Best Linear Recursive Estimation
最优线性递归估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要提出通用线性模型的递归估计，实时计算本身不足以归入时间序列预测或高频计量。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
最优线性递归估计
- 研究问题
- 当线性模型的观测向量彼此相关且数据依次到达时，如何递归计算最优线性无偏估计，以减少保存历史数据的存储需求？
- 方法与思路
- 作者以矩阵形式表达相关观测下参数向量的最优线性无偏估计，并构造利用先前估计和当前数据进行更新的递归形式。
- 材料陈述的贡献
- 摘要称递归计算无需存储全部既往数据，可降低获取最优线性无偏估计的存储需求，因而对实时估计问题尤其有利。
- 阅读关注点
- 阅读时应核对相关结构需要提供哪些信息、递归更新实际保留哪些矩阵，以及初始化、矩阵可逆性和计算成本的条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；估计量符号存在转码痕迹，需查原PDF；摘要未说明协方差未知时能否使用。
原文摘要
This article presents a matrix formulation of recursive forms for best linear unbiased estimators [Xcirc]N of the parameter vector x in the linear model yi=hix+ei, i = 1,2, ···, N when the observation vectors yi are correlated. If data are collected in sequence one can formulate recursive forms of the estimator [Xcirc]N so that it is not necessary to store all the previous data but only previous estimates and current data. This requires less storage space to obtain best linear unbiased estimators. This is especially advantageous in real-time estimation problems.