第一章信号检测与估计理论.pptVIP

例：回归 数据产生过程为 加上 的高斯噪声 目标：用多项式模型 拟合 ，使得 最小。 例：回归（续） 例：回归（续） 考核方式 授课方式：课堂讲授+课堂讨论 专题讲座+学生演讲 考核办法:研究报告+作业+考试（20%+10%+70%） 执着是最基本的学习方法 科学、教育 李约瑟难题Needham Problem 定律 对假设检验的说明——法律上的类比 假设1：被告无罪 假设2：被告有罪 原则：无罪推论（保护假设1） 最后的判决：当有明显犯罪证据时，法官才判决被告有罪 证据明显：由临界值决定（法律条文的规定） 法律条文的严厉程度，决定了对被告的保护程度 如乱世用重典，即法律条文严厉，保护被告的程度弱 不管怎样制定条文，总有好人被冤枉，总有坏人漏网，即总会犯错误 如在高考中，一个水平很高的人可能这次考试分数低，而不被录取，这样我们做错了错误的选择，即拒绝其进入高校继续学习 相反，某个人可能特别幸运，本来水平一般，但考试题都被他复习到了，成绩很高，从而被录取 但这样的事件是小概率事件，所以我们犯错误的可能性不是很大 * * * * * * * * * * * * * 图4.1 高斯 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。 例子6：二进制数字通信系统。 图1.3 二进制数字通信系统原理框图 连续相位移频键控（CPFM）信号 在[0,T]接收到信号x(t) 实际上不知道发射的是s0还是s1,因此，需要合理检测准则，进行判断获得信号，当然对于M元通信系统同样适用。 在对信号状态作出判断之后，还需要对信号的参数进行估计，如振幅、相位、频率等 有的情况下，还需要进一步恢复出信号的波形或者图形。 第1章 主要内容和小结 1.3 信号的随机性及其统计处理方法信号的随机性 或 是待处理的随机信号。 统计处理方法，主要体现在如下三个方面： 统计描述随机信号 :概率密度函数，统计平均量，功率谱密度等； 统计意义上的最佳处理——满足指标要求的处理； 统计评价——处理结果由概率，平均代价，平均错误概率，均方误差等统计量来评价。 作 业 就自己感兴趣的某一领域的信号检测的前沿、关键技术、难点等问题进行追踪调研、文献查阅。(作业不用上交) * * * * * * * * * * * * * * * * * * * * 其间，美国科学家维纳(N. Wiener)、苏联科学家柯尔莫哥洛夫(A.H. (Kolmogorov )作出了杰出贡献，他们将随机过程和数理统计的观点引入通信(广义通信，包括Radar，Sonar)和控制系统中来，揭示了信息传输和处理的统计本质，建立了最佳线性滤波理论——维纳滤波理论。 这对当时认为信号是一个确定性的过程的传统观念是一次突破。 同一时期，在Radar技术发展推动下，诺思 (D.O. North)于1943年，提出了以输出信噪比最大为准则的匹配滤波理论。随后在雷达、通信系统中获得广泛的应用。 之后，在雷达、通信、声纳、自动控制等无线电技术系统中，为了解决在噪声干扰下可