第三章-信号检测与估计（二）new.pptVIP

3.4.1 最小平均错误概率准则(Minimum mean prob. of error criterion) 3.4.1 最小平均错误概率准则 3.4.1 最小平均错误概率准则 3.4.1 最小平均错误概率准则 Ex3.7 在闭启键控通信系统中，两个假设下的观察信号模型为： 3.4.2 最大后验概率准则(Maximum a posteriori prob. criterion) 3.4.3 极小化极大准则(Minimax criterion) 3.4.3 极小化极大准则(Minimax criterion) 3.4.3 极小化极大准则 3.4.3 极小化极大准则 3.4.3 极小化极大准则 3.4.3 极小化极大准则 3.4.3 极小化极大准则 如果猜测一个P1g,则C(P1,P1g)变为线性函数 3.4.3 极小化极大准则 3.4.3 极小化极大准则 3.4.3 极小化极大准则(Minimax criterion) Ex3.8 在闭启键控通信系统中，两个假设下的观察信号模型为： 3.4.4 奈曼-皮尔逊准则(Neyman-Pearson criterion) 3.4.4 奈曼-皮尔逊准则 1. 奈曼——皮尔逊准则解的存在性概念说明 3.4.4 奈曼-皮尔逊准则 3.4.4 奈曼-皮尔逊准则 3.4.4 奈曼-皮尔逊准则(Neyman-Pearson criterion) 3.4.4 奈曼-皮尔逊准则(Neyman-Pearson criterion) Ex3.9 在二元通信系统中，两个假设下的观察信号模型为： 练习：如果两个假设为 其中， ，要求 ，设计 奈曼—皮尔逊接收机。请自己完成。 应用范围 假设的先验概率未知，判决代价未知(雷达信号检测) 奈曼-皮尔逊检测 尽可能小， 尽可能大。 目标 实际情况 减小时， 也相应减小； 也随之增加。 增加 在 约束条件下,使正确判决概率 最大的准则。 1 2 3 图3.9奈曼·皮尔逊准则概念性说明示意图 2 奈曼-皮尔逊准则的推导 在 约束条件下,使正确判决概率 最大的准则。 在 约束条件下,使判决概率 最小的准则。 等价于 利用拉格朗日乘子 ，构建目标函数 若 ,J达到最小时， 也达到最小。 2 奈曼-皮尔逊准则的推导 把使被积函数取负值的观察值x值划分给R0区域，而把其余的观察值x值划分给R1， 即可保证平均代价最小。 判决H0假设成立 判决H1假设成立 判决表达式 其中,判决门限由下式确定 作用 作用 试构造一个在 条件下的奈曼-皮尔逊接收机. 上述情况下,噪声n是均值为零,方差为1的高斯噪声 解： 步骤1：计算两个似然函数，构建似然比 由于n是高斯分布随机变量，因此在H0假设下，x服从高斯分布， 且均值为零，方差为 ,在H1假设下，x服从均值为1，方差为 的高斯分布。 步骤2：假设门限，构建似然比检测基本表达式 步骤3：化简 步骤4：计算判决门限 在 条件下确定判决门限 解得 * 大家晚上好 3.4 派生贝叶斯准则(Generalized Bayes Criterion) 基本要求： 掌握最小平均错误概率准则和最大后验概率准则 掌握极小化极大准则和奈曼-皮尔逊准则的应用范围和基本原理 应用范围 平均错误概率 此时,平均代价最小即转化为平均错误概率最小。 把使被积函数取负值的观察值x值划分给R0区域，而把其余的观察值x值划分给R1， 即可保证平均代价最小。 判决H0假设成立 判决H1假设成立 最小平均错误概率判决准则 最大似然准则 若两个假设的先验概率相等，且 采用最小平均错误概率准则，试确定判决表示式， 并求最小平均错误概率 上述情况下,噪声n是均值为零,方差为 的高斯噪声 由例3.5，知 由于 应用范围 贝叶斯判决准则 因此，当dx很小时，有 最大后验概率检测准则： 贝叶斯检测，给定各种判决代价因子，且已知各假设的先验概率条件下， 使平均代价最小的检测准则。 最小平均错误概率判决准则 最大后验概率检测准则 等概 最大似然判决准则 贝叶斯及派生检测准则(1) 贝叶斯检测，给定各种判决代价因子，且已知各假设的先验概率条件下， 使平均代价最小的检测准则。 贝叶斯及派生检测准则(2) 信源先验 概率未知 信源先验概率及 代价因子均未知 极小化极大准则 奈