一. 估计的评价准则
假设a是一个广义平稳随机信号x(n)的一个特征量,代表a的一个估计量。估计的偏差可以反应估计量与真值的接近程度,定义如下:
直观上,B越小,对a的估计就越好。理论上当样本数N趋于无穷大时,会形成逐渐无偏估计,如下:
估计的方差可以表示各次估计值相对估计均值的分散程度。估计的方差定义如下:
估计的均方误差可以综合反映估计的特性,定义如下:
如果均方误差满足如下条件,则称其为一致估计,如下:
- 样本数
二. 一致估计
给定一致估计,证明偏差和方差都趋于零。
给定均方误差化简如下:
由条件可得:
所以可得:
最终可得偏差和方差均为0
利用代表某算法的估计值,其他算法的估计值表示如下:
如果以下不等式恒成立:
则称该估计为有效估计。
三. 估计均值
利用N代表观察次数,则平稳信号序列x(n)的观察样本如下:
由此可计算均值的估计:
3.1 偏差
首先可得:
由此可计算偏差:
所以此方式是一种无偏估计。
3.2 方差
根据定义可得:
(1)当和互不相关时,有:
代入原式子进行化简可得:
所以该估计的方差为:
可得如下极限:
所以该估计为无偏一致估计。
(2)当和相关时,有:
进一步化简可得:
当i和j相差m时,可得:
由于在N个数据中,相距m点的数据样本有N-m对,所以可得:
当信号数据存在相关性时,估计值的方差与协方差相关,不是一致估计,当然改变N值可以改善估计方差。
四. 估计方差
4.1 均值已知
当信号均值已知,方差估计可计算得:
证明此式子为无偏一致估计。
解:
(1)首先验证偏差:
(2)接着验证一致性:
所以,估计的方差计算为:
4.2 均值未知
当估计的均值未知时,用估值代替,方差可估计如下:
(1) 证明该偏差为有偏估计
(2)修改原式子,形成无偏估计
解:
(1)
很明显此为有偏估计。
(2)无偏估计的形式如下:
以下证明此式子为无偏估计:
显然可得:
对上式子两边求均值,可得:
所以B=0,此为无偏估计。
五. 估计自相关函数
5.1 无偏自相关函数估计
估计公式为:
首先可计算:
由此可计算偏差为:
所以此估计为无偏估计。
估计方差的计算较复杂,可以近似可得:
当N满足如下时,方差趋于0:
5.2 有偏自相关函数估计
估计公式如下:
首先可计算:
所以估计的偏差为:
接着可计算:
若x(n)是零均值的实高斯信号,估计的方差为:
显然可得如下极限:
所以对于固定的m,是的一致估计。
有偏自相关函数估计式求傅氏变换:
为了利用FFT计算线性卷积,可以将x(n)扩展到2N-1点的序列,如下:
令l=n+m,可得:
上式子中代表有限长信号的能量谱,除以N后代表功率谱。