第3章(3.4)_重复以前内容只不过在信号空间角度来讲(课本第5章学习要点全).doc

3.4加性高斯白噪声信道的最佳接收机 ——课本第5章节学习要点 确知信号(5.1~5.3) 随相信号(5.4) 内容： 3.4.1受AWGN恶化信号的最佳接收机(5.1节学习要点) 1. AWGN信道下最佳接收机 2. 最佳接收准则与相关度量 3.4.2无记忆调制的最佳接收机（5.2节学习要点） 1. 二进制调制的错误概率(5.2.1) 2. M元正交信号的错误概率(5.2.2) 3. M元PAM的错误概率(5.2.6) 4. M元PSK的错误概率(5.2.7) 5. QAM错误概率(5.2.9) 3.4.3 AWGN信道中随相信号的最佳接收机(5.4节学习 要点) 二进制随相信号的最佳解调(5.4.1) 重复以前的内容,只不过在信号空间的角度来讲。 3.4.1受AWGN恶化信号的最佳接收机 ——课本5.1节学习要点 一、AWGN信道下最佳接收机 接收机的分析 接收机的组成(实信号) (实信号) 功能（从最佳接收原理－ML准则分析） 解调器 — 通过将变换成N维空间向量，其中各个分量是在N维正交基上的投影分量，且相互统计独立。从而将函数空间的处理，转化为空间的处理。 从而将似然函数分解 。 其中，第k个分量为 MFSK信号：若以正交发送信号集（碰巧信号是正交的）作为正交基，则N=M。即，似然函数分解成M个相互独立的未知参数的似然函数，再通过检测器比较它们的大小，即可得到最佳判决（最小Pe）。 检测器－基于ML准则，根据r判决发送信号sm ,使最小。 分析方法的特点 1）N维信号空间：正交基由发送信号来确定（由具体情况确定）。 2）为AWGN： 因此，在正交基上的各分量是统计独立的高斯变量～。 2、解调器（相关器型、匹配滤波器型） N维空间：标准正交基 N维空间中 之外  式中，第k个分量，即在上的投影为： 注:在RN空间,信号没有任何损伤,带外噪声被滤除了。 因为，，统计独立， 其中我们假设白噪声的功率谱为。 证明:根据定义(实信号和噪声)，则 ，证毕。 所以，，统计独立。 因此，似然函数（假定等概）为 (5-1-10) (5-1-12) 解调器的模型： 相关型（图5-1-3） 图中，在上的 投影分量为 解调器（相关器或MF）作用：通过相关（或内积运算）求得在正交基上的各投影分量，从而将变换成N维实空间向量。 最佳检测器 在等概条件下采用ML准则 由似然函数表达式可知： 等价于最小欧氏距离准则，即和 之间的距离。 和之间的欧氏距离为： 上式中，第一项可以舍去，第三项为发送信号能量。则，等价于相关度量（Correlative Metrics）： （5-1-45） 上式中，当等能量时第二项可以省去；第一项中当为正交函数集时，即为正交基，则内积就是在正交基上的投影分量。 最佳接收机（图5-1-9） 从信号空间解释最佳接收工作原理： 在以发送信号为正交基的N维空间中，选择在正交基上的最大投影分量进行判决，它等价于：ML准则、最小欧氏距离、相关度量或判决变量最大。 当不等概率时，采用MAP准则 MAP准则： 等价于度量： 即，最大加权似然函数准则。 2011-4-11大体讲于此处。 二、最佳接收准则与相关度量 内容： （1）实相关度量（或简称“相关度量”） （2）复相关度量 （3）归一化相关度量 （4）求相关度量的方法 （5）高斯白噪声在标准正交基上各分量的数字特征 （6）在AWGN信道条件下求错误概率的方法 引言——问题的描述 （1）系统模型（带通） （2）最佳接收准则 在M元发送信号等概条件下，采用ML函数准则 1、实相关度量（类似实判决变量） ML函数准则等价于实相关度量： 或向量形式： 等能量条件下，则 或 为MF输出在时抽样值（类似与实判决变量），或在基向量上的投影分量。 2、复相关度量（类似复判决变量：转到等效低通信号和系统讨论问题） 系统模型（等效低通） 发送信号 （下标l表示低通） 设等能量， 接收信号 由实相关度量 上式中第一项为零是可以理解的，因为积分相当于低通滤波器。 注：设为复数， 则 所以，实相关度量等价于： 其中，定义： 为复相关度量（类似于复判决变量） 所以，