LS与MSE
2013-10-04 05:12
323 查看
转载水木上关于LS和MMSE的区别的回答
ls 是误差平方和最小,mmse是误差平方和均值最小。它们的准则是不同的,一个是统计意义,一个是确定意义的。虽然统计意义的量实际也要用样本来计算,但是也不能说他们是等价的吧。MMSE要到相关矩阵(虽然也要用样本来计算),但是LS中却没有统计相关量的影子。
更具体的说,如果观测到的含噪结果Y是待估计参数X的一个函数:F(X)=Y。MMSE准则是基于最小化E{(X'-X)^H*(X'-X)}来计算估计值X'的;而least
squares是选择X'而令Y-F(X')的二乘和最小。
所以我们看到,这里考虑误差的对象是完全不一样的(且不论误差定义的不同):MMSE考虑的是estimator的误差,而LS考虑的是观测量的误差。在这样的情况下,MMSE估计必须要知道条件概率P(X|Y),通常情况下即X和噪声的分布。而LS估计因为只着眼于观测量,则完全没有这样的限制。这里我们看到,如果讨论estimator是否最优,必须考虑到各estimator所具有的先验信息(MMSE要求知道函数F的形式,以及X和噪声分布;LS仅要求知道函数F)。
考虑一个最简单的Y=AX+V模型在LMMSE准则和LS准则下的估计,这里V是零均值高斯白噪声(因此LMMSE和MMSE等价)。此时,LMMSE给出X'=inv[inv(R_x)+(A^H)*inv(R_v)*A]*(A^H)*inv(R_v)*Y;而LS给出X'=inv[(A^H)*A]*(A^H)*Y。显然仅在噪声的谱密度趋近为零的时候,两个estimator才可能等价(即此时噪声的信息已经无关紧要了)。
以上式中 ^H表示共轭转置
在做二阶收敛分析以及一阶收敛分析时用到的假设有:是数据与权系数误差是独立,也被叫做false assumption,输入数据与前一时刻输出数据是无关的。因为他们本身是相关的。权系数就是有数据推导出来的。we make yet another obviously false
assumptioon that k
2 and Xk are
statistically independent. This is obviously false, since k = dk − WkT
Xk. Otherwise,
相关文章推荐
- LS,MMSE,LMMSE,ML,MAP,LMS,AR,MSE误差介绍
- LS与MSE与RLS与LMS
- LS,MMSE,LMMSE,ML,MAP,LMS,AR,MSE误差介绍
- LS,MMSE,LMMSE,ML,MAP,LMS,AR,MSE误差介绍
- ls的使用方法
- ls系列小工具
- 去掉suse里ls默认显示隐藏文件的特性
- ls命令(列出所有子目录与文件)
- ls 顏色設定(in Bash shell)
- linux系统下常用的基本命令 -- ls
- linux 命令------------- ls命令常用选项
- 2008R2Win7管理十六杀毒软件MSE
- 用LS,定义一个10位数的数组,并用冒泡法排序,从大到小排列出来
- ls 几个常用选项
- ls 命令的用法
- linux下 ls命令例子与解释
- Domino中实现将本地文件放入数据库中的LS代码
- 一个简单的“ls -al”实现(其实网上已经有很多了)
- 写自己的ls命令
- 转 lsusb arm移植