光学测量背景下的最大似然估计教程

最大似然估计（MLE）方法是一种广泛使用的统计方法，用于基于观测数据估计概率模型的一个或多个未知参数的值。在本教程中，我简要回顾MLE的数学基础，随后针对空间变化光强分布的测量重新表述该问题。在此背景下，每个光子的探测被视为一个随机事件，其结果为光子的位置。一次典型测量由许多探测到的光子组成，它们累积形成空间强度分布。此处，我给出了与入射到由离散像素阵列构成的探测器上的多光子测量相关的似然函数与Fisher信息矩阵（FIM）的直接推导。通过对似然函数最大化可获得感兴趣参数的估计，而FIM决定了该估计的不确定性。为阐明这些概念，给出了单参数与双参数情形的若干简单示例，揭示了MLE形式体系的许多有趣性质，以及光学实验中的一些实际考量。在这些示例中，还联系了量子弱测量的光学应用，包括离零椭偏仪与散射测量术。