122用ML方法进行参数估计的步骤 其中: m(m):效率函数,因η(m随m的变化较小,故m(m)常数 R(m,m):分辨率函数,真值为m时,获得测量值m的概率 R(m, m)=exp[-(m-m)2o 2丌0 σ:质量分辨率 因此,窄共振峰的pd为 ∫BR(m,m)dm= Re(w(z)) 2To w(z)=e erfc(iz) 十l 2o2√2a
12.2 用ML方法进行参数估计的步骤 (m)：效率函数，因(m)随m的变化较小，故(m)~常数 R(m,m´)：分辨率函数，真值为m时，获得测量值m´的概率 其中： exp[ ( ) ] 2 1 ( , ) 2 2 2 1 R m m = − m − m ：质量分辨率 因此，窄共振峰的p.d.f为 2 2 2 ( ) ( ) Re( ( )) 2 1 ( , ) 0 2 2 + − = = − = − i m m z w z e erfc iz BW R m m dm w z z
122用ML方法进行参数估计的步骤 (1)如果r较大,宽共振峰 因为r>σ,所以R(m,m)8(m-m 如果在衰变过程中存在着多个宽共振,则可能存在仙湖干涉 的现象,设有Nam个相干的共振峰,则描述这些共振峰的 pd7为 -B+∑√6~-BH k=2 Bn mok+ir/2 qk-1:相位差 6k-l:第k个相干的共振峰事例数/第一个相干的共振峰的 事例数
12.2 用ML方法进行参数估计的步骤 （1）如果较大，宽共振峰 如果在衰变过程中存在着多个宽共振，则可能存在仙湖干涉 的现象，设有Namp个相干的共振峰，则描述这些共振峰的 p.d.f为 因为>> ，所以R(m,m´)~ (m-m´) 2 ~ 0 2 2 1 1 1 − + = + = − − − m m i BW BW e BW k k k N k k k amp k k-1：相位差 k-1：第k个相干的共振峰事例数/第一个相干的共振峰的 事例数