统计信号处理实验.docVIP

统计信号处理 实验报告 （实验一） 姓名：秦川 学号 时间： 2011.11.20 《统计信号处理》实验一 实验目的：1、掌握噪声中信号检测的方法； 2、熟悉Matlab的使用； 3、掌握用计算机进行数据分析的方法； 实验内容： 假设信号为波形如下图所示 在有信号到达时接收到的信号为，在没有信号到达时接收到的信号为。其中是均值为零、方差为的高斯白噪声。对接受到的信号分别在上进行取样，得到观测序列。 利用似然比检测方法，对信号是否到达进行检测； 假设有信号到达的概率P(H1)=0.6，没有信号到达的概率P(H0)=0.4，，。利用Bayes检测方法，对信号是否到达进行检测； 通过计算机产生的仿真数据，对两种方法的检测概率、误警概率、漏警概率和Bayes风险进行仿真计算； 改变判决的门限，观察检测方法的、、和Bayes风险的变化； 改变噪声的方差，观察检测方法的、、和Bayes风险的变化； 将信号取样间隔减小一倍(相应的取样点数增加一倍)，观察似然比检测方法的、、和Bayes风险的变化； 根据设计一个离散匹配滤波器，并观察经过该滤波器以后的输出。 实验要求： 设计仿真计算的Matlab程序，给出软件清单 完成实验报告，对实验过程进行描述，并给出实验结果，对实验数据进行分析，给出结论。 实验过程： 1）首先产生信号s(t),n(t),x(t)，即s(i),n(i),x(i), 其中i=0，1，…… 200； 2）根据定义似然比函数：，门限； 如果，则判定；否则，判定。这就是似然比检测准则。 假设似然比为1，根据似然比检测准则： 两边取对数后得： 由此对信号是否到达进行检测； 3） Bayes判决准则如下： 准则或风险函数： 其中的诸系数是根据实际需要设定的风险系数。 时判，否则判。 假设有信号到达的概率P(H1)=0.6，没有信号到达的概率P(H0)=0.4，，。 由此计算判决门限为（2*0.4）/（1*0.6）=4/3。 由此对信号是否到达进行检测； 4)根据蒙特卡洛仿真方法分别对以上两种方法下的检测概率、误警概率、漏警概率和Bayes风险进行仿真计算： 共做M=10000次统计：在x(t)=s(t)+n(t)的情况下，每次出现There is a signal 则检测到信号的次数n1加1； There is not a signal则未检测到信号的次数n0加1；在x(t)= n(t)的情况下，每次出现There is a signal 则检测到信号的次数n2加1； 其中： 检测概率=n1/M; 漏警概率=n0/M; 误警概率=n2/M; Bayes风险系数r= c00*(1-pf)+c10*pf+c01*pm+c11*pd. 5) 用同（4）的方法，通过改变判决的门限，观察检测方法的、、和Bayes风险的变化； 6) 用同（4）的方法，通过改变噪声的方差，观察检测方法的、、和Bayes风险的变化； 7) 通过改变是s(t)的取样间隔（由1变为0.5），将取样间隔减小一倍(相应的取样点数增加一倍)，n(t)也变为400个元素的矩阵，然后再来观察似然比检测方法的、、和Bayes风险的变化； 8）设计匹配滤波器h(t)=c*s(T-t)，通过使待检测信号x(t)经过匹配滤波器，即和h(t)进行卷积，得到滤波以后的输出X(t)。 实验结果及分析： 1）利用似然比和Bayes两种检测方法进行信号检测： ans = Method(1):There is a signal---------------------似然比检测方法 ans = Method(2):There is a signal---------------------Bayes检测方法 分析：由图像可以看到，x(t)受高斯随机噪声影响比较严重，两种方法都检测到信号。多次运行程序发现，两种方法下的检测结果几乎相同。 2）根据蒙特卡洛仿真方法: [pd1 pm1 pf1] -----------------------似然比检测方法 ans = 0.8005 0.1995 0.2161 [pd2 pm2 pf2 r]-----------------------Bayes检测方法 ans = 0.7282 0.2718 0.1647 0.6012 分析：似然比（门限值为1）检测方法比特定条件下的Bayes检测方法（门限值为4/3）检测结果好一点，更可靠。 3）改变门限值gama=[0.8,1,1.2,1.5,1.8] pd1-------------------------------似然比检测方法 pd1 = 0.8249 0.7561 0.7