I. Critérios de avaliação estimados
Suponha que a seja uma quantidade característica de um sinal aleatório estacionário generalizado x(n), representando um estimador de a. O desvio estimado pode refletir a proximidade do estimador com o valor real, que é definido da seguinte forma:
Intuitivamente, quanto menor for B, melhor será a estimativa de a. Em teoria, quando o número de amostras N tende ao infinito, uma estimativa gradativamente imparcial será formada, como segue:
A variância da estimativa pode indicar o grau de dispersão dos valores estimados em relação à média estimada. A variância estimada é definida da seguinte forma:
O erro quadrático médio estimado pode refletir de forma abrangente as características da estimativa, que é definida da seguinte forma:
Se o erro quadrático médio satisfizer as seguintes condições, é chamado de estimativa consistente, como segue:
- Número de amostras
2. Estimativas de consenso
Dadas estimativas consistentes, mostre que tanto o viés quanto a variância tendem a zero.
O erro quadrático médio fornecido é simplificado da seguinte forma:
Obtido pela condição:
Então você pode obter:
O viés e a variância finais disponíveis são ambos 0
Usando estimativas que representam um algoritmo, as estimativas para outros algoritmos são expressas da seguinte forma:
Se as seguintes desigualdades permanecerem constantes:
A estimativa é chamada de estimativa efetiva.
3. Média estimada
Usando N para representar o número de observações, as amostras de observação da sequência de sinal estacionária x(n) são as seguintes:
A partir disso, uma estimativa da média pode ser calculada:
3.1 Viés
Primeiro disponível:
A partir disso, o desvio pode ser calculado:
Portanto, este método é uma estimativa imparcial.
3.2 Variância
De acordo com a definição, pode-se obter:
(1) Quando e não estão correlacionados entre si, existem:
Substituindo a fórmula original por simplificação:
Portanto, a variância desta estimativa é:
O seguinte limite pode ser obtido:
Portanto, a estimativa é imparcial e consistente.
(2) Quando e são relevantes, existem:
Uma simplificação adicional pode ser obtida:
Quando a diferença entre i e j é m, podemos obter:
Como existem Nm pares de amostras de dados separados por m pontos nos N dados, pode-se obter:
Quando há correlação nos dados do sinal, a variância do valor estimado está relacionada à covariância, o que não é uma estimativa consistente.É claro que alterar o valor de N pode melhorar a variância estimada.
4. Variância estimada
4.1 A média é conhecida
Quando a média do sinal é conhecida, a estimativa da variância pode ser calculada como:
Prove que esta fórmula é uma estimativa consistente e imparcial.
desatar:
(1) Primeiro verifique o desvio:
(2) Em seguida, verifique a consistência:
Portanto, a variância estimada é calculada como:
4.2 Média desconhecida
Quando a média estimada é desconhecida, o valor estimado é utilizado e a variância pode ser estimada da seguinte forma:
(1) Prove que o desvio é uma estimativa tendenciosa
(2) Modifique a fórmula original para formar uma estimativa imparcial
desatar:
(1)
Obviamente esta é uma estimativa tendenciosa.
(2) A forma de estimativa imparcial é a seguinte:
O seguinte prova que esta fórmula é uma estimativa imparcial:
Obviamente disponível:
Tomando a média de ambos os lados da fórmula acima, podemos obter:
Então B=0, esta é uma estimativa imparcial.
5. Estimar função de autocorrelação
5.1 Estimativa Imparcial da Função de Autocorrelação
A fórmula de estimativa é:
Primeiro pode-se calcular:
A partir disso, o desvio pode ser calculado como:
Portanto, esta estimativa é uma estimativa imparcial.
O cálculo da variância estimada é mais complicado e pode ser aproximado da seguinte forma:
Quando N satisfaz o seguinte, a variância tende a 0:
5.2 Estimativa da função de autocorrelação parcial
A fórmula de estimativa é a seguinte:
Primeiro pode-se calcular:
Portanto, o viés estimado é:
Então pode ser calculado:
Se x(n) for um sinal gaussiano real com média zero, a variância estimada é:
Obviamente o seguinte limite pode ser obtido:
Portanto, para um m fixo, y é uma estimativa consistente de.
A fórmula de estimativa da função de autocorrelação parcial encontra a transformada de Fourier:
Para usar a FFT para calcular a convolução linear, x(n) pode ser estendido para uma sequência de 2N-1 pontos, como segue:
Seja l=n+m, pode obter:
A fórmula acima representa o espectro de energia do sinal finito e, após dividir por N, representa o espectro de potência.