Best Linear Recursive Estimation
最优线性递推估计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：顺序数据和实时更新不足以确认具体时间序列、面板或金融模型，故不作细分。
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
最优线性递推估计
- 研究问题
- 在观测向量彼此相关且数据顺序到达时，如何递推计算线性模型的最优线性无偏估计，并减少历史数据存储？
- 方法与思路
- 作者给出最优线性无偏估计递推形式的矩阵表述，以此前估计与当前数据更新参数估计，适应顺序收集数据。
- 材料陈述的贡献
- 摘要称，递推计算无需保存全部过去数据，能够降低取得最优线性无偏估计的存储需求，尤其适用于实时估计。
- 阅读关注点
- 应核对相关误差的协方差信息如何进入更新、必须保留哪些状态量，以及递推与完整样本估计等价的条件。
- 阅读边界
- 来源为版本未注明的 OpenAlex 索引摘要；估计量符号存在转写异常，须查原 PDF，摘要也未说明协方差已知与否。
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.