课件：电子科技大学信号检测与估计理论.ppt

图4.1 高斯 图4.1 高斯 图4.1 高斯 图4.1 高斯 * 这门课如何来的呢，最早起源还是在军事应用，2战期间，战争对雷达和声纳技术的需求，这样发展起来的，在2战片中，涉及潜水艇一类的片子都会有这个背景；而我们现在的现代信号检测与估计技术，是现代信息处理的一部分，基础是信息论，数学工具是概率论，随机过程和数理统计等数学工具；现在我们做现代通信，雷达，声纳，自动控制，模式识别，遥感遥测，天气预报，经济分析，股票分析等，都用到检测和估计理论；比如；神7，嫦娥计划，宇宙飞船那么远，地面和飞船的通信、控制，回传的信息如何接收，电波在太空传播的时候，不是真空无衰减的，但实际有衰减、天体辐射等，到达地面是一个混杂信号，如何提取我们真实需要的信号，就需要检测，也需要估计。 * * 针对广义的信息传输系统（通信系统），研究最佳接收机的基础理论。 由于信号本身和各种干扰往往具有随机性，信号检测与估计的本质是信号处理的统计理论！ * 是利用统计信号处理理论解决工程应用问题的桥梁： 一方面，指导工程应用； 另一方面，工程应用提出需求 * * * * 微弱信号在很多领域有广泛应用，微光、微磁、微振动等，属于一个新兴的技术学科。 微弱信号在很多领域有广泛应用，微光、微磁、微振动等，属于一个新兴的技术学科。 * * 1随机信号的特性 确知信号 随机信号 信号 加性噪声 乘性噪声 噪声 确知信号 随机信号 加性噪声 通常干扰多表现为加性，所以我们仅讨论加性干扰。 * * 乘性噪声信号在传输过程中幅度发生了变化 是随机变化的（如移动通信中的衰落信道） * * 卷积噪声 是冲击响应，是随机过程，如多径效应 本教材主要研究加性噪声 乘性噪声取对数的方法 卷积噪声先采用傅里叶变换，在采用取对数化为加性噪声 * * 2统计信号的处理方法 x(t)是随机信号，应用统计学的理论和方法进行处理，称为统计信号处理，这主要体现在如下三个方面 对信号的随机特性进行统计描述（pdf,各阶矩，相关函数，协方差函数,psd） 统计意义上的最佳处理，如最佳准则，最佳判决， 最佳估计， 最佳滤波等，均是在统计意义上的最佳处理。 用相应的统计平均量进行性能评价，如判决概率，平均代价，平均错误概率，均值，均方误差等。 * * 1.4信号检测与估计理论概述 随机信号处理的理论基础是信号的检测理论、估计理论和滤波理论。可将它们通称为统计信号处理。 信号的统计检测理论：研究噪声干扰背景中，信号是属于哪个状态的最佳判决问题。 信号的统计估计理论：研究噪声干扰背景中，信号待估计参量的估计量的最佳构造问题。 信号的滤波理论：研究噪声干扰背景中，信号波形的最佳恢复问题，或在离散状态下，信号在各离散时刻状态的最佳动态估计问题。 * * 1.4信号检测与估计理论概述 例子1：全球导航卫星定的系统； Control Segment Space Segment User Segment Monitor Stations GroundAntennas Master Station * * 例子2：遥感图象处理； 武汉市遥感图象（河面污染或者鱼群检测，火灾检测等） * * 在生物医学信号处理中比较典型的应用就是关于诱发脑电信号的提取。大脑诱发电位（Evoked Potential，EP）指在外界刺激下，从头皮上记录到的特异电位，它反映了外周感觉神经、感觉通路及中枢神经系统中相关结构在特定刺激情况下的状态反应。在神经学研究以及临床诊断、手术监护中有重要意义。 例子3：生物医学信号处理 * * EP信号十分微弱，一般都淹没在自发脑电（EEG）之中，从EEG背景中提取诱发电位一直是个难题：EP的幅度比自发脑电低一个数量级，无法从一次观察中直接得到；EP的频谱与自发脑电频谱完全重迭，使得频率滤波失效；在统计上EP是非平稳的、时变的脑诱发电位。 通过多次刺激得到的脑电信号进行叠加来提取EP，这是现今最为广泛使用的EP提取方法。 * * 为了解决诱发电位提取问题，研究者利用维纳滤波来提高信噪比，先后有Walter、Doyle、Weerd等对维纳滤波方法进行了改进。在频域应用后验维纳滤波的核心就是由各次观察信号中分解出信号的谱估计和噪声的谱估计，通过设计出的滤波器来提高信噪比。 * * 在线检测：零件尺寸、产品缺陷、装配定位…. 现代工程装备中，检测环节的成本约占50－70% 例子3：在工业生产领域的应用 * * 例子4：在工业生产领域的应用 * * 例子5 雷达系统工作 目标有/无的判决，是检测问题； R、H、 beta 等参量的确定，是估计问题； 速度、航向等的估计，航迹的建立，是滤波问题