3.假设检验理论描述.ppt

贝叶斯检测小结 利用贝叶斯判决准则进行检测的基本步骤： 步骤1：计算两个似然函数，构建似然比 步骤2：根据两个假设的先验概率和代价因子，计算判决门限 步骤3：利用上式，形成贝叶斯检测基本表达式 步骤4：化简 贝叶斯检测例题 Ex3.1 在二元数字通信系统中,假设为H1时,信源输出为常值正电压m,假设为H0时,信源输出输出零电平,信号在传输过程中迭加了噪声n(t),每种信号的持续时间为T, 请: (1) 若接收端对接收信号x(t)在(0,T)时间内进行1次采样,给出 对应的贝叶斯检测准则 (2) 若接收端对接收信号x(t)在(0,T)时间内进行N次独立采样,给出 对应的贝叶斯检测准则. 上述两种情况下,噪声采样值ni是均值为零,方差为 的高斯噪声 解：一次采样时 步骤1：计算两个似然函数，构建似然比 由于n是高斯分布随机变量，因此在H0假设下，观察信号x也服从高斯分布， 且均值为零，方差为 ,在H1假设下，观察信号x服从均值为m，方差为 的高斯分布。 步骤2：根据两个假设的先验概率和代价因子，计算判决门限 步骤3：形成贝叶斯检测基本表达式 步骤4：化简 解：N次采样时 步骤1：计算两个似然函数，构建似然比 由于n是高斯分布随机变量，因此在H0假设下，第i次采样值xi服从高斯分布， 且均值为零，方差为 ,在H1假设下，第i次采样值xi服从均值为m，方差为 的高斯分布。 步骤2：根据两个假设的先验概率和代价因子，计算判决门限 步骤3：形成贝叶斯检测基本表达式 步骤4：化简 最小平均风险准则 以上就是贝叶斯准则的基本内容,包括: 1 平均代价的概念 2 贝叶斯准则;3 平均代价C的表示式;4 判决表示式;5 检测性能分析. 假设检验理论 贝叶斯准则－ 最小平均风险准则 关于门限的讨论 假设检验理论 贝叶斯准则－最小平均风险准则 贝叶斯准则和最大后验概率准则的关系 在贝叶斯判决规则中， 假设检验理论 最小错误概率准则（理想观察器准则） 假设检验理论 （2）分析： 条件概率 多了一个条件y,所以称为后验概率 P(H1)大，门限值就小，似然比超过门限的可能性就大。 假设检验理论 假设检验理论 最优处理器构成： 假设检验理论 似然比性质 似然比是非负的 似然比是一维标量 由于y是观测得到的值，所以p1(y)和p0(y)可以通过统计得到的 假设检验理论 似然比的密度分布 假设检验理论 似然比的密度分布 R1的区域判为信号存在，记为D1 R0的区域判为信号不存在，记为D0 假设检验理论 似然比性质 区别 假设检验理论 虚警、漏警和发现概率： 定义： 若观测信号的采样 或它的似然比 处于R1范围内，则判决信号存在，以 D1 表示。 若观测信号的采样 或它的似然比 处于R0范围内，则判决信号不存在，以D0 表示。 第一类错误：信号不存在时(H0条件下)，判为信号存在(D1)，在雷达信号检测中，这种错误为虚警，用虚警概率Pf或α度量 第二类错误：信号存在时(H1条件下)，判为信号不存在(D0)，在雷达信号检测中，这种错误为漏警，用漏警概率度量 确有信号判断为有信号的概率称为检测概率Pd，无信号判断为有信号的概率称为虚警概率Pfa，有信号判断为无信号的概率称为漏报概率Pl。几种概率之间存在一定的关系。 于检测系统，在判断过程中需要设置一个阈值或称作门限，超过门限就做出“有目标”的判断。如果设定门限较高，检测概率和虚警概率都较小，如果设定门限较低，则两种概率都变大。对于固定的输出信噪比，不同的门限对应有一对不同的检测概率和虚警概率。 图5-7表示了门限对检测概率和虚警概率的影响，在门限较低（T2）时，三个信号都超过了门限，被检测出来，但也有四处噪声超过了门限，形成虚警；在门限较高（T1）时，没有虚警，但只有一个信号被检测出来，另外两个信号没有超过门限，形成漏报。 假设检验理论 虚警、漏警和发现概率 第一类错误（虚警） ： 由于噪声总是客观存在的，当噪声信号的幅度超过检测门限时，雷达（或其他检测系统）就会被误认为发现目标 假设检验理论 虚警、漏警和发现概率 第二类错误（漏警） ： 假设检验理论 虚警、漏警和发现概率 发现概率：在雷达信号检测中，信号存在条件下(H1条件)正确判为信号存在(D1)的概率称为检测概率，雷达中常叫发现概率。 假设检验理论 虚警、漏警和发现概率 总错误概率：又称为平均错误概率： 不仅和两个后验概率有关，还和先验概率有关 在不同的事件中，虚警与漏警的要求是不一样的。 发生了虚警或漏警，不一定是质量问题，有判断标准的问题 贝叶斯决策 实例 现在举一个例子说明怎么使用贝叶斯公式来做决策。 例子： 假设有100个人，每个人都有自己的生