信号检测与估计第三章信号的检测3.pptVIP

§3.4.1 随机参量信号的检测 已知信号：信号出现后，所有的参数（幅度、频率、相位、到达时间等）都已知。 考虑信号中含有未知参数的情形。 雷达系统：目标反射信号的幅度、相位和时延可能是随机的； 通信系统：接收到的多径信号幅度、相位和频率可能是随机的； 在描述信号统计特性的概率密度函数（似然函数）中就含有未知的参量，我们称这种含有未知参量的假设为“复合假设” 。 令与假设有关的参量为?，取值空间为?。根据未知参量的性质，可分为三种情况。 ⑴概率密度函数已知的随机参量： 给定?时，求出条件似然函数； 将条件似然函数对参量平均，求出似然函数； 按以前的简单假设检验来求解。 ⑵概率密度函数未知的随机参量： 找出未知参量的最不利密度函数p(?)； 按上面⑴中的已知概率密度函数的随机参量来求解。 ⑶未知的常数：采用Neyman-Pearson准则：假定?值，寻求α=a时使PD最大的检验。 若PD最大时与?值无关：这时可实现最佳检验，称为“一致最大势检验”。 若一致最大势检验不存在：分别作假设H1和H0下估计值?1和?0，再将它们当作真值来进行似然比检验。通常采用最大似然估计量来构成一个广义似然比检验： 例如 假设H0下，观测值服从零均值、方差为?2的高斯分布； 假设H1下，观测值服从方差为?2的高斯分布，但均值m为未知常数。 一次观测： 若已知m0，则UMP检验存在； 若已知m0，则UMP