信号检测与估计知识点总结(3).docx

第二章检测理论 1 ?二元检测: 感兴趣的信号在观测样本中受噪声干扰，根据接收到的测量值样本判决信 号的有无。 感兴趣的信号只有两种可能的取值，根据观测样本判决是哪一个。 2?二元检测的数学模型： 感兴趣的信号s,有两种可能状态：sO、si。在接收信号的观测样本y中受到 噪声n的污染，根据测量值y作出判决：是否存在信号s,或者处于哪个状态。 即： y(t)=si(t)+n(t) i=0,1 假设：Ho :对应so状态或无信号， Hi:对应si状态或有信号。 检测：根据y及某些先验知识，判断哪个假设成立。 3.基本概念与术语 先验概率：不依赖于测量值或观测样本的条件下，某事件(假设)发生或 成立的概率。p(Ho),p(Hi)。 后验概率：在已掌握观测样本或测量值y的前提下，某事件(假设)发生 或成立的概率。 p(Ho/y),p(Hi/y)。 似然函数：在某假设Ho或Hi成立的条件下，观测样本y出现的概率。 似然比： L(y)3Hi) p(y|Ho) 虚警概率 Pf :无判定为有; 漏报概率 Pm :有判疋为无; (正确)检测概率 Pd :有判定为有。 平均风险：r =[RoCoo +PioCio] ?P(H°) +[PoiCoi + RiCii] ?P(Hi) 4.1最大后验概率准则(MAP ) 在二元检测的情况下，有两种可能状态：so、si， 根据测量值y作出判决：是否存在信号s,或者处于哪个状态。即: y(t)=si(t)+n(t) i=o,i 假设：Ho:对应so状态或无信号， Hi:对应si状态或有信号。 如果P(H°|y) P(Hi|y)成立，判定为Ho成立； 否则P(Hi |y) . P(Ho |y)成立，判定为 H成立。 利用贝叶斯定理：P(Ho|y)p(y)二 p(y|Ho)P(Ho) 可以得到：如果p(y|Ho)P(Ho) . p(y| Hi)P(Hi)成立，判定为Ho成立； 如果 p(y|Hi)P(Hi) ■ p(y |Ho)P(Ho)成立，判定为 Hi 成立； 定义似然比为：L(y)二 p(y|Hi)/p(y|Ho) 得到判决准则：［如果L(y) cthMAP =P(H°)/P(Hi)成立，判定为 Ho成立；、 如果L(y)3thMAP =P(Ho)/P(HJ成立，判定为 也成立； 这就是最大后验准则。最佳门限值由先验概率决定。要求在先验概率已知 的条件下进行判决。 已知：先验概率、在各种假设条件下的概率分布/密度函数。 判决依据：观测信号样本。 判决准则：后验概率最大化。 数学描述：似然比是否超过门限。其中门限值为先验概率的比值。 即：以观测样本为依据，以似然比为检测统计量，以后验概率最大为衡量标准(准 则)，以先验概率比为检测门限。 4.2最小错误概率准则 如果P(Ho| y) P(Hi| y)成立，判定为Ho成立； 否则P(Hi |y) P(Ho|y)成立，判定为Hi成立。 可以得到：如果p(y|Ho)P(Ho) p(y| Hi)P(Hi)成立，判定为Ho成立； 如果 p(y|Hi)P(Hi) p(y|Ho)P(Ho)成立，判定为 Hi成立； 定义似然比为：L(y)二 p(y|Hi)/p(y|Ho) 得到判决准则： 『口果L(y) vth = P(Ho)/P(HJ成立，判定为 Ho成立； 如果L(y2th = P(Ho)/P(Hi)成立，判定为Hi成立； 结论与最大后验准则完全一致！ 即：以观测样本为依据，以似然比为检测统计量，以错误概率最小为衡量标准(准 则)，以先验概率比为检测门限。 5.1贝叶斯准则 贝叶斯准则就是以代价最小化为基准的检测判决准则。 平均代价：C 二 P(Ho)CooP(Ho/Ho) P(Ho)GoP(Hi/Ho) P(Hi)CoiP(Ho/Hi) P(Hi)CiiP(Hi/Hi) 判决准则: 仙果L(y) % =P(H0)(C10—C00)成立，判定为Ho成立; P(HJ(Coi—Gi) 如果L(y)KthB=P(Ho)(Clo—Coo)成立，判定为Hi成立； J P(HJ(Coi—GJ 丿 成立条件： 已知两种假设条件下的概率密度函数； 已知先验概率； 已知代价函数。 5.2贝叶斯准则与最大后验概率准则和最小错误概率准则之间的关系 当Go -Coo =Coi -Gi时，即当两种假设条件下错误判决与正确判决的风 险之差为定值(二者相等)时，贝叶斯准则的判决门限仅取决于先验概率 比值，此时贝叶斯准则蜕化为最大后验概率准则。 此时代价因子在判决过 程中不起作用。 当满足代价：COO=Cii =o, C1O=CO1=i条件时，即：正确判决无代价，错 误代价相同。贝叶斯准则蜕化为最小错误概率准则。 如果在判决过程中完全忽略代价、先验概率对判决结果的影响。直接把判 决门限取为1,贝叶斯准