醫(yī)學(xué)信號(hào)處理參數(shù)估計(jì)_第1頁(yè)
醫(yī)學(xué)信號(hào)處理參數(shù)估計(jì)_第2頁(yè)
醫(yī)學(xué)信號(hào)處理參數(shù)估計(jì)_第3頁(yè)
醫(yī)學(xué)信號(hào)處理參數(shù)估計(jì)_第4頁(yè)
醫(yī)學(xué)信號(hào)處理參數(shù)估計(jì)_第5頁(yè)
已閱讀5頁(yè),還剩30頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

第五章信號(hào)的參數(shù)估計(jì)定義:信號(hào)估計(jì)(Estimations)——在受噪聲干擾的觀測(cè)中信號(hào)參量和波形的確定問(wèn)題。根據(jù)受到噪聲污染的觀測(cè)數(shù)據(jù)來(lái)估計(jì)隨機(jī)變量或隨機(jī)過(guò)程的運(yùn)算。參量估計(jì)的目的:在有限個(gè)信號(hào)觀測(cè)樣值中,以最佳方式估計(jì)信號(hào)的參數(shù)。參數(shù)估計(jì)-被估計(jì)的量是隨機(jī)變量(靜態(tài)估計(jì))波形估計(jì)-被估計(jì)的量是隨機(jī)過(guò)程(動(dòng)態(tài)估計(jì))

1設(shè)x=x1,x2,...,xN為隨機(jī)變量s的獨(dú)立同分布的N個(gè)觀測(cè)樣值,而f(x1,x2,...,xN)是用來(lái)估計(jì)參量a的觀測(cè)樣值函數(shù)(統(tǒng)計(jì)量),稱(chēng):=f(x1,x2,...,xN)

(3-1)為參量a的估計(jì)量。的均值即為

E[]=E[

f(x1,x2,...,xN)

。數(shù)學(xué)描述:2非線(xiàn)性估計(jì)——已知待估參數(shù)的先驗(yàn)概率和條件先驗(yàn)概率,依據(jù)某些最優(yōu)判據(jù),通過(guò)非線(xiàn)性數(shù)理統(tǒng)計(jì)算法估計(jì)參數(shù);隨機(jī)參量-其特性用概率密度來(lái)表征-貝葉斯估計(jì)非隨機(jī)參量-僅為一般的未知量-最大似然估計(jì)線(xiàn)性估計(jì)——在估計(jì)參數(shù)a為觀察值x的線(xiàn)性函數(shù),在最小均方誤差意義下進(jìn)行估計(jì)。參數(shù)估計(jì)方法:3§5-1、估計(jì)準(zhǔn)則估計(jì)偏差估計(jì)方差估計(jì)值的均方誤差有效估計(jì)一致估計(jì)4§5-2、貝葉斯估計(jì)5(c)均勻代價(jià)函數(shù)

6情況(a)平方誤差情況下,風(fēng)險(xiǎn)函數(shù)最小的估計(jì)量稱(chēng)為最小均方估值(minimummeansquareestimation)其風(fēng)險(xiǎn)函數(shù)為:

由于則風(fēng)險(xiǎn)函數(shù)為:∵p(x)≥0故MS最小即等效為上式括號(hào)[]內(nèi)項(xiàng)最小

7由于故

此最小均方估值,表示已知x時(shí),的條件均值。

8情況(b)絕對(duì)值誤差情況下,風(fēng)險(xiǎn)函數(shù)為:上式括號(hào)[]內(nèi)項(xiàng)為:故RMS最小即等效為上式括號(hào)[]內(nèi)項(xiàng)最小。于是,可令上式對(duì)的導(dǎo)數(shù)為零,則有:ABS估計(jì)應(yīng)取在后驗(yàn)概率密度函數(shù)面積的平分線(xiàn)上。9情況(c)均勻估計(jì)代價(jià)函數(shù)[]號(hào)中的后面一項(xiàng)為:當(dāng)此式最大,即p(s|x)最大時(shí),Runf最小。此時(shí)稱(chēng)為最大后驗(yàn)估值(MaximumaPosteriori);

10最后,將三種情況估計(jì)式中后驗(yàn)概率密度函數(shù)借助于貝葉斯公式用先驗(yàn)概率代替得到:ABS估計(jì)為MAP估計(jì)為MS估計(jì)為11§5-3、極大似然估計(jì)(MaximumLikelihoodEstimation--MLE)此式為必要條件,而不是充分條件。1213如果要估ABS、MAP、MS,還需要已知p(s)。1415§5-4、線(xiàn)性估計(jì)16171819202122遞歸線(xiàn)性最小均方估計(jì)觀察值:xj=s+nj,j=1,2,……先驗(yàn)統(tǒng)計(jì)信息:用遞歸線(xiàn)性最小均方估計(jì)算法估計(jì)判據(jù)為使均方誤差最?。?3基于已經(jīng)證明的公式:得到的遞歸估計(jì)算法流程見(jiàn)第84頁(yè)。24遞歸線(xiàn)性最小均方估計(jì)算法當(dāng)k很大時(shí),遞歸過(guò)程最終收斂。25§5-5、最小二乘估計(jì)26最小二乘法的估計(jì)準(zhǔn)則就是選s的估計(jì)值,使得各次測(cè)量的誤差平方和最小,即:測(cè)線(xiàn)性測(cè)量方法得到的理論值,

由測(cè)量方法決定的系數(shù);

各次測(cè)量的誤差上式對(duì)ε求導(dǎo),得到:也就是:27以上結(jié)論可推廣到待估計(jì)量s為多維矢量的情況。以上SLS為m維待估矢量,C為n×m維已知系數(shù)矩陣,X為n維觀察矢量。28得:29貝葉斯估計(jì):三種估計(jì)ABS估計(jì)為MAP估計(jì)為MS估計(jì)為30極大似然估計(jì)此式為必要條件,而不是充分條件。31線(xiàn)性均方估計(jì)3233最小二乘法的估計(jì)準(zhǔn)則就是選s的估計(jì)值,使得各次測(cè)量的誤差平方和最小,即:測(cè)線(xiàn)性測(cè)量方法得到的理論值,

由測(cè)量方法決定的系數(shù);

各次測(cè)量的誤差上式對(duì)ε求導(dǎo),得到最小二乘估計(jì)估計(jì)量s為多維矢量的情況:以上SLS為m維待估矢量,C為n×m維已知系數(shù)矩陣,X為n維觀察矢量。即:34典型例題:例5.2觀察信號(hào)由隨機(jī)信號(hào)加高斯噪聲。例5.3觀察信號(hào)由均勻分布

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論