信号检测也估计第五章.pptVIP

噪声中信号的检测Detection of Signals in Noise 肖海林 hailinxiao@guet.edu.cn 介绍 经典白噪声环境下的信号检测 确知信号的检测 随机参量信号的检测 多脉冲信号的检测 寻找最佳准则下检测各种类型信号的数学模型，进而确定接收机的结构 分析检测系统的性能 Sequence of models 数字通讯 一个简单的数字通讯系统模型（AWGN）： 研究方法 波形r(t)组成观察空间，该空间通常是无限维的。因此第一步就是把接收到的信号映射到一个方便处理的观察空间中去。 计算似然比和门限 确定判决域，并用ROC或Pe来表征检测性能。 检视结果，考察它对系统设计和性能的影响。 例：二元通信系统 在时间间隔（0，T）内，发射机送出两个信号：s0(t)和s1(t)中的一个，这两个信号都是已知的。 发射信号受到噪声的影响，噪声为零均值，谱密度为N0/2的高斯白噪声 例：二元通信系统 因此，接收信号为： H0: x(t)=s0(t)+n(t) (0tT) H1: x(t)=s1(t)+n(t) (0tT) 最佳接收机： 例：二元通信系统 对接收信号进行多次采样，即在[0,T]之内作N次采样。N趋于无穷时，即成为连续情况。 随机变量的函数的均值 设y是随机变量x的函数，y=g(x) 数学期望的性质 例 例 随机变量的函数的均值 已知随机变量x、y的联合分布 随机变量的方差 例 随机变量方差的性质 X的条件概率密度 噪声 例：二元通信系统 由于nk之间相互统计独立，因此有： 例：二元通信系统 例：二元通信系统 例：二元通信系统 二元确知信号的最佳检测系统 检测性能分析 对于通信系统，一般采用最小错误概率准则（第二章有）。因此有： I的密度函数 I是x(t)线性运算的结果，因此I是高斯随机变量 I的密度函数 I是x(t)线性运算的结果，因此I是高斯随机变量 I的密度函数 I的密度函数 I的密度函数 同样, 我们可以得到: I的密度函数 错误概率 错误概率 错误概率Pe与N0、E、r的关系 与信号波形无关 Pe取决于平均能量E，噪声功率谱密度N0，和信号之间的互相关系数r。 E/N0增加，Pe减小 (1-r)增加，Pe减小；最优的信号形式令r=-1，即s0(t)=-s1(t)。采用这种信号的系统为理想二元通信系统。 相干相移键控系统CPSK 相干频移键控CFSK 相干启闭键控COOK 二元通信系统的检测性能（相同峰值功率） 相干雷达系统 理想情况：假定雷达回波是确知的。 H0：x(t)=n(t) H1：x(t)=s(t)+n(t) 因此，统计量为： 相干雷达系统 虚警概率 虚警概率 本章讲述高斯白噪声情况下的经典信号检测问题，下一章讲述工程中常见的非经典情况，主要包括高斯色噪声和噪声分布未知情况下的信号检测问题，以及接收信号采样数可变时的信号检测。 强调本章是讨论经典的AWGN下的信号检测问题，下一章讨论一些工程中常遇到的非经典的问题。 本章讨论的问题的意义在于，可以建立起理论上的最佳检测系统的模型，确定理论上的最佳性能，因此本章的结论可以用于评价实际系统的完善程度。了解提高系统性能的潜力以及提供方法指导。 本章遵循由简单的模型到复杂模型的线路，在上一页提到的几个方面深入阐述。 介绍什么是“确知信号”和“白噪声”，“向书”P38，2.2节开头部分。 白噪声的功率谱和相关函数：全频带内N0/2，自相关函数：N0/2*sigma(tao)。 如果白噪声的分布是高斯分布，那么，它被称为高斯白噪声。 计算似然比和门限，推出统计量，并依靠统计量来确定最佳接收机结构，以及若干典型情形下的结论和性能。 最佳检测在不同的准则下都是将似然比与某个门限作比较。因此这里先不考虑采用哪个准则。 这是高斯白噪声环境下的似然函数，采样点间的噪声是互不相关的。 对于带限白噪声的解决方法。 不等式右边是与测量值无关的已知量，是某个常数。 不等式左边则是观测数据与确知信号数据si,i=0,1进行相关运算。强调相关运算。 为了推导出在模拟情况下的公式，令N趋于无穷。 带限噪声就成为理想的白噪声。 不等式左边是观测向量x与s0（t）和s1（t）的互相关，互相关值再与门限比较。 从而构成了相关接收机。 且通信系统中通常有P(H1)=P(H0)，因此演化为极大似然准则。 R是两个信号的互相关。 即最大似然准则 补充《统计信号处理基础－－估计与检测理论》P.526~P.527，作为例子。 再补充P.528例4.1、例4.2作为例子。 之后继续讲述匹配滤波器的推导（图4.1）。 例子： 《概率论与数理统计》P.257例11、P.258例12、13 * * Multiple Channels Mult