信号的统计检测理论分析.pptx

信号的统计检测理论（小结）  概述 信号的统计检测理论主要研究在受噪声干扰的随机信号中，信号的有无或信号属于哪个状态的最佳判决的概念、方法和性能。 数学基础：统计判决理论，又称假设检验理论。 信号检测模型 信源 信源的输出称为假设 将信源的输出(假设)以一定的 概率关系映射到整个观察空间中 接收端所有可能观测量的集合 将观察空间进行合理划分,使每个观测量 对应一个假设判断的方法 判决规则 观察空间 概率转移机构 统计检测理论的基本模型 二、信号检测 判决域 M元信号检测 判决域 二元信号检测 判决域 3.2 .2 统计检测的结果和判决概率 3.2 .2 统计检测的结果和判决概率 四种判决概率的计算： 若信源两个假设等概发送，最佳判决门限为 A/2，即若接收信号大于A/2，判决信源发送A；若接收信号小于A/2，则判决信源发送0 。 平均代价的概念和贝叶斯准则 信号的平均解调错误概率： 可看出，检测性能，不仅与两种错误判决概率有关，还与信源发送0和1的 先验概率有关 贝叶斯检测，给定各种判决代价因子，且已知各假设的先验概率条件下， 使平均代价最小的检测准则。 贝叶斯准则的基本原理：在划分观察空间时，使平均风险最小 由 贝叶斯检测小结 把使被积函数取负值的观察值x值划分给R0区域，而把其余的观察值x值划分给R1， 即可保证平均代价最小。 贝叶斯检测小结 贝叶斯检测的进一步说明 不依赖于假设的先验概率，也与代价因子无关，适用于不同先验概率和不同 代价因子的最佳信号检测。 最小平均错误概率准则(Minimum mean prob. of error criterion) 应用范围 平均错误概率此时,平均代价最小即转化为平均错误概率最小 3.4.1 最小平均错误概率准则 把使被积函数取负值的观察值x值划分给R0区域，而把其余的观察值x值划分给R1， 即可保证平均代价最小。 3.4.1 最小平均错误概率准则 最大似然检测准则 3.4.2 最大后验概率准则(Maximum a posteriori prob. criterion) 应用范围 贝叶斯判决准则 形式上于最小平均错误概率准则相同 贝叶斯检测，给定各种判决代价因子，且已知各假设的先验概率条件下， 使平均代价最小的检测准则。 贝叶斯及派生检测准则 符合最小平均错误概率准则的一定符合 最大后验概率检测准则，反之不成立。 贝叶斯检测，给定各种判决代价因子，且已知各假设的先验概率条件下， 使平均代价最小的检测准则。 贝叶斯及派生检测准则 极小化极大准则 奈曼皮尔逊准则 极小化极大准则(Minimax criterion) 应用范围 假设的先验概率未知，判决代价因子给定 目的 尽可能避免产生过分大的代价，使极大可能代价最小化。 极小化极大准则 一、几种表示符号定义 虚警概率 漏警概率 极小化极大准则 二、先验概率未知的情况下，平均代价的性质 先验概率未知时，由于贝叶斯判决门限是先验概率P1的函数， 因此漏警概率和虚警概率也是先验概率P1的函数 先验概率和代价因子已知时，平均代价为 代价因子已知，先验概率未知时，平均代价是先验概率P1的函数 极小化极大准则 二、先验概率未知的情况下，平均代价的性质 平均代价C(P1)是先验概率P1的严格上凸函数 极小化极大准则 三、先验概率未知的情况下，可以采用的检测方法 可猜测一个先验概率P1g，然后利用贝叶斯准则进行检测。 极小化极大准则 极小化极大准则 极小化极大准则 奈曼-皮尔逊准则(Neyman-Pearson criterion) 假设的先验概率未知，判决代价未知(雷达信号检测) 奈曼-皮尔逊检测 目标 实际情况 奈曼-皮尔逊准则 奈曼-皮尔逊准则的推导 等价于 奈曼-皮尔逊准则 二、奈曼-皮尔逊准则的推导 把使被积函数取负值的观察值x值划分给R0区域，而把其余的观察值x值划分给R1， 即可保证平均代价最小。 奈曼-皮尔逊准则(Neyman-Pearson criterion) 判决表达式 贝叶斯检测，给定各种判决代价因子，且已知各假设的先验概率条件下， 使平均代价最小的检测准则。 贝叶斯及派生检测准则 贝叶斯检测，给定各种判决代价因子，且已知各假设的先验概率条件下， 使平均代价最小的检测准则。 贝叶斯及派生检测准则 极小化极大准则 奈曼皮尔逊准则 贝叶斯及派生检测准则 分析某种检测方法的性能时，需根据化简后的最简判决表示式进行。 计算步骤：