信号检测的基本理论.ppt
《信号检测的基本理论.ppt》由会员分享,可在线阅读,更多相关《信号检测的基本理论.ppt(83页珍藏版)》请在三一办公上搜索。
1、,信号检测理论,信号估计理论,第三章 信号检测的基本理论,3.1 前言3.2 假设检测的基本概念 3.2.1 基本检测模型 3.2.2 统计检测的结果和判决概率3.3 贝叶斯准则(Bayes Criterion)3.4 派生贝叶斯准则3.5 假设检验的性能接收机的工作特性3.6 M择一假设检验3.7 序列检验 瓦尔德检验,在许多场合,人们需要在几种可能发生的情况下做出选择。信号检测理论主要用于在某种最佳理论基础上进行选择,对信号进行有效的检测。,例1:雷达信号检测。,例2:数字通信接收机的信号检测。,例3:语音信号的识别。,例4:图象信号的识别等。,第三章 信号检测的基本理论,3.1 前言,3
2、.2 假设检测的基本概念,3.2.1 基本检测模型,以简单的二元检测理论入手,然后再推广。,1.二元信号检测理论模型,基本检测理论模型,二元信号检测应用:(1)二元数字通信,信源符号0和1;(2)雷达系统中,检测有或无目标;,第三章 信号检测的基本理论 3.2 假设检测的基本概念,第三章 信号检测的基本理论 3.2 假设检测的基本概念,下面以二元数字通信为例来说明信号检测过程。,信源说明:考虑二元信号的检测问题时,信源仅发出二元信号。当假设H0为真时,信源输出信号为-A,当假设H1为真时,信源输出信号为+A。,+A、-A均为确定信号,n为随机信号,因此x也为随机信号,仅仅是均值发生偏移,即有:
3、,转移概率机构说明:如果信道噪声n服从N(0,n2),概率转移结构使观测空间中的随机观测信号为(x|Hj)(j=0,1)。这样在两种假设情况下,观测信号的数学模型为,第三章 信号检测的基本理论 3.2 假设检测的基本概念,x,显然,图中检测模型的观测空间由一维随机观测信号组成。,一维随机观测信号特征:x是一维变量。,第三章 信号检测的基本理论 3.2 假设检测的基本概念,说明:二元信号检测模型的观测空间也可以由多维随机观测信号组成。,二元信号检测模型中多维随机观测信号的观测空间形成:,主讲:刘颖2006年 秋,对于信源的任何一个输出,让概率转移机构依次转移N次,则相当于观测信号的模型为:,即进
4、行了N次观测,构成N维随机观测矢量,其对应的观测空间就是N维的,N为有限值。,基本检测理论模型,观测空间R:在信源不同输出下,观测空间R是由概率转移机构所形成的可能观测的集合。观测量可以是一维的,也可以是N维矢量。,两种信号状态下N维观测信号矢量的N维联合概率密度为。,如果没有噪声的干扰,信源输出的某一种确知信号将映射到观测空间中的某一点,但在噪声干扰的情况下,他将以一定的概率映射到整个观测空间,观测空间某点 的概率为。,第三章 信号检测的基本理论 3.2 假设检测的基本概念,基本检测理论模型,判决准则:观测信号落入观测空间后,就可以用来推断哪一个假设成立是合理的,即判决信号属于哪种状态。为此
5、需要建立一个判决准则,判决观测空间的每一个点对应着一个相应的假设Hi(i=0,1),例如:在二元信号检测中,把整个观测空间R划分为R0和R1两个子空间,称为判决域。,2.M元信号检测理论模型,M元信号检测中,信源有M种可能的输出信号状态,分别记为Hj,(j=0,1,2,M-1)。,在噪声的干扰背景中,信源的每种输出信号经过概率转移机构生成随机观测量。,第三章 信号检测的基本理论 3.2 假设检测的基本概念,第三章 信号检测的基本理论 3.2 假设检测的基本概念,3.2.2 统计检测的结果和判决概率,信号统计检测就是统计学中的假设检验。,给信号的每种可能状态一个假设Hj(j=0,1,2,M),检
6、验就是信号检测系统对信号属于哪个状态的统计判决。,一维观测信号是N维观测矢量信号的特例,因此下面按N维观测矢量信号来讨论信号的统计检测问题,也就是假设检验结果和判决概率问题。,第三章 信号检测的基本理论 3.2 假设检测的基本概念,1.二元信号的情况,二元信号的判决结果。,对于二元假设检验,判决结果必然是下面四中情况之一:(1)假设H0为真,判决假设H0成立,记为(H0|H0);正确判断(2)假设H0为真,判决假设H1成立,记为(H1|H0);错误判断(3)假设H1为真,判决假设H0成立,记为(H0|H1);错误判断(4)假设H1为真,判决假设H1成立,记为(H1|H1);正确判断,第三章 信
7、号检测的基本理论 3.2 假设检测的基本概念,P(Hi|Hj)含义:在假设Hj为真的条件下,判决假设Hi成立的概率。,假设观测量落在Ri域判决Hi成立,则有,二元信号的判决概率。,第三章 信号检测的基本理论 3.2 假设检测的基本概念,x,0,P(n),+A,x,P(x|H1),-A,x,P(x|H0),举例说明,当N=1时。,第三章 信号检测的基本理论 3.2 假设检测的基本概念,x,+A,P(x|H1),-A,P(x|H0),P(H1|H0),x0,R1,R0,P(H0|H1),二元信号检测的判决域划分与判决概率,第三章 信号检测的基本理论 3.2 假设检测的基本概念,2.M元信号的情况,
8、P(Hi|Hj)含义:在假设Hj为真的条件下,判决假设Hi成立的概率。,假设观测量落在Ri域判决Hi成立,则有,显然将有M2种判决结果,其中只有M种判决是正确的。,小结:为了获得某种意义上的最佳检测结果,需正确划分观测空间R中各个判决域Ri(i=0,1,2,M-1)。,问题:需要寻求最佳检测准则,获得最佳检测结果。,第三章 信号检测的基本理论 3.2 假设检测的基本概念,常用的信号检测准则,贝叶斯准则(Bayes)极小化极大准则(minimax)奈曼-皮尔逊准则(Neymann-Pearson),3.3 贝叶斯准则(Bayes Criterion),贝叶斯准则:就是在假设Hj的先验概率P(Hj
9、)已知,各种判决代价因子Cij给定的情况下,使平均代价C最小的准则。,1.概念代价因子Cij:表示假设Hj为真时,判决假设Hi成立所付出的代价。约束条件C10C00,C01C11。,第三章 信号检测的基本理论 3.3 贝叶斯准则,2.平均代价C的表达式,假设Hj为真时判决所付出的条件平均代价为,若Hj为真的概率P(Hj)已知,则判决所付出的总平均代价(也称为平均风险)为,整理得:,固定平均代价,q(x),第三章 信号检测的基本理论 3.3 贝叶斯准则,根据Bayes准则,应使C最小。,判决域划分:在R0域内,q(x)0.,Bayes判决准则:,即LRT,其中:(x)称为似然比函数,称为似然比检
10、测门限。,说明:似然比检验(LRT:likelihood Ratio Test)是似然比函数(x)于与检测门限进行比较,(x)是一个依赖于观测量x的函数,因此是一个检验统计量。,第三章 信号检测的基本理论 3.3 贝叶斯准则,第三章 信号检测的基本理论 3.3 贝叶斯准则,简化形式:如果似然函数含有指数形式,可以简化判决准则,即简化的贝叶斯准则为,似然判决器,(x)计算器,判决器,xk,第三章 信号检测的基本理论 3.3 贝叶斯准则,对数似然判决器,ln(x)计算器,判决器,xk,第三章 信号检测的基本理论 3.3 贝叶斯准则,例题:在二元数字通信系统中,假设为H1时,信源输出为正电压A,假设
11、为H0时,信源输出为零电平。信号在通信信道传输过程中叠加了高斯噪声n(t);每种信源的持续时间为T,在接收端对接收到的信号 x(t)在T时间内进行N次独立采样,样本为xk(k=1,2,N)。已知噪声样本nk是均值为零、方差为 n2的高斯噪声。(1)试建立信号检测系统的信号模型;(2)若似然检测门限已知,确定似然比检验的判决表达式;(3)计算判决概率P(H1|H0)和P(H1|H1)。,第三章 信号检测的基本理论 3.3 贝叶斯准则,解:(1)接收信号模型为:,解:(1)接收信号模型为:,在(0,T)内进行N次独立采样后,接收信号模型为:,其中 xk 之间相互独立。,第三章 信号检测的基本理论
12、3.3 贝叶斯准则,(2)已知,在两种假设情况下,似然函数为:,由于N次采样的样本 xk 之间是独立同分布(iid)的,所以,第三章 信号检测的基本理论 3.3 贝叶斯准则,这样,似然比函数为,似然比函数检验(LRT)为,第三章 信号检测的基本理论 3.3 贝叶斯准则,取对数,进一步整理得,(3)检验统计量 是N个信号的平均值,它是xk(k=1,2,N)的函数,是个随机变量。,说明:由于N次采样的样本xk之间是独立同分布(iid)的,因此 l(x)在两种假设情况下均服从高斯分布,均值和方差计算过程如下。,第三章 信号检测的基本理论 3.3 贝叶斯准则,假设H0情况下,均值和方差分别为:,假设H
13、1情况下,同样的方法计算均值和方差为:,第三章 信号检测的基本理论 3.3 贝叶斯准则,用l表示l(x),有,根据判决准则,,第三章 信号检测的基本理论 3.3 贝叶斯准则,解毕。,第三章 信号检测的基本理论 3.3 贝叶斯准则,例题:设二元假设检验的观测信号模型为,其中 n 为均值为零,方差为0.5的高斯观测噪声。若两种假设是等先验概率的,代价因子分别为,试求最佳(贝叶斯)判决表示式和平均代价C。,第三章 信号检测的基本理论 3.3 贝叶斯准则,解:,似然比检测门限为,第三章 信号检测的基本理论 3.3 贝叶斯准则,Bayes判决表示式为,两边取对数,得,显然似然比函数 服从高斯分布,令l(
14、x)=x在两种假设下,有,第三章 信号检测的基本理论 3.3 贝叶斯准则,说明:如果调整检测门限偏离了-0.1733,则计算出的C均大于1.8269,这从侧面验证了贝叶斯准则的却能使平均代价最小。,第三章 信号检测的基本理论,3.4 派生贝叶斯准则,概念:在对各假设的先验概率P(Hj)和各种判决的代价因子Cij进行约束的条件下,将会得到它的派生准则。本节主要讨论二元信号情况下,贝叶斯派生的几种准则。,1.最小平均错误概率准则,派生过程:当C00=C11=0,C10=C01=1时,平均代价为,第三章 信号检测的基本理论 3.4 派生贝叶斯准则,最小平均错误概率准则:使平均错误概率最小的准则。(m
15、inimum mean probability of error criterion),类似于贝叶斯准则的分析方法,Pe表示为,为了使Pe最小,将所有满足q(x)0的x划归R0域,判决假设H0成立。,q(x),这样,所有满足q(x)0的划归R1域,判决假设H1成立。,此时,LRT(似然比判决)式为,LRT式的简化形式为,第三章 信号检测的基本理论 3.4 派生贝叶斯准则,2.最大似然准则(maximum likelihood criterion),派生过程:当C00=C11=0,C10=C01=1,P(H0)=P(H1)=0.5,LRT为,说明:最小平均错误概率准则和最大似然准则都是贝叶斯准则
16、特例。,第三章 信号检测的基本理论 3.4 派生贝叶斯准则,第三章 信号检测的基本理论 3.4 派生贝叶斯准则,例题3.4-1:在OOK通信系统中,两个假设下的观测信号模型为,其中,观测噪声nN(0,n2);信号A是常数,且A0。若两个假设的先验概率P(Hj)相等,代价因子C00=C11=0,C10=C01=1,采用最小平均错误概率准则,确定判决表示式,并求平均错误概率。,解:在两个假设下,观测量x的概率密度函数分别为,第三章 信号检测的基本理论 3.4 派生贝叶斯准则,因为C00=C11=0,C10=C01=1,P(H0)=P(H1)=0.5,经过化简整理得,此时检验统计量l(x)=x。有,
17、第三章 信号检测的基本理论 3.4 派生贝叶斯准则,根据检测准则,判决门限为A/2,所以两种错误检测概率为:,第三章 信号检测的基本理论 3.4 派生贝叶斯准则,这样平均错误概率为,说明:显然信噪比越高,平均错误概率就越小,检测性能就越好。,第三章 信号检测的基本理论 3.4 派生贝叶斯准则,3.最大后验概率准则(maximum a posterior probability criterion),派生过程:当C10-C00=C01-C11时,判决准则表达式为,贝叶斯准则,等价表示为,第三章 信号检测的基本理论 3.4 派生贝叶斯准则,说明:在已知观测量x条件下,假设H1和H2为真的概率称为后
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 信号 检测 基本理论
链接地址:https://www.31ppt.com/p-4938640.html