信号检测与估计理论考博真题.pdfVIP

2018年全国攻读博士学位研究生入学考试试题 空军工程大学2016年攻读博士学位研究生入学考试试题 考试科目：信号检测与估计理论 考试时间： 月 日 （注：特别提醒所有答案一律写在答题纸上，直接写在试题或草稿纸上的无效！） —————————————————————————————————-- 一、填空题 ’ 二、计算题 1. 1 2018年全国攻读博士学位研究生入学考试试题 2. 3. 2 2018年全国攻读博士学位研究生入学考试试题 空军工程大学2015年攻读博士学位研究生入学考试试题 考试科目：信号检测与估计理论 考试时间： 月 日 （注：特别提醒所有答案一律写在答题纸上，直接写在试题或草稿纸上的无效！） —————————————————————————————————-- 1. 匹配滤波器。 概念：所谓匹配滤波器是指输出判决时刻信噪比最大的最佳线性滤波器。 应用：在数字信号检测和雷达信号的检测中具有特别重要的意义。在输出信噪 比最大准则下设计一个线性滤波器是具有实际意义的。 2. 卡尔曼滤波工作原理及其基本公式 首先，我们先要引入一个离散控制过程的系统。该系统可用一个线性随机微分方程 （Linear Stochastic Difference equation）来描述： X(k) A X(k-1)+B U(k)+W(k) 再加上系统的测量值： Z(k) HX(k)+V(k) 上两式子中，X(k)是k 时刻的系统状态，U(k)是k 时刻对系统的控制量。A 和B是系 统参数，对于多模型系统，他们为矩阵。Z(k)是k 时刻的测量值，H是测量系统的参数，对 于多测量系统，H为矩阵。W(k)和V(k)分别表示过程和测量的噪声。他们被假设成高斯白 噪声(White Gaussian Noise)，他们的covariance 分别是Q，R （这里我们假设他们不随系 统状态变化而变化）。 对于满足上面的条件(线性随机微分系统，过程和测量都是高斯白噪声)，卡尔曼滤波器 是最优的信息处理器。下面我们来用他们结合他们的covariances 来估算系统的最优化输 出 （类似上一节那个温度的例子）。 首先我们要利用系统的过程模型，来预测下一状态的系统。假设现在的系统状态是k， 根据系统的模型，可以基于系统的上一状态而预测出现在状态： X(k|k-1) A X(k-1|k-1)+B U(k) ……….. (1) 式(1)中，X(k|k-1)是利用上一状态预测的结果，X(k-1|k-1)是上一状态最优的结果，U(k) 为现在状态的控制量，如果没有控制量，它可以为0。 到现在为止，我们的系统结果已经更新了，可是，对应于X(k|k-1)的covariance 还没 更新。我们用P表示covariance： P(k|k-1) A P(k-1|k-1)A’+Q ………(2) 式(2)中，P(k|k-1)是X(k|k-1)对应的covariance，P(k-1|k-1)是X(k-1|k-1)对应的 covariance，A’表示A 的转置矩阵，Q 是系统过程的covariance。式子1，2 就是卡尔曼滤 波器5个公式当中的前两个，也就是对系统的预测。 3 2018年全国攻读博士学位研究生入学考试试题 现在我们有了现在状态的预测结果，然后我们再收集现在状态的测量值。结合预测值 和测量值，我们可以得到现在状态(k)的最优化估算值X(k|k)： X(k|k) X(k|k-1)+Kg(k) (Z(k)-HX(k|k-1)) ………(3) 其中Kg 为卡尔曼增益(Kalman Gain)： Kg(k) P(k|k-1) H’/ (H P(k|k-1) H’ + R) ………(4)