统计检测与估值检测部分.pptVIP

统计检测与估值 检测部分1 引言 参考书目 引言 教学内容安排 1。授课--约25% 2。文献演讲--约75% 考核 引言——随机噪声 随机噪声 引言——随机噪声 引言——随机噪声 引言——高斯噪声 高斯噪声 —— 概率密度函数服从高斯分布的一类噪声 引言——高斯噪声 引言——高斯噪声 引言——概率密度函数的转换 一维分布 N维分布 引言——矩阵运算 检测与估计 经典检测理论和假设检验 统计假设检测问题 假设：关于可能的判决的陈述； ——产生假设的机构称为源。 观测：受各种干扰的,包含假设的,统计观测量z ——其取值范围构成观测空间Z。 检测：由观测到的结果，来判决哪个假设是正确的。 ——由判据确定观测空间的划分， 即找出判决域和判决门限。 经典检测理论和假设检验 假设检测判决问题的引出 经典检测理论和假设检验 经典二元检测理论和假设检验 先验概率，由源或发信机构决定。 后验概率，由源与观测值之间的联系决定。 判据： Maximum A Posteriori Probability Criterion 判决公式：——最大后验概率（MAP）准则 Likelihood Ratio Testing LRT： Likelihood Ratio Testing 不同的判决准则有不同的门限 LRT例子1 例1 二元OOK系统： 发射源信号为： 接收信号为： 设 为零均，方差为1的高斯变量。 要求：作一次观测，检测二元信号。 LRT例子 LRT例子 LRT例子 小结 检验统计量一般不是z的单调函数， 本例中检验统计量ln[Λ(Z)]=Z。 一般的观测量是多维的Z1,Z2,..ZN，而Λ(Z)总是一维的。 Λ(Z)总是正的 Λ(Z)是随机变量，有 pdf 函数 Bayes Criterion 判决的代价 Bayes Criterion Bayes Criterion Bayes准则下的似然比检验 Bayes准则下的似然比检验 推论 推论 推论 判决错误的描述 判决错误的描述 LRT例子2 LRT例子2 LRT例子3 LRT例子3 LRT例子3 误差函数定义 极大极小化准则 极大极小化准则 极大极小化准则 极大极小化准则 极大极小化准则 Neymann Pearson判据 聂曼—皮尔逊检验 Neymann Pearson判据 Neymann Pearson判据 小结 小结 ROC——Receiver Operating Characteristic ROC推导 ROC推导 各种判据在ROC上的表现 各种判据在ROC上的表现 各种判据在ROC上的表现 各种判据在ROC上的表现 作业 参考书[1]中，3.2，3.3，3.4，3.5 3.4提示： 由最小错误概率准则下得到的判决公式构造的接收机称为理想观测者。 LRT例子2 LRT例子3 * * * Carrier Ethernet for Mission Critical Applications M.D. Srinash “An Introduction to Statistcal Signal Processing with Applications”,1979 -----New Ed edition (August 10, 1995) LonnieC. Ludeman, “Random Process: Filtering, Estimation, and Detection”, John Wiley, 2005 Steven M. Kay, “Fundamentals of Statistical Signal Processing: Estimation Theory”, PRENTICE HALL PTR, 2003 Harry L. Van Trees, “Detection, Estimation and Modulation Theory Part I”John Wiley Sons, Inc., 2001 (since 1968, 32 republished) D. McNicol, “A PRIMER OF SIGNAL DETECTION THEORY”, Awrence Erlbaum Associates, Inc., 2005 Mourad Barkat, Signal Detection and Estimation, Second Edition, ARTECH HOUSE, 2005 报告成绩(30%