信号检测与估计3课件.pptVIP

因此，假设H0的判决区域由下列方程组确定 合并得到，当 时，判为H0假设成立。 因此，假设H1的判决区域由下列方程组确定 合并得到，当 时，判为H1假设成立。 因此，假设H2的判决区域由下列方程组确定 合并得到，当 时，判为H2假设成立。 因此，假设H2的判决区域由下列方程组确定 合并得到，当 时，判为H3假设成立。 3.6 M元信号检测(Detection of M-ary Signal) Ex3.11 在三元通信系统中，信源有三个可能的输出，即假设为 时输出-A，假设为 时输出为0，假设为 时输出为A。假设正确判决代价为零，错误判决代价为1，并进行了N次独立观测，已知各假设先验等概。 试按照最小平均错误概率准则设计检测系统，并求正确判决 和错误判决的概率。 信号在传输过程中叠加有均值为零，方差为 的加性高斯白噪声。 解： 根据题设条件，在信源先验等概且正确判决代价为零，错误 判决代价为1的条件下，贝叶斯检测等价于最大似然检测，即 使似然函数 最大的观察值划分给判决区域Ri 3.6 M元信号检测 步骤1，计算各假设下的似然函数 由于n是高斯分布随机变量，因此在H0假设下， 服从高斯分布， 且均值为-A，方差为 ;在H1假设下， 服从均值为0，方差为 的高斯分布;在H2假设下, 服从均值为A，方差为 的高斯分布。 3.6 M元信号检测 步骤2，按照最大似然准则划分观察空间 上述四个似然函数，可统一写成 3.6 M元信号检测 由于 因此，判决规则转化为使 最大时，判为Hk假设成立 令 进一步转化为 最大时，判为Hk假设成立 因此，假设H0的判决区域由下列方程组确定 合并得到，当 时，判为H0假设成立。 因此，假设H1的判决区域由下列方程组确定 合并得到，当 时，判为H1假设成立。 因此，假设H2的判决区域由下列方程组确定 合并得到，当 时，判为H2假设成立。 3.7 参量信号的统计检测(Detection of Signal with unknown Parameter) 基本要求： 理解参量信号检测的基本概念 掌握两种检测方法：广义似然比检验和贝叶斯方法 简单假设检验 复合假设检验 3.7 参量信号的统计检测(Detection of Signal with unknown Parameter) 1. 参量信号检测的基本概念 参量信号的检测中，信源在假设Hj下输出含有未知参量 因此，在假设Hj下，观测信号表示为 3.7 参量信号的统计检测(Detection of Signal with unknown Parameter) 2. 广义似然比检验 先利用最大似然方法对未知参量进行估计，然后利用得到的 估计量按照确定信号的检测方法进行。 最大似然估计 使似然函数 达最大的 作为该参量的估计量，记为 2 广义似然比检验 其方法是首先由观测信号的概率密度函数 利用最大似然估计方法求参量 的最大似然估计，所谓参 量的最大似然估计，就是使似然函数达到最大的 作为未 知参量的估计量，记为 ，然后用求得的估计量 代替 似然函数中的未知参量 ，使问题转变为确知信号的统计 检测。这样 设在假设 下，似然函数为 其中， 是未知参量。 由似然函数 ，利用最大似然估计方法求得估 计量 ，从而得 ，进而构成似然比检验 称为广义似然比检验。 如果假设 是简单的，假设 是复合的，则广义似 然比检验为 关于参量的最大似然估计，将在第5章中讨论。 3.7 参量信号的统计检测(Detection of Signal with unknown Parameter) 例：在二元参量信号的统计检测中，两个假设下的信号分别为 其中m是信号参量，n信号是均值为零，方差为 的高斯白噪声， 试给出广义似然比检测。 3.7 参量信号的统计检测(Detection of Signal with unknown Parameter) 3.贝叶斯检测方法 3.1 概率密度函数已知的情况 3.2 猜测概率密度函数的情况 3.3未知参量的奈曼-皮尔逊检测 3.7 参量信号的统计检测 3.1 概率密度函数已知的情况 贝叶斯检测准则 参量信号的检测中，信源在假设Hj下的条件概率密度函数为 如何由条件似然函数 和未知参量的概率密度函数 得到似