《信号检测与估计理论》本科全册配套完整教学课件1.pptx

《信号检测与估计理论》本科全册配套完整教学课件1;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;举例：雷达系统;雷达检测目标原理;;信号统计分析的基本任务： 针对包含干扰和噪声的接收信号，研究如何最有效地辨识有用信号的存在与否、以及估计出未知的信号参数甚至信号波形的理论和方法。 本质上讲，利用有用信号与干扰噪声的统计特性差异，尽可能地抑制干扰和噪声，从而有效地提取有用信号的信息。;;;;;;;;;;;;;;;;例1：二进制数字通信 s(t)有两种假设： 例2：数字通信中QPSK调制;例3：QAM调制：256QAM: S(t)有256个状态，M=256 例4：雷达探测目标 例5：雷达目标识别：导弹、战斗舰、轰炸机； M=3;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;例： mu1=[-1,2]; Sigma2=[1 1; 1 3]; % 输入均值向量和协方差矩阵 [X,Y]=meshgrid(-3:0.1:1,-2:0.1:4); xy=[X(:) Y(:)]; % 产生网格数据并处理(两列2501*2 ） p=mvnpdf(xy,mu1,Sigma2); % 求取联合概率密度 P=reshape(p,size(X)); % Change size(2501*1—61*41) surf(X,Y,P);对协方差矩阵进行处理，可计算出新的联合概率密度函数。 Sigma2=diag(diag(Sigma2)); % 消除协方差矩阵的非对角元素 p=mvnpdf(xy,mu1,Sigma2); P=reshape(p,size(X)); surf(X,Y,P);例： mu1=[-1,2]; Sigma2=[1 1; 1 3]; R1=mvnrnd(mu1,Sigma2,2000); plot(R1(:,1),R1(:,2),o) Sigma2=diag(diag(Sigma2)); figure; R2=mvnrnd(mu1,Sigma2,2000); plot(R2(:,1),R2(:,2),o);;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;大家晚上好;2.3 随 机 过 程基本概念介绍;1 随机过程的基本概念;1 随机过程的基本概念;;随机过程ξ(t)具有两个基本特征： ξ(t)是时间t的函数； 在某一观察时刻t1，样本的取值ξ(t1)是一个随机变量。因此，我们又可以把随机过程看成依赖时间参数的一族随机变量。 可见，随机过程具有随机变量和时间函数的特点。 ;一维分布函数：;2 数字特征;数学期望（均值）;2 数字特征;;;相关器的概念;例：设s（t）为随机相位正弦信号，n（t）为低频限带噪声，则信号和噪声的相关函数分别为 由图知，当τ较大时，Rs（ τ） Rn（ τ）,因此只要τ足够大，就可??从噪 声中提取信号。 ;自相关器优点： （1）方法简单 （2）实现起来容易 缺点： （1）它不可能完全消除噪声的影响，除非时间足够长。 （2）时间必须很长，即τ—∞，用有限的时间代替不理想。;互相关器 互相关器的优点： 提取信号效果优于自相关器，提取信号能量越强，对噪声抑制越彻 底。 ;2 数字特征;【例】 已知X和Y是相互独立的两个随机变量，它们均值和方差分别为2和6，试求 的均值、方差和自相关函数。;;均值;设有一个二阶矩随机过程 ，它的均值为常数，自相关函数仅是τ的函数，则称它为宽平稳随机过程或广义平稳随机过程。;;;例：设有一个随机相位余弦波; 自相关函数;(2) 求X(t)的时间平均值。;平稳随机过程自相关函数的性质 设X(t) 为实平稳随机过程，则它的自相关函数;;功率信号f(t)及其截短函数;的平均功率S则可表示成;平稳随机过程的功率谱密度;;R(0)表示随机过程的平均功率;[例] 某随机相位余弦波 ，其中A和 均为常数，θ是在(0, )内均匀分布的随机变量。 求 的自相关函数与功率谱密度. ;;4高斯随机过程 ;;;f(x)具有如下特性 (1) f(x)对称于x=a这条直线。 (2);误差函数和互补误差函数;;若线性系统是物理可实现