Оценивание – для алгоритмов обработки.
Измерение – более технический термин (применяется к структурным схемам).
Оценка – процедура, измеренная величина.
Пусть на интервале 0<t<T передаётся аддитивная смесь сигнала и помехи (шума): u(t) = s(t,{ai}) + n(t),где {ai} = {a1,a2,…,am} – вектор параметров сигнала. Пусть параметры a1,a2,…,am на отрезке t – не изменяются.
Параметры сигнала могут быть:
- Информационные (несёт ли сигнал полезную информацию: амплитуда, частота, фаза, время запаздывания, угол прихода)
- Неинформационные (не несёт полезную информацию)
Оценивание – процедура или алгоритм при обработке принятого сигнала u(t) с целью вынесения решения о значениях параметра сигнала.
Измеренная величина - - оценка параметра. Если у нас a(t), то процедура (оценивание) – фильтрация параметров сигнала. Если a- случайная величина с известным законом распределения, то можно использовать байесовский критерий: минимум среднего риска, то получим байесовские оценки. Вводятся стоимости ошибок или риски: при оценки – это непрерывные риски (функции). Которых существует большое разнообразие. Одна из самых распространённых: . При такой функции критерий минимума среднего риска эквивалентен критерию минимума среднеквадратической ошибки: . Обычно распределение ошибки неизвестно, да и параметр не всегда случайная величина. Если оценки – действительная случайная величина, то используется не байесовские методы, наиболее известным из которых является метод максимального правдоподобия. Данный метод оперирует с функцией правдоподобия. Функция правдоподобия – W[u(t),a], которая для различения сигнала u(t), рассматривается как функция параметра a. Из этого метода получаются оценки максимального правдоподобия. Оценка максимального правдоподобия - такая величина , при которой функция правдоподобия максимальна.
Удобно использовать натуральный логарифм так как в дальнейших преобразованиях будет экспонента. Уравнение правдоподобия запишется так:
Проблема неинформационных параметров. Два пути решения:
- Оценивать все параметры, а оценки неинформационных параметров отбрасывать.
- Усреднять функцию правдоподобия по неинформационным параметрам.
Оценка из-за погрешности измерения – случайная величина. -смещение оценки. -(среднее смещение) характеризует систематическую ошибку. Если =0 то оценка называется несмещенной, иначе оценка называется смещенной. Для называется несмещенной оценки матожидание оценки равно исходному параметру: . Оценка обычно зависит от количества отсчётов m по которым она определяется (). Оценка называется ассимптотически несмещенная если . Случайная погрешность характеризуется дисперсией оценки . Оценка эффективна, если её дисперсия меньше дисперсии любой другой оценки. Оценка ассимптотически эффективна, если её дисперсия минимальна при . Оценка состоятельна, если она сходится по вероятности к исходному значению параметра:
Если оценка – состоятельна, несмещенная и эффективная, то она оптимальна. Неравенство Рао-Крамера определяет нижнюю границу дисперсии несмещенной оценки (граница Рао-Крамера):
Вычислим с помощью функции правдоподобия. Меньше - ошибка быть не может. Если для несмещенной оценки , то оценка эффективна. Оценки максимального правдоподобия для большинства случаев ассимптотически оптимальны они состоятельные несмещенные или ассимптотически несмещенные и ассимптотически эффективны.
На фоне аддитивного нормального белого шума функция правдоподобия имеет вид:
(1)
- зависит только от u(t)
- корреляционный интеграл определяет
сходство u(t) и s(t,a)
- энергия сигнала
«Правдоподобия» для принятой реализации u(t) зависит от сходства этой реализации с сигналом s(t,a) и энергией сигнала для данного значения a.
Параметры бывают:
- Энергетические
- Неэнергетические
У вторых энергия сигнала от параметра не зависит E(a)=E, у первых такая зависимость есть. Если энергетический параметр сигнала равен нулю, то и сигнал равен нулю: a=0, то s(t,a)=0. пусть известен неэнергетический параметр - начальная фаза:
, где квадратурные составляющие
корреляционного интеграла
Энергия от начальной фазы не зависит , тогда функция правдоподобия будет иметь вид:
Если - параметр меняющийся, то нужно найти усреднение:
Правило максимального правдоподобия:
Если использовать формулу (1) достаточно взять показатель экспоненты, так как функция является монотонной от этого показателя. Тогда:
- правило справедливо для энергетических параметров. А для неэнергетических:
Необходимо вычислить интеграл и искать a, при котором она максимальна. Этот метод реализуется с помощью многоканальной схемы:
При любом a, максимум по j будет получаться при:
- для энергетических параметров
Для неэнергетических параметров:
Можно использовать ту же многоканальную схему. Получим тот же результат, если учесть, что I0(x)=ex .
Мы считаем, что неизвестна А . s(t1,A)=As1(t), где s1(t) - определяет форму сигнала.
- энергия сигнала
- оценка выходной величины коррелятора
Нам необходимо включить каскад, который будет опрашивать в момент t=T :
Для согласованного фильтра:
Найдём матожидание и дисперсию :
- оценка и шумовая добавка.
,так как
так как , то оценка несмещенная. Дисперсия равна:
- относительная погрешность.
При измерении начальной фазы :
Пусть известны А и :
- огибающая корреляционного интеграла.
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.