说明:双击或选中下面任意单词,将显示该词的音标、读音、翻译等;选中中文或多个词,将显示翻译。
您的位置:首页 -> 词典 -> 偏残差估计
1)  Partial residuals estimates
偏残差估计
2)  Residual Estimate
残差估计
3)  bias estimation
偏差估计
1.
Research on joint data association and bias estimation method in radar networks;
雷达组网中联合数据关联与偏差估计方法研究
2.
Taking Earth Centered Earth Fixed(ECEF) coordinate as common grid,this paper discusses bias estimation in 3-D sensor network according to the superposition of the same target in different sensors,the linearized measurement equation of range,range gain,azimuth and elevation deviation of each sensor can be derived via the first order Taylor series expansion.
采用地心地固坐标系作为统一坐标系,研究了3-D传感器组网中的偏差估计问题,根据同一目标位置在各个传感器探测中的迭合条件,运用一阶泰勒展式推导出各个传感器的距离、距离增益、方位角、仰角偏差的线性化公式,利用最小二乘法在线估计出各个偏差量,并实时进行修正,仿真结果验证上述方法的有效性。
4)  estimation bias
估计偏差
1.
The solution error and the Kalman filter estimation bias are simulated respectively using the given transfer alignment model for two cases,i.
对于给定的传递对准的误差模型,针对常值外观测速度、位置误差和随机外观测速、位置度误差两种情况,分别对惯导系统的传递对准误差模型的解算偏差和KALMAN滤波器的估计偏差进行了仿真分析。
5)  error variance estimator
残差方差估计量
6)  Large residual estimation
大偏差估计
补充资料:无偏估计量


无偏估计量
unbiased estimator

无偏估计里【训挽”目巴山旧奴甘;uecMe山.。二oue~] 数学期望等于被估计的量的统计估计最(statist派destin卫tor).假设随机变量X取值于样本空间(王,黔,尸。)(e任0);拟根据X的实现估计函数j:0~。,f是从参数集O到某个集合O的映射;选统计量T=T(X)作函数f(0)的估计量.如果对于一切e‘O,统计量T满足 〔。{T}一丁T(二)己尸。(二)一f(。), 王则称T为函数f(0)的无偏估计量(皿b此ed estjlll主-tor).常称无偏估计量无系统误差. 例1.设随机变量X.,…,戈的数学期望同为日,即 E。{X,}二·一〔。{Xn}二口.这时统计量 T一c IX:+…+几戈,cl十…+c。一l是数学期望日的无偏估计量.特别地,观测值的算术平均值X二(x、+…十戈)/n是口的无偏估计量.在该例中f(口)三小 例2.设XI,…,戈是独立服从同一概率分布的随机变量,其分布函数为F(x),即 户{X,O, 、--一,“Jk!由于E{X}=口,故观测值X本身就是其数学期望口的无偏估计量.同样,例如统计量X(X一1)是函数f(田二扩的无偏估计量.一般,统计量 厂rl=X(X一1卜·(X一+l),r=1,2,…是函数f(的一口r的无偏估计量.特别地,由此可见,统计量 T(X)=l+艺(一l)rXI·, r~!是函数f(0)=(l+口)一’(0<口0)的同一PoisS0n分布,其母函数 g:(口)=exP{0(z一l)}是整解析函数,从而有唯一无偏估计量.这时,X=X,十…十X。是充分统计量,服从参数为”口的Pois-son分布.如果T(X)是g:(的的无偏估计量,则它应满足无偏性方程 E。{T(X)}=夕:(口)=e”‘,一”.由此可见一,、、一{‘誉)(;)*(卜青)一,若。、、、、T(xl二之八 七o,其他即参数为X和1/n之二项分布的母函数,是Poisson分布母函数的无偏估计量. 例6一9表明,在实际中相当常见的情形下,如果局限于无偏估计类,则正是由于无偏估计量的概念,使求最优估计量的问题变得容易解决.A.H.K朋-Morope日(【1」)研究了建立无偏估计的问题,特别是参数未知时建立正态分布函数的无偏估计量的问题.无偏估计量更一般的定义属于E.址加mnn.按E.玩h-Inann的定义(见[21),参数0的统计估计量T=T(X)关于损失函数L(口,T)称为无偏的(unb此ed),如果对于一切口,口‘任0,有E,,IL(日’,T(X))})E‘,{L(0,T(X))}·此定义的变形见13].在相当宽的条件下,10.B.JI扣l-皿K及其学生(见【4〕)证明了最优无偏估计量与损失函数无关.
说明:补充资料仅用于学习参考,请勿用于其它任何用途。
参考词条