第四章-2 检测理论.ppt

若PD与?无关，则检验称为一致最大势检验（UMP）。 若一致最大势检验不存在，可以采用下列方法： 广义似然比检验：对未知参数采用最大似然估计，并将此估计当作真值来进行似然比检验。 ?的最大似然估计：就是使似然函数f(z|?)最大的?。对于复合假设情形，广义似然比判决规则为： 4.4 复合假设检验 例2：在H0假设下，观测数据z具有方差为?2、均值为零的正态分布；在H1假设下，观测数据z具有方差为?2 、均值为A的正态分布，其中A在某区间内任意取值。 (1)假定观测数据量N＝1，求贝叶斯判决式。已知参量A的概率密度为： (2)假定参数A是未知的，但已知A的符号（A0或者A0），试判断UMP检验是否存在。 (3)假定观测数据量N＝1，求广义似然比检验判决表达式。 4.4 复合假设检验 1、最大后验概率准则 最大似然准则 成立 成立 如果先验概率都相等 4.5 多元假设检验 2、贝叶斯准则 令： 4.5 多元假设检验 2、贝叶斯准则 如果使Ci(z)最小的z归入到Zi中，即判Hi成立，则C最小。 计算C1(z) 计算C2(z) 计算CM-1(z) 选小电路 判决 4.5 多元假设检验 3、最小总错误概率准则 如果使Ci(z)最小的z归入到Zi中，即判Hi成立，则C最小。 成立 4.5 多元假设检验 * 4.1 假设检验的基本概念 4.2 判决准则 4.3 检测性能及其蒙特卡罗仿真 4.4 复合假设检验 4.5 多元假设检验 第二部分 信号检测 一、假设检验 假设：对可能的判决结果的陈述； 雷达目标检测：H1 : “Target present” H0 : “Target not present” 假设检验：对几种可能的假设作出判决； H1 和 H0 是互不相容的，这是最简单的二元假设问题，对两种假设进行判决称为二元假设检验问题； 更一般的问题是有M个假设，称为M元假设问题，对M个假设进行判决称为M元假设检验问题。 4.1 假设检验的基本概念 信源s P(s);(H0,H1) 混合 P(n) n 判决准则 判决 (H0,H1) P(x|s) x 观测空间 信号检测的统计推断模型 假设检验的实质是对观测空间进行划分。 z Z0 Z1 Say H1 Say H0 Z 4.1 假设检验的基本概念 借助假设检验进行统计判决，步骤如下: 作出合理的假设； 选择进行判决时所遵循的判决准则； 获取观测样本； 作出具体判决。 4.1 假设检验的基本概念 1、最大后验概率准则 在观测到数据z的情况下，可以计算出后验概率P(H1|z)和P(H0|z)，对二个后验概率进行比较，如果P(H1|z)P(H0|z)， 有理由认为，之所以得到这样的观测值z，最有可能是事件H1发生引起的，则判决公式为： 4.2 判决准则 利用贝叶斯公式: 似然比 门限 假设检验问题转化为似然比与门限进行比较的问题，称为似然比检验 4.2 判决准则 例1：二元假设： H1：z=1+v H0：z=v 其中v是均值为零、方差为1的正态随机变量；假定P(H0)=P(H1) 给出最大后验概率判决式，并确定判决性能。 4.2 判决准则 对于二元假设检验，有四种可能结果 H0为真，判H0成立 H1为真，判H1成立 H0为真，判H1成立 H1为真，判H0成立 发现概率或检测概率： ——正确判决 ——正确检测 ——虚警（第一类错误） ——漏警（第二类错误） 虚警概率(常用?表示)： 漏警概率(常用?表示): 4.2 判决准则 最大后验概率准则产生的总的错误概率Pe为: 检测器的性能可以通过计算判决可能产生的错误概率来评估。 4.2 判决准则 已知信号的先验概率和代价因子，使统计平均代价最小。 统计平均代价: 代价因子Cij表示Hj为真，判决为Hi所付出的代价。 2、贝叶斯准则 判决表达式为： 似然比 门限 假设检验问题转化似然比检验 4.2 判决准则 例2：二元假设： H1：z=1+v H0：z=v 其中v是均值为零、方差为1的正态随机变量； 代价函数及先验概率已知，作出贝叶斯准则的判决。 4.2 判决准则 在已知信号的先验概率 和 的条件下，使总错误概率最小： 常应用在数字通信中。相当于贝叶斯准则中 C00＝C11=0, C01=C10=1。 判决规则为： 3、最小总错误概率准则 最大后验概率判决式 假设检验问题转化似然比检验 4.2 判决准则 例3：二元假设： H1：z=A+vi i=1,2,...,N H0：z=vi i=1,2,..