随机信号检测

北京邮电大学
信息与通信工程学院

郭彩丽
guocaili@bupt edu cn
guocaili@bupt.edu.cn

© 2004, CCID Consulting(HK8235) All Rights Reserved

 课程内容
章 信号统计检测与估计概述
第一章
第
第二章 信号统计检测与估计基础知识


第三章 信号统计检测理论
统计检测理论
第四章 确定信号检测
第五章 随机信号检测
第六章 信号统计估计理论 ——统计估计理论
—— 统计估计理论

第七章 参量信号检测 ——统计检测＋统计估计

—— 统计检测 统计估计
统计检测＋统计估计

© 2004, CCID Consulting(HK8235) All Rights Reserved

 前言

章假定信 确定的 通过检测检验统计 均值的变

前一章假定信号是确定的，通过检测检验统计量均值的变
前
化来检测噪声中出现的信号。
信号的出现改变了接收数据的均值。

在某些情况下 把信号看作为一个随机过程则更加合适。
在某些情况下，把信号看作为 个随机过程则更加合适。
假定信号已知是不符合实际的。以语音为例，给定的声音波形与
说话者的个性 说话内容 说话者的健康状况等都有关系
说话者的个性、说话内容、说话者的健康状况等都有关系。

一个更好的方法是假定信号是一个随机过程，它的协方差结构是
已知的。
已知的

本章的任务是：考察从随机信号模型导出的最佳检测器。

© 2004, CCID Consulting(HK8235) All Rights Reserved

 本章内容

能 检测
能量检测器
计器 相 器
估计器-相关器
一般高斯检测问题

© 2004, CCID Consulting(HK8235) All Rights Reserved

 能量检测器
假设：
信号是已知方差  2的零均值随机过程；
s

噪声是已知方差  的WGN信号，与信号是相互独立的
2
的WGN信号 与信号是相互独立的

检测器问题就是要区分下面两种不同的假设。

 H 0 : x  n     n  n  0,1, , N  1

 H1 : x[n]  s[n]  [n] n  0,1,
0 1 , N 1

H 0 条件下，x ~ N 0, 2 I 

H1 条件下， x ~ N 0,  s2   2  I 

© 2004, CCID Consulting(HK8235) All Rights Reserved

 能量检测器（续）
似然函数为 1  1 N 1

exp   2
 
2  2
 2

N
2  2 2
  2
 n 0
x n 

L x  
s
s

1  1 N 1

expp  2  x 2
n 
2   2
N
2 2 n 0 
对数似然比（LLR）变为

N  2  1  1 1  N 1 2
ln L  x   In  2 2 
  2  2   x  n
2   s    2   s     n 0
2

N  2  1 2s N 1
 In  2    x 2
 n
2   s    2    s    n 0
2 2 2 2

N 1
T  x    x2  n   
n 0
能量检测

© 2004, CCID Consulting(HK8235) All Rights Reserved

 能量检测器（续）
并且把它和门限进行比
检测器计算接收数据中的能量，并且把它和门限进行比
检测器计算接收数据中的能量
较，因而也称为能量检测器。
直观地理解，如果信号出现，那么接收数据的能量将
会增加。
事实上，等效的检测统计量 T x   1 N nN01 x 2 n 可看作
方差的估计器。将它与门限进行比较，就可认为在 H0
下方差为  2 ；而在 H1 下，方差增加到  s2   2。
小结：
假设WGN中确定性信号，信号检测靠检验统计量的均值变化。
假设WGN中零均值高斯的随机性信号 信号检测靠能量变化
假设WGN中零均值高斯的随机性信号，信号检测靠能量变化。
7

© 2004, CCID Consulting(HK8235) All Rights Reserved

 能量检测器的检测性能（续）
检测性能
由于统计量T  x 是N个IID高斯随机变量平方和，
T x 
~  N2 在H 0 条件下
 2

T x 
~  N2 在H1条件下
s 
2 2

为了求 PF 和 PD，回忆  随机变量的右尾概率

2


   
 2Q x v 1
Q 2  x    p  t dt   1 
v x
 exp   x  v21 1
2   k  1 ! 2 x  2
k

 
Q 2  x   2Q x  

  2 k  1 !
v  1且v为奇数

v
k 1
 k
 v  x 

1
 
 1 2 2
 exp   2 x   k ! v为偶数
   k 0
8

© 2004, CCID Consulting(HK8235) All Rights Reserved

 能量检测器的检测性能（续）
则 P  Pr T  x    ; H   Pr 
T  x      
 2 ; H 0   Q  2 
    
F 0 2 2


N

  
PD  Pr T  x    ; H1  Q 2  2 2 
N

 s   
令    2   ，则
则
  2    SNR
 
PD  Q 2  2 2   Q 2  2 2 
  s / 1   s  1
N N

随SNR增大，PD
增大

© 2004, CCID Consulting(HK8235) All Rights Reserved

 能量检测器的检测性能（续）

 2 时能量检测器的性能
N=25时能量检测器的性能

10

© 2004, CCID Consulting(HK8235) All Rights Reserved

 本章内容

能 检测
能量检测器
计器 相 器
估计器-相关器
一般高斯检测问题

11

© 2004, CCID Consulting(HK8235) All Rights Reserved

 估计器-相关器
扩展 任意协方
能量检测器推广： 信号协方差矩阵 s2I
差矩阵 C s
 N  0,  2 I  H0
NP检测器 
x~
 N  0,
0 Cs   2I  H1
似然函数取比值
1  1 1 
exp   xT  C s   2 I  x 
似然比函数
1
N
 2 
L x 
 2  2 det (Cs   2 I )
2

1  1 T 
exp  2 x x
 2 
N

 
2 2 2

取对数并且只取与数据相关的项

1 T 1  H1  1 2 1 
 x  C s   I   2 I  x    T  x    x  2 I   C s   I   x  2  2
H1
2 1 2 T

2    H0   H0
12

© 2004, CCID Consulting(HK8235) All Rights Reserved

 估计器-相关器（续）
 1 2 1 
矩阵的求逆引理
T  x    x  2 I   Cs   I   x
2 T

 

 A  BCD   A  A D  DA D  C 
1 1
1 1 1 1
DA 1
A   2I, Β  D  I, C s  C
1
1 1  1 
C   2I 
1
 2 I  4  2 I  C s 1 
 1  1 1

s
   

T  x   xT  2  2 I  Cs 1  x
     
1 1
1  1  1  1 
sˆ  2  2 I  Cs 1  x  2  2 (Cs   2 I )Cs 1   Cs  Cs   2 I  x
1

     
N 1 H1
T  x   x sˆ   x  n  sˆ  n   
T
估计器-相关器：NP检
n 0 H0
测器将接收数据 x[n]与
信号估计 ŝ  n求相关。
© 2004, CCID Consulting(HK8235) All Rights Reserved
13
 估计器-相关器（续）
解释
 T  x 是数据x的二次型，不再是高斯随机过程。

sˆ  C s  Cs   I  x 实质是信号的维纳滤波估计。
1
2

估计器 相关器 白高斯噪声中高斯随机信号检测问题

估计器-相关器：白高斯噪声中高斯随机信号检测问题

xn N 1
T x 
   H1
   
n0 H0

sˆ  Cs  Cs   I  x
2 1

维纳滤波器 sŝn
14

© 2004, CCID Consulting(HK8235) All Rights Reserved

 估计器-相关器（续）

特例 白信
特例一：白信号
如果信号是白色的，那么 Cs   s2 I，信号估计器为
 s2
sˆ   I  I   I 
1
2 2 2
x 2 x
s s
s  2

或 sˆ  n    2
s
x  n
s  2
2

这是一个零记忆滤波器，它用一个固定的比例因子  s2  s2   2  
对接收的数据进行加权。

如果  s2   ，加权近似等于1；而对于
2
 s2   2，加权近似等于
零。

15

© 2004, CCID Consulting(HK8235) All Rights Reserved

 估计器-相关器（续）
如果
N 1
 s2 N 1 2 H
 x  n  sˆ  n   2 2 
x  n    
1

n 0  s   n 0 H 0

   s2   2 
即： N 1 H1

  n 
x
n0
2

H0  s2 能量检测器

16

© 2004, CCID Consulting(HK8235) All Rights Reserved

 估计器-相关器（续）
特例2：相关信号
假定N=2，且 1  s[0]
和 s[1] 之间的
Cs    2

 1  相
相关系数
s

检验统计量是 T  x   x Cs  Cs   I  x
T 2 1

思路：去相关  1 1 
 2 2 
引
引入从 x  y 的线性变换 y  V x， T V 
 1 1 
 
 V是正交矩阵， VT  V 1 2 2 
1   0 
此时 VT Cs V 1  Λ s   s2 
 0 1   

对角矩阵
17

© 2004, CCID Consulting(HK8235) All Rights Reserved

 估计器-相关器（续）
T  x   x T VV T C s VV 1  C s   2 I  VV T x
1

改写检验统计量：
 V x   V C S V   V 1  C s   2 I  V  V T x
T 1
T T

  s2 1   
 VT x   V T C s V   V T C s V   2 I  V T x
 T 1
 2 0 
  s 1      2 
A
 s2 1     VT Cs V 1  Λ s
 0 
  s 1      
2 2

T  x    V T x  Λ s ( Λ s   2 I ) 1 V T x
T

A  Λ s ( Λ s   2 I ) 1

T  x   y T Ay

 s2 1     s 1   
2

T x  2 y 2
 0   y 2 1
Y的加权能量  s 1      2
 s 1     
2 2

检测器
18

© 2004, CCID Consulting(HK8235) All Rights Reserved

 估计器-相关器（续）
特例：

  0 ，信号是白色的
信号是白色的

 s2 1     s 1   
2

T  x  2 y  0  2
2
y 2 1 yT y  yT VVT y  xT x
 s 1      2
 s 1      2

 s2  s2
2 
y  0  y 1  2 2 
x  0  x 1  
H
T x  2
1
2 2 2 2

s  s  H 0

结果与白信号情况相
同（见前面特例一）
同（见前面特例 ）
19

© 2004, CCID Consulting(HK8235) All Rights Reserved

 估计器-相关器（续）

进 步分析
进一步分析
线性变换的效果是对X去相关
C y  E  yy T   E  VT xxT V   VT C x V  VT  Cs   2 I  V
 VT Cs V   2I  Λ s   2I
对角矩阵
去相关矩阵V是CS的模态矩阵（modal matrix)
–模态矩阵的列是CS 的特征矢量，由于CS 是对称矩阵，所以VT= V-1

20

© 2004, CCID Consulting(HK8235) All Rights Reserved

 估计器-相关器（续）

 般化 估计 相关 的特征分解形式
一般化——估计器-相关器的特征分解形式

N  N 协方差矩阵
方 阵 Cs 的特
的特征分解
解
VT Cs V  Λ s
d  s s  s
V   V0 V1  VN 1  ，Vi 为 C 的第i个特征向量， Λ s  diag 0 1 N 1

s
，s 为相应的特征值。
i

T  x   x Cs  Cs   I  x
T 2 1
NP检测统计量
 yΛ s  Λ s   I  y 2 1

N 1 s H1
加权能量检测
 n
y  n  
2

n 0 s   2
n
H0

21

© 2004, CCID Consulting(HK8235) All Rights Reserved

 估计器-相关器（续）

加权的能 检测 标准形式
加权的能量检测器标准形式

加权的物理意义： 如果  1且 s2   2 , 那么

s  s2 1   
0
 1
s   2  s2 1      2
0

s  s2 1   
1
 0
s   2  s2 1      2
1
22

© 2004, CCID Consulting(HK8235) All Rights Reserved

 估计器-相关器（续）
y[0]分量和y[1]分量的信噪比分别为：
E  ys2 1   s 1   
2
2 s2
0 
2
 2   2  1
s0

E  yw 1   
2 2

E  ys2 1  s 1   
2

1 
2
 2 
s1
0
E  yw 1  
2 2

说明：信噪比大的分量权重大

23

© 2004, CCID Consulting(HK8235) All Rights Reserved

 估计器-相关器的检测性能

估计 相关 的检测性能分析
估计器-相关器的检测性能分析
检 统计 T  x   x Cs  Cs   I  x 是
1
检验统计量 是x的二次型形式，不是高
的 次 形 不是高
T 2

斯随机变量，难以给出闭合的解析式
N 1 s
推导检测性能 T  x   
推导检测性能： n
y 2
 n
n 0 s  
n
2

  2I 在H 0条件下
y 是高斯随机变量，是x的线性变换
是高斯随机变量 是x的线性变换 Cy  
 Λ S   I在H1条件下
2

   0, 2 I  在H 0条件下

y~ 
   0,
0 Λ s   2 I  在H1条件下
24

© 2004, CCID Consulting(HK8235) All Rights Reserved

估计器-相关器的检测性能（续）
首先考虑虚警概率， PF  Pr T  x    ; H 0 
 N 1 sn 
 Pr  y  n    ; H 0 
2

 n 0 sn  
2

z [ n ] y [ n ]/   N 1 sn  2 2 
 Pr  z  n    ; H 0 
 n 0 sn  
2
   
 任务是求 T  x    n 0  n z  n 的PDF，其中 zn 是IID
N 1 2 N 0,1 的随机变
量，利用特征函数来推导。
–回忆特征函数定义为 x    E exp  j x  
那么，利用 zn的独立性，有
  N 1 
T    E exp  jT    E exp  j   n z 2  n   
  n 0 
N 1 N 1
  E exp  j n z  n      z 2  n 
2

n 0 n0 25

© 2004, CCID Consulting(HK8235) All Rights Reserved

估计器-相关器的检测性能（续）
1
其中 z 2  n  ~ 12，可以证明特征函数为   2  x  
1
1  2 j
N 1
1
这样 T    
 这样，
n 0 1  2 j n

s  2
其中  n  n

s   2
n

 检验统计量T（x)的PDF由特征函数的傅里叶反变换得到，

  d
pT  t     T
    
 exp  j t  t0
2
 0 t0

26

© 2004, CCID Consulting(HK8235) All Rights Reserved

 估计器-相关器的检测性能（续）
  N 1 1 d 检测性能是积分
所以 PF   

 

n0 1  2 j n
exp   jt 
2
dt
的表达式，一般
需要数值计算

  N 1 1 d
类似地，我们可以证明 PD      exp   jt  dt
n0 1  2 jsn  2

下面的例子可以给出 PD和PF的闭合形式解
假定Cs是块对角阵，具有成对的特征值
是块对角阵 具有成对的特征值
C1 0   M  M M M 
Cs     M  M
 0 C1  M  M 

协方差矩阵可以通过模态矩阵对角化为 V 0
V 1
0 V1 

27

© 2004, CCID Consulting(HK8235) All Rights Reserved

 估计器-相关器的检测性能（续）
其中 V1 C1V1  Λ1 。矩阵
T
矩阵 V1是模态矩阵，是
是模态矩阵 是 C1 对应的对角特征矩阵
，那么 VT C V   Λ1 0 
s 0 Λ1 


 Cs 的特征值成对出现。令  ,  , ,  s0 s1 sM 1
是Cs 的特征值且不
 N 1 1 d  M 1 1 d
等，则  
n 0 1  2 j n
exp   jt 
2
 

n  0 1  2 j n
exp   jt 
2
 M 1 1 
F 
1
t 
 n  0 1  2 j 
n 

其中F t 表示在-t计算的傅里叶反变换。利用部分因式分解
1

M 1 M 1 M 1
1 An 1
 1  2 j 
 
n  0 1  2 j n
An  
i
n 0 n i 0
1
in
n
28

© 2004, CCID Consulting(HK8235) All Rights Reserved

 估计器-相关器的检测性能（续）
 1  t 
很容易证明  1   exp   
F  t1   2  2  t 0
1  2 j  0 t0


 M 1 An  t 
1 
M 1
1   exp   t 0
F  t     n 0 2 n  2 n 
 n 0 1  2 j n  
 0 t0
 t 
 M 1 M 1
   
所以 F   
所以，P 
n 0
exp 


2

n 
dt  
n 0
An exp  
 2 n 

其中 M 1
1 s  2
An   n  n

i s   2
i 0
1 M 1
1
Bn  
n
in
n
   M 1  i 0
s
1
类似地， PD   Bn exp 
i
 in
s
 2 s 
 
n
n 0 n
29

© 2004, CCID Consulting(HK8235) All Rights Reserved

 估计器-相关器的推广

估计 相关 的进 步推广 有色高斯噪声

估计器-相关器的进一步推广：有色高斯噪声
H0 : x  w
 
 H1 : x  s  w
其中，w ~ N  0, C w  s ~ N  0, Cs 
推导NP检测器为：T  x   x C sˆ sˆ  Cs  Cs  Cw  x
T 1 1
w
1
回顾：T( x)  x Cw s  x D Ds  x ' s '
T T T T
预白化器+匹配滤波器

此时， NP检测器本质为：预白化器+估计器 -相关器

思考题：如何将 T  x   xT Cw1sˆ 化为标准形式？
提示：通过线性变换同时对角化CW和CS

30

© 2004, CCID Consulting(HK8235) All Rights Reserved

 总结

检测器 适用场景 判决统计量

高斯白噪中检测确定 相关器 N 1
匹配滤波器 T  x    x  n s  n
性信号 N 0

相关高斯噪声中检测 预白化+匹配滤波器
广义匹配滤波器  x   x T 1
C s
确定性信号 T

高斯白噪中检测零均 N 1
T  x    x 2  n
能量检测器
值白高斯信号 n 0

高斯白噪中检测具有
零均值和任意协方差 T  x   x Cs  Cs   I  x
2 1
估计器-相关器
T

矩阵结构的高斯信号
31

© 2004, CCID Consulting(HK8235) All Rights Reserved