Documente Academic
Documente Profesional
Documente Cultură
Pe lângă zgomotul aditiv n(t ) şi/sau filtrare, canalele de comunicații reale mai adaugă
semnalului util şi parametri nedoriţi, precum (vezi figura 6.1):
➢ un decalaj de fază Δφ,
➢ un decalaj de fecvenţă Δf,
➢ o întârziere în timp Δt.
Astfel, semnalul recepţionat se poate scrie:
y(t ) A cos 2 ( f 0 f )(t t) ( ) n(t ) .
1
DEPI, Curs 13. Estimarea parametrilor unui semnal 2018, III C
unde
• y ( y1 , y2 ,..., yN )
yi y (t ) i (t )dt ,
• vectorul n (n1 , n2 ,..., nN ) reprezintă semnalul zgomot n(t),
Dat fiind y, se doreşte estimarea variabilei aleatoare θ nu doar pentru exemplul de ecuaţii de
mai sus, ci pentru orice vector y care conţine o variabilă aleatoare θ.
Pentru a soluţiona această problemă, presupunem cunoscute:
➢ p(y ) : valorile componentelor vectorului observaţie y depinzând de:
• valoarea variabilei aleatoare θ,
• valoarea semnalului transmis,
• valoarea aleatoare a zgomotului.
Pentru o valoare dată a variabilei θ, y devine un vector aleator dependent doar de semnal şi
zgomot, printr-o funcţie densitate de probabilitate notată cu p(y ) , funcţie necesară a fi
cunoscută sau evaluată în prealabil.
➢ p(θ): f.d.p. a v.a. θ, necesară de asemenea în procesul de estimare.
➢ p(y): f.d.p. a vectorului aleator observat y. Cunoaşterea acestei funcţii este necesară numai
în anumite situaţii.
2
Pentru funcţia de cost eroare pătratică, CEP ( ) , valoarea riscului este definită ca:
unde Δ este domeniul în care vectorul observat y ia valori. Expresia riscului se mai poate scrie:
Valoarea minimă a riscului se obţine minimizând în funcţie de ˆ cea de a doua integrală notată:
I ( ˆ, y) ( ˆ ) 2 p( | y ) d .
I ( ˆ, y) 2ˆ p( | y ) d 2 p( | y ) d 0.
ˆ
Deoarece prima integrală este unitară:
p( | y ) d 1,
2
DEPI, Curs 13. Estimarea parametrilor unui semnal 2018, III C
Deci, în cazul criteriului erorii medii pătratice minime, estimatul este media condiţionată de
vectorul semnal observat y.
În unele cazuri practice, când p( | y ) este greu de calculat, se poate aplica relaţia lui Bayes şi
apoi descompunerea f.d.p. p(y) funcţie de f.d.p. marginală p(y | ) , obţinând:
p(y | ) p( ) d p( y | ) p( ) d
ˆ p( | y ) d
EMPM
p(y )
p(y | ) p( ) d
RUNIF p(y ) 1 p( | y )d dy .
ˆ
I ( ˆ, y) p( | y )d .
ˆ
p( | y ) 0.
ˆ
MAP
Deoarece în practică p( | y ) are o formă exponenţială, este mai convenabil să găsim maximul
funcţiei ln p( | y ) care are loc pentru aceeaşi valoare a parametrului MAP ca şi pentru
funcţia p( | y ) .
ln p( | y ) 0
ˆ
MAP
3
DEPI, Curs 13. Estimarea parametrilor unui semnal 2018, III C
Deoarece f.d.p. p( | y ) este greu de calculat, facem transformarea conform relaţiilor Bayes:
p(y | ) p( )
MAP arg max p( | y) arg max ,
p(y )
şi deoarece f.d.p. p(y) este independentă de parametrul θ, aceasta poate fi neglijată:
MAP arg max p(y | ) p( ) ,
sau
p(y ) p( ) 0. (*)
MAP
În cazul gaussian, f.d.p. condiţionată p( | y ) este simetrică în jurul valorii maxime pentru care
MAP . În acest caz, media condiţionată p( | y ) d este tocmai valoarea cea mai probabilă,
respectiv ˆ EMPM ˆ MAP , adică estimatorul pe baza regulii maxim aposteriori este egal cu
estimatorul pe baza criteriului erorii medii pătratice minime.
Anterior am estimat unul sau mai mulţi parametri care erau v.a. În realitate, mai sunt cazuri
când variabilele pe care dorim să le estimăm nu sunt v.a. ci valori deterministe sau parametri. În
acest caz, nu mai putem vorbi de f.d.p. şi metodele anterioare nu mai pot fi aplicate.
Să presupunem că estimăm parametrul θ ca o funcţie g(y), unde y este vectorul de observaţii.
Observaţiile y pot fi aleatoare şi oarecum legate de θ; atunci putem scrie că
g (y ) .
Estimatorul este o variabilă aleatoare deoarece depinde de vectorul aleator y, care la rândul
lui depinde de vectorul zgomot n.
Regula Maxim Plauzibil (MP) descrie un estimator, dar nu zice nimic despre deplasarea sau
varianţa acestuia. Oricum, dacă estimatorul MP este nedeplasat el va avea cea mai mică varianţă
dintre toţi estimatorii, ceea ce afirmă alegerea noastră pentru acest estimat.
Estimatorul maxim plauzibil MP al unui parametru nealeator θ în funcţie de v.a.
observată Y este definit ca valoarea lui θ care maximizează funcţia de plauzibilitate p(Y | ) .
Funcţia de plauzibilitate p(Y | ) este definită ca o f.d.p. pentru observaţia Y în funcţie de
parametrul nealeator θ, ce poate fi şi un vector. Matematic, putem scrie:
MP arg max p Y | .
Extinzând acest concept asupra observaţiilor multiple, estimatorul maxim plauzibil pentru
un parametru nealeator în funcţie de vectorul de observaţii y este definit ca valoarea θ ce
maximizează funcţia de plauzibilitate p y | :
4
DEPI, Curs 13. Estimarea parametrilor unui semnal 2018, III C
MP arg max p y | .
Mai mult, dacă avem observaţii multiple şi dacă estimăm un vector de parametri,
= 1 , 2 ,..., M , atunci estimatorul maxim plauzibil al lui este dat de:
ˆ arg max p y | .
MP
Valoarea lui θ pentru care se obţine maximul lui p(y | ) este dată de ecuaţia:
p(y | ) 0.
ˆ
MP
yi y (t ) i (t )dt .
0
reprezintă coordonata semnalului recepţionat y(t) pe direcţia φi(t) şi în intervalul [0,T].
Dacă alegem coordonata φ1(t) astfel încât semnalul y(t) să poată fi descompus numai pe această
direcţie, adică 1 (t ) s(t ) , atunci coordonatele φ2(t), φ3(t), …, φN(t) nu mai intervin în
reprezentarea semnalului y(t), iar relaţia anterioară devine:
T
y1 y (t ) s (t )dt .
0
Este uşor de verificat că coeficienţii semnalului reprezentat în funcţie de o altă bază
ortonormată, nu depind de θ.
Astfel, problema estimării unui semnal observat continuu în timp se reduce la problema clasică
de estimare printr-un număr finit de observaţii.
5
DEPI, Curs 13. Estimarea parametrilor unui semnal 2018, III C
Dacă estimarea se face pe baza funcţiei de cost eroare uniformă, CUNIF, valoarea estimatorului
MAP pentru v.a. θ se poate determina din relația:
ln p( y1 | ) ln p( ) 0. (**)
ˆ ˆ
MAP MAP
( ) = ( )
2 2
2y1 = y1 − y1 E +− E = 2 = 2n .
Astfel, datorită zgomotului cu distribuţie gaussiană, componenta y1 va fi caracterizat tot de o
distribuţie gaussiană de medie y1 şi dispersie 2y1 :
y −y 2
( y − E
) ( )
2
1 1
p ( y1 | ) = exp − .
1 1 1
exp − =
22y1 2 y1
2
22n 2n2
2
Dacă parametrul aleator θ are o distribuţie gaussiană de medie 0 şi dispersie , atunci:
2
1
p exp 2
.
2 2 2
Astfel, relaţia (**) se poate scrie:
2
1 y1 E 1 2
ln 2
ln 2
0.
2 2
n
2 n 2 2 2
ˆ
ˆ MAP
MAP
6
DEPI, Curs 13. Estimarea parametrilor unui semnal 2018, III C
În acest caz, estimatul este egal cu valoarea parametrului θ care maximizează funcţia de
plauzibilitate p( y1 | ) :
p y1 | 0 , respectiv ln p y1 | 0.
ˆ ˆ
MP MP
Din cauza zgomotului gaussian cu valoare medie nulă şi dispersie 2n , funcţia de plauzibilitate
are distribuţie gaussiană:
2
1 y1 E
p y1 | exp 2 .
2 2
n
2 n
T
ˆ E E
MAP 2
y1 2
y (t ) s(t )dt
E n
2
E n
2
0
Schema receptorului care efectuează estimarea parametrului θ este ilustrată în Fig. 6.4 pentru
cele două cazuri, MAP și MP. Se observă că diferenţa constă doar în valoarea amplificării etajului
final.
1
MP E ˆ
MP
y(t) T y1
0
dt K
E
s(t) MAP 2
E n
2
ˆ
MAP