赵树杰-信号检测与估计理论-极小化极大准则仿真说明

赵树杰-信号检测与估计理论-极小化极大准则仿真说明
赵树杰-信号检测与估计理论-极小化极大准则仿真说明

关于极小化极大准则的仿真

参考文献:

(1)极小化极大优化问题的精确解_刘健康.caj

(2)教材《信号检测与估计理论》第一版,赵树杰赵建勋编著page74~79 例题3.3.1与例题3.3.2

说明: 1)利用了例题3.3.1的结论;

2)将例题3.3.2的{-1,1} 改为{0,2},以利用例题3.3.1的结论。

本文件包括:

(1)仿真过程说明;

(2)仿真源程序;

(3)仿真结果。

(1)仿真过程说明

(2)仿真源程序

clear

clc

%在例题3.3.1的基础上,绘制平均代价曲线

%并验证极小化极大准则原理图3.8

%step1 设置参数

c00=1;c10=4;c11=2;c01=8; %设置代价因子的值

P1=0.5;P0=1-P1; %设置先验概率P(H0)与P(H1)

N=1; %设置独立采样次数

A=2; %设置信号幅度

delta2=1/2; %设置高斯白噪声的方差

d2=N*(A^2)/delta2; %计算功率信噪比

d=sqrt(d2);

th=(P0*(c10-c00))/(P1*(c01-c11)); %计算检测门限

gamma=delta2*log(th)/(N*A)+A/2; %计算检验统计量的划分域

Pf=qfunc(log(th)/d+d/2); %计算虚警概率Pf=P(H1|H0)

Pd=qfunc(log(th)/d-d/2); %计算检测概率Pd=P(H1|H1)

C=P0*(c00*(1-Pf)+c10*Pf)+P1*(c01*(1-Pd)+c11*Pd); %计算平均代价

%-----------------------------------

%变化先验概率,绘制C(P1)曲线

kk=1001; %曲线绘制的精度

mP1=zeros(kk,1);

thP1=zeros(kk,1);

gammaP1=zeros(kk,1);

CP1=zeros(kk,1);

Pf=zeros(kk,1);

Pd=zeros(kk,1);

A1=zeros(kk,1);

A2=zeros(kk,1);

fori=1:kk

mP1(i,1)=(i-1)/(kk-1);

P0=1-mP1(i,1);

thP1(i,1)=(P0*(c10-c00))/(mP1(i,1)*(c01-c11));

gammaP1(i,1)=delta2*log(thP1(i,1))/(N*A)+A/2;

Pf(i,1)=qfunc(log(thP1(i,1))/d+d/2);

Pd(i,1)=qfunc(log(thP1(i,1))/d-d/2);

%计算平均代价

CP1(i,1)=P0*(c00*(1-Pf(i,1))+c10*Pf(i,1))+mP1(i,1)*(c01*(1-Pd(i,1))+c11*Pd(i,1));

A1(i,1)=c01*(1-Pd(i,1))+c11*Pd(i,1);

A2(i,1)=c00*(1-Pf(i,1))+c10*Pf(i,1);

end

plot(mP1,CP1,'r-')

hold on

% 若先验概率未知,需要猜测一个先验概率,按照猜测的先验概率gP1来进行域的划分

% 假定猜测的先验概率为gP1=0.2,实际的先验概率[0,1]变化

% 绘制平均代价曲线

gP1=0.5; %猜想的先验概率P1=0.2;mPi(201,1)

gP0=1-gP1;

gth=(gP0*(c10-c00))/(gP1*(c01-c11)); %用猜想的先验概率计算的检测门限

ggamma=delta2*log(gth)/(N*A)+A/2; %用猜想的先验概率计算检验统计量的划分域;

gPf=qfunc(log(gth)/d+d/2); %用上述划分域计算虚警概率Pm=P(H1|H0) gPd=qfunc(log(gth)/d-d/2); %用上述划分域计算检测概率Pd=P(H1|H1) gC=gP0*(c00*(1-gPf)+c10*gPf)+gP1*(c01*(1-gPd)+c11*gPd); %猜测状态下的理想最小平均代价

%若真实的先验概率为mP1(i,1)

kk=1001; %曲线绘制的精度

rP1=zeros(kk,1); %实际的P1的取值,为画图准备

rCP1=zeros(kk,1); %实际的平均代价

fori=1:kk

rP1(i,1)=(i-1)/(kk-1);

P0=1-rP1(i,1);

%按照猜想的先验概率计算得到的域的划分,来计算真实的平均代价rCP1(i,1)=P0*(c00*(1-gPf)+c10*gPf)+rP1(i,1)*(c01*(1-gPd)+c11*gPd);

end

plot(rP1,rCP1,'r-')

hold on

%plot(rP1,A1,'b-')

hold on

%plot(rP1,A2,'m-')

(3)仿真结果

曲线2

曲线1

曲线3

曲线2

曲线1

曲线4

中值定理

第三章 中值定理与导数的应用 从第二章第一节的前言中已经知道,导致微分学产生的第三类问题是“求最大值和最小值”. 此类问题在当时的生产实践中具有深刻的应用背景,例如,求炮弹从炮管里射出后运行的水平距离(即射程),其依赖于炮筒对地面的倾斜角(即发射角). 又如,在天文学中,求行星离开太阳的最远和最近距离等. 一直以来,导数作为函数的变化率,在研究函数变化的性态中有着十分重要的意义,因而在自然科学、工程技术以及社会科学等领域中得到广泛的应用. 在第二章中,我们介绍了微分学的两个基本概念—导数与微分及其计算方法. 本章以微分学基本定理—微分中值定理为基础,进一步介绍利用导数研究函数的性态,例如判断函数的单调性和凹凸性,求函数的极限、极值、最大(小)值以及函数作图的方法,最后还讨论了导数在经济学中的应用. 第一节 中值定理 中值定理揭示了函数在某区间的整体性质与该区间内部某一点的导数之间的关系,因而称为中值定理. 中值定理既是用微分学知识解决应用问题的理论基础,又是解决微分学自身发展的一种理论性模型, 因而称为微分中值定理. 内容分布图示 ★ 费马引理 ★ 罗尔定理 ★ 例1 ★ 例2 ★ 例3 ★ 例4 ★ 例5 ★ 例6 ★ 拉格朗日中值定理 ★ 例7 ★ 例8 ★ 例9 ★ 例10 ★ 柯西中值定理 ★ 例11 ★ 例12 ★ 内容小结 ★ 课堂练习 ★ 习题3-1 ★ 返回 内容要点: 一、罗尔定理:在闭区间[a , b ]上连续;在开区间(a , b )内可导;在区间端点的函数值相等, 即).()(b f a f = 结论:在(a , b )内至少存在一点),(b a <<ξξ使得 .0)(='ξf 注:罗尔定理的三个条件是十分重要的,如果有一个不满足,定理的结论就可能不成立. 分别举例说明之. 罗尔定理中)()(b f a f =这个条件是相当特殊的,它使罗尔定理的应用受到限制. 拉格朗日在罗尔定理的基础上作了进一步的研究,取消了罗尔定理中这个条件的限制,但仍保留了其余两个条件,得到了在微分学中具有重要地位的拉格朗日中值定理. 二、拉格朗日中值定理:在闭区间[a , b ]上连续;在开区间(a , b )内可导. 结论:在(a , b )内至少存在一点),(b a <<ξξ 使得))(()()(a b f a f b f -'=-ξ 拉格朗日中值公式反映了可导函数在],[b a 上整体平均变化率与在),(b a 内某点ξ处函数的局部变化率的关系. 若从力学角度看,公式表示整体上的平均速度等于某一内点处的瞬时速度. 因此,拉格朗日中值定理是联结局部与整体的纽带.

信号检测与估计理论简答

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

信号检测与估计理论第一章习题讲解

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

《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 ? ?∞+∞-∞+∞ ---=--=

终值定理

9. 初值定理 如果信号x ( t ) 的拉氏变换为X ( s ) ,且x ( t ) 在t = 0 点不含有任何阶次的冲激函数,则: (5.40) 初值定理表明,s X ( s ) 的极限值等于信号x ( t ) 在t = 0+ 点的初值,而且,无论拉氏变换采用 0-系统还是 0+ 系统,所求得的初值都是在t = 0+ 时刻的值,证明如下。 根据时域微分性质可知: (5.41) 而由拉氏变换的定义可得: (5.42) 于是有: (5.43) 对此式两边取的极限,由于当,且仅当t > 0 时,,因此:

对初值定理,也可利用信号x ( t ) 在t = 0+ 时刻的台劳级数来证明,其台劳级数为: (5.44) 式中,x (n)(0+) 是x ( t ) 在t =0+时刻的n 阶导数值。 由于: 因此,对式(5.44)两边取拉氏变换后有: 由此而得: 初值定理要求信号x ( t ) 在t = 0 点不含有任何阶次的冲激函数,这也就是要求式(5.40)中的X ( s ) 必须是一个真分式。如果X ( s ) 是一个 假分式,即当X ( s ) 分子的阶次高于或等于分母的阶次时,,式(5.40)将不成立。因此,如果X ( s ) 是一个假分式时,则应先将它分解出一个真分式,然后再利用式(5.40)求这个真分式所对应的信号初值。例如,如 果,这是一个假分式,它不能直接利用式(5.40)求得初值。 但是,如果将其分解为,则可利用式(5.40)求得所对应的信号初值为1。 (5.40)

10.终值定理 终值定理的形式类似于初值定理,它是通过变换式在时的极限值来求得信号的终值,即 (5.45) 利用初值定理证明过程中所得到的式(5.43)可以证明终值定理。 由式(5.43)知 于是有: 显然只有当信号x ( t ) 的终值存在时,才能利用式(5.45)求得它的终值,否则将得到错误的结果。而要使x ( t ) 的终值存在,则要求X ( s ) 的极点在左半s 平面,如果X ( s ) 在j 上有极点的话,也只能是在原点上的一阶极点,其原因在于,只有满足这种极点分布的信号才有终值存在。关于这个问题,可参阅“拉普拉斯逆变换”一节中的讨论。

《信号检测与估计》第十章习题解答

《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

信号检测与估计模拟试卷

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

信号检测与估计课后习题

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???????????????? =+????????????????????

电子科技大学信号检测与估计2016期末考试

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==≥??--+??

信号检测与估计试题——答案(不完整版)

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》09期末试题

《信号检测与估计理论》期末试题 注:试题必须和答题纸一起交。一、二、三、六题必答。是学位课的同学第四题必答, 五、七题中任选1题作答;非学位课的同学四、五、七题中任选1题作答。 姓名 学号 是否学位课 得分 一、 名词解释(每题3分,任选8题作答,共24分) 1、Bayes 估计 2、似然比 3、后验概率 4、检测概率 5、信号统计检测 6、平稳过程 7、充分统计量 8、有效估计 9、接收机工作特性 10、线性最小均方误差估计 二、填空题(每空2分,共16分) 1、在信号检测理论模型中,概率转移机构是将信源输出的假设按一定的概率关系映射到 。 2、信号统计检测的贝叶斯准则就是在假设的 已知,各种代价因子赋定的情况下,使 最小的准则。 3、对于一种假设检验,它的性能主要与 有关。 4、两个联合平稳随机过程()X t 、()Y t 如果相互正交,则它们的互相关函数12(,)XY C t t 为 。 5、序列检测的基本思想是 ,最大优点是 。 6、如果随机量θ的估计值θ∧满足[][]E E θθ∧=,则称θ∧ 是θ的 估计。 三、简答题(任选4题作答,每题5分, 共20分) 1、 设()X n 是实平稳随机序列,其均值为m x ,均方值为2[()]E X n ,方差为2x σ,() X n 的自相关序列为()x R m 。试证明: (0)x R =2 [()]E X n 2、写出课本中相关器与匹配滤波器的输入输出关系表达式,说明两者输出的关系。 3、说明对接收信号x(t)=s(t)+n(t)进行波形检测的基本思路。 4、简述含随机参量的信号的统计检测方法。 5、说明参量的线性最小均方误差估计量的特性。 6、说明参量的最小二乘估计方法的基本思路。 四(10分)、在二元数字通信系统中,假设H 1时,信源输出为常值电压A ,假设H 0时,信源输出为0;信号在通信信道传输过程中叠加了高斯噪声n (t );在接收端对接收信号x (t )进行N 次独立采样,样本为x k ,k=1,2,…,N ;如果噪声样本n k 是均 值为0、方差为σn 2的高斯随机变量。试确定似然比检验的判决规则;建立信号检测系 统的模型。 五(15分)、考虑发送周期为T=2π/ω0秒的移频键控(FSK )通信系统。在假设H 1和假设H 0下发送的信号分别为: S 0(t )=Asin ω0 t 0≤t ≤T S 1(t )=Asin2ω0 t 0≤t ≤T

信号检测与估值

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

拉普拉斯变换公式总结..

拉普拉斯变换、连续时间系统的S 域分析 基本要求 通过本章的学习,学生应深刻理解拉普拉斯变换的定义、收敛域的概念:熟练掌握拉普拉斯变换的性质、卷积定理的意义及它们的运用。能根据时域电路模型画出S 域等效电路模型,并求其冲激响应、零输入响应、零状态响应和全响应。能根据系统函数的零、极点分布情况分析、判断系统的时域与频域特性。理解全通网络、最小相移网络的概念以及拉普拉斯变换与傅里叶变换的关系。会判定系统的稳定性。 知识要点 1. 拉普拉斯变换的定义及定义域 (1) 定义 单边拉普拉斯变换: 正变换 0[()]()()st f t F s f t dt e ζ∞ -- ==? 逆变换 1 [()]() ()2j st j F s f t F s ds j e σσζπ+∞ -∞ ==? 双边拉普拉斯变换: 正变换 ()()st B s f t dt e F ∞ --∞ =? 逆变换1 ()()2j st B j f t s ds j e F σσπ+∞ -∞ = ? (2) 定义域 若0σσ>时,lim () 0t t f t e σ-→∞ =则()t f t e σ-在0σσ>的全部范围内收敛,积分 0()st f t dt e +∞ -- ? 存在, 即()f t 的拉普拉斯变换存在。0σσ>就是()f t 的单边拉普拉斯变换的收敛域。0σ与函数()f t 的性质有关。 2. 拉普拉斯变换的性质 (1) 线性性 若11[()]()f t F S ζ=,22[()]()f t F S ζ=,1κ,2κ为常数时,则11221122[()()]()()f t f t F s F s ζκκκκ+=+ (2) 原函数微分 若[()]()f t F s ζ=则() [ ]()(0)df t sF s f dt ζ-=- 式中() (0)r f -是r 阶导数() r r d f t dt 在0-时刻的取值。 (3) 原函数积分 若[()]()f t F s ζ=,则(1)(0)()[ ()]t f F s f t dt s s ζ---∞ =+? 式中0(1) (0)()f f t dt ---∞=?

信号检测与估计—原理及其应用

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

2014年信号检测与估计各章作业参考解答(1~9章)

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

三、扰动稳态误差终值的计算

3.6.7、扰动稳态误差终值的计算 根据终值定理及式(3-81)、式(3-82),式(3-84)、式(3-86), 扰动稳态误差的终值e sn 可由 下式计算: )()(lim )(lim )(lim 0 s s sN s sE t e e en s n s sn t sn φ-===→→∞ → ∏∏∏∏=--=++==→+++++-=m j j v n i i v m l j j q i i v s s K s s s s s K s sN 1 1 1 1 20 ) 1()1() 1()1() (lim τ ττ τμμ (3-105) 比较式(3-105)及(3-87)可见,)(s en φ的分母多项式与)(s ex φ一样,但)(s en φ的分子多项 式中只有v s 项,不象)(s ex φ的分子多项式中有μ +v s 项。它说明只是控制环节传递函数) (1s G 中串联积分环节的数目v 对系统扰动稳态误差有决定性影响。 一 阶跃扰动作用下的稳态误差 在单位阶跃扰动作用下 n t N s s (),()== 11 这时扰动稳态误差终值为 )(lim 0 s e en s sn φ→= (3-106) 二 斜坡扰动作用下的稳态误差 在单位斜坡扰动作用下 n t t N s s (),()==12 这时扰动稳态误差终值为 e s s sn s n =→lim ()01φ (3-107) 三 加速度扰动作用下的稳态误差 在单位加速度扰动作用下 n t t ()=122 N s s ()=13 这时扰动稳态误差终值为 e s s sn s n =→lim ()0 2 1 φ (3-108) 按式(3-105)、(3-106)、(3-107)及(3-108)计算求得的各型系统在不同扰动作用下的稳态误差终值汇总列于表3-2中。

(完整版)自动控制原理知识点汇总

自动控制原理总结 第一章 绪 论 技术术语 1. 被控对象:是指要求实现自动控制的机器、设备或生产过程。 2. 被控量:表征被控对象工作状态的物理参量(或状态参量),如转速、压力、温度、电压、位移等。 3. 控制器:又称调节器、控制装置,由控制元件组成,它接受指令信号,输出控制作用信号于被控对象。 4. 给定值或指令信号r(t):要求控制系统按一定规律变化的信号,是系统的输入信号。 5. 干扰信号n(t):又称扰动值,是一种对系统的被控量起破坏作用的信号。 6. 反馈信号b(t):是指被控量经测量元件检测后回馈送到系统输入端的信号。 7. 偏差信号e(t):是指给定值与被控量的差值,或指令信号与反馈信号的差值。 闭环控制的主要优点:控制精度高,抗干扰能力强。 缺点:使用的元件多,线路复杂,系统的分析和设计都比较麻烦。 对控制系统的性能要求 :稳定性 快速性 准确性 稳定性和快速性反映了系统的过渡过程的性能。 准确性是衡量系统稳态精度的指标,反映了动态过程后期的性能。 第二章 控制系统的数学模型 拉氏变换的定义: -0 ()()e d st F s f t t +∞ = ? 几种典型函数的拉氏变换 1.单位阶跃函数1(t) 2.单位斜坡函数 3.等加速函数 4.指数函数e -at 5.正弦函数sin ωt 6.余弦函数cos ωt 7.单位脉冲函数(δ函数) 拉氏变换的基本法则 1.线性法则

2.微分法则 3.积分法则 1()d ()f t t F s s ??=???L 4.终值定理 ()lim ()lim () t s e e t sE s →∞ →∞== 5.位移定理 00()e () s f t F s ττ--=????L e ()() at f t F s a ??=-??L 传递函数:线性定常系统在零初始条件下,输出信号的拉氏变换与输入信号的拉氏变换之比称为系统(或元部件)的传递函数。 动态结构图及其等效变换 1.串联变换法则 2.并联变换法则 3.反馈变换法则 4.比较点前移“加倒数”;比较点后移“加本身”。 5.引出点前移“加本身”;引出点后移“加倒数” 梅森(S. J. Mason )公式求传递函数 典型环节的传递函数 1.比例(放大)环节 2.积分环节 3.惯性环节 4.一阶微分环节 5.振荡环节 221 ()21G s T s Ts ξ= ++ 6.二阶微分环节 第三章 时域分析法 二阶系统分析 2n n 2K J F J ωξω= = 1 ()1 ()()n k k k C s s P R s =Φ=? ? ∑= 2n ω

信号检测论反应时复习题

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。

相关文档
最新文档