信号检测和估值.docxVIP

信号检测与估值 1、说明检测和估计的概念以及设计的相关特殊符号的含义，并且利用雷达的实例说明检测和估计之间区别。 检测：根据有限观测，最佳区分一个物理系统的不同状态。 估计：根据有限观测，最佳确定一个物理系统的不同参数。 雷达实例：检测是判断有无飞机；估计是判断飞机的方向距离和速度。 2、说明噪声和干扰的区别。 噪声：与有用信号无关的破坏因素。 干扰：与有用信号有关的破坏因素。 3、说明均值、方差、高斯白噪声的两种基本概念，区别(P-概率\p-概率密度)，说明高斯分布的特点，说明互不相关和统计独立之间的关系。判断随机过程的平稳性规则以及平稳随机过程的正交性、互不相关性、统计独立性。 I、 II、高斯分布的特点：1）在均值处取得峰值；2）以均数为中心，左右对称；3）有两个参数，即均数和标准差；4）均值是位置参数，当固定不变时，越大，曲线沿横轴向右移动；反之，越小，则曲线沿横轴向左移动；方差是形状参数，当固定不变时，越大，曲线越平阔；越小，曲线越尖峭。用N（0，1）表示标准正态分布。 III、1）统计独立一定不相关，不相关不一定统计独立（高斯随机过程例外）,正交一定不相关，反之不一定；统计独立的必正交，反之不一定。如果均值为0，则相互正交与互不相关等价。；2）严格平稳：随机过程的任何n维分布函数或概率密度函数与时间起点无关；广义平稳：随机过程的数学期望与时间无关，相关函数仅与时间间隔有关；3）维纳-辛钦定理：平稳随机过程的功率谱密度和其自相关函数为傅里叶变换对。 IV、高斯白噪声：1）均值为0，自相关函数为δ(τ)的噪声过程；2）功率谱密度服从高斯分布，p(W)为均匀分布。 4、信号转移概率符号表示的含义(P(H0|H1)-漏警/虚警等)，贝叶斯准则以及派生贝叶斯准则的使用场景(3.3.9-10)、N-P准则、表3-5-信号统计检测性能，参量检测方法-计算序列检测次数（3.5.1）、（3.8.1） 表示在假设Hj为真的条件下，判断假设Hi 成立的结果 Bayes准则：在假设Hj的先验概率已知，各种判决代价因子cij给定的情况下，使平均代价C最小的准则。 派生Bayes准则：最小平均错误概率准则：一般C00=C11=0，C10=C01=1，代入到贝叶斯准则；最大似然准则：在最小平均错误概率准则中，若假设H0和H1的先验概率相等；最大后验概率准则：若C10-C00=C01-C11。 奈曼·皮尔逊准则（N-P）：在错判概率P(H1|H0)=a的约束下，使正确判决概率最大。 表3-5 参量检测方法：广义似然比检验：先最大似然估计去估计位置参数，然后再用似然比检验；贝叶斯检测：将未知参量视作随机过程。 序列检测：给定检测指标，观测次数满足条件时，则停止检测而作出判决；否则继续检测。 需要再进行一次观测后，再检验 5、信号波形检测的相关概念，信号波形检测VS信号检测的区别，说明匹配滤波器。 信号检测：观测信号一般为N维随机矢量。 信号波形的检测：接收信号为随机过程x(t)。 信号波形检测的分析方法：先对x(t)进行正交级数展开，再 利用信号检测的方法，研究信号波形的检测问题。 检测准则设计：视具体情况而定。如最小平均错误概率准则 (通信)，奈曼-皮尔逊准则(雷达、声纳)。 如果LTI (linear time invariance)滤波器输入信号为确定信号，加性平稳噪声，则在输入功率信噪比一定的条件下，使得输出功率SNR (signal noise ratio)最大的滤波器，就是与输入信号匹配的最佳滤波器，称为匹配滤波器(match filter/ MF)。 6、说明静/动态估计的概念，最大似然估计VS最大后验方程，说明无偏性、有效性相关概念（5.4.1-无偏性、有效性），最小二乘估计（5.8.1），最小二乘估计的改进型，递推的使用背景以及初值的选取。 参量估计(静态估计)：用统计学中的估计理论，对接收端收到的混有噪声和干扰的信号样本，估计出有用信号参量(如振幅、频率、相位、到达时间等)的方法。 状态估计(动态估计)：根据可获取的量测数据估算动态系统内部状态的方法。对系统的输入和输出进行测量而得到的数据只能反映系统的外部特性，而系统的动态规律需要用内部（通常无法直接测量）状态变量来描述。 最大后验方程 最大似然方程 最小二乘估计的改进型：广义最小二乘估计-用迭代的松弛算法对线性最小二乘估计的一种改进。线性最小二乘估计在模型误差为相关噪声时是有偏估计，即其估计值存在偏差;加权最小二乘估计-加权最小二乘法是对原模型进行加权，使之成为一个新的不存在异方差性的模型，然后采用普通最小二乘法估计其参数的一种数学优化技术。 递推提出背景：1、经典最小二乘估计在进行一次观测时，需要利用过去的全部观测数据重新进新计算；2、估计量在计算过程中，需要对