信号检测估计_第三章-信号检测的基本理论.ppt
- 文档编号:344688
- 上传时间:2022-10-09
- 格式:PPT
- 页数:83
- 大小:1.04MB
信号检测估计_第三章-信号检测的基本理论.ppt
《信号检测估计_第三章-信号检测的基本理论.ppt》由会员分享,可在线阅读,更多相关《信号检测估计_第三章-信号检测的基本理论.ppt(83页珍藏版)》请在冰豆网上搜索。
第0章前言第一章基础知识第二章随机信号分析第三章信号检测的基本理论第四章确知信号的检测第五章随机参量信号的检测第六章估计的基本理论参数估计第七章信号波形估计第八章功率谱估计,教学内容,信号检测理论,信号估计理论,第三章信号检测的基本理论,3.1前言3.2假设检测的基本概念3.2.1基本检测模型3.2.2统计检测的结果和判决概率3.3贝叶斯准则(BayesCriterion)3.4派生贝叶斯准则3.5假设检验的性能接收机的工作特性3.6M择一假设检验3.7序列检验瓦尔德检验,在许多场合,人们需要在几种可能发生的情况下做出选择。
信号检测理论主要用于在某种最佳理论基础上进行选择,对信号进行有效的检测。
例1:
雷达信号检测。
例2:
数字通信接收机的信号检测。
例3:
语音信号的识别。
例4:
图象信号的识别等。
第三章信号检测的基本理论,3.1前言,3.2假设检测的基本概念,3.2.1基本检测模型,以简单的二元检测理论入手,然后再推广。
1.二元信号检测理论模型,基本检测理论模型,二元信号检测应用:
(1)二元数字通信,信源符号0和1;
(2)雷达系统中,检测有或无目标;,第三章信号检测的基本理论3.2假设检测的基本概念,第三章信号检测的基本理论3.2假设检测的基本概念,下面以二元数字通信为例来说明信号检测过程。
信源说明:
考虑二元信号的检测问题时,信源仅发出二元信号。
当假设H0为真时,信源输出信号为-A,当假设H1为真时,信源输出信号为+A。
+A、-A均为确定信号,n为随机信号,因此x也为随机信号,仅仅是均值发生偏移,即有:
转移概率机构说明:
如果信道噪声n服从N(0,n2),概率转移结构使观测空间中的随机观测信号为(x|Hj)(j=0,1)。
这样在两种假设情况下,观测信号的数学模型为,第三章信号检测的基本理论3.2假设检测的基本概念,x,显然,图中检测模型的观测空间由一维随机观测信号组成。
一维随机观测信号特征:
x是一维变量。
第三章信号检测的基本理论3.2假设检测的基本概念,说明:
二元信号检测模型的观测空间也可以由多维随机观测信号组成。
二元信号检测模型中多维随机观测信号的观测空间形成:
主讲:
刘颖2006年秋,对于信源的任何一个输出,让概率转移机构依次转移N次,则相当于观测信号的模型为:
即进行了N次观测,构成N维随机观测矢量,其对应的观测空间就是N维的,N为有限值。
基本检测理论模型,观测空间R:
在信源不同输出下,观测空间R是由概率转移机构所形成的可能观测的集合。
观测量可以是一维的,也可以是N维矢量。
两种信号状态下N维观测信号矢量的N维联合概率密度为。
如果没有噪声的干扰,信源输出的某一种确知信号将映射到观测空间中的某一点,但在噪声干扰的情况下,他将以一定的概率映射到整个观测空间,观测空间某点的概率为。
第三章信号检测的基本理论3.2假设检测的基本概念,基本检测理论模型,判决准则:
观测信号落入观测空间后,就可以用来推断哪一个假设成立是合理的,即判决信号属于哪种状态。
为此需要建立一个判决准则,判决观测空间的每一个点对应着一个相应的假设Hi(i=0,1),例如:
在二元信号检测中,把整个观测空间R划分为R0和R1两个子空间,称为判决域。
2.M元信号检测理论模型,M元信号检测中,信源有M种可能的输出信号状态,分别记为Hj,(j=0,1,2,M-1)。
在噪声的干扰背景中,信源的每种输出信号经过概率转移机构生成随机观测量。
第三章信号检测的基本理论3.2假设检测的基本概念,第三章信号检测的基本理论3.2假设检测的基本概念,3.2.2统计检测的结果和判决概率,信号统计检测就是统计学中的假设检验。
给信号的每种可能状态一个假设Hj(j=0,1,2,M),检验就是信号检测系统对信号属于哪个状态的统计判决。
一维观测信号是N维观测矢量信号的特例,因此下面按N维观测矢量信号来讨论信号的统计检测问题,也就是假设检验结果和判决概率问题。
第三章信号检测的基本理论3.2假设检测的基本概念,1.二元信号的情况,二元信号的判决结果。
对于二元假设检验,判决结果必然是下面四中情况之一:
(1)假设H0为真,判决假设H0成立,记为(H0|H0);正确判断
(2)假设H0为真,判决假设H1成立,记为(H1|H0);错误判断(3)假设H1为真,判决假设H0成立,记为(H0|H1);错误判断(4)假设H1为真,判决假设H1成立,记为(H1|H1);正确判断,第三章信号检测的基本理论3.2假设检测的基本概念,P(Hi|Hj)含义:
在假设Hj为真的条件下,判决假设Hi成立的概率。
假设观测量落在Ri域判决Hi成立,则有,二元信号的判决概率。
第三章信号检测的基本理论3.2假设检测的基本概念,x,0,P(n),+A,x,P(x|H1),-A,x,P(x|H0),举例说明,当N=1时。
第三章信号检测的基本理论3.2假设检测的基本概念,x,+A,P(x|H1),-A,P(x|H0),P(H1|H0),x0,R1,R0,P(H0|H1),二元信号检测的判决域划分与判决概率,第三章信号检测的基本理论3.2假设检测的基本概念,2.M元信号的情况,P(Hi|Hj)含义:
在假设Hj为真的条件下,判决假设Hi成立的概率。
假设观测量落在Ri域判决Hi成立,则有,显然将有M2种判决结果,其中只有M种判决是正确的。
小结:
为了获得某种意义上的最佳检测结果,需正确划分观测空间R中各个判决域Ri(i=0,1,2,M-1)。
问题:
需要寻求最佳检测准则,获得最佳检测结果。
第三章信号检测的基本理论3.2假设检测的基本概念,常用的信号检测准则,贝叶斯准则(Bayes)极小化极大准则(minimax)奈曼-皮尔逊准则(Neymann-Pearson),3.3贝叶斯准则(BayesCriterion),贝叶斯准则:
就是在假设Hj的先验概率P(Hj)已知,各种判决代价因子Cij给定的情况下,使平均代价C最小的准则。
1.概念代价因子Cij:
表示假设Hj为真时,判决假设Hi成立所付出的代价。
约束条件C10C00,C01C11。
第三章信号检测的基本理论3.3贝叶斯准则,2.平均代价C的表达式,假设Hj为真时判决所付出的条件平均代价为,若Hj为真的概率P(Hj)已知,则判决所付出的总平均代价(也称为平均风险)为,整理得:
固定平均代价,q(x),第三章信号检测的基本理论3.3贝叶斯准则,根据Bayes准则,应使C最小。
判决域划分:
在R0域内,q(x)0.,Bayes判决准则:
即LRT,其中:
(x)称为似然比函数,称为似然比检测门限。
说明:
似然比检验(LRT:
likelihoodRatioTest)是似然比函数(x)于与检测门限进行比较,(x)是一个依赖于观测量x的函数,因此是一个检验统计量。
第三章信号检测的基本理论3.3贝叶斯准则,第三章信号检测的基本理论3.3贝叶斯准则,简化形式:
如果似然函数含有指数形式,可以简化判决准则,即简化的贝叶斯准则为,似然判决器,(x)计算器,判决器,xk,第三章信号检测的基本理论3.3贝叶斯准则,对数似然判决器,ln(x)计算器,判决器,xk,第三章信号检测的基本理论3.3贝叶斯准则,例题:
在二元数字通信系统中,假设为H1时,信源输出为正电压A,假设为H0时,信源输出为零电平。
信号在通信信道传输过程中叠加了高斯噪声n(t);每种信源的持续时间为T,在接收端对接收到的信号x(t)在T时间内进行N次独立采样,样本为xk(k=1,2,N)。
已知噪声样本nk是均值为零、方差为n2的高斯噪声。
(1)试建立信号检测系统的信号模型;
(2)若似然检测门限已知,确定似然比检验的判决表达式;(3)计算判决概率P(H1|H0)和P(H1|H1)。
第三章信号检测的基本理论3.3贝叶斯准则,解:
(1)接收信号模型为:
解:
(1)接收信号模型为:
在(0,T)内进行N次独立采样后,接收信号模型为:
其中xk之间相互独立。
第三章信号检测的基本理论3.3贝叶斯准则,
(2)已知,在两种假设情况下,似然函数为:
由于N次采样的样本xk之间是独立同分布(iid)的,所以,第三章信号检测的基本理论3.3贝叶斯准则,这样,似然比函数为,似然比函数检验(LRT)为,第三章信号检测的基本理论3.3贝叶斯准则,取对数,进一步整理得,(3)检验统计量是N个信号的平均值,它是xk(k=1,2,N)的函数,是个随机变量。
说明:
由于N次采样的样本xk之间是独立同分布(iid)的,因此l(x)在两种假设情况下均服从高斯分布,均值和方差计算过程如下。
第三章信号检测的基本理论3.3贝叶斯准则,假设H0情况下,均值和方差分别为:
假设H1情况下,同样的方法计算均值和方差为:
第三章信号检测的基本理论3.3贝叶斯准则,用l表示l(x),有,根据判决准则,,第三章信号检测的基本理论3.3贝叶斯准则,解毕。
第三章信号检测的基本理论3.3贝叶斯准则,例题:
设二元假设检验的观测信号模型为,其中n为均值为零,方差为0.5的高斯观测噪声。
若两种假设是等先验概率的,代价因子分别为,试求最佳(贝叶斯)判决表示式和平均代价C。
第三章信号检测的基本理论3.3贝叶斯准则,解:
似然比检测门限为,第三章信号检测的基本理论3.3贝叶斯准则,Bayes判决表示式为,两边取对数,得,显然似然比函数服从高斯分布,令l(x)=x在两种假设下,有,第三章信号检测的基本理论3.3贝叶斯准则,说明:
如果调整检测门限偏离了-0.1733,则计算出的C均大于1.8269,这从侧面验证了贝叶斯准则的却能使平均代价最小。
第三章信号检测的基本理论,3.4派生贝叶斯准则,概念:
在对各假设的先验概率P(Hj)和各种判决的代价因子Cij进行约束的条件下,将会得到它的派生准则。
本节主要讨论二元信号情况下,贝叶斯派生的几种准则。
1.最小平均错误概率准则,派生过程:
当C00=C11=0,C10=C01=1时,平均代价为,第三章信号检测的基本理论3.4派生贝叶斯准则,最小平均错误概率准则:
使平均错误概率最小的准则。
(minimummeanprobabilityoferrorcriterion),类似于贝叶斯准则的分析方法,Pe表示为,为了使Pe最小,将所有满足q(x)0的x划归R0域,判决假设H0成立。
q(x),这样,所有满足q(x)0的划归R1域,判决假设H1成立。
此时,LRT(似然比判决)式为,LRT式的简化形式为,第三章信号检测的基本理论3.4派生贝叶斯准则,2.最大似然准则(maximumlikelihoodcriterion),派生过程:
当C00=C11=0,C10=C01=1,P(H0)=P(H1)=0.5,LRT为,说明:
最小平均错误概率准则和最大似然准则都是贝叶斯准则特例。
第三章信号检测的基本理论3.4派生贝叶斯准则,第三章信号检测的基本理论3.4派生贝叶斯准则,例题3.4-1:
在OOK通信系统中,两个假设下的观测信号模型为,其中,观测噪声nN(0,n2);信号A是常数,且A0。
若两个假设的先验概率P(Hj)相等,代价因子C00=C11=0,C10=C01=1,采用最小平均错误概率准则,确定判决表示式,并求平均错误概率。
解:
在两个假设下,观测量x的概率密度函数分别为,第三章信号检测的基本理论3.4派生贝叶斯准则,因为C00=C11=0,C10=C01=1,P(H0)=P(H1)=0.5,经过化简整理得,此时检验统计量l(x)=x。
有,第三章信号检测的基本理论3.4派生贝叶斯准则,根据检测准则,判决门限为A/2,所以两种错误检测概率为:
第三章信号检测的基本理论3.4派生贝叶斯准则,这样平均错误概率为,说明:
显然信
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 信号 检测 估计 第三 基本理论