自适应滤波器的信号检测.doc

自适应滤波器的信号检测 姓名：李伟伟 学好 引言 本篇读书笔记主要论述了以下几个方面：首先概括了统计检测与估计这门课程研究的主要问题和处理方法。接着对所给检测与估计文献研究问题进行了归类与总结。最后对自适应滤波器的信号检测做了详细介绍，同时给出了学习这篇文章索要掌握的基本知识。希望能对读者研究类似课题有所帮助。 一 统计检测与估计课程总结 通过本课程的学习，要掌握各类通信信号处理中常用的信号检测与估计理论的基础部分，其基本要素是运用数理统计的理论与方法，对统计的信号进行分析，如检测信号状态、估计信号参量、分析信号波形等。 本文主要分为信号的检测和估计两条脉络。前部分研究的问题为信号检测。 由于信号在信道传输过程中会有畸变，如振幅，频率，相位到达时间等参数的随机变化再加上噪声的影响，所以收到的信号是畸变加上噪声的混合波形，现要从中判断出有用的信号，即涉及到了信号检测的问题。我们所考虑的信道包括有用信号和加性噪声。信号按其确知的程度，可分为确切信号、随机参量信号和随机信号。加性噪声按其统计特性，可分为高斯噪声和非高期噪声。所以检测理论主要分成了高斯白噪声下确知信号的检测序列检测非参量检测单样本检测多样本检测多脉冲积累实用二进制检测器Middleton的判决理论公式同时为提出了广义似然比检测并分别给出了实际应用和遇到的问题。接着介绍了指数形式协方差的已知二进制信号的检测，分别推导了固定参数似然比函数和参数未知，在复合假设的情况下求出似然比函数两类。给出了聂曼--皮尔逊条件下的最佳检测统计量的推导。最后一类讨论的是确定形式而未知能量的信号检测，引出了卡亨南—洛维展开式。 第三章中只有一篇文献，主要说明了多维信号的统计检测一类问题。每一个输入可能包含多个可能信号，并且每个信号波形都有着多种可能的变化，使用了贝叶斯准则和聂曼—皮尔逊准则两种判决方法处理这类问题。 第四章中首先介绍了噪声背景下的最优序贯检测。在序贯检测中，其符号长度或观测数据量不是事先规定的，而是根据信道与背景噪声的条件自适应地调整的。分别介绍了统计决策问题，平均风险最小处理给出了序列检测程序和先验信息处理。接着讨论了马尔科夫序列的序贯似然比检测，推导出了一个对于离散时间高斯马尔可夫似然比的“理想”相关估计结构。。当观察噪声协方差是未知的时候，通过给改进协方差设定一个Wishart先验概率，推导出了一个似然比的积分表达式。这种形式对似然比的并行近似估计有很大的帮助。最后对有限状态马尔可夫序列似然比检验的推导。证明了一般当状态空间是有限的时候，并不存在理想的相关估计器。 第五章也为一篇文献介绍了高斯信号最优贝叶斯检测的奇异与非奇异性。简要地阐述两个高斯过程N0(t)和N1(t)为一般的非平稳过程和零均值平稳过程这两种情况时的最佳非奇异(贝叶斯)检测的充要条件。从而获得上述两种情况的最佳奇异检测的充要条件以及一些特殊情况的处理方法。 第六章讲述了通过随机信道的信号的相关检测，对在加性高斯噪声中确知信号的相干检测可以扩展为对经高斯随机信道传输，被加性高斯噪声污染的信号的检测。在确知信号时，接收机将接收的信号与加性噪声引入前的信号进行互相关。当信道是随机的，接收机无法得知加性噪声引入前的信号。但是知道了信道和噪声的数据，接收机就可以在假设一个特定信号被传送的基础上从接收的信号做出一个估计。最佳接收机将接收的信号与此估计的信号进行互相关。选择一个信道模型，进行最佳接收机的设计。 第七章为高斯信号的最佳检测的举例和对白噪声的解释。信号噪声不是白噪声而且信号和噪声没有合理的频谱。提供了四个简单实例的目的是为了阐明一个确定最优检测器检测统计量和门限值的方法。 第八章将在本文中详细叙述，是本文的主要研究任务。 第九章介绍了信号理论准则下的信号检测。主要描述了估值理论中各种随机过程的重要性。将技术中的基本事实分离出来，本文以一种明白易懂的方式给出了这些随机过程在估值问题中的基本作用以及直接应用。 2）下面来对12篇估计文献做个介绍和总结： 第一章介绍了估计理论中的随机过程，主要描述了估值理论中各种随机过程的重要性给出了这些随机过程在估值问题中的基本作用以及直接应用。 第二章中简述了条件平均估计和贝叶斯假设检验。主要讨论在已知条件概率密度函数为指数形式的条件下，对未知某参数的标定，并给出了推导和应用。介绍了“相关估计式”应用于最佳检测器的实例。 第三章介绍了高斯信号的似然比函数的估计。文中讲解了将似然比函数作为态变量来进行高斯噪声背景下的高斯信号的估计。得出由于似然比函数是通过对过去和目前的接收信号的一系列条件期望的条件下表现出来的，所以似然比函数可以用物理可实现系统在实时条件下产生。 第四章共有两篇文献介绍了最小二