Estimation of a Noisy Discrete-Time Step Function: Bayes and Empirical Bayes Approaches
含噪离散时间阶梯函数的贝叶斯与经验贝叶斯估计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：摘要明确研究固定时间跨度内的离散时间含噪信号估计，直接涉及时间序列方法。
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
含噪离散时间阶梯函数的贝叶斯与经验贝叶斯估计
- 研究问题
- 在加性高斯噪声下，如何估计离散时间阶梯信号，比较线性与贝叶斯估计，并降低计算成本及应对贝叶斯模型失配？
- 方法与思路
- 作者推导并比较最佳线性估计与贝叶斯估计，利用后者的刻画构造计算方法及快速近似，再以经验贝叶斯方法处理模型不满足的情形。
- 材料陈述的贡献
- 摘要称，贝叶斯估计可用时间跨度三次方阶的运算计算，所提近似降为线性阶，并将结果用于经验贝叶斯分析。
- 阅读关注点
- 应核对阶梯信号的先验、估计损失、快速近似的误差，以及经验贝叶斯参数如何估计和模型失配如何评价。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要；先验结构、比较结果与近似误差未提供，线性计算量不代表统计性能等同。
原文摘要
Consider the problem of estimating, in a Bayesian framework and in the presence of additive Gaussian noise, a signal which is a step function. Best linear estimates and Bayes estimates are derived, evaluated and compared. A characterization of the Bayes estimates is presented. This characterization has an intuitive interpretation and also provides a way to compute the Bayes estimates with a number of operations of the order of $T^3$ where $T$ is the fixed time span. An approximation to the Bayes estimates is proposed which reduces the total number of operations to the order of $T$. The results are applied to the case where the Bayesian model fails to be satisfied using an empirical Bayes approach.