第8章 数字信号最佳接收.pptVIP

通信原理;8.1 最小差错概率接收准则 8.2 确知信号的最佳接收机 8.3 随相信号的最佳接收机 8.4 最佳接收机性能比较 8.5 匹配滤波器 8.6 最佳基带传输系统;8.1 最小差错概率接收准则; 8.1 数字信号接收的统计表述 1、模型 在数字信号的最佳接收分析中，我们不是采用先给出接收机模型然后分析其性能的分析方法，而是从数字信号接收统计模型出发，依据某种最佳接收准则，推导出相应的最佳接收机结构，然后再分析其性能。 在噪声干扰中的数字信号接收，实质上是一个统计接收问题，或者说信号接收过程，是一个统计判决的过程。 数字通信系统的统计模型如图8. 1 所示。 ;图 8. 1 数字通信系统的统计模型; 2、消息空间的统计描述 在数字通信系统中， 消息是离散的状态， 设消息的状态集合为 X={x1, x2, …, xm} (8.1 - 1) 若消息集合中每一状态的发送是统计独立的， 第i个状态xi的出现概率为P(xi)， 则消息X的一维概率分布为; ; S={s1, s2, …, sm} 并且信号集合各状态出现概率与消息集合各状态出现概率相等，即 P(s1)=P(x1) P(s2)=P(x2) P(sm)=P(xm) ; 若消息各状态出现的概率相等， 则有 P(s1)=P(s2)=…=P(sm)= (8.1 - 6) P(si)是描述信号发送概率的参数，通常称为先验概率， 它是信号统计检测的第一数据。 4、噪声空间的统计描述 信道特性是加性高斯噪声信道，噪声空间n是加性高斯噪声。在前面各章分析系统抗噪声性能时，用噪声的一维概率密度函数来描述噪声的统计特性, 在本章最佳接收中，为了更全面地描述噪声的统计特性，采用噪声的多维联合概率密度函数。噪声n的k维联合概率密度函数为; f(n)=f(n1, n2, …, nk) (8.1 - 7) 式中，n1, n2, …, nk为噪声n在各时刻的可能取值。 根据随机信号分析理论可知： （1）若噪声是高斯白噪声， 则它在任意两个时刻上得到的样值都是互不相关的，同时也是统计独立的； （2）若噪声是带限高??型的，按抽样定理对其抽样，则它在抽样时刻上的样值也是互不相关的， 同时也是统计独立的。 根据随机信号分析，若随机信号各样值是统计独立的，则其k维联合概率密度函数等于其k个一维概率密度函数的乘积，即： f(n1, n2, …, nk)=f(n1)f(n2)…f(nk) 式中， f(ni)是噪声n在ti时刻的取值ni的一维概率密度函数； ;若ni的均值为零，方差为σ2n，则其一维概率密度函数为; 5、观察空间的统计描述 信号通过信道叠加噪声后到达观察空间， 观察空间的观察波形为 y=n+s 由于在一个码元期间T内， 信号集合中各状态s1, s2, …, sm 中之一被发送，因此在观察期间T内观察波形为 y(t)=n(t)+si(t) (i=1, 2, …, m) 由于n(t)是均值为零， 方差为σ2n的高斯过程，则当出现信号si(t)时, y(t)的概率密度函数fsi(y)可表示为; 称为似然函数，它是信号统计检测的第二数据。 根据y(t)的统计特性，按照某种准则，即可对y(t)作出判决， 判决空间中可能出现的状态r1, r2, …, rm与信号空间中的各状态s1, s2, …, sm相对应。 ; 8.1.2 最佳接收准则 在数字通信系统中，最直观且最合理的准则是“最小差错概率”准则。 由于在传输过程中，信号会受到畸变和噪声的干扰，发送信号si(t)时不一定能判为ri出现，而是判决空间的所有状态都可能出现。这样将会造成错误接收