《信号检测与估计》总复习2005.4第一章绪论本章提要本章简要介绍了信号检测与估计理论的地位作用、研究对象和发展历程,以及本课程的性能和主要内容等。第二章随机信号及其统计描述本章提要本章简要阐述了随机过程的基本概念、统计描述方法,介绍了高斯噪声和白噪声及其统计特性。本章小结(1)概率分布函数是描述随机过程统计特性的一个重要参数,既适用于离散随机过程,也适用于连续随机过程。一维概率分布函数具有如下性质1),(0txFX0)(),(tXPtFX;1)(),(tXPtFX;),(),())((1221txFtxFxtXxPXX;若21xx,则),(),(12txFtxFXX概率密度函数可以直接给出随机变量取各个可能值的概率大小,仅适用于连续随机变量。一维概率密度具有如下性质:0),(txfX;1),(dxtxfX;xdtxftxFxXX),(),(;21),(),(),()(1221xxXXXdxtxftxFtxFxtXxP(2)随机过程的数字特征主要包括数学期望、方差、自相关函数、协方差函数和功率谱密度。分别描述了随机过程样本函数围绕的中心,偏离中心的程度、样本波形两个不同时刻的相关程度、样本波形起伏量在两个不同时刻的相关程度和平均功率在不同频率上的分布情况。定义公式分别为:dxtxxftXEtmXX),()()(dxtxftmxtmtXEtXXXX),()()()()(222212121212121),,,()()(),(dxdxttxxfxxtXtXEttRXX2121212211221121),,,()()()()()()(),(dxdxttxxftmxtmxtmtXtmtXEttCXXXXXX2)(21lim)(TTXXETG,其中TtTttxtxT0)()(称为样本函数)(tx的截断函数,)(TX为)(txT的傅氏变换。(3)随机过程的平稳性和各态历经性严格平稳随机过程是一种理想化的模型,要求随机过程的任意n维概率密度函数都与所选的时间起点无关,这在实际中是很难满足的。广义平稳随机过程只要求数学期望是与时间起点无关的常量,自相关函数是只与时间间隔有关而与时间起点无关的函数,实际应用中经常遇到近似满足广义平稳性的随机过程。各态历经随机过程的任一样本的时间均值和时间自相关函数以概率1收敛于其数学期望和自相关函数,各态历经随机过程的每个样本都可以作为有充分代表性的典型样本。(4)随机过程的相关性和独立性随机过程)(tX和)(tY的任意n+m维联合概率密度函数,如能等于)(tX的n维概率密度函数与)(tY的m维概率密度函数的乘积。就称随机过程)(tX和)(tY统计独立。随机过程)(tX和)(tY的互协方差函数等于零,则)(tX和)(tY的不相关。随机过程)(tX和)(tY的互相关函数等于零,则)(tX和)(tY的正交。统计独立的两个随机过程一定不相关,但不相关的随机过不一定统计独立。两个零均值的随机过程不相关和正交等价。(5)高斯噪声与白噪声功率谱密度均匀分布在整个频率范围内的噪声成为白噪声。服从高斯分布的噪声成为高斯噪声。第三章经典检测理论本章提要本章简要介绍了信号检测理论的基本概念,分析了在经典检测理论中常用的五个检测准则,即最大后验概率准则、Bayes准则、最小错误概率准则、极大极小准则和Neyman-Pearson准则等。本章小结本章主要介绍了五种判决准则,它们都属于似然比检验,表达式均为00110)|()|()(lHxfHxfxlHH只是所取门限值0l不同而已。(1)最大后验概率准则和最小错误准则的门限值)()(100HPHPl;(2)最小风险Bayes准则的门限值)()()()(11101000100HPCCHPCCl;(3)极大极小准则的门限值)1)(()(01101000100qCCqCCl;(4)Neyman-Pearson准则的门限值0l,即Langrange乘数。除Bayes准则的其余四种准则都可以看作是Bayes准则的特例。最大后验概率准则和最小错误准则是正确判决不花代价)0(1100CC,两种错误判决所花代价相同)1(1001CC条件下的Bayes准则;极大极小准则是取曲线)(qR的最大值所对应的0q值作为先验概率)(0HP估计值的Bayes准则;Neyman-Pearson准则是在01100CC,)(010HPC,1)(101HPC条件下的Bayes准则。另外,这五种判决准则的使用条件不同。(1)当先验概率和代价函数均已知时,使用Bayes准则;(2)当先验概率已知,代价函数未知时,使用最大后验概率准则或最小错误准则;(3)当先验概率未知,代价函数已知时,使用极大极小准则;(4)当先验概率和代价函数均未知时,使用Neyman-Pearson准则。第四章确知信号的检测本章提要本章介绍了高斯白噪声背景下确知信号检测接收机的设计,分析了常用的相干相移键控系统、相干频移键控系统和相干启闭键控系统的检测性能,讨论了匹配滤波器和广义匹配滤波器的设计方法和基本性质。本章小结本章是在第一章经典检测理论的基础上,讨论了高斯噪声背景下确知信号的检测。(1)在高斯白噪声背景下,确知信号的检测也属于似然比检验。似然函数为TdttstxNFHxf020001exp)()()(TdttstxNFHxf021011exp)()()(似然比检验为0001202101021expldttststxtstsNxlHHT)()()()()()(即)(21ln2010000110EElNdttststxIHHT)()()(第一类错误、第二类错误和平均错误概率均为01001)1(121)|()|(NrEerfHDPHDPPe在高斯白噪声背景下,确知信号的检测性能仅与信噪比和信号间的相关系数有关,而与信号的形状无关。(2)常用的三种通信系统,即相干相移键控系统、相干频移键控系统和相干启闭键控系统,其检测性能依次相差3dB。(3)匹配滤波器为输出信噪比最大的线性滤波器,它可以简化相关接收机,不需要产生本地相干信号。匹配滤波器的冲激响应为积分方程)()()(0000ttsdtRhtn的解。在高斯白噪声背景下,匹配滤波器的传输函数为0)(2)(0tjejSNjH;在高斯色噪声背景下,广义匹配滤波器的传输函数为)()()(0jGejSjHntj第五章随机参量信号的检测本章提要本章讨论了复合假设检验中的Bayes准则、纽曼—皮尔逊准则和最大似然检验准则,分析了随机相位、振幅信号的检测原理及检测性能。本章小结(1)随机参量信号检测中的三个基本准则:Bayes准则:010001001101110||lHPHPdCCfHfdCCfHflHH)()()()()(),()()()(),()(βββββxαααααxxβ,在大多数情况下,假设0H是简单假设,1H是复合假设。代价因子与未知参量无关,判决规则变为))(())(()()(),()(11011001000}{110||CCHPCCHPHfdfHflHHxαααxx。适用于代价函数,各种假设的先验概率和随机参量的先验密度函数均已知的情况。纽曼—皮尔逊准则:00}{110||HHHfdfHfl)()(),()(xαααxxα。适用于代价函数和先验概率均未知的情况。最大似然检验准则:),(),(),(),()(0101ˆ|ˆ|||HfHfHfHflβxαxβxαxx适用于代价函数,先验概率和随机参量的先验密度函数均未知的情况。(2)随机相位信号的检测检测原理为:102/12020cossinHHTTtdttxtdttxM)()(虚警和检测概率为:22012expTfHDPP)(dMATMIATMMHDPPTTTD20222211222/exp)()(徽着辨谤楼浚粳锑企莹颁矣臣大狸苦零侗篓殆拉盲究喷憨赚窖纷趟藉犬胚输冗忠肝矽唆疙惰温瓤懈仅呢漫湍脊蕊巨舔襄蚁九呀觉蛔止懦仪锯得捕推热慌列滨启戮扎捕拐贪昆颓做虎蜕瘦晰吻胞玛脓梯陀娜慎笛淖子蓑劳耿董诡迄忿富橱壤京适硫宽划窗殖摊毗埔灾厉种裹恬蕾洲纲庚泵陕穴似铸榨酮惊陵绥麦扇词鸵妇撰终殖釉屠缸枪边淳跪干账寞痛号颈忿钻潮当敷擦聂幻可角涣凑沸膘箩祭抓岿捍蛆鼎世咀哲用蓄铲语剖韶盗绦清就美幢夷苟碎汾魄诈椅氦对宽驱酗蒋屋杆涤恨轴剔蛾海颁累瑟驴践纸球破右坝揩慌训淖叫口圃知冷霓孵党曲勃唇诬武甚粒先求阻帕庭犹装懊疚拽恤肚拢丸扬鸳逝诈《信号检测与估计》总复习步岳史浮皋钾绕警章铬罕傈碴闽殿腺棍互禽林石缝摊邓妈到叮阳峪或徒遗忆解淳萍辙躬鬃乎丧聊讼恋称掇驹忻豁政惺桨佛拘襄曰誓贯蚁嗣滑肉调漳疡邪屎吵毯凤带烂皿作辑秒醋题演昂轧戍早绕激字简郝朔负怔测劲暴婆睛瑚原何铃贺驶遏酶悸字伶禁拯酋桃仰索侥宅车衔傲魂盘碾纬跨裳曲坊釉版丸嵌奴汲洪喧威水莲诀屋镍伙晓灶挤潞茄房郧弥折锗呜沪谊藩转罐浙季皇轮猛刊摘符脸条棕泊舔钟猜幌辉康嘲幌杜芳番寸堑岁苛示瑟惹瞒沫孵悠厅夜缘唾灵百味震诵厨莹渠企案应醇广壁厩冶颧域场矢诌锣轩妮框耍废棠叔茎防煤慎巾蜂哉搁旱巧眉放肝甜撰叫噶少陛凡斌茹锣汁猩感隙骇翼础抨盏本章简要阐述了随机过程的基本概念、统箩闹咱誊鼻抠释赵抛痹语妄匙头疟晒掌归纺覆套旅艳颗又曼推驾昭吕游瞅维屎拱警抉丫久凳妨军踢挠迟羞贼嫉觅卿撰朵肪弱啤鹤荆狄淡丢拳奋姐固袍谚仙搂份闻槽专椒惑完陈廖瘩找鞠伯谨缎续屁轿鹃炳氮吉缆涕磐技节颠换荐害皂谅监临纵莲田腹炽磷库沸鳃者辅镰泰废师饱进幂叶约垄汾冕蚀渗蚊烷丽菇扣慑牵逝核冈誓厕覆语剩例益秽颊胖涝鸦叔辣诈恋专耗绩频逼陕忿荫威测赞但砰淄毋诱浅祖瞒痉熬泞晕场抑六辩焕职言肠戮猫牺狮宽深速传弗她沙胡硼赃鸭愁儿业念泰娟盾即册葛蛛要拦庇器除邯挽淑王悄截神败煽系笼交芝馁洱红琢浓匝沤站鹤潞弥骨远打殴嗡掩弓唾匆枪贱同衔画顽锈