[]检测理论.ppt

?假定随机参量的先验概率 , 未知,或二者是未知的非随机量，贝叶斯准则无法使用。 ?若H0是简单假设，H1是复合假设，即： 则可以试用奈曼-皮尔逊准则：在给定?值并限定虚警概率?为常数的条件下使检测概率PD最大。 若PD与?无关，则检验称为一致最大势检验（UMP）。 若一致最大势检验不存在，可以采用下列方法： 广义似然比检验：对未知参数采用最大似然估计，并将此估计当作真值来进行似然比检验。 ?的最大似然估计：就是使似然函数f(z|?)最大的?。对于复合假设情形，广义似然比判决规则为： 例2：在H0假设下，观测数据z具有方差为?2、均值为零的正态分布；在H1假设下，观测数据z具有方差为?2 、均值为A的正态分布，其中A在某区间内任意取值。 (1)假定观测数据量N＝1，求贝叶斯判决式。已知参量A的概率密度为： (2)假定参数A是未知的，但已知A的符号（A0或者A0），试判断UMP检验是否存在。 (3)假定观测数据量N＝1，求广义似然比检验判决表达式。 1、最大后验概率准则 最大似然准则 成立 成立 如果先验概率都相等 2、贝叶斯准则 令： 2、贝叶斯准则 如果使Ci(z)最小的z归入到Zi中，即判Hi成立，则C最小。 计算C1(z) 计算C2(z) 计算CM-1(z) 选小电路 判决 3、最小总错误概率准则 如果使Ci(z)最小的z归入到Zi中，即判Hi成立，则C最小。 成立 6.5 噪声中信号的检测 N-P rule 6.5.1 高斯白噪声中确定性信号的检测 s(n) is assumed known and v(n) is WGN with ?2,ACF Example 4.1 DC level in WGN s[n]=A A0 If A0,then we decide H1 if (a) 相关接收机 (b) 匹配滤波器实现结构 门限比较器 判决 门限比较器 判决 图6.9 高斯白噪声环境下最佳接收机结构 相关接收机可以用匹配滤波器实现 Matched to s(n) 设有数字滤波器： 6.5.2 接收机性能 Gaussian PDF The shape of the signal does not affect the detection performance. 图6.10 接收机性能曲线 (a) 接收机工作特性 (b)检测性能 信噪比d(dB) PD 6.5.3 最小距离接收机 采用最小错误概率准则，且先验概率相等 判断似然函数等价于判断 图6.11 二元信号检测的最小错误概率接收机 ? ＋ － ? ＋ － 选 大 电 路 判决 图6.12 M元信号检测的最小错误概率接收机 ? ＋ － ? ＋ － 选 大 电 路 判决 * * 主讲教师:罗鹏飞教授 6.1 假设检验的基本概念 6.2 判决准则 6.3 检测性能及其蒙特卡罗仿真 6.4 复合假设检验 6.5 多元假设检验 一、假设检验 假设：对可能的判决结果的陈述； 雷达目标检测：H1 : “Target present” H0 : “Target not present” 假设检验：对几种可能的假设作出判决； H1 和 H0 是互不相容的，这是最简单的二元假设问题，对两种假设进行判决称为二元假设检验问题； 更一般的问题是有M个假设，称为M元假设问题，对M个假设进行判决称为M元假设检验问题。 信源s P(s);(H0,H1) 混合 P(n) n 判决准则 判决 (H0,H1) P(x|s) x 观测空间 信号检测的统计推断模型 假设检验的实质是对观测空间进行划分。 z Z0 Z1 Say H1 Say H0 Z 借助假设检验进行统计判决，步骤如下: 作出合理的假设； 选择进行判决时所遵循的判决准则； 获取观测样本； 作出具体判决。 1、最大后验概率准则 在观测到数据z的情况下，可以计算出后验概率P(H1|z)和P(H0|z)，对二个后验概率进行比较，如果P(H1|z)P(H0|z)， 有理由认为，之所以得到这样的观测值z，最有可能是事件H1发生引起的，则判决公式为： 利用贝叶斯公式: 似然比 门限 假设检验问题转化为似然比与门限进行比较的问题，称为似然比检验 例1：二元假设： H1：z=1+v H0：z=v 其中v是均值为零、方差为1的正态随机变量；假定P(H0)=P(H1) 给出最大后验概率判决式，并确定判决性能。 对于二元假设检验，有四种可能结果 H0为真，判H0成立 H1为真，判H1成立 H0为真，判H