最佳线性无偏估计量(BLUE) |
您所在的位置:网站首页 › 简述高斯马尔可夫定理及其意义 › 最佳线性无偏估计量(BLUE) |
- 引言 这个问题提出的原因:MVU估计量即使存在可能也无法求出。比如:有些情况下,可能并不知道数据的PDF;或知道噪声的矩统计量。这些请况下,依赖于CRLB以及充分统计量就不可用,而且充分统计量的方法也无法保证得到的估计量是最佳的MVU估计量。 要得到最佳MVU估计量,就有必要取寻找准最佳MVU估计量。若准最佳MVU估计量的方差可确定,且满足当前估计问题的需求,那么可认定它可用;若不可用,则需要寻找另外的准最佳MVU估计量。 寻找准最佳MVUE的常用方法:限制估计量为数据的线性函数,并求无偏且具有最小方差的线性估计,这就是BLUE。
- BLUE定义 观测数据
但是,最佳BLUE定义了估计量的特征:无偏,最小方差,因此可用这些特性约束条件来求取产生BLUE的 目标函数: 约束条件: 无偏: 最小方差:
- 简化上述带约束的最优问题 1) 对方差进行矩阵简化表示过程 令 权重矢量 即 2) 对无偏过程: 为了满足无偏的约束,E(x[n]) 必须是与 s[n]已知,无偏约束条件变为 即 3) 最小化问题变为
- BLUE推导结果 最佳 a 为 BLUE 为 最小方差为 若数据具有线性模型 其中 H 是已知的 n×p 矩阵,θ 是 p×1 的待估参数矢量,w 是 n×1 的均值为0、协方差为 C 的噪声矢量(w分布可是任意的),那么 θ 的BLUE为
- 若观测值以及噪声矢量与其顺序统计量关系非常密切,建议使用 基于顺序统计量的BLUE(BLUE - OS),这样获取的参数估计精度更高。 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |