Professional Documents
Culture Documents
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
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
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
非零均值 给定信号协方差矩阵的零均值随机过程
(2)具有一般性的噪声:非零均值 ,噪声协方差结构任意
4
检测问题:
检测问
H0 : x w H 0 : x N (μ x 0 , C x 0 )
H1 : x s w H1 : x N (μ x1 , C x1 )
如果对所有的假设Hj,信号的概率密度函数都是高斯概率
密度函数,则称此类信号的检测为一般高斯信号的统计检
测
本节在一般高斯分布的联合概率密度函数的基础上,讨论
本节在 般高斯分布的联合概率密度函数的基础上,讨论
一般高斯二元信号的统计检测。
设假设 H 0 下,接收信号的概率密度函数为
下 接收信号的概率密度函数为
1
p x | H0 x
Cx01 x x0
T
exp
2
N 2
| C |12
x0
x0
假设 H1 下,接收信号的概率密度函数为
1
p x | H1 x
Cx11 x x1
T
exp
2 | Cx1 |
N 2 12
x1
采用似然比检验 p x H1
H1
l ( x)
p x H0
H0
7
化简得检验统计量:
化简得检验统计 H1
1 1 1 1
x μ C x μ x ln ln Cx ln Cx
T T def
l x x μ x0 C 1
x0 x0 x μ x1 1
x1
2 2 2 2
1 1 0
两个矢量的二
H0
次型的差值
检验统计量是一般高斯二元信号统计检测的通用判决表达
式
判决表达式可以分三种情况
第 种情况 μ x0 μ x1
第一种情况: Cx0 Cx1
若假设H0和H
若假设 和 1下,观测信号的均值矢量不等,协方差矩阵
测信 的均值矢 等 协方差矩阵
相等
μ x0 μ x1 C x0 C x1 C x
代入通用判决表达式
1
2
1
x μ x 0 C x x μ x 0 x μ x1 T C x1 x μ x1
T 1
2
2 μ x1C x x 2 μ x 0C x x μ x 0C x μ x 0 μTx1C x1 μ x1
1 T 1 T 1 1 T 1
2 2
μ x1 μ x 0 C x x μ x 0C x μ x 0 μTx1C x1 μ x1
T T 1 1 T 1
2
令 μ x1μ xμ Tx0
T T T
x1 μ μμ Txx
T
0
化简得 决表
化简得判决表达式:
H1
1 1 T T 1 1
μ TxTxC xx11x
μ C x Hlnln μ xμ1 Cx Cx μ μ
x μ T T 11
μ
x C C
x μμx0x0
0ln μ2C μ μ C μ
μ C x
T 1 H 1 2 T
1
1 1 x 1
T
x1 1 0 x0 x
x x x1 x x1 x0 x x0
H0 2
简记为 l x
分析:检验统计量 l ( x) μ T C1x 是由高斯随机矢量 x 经
x x
两次线性变换得到的一维高斯随机变量 。
10
11
检验统计量 l ( x) μ Tx Cx1x是高斯分布的,称为均值偏移高斯
是高斯分布的 称为均值偏移高斯
高斯问题。其判决概率 P H1 | H 0 和 P H1 | H1 分别为
ln d
PH1 H 0 Q
d 2
ln d Q Q 1 P H | H d
PH1 H1 Q 1 0
d 2
2 def E l | H 1 E l | H 0
T 1
2
μ x2C x μ x
偏移系数
d def E l | H E l | H μ TC1 μ T 1
2
1 Var l | H0 0
2
x x xμ C μxx μ x
T 1
d
2
x x μ xC
Var l | H 0 T 1
μ x Cx μ x
对于此类信号检测问题,其检测性能完全由偏移系数d
对于此类信号检测问题 其检测性能完全由偏移系数d2决定。
决定
12
在等协方差矩阵情况下,根据协方差矩阵的结构,讨论几
在等协方差矩阵情况下 根据协方差矩阵的结构 讨论几
种特殊情况。
第一种特殊情况:设等协方差矩阵中的各元素满足
在这种特殊情况下意味着各次观测信号xk之间互不相关,
因而也统计独立 且各个分量xk的方差都相等
因而也统计独立,且各个分量x
13
其逆矩阵为则
14
检验统计量为
检测门限为
偏移系数
15
第 种特殊情
第二种特殊情况:设等协方差矩阵中的各元素满足
设等协方差矩阵中的各元素满足
在这种特殊情况下意味着各次观测信号xk之间互不相关,
因而也统计独立,且各个分量xk的方差不相等
两种假设下的协方差矩阵为
16
其逆矩阵为
检验统计量为
17
展开:
对检验统计
显然:具有小方差的观测信号分量加权越重,对检验统计
显然:具有小方差的观测信号分量加权越重
量的贡献越大
检测门限:
偏移系数:
18
小结
小结:
种特殊 构的 方 阵形 信号统计检测的
这两种特殊结构的协方差矩阵形式,信号统计检测的判
决式的检验统计量l(x)和检测门限都是简明的表示式,
决定检测性能的参数d2也可以简单求得
决定检测性能的参数 也可以简单求得。相应地,判决
相应地,判决
概率可得到解析表达式。
原因:
观测信号 不相关,协方差矩阵为对角矩阵
观测信号互不相关,协方差矩阵为对角矩阵
19
第三种特殊情况:
观测信号xk之间是相关的
思路:去相关
解决办法:将协方差矩阵变换为对角阵
20
因为协方差矩阵Cx是对称的正定阵,利用对称矩阵的正
是对称的正定阵 利用对称矩阵的正
交变换定理,将协方差矩阵Cx变换为对角阵。
对角矩阵 正交矩阵
特征矢量
特征值
21
在协方差矩阵CX 对角化后,观测信号矢量、均值矢量、
对角化后 观测信号矢量 均值矢量
均值差矢量也需要进一步的正交化处理
交 信
正交化观测信号矢量
正交化后观测矢量的各个
分量是互不相关的
22
交化均值矢
正交化均值矢量
正交化均值差矢量
23
检测门限
偏移系数
24
若假设H0和H1下,观测信号的均值矢量相等,协方差矩阵
不等
μ x0 μ x1 Cx0 Cx1
即此时:
μ x0 μ x1 μ x Cx0 Cx1
信号检测的判决表示式为
信 检测的判决表 式为
25
在等均值矢量情况下,概率密度函数p(x|H
在等均值矢量情况下 概率密度函数 ( | 0)和p(x|H
)和 ( | 1)在
N维观测空间中的坐标中心是相同的,故均值矢量不能提
供判决假设 0和H1成立的信息,而要靠两个协方差矩阵的
供判决假设H 成立的信息 靠 个协方差矩阵的
差异Cx0和Cx1。
因此,在等均值矢量情况下,把概率密度函数p(x|H0)和
p(x|H
p( | 1) 的坐标中心移到原点,(即令均值矢量等于
的坐标中心移到原点,(即令均值矢量等于0)
)
,同时对检测门限进行适当调整,就可以得到相同的判决
结果,令
26
检验统计量
在 基础上调整
由于 C x 1 是N阶方阵之差,故为N阶方阵,得到
是N阶方阵之差 故为N阶方阵 得到 l ( x )是高斯随机矢量
的二次型函数,而不是 x 的线性组合,所以 l ( x )不服从高斯分布。这
是和不等均值方差,等协方差矩阵情况的根本差异。
和 等 等 况 异
27
–令
–则
–协方差矩阵之差为
判决表达式为:
28
根据信 矢 各分 之间的关系 分为 种情
根据信号矢量各分量之间的关系,分为三种情况
设信号 各 间 不相 方 相等 即
(1)设信号矢量各分量之间互不相关,且方差相等,即
这种情况下,矩阵H为:
判决表达式
检测性能:利用卡方分布
29
此时,矩阵H为:
检验统计量为:
30
(3)设信号各分量之间相关,即
思路:去相关 将协方差矩阵转换为对角矩阵
思路:去相关,将协方差矩阵转换为对角矩阵
去相关后问题就类似于信号矢量各分量互不相关,但各分
量方差不同的情况。
31
小结
小结:
等 值 不等 方 阵情况的检 统计 不再是
等均值矢量,不等协方差矩阵情况的检验统计量不再是
高斯随机变量的线性函数,而是它们的二次型加权和,
所以检验统计量不再是高斯随机变量,此时性能分析
所以检验统计量不再是高斯随机变量,此时性能分析一
般比较复杂,要用到某些特殊函数,甚至需要采用仿真
的方法进行性能评估。
32
前面讨论的都是实信号的最佳检测理论
模型、最佳判决表示式、检测性能分析
模型 最佳判决表示式 检测性能分析
复信号的检测应用比较广泛
本节把实信号检测的结论推广到复信号
33
复高斯随机变量的概率密度函数
个复高斯随机过程在任意时刻 t k的样本 x (t k ) x R (t k ) j x I (t k )是
一个复高斯随机过程在任意时刻
一个复高斯随机变量,其完整的数学描述是包括 xR(tk ) 和 xI (tk ) 的二维
联合概率密度函数。复高斯随机变量假定其实部
联合概率密度 数 复高斯随机变量假定其实部 xR(tk )与虚部 xI (tk )是
相互统计独立的,且分别服从 N (x , x2 / 2) 和 N (x , x / 2) ,这里
2
Rk k Ik k
34
1
exp[( ( x x ) H C x 1 ( x x )]
C x
N
式中均值矢量 x ( x , x , , x ) , 协方差矩阵为 C x 。
T
1 2 N
35
所有样本均不相关,因而也是相互独立的。为了避免混淆,我们
所有样本均不相关 因而也是相互独立的 为了避免混淆 我们
在复数上加字符“~”(如 x n),以区别与之对应的实数。
p x ; H1
如果 L x ,LRT判定 H1。
p x ; H 0
其中 x x 0 x 1 x N 1T
s s 0 s 1 s N 1
T
1 1
p x ; H1
H
exp 2
x
s
x
s
N 2 N
1 1 H代表共轭转置
代表共轭转置
p x ; H 0 N 2 N exp 2 x H x
36
2 1
2 Re sH x
s H
s
2
由于 s已知,T x Re s H x
H1
H0
或等价为 T x Re N 1
H1
x n s n
*
n
n0 H0
匹配滤波器的复数形式
37
N 1 N 1 2
E z ; H 1 E x n s n s n
n0
*
n0
2
N 1 N 1 N 1
var z ; H 0 var x n s * n v ar x n s n s n
2
*
2
N 1 2
v a r z ; H 1 2
s n
n0
38
其中注意到 为实数。这就是均值偏移高斯-高斯问题:
为实数 这就是均值偏移高斯 高斯问题
PF Pr {T '; H 0 } Q PD Pr {T ';H1} Q
2 2 2 2
将 2Q PF 代入 PD表达式中
2 1
2
2
消去门限 得 PD Q Q PF d
1 2 d
2
为偏移系数
39
40
滤波 的复数据扩
广义匹配滤波器的复数据扩展:
广义
H 0 : x n w n n 0,1, , N 1
H1 : x n s n w n n 0,1,
0 1 , N 1
~ CN 0, C ,其中C不必是 2 I。
其中s n 为已知复信号;w
P x ; H1
若 L x ,LRT判
LRT判 H1,其中
其中
P x ; H 0
1
p x ; H1 expp x s C1 x s
H
N C
1
p x ; H 0 exp x H C1x
CN
很容易证明,判决表达式可以简化为 T x Re s H C1x
41
d为偏移系数 满足
d为偏移系数,满足 d 2 2s H C1s
42
43
1 1
p x ; H 0 exp 2 x H x
N 2 N
对数似然比为 1
InL x x H Cs 2I 2 I x In Cs 2I In 2 N
1
44
1
1 1
T x x H 2 2 I Cs 1 x x H sˆ
1 1
ˆs 1 1 C1 x 1 1 C 2 I 1 C1 x C C 2 I 1 x
2 2 s
2 2 s s
s s
H1
因此 T x x sˆ
H
H0
ˆs C C 2 I 1 x
s s
45
复数据的估计 相关
复数据的估计器-相关器
46
PF Q '/ 2
PF Q / 2 2
PD Q Q 1 ( PF ) / 2
PD Q Q 1 PF 2 / 2
广义匹 T (x) xT C1s T x Re s H C1 x
配滤波
器 PF Q / s T C 1s PF Q / s H C 1 s 2
PD Q Q 1 PF s T C 1 s
PD Q Q 1 PF 2 s H C 1 s
估计器-
T x x Cs Cs I x T x x H Cs Cs 2 I x
T 2 1 1
相关器
47