当前位置: 首页 > news >正文

LMMSE、MMSE和LS

linear minimum mean square error (LMMSE)和minimum mean square error的区别

1. LMMSE(线性最小均方误差)

估计是观测数据的线性组合: x ^ = W y \hat{\boldsymbol{x}} = \boldsymbol{W}\boldsymbol{y} x^=Wy
目标就是最小化MSE: min ⁡ W E [ ∥ x − x ^ ∥ 2 ] \min_{\boldsymbol{W}} \mathbb{E}\left[ \|\boldsymbol{x} - \hat{\boldsymbol{x}}\|^2 \right] minWE[xx^2]
缺点: 仅在观测噪声高斯分布时是最优的.
举例: y = h x + n y = hx + n y=hx+n → L M M S E \xrightarrow{\mathrm{LMMSE}} LMMSE x ^ = h h 2 + σ 2 y \hat{x} = \frac{h}{h^2 + \sigma^2} y x^=h2+σ2hy

1. MMSE(最小均方误差)

LMMSE是MMSE的特例,i.e., 观测与真值满足联合高斯条件,二者等价。
估计是给定观测对真值的条件期望: x ^ = E [ x ∣ y ] \hat{\boldsymbol{x}} = \mathbb{E}[\boldsymbol{x} | \boldsymbol{y}] x^=E[xy]
目标函数还是MSE
缺点是求解复杂,非高斯下难有闭式解
注意:MMSE是贝叶斯估计,给定观测数据求期望,不像最大似然 x ^ ML = arg ⁡ max ⁡ x p ( y ∣ x ) \hat{\boldsymbol{x}}_{\text{ML}} = \arg \max_{\boldsymbol{x}} p(\boldsymbol{y} | \boldsymbol{x}) x^ML=argmaxxp(yx),仅利用部分样本最大化似然概率(比如,抛了10次硬币8次正面, x ^ ML = 4 / 5 \hat{\boldsymbol{x}}_{\text{ML}}=4/5 x^ML=4/5
举例1: y = h x + n y = hx + n y=hx+n → n ∼ N ( 0 , σ n 2 ) x ∼ N ( μ x , σ x 2 ) \xrightarrow[n \sim \mathcal{N}(0, \sigma_n^2)]{x \sim \mathcal{N}(\mu_x, \sigma_x^2)}

http://www.xdnf.cn/news/363619.html

相关文章:

  • vscode 配置doxygen注释和snippet
  • RT-Thread 深入系列 Part 1:RT-Thread 全景总览
  • 【赛元8523触摸按键开发调试】
  • 【vue3】vue3中封装懒加载指令
  • C++ Lambda表达式详解:匿名函数的艺术与现代编程实践
  • 数字经济时代下的消费行为变迁与经济学启示
  • 解决 Redis 缓存与数据库一致性问题的技术指南
  • 【Linux网络】Socket-TCP相关函数
  • 大模型提示词策略
  • 赋能智能交通:时空图卷积网络引领速度预测新变革
  • PostgreSQL技术大讲堂 - 第89讲:重讲数据库完全恢复
  • 图解gpt之Seq2Seq架构与序列到序列模型
  • 【某OTA网站】phantom-token 1004
  • vue 监听元素大小变化 element-resize-detector
  • 《Vuejs与实现》第 6 章(原始值响应式方案)
  • 蓝桥杯青少 图形化编程(Scratch)编程题每日一练——图形特效
  • 嵌套路由~
  • leetcode - 双指针问题
  • Linux C语言线程编程入门笔记
  • uni-app 中的条件编译与跨端兼容
  • 区块链详解
  • 独立自主的网络浏览器——Ladybird
  • 类加载器, JVM类加载机制
  • 【PostgreSQL 中插入数据时跳过已存在记录的方法】
  • 阿里云服务器数据库故障排查指南?
  • springboot 加载 tomcat 源码追踪
  • Web端项目系统访问页面很慢,后台数据返回很快,网络也没问题,是什么导致的呢?
  • NVME / DoCA 是什么?
  • 开源数字人框架 AWESOME-DIGITAL-HUMAN 技术解析与应用指南
  • 【Ansible】模块详解