资源描述：
《贝叶斯准则课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、3.2统计检测理论的基本概念基本要求：充分理解统计检测理论的模型理解几个判决概率的基本概念二元信号检测模型信源信源的输出称为假设将信源的输出(假设)以一定的概率关系映射到整个观察空间中接收端所有可能观测量的集合将观察空间进行合理划分,使每个观测量对应一个假设判断的方法判决规则观察空间概率转移机构Example:SourceTransitionmechanismObservationSpace0+2+1-2-100-1+1R={-2,-1,0,1,2}成立成立二元信号检测判决域二元信号的检测问题，可归结为对观察空间的划分问题，即按照一定的
2、准则，将观察空间R分别划分为R0和R1两个子空间。思考:如果n是均值为零的、方差为的高斯随机变量应服从何种分布？判决假设二元信号判决结果判决假设二元信号判决概率二、M元信号检测模型信源信源的输出称为假设将信源的输出(假设)以一定的概率关系映射到整个观察空间中接收端所有可能观测量的集合将观察空间进行合理划分,使每个观测量对应一个假设判断的方法判决规则观察空间概率转移机构成立成立M元信号检测判决域成立3.3BayesCriterion(贝叶斯准则)基本要求：充分理解平均代价(AverageRisk)的概念贝叶斯准则的判决表达式判决性能分析贝
3、叶斯准则的基本原理：在划分观察空间时，使平均风险最小一、平均代价的概念和贝叶斯准则通信系统中，二元信号的平均解调错误概率：可看出，检测性能，不仅与两种错误判决概率有关，还与信源发送0和1的先验概率有关另外，每做出一种判断，人们要付出的代价也是不同的如何综合考虑上述各种因素来设计好的检测方法？贝叶斯检测，给定各种判决代价因子，且已知各假设的先验概率条件下，使平均代价最小的检测准则。一、平均代价的概念和贝叶斯准则问题：代价因子如何定义？平均代价如何计算？如何获得最小的平均代价？一、平均代价的概念和贝叶斯准则1.代价因子的定义对于二元信号统计
4、检测，共有四种事件发生，即表示假设Hj为真时，判决假设Hi成立所付出的代价注：一般假设一、平均代价的概念和贝叶斯准则2.平均代价的计算平均代价C将由两部分构成，一是信源发送H0假设时，判决所付出的代价C(H0)二是信源发送H1假设时，判决所付出的代价C(H1)一、平均代价的概念和贝叶斯准则2.平均代价的计算对于二元信号统计检测，有四种事件发生，即因此，一、平均代价的概念和贝叶斯准则2.平均代价的计算由一、平均代价的概念和贝叶斯准则3.平均代价取到最小值的条件一、平均代价的概念和贝叶斯准则3.平均代价取到最小值的条件一、平均代价的概念和贝
5、叶斯准则3.平均代价取到最小值的条件合并合并一、平均代价的概念和贝叶斯准则3.平均代价取到最小值的条件和是两项固定值。因此，平均代价C的大小与判决区域R0有关。把使被积函数取负值的观察值x值划分给R0区域，而把其余的观察值x值划分给R1，即可保证平均代价最小。一、平均代价的概念和贝叶斯准则4.贝叶斯判决准则把使被积函数取负值的观察值x值划分给R0区域，而把其余的观察值x值划分给R1，即可保证平均代价最小。判决H0假设成立判决H1假设成立判决H0假设成立判决H1假设成立贝叶斯判决准则贝叶斯准则基本思路:根据给定的代价计算平均代价按照平均代
6、价最小划分观察空间,得到判决准则对判决表达式进行化简一、平均代价的概念和贝叶斯准则二、贝叶斯检测的进一步说明贝叶斯判决准则定义为似然比函数定义为判决门限是一维随机变量，称为检验统计量不依赖于假设的先验概率，也与代价因子无关，适用于不同先验概率和不同代价因子的最佳信号检测。二、贝叶斯检测的进一步说明利用贝叶斯判决准则进行检测的基本步骤：步骤1：计算两个似然函数，构建似然比步骤2：根据两个假设的先验概率和代价因子，计算判决门限步骤3：利用上式，形成贝叶斯检测基本表达式步骤4：化简三、贝叶斯检测例题Ex3.1在二元数字通信系统中,假设为H1时
7、,信源输出为常值正电压m,假设为H0时,信源输出输出零电平,信号在传输过程中迭加了噪声n(t),每种信号的持续时间为T,请:(1)若接收端对接收信号x(t)在(0,T)时间内进行1次采样,给出对应的贝叶斯检测准则(2)若接收端对接收信号x(t)在(0,T)时间内进行N次独立采样,给出对应的贝叶斯检测准则.上述两种情况下,噪声采样值ni是均值为零,方差为的高斯噪声解：一次采样时步骤1：计算两个似然函数，构建似然比由于n是高斯分布随机变量，因此在H0假设下，观察信号x也服从高斯分布，且均值为零，方差为,在H1假设下，观察信号x服从均值为m，
8、方差为的高斯分布。步骤2：根据两个假设的先验概率和代价因子，计算判决门限步骤3：形成贝叶斯检测基本表达式步骤4：化简解：N次采样时步骤1：计算两个似然函数，构建似然比由于n是高斯分布随机变量，因此在H0假设
