现代信号处理01a.docVIP

信号检测 统计检测理论－利用信号与噪声的统计特性等信息来建立最佳判决的数学理论。 检测理论（判决理论）+ 估计理论 1950－60通信工程＋统计学―形成一门新的学科 信号检测（Detections） --主要解决在受噪声干扰的观测中信号有无的判决问题 数学基础：统计判决理论（假设检验理论），又称为假设检验理论。 信号估计（Estimations） --主要解决在受噪声干扰的观测中，信号参量和波形的确定问题 数学基础：统计估计理论、滤波理论 通信、自动控制、雷达、声纳、导航、地震学、生物医学、模式识别等领域得到广泛的应用。通信系统的主要目标之一，就是使接收端得到一个与发射端尽可能相同的复现信息。 基本检测理论模型 假设检验（Hypothesis Testing） 用假设检验进行统计判决，通常包含了下列步骤 一 作出合理的可能假设 分析所有可能出现的结果，对每一种可能出现的情况赋予一种假设。对于二元检测的问题，这…步骤可省略。 二 选择进行判决所需遵循的最佳准则 即便同是二元检测，当应用对象不同时，衡量判决性能好坏的标准也往往不同, 雷达和通信系统就是这样的典型例子。 三 进行实验以获得所需要的数据资料 注意，进行统计判决所需要的数据资料不仅仅是指观测到的信号数据，在不少场合，还包含有关的统计资料，例如两种假设的先验概率P H0 和P H1 以及在各种假设条件下接收样本的概率密度函数 z H0 和 z H1 等。 四 根据给定的最佳准则，利用接收样本进行统计判决 假设――所要检验的对象的可能情况或状态 检验――检测系统所做的判决过程 二元检测：只有两种可能的假设 多元检测：有多个可能的假设 复合假设：信号是一随机过程的实现，其均值或方差可处于某个数值范围内 序列检测：按取样观测值出现的次序进行处理和判决 二元假设检验可能的情况： H0假设为真，判决H0（正确）；代价－C00 H1假设为真，判决H0（漏警）；代价－C01 H0假设为真，判决H1（虚警）；代价－C10 H1假设为真，判决H1（正确）；代价－C11 §1-1贝叶斯准则 Bayes 代价、风险最小 以二元假设检验为例： 源有两个输出，两个输出发生的概率已知，即先验概率已知P H0 , P H1 分别为假设H0和H1发生的概率 显然有P H0 + P H1 1 D0表示判决H0，D1表示判决H1 赋予每个可能的判决一个代价Cij i, j 0,1 , Cij --表示假设为Hi而判决为Dj时的代价 贝叶斯准则的目标是使平均代价E[C]最小风险最小。 假定错误判决的代价总是比正确判决的代价大，即： C01 C11 , C10 C00 假定各种代价均已知，并设P Di, Hj 表示假设为Hj而判决为Hi时的联合概率，则平均代价为： E[C]＝C00P D0, H0 +C01P D0, H1 + C10P D1, H0 + C11P D1, H1 - 1-3 P Di, Hj ＝P Di| Hj . P Hj 条件概率P Di|Hj , i, j 0,1--- 1-5 ; Z Z0 U Z1 P D0|H0 P 判决为H0|H0为真 ∫Z0 p Z|H0 dZ P D0|H1 P 判决为H0|H1为真 ∫Z0 p Z|H1 dZ PM―漏警概率 1-8 P D1|H0 P 判决为H1|H0为真 ∫Z1 p Z|H0 dZ PF―虚警概率 1-9 P D1|H1 P 判决为H1|H1为真 ∫Z1 p Z|H1 dZ PD－检测概率 1-10 他们之间满足下列关系： P M 1 - P D ----- 1-11 , P D0|H0 1 - PF P 正确判决 ＝P D0, H0 + P D1, H1 P D0|H0 P H0 + P D1|H1 P H1 1 - P F P H0 + P D P H1 — 1-13 同理有： P 错误判决 ＝P D0, H1 + P D1, H0 P M P H1 + P F P H0 故平均代价为： E[C]＝C00 1 - P F P H0 + C01 1 - P D P H1 + C10 P F P H0 + C11 P D P H1 由 1-7 , 1-10 两式： E[C]＝C00P H0 ∫Z0 p z|H0 dz + C01 P H1 ∫Z0 p z|H1 dz + C10 P H0 ∫Z1 p z|H0 dz + C11 P H1 ∫Z1 p z|H1 dz ∫Z1 p z|Hj dz 1 -∫Z0 p z|Hj dz, j 0,1 E[C]＝C10P H0 + C11