新·信号的波形检测复习及习题.pptVIP

第四章 信号的波形检测复习及习题 匹配滤波器 匹配滤波器的定义 匹配滤波器的设计 匹配滤波器的主要性质 随机过程的正交级数展开(1) 掌握随机过程的卡亨南-洛维展开 理解白噪声条件下，正交函数集的任意性 随机过程的正交级数展开(2) 1. 完备的正交函数集及确知信号的正交级数展开 随机过程的正交级数展开(3) 2.随机过程的正交级数展开 随机过程的正交级数展开(4) 3.随机过程的卡亨南-洛维展开 随机过程的正交级数展开(5) 4.白噪声条件下，正交函数集的任意性 二元波形信号检测归纳(1) 二元波形信号检测归纳(2) 二元波形信号检测归纳(3) 二元波形信号检测归纳(4) 二元波形信号检测归纳(5) 二元波形信号检测归纳(6) 课后习题 课后习题 第五章 信号的统计估计理论 随机参量的贝叶斯估计(1) 1. 最小均方误差估计 随机参量的贝叶斯估计(2) 1. 最小均方误差估计 随机参量的贝叶斯估计(3) 2. 最大后验估计 随机参量的贝叶斯估计(4) 最大似然估计(1) 最大似然估计(2) 最大似然估计量不变性归纳 单参量估计方法小结 最大似然估计适用于非随机参量和概率密度函数未知的随机参量估计 估计量的性质(1) 估计量的性质(2) 估计量的性质(3) 估计量的性质(4) 估计量的性质(5) 非随机参量的克拉美-罗不等式(1) 非随机参量的克拉美-罗不等式(2) 非随机参量的克拉美-罗不等式(3) 非随机参量的克拉美-罗不等式(4) 非随机参量的克拉美-罗不等式(5) 随机参量的克拉美-罗不等式(1) 随机参量的克拉美-罗不等式(2) 随机参量的克拉美-罗不等式(3) 随机参量的克拉美-罗不等式(4) 随机参量的克拉美-罗不等式(5) 随机参量的克拉美-罗不等式(6) 非随机参量函数的克拉美-罗不等式(1) 随机矢量的贝叶斯估计 最小均方误差估计 第j个参量的最小均方误差估计为： 用矢量表示为： 最大后验估计 式中 随机矢量的伪贝叶斯估计 应用范围：随机矢量的均值矢量和协方差矩阵已知，但概率密度函数未知时，可采用伪贝叶斯估计方法。 随机矢量的经验伪贝叶斯估计 应用范围：随机矢量的均值矢量、协方差矩阵和概率密度函数均未知时，可采用经验伪贝叶斯估计方法。 线性最小均方误差估计(1) 线性最小均方误差估计准则 线性最小均方误差估计量的构造 线性最小均方误差估计矢量的性质 线性最小均方误差估计(2) 线性最小均方误差估计准则 首先，构造的估计矢量 是观测矢量x的线性函数，即： 同时要求估计矢量 的均方误差最小，即为 最小，式中， 表示矩阵的轨迹。 所以，线性最小均方误差估计的估计规则，就是把估计量构造成观测量的线性函数，同时要求估计量的均方误差最小。 线性最小均方误差估计(3) 线性最小均方误差估计矢量的性质 线性最小均方误差估计矢量的性质 线性最小均方误差估计矢量的性质 最小二乘估计(1) 最小二乘估计(2) 最小二乘估计(3) (1) 估计矢量是观测矢量的线性函数 (2) 若观测噪声矢量n的均值矢量为零，则线性最小 二乘估计矢量是无偏的。 (3) 若观测噪声矢量n的均值矢量为零，协方差矩阵为 ，则线性最小二乘估计矢量的均方误差阵为： 最小二乘估计(4) 最小二乘估计(5) 波形中参量估计的基本原理 波形中参量估计的基本原理 信号振幅的估计 信号振幅的估计 信号振幅的估计 信号振幅的估计 课后习题 信号可表示为 其中，s(t)是已知信号，振幅a是待估计量，其最大似然估计量 是满足下述方程的解 由于 所以 信号振幅估计的性质 由于 1.1 估计量的无偏性 (2) 对于非随机参量 ，如果估计量 的均值为 若 则称 是非随机参量 的无偏估计。 若 则称 是非随机参量 的有偏估计。 若 则称 是非随机参量 的已知偏差的有偏估计， 可从估计量 中减去常数b获得无偏估计。 1.1 估计量的无偏性 (3) 如果根据N次观测量构造的估计量 是有偏的，但满足 或 非随机参量 随机参量 则称 是 的