西安工业信号检测与估计sde_01 courseintro.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * 全书分为两卷，分别讲解了统计信号处理基础的估计理论和检测理论。第一卷详细介绍了经典估计理论和贝叶斯估计，总结了各种估计方法，考虑了维纳滤波和卡尔曼滤波，并介绍了对复数据和参数的估计方法。本卷给出了大量的应用实例，范围包括高分辨率谱分析、系统辨识、自适应噪声对消、跟踪和定位等；并且设计了大量的习题以加深读者对基本概念的理解。第二卷全面介绍了计算机上实现的最佳检测算法，并且重点介绍了现实中的信号处理应用，包括现代语音、通信技术以及传统的声纳/雷达系统。本卷从检测的基础理论开始，回顾了高斯，χ2、F、瑞利及莱斯概率密度；讲解了高斯随机变量的二次型，以及渐近高斯概率密度和蒙特卡洛性能评估；介绍了基于简单假设检验的检测理论基础；最后详细分析了适合于未知信号和未知噪声参数的复合假设检验。 * * * * * * * * * * * * * * * * * SDE_01 introduction * 先验知识 先验概率 道琼斯指数问题 贝叶斯估计 p(y|?)p(?) p(y) p(y|?)p(?) ?p(y|?)p(?) d? p(?|y)= = p(x,?)=p(x |?) p(?) * SDE_01 introduction * 1.3 估计性能的评价Assessing Estimator Performance 估计的方差：估计在有限样本条件下 误差 达到最小 哪一个更好？ 期望 与 实际一致－－－－无偏估计 * SDE_01 introduction * 1.3 估计性能的评价 Assessing Estimator Performance Estimator is a random variable 一维参量情况的举例 Illustrate with 1-D parameter case Thus it has a PDF of its own… and that PDF completely displays the quality of the estimate. Often just capture quality through mean and variance of unbiased无偏估计 * SDE_01 introduction * Equivalent View of Assessing Performance Define estimation error: Completely describe estimator quality with error PDF: p(e) * SDE_01 introduction * Example: DC Level in AWGN加性高斯白噪声下的DC电平估计 Model: x[n]=A+w[n], n = 0,1,2,…N-1 Gaussian, zero mean, variance σ2 White (uncorrelated sample-to-sample) 单独观测的概率密度函数 PDF of an individual data sample: 无关的高斯随机变量是统计独立的 Uncorrelated Gaussian RVs are Independent… 因此 联合概率密度函数是各自PDF相乘 so joint PDF is the product of the individual PDFs: * SDE_01 introduction * 统计方法 Ex：con 每个样本都具有相同的期望A，即我们所要估计的…故设想通过找到样本均值的方法估计A Each data sample has the same mean(A), which is the thing we are trying to estimate… so, we can imagine trying to estimate A by finding the sample mean of the data: 概率理论 Let’s analyze the quality of this estimator… ?Is it unbiased? Can we get a small variance? Due to Indep. (white Gauss. ?Indep.) * SDE_01 introduction * Course Goal = Find “Optimal” Estimators 对于“最佳”有多种定义或标准There are several different definitions or criteria for opti