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

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

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

一般高斯检测问题
般高斯检测问题
第四章：确定信号检测问题
第五章：随机信号检测问题
一般的高斯检测问题：
（1）具有一般性的信号：
（1）具有一般性的信号
确定性分量+随机性分量
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

一般高斯分布的联合概率密度函数
般高斯分布的联合概率密度函数
每次观测结果是高斯分布的随
设对信号进行了N次观测，每次观测结果是高斯分布的随
设对信号进行了N次观测
机变量，首先分析得到的N维观测矢量的联合概率密度函数
联合高斯随机变量
设有 N 维随机矢量 x( )  [ x1 ( ), x2 ( ),..., xN ( )]T ，对任意非零常值
矢量 aT  [a1 , a2 ,..., aN，如果满足
] a1 x1 ( )  a2 x2 ( )  ...  aN xN ( )
是高斯随机变量时，称 xk ( )为联合高斯随机变量， x( ) 是 N 维
联合高斯随机矢量。
 N 维联合高斯随机矢量的pdf完全由均值矢量和协方差矩阵决定，
其定义为
1 1
p ( x)  exp[ (x  μ x )C x 1 (x  μ x )T ]
(2 ) N / 2 | Cx | 2
式中| C x | 是协方差 C x 矩阵的行列式,

矩阵的行列式 C x 1 是 C x 的逆矩阵。
的逆矩阵
5

一般高斯检测问题
般高斯检测问题
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。

一般高斯检测问题（续）
般高斯检测问题（续）
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  
  
Cx01 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      
Cx11 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

一般高斯检测问题（续）
般高斯检测问题（续）
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
第二种情况： μ x0  μ x1 Cx0  Cx1
第三种情况： μ x0  μ x1 Cx0  Cx1

8

第一种情况：均值矢量不等
第种情况：均值矢量不等，协方差矩阵相等
协方差矩阵相等
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 x1  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 x1 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 x1 μ x1 
T T 1 1 T 1
2

协方差矩阵相等（续）
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 xx11x
 μ C x Hlnln μ xμ1 Cx Cx μ μ
x  μ T T 11
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 C1x 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

性能分析检验统计量 l ( x)  μ Tx Cx1x 是

性能分析：检验统计量是一维高斯随机变
维高斯随机变
量。现研究检测性能。
11

检验统计量 l ( x)  μ Tx Cx1x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 
PH1 H 0   Q   
 d 2
 ln  d   Q Q 1 P H | H  d 
PH1 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 TC1 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

于是在两个假设下的协方差矩阵为
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

交化变换后问就类似各次测信 xK之间统计独

正交化变换后，问题就类似于各次观测信号

立，但xK 的方差各不相同的情况。即第二种特殊情况。
检验统计量
检测门限
偏移系数
24

第二种情况：均值矢量相等协方差矩阵不等
第二种情况：均值矢量相等，协方差矩阵不等
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

第二种情况：均值矢量相等协方差矩阵不等（续）
第二种情况：均值矢量相等，协方差矩阵不等（续）
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

考虑一种特殊情况： H : x  (0, C )  (0,  2 I )
0 x0 n
H1 : x  (0, Cx1 )  (0, C s   n2 I )

协方差矩阵的逆矩阵分别为：
–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

（2）设信号矢量各分量之间互不相关，但方差各不相等
，即
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

补充知识:复数据的扩展
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

复数据的扩展
定义
定义
如果复随机过程 x (t ) 的任意 N  1 阶分布是联合高斯分布的，则
称其为复高斯随机变量的复过程，通常称为复高斯随机过程。
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
def def def

 x   x ( t k ),  x   x ( t k ), 
Rk R Ik I
2
xk   x2 ( t k )
34

复数据的扩展（续）
N维复高斯随机矢量的概率密度函数
现在考虑复高斯随机过程 x (t k ) 的N维复高斯随机矢量
x  ( x (t1 ), x (t2 ),, x (t N ))T
假定其中每个分量 x(tk ) 都是服从均值为 xk 、方差为  xk 的复高
2
斯随机变量 ( k  1,, 2,,  , N ) ,如果满足相互统计独立的条件，则有

2
1 N x k   x k
p ( x ; t )  p ( x 1 , x 2 ,  , x N ; t1 , t 2 ,  , t N )  exp[  
N
 x2
 N
  x2
k 1
k
k 1 k
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

复数据的扩展(续）
匹配滤波器的复数据扩展：复白高斯噪声中检测已知的复
确定信号 H 0 : x  n   w  n  n  0,1, , N  1
H1 : x  n   s  n   w  n  n  0,1, , N  1
其中 s  n 为已知复信号，w  n 是方差为  的CWGN，即 w   n ~ CN  0, 2 
2
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  1T
 
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

匹配滤波器的复数据扩展
1  1
对数似然比 InL x           H 
     s
H
2 

x 
s 
x 
s 
x 
x 2 
x H

s 
s H

x 
s H
  
2 1
 2 Re  sH 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
n0  H0
匹配滤波器的复数形式
37

匹配滤波器的复数据扩展（续）
检测性能：
独立的复高斯随机变量之和也是复高斯随机变量，其实部为实高
斯随机过程因此检测性能很容易求得。令z   n 0 x  n s *  n ，并
N 1
斯随机过程，因此检测性能很容易求得。令并
注意到它也是复高斯随机过程，它的矩为
N 1
E  z ; H 0    E  x  n  s  n   0
n0
*
N 1 N 1 2
E  z ; H 1    E  x  n  s  n    s  n 
n0
*
n0
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0  n0 n0
N 1 2
v a r  z ; H 1    2
 s  n 
n0
38

CN  0,  2  在H 0条件下
可得出 
z ~ 
CN   ,   
2
在H1条件下
2
其中   n0 s  n  为信号能量
其中 N 1
为信号能量。由于复高斯随机变量的实部及虚部
由于复高斯随机变量的实部及虚部
均为实高斯随机变量，且相互独立，方差相同（为复高斯随机变
量总方差的一半）
量总方差的半），有
有 N  0, 2 2 在H0条件下

T  x   Re  z  ~ 
 N   ,  2
2
在H1条件下

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

2
注意到 d 2  2 为实数情形时 d 2 值的两倍。这主要是由于
值的倍这主由

条件H1下 z 的均值为实数。因此检验统计量仅保留 z 的
实部，导致方差减半。
复信号的仿形相关器
复信号的仿形-相关器
40

广义匹配滤波器的复数据扩展
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  C1  x  s  
H
N C  
1
p  x ; H 0   exp  x H C1x 
 CN
很容易证明，判决表达式可以简化为 T  x   Re  s H C1x    
41

广义匹配滤波器的复数据扩展（续）
检测性能：
为了确定检测性能，首先注意到 z  s H C1x 为复高斯量，因为
它是复高斯随机变量的线性变换那么很容易证明
它是复高斯随机变量的线性变换。那么，很容易证明
E  z ; H 0   0 E  z ; H1   s H C1s
var  z ; H 0   var  z ; H1   s H C1s
所以  N  0, s H C1s 2  在H 0条件下

T  x  ~ 
 N  s C s, s C s 2 
H 1 H 1
在H1条件下
 
PF  Q 

 s H C  1 s 2 
 
PD  Q Q  1  PF   d 2 
 
d为偏移系数满足
d为偏移系数，满足 d 2  2s H C1s
42

广义匹配滤波器的复数据扩展（续）
复数据的广义匹配滤波器
43

估计器-相关器的复数据扩展
估计器-相关器的复数据扩展
 H 0 : x  n   w  n  n  0,1, , N  1
考虑检测问题 
 H1 : x  n   s  n   w  n  n  0,1,
0 1 , N 1
其中s  n 为均值为零、方差阵为 C s的复高斯随机过程，w  n是方差

为 2 的复高斯白噪声(CWGN)。这是CWGN中检测随机信号问题
p  x ; H1 
。如果 L  x     LRT判 H1，其中PDF为
其中PDF为
p  x ; H 0 
1  x H  C   2 I 1 x 
p  x ; H1   exp
N Cs   2I  s 
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

估计器-相关器的复数据扩展（续）
1
1 1  1 
C   2I  消去与数
1
应用矩阵求逆引理 s  2 I  4  2 I  Cs 1 
   
据无关的项，并乘以比例因子 
2
1
1  1 
T  x   x H 2  2 I  Cs 1  x  x H sˆ
  
1 1
ˆs  1  1  C1  x  1  1  C   2 I 1 C1  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

估计器-相关器的复数据扩展（续）
复数据的估计相关
复数据的估计器-相关器
46

实数和复数域的对比
实数域复数域
匹配滤 N 1  N 1 
T (x)  x [n]s[n]
T
T  x   Re   x  n  s*  n  
波器 n0  n0 

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 C1s T  x   Re  s H C1 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

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

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

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

Uploaded by

Copyright:

Available Formats

随机信号检测

© 2004, CCID Consulting(HK8235) All Rights Reserved

第七章 参量信号检测 ——统计检测＋统计估计

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

式中| C x | 是协方差 C x 矩阵的行列式,

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

第二种情况： μ x0  μ x1 Cx0  Cx1

第三种情况： μ x0  μ x1 Cx0  Cx1

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

性能分析 检验统计量 l ( x)  μ Tx Cx1x 是

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

交化变换后 问 就类似 各次 测信 xK之间统计独

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

H1 : x  (0, Cx1 )  (0, C s   n2 I )

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

def def def

© 2004, CCID Consulting(HK8235) All Rights Reserved

斯随机变量 ( k  1,, 2,,  , N ) ,如果满足相互统计独立的条件，则有

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

 n0  n0 n0

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

© 2004, CCID Consulting(HK8235) All Rights Reserved

You might also like

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

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

第七章参量信号检测 ——统计检测＋统计估计

性能分析检验统计量 l ( x)  μ Tx Cx1x 是

交化变换后问就类似各次测信 xK之间统计独