Limitations of Constrained CRB and an Alternative Bound

פרסום מחקרי: פרק בספר / בדוח / בכנספרסום בספר כנסביקורת עמיתים

תקציר

The constrained Cramér-Rao bound (CCRB) is a mean-squared-error (MSE) lower bound for non-Bayesian constrained parameter estimation under some unbiasedness conditions. In this paper, we demonstrate limitations of this bound in the case of nonlinear parametric constraints. We consider the problem of constant modulus signal estimation. It is shown that in this problem the CCRB unbiasedness conditions are too restrictive and that the commonly-used constrained maximum likelihood (CML) estimator does not satisfy them and has lower MSE than the CCRB. An alternative lower bound, which is based on the Lehmann-unbiasedness conditions, is used as an alternative benchmark for constrained parameter estimation. As opposed to the CCRB, it is shown that this alternative bound is valid for the CML estimator in the considered problem.

שפה מקוריתאנגלית אמריקאית
כותר פרסום המארח2018 IEEE Statistical Signal Processing Workshop, SSP 2018
עמודים841-845
מספר עמודים5
מזהי עצם דיגיטלי (DOIs)
סטטוס פרסוםפורסם - 29 אוג׳ 2018
אירוע20th IEEE Statistical Signal Processing Workshop, SSP 2018 - Freiburg im Breisgau, גרמניה
משך הזמן: 10 יוני 201813 יוני 2018

סדרות פרסומים

שם2018 IEEE Statistical Signal Processing Workshop, SSP 2018

כנס

כנס20th IEEE Statistical Signal Processing Workshop, SSP 2018
מדינה/אזורגרמניה
עירFreiburg im Breisgau
תקופה10/06/1813/06/18

ASJC Scopus subject areas

  • ???subjectarea.asjc.1700.1711???
  • ???subjectarea.asjc.3100.3105???
  • ???subjectarea.asjc.1700.1705???

טביעת אצבע

להלן מוצגים תחומי המחקר של הפרסום 'Limitations of Constrained CRB and an Alternative Bound'. יחד הם יוצרים טביעת אצבע ייחודית.

פורמט ציטוט ביבליוגרפי