复值环境下实值参数向量的经典广泛线性估计
统计理论
2017-05-01 v1 统计理论
摘要
本研究在经典框架下研究基于复值测量估计实值参数向量的任务。标准估计量的应用通常会导致对实值参数向量的复值估计。为避免此系统误差，研究了能产生实值估计的广泛线性经典估计量。其中一种是本文提出的广泛线性最小二乘(WLLS)估计量，其不利用任何噪声统计信息。此外，我们引入了针对实值参数向量的最佳广泛线性无偏估计量(BWLUE)。所提估计量通常分别优于其标准对应物LS估计量和BWLUE，且仅需一半数量的复值测量。我们在两个应用场景中将新方法与标准经典估计量进行比较。其中一个应用考虑基于系统幅度和相位响应的含噪测量来估计实值冲激响应。针对该问题，我们提出一种基于所引入广泛线性概念的新颖两步方法，其优于标准估计量。
引用
@article{arxiv.1704.08825,
title = {Classical Widely Linear Estimation of Real Valued Parameter Vectors in Complex Valued Environments},
author = {Oliver Lang and Mario Huemer},
journal= {arXiv preprint arXiv:1704.08825},
year = {2017}
}