xxθxθθ ECCEE xx ???? ??Baysian估計(jì)
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1