自-信号检测与估计试题——答案(不完整版)

《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()ττ-e =S R ，()ττ-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 w112opt 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()()()20s -10s 1-s --121111e e e e s s s d d d s P S −=−++=+==∫∫∫∞−+∞++∞∞−τττττττ ()t n 的复功率谱为()2s -2-44e es d s P N −==∫+∞∞−τττ因此，观测数据的复功率谱为()()()()()()()()()s s s s ss ss s P s P s P N S X −+−++=−+−=+=2211-226441122 取12=w σ()()()()s s ss B +++=2126()()()()()()()()()s s s s s s s s B s P s B s P N xs +=−==1-2-262-2-1-2612--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，()()()[]12e 61,e Re e21-s s +=−==∫τττπτs F s ds s F jf C给()τf 取因果，并做拉普拉斯变换，得到()s d s F +⋅+=⋅⋅+=∫∞++11126e e 1260s --τττ()()()()()()())()()122261112626211112opt +++=+×+×+++×=⎦⎤⎢⎣⎡−⋅⋅=+ss ss s s s B s P s B s H xs wσ10.2 设已知()()()n n n s n x +=，以及()()()z z z G S 4.014.0192.01−−=−，()1=z G N ，()0=z G sn ()n s 和()n n 不相关。

《信号检测与估计》第十二章习题解答12.1 采用下式给出的有偏自相关函数的定义，并加窗，得到BT 谱估计器：()()()()()()⎪⎩⎪⎨⎧−−−−−=−+=+=∑∗1,,2,11ˆ1,,1,01ˆL L N N m m R N m m n x n x N m R X X ()⎪⎩⎪⎨⎧−≤=其它011N m m W N()()()()∑−−−=−⋅⋅=11e ˆˆN N m m j X N X m R m W G ωω证明该BT 估计器与周期图相同。

解：()()()()()()()()()()()()()()()()()211111111e 1e e 1e e 1e 1e ˆˆωωωωωωωωj N N m n m j nj N N m nj n m j N N m m j N N N m m j X N XX N m n x n x N m n x n x N m n x n x N m W m R m W G =⋅+⋅⋅=⋅⋅+=⋅⎥⎦⎤⎢⎣⎡+⋅=⋅⋅=∑∑∑∑∑∑∑−−−=+−−∗−−−=−+−∗−−−=−∗−−−=− 12.2 设自相关函数()3,2,1,0,==m m R m X ρ。

试用Levinson-Durbin 递推法求解AR （3）模型参量。

解： ()()ρ−=−=0111X X R R a 110=a()()221121101ρσ−=⋅−=X R a ()()012211122=+−=σX X R a R a ρ−=⋅+=11221121a a a a ()2212222211ρσσ−=⋅−=a因此模型为一阶 ()()[]()012322222133=⋅+−=σX X X R a R a R a021332232=⋅+=a a a aρ−=⋅+=22332131a a a a()2222332311ρσσ−=⋅−=a 所以模型为()()()n w n x n x +−=1ρ12.3 设5=N 的数据记录为：10=x ，21=x ,32=x ,43=x ,54=x ，AR 模型的阶数3=p 试用Levinson-Durbin 递推法求模型参量。

时间：6月16日（星期一）晚上6：30－8：30 地点：六教104室（上课教室）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00.8280.21f mQc Pc ⨯Λ===⨯ 而判决门限2201ln 0.52ln88.822βσ=+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 =⎰1100(|)(|)D P D H p x Hdx =⎰而212(1)(|)]2x p x H σ-=-202(|)]2x p x H σ=-所以20112(1)(|)(|)]2D D x P D H p x H dx dx σ-==-⎰⎰22(1)]2x dx βσ-=-⎰＝17.82()()(3.91)22β-Φ=Φ=Φ 同理1121002(|)(|)]2D D x P D H p x H dx dx σ==-⎰⎰22)2x dx βσ∞=- 8.821()1()1(4.41)22β=-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为22/221()(|)(2)exp()2nn i k k i x a p x H πσσ-=-=-∑ (0,1;2)k n == 于是，似然比等于22011012210()(|)()exp[](|)2n ii 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 。

时间：6月16日（星期一）晚上6：30－8：30 地点：六教104室（上课教室）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00.8280.21f mQc Pc ⨯Λ===⨯ 而判决门限2201ln 0.52ln88.822βσ=+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 =⎰1100(|)(|)D P D H p x Hdx =⎰而212(1)(|)]2x p x H σ-=-202(|)]2x p x H σ=-所以20112(1)(|)(|)]2D D x P D H p x H dx dx σ-==-⎰⎰22(1)]2x dx βσ-=-⎰＝17.82()()(3.91)22β-Φ=Φ=Φ 同理1121002(|)(|)]2D D x P D H p x H dx dx σ==-⎰⎰22)2x dx βσ∞=- 8.821()1()1(4.41)22β=-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为22/221()(|)(2)exp()2nn i k k i x a p x H πσσ-=-=-∑ (0,1;2)k n == 于是，似然比等于22011012210()(|)()exp[](|)2n ii 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 。

2011《信号检测与估计》复习纲要“信号检测与估计”理论是现代信息科学的一个重要组成部分，它是把所要处理的问题，归纳为一定的“数学模型”→运用“概率论”、“随机过程”、“数理统计”等数学工具→以普遍化的形式提出，以寻求普遍化的答案和结论，并且理论与工程实践相结合，以雷达系统、通信系统、声纳系统为主要研究对象，主要内容包括：● 随机信号与噪声理论(The Theory of Random Signals and Noise)——分析随机信号与噪声的数学工具● 统计判决（检测）理论(Statistical Decision Theory)——研究在噪声干扰背景中，所关心的信号是属于哪种状态的最佳判决问题(Detection of Signals in Noise)● 参量估计理论(Estimation Theory of Signal Parameters)——研究在噪声干扰背景中，通过对信号的观测，如何构造待估计参数的最佳估计量问题(Estimation of Signal Parameters)● 滤波理论(Filtering Theory)——为了改善信号质量，研究在噪声干扰中所感兴趣信号波形的最佳恢复问题，或离散状态下表征信号在各离散时刻状态的最佳动态估计问题(Estimation of Signal Waveform) 复习重点：信号检测与参量估计 ● 信号检测：根据有限观测，“最佳”区分一个物理系统不同状态的理论 ● 参量估计：根据有限观测，“最佳”找出一个物理系统不同参数的理论如何选择一个估计量&估计量选择的决策过程信号处理否估计量LSE经典方法贝叶斯方法如何选择一个检测器－二元信号检测如何选择一个检测器－多元信号检测*注：ARMA：自回归滑动平均BLUE：最佳线性无偏估计CFAR：恒虚警率CRLB ：Cramer-Rao下限EM：数学期望最大化GLRT：广义似然比检验IID：独立同分布LLR：对数似然比LMMSE：线性最小均方误差LMP：局部最大势LRT：似然比检验LSE：最小二乘估计LSI：线性时不变MAP：最大后验概率MLE：最大似然估计MMSE：最小均方误差估计MVU：最小方差无偏NP：Neyman-Pearson准则PRN：伪随机噪声RBLS：Rao-Blackwell-Lehmann-Scheffe定理ROC:接收机工作特性UMP：一致最大势WGN：白色高斯噪声WSS：广义平稳2011《信号检测与估计》复习参考题参数估计部分：1.基本概念理解：最小方差无偏估计，最佳线性无偏估计，最大似然估计，最小二乘估计，矩方法估计，最小均方误差估计，最大似然估计，线性最小均方误差估计，一般（经典）线性模型和贝叶斯线性模型。