估计一个指数函数的参数
来源:学生作业帮 编辑:作业帮 分类:数学作业 时间:2024/08/23 10:14:15
估计一个指数函数的参数
有一个信号(其实是核反应堆的功率),理论上讲要么维持不变,要么以指数形式上升或下降,P(t)=P0*exp(at).而观测得到的数据是这个理论数据加上一个高斯白噪声,噪声的方差差不多是知道的,一般小于平均值的10%.现在需要做一个实时的系统,能够首先滤掉噪声,然后估计出a的值.因为是个实时的系统,所以要求首先估计值比较精确,其次反应时间比较短.我知道卡尔曼滤波器能够完成这个工作,不知道大家还有什么想法?谢谢了!
有一个信号(其实是核反应堆的功率),理论上讲要么维持不变,要么以指数形式上升或下降,P(t)=P0*exp(at).而观测得到的数据是这个理论数据加上一个高斯白噪声,噪声的方差差不多是知道的,一般小于平均值的10%.现在需要做一个实时的系统,能够首先滤掉噪声,然后估计出a的值.因为是个实时的系统,所以要求首先估计值比较精确,其次反应时间比较短.我知道卡尔曼滤波器能够完成这个工作,不知道大家还有什么想法?谢谢了!
抛砖引玉一下.
Kalman滤波假设系统的噪声为高斯白噪声, 似乎很适合这个问题, 但是问题是kalman滤波还假设系统为线性, 在已知系统非线性的情况下(指数形式), 直接应用Kalman滤波不知效果如何.
一个想法: 鉴于系统为指数 (不变也只是a=0), 对于取得的信号P(t)首先求log, 那么得到的系统就是线性系统了 (系统方程是 log(P0)+a*t). 这种情况下, 噪声虽然还是白噪声, 但是却不是高斯分布了. 不知道应用Kalman滤波效果会如何. 实时系统的话又不能直接做minimum mean square estimate, 但是对于如此简单的线性系统且非高斯噪声的, 还是有很多on-line参数估计方法的. 比如Expectation Maximization, 具体可以上网搜索 parameter estimation for linear dynamical systems.
另外一个想法: 对于非线性系统且高斯白噪声, 可以应用extended Kalman filter, 而不是Kalman filter. 具体EKF的介绍参考
http://www.cs.unc.edu/~welch/media/pdf/kalman_intro.pdf
Kalman滤波假设系统的噪声为高斯白噪声, 似乎很适合这个问题, 但是问题是kalman滤波还假设系统为线性, 在已知系统非线性的情况下(指数形式), 直接应用Kalman滤波不知效果如何.
一个想法: 鉴于系统为指数 (不变也只是a=0), 对于取得的信号P(t)首先求log, 那么得到的系统就是线性系统了 (系统方程是 log(P0)+a*t). 这种情况下, 噪声虽然还是白噪声, 但是却不是高斯分布了. 不知道应用Kalman滤波效果会如何. 实时系统的话又不能直接做minimum mean square estimate, 但是对于如此简单的线性系统且非高斯噪声的, 还是有很多on-line参数估计方法的. 比如Expectation Maximization, 具体可以上网搜索 parameter estimation for linear dynamical systems.
另外一个想法: 对于非线性系统且高斯白噪声, 可以应用extended Kalman filter, 而不是Kalman filter. 具体EKF的介绍参考
http://www.cs.unc.edu/~welch/media/pdf/kalman_intro.pdf
估计一个指数函数的参数
一个总体参数的区间估计中,如果是小样本估计,样本均值应服从什么样的分布?
181.设总体 的密度函数为 其中 为未知参数.为总体的一个样本,求参数 的极大似然估计量.
汉译英,考试中,一个无偏的估计量并不意味着它就非常接近被估计的参数,它还必须与总体参数的离散程度比较.有效性是指对同一类
概率统计.求参数 的矩估计和极大似然估计 如图:详解.
设总体X服从参数为λ的泊松分布,其中λ为未知参数.X1,X2,...,Xn为来自该总体的一个样本,则参数λ的矩估计量为?
指数函数(指数函数的性质)
求matlab高手帮忙编写一个函数拟合程序.估计可以得到一个幂函数或者指数函数.
设X~b(1,p),X1,X2,.Xn是来自一个样本,试求参数p的极大似然估计量
帮我画一个指数函数的图象?
关于高中指数函数的一个问题
求一个指数函数积分的答案