Research Information System
International Journal of Applied Mathematics and Informatics, vol.4, pp.123-134, 2013 (Peer-Reviewed Journal)
This paper deals with parameter estimation of
sinusoids within a Bayesian framework, where inferences about
parameters require an evaluation of complicated high dimensional
integrals or a solution of multi-dimensional optimization.
Unfortunately, it is not possible in general to derive analytical
Bayesian inferences. Therefore, the purpose of this paper is to
study some of existing stochastic procedures, based on different
sampling schemes and to compare their performances with respect
to Cramér-Rao lower bound (CRLB), defined to be a limit on
the best possible performance achievable for a method given
a dataset. Furthermore, all simulations support their
effectiveness and demonstrate their performances in terms
of CRLB for different lengths of data sampling and signal-to
noise ratio (SNR) conditions.
Bu makale, parametreler
hakkında çıkarımlarin yüksek boyutlu
integrallerin değerlendirilmesi veya çok boyutlu optimizasyon
çözümü gerektirdiği Bayes
çervesinde sinusoidlerin parametrelerini tahmini ile ilgilidir. Ne yazık ki, genel
olarak analitik Bayes çıkarımlar mümkün değildir. Bu nedenle, bu makalenin
amacı; farklı örneklem şemalarını temel alan mevcut bazı stokastik prosedürleri incelemek ve verilen bir yöntem için elde edilebilecek en
iyi performans veri kümesi için limit olarak tanımlanmış Cramér-Rao alt
sınırına (CRLB) göre performanslarını karşılaştırmaktır. Ayrıca, tüm simülasyonlar kendi etkinliklerini
taşır ve performanslarını CRLB göre farklı
veri örneklem uzunlukları ve gürültü oranı (SNR) koşulları için gösterir.