Académique Documents
Professionnel Documents
Culture Documents
PLANTEAMIENTO:
Disponemos de un vector de observaciones: x = [x1 , x 2 , x3 ,K, x N ]
El estimador aproxima la variable aleatoria y por una
combinacin lineal de las observaciones:
N
y * = a i xi
i =1
[ ]
E (e )
N
= E y ai xi
i =1
PRINCIPIO DE ORTOGONALIDAD
El estimador lineal de error cuadrtico medio mnimo es el que
produce un error de estimacin que es ortogonal a los datos:
N
E y ai xi xk = E [exk ] = 0; 1 k N
i =1
Demostracin:
i =1
i =1
i =1
i =1
[ ]
E (e')
N
= E e (ai 'ai ) xi
i =1
2
N
N
[ ] [ ]
2
E e (ai 'ai ) xi = 0
i =1
[ ] ( )
E (e')2 E e 2
ECUACIONES NORMALES
El principio de ortogonalidad permite obtener fcilmente los
coeficientes del estimador lineal de error cuadrtico medio
mnimo.
N
E y ai xi xk = E [exk ] = 0; 1 k N
i =1
ai E[xi xk ] = E[ yxk ];
1 k N
i =1
Rxi x k ai = R yx k ;
1 k N
i =1
Observacin:
El clculo de los coeficientes del estimador slo requiere
informacin de los estadsticos de segundo orden en
general, peor solucin que en el caso Bayesiano.
CONSIDERACIONES DE INTERS
El error cuadrtico medio es la diferencia de los valores
[ ] [
es decir: E [yy ] = E [( y ) ]
] [ ] [
E ey * = E ( y y * ) y * = E yy * E ( y * ) 2 = 0
*
* 2
[( ) ]
[ ] [ ( )]
= E [( y ) ] E [y y ] = E [( y ) ] E [( y ) ]
E (e )2 = E e y y * = E [ey ] = E y y * y =
2
Ree = R yy ai R yxi
i =1
y*
x1
d [n] =
N 1
ai [n]x[n i ]
i =0
N 1
l = 0 ,1,...,N 1
i =0
ai R x [i l ] = Rdx [l ];
i =0
l = 0,1,..., N 1.
[ ] = R [0] a R
N 1
i =0
dx
[i ]
APLICACIONES TPICAS
Problema
Forma de la
observacin
x[n] = s[n] + [n]
Secuencia deseada
d [n] = s[n]
d [n] = s[n + p ]; p > 0
PROBLEMA PRCTICO:
Desconocimiento de la caracterizacin estadstica del
problema (funciones de autocorrelacin de la seal observada
y de correlacin cruzada de las seales observada y
deseada).
SOLUCIN:
PREDICCIN LINEAL
x[n] =
a k x[n k ]
k =1
R x [m] =
a k R x [m k ];
k =1
m = 1,..., N
Codificador Diferencial.
Decodificador Diferencial.