信号检测和 与估计-引言 信号检测和 与估计 .pptVIP

信号检测与估计;1.1 引言 1 信息处传输系统的香农模型 ;香农模型是一个高度概括的信息传输模型，通信系统、遥测系统、遥感系统、生物信息传输系统都是它的特例。 干扰：加性干扰，乘积型干扰， 卷积型干扰。 主要处理加性干扰  ;2 雷达信息传输系统模型;3 信号处理模型;信号检测： 这种从观测矢量或输入矢量中判定某种特定 信号存在与否的问题。在统计学上可归结为 统计假设的检验 参量估计： 从观测矢量中，估计信号中参量的值 ;1.2 简单的实例;s;S表示发送端的真实状态 如：通信系统中的一个特殊的码元，“0”，“1”码元 雷达目标的距离单元 电话的波形等 检测问题： S可能有n个状态，s1，s2，。。。， sn P（si）为状态si的概率,称为先验概率 参量估计问题： S有无限个状态，如，一个实数区间[a,b] ;X表示观测矢量，输入矢量。 x有m种状态，x1,x2,…,xm。 m为有限的数 x=s+n, x≠s ;定义条件概率Pij =P(xi/sj), 表示发送端状态为sj 条件下，观测结果为xi的概率 利用这些条件概率组成条件概率矩阵 ;2 代价矩阵 用dk(k=1,2,…,n)表示认定发送端为sk的判决 判决空间D={dk}, 用cki表示当发送端状态为si时而判决为dk所引 入的代价或损失 由cki组成代价矩阵 ;d1;3 统计判决的物理意义 在接收端，可以得到一个观测信号的波形，检测过程就是设置一个门限，大于该门限，则判发关端为某一个状态；小于该 门限，则判发关端为另一个状态. 所谓最佳判决准则，则是使判决产生的代价或错误最小 (作图);4 实例;为了数学上描述方便，对发送端的每一个状态， 用一个假设来表示--—假设检验 假设: H0: x(t)=s0(t)+n(t)--?状态s0 H1: x(t)=s1(t)+n(t)--?状态s1 n(t)为噪声;条件概率矩阵为 ; ; 当接收端观测结果为xi,而做出d1的判决, 平均代价(条件代价)为;总的平均代价是上述条件代价对所有的xi再平均。;贝叶斯定理 ;利用以上的贝叶斯定理可以推导出判决规则： ; P(x1/H1)=0.3,P(x2/H1)=0.4;P(x3/H1)=0.3 P(x1/H0)=0.1,P(x2/H0)=0.5;P(x3/H0)=0.4 c00=c11=0 ,c01=c10=1 P(H0)=P(H1)=0.5  检测结果： x1, Λ=3, Λ0=1, ΛΛ0, 判为d1的判决 x2, Λ=0.8, Λ0=1, ΛΛ0, 判为d0的判决 x3, Λ=0.75, Λ0=1, ΛΛ0, 判为d0的判决;例1.2 在加性背景噪声下测量只能为1V和0V的直流 电压。假定背景噪声是均值为零，方差为σ2 的正态分布。对应的两个假设：;已知条件密度函数矩阵;与上例相似的推导，可得最小代价判决规则：;两个似然函数;判决规则： ;双择检测的实质： 利用平均风险达到极小准则，选取一合适的门限 将输入空间划分为两个区域D0和D1, 当 , 判H0为真 当 , 判H1为真 ; 正确判决： 当H0为真时， 做出d0的判决(H0为真)； H1为真时，做出d1的判决(H1为真) 错误判决： 当H0为真， 做出d1的判决(判H1为真)， 称为虚警 当H1为真， 做出d0的判决(判H0为真)，称为漏报 ;虚警概率 ;条件代价 在H0为真时，产生d1或d0判决的平均代价;根据以上的分析，题中的虚警概率和漏报概率为;条件代价 ;例1.3 将上例中的1V电压改为4V，其它参 数不变，虚警概率和漏报概率，平均 风险如何变化，并阐述其物理意义。;1.3 双择检测及其最佳准则;以n次测量值或取样值作为观测矢量或输入矢量 ,输入空间为n维空间 任务： 根据某个最佳准则，选取合适的门限将输入 空间划分为两个区