信号检测与估计知识点总结.docVIP

第二章 检测理论 1．二元检测： 感兴趣的信号在观测样本中受噪声干扰，根据接收到的测量值样本判决信号的有无。 感兴趣的信号只有两种可能的取值，根据观测样本判决是哪一个。 2．二元检测的数学模型： 感兴趣的信号s，有两种可能状态：s0、s1。在接收信号的观测样本y中受到噪声n的污染，根据测量值y作出判决：是否存在信号s，或者处于哪个状态。即： y(t)=si(t)+n(t) i=0,1 假设：H0：对应s0状态或无信号， H1：对应s1状态或有信号。 检测：根据y及某些先验知识，判断哪个假设成立。 3. 基本概念与术语 先验概率：不依赖于测量值或观测样本的条件下，某事件（假设）发生或 成立的概率。p(H0),p(H1)。 后验概率：在已掌握观测样本或测量值y的前提下，某事件（假设）发生或成立的概率。 p(H0/y),p(H1/y) 。 似然函数：在某假设H0或H1成立的条件下，观测样本y出现的概率。 似然比： 虚警概率 ：无判定为有； 漏报概率 ：有判定为无； （正确）检测概率 ：有判定为有。 平均风险： 4.1 最大后验概率准则（MAP） 在二元检测的情况下，有两种可能状态：s0、s1， 根据测量值y作出判决：是否存在信号s，或者处于哪个状态。即： y(t)=si(t)+n(t) i=0,1 假设：H0：对应s0状态或无信号， H1：对应s1状态或有信号。 如果 成立，判定为H0成立； 否则 成立，判定为H1成立。 利用贝叶斯定理： 可以得到： 如果 成立，判定为H0成立； 如果 成立，判定为H1成立； 定义似然比为： 得到判决准则： 如果 成立，判定为H0成立； 如果 成立，判定为H1成立； 这就是最大后验准则。最佳门限值由先验概率决定。要求在先验概率已知的条件下进行判决。 已知：先验概率、在各种假设条件下的概率分布/密度函数。 判决依据：观测信号样本。 判决准则：后验概率最大化。 数学描述：似然比是否超过门限。其中门限值为先验概率的比值。 即：以观测样本为依据，以似然比为检测统计量，以后验概率最大为衡量标准（准则），以先验概率比为检测门限。 4.2 最小错误概率准则 如果 成立，判定为H0成立； 否则 成立，判定为H1成立。 可以得到： 如果 成立，判定为H0成立； 如果 成立，判定为H1成立； 定义似然比为： 得到判决准则： 如果 成立，判定为H0成立； 如果 成立，判定为H1成立； 结论与最大后验准则完全一致！ 即：以观测样本为依据，以似然比为检测统计量，以错误概率最小为衡量标准（准则），以先验概率比为检测门限。 5.1 贝叶斯准则 贝叶斯准则就是以代价最小化为基准的检测判决准则。 平均代价： 判决准则： 如果 成立，判定为H0成立； 如果 成立，判定为H1成立； 成立条件： 已知两种假设条件下的概率密度函数； 已知先验概率； 已知代价函数。 5.2贝叶斯准则与最大后验概率准则和最小错误概率准则之间的关系 当 时，即当两种假设条件下错误判决与正确判决的风险之差为定值（二者相等）时，贝叶斯准则的判决门限仅取决于先验概率比值，此时贝叶斯准则蜕化为最大后验概率准则。此时代价因子在判决过程中不起作用。 当满足代价：C00=C11 =0, C10=C01=1条件时，即：正确判决无代价，错误代价相同。贝叶斯准则蜕化为最小错误概率准则。 如果在判决过程中完全忽略代价、先验概率对判决结果的影响。直接把判决门限取为1，贝叶斯准则蜕化为最大似然准则 贝叶斯准则的意义是在先验概率已知条件下，对于给定（预先设定）代价函数，平均代价最小的判决方式。 6. 极大极小化准则 当先验概率未知时，通过微分求极值，得到： 上式称为极大极小化方程，其中左侧