最大似然译码.docxVIP

最大似然译码假设：输入序列为X,输出序列为Y ⑴最大后验概率准则(MAP)：依据接收到的Y的信息，计算全部的P{x|Y},若其中最大的 值为P{xm|Y},则推断发端发的是xm。 ⑵最大似然准则(ML)：若P{Y|xm }是全部P{Y|x }中最大的一个，则推断发端发的是xm ⑶依据贝叶斯(Bayes)公式，后验概率与最大似然的关系为P{X|Y}二 P{Y|X} P{X } /P{ Y} 所以：在先验等概(P{X}相等)的条件下，最大后验概率等价于最大似然！ /UJ, f si(yo) P(s2) MM假如一、，则判为si. fs2(yo) P(sl)假如〈誓N，判为s2, fs2(yo) P(sl)假如 P(sl)=P(s2), fsi(yo)fs2(yo)则判为 si；反之判为 s2； 这个判决规章意味着fs】(yo), fs2(yo)哪个大就判为哪个，该准则常称为最大似然准则。明 显，最大似然准则是似然比准则的一种特例。 以上争论的准则可以推广到多进制的情形中去。假定可能发送的信号有个，则最大似然 准则可表示为启(y)＞为(y),判为Si； i,j=l,2,3…m〉Wj；此刻已假定先验等概，即P(sl)=P(s2)=P(s3)=?..=P(?〃 )=1 o 有了判决规章以后，数字信号的最佳接收在理论上就变为收到一个值后，分别计算似然 函数值，然后对它们进行比较，谁大就判为谁。 贝叶斯定理公式：P (A | B) =P (B | A) *P (A) /P (B)贝叶斯定理的推广 对于变量有二个以上的状况，贝式定理亦成立。例如： P(A|B,C)=P(B|A)*P(A)*P(C|A,B)/(P(B)*P(C|B))