检测与估计的基本理论.ppt

第一章统计接收中信号检测与估计的基本理论 本章讲授的提纲 1-1 引言 1-2 简单实例 1-3 双择检测及其最佳准则 1-3-1 贝叶斯准则 1-3-2 最小错误概率准则和最大后验概率准则 1-3-3 极大极小化准则 1-3-4 纽曼-皮耳孙准则 1-4 多元信号检测及最佳准则 本章讲授的提纲 §1-5 随机参量信号的检测 §1-5-1 贝叶斯准则 §1-5-2 纽曼-皮尔孙准则 §1-6 误差的定义和分类 §1-7 信号参量估计的性能 §1-7-1 无偏性 §1-7-2 一致性 §1-7-3 充分性 §1-7-4 优效性 §1-7-1 克拉美-罗不等式 §1-8 信号参量估计基本原理 §2-6-1 经典估计方法 §2-6-2 贝叶斯估计 §2-6-3 最大后验估计 §2-6-4 最大似然估计 §1-1 引言 通信与测量系统（包括雷达系统）的基本任务，就是在噪声背景下检测信号的存在并估计信号的参量。在统计学上，都是属于统计决策问题，我们希望所做出的判决平均看来引起的信息损失最小。 本节先讨论统计判决的简单实例,然后阐述目前常用的各种统计判决准则，最后讨论信号检测与估计的基本理论。 §1-1 引言 首先，用s表示信息传输系统发送端的真实状态，即信号空间的元素。它可能表示信号的存在与否。 对于检测问题，s可能有n个状态，用s1,s2,…,sn表示。 对于参量估计问题，s有无限个状态,如一个实数区间[a,b]。 为了讨论方便，假定s仅有n个状态，且每个状态发生的概率为P(si)，称为先验概率。 类似地，用x表示观测结果，即输入空间的元素。由于信道存在噪声干扰，x与s一般是不同的。设x有m种状态，表示为x1,x2,…,xm。由于噪声的随机性，m应为无限多个，但为讨论问题的方便，暂时假定m是有限的。 §1-1 引言 定义： Pij=P(xi|sj) 发送端状态为sj条件下观测结果为xi的概率 §1-1 引言 为了完整描述判决过程，还需了解由于判决错误所引入的损失。 dk：认定发送端为sk的判决，即判决空间D的元素。 cki：当si为真而判决为dk（认定发送端为sk）引入的损失或代价。于是损失矩阵(或代价矩阵)为： §1-2 简单实例 例1. 当发送端真实状态仅有两种时，即: s1: s(t)=s1(t) 和s0:s(t)=s0(t)，则变为双择检测问题，此时，最佳接收机的任务是根据输入信号x(t)，判定s1(t)和s0(t)哪一个存在。在统计学上，这相当于判决两个假设H1和H0之一为真的问题，这两个假设表示为： §1-2 简单实例 与一般决策问题的符号相同: d1表示做出假设H1为真的判决(这种判决不一定正确) d0表示做出假设H0为真的判决(这种判决不一定正确) 假定观测结果x仅有m种状态：x1,x2,…,xm 。于是，在双择检测情况下，条件概率矩阵式（1-1）变为： §1-2 简单实例 §1-2 简单实例 §1-2 简单实例 显然，只要每次判决都根据低的条件代价给出，即 对于特定输入xi，如果满足： §1-2 简单实例 Λ：假定H1和H0成立的条件下，接收端为xi的条件概率比，简称似然比。 §1-3 双择检测与最佳准则 从判决理论的最简单情况——双择检测开始研究： 此时，信息发送端只有两种状态，对应于两种假设H1和H0。在数字通信中，s1(t)可能代表“1”码的波形，s0(t)代表“0”码的波形。 双择检测问题实质上是对输入空间X进行对分，即划分为区域D1和D0?。 §1-3 双择检测与最佳准则 一、贝叶斯准则 前节的定义： Cij：Hj为真，却选择了Hi的代价。对于双择检测，i, j只能为0或1。 C10：表示本来无信号而判为有信号的代价，即虚警代价。 C01：漏报代价 C00、C11：表示正确判决的代价，通常假定为零。 §1-3 双择检测与最佳准则 假设H1为真的条件下，作出判决的平均代价称为假设H1下的条件代价，记为r1： r1=P(D0|H1)C01+P(D1|H1)C11 假设H0为真的条件下，作出判决的平均代价称为假设H0下的条件代价，记为r0： r0=P(D0|H0)C00+P(D1|H0)C10 因为事先不知道H1或 H0为真，所以总平均代价即平均风险应等于各条件代价按其先验概率进行平均，即： R =P(H0)r0+P(H1)r1=P(H0)[P(D0|H0)C00+P(D1|H0)C10]+ P(H1)[P(D0|H1)C01+P(D1|H1)C11 ] （1）