Главная страница Случайная страница Разделы сайта АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника |
Апостериорная плотность вероятности
В задаче оценки параметра самой простой моделью сигнала является представление сигнала в виде квазидетерминированного колебания S(t, ), у которого известна функциональная зависимость от времени, но неизвестен какой-то параметр (например, амплитуда, частота или фаза). Этот параметр рассматривается как случайная величина с заданной априорной вероятностью р(), характеризуемой большой дисперсией. При решении задачи оценки параметра будем считать, что подлежащий наблюдению процесс (t) представляет собой сумму сигнала S(t, ) и шума n(t) с теми же характеристиками, что и в (5.1): Отличие от (5.1) состоит в том, что здесь уже установлено наличие сигнала. Требуется только за счет наблюдения реализации x(t) процесса (t) уточнить значение параметра . Условная плотность вероятности при непрерывном наблюдении реализации x(t), когда n(t) является гауссовским белым шумом, согласно (5.12) будет (5.20) Отличие (5.20) и (5.12) состоит только в том, что в силу неизвестности параметра , плотность вероятности (5.20) рассматривается как условная относительно . При этом задача оценки параметра сигнала, по существу, сводится к задаче оценки параметра распределения. Если рассматривать x(t) в формуле (5.20) как результат наблюдения, то функция правдоподобия оцениваемого параметра полностью будет совпадать с выражением (5.20); (5.21) и можно записать апостериорную плотность вероятности параметра в виде (5.22) где находится из условия нормировки апостериорной плотности. Основное свойство апостериорной плотности вероятности (5.22) состоит в том, что она содержит все сведения об оцениваемом параметре , как имеющиеся до наблюдения x (t) в априорной плотности вероятности р (), так и сведения, полученные в результате наблюдения x(t) и содержащиеся в функции правдоподобия L ().
6 ОПТИМАЛЬНЫЕ ЛИНЕЙНЫЕ ФИЛЬТРЫ СИГНАЛОВ
|