信号检测与估计理论简答题 1.维纳滤波器与卡尔曼滤波器的区别 维纳滤波器： 1)只用于平稳随机过程。 2)该系统常称为最佳线性滤波器。它根据全部过去和当前的观测信号来估计信号的波形，它的解是以均方误差最小条件所得到的系统的传递函数H(Z)的形式给出的。 3)信号和噪声是用相关函数表示的。 卡尔曼滤波器： 1)平稳随机过程和不平稳随机过程均适用。 2)该系统常称为线性最优滤波器。它不需要全部过去的观测数据，可根据前一个的估计值和最近的观察数据来估计信号的当前值，它是用状态方程和递推方法进行估计的，其解是以估计的形式给出的。 3)信号和噪声是用状态方程和测量方程表示的。 2.解释白噪声情况下正交函数集的任意性 设)0)(()()(T t t n t s t x ≤≤+=中，噪声n(t)是零均值、功率谱密度为2/)(0N w P n =的白噪声，其自相关函数)(2)(0 u t N u t r n -= -δ。于是，任意取正交函数集)()},({t x t f k 的展 开系数 j x 和 k x (k=1,2,…)的协方差为 )])([(k k j j s x s x E --] )()()()([00??=T k j T du u f u n dt t f t n E ????????=T T k j dt du u f u n t n E t f 00)()]()([)(? ???????-=T T k j dt du u f u t t f N 0 00)()()(2 δjk k T j N dt t f t f N δ2 )()(2 = =? 当k j ≠时，协方差0 )])([(=--k k j j s x s x E ，这说明，在n(t)是白噪声的条件下，取任 意正交函数集)}({t f k 对平稳随机过程k x (k=1,2,…)之间都是互不相关的。这就是白噪声条件下正交函数集的任意性。 3.请说明非随机参量的任意无偏估计量的克拉美-罗不等式去等号成立的条件和用途 克拉美-罗不等式] )),(ln [(1 ])?[(2 2θ θθ θ??≥-x p E E 或 )] ),(ln [(1 ])?[(22 2θθθ θ??-≥-x p E E 当且仅当对 所有的x 和θ 都满足 k x p )?(),(ln θ θθθ-=??时，不等式去等号成立。其中k 是任意非零常 数。 用途：当不等式去等号的条件成立时，均方误差取克拉美-罗界，估计量θ? 是无偏有效的。以此，随机参量下的克拉美-罗不等式和取等号的条件可用来检验随机参量θ的任意无偏估计量θ? 是否有效。若估计量无偏有效，则其均方误差可由计算克拉美-罗界求得。 4.简述最小的均方误差估计与线性最小均方误差估计的关系。 在贝叶斯估计中讨论的随机矢量θ的最小均方误差估计，估计矢量mse θ可以是观测矢
1-9 已知随机变量X 的分布函数为 2 0, 0(),01 1,1 X x F x kx x x ? 求：①系数k ； ②X 落在区间(0.3,0.7)内的概率； ③随机变量X 的概率密度。 解： 第①问 利用()X F x 右连续的性质 k ＝1 第②问 {} {}{}()()0.30.70.30 .70.70 .3 0.7P X P X F P X F =<< =<≤-=- 第③问 201()()0 X X x x d F x f x else dx ≤
1-10已知随机变量X 的概率密度为()()x X f x ke x -=-∞<<+∞（拉 普拉斯分布），求： ①系数k ②X 落在区间(0,1)内的概率 ③随机变量X 的分布函数 解： 第①问 ()1 1 2 f x d x k ∞ -∞==? 第②问 { }()( )()2 1 1 221x x P x X x F x F x f x d x <≤ =-=? 随机变量X 落在区间12(,]x x 的概率12{}P x X x <≤就是曲线()y f x =下的曲边梯形的面积。 {}{}()() 1 0101011 12 P X P X f x dx e -<<=<≤==-? 第③问 ()102 10 2 x x e x f x e x -?≤??=? ?>?? ()00()1100 2 2 111010 2 22 x x x x x x x x F x f x dx e dx x e x e dx e dx x e x -∞ -∞---∞=??≤≤??? ?==????+>->????? ???
《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),(0≤≤t x F X []0)(),(=-∞<=-∞t X P t F X ； []1)(),(=+∞<=+∞t X P t F X ； ),(),())((1221t x F t x F x t X x P X X -=<≤； 若 21x x <，则),(),(12t x F t x F X X ≥ 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),(≥t x f X ； 1 ),(=? +∞ ∞ -dx t x f X ； x d t x f t x F x X X ' '=? ∞ -),(),(； []?=-=<≤2 1 ),(),(),()(1221x x X X X dx t x f t x F t x F x t X x P （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： []dx t x xf t X E t m X X ?+∞ ∞ -==),()()( []{} []dx t x f t m x t m t X E t X X X X ? +∞ ∞ --=-=),()()()()(2 22 σ []2 12121212121),,,()()(),(dx dx t t x x f x x t X t X E t t R X X ? ? +∞∞-+∞ ∞ -== [][]{} [][]2 121212211 221121),,,()()()()()()(),(dx dx t t x x f t m x t m x t m t X t m t X E t t C X X X X X X ? ?∞+∞-∞+∞ ---=--=
《信号检测与估计》第十章习题解答 10.1 设线性滤波器的输入信号为()()()t n t s t x +=，其中()[]0E =t s ，()[]0E =t n ，并且已知()τ τ-e =S R ， ()τ τ-2e =N R ，()0=τsn R ，求因果连续维纳滤波器的传递函数。 解：连续维纳滤波器与离散维纳滤波器的形式是相同的，即 ()()()()+ ???????? = s B s P s B s H xs w 11 2 opt σ 因此需要求解()t s 的复功率谱和()t x 的时间信号模型。 考虑到信号与噪声不相关，因此观测数据的功率谱就等于信号的复功率谱加上噪声的复功率 谱。对观测数据的复功率谱进行谱分解，就可以得到()t x 的时间信号模型。 ()t s 的复功率谱为 ()()()2 0s -10s 1-s --12 1111e e e e s s s d d d s P S ?= ?++=+==∫∫∫∞?+∞++∞∞?τττττττ ()t n 的复功率谱为 ()2 s -2-44 e e s d s P N ?= =∫+∞ ∞?τττ 因此，观测数据的复功率谱为 ()()()()() ()()()()s s s s s s s s s P s P s P N S X ?+?++=?+?= +=2211-22644112 2 取12 =w σ ()() ()() s s s s B +++= 2126 ()()()()()()() ( ) () s s s s s s s s B s P s B s P N xs +=?==1-2-26 2 -2-1-2612--2 令()()() s B s P s F xs -=，()τf 是()s F 的拉普拉斯反变换。要求()τf 是因果的，可将s 平面右半平面的极点扔掉， ()()()[] 1 2e 61,e Re e 21 -s s += ?== ∫ττ τ πτs F s ds s F j f C 给()τf 取因果，并做拉普拉斯变换，得到 ()s d s F +? += ??+= ∫ ∞ ++111 26 e e 1 260 s --τττ
XXX 大学（学院）试卷 《信号检测与估计》试卷 第 1 页 共 2 页 《信号检测与估计》模拟试卷 一、（10分）名词解释（每小题2分） 1．匹配滤波器 2．多重信号 3．序列检测 4．非参量检测 5．最佳线性滤波 二、（10分）简述二元确知信号检测应用贝叶斯、最大后验概率、极大极小、纽曼-皮尔逊及最大似然准则的条件及确定门限的方法。 三、（10分）简述信号参量估计的贝叶斯估计、最大后验估计、最大似然估计、线性最小均方误差估计及最小二乘估计的最佳准则及应用条件。 四、（10分）概述高斯白噪声情况下的信号检测和高斯色噪声情况下信号检测所采用方法的特点。 五、（10分）设线性滤波器的输入为)()()(t n t s t x +=，其中)(t n 是功率谱密度为2/0N 的白噪声，信号为 ???><≤≤=0 0,000)(ττt t t t t s 对输入)(t x 的观测时间为),0(T ，且0τ>T 。（1）试求匹配滤波器的冲激响应及对应于)(t s 的输出信号。（2）求匹配滤波器输出的信噪比。 六、（10分）一个三元通信系统的接收机观测到的样本为n s x i +=，3,2,1=i 。其中，i s 是发射信号，n 是均值为0、方差为的2σ高斯白噪声。i s 取值分别为5、6和7，分别对应假设1H 、2H 和3H ，并且所有假设的先验概率相等。根据一次观测样本进行检测判决，（1）确定检测判决式和判决区域；（2）求最小平均错误概率。 七、（10分）在T t ≤≤0时间范围内，二元通信系统发送的二元信号为0)(0=t s ，)()(1t As t s =，其中，)(t s 是能量归一化确知信号；A 是正的确知常量，并假定发送两种信号的先验概率相等。信号在信道传输中叠加了均值为0、功率谱密度为2/0N 的高斯白噪声)(t n 。（1）试确定信号最佳检测的判决式。（2）画出最佳检测系统的结构。 八、（15分）设观测方程为k k n b a x +=，M k ,,2,1 =，其中a 和b 是非随机参量，k n 是均值为0、方差为1的高斯随机变量，且观测样本M x x x ,,,21 之间互不相关。（1）试求参量a 和b 的最大似然估计ML ?a 和ML ?b ；（2）分析最大似然估计ML ?a 和ML ?b 的有效性。 九、（15分）设目标以匀速度v 从原点开始做直线运动，速度v 受到时变噪声k w 扰动。现以等时间间隙T 对目标的距离r 进行直接测量，并且距离r 测量受到测距的观测噪声k n 的影响。假设在0=t 时刻开始，目标位于原点，观测时间间隔s 2=T 。目标在原点时，距离0r 的均值km 0][0=r E ，方差为220)km (2=r σ；速度0v 的均值km/s 3.0][0=v E ，方差为 220)km/s (2.0=v σ。速度扰动噪声k w 是均值为0、方差为22)km/s (2.0=w σ的白噪声随机序列。观测噪声k n 是均值为0、方差为22)km (8.0=n σ的白噪声随机序列，且与速度扰动噪声k w 不相 关。速度扰动噪声k w 、观测噪声k n 与目标初始状态),(00v r 彼此互不相关。如果运动目标距离的
试卷共8题，其中4题属于教材第一章内容，其余4题分别的其他章节。 请同学们对匹配滤波器，离散卡尔曼滤波，离散维纳滤波，高斯白噪声下确知信号的检测，K －L 展开，高斯白噪声信道中的单参量信号估计等内容重点关注。 1.1(付柏成 20060150) 在例1.2中，设噪声均方差电压值为σ＝2v ，代价为f c ＝2，m c ＝1。信号存在的先验概率P ＝0.2。试确定贝叶斯意义下最佳门限β，并计算出相应的平均风险。 解：根据式(1-15)，可以算出 00.82 80.21 f m Qc Pc ?Λ= = =? 而判决门限 2201ln 0.52ln88.822 βσ=+Λ=+= 根据式(1-21)可知平均风险 1010Pr 0.2r 0.8R Qr r =+=+ 01100.2(|)0.8(|) m f c P D H c P D H =+ 而 011(|)(|)D P D H p x H dx =? 1 100 (|)(|)D P D H p x H dx = ? 而 2 12 (1)(|)]2x p x H σ-= - 2 02(|)]2x p x H σ= - 所以 2011 2 (1)(|)(|)]2D D x P D H p x H dx dx σ-= =-?? 2 2 (1) x p []2x dx β σ-= -? ＝1 7.82 ( )( )(3.91)2 2 β-Φ=Φ=Φ
同理 11 2 100 2(|)(|)]2D D x P D H p x H dx dx σ= =-?? 2 2x p ()2x dx β σ∞ =- 8.82 1()1()1(4.41)22 β=-Φ=-Φ=-Φ 所以 0.21(3.91)0.82[1(4.41)]R =??Φ+??-Φ 1.2 (关瑞东 20060155) 假定加性噪声()n t 服从均值为零，方差为σ2的正态分布。此时，两个假设为 01:()():()1() H x t n t H x t n t ==+ 我们根据()x t 的两次独立测量值12,x x 作判断，则12,x x 是统计独立的，在假设1H 下其均值为1a =1，在假设0H 下均值为0a =0，因而在两种假设下它们的联合概率密度函数可写 2 2/2 2 1 ()(|)(2) exp()2n n i k k i x a p x H πσσ-=-=-∑ (0,1;2)k n == 于是，似然比等于 220110122 1 0()(|) ()exp[](|)2n i i a a n a a p x H x x p x H σσ=--Λ==-∑ 如果0()x Λ≥Λ，则选择假设1H ，否则选择假设0H 。由于指数函数是单调函数，上式两边取对数不影响原来的判决，易得到 1 121/2H n x i i H x x m x n β=> +== < ∑ 式中，x m 为样本平均值，220 1010ln ln 1()/2()22a a n a a σσβΛΛ=++=+ -为判决门限。 ① 划分判决区域0D 和1D 的界面是两维空间的一个曲线，其曲线方程 122x x β+=
三、（15分）在二元信号的检测中，若两个假设下的观测信号分别为： 012 2 112 ::H x r H x r r ==+ 其中，1r 和2r 是独立同分布的高斯随机变量，均值为零，方差为1。若似然比检测门限为η，求贝叶斯判决表示式。 解 假设0H 下，观测信号x 的概率密度函数为 1/2 201(|)exp 22x p x H π???? =- ? ????? 假设1H 下，22 12x r r =+， 而12 (0,1),(0,1)r N r N ，且相互统计独立。大家知道， 若(0,1)k r N ，且(1,2, ,)k r k N =之间相互统计独立，则 2 1N k k x x ==∑ 是具有N 个自由度的2 χ分布。现在2N =，所以假设1H 下，观测信号x 的概率密度函数 为 22/21 12/22 1(|)exp() 2(2/2)2 1exp(),022 x p x H x x x -=-Γ=-≥ 当0x <时，1(|)0p x H =。 于是，似然比函数为 1/2210exp ,0 (|)()222(|)0, 0x x x p x H x p x H x πλ??? ??-≥? ? ?==?????? ???-≥? ? ? ??-?? ?
四、（15分）已知被估计参量θ的后验概率密度函数为 2(|)()exp[()],0p x x x θλθλθθ=+-+≥ （1）求θ的最小均方误差估计量^ mse θ 。 （2）求θ 的最大后验估计量^ map θ 。 解 （1）参量θ的最小均方误差估计量^ mse θ是θ的条件均值，即 ^ 0220 221 (|)()[()]1()()2 ,mse p x d x exp x d x x x x θθθθ λθλθθ λλλλ ∞ ∞ +==+-+=++= ≥-+?? ^ 0,mse x θλ=<- （2）由最大后验方程 ^ln (|) |0map p x θθθθ =?=? 得 ^2[ln()ln ()]1 ()|0 map x x x θθλθλθθ λθ =? ++-+?=-+= 解得 ^ ^ 1 ,0, map map x x x θλλθλ = ≥-+=<- 七、（15分）若对未知参量θ进行了六次测量，测量方程和结果如下： 182222202384404384n θ???????????????? =+????????????????????
一、概念： 1. 匹配滤波器。 概念：所谓匹配滤波器是指输出判决时刻信噪比最大的最佳线性滤波器。 应用：在数字信号检测和雷达信号的检测中具有特别重要的意义。在输出信噪比最大准则下设计一个线性滤波器是具有实际意义的。 2. 卡尔曼滤波工作原理及其基本公式(百度百科) 首先，我们先要引入一个离散控制过程的系统。该系统可用一个线性随机微分方程（Linear Stochastic Difference equation）来描述： X(k)=A X(k-1)+B U(k)+W(k) 再加上系统的测量值： Z(k)=H X(k)+V(k) 上两式子中，X(k)是k时刻的系统状态，U(k)是k时刻对系统的控制量。A和B是系统参数，对于多模型系统，他们为矩阵。Z(k)是k时刻的测量值，H是测量系统的参数，对于多测量系统，H为矩阵。W(k)和V(k)分别表示过程和测量的噪声。他们被假设成高斯白噪声(White Gaussian Noise)，他们的covariance 分别是Q，R（这里我们假设他们不随系统状态变化而变化）。 对于满足上面的条件(线性随机微分系统，过程和测量都是高斯白噪声)，卡尔曼滤波器是最优的信息处理器。下面我们来用他们结合他们的covariances 来估算系统的最优化输出（类似上一节那个温度的例子）。 首先我们要利用系统的过程模型，来预测下一状态的系统。假设现在的系统状态是k，根据系统的模型，可以基于系统的上一状态而预测出现在状态： X(k|k-1)=A X(k-1|k-1)+B U(k) (1) 式(1)中，X(k|k-1)是利用上一状态预测的结果，X(k-1|k-1)是上一状态最优的结果，U(k)为现在状态的控制量，如果没有控制量，它可以为0。 到现在为止，我们的系统结果已经更新了，可是，对应于X(k|k-1)的covariance还没更新。我们用P表示covariance： P(k|k-1)=A P(k-1|k-1) A’+Q (2) 式(2)中，P(k|k-1)是X(k|k-1)对应的covariance，P(k-1|k-1)是X(k-1|k-1)对应的covariance，A’表示A的转置矩阵，Q是系统过程的covariance。式子1，2就是卡尔曼滤波器5个公式当中的前两个，也就是对系统的预测。 现在我们有了现在状态的预测结果，然后我们再收集现在状态的测量值。结合预测值和测量值，我们可以得到现在状态(k)的最优化估算值X(k|k)： X(k|k)= X(k|k-1)+Kg(k) (Z(k)-H X(k|k-1)) (3) 其中Kg为卡尔曼增益(Kalman Gain)： Kg(k)= P(k|k-1) H’ / (H P(k|k-1) H’ + R) (4)
信号检测与估计计算机仿真作业 一．实验目的 1.学习Matlab软件在信号检测与估计中的应用 2.学习MUSIC、ESPRIT、GEESE等的空间谱估计算法的原理，并通过仿真分析比较这三种算法的不同及性能特点 3.通过仿真分析了解非平稳噪声和色噪声对MUSIC、ESPRIT、GEESE方法性能的影响二．实验原理 2.1最小错误概率准则 出发点是如何使译码后的错误概率PE为最小。其基本思路为：收到yj后，对于所有的后验概率P(x1|yj),P(x2|yj), …,P(xi|yj),…，若其中P(x*|yj)具有最大值，则将x*判决为yj的估值。由于这种方法是通过寻找最大后验概率来进行译码的，故又常称之为最大后验概率准则。 最大后验概率译码方法是理论上最优的译码方法，但在实际译码时，既要知道先验概率又要知道后验概率，而后验概率的定量计算有时比较困难，需要寻找更为实际可行的译码准则。 2.2MUSIC原理 MUSIC算法是一种基于矩阵特征空间分解的方法。从几何角度讲，信号处理的观测空间可以分解为信号子空间和噪声子空间，显然这两个空间是正交的。信号子空间由阵列接收到的数据协方差矩阵中与信号对应的特征向量组成，噪声子空间则由协方差矩阵中所有最小特征值（噪声方差）对应的特征向量组成。MUSIC算法就是利用这两个互补空间之间的正交特性来估计空间信号的方位。噪声子空间的所有向量被用来构造谱，所有空间方位谱中的峰值位置对应信号的来波方位。MUSIC算法大大提高了测向分辨率，同时适应于任意形状的天线阵列，但是原型MUSIC算法要求来波信号是不相干的。 2.3ESPRIT算法原理 ESPRIT算法估计信号参数时要求阵列的几何结构存在所谓的不变性，这个不变性可以通过两种手段得到：一是阵通过某些变换获得两个或两个以上的相同子阵。由于这种算法在有效性和方面都有非常突出的表现，已经被公认为空间谱估计的一种经典算法，随着ESPRIT 算法的深入研究，ESPRIT算法进一步被广大学者接受并推广。 2.4 GEESE算法基本原理 信号子空间特征向量的广义特征值法(GEESE)，可以在简化计算的情况下解决ESPRIT 算法中实际噪声测量有误差的问题。它利用信号子空间的一个显著特征，那就是真实方向向量所张成的子空间与除了阵列输出互相关矩阵的最小多重特征值之外的所有相应特征向量所张成的子空间是一样的。
信号检测与估计试题答案 三、（15分）现有两个假设 00,11,:,1,2,,:,1,2,,j j j j j j H y u z j K H y u z j K =+==+= 其中观测样本j y 为复信号，0,1,,j j u u 是复信号样本，j z 是均值为零、方差为 2*z j j E z z σ??=??的复高斯白噪声，代价因子为001101100,1c c c c ====，先验概率 010.5ππ== （1）试写出两假设下的似然函数()0p y 和()1p y ，其中12[,,,]T K y y y y = ；（4分） （2）采用贝叶斯准则进行检测，给出信号检测的判决规则表达式；（6分） （3）在上题基础上，计算虚警概率。（5分） 解： （1）观测样本j y 在假设0H 下的概率密度函数为 ()2 0,022 1exp 1,2,,j j j z z y u p y j K πσσ?? -??=-=? ???? ? ……..（2分） 由于样本间互相独立，则K 个观测样本的联合概率密度函数为 ()()()()() 20010200,2211 1exp K K j j K j z z p y p y p y p y y u σπσ=??== --?? ??∑ …….（1分） 同理可得，在假设1H 下的似然函数为 ()()()()() 21111211,2211 1exp K K j j K j z z p y p y p y p y y u σπσ=??== --?? ??∑ …….（1分） （2）首先计算似然比：
()()(){}{}1** 011,0,22221 102222exp Re Re K K j j j j j j z z z z p y L y y u y u p y εεσσσσ==??==--+????∑∑ 其中∑==K j j u 12 ,00||21ε，∑==K j j u 1 2,11||21ε。 ……..（2分） 然后，计算贝叶斯准则似然比门限为 () ()010******** B C C C C πτπ-= =- ………（2分） 因此，根据 {}{}1 **011,0,222 21 10 2222exp Re Re 1K K j j j j j j z z z z D y u y u D εεσσσσ==≥??--+??
第二章 随机信号及其统计描述 1．求在实数区间[]b a ,内均匀分布的随机变量X 均值和方差。 解： 变量X 的概率密度 ??? ? ???≤≤-=其他，,01 )(b x a a b x p 均值 []?∞∞-+===2)(b a dx x xp X E m X 方差 ?∞ ∞--=-=12 )()()(2 2 2 a b dx x p m x X X σ 2．设X 是具有概率密度函数)(x p 的随机变量，令x 的函数为 0),exp(>-=a ax y 试求随机变量y 的概率密度函数)(y p 。 解： 反函数0,ln 1 >-=a y a x 雅可比式为 ay dy dx J 1-== 所以 0),ln 1 (1)ln 1()(>-=- ?=a y a p ay y a p J y p 4. 随机过程)(t X 为 )sin()cos()(00t B t A t X ωω+= 式中，0ω是常数， A 和 B 是两个互相独立的高斯随机变量，而且0][][==B E A E ， 222][][σ==B E A E 。求)(t X 的均值和自相关函数。
7. 设有状态连续、时间离散的随机过程)2sin()(t t X Ω=π，式中t 只能取正整数，即 Λ,3,2,1=t ，而Ω为在区间)1,0(上均匀分布的随机变量，试讨论)(t X 的平稳性。 8.平稳随机过程)(t X 的自相关函数为1)10cos(22)(10++=-τττ e R X ，求)(t X 均值、二阶 原点矩和方差。 解： 可按公式求解[] )()0(, )0()(, )(222 ∞-==∞=X X X X X X R R R t X E R m σ。 但在求解周期性分量时，不能得出)(∞R ，为此把自相关函数分成两部分： ( ) 12)10cos(2)()()(1021++=+=-τ ττττe R R R X X X 由于)10cos(2)(1ττ=X R 的对应的随机过程为 是随机变量为常数，??A t A t X ),10cos()(1+= 所以[]0)(1=t X E
1.信号检测与估计理论是现代信息理论的一个分支，研究的对象是信息传输系统中信号的 接收部分。 2.系统信息传输可靠性降低的主要原因：（1）信号经过传输以后,由于通信系统不理想,信 号可能出现畸变或幅值的衰减.通过正确地设计通信系统,可以尽可能地减少信号的畸变,获得满意的接收效果.（2）经过信道传输后,信号不可避免地受到信道噪声的污染,使得接收到的是信号与噪声的混合波形. 3.通信系统的性能要求 系统的有效性：要求系统能高效率地传输信息； 系统的可靠性（抗干扰性）：要求系统能可靠地传输信息 4.本课程要学习的主要内容 接收机的任务是要加工处理所接收到的混合波形,尽量减少判决错误.由于信道噪声是个随机过程,同时信号本身也可能带有不确定的参量,因此只能采用数理统计的方法,根据信号和噪声提供的的统计特性,依据某些判决的准则,对信号进行检测,判断,估计它的某些参量,或者复原信号的波形等等.这就是. 5.信号检测与估计的基本任务 研究如何在干扰和噪声的影响下最有效地辨认出有用信号的存在与否，以及估计出未知的信号参量或信号波形本身。它实质上是有意识地利用信号与噪声的统计特性的不同，来尽可能地抑制噪声，从而最有效地提取有用信号的信息。 6.信号的统计处理方法 对随机信号，应用统计学的理论和方法进行处理，称为统计信号处理，这主要体现在如下三个方面： 信号统计特性的统计描述：如信号的概率密度函数（PDF），各阶矩，自相关函数，协方差函数，功率谱密度（PSD）等。 统计意义上的最佳处理：如最佳准则，最佳判决，最佳估计，最佳滤波等，均是在统计意义上的最佳处理。 性能评价用相应的统计平均量：如判决概率，平均代价，平均错误概率，均值，均方误差等。 7.检测:指在接收端检测信号是否存在 估值: 指在接收端估计信号的某些参量: 如幅度的大小,频率的偏移等.（又称为信号的参量估计） 统称为信号的检测和估值 8.信号检测与估值中的三大任务 信号的检测：：根据有限观测，最佳区分一个物理系统不同状态； 信号参量的估计：根据有限观测，最佳区分一个物理系统不同参数； 波形估计 9.信号检测与估计研究步骤
信号检测与估计第四章计算机仿真作业 题目1： 试编写程序，仿真4PSK 调制信号在高斯信道下的性能，并与理论分析结果相比。 (1). 解题思路： 图1-1 QPSK 的调制原理框图 如图1-1所示，QPSK 实质上是一种正交调制，它等于两路（I 路与Q 路）正交的BPSK 的叠加。图中串/并变换器将输入的二进制序列分为速度减半的两个并行双极性序列a 和b （a,b 码元在事件上是对齐的），再分别进行极性变换，把极性码变为双极性码（0→-1，1→+1）然后分别调制到cosωc t 和sinωc t 两个载波上，两路相乘器输出的信号是相互正交的抑制载波的双边带调制（DSB ）信号，其相位与各路码元的极性有关，分别由a 和b 码元决定。经相加电路后输出两路的合成波形，即是4PSK 信号。图中两个乘法器，其中一个用于产生0o 与180o 两种相位状态，另一个用于产生90o 与270o 两种相位状态，相加后就可以得到45o ，135o ，225o ， 和315o 四种相位 在时隙(1)s s n T t nT -≤≤上 _Q_cos 2cos 2()()] QPSK In c Qn c I PSK PSK s f t f t s t s t ππ= -=- (1.1) 那么，它的解调可以采用与2PSK 信号类似的解调方法进行解调，同相支路和正交支路分别采用相干解调方式解调，之后可以得到二者的和，经过抽样判决和串、并变换器，将上
图1-2 QPSK 解调原理框图 下之路得到的并行数据恢复为串行数据。那么此时就得到我们最初的原始信号，它的解调原理图如图1-2所示。 再来分析QPSK 的误比特性能，因为QPSK 的每个四元符号所包含的两个比特都独立，并行地按照BPSK 传输，各比特的传输误比特率均为_2s psk P （相当于2PSK 的无比特率），显然QPSK 系统与2PSK 系统具有完全相同的误比特性能，即 _41 2e PSK P erfc = (1.2) (2). 仿真结果 仿真性能曲线如图1-3所示： 图1-3 QPSK 高斯信道下的性能仿真曲线 1010 10 10 10 10 10 10 10 SNR QPSK,高斯信道下的性能曲线 误比特率
信号检测与估计考试题库 考试内容： 1.随机信号分析 平稳随机信号与非平稳随机信号，随机信号的数字特征，平稳随机过程，复随机过程，随机信号通过线性系统。 2.信号检测 信号检测的基本概念，确知信号的检测（包括匹配滤波原理、高斯白噪声中已知信号检测、简单二元检测） 3.信号估计 信号参数（包括贝叶斯估计、最大似然估计、线性均方估计和最小二乘估计），信号波形估计（主要指卡尔曼滤波）。 一、填空（1x15=15） 1.可以逐一列举的随机变量称为（离散型随机变量）随机变量；可能的取值占满一个连续区间的随机变量称为（连续型随机变量）随机变量。（P3） 2.服从正态分布的调幅噪声经过包络检波之后服从（瑞丽分布）分布。（P5） 3.（方差）就是描述随机变量的在其均值周围发散程度的度量。（P6） 4.全体观测结果构成的函数族称为（随机过程）。（P9） 5.一维分布函数只能反映随机过程在某一时刻的统计规律，随机过程在不同时刻的相互联系需要用（多位分布函数）来描述。 6.有一类随机过程的统计特征（不随时间变化），称为平稳随机过程。（P12） 7.线性时不变（LTI）系统的特性在时域用冲击响应（h(t)）来描述，在频域用频率响应函数（H(W)）来描述。（P15） 8.高斯分布的随机过程通过LTI系统后是（高斯过程）过程。(P16) 9.高斯过程是随机过程的概率密度函数为__________，白噪声是指具有均匀（功率谱密度恒为常数）的随机信号。（P17） 10.在信号传输和处理过程中，经常会受到各种干扰，使信号产生失真或受到污染，这些干扰信号通常称为（噪声）。（P18） 11.白噪声的均值为（零）。（P18） 12.功率谱密度恒为常数的随机信号称为（白噪声）。（P18） 13.限带白噪声的相关函数比理想白噪声的相关函数宽，（既噪声的相关时间加长）。（P20） 14.在雷达系统中要根据观测（回波信号）来判断目标是否存在。（P49） 15.为了寻找未知先验概率情况下的最佳判决准则，首先研究（风险）与先验概率之间的关系。（P58） 16.高斯白噪声是指功率谱密度为（功率谱密度为常数），服从正态分布的噪声。（P74） 17.非白噪声背景匹配滤波器的关键是（白化滤波器）的设计。（P90） 18.所谓均匀代价函数是指当误差超过某一门限值时，代价是（相同），而当误差小于该门限时，代价（为零）。（P106） 19.估计量的性质有（无偏性）、（有效性）_和（一致性）（P109） 20.加权最小二乘法利用了观测噪声的统计特性，并且主要是针对（非平稳噪声）。（P132） 二、选择（2x15=30） 1.标准正态分布的期望和方差分别为（A）（P4） A.0,1 B.1,0 C.1,1 D.0,0
课后练习作业 1 考虑一个平方律检波的例子，假定输入输出的关系为 )0(2>=b bX Y ，求Y 的概率密度。 2 设函数()x g 为 ()?????>-≤<--<+=c x c x c x c c x c x x g 0 其中c>0为常数，假定随机变量X 的概率分布函数已知，求Y=()X g 的概率分布函数。 3 设随机矢量（X ，Y ）联合概率密度为 ()() b a by ax y x f ++=2, 0 8 已知平稳随机过程X(t)的自相关函数为(),3cos cos 4πτπτττ +=-e R x 试求功率谱密度()ωX G 。 9 设随机过程()()()Θ+=t t X t Y 0cos ω，其中0ω为常量，X(t)为与Θ无关的 平稳随机过程，Θ为均匀分布于（0,2π）中的随机变量。试求Y(t)的自相关函数和功率谱密度。 10 设线性系统输入随机过程X(t)的功率谱密度为 ()8322++=ωωωX G 现已知其输入过程Y(t)的功率密度(),1=ωY G 求该系统的传递函数。 11 设线性滤波器的输入为X(t)=s(t)+n(t)，已知s(t)与n(t)之间统计度量，且 ()???≤≤=00τt A t s n(t)是平稳噪声，其功率谱为 ()2222ωααωω+=n G ，∞<<∞-ω 试求输出信噪比最大的最佳线性滤波器的传输函数。 1、小明完成简单反应需要200毫秒，完成辨别反应需要450毫秒，完成选择反应需要700毫秒，那么选择过程需要（）毫秒？ A. 50 B. 500 C. 250 D. 700 2、唐德斯的减数法把反应分为三类，即A、B、C三种反应，其中反映是最长的是（）。 A. 简单反应时 B. 选择反应时 C. 辨别反应时 D. 复杂反应时 3、首先提出加因素法实验逻辑的是（）。 A. 唐德斯 B. 哈密尔顿 C. 霍克基 D. 斯腾伯格 4、如果要被试对正确肯定的句子和正确否定的句子做反应，反应时可能会（） A. 正确肯定＞正确否定 B. 肯定＜否定 C. 正确肯定=正确否定 D. 不确定 5、练习与反应时间的关系相当密切。随着练习次数的增多，反应时会（） A. 一直增加 B. 一直减少 C. 先增加然后趋于稳定 D. 先减少然后趋于稳定 6、加因素法假设：如果两个因素有交互作用，那么它们是（） A. 作用于不同加工阶段 B.是独立的 C. 作用于同一加工阶段 D. 可以相加的 7、在一次司法审判中，将一名无辜者判定为有罪，这在信号检测论中被称作（） A. 击中 B. 漏报 C. 虚报 D. 正确拒绝 8、在一段时间内由10架飞机飞过，其中6架为敌机，雷达报告到其中的5架，并把2架 民用机误报为敌机，雷达的漏报率为（）。 A. 0.2 B. 0.5 C. 0.6 D. 0.8 9、在上题中，雷达的正确拒绝率为（） A. 0.2 B. 0.4 C. 0.5 D. 0.6 10、在上题中雷达的击中率为（） A. 0.4 B. 0.5 C. 0.6 D. 0.8 11、在上题中雷达的虚报率为（） A. 0.2 B. 0.5 C. 0.6 D. 0.8 12、增加击中的奖励数会使（）。 A. 辨别力指数dˊ增加 B. 辨别力指数dˊ降低 C. 判断标准β增加 D. 判断标准β降低 13、ROC曲线左下角各点表示（）。 A. 被试辨别力强，dˊ值大 B.判断标准偏高，β值大 C. 被试辨别力弱，dˊ值小 D. 判断标准偏低，β值小 14、非典期间，为了防止非典的传播，大量发烧病人都被当作非典疑似病人隔离，此时（）。 A. 漏报率增加 B. 虚报率增加 C. 击中率减少 D. 虚报率减少 15、接收者操作特性曲线就是以（）为横轴。 A. 漏报概率 B. 击中概率 C. 虚惊概率 D. 正确否定概率 16、听觉掩蔽是两个声音同时呈现时，一个声音因受到另一个声音影响而（）的现象。 A. 减弱 B. 增强 C. 先增强后减弱 D. 先减弱后增强 17、增加信号的先验概率会使（） A辨别力指数d?增加B辨别力指数d?降低C判断标准?增加D判断标准降低18、ROC曲线离对角线越远，表示（） A被试辨别力越强，d?值就越大B被试辨别力越弱，d?值就越小 C、?值越大 D、?值越小 19、序列反应时任务试图将反应时实验的逻辑应用于（）心理过程的研究。 第二章 检测理论 1．二元检测： ① 感兴趣的信号在观测样本中受噪声干扰，根据接收到的测量值样本判决信 号的有无。 ② 感兴趣的信号只有两种可能的取值，根据观测样本判决是哪一个。 2．二元检测的数学模型： 感兴趣的信号s ，有两种可能状态：s0、s1。在接收信号的观测样本y 中受到 噪声n 的污染，根据测量值y 作出判决：是否存在信号s ，或者处于哪个状态。即： y(t)=si(t)+n(t) i=0,1 假设：H 0：对应s 0状态或无信号， H 1：对应s 1状态或有信号。 检测：根据y 及某些先验知识，判断哪个假设成立。 3. 基本概念与术语 ? 先验概率：不依赖于测量值或观测样本的条件下，某事件（假设）发生或 成立的概率。p(H 0),p(H 1)。 ? 后验概率：在已掌握观测样本或测量值y 的前提下，某事件（假设）发生 或成立的概率。 p(H 0/y),p(H 1/y) 。 ? 似然函数：在某假设H 0或H 1成立的条件下，观测样本y 出现的概率。 ? 似然比： ? 虚警概率 ：无判定为有； ? 漏报概率 ：有判定为无； ? （正确）检测概率 ：有判定为有。 ? 平均风险： 4.1 最大后验概率准则（MAP ） 在二元检测的情况下，有两种可能状态：s0、s1， 根据测量值y 作出判决：是否存在信号s ，或者处于哪个状态。即： y(t)=si(t)+n(t) i=0,1 假设：H 0：对应s 0状态或无信号， H 1：对应s 1状态或有信号。 ) |()|()(01H y p H y p y L =f P m P d P ) (][)(][111110101010100000H P C P C P H P C P C P r ?++?+=信号检测论反应时复习题
信号检测与估计知识点总结
相关主题
文本预览