Lecture 5 M元信号检测与参量信号检测.pptVIP

Lecture 5 M元信号检测与参量信号检测 定义 BPSK调制：每符号携带1比特信息 高速无线通信?高谱效率?高阶调制（如64-QAM，每符号携带log264=6比特信息）?如何检测？ 多元信号检测： Problem Formulation 平均代价： 问题：如何对观测空间R进行划分（即确定R0,R1,…, RM-1）使得目标函数C最小（贝叶斯准则），即 Solution Solution M=2 ML准则 正确判决代价为0，错误判决代价为1，且信源的假设先验等概 M-PAM性能 M-PAM (M为偶数）调制 计算信号平均能量Eav，ML检测的平均错误概率Pe M-PAM M-PAM M-PAM M-PAM 作业1 计算采用ML检测的M-QAM平均错误概率Pe （M=22k，k0的正整数） 参量信号检测 Motivation: Fading channel without channel state information at the receiver r = hx + n 参量信号的检测中，信源在假设Hi下输出含有未知参量 ，因此，在假设Hi下，观察信号表示为 Bayes检测 Bayes检测方法 例子 例子 例子 例子 例子 作业2 验证下式的真伪 with 例子 作业3 BPSK over Rayleigh fading channel If h is unknown at the receiver, please calculate the error probability with Bayes detection. If binary Orthogonal Modulation is employed, i.e., Please try again 步骤3：构建贝叶斯检测基本表达式 例子 广义似然比检测： Lecture 5 - M元信号检测与参量信号检测 TE3221023 信号检测与估值 2015年春季 * TE3221023 信号检测与估值 2015年春季 西电通院郑贱平 Available at: /jpzheng/teach.html Min C?将使Ii (r)最小的r均放入判决区Ri，i.e. 如，H0成立的判决域R0为右式的解 例1 Ex3.10 在四元通信系统中，信源有四个可能的输出，即假设为H0时输出1，假设为H1时输出为2，假设为H2时输出为3，假设为H3时输出为4。各个假设的先验概率相等，且正确判决代价为零，错误判决代价为1，并进行了N次独立观测。 试设计一个四元信号的最佳检测系统。 信号在传输过程中叠加有均值为零，方差为 的 加性高斯白噪声。 解： 根据题设条件，在信源先验等概且正确判决代价为零，错误 判决代价为1的条件下，贝叶斯检测等价于最大似然检测，即 使似然函数 最大的观察值划分给判决区域 Ri 步骤1，计算各假设下的似然函数 由于n是高斯分布随机变量，因此在 H0 假设下， 服从高斯分布， 且均值为1，方差为 ; 在 H1 假设下， 服从均值为2，方差为 的高斯分布; 在 H2 假设下, 服从均值为3，方差为 的高斯分布; 在 H3 假设下, 服从均值为4，方差为 的高斯分布。 步骤2，按照最大似然准则划分观察空间 上述四个似然函数，可统一写成 由于 因此，判决规则转化为使 最大时，判为Hk假设成立 令 进一步转化为 最大时，判为Hk假设成立 因此，假设H0的判决区域由下列方程组确定 合并得到，当 时，判为H0假设成立。 因此，假设H1的判决区域由下列方程组确定 合并得到，当 时，判为H1假设成立。 因此，假设H2的判决区域由下列方程组确定 合并得到，当 时，判为H2假设成立。 因此，假设H3的判决区域由下列方程组确定 合并得到，当 时，判为H3假设成立。 四元信号检测的判决域 先利用最大似然方法对未知参量进行估计，然后利用得到 的估计量按照确定信号的检测方法进行。 最大似然估计 使似然函数 达最大的 作为该参量的估计量， 记为 广义似然比 广义似然比检验 假设参量的概率密度函数已知 贝叶斯检测准则 参量信号的检测中，信源在假设Hi下的条件概率密度函数为 如何由条件似然函数 和未知参量的概率密度函数 得到似然函数 ? 参量检测中，贝叶斯检测准则为： 在二元参量信号的统计检测中，两个假设下的信号分别为 1)其中m是均值为零，方差为 的高斯随