从接收机处所获得的信号x(t) = s(t) + v(t),其中s(t)为包含所需传输信息的信号,而v(t)为传输后所混杂的噪声信号。接收信号x(t)即是该课程主要处理的对象。
其中噪声分为几类,加性噪声,乘性噪声或者说卷积噪声等,通常都会将非加性噪声转化为加性噪声,如对乘性噪声取对数,对卷积噪声进行傅里叶变换后再取对数等。 另外,信号s(t)也有几种类型,①确定信号:信号中只含有时间变量,无其他不确定变量②有随机变量的信号: 例如s(t)=A(t)cos(t+φ)③随机信号。
由于s(t)的状态我们不确定,所以假设有M个状态,,,就像假设检验中一样,对于每个状态都会有一种假设h: ,所以信号检测的工作就是在一定的最优准则(至于是何种最优将会放在以后详解)下,从假设中选择最优的假设或者说是从假设中选择结果为真的假设。对于接收信号x(t),我们通常对其进行采样处理,对某一个时刻采样所得结果为,由这些采样点信息所构成的向量即是该时刻的一个观测向量,所有的观测向量构成的集合被称为观测空间,信号估计的工作是根据这些观测向量来估计未知参数。
另外就是一些该课程所需要用的概率和随机过程的一些基础知识。
(1)随机信号
分为实随机信号z=x+y与复随机信号,其中x,y为实随机变量
(2)高斯随机变量的概率密度函数
这里主要提到的是向量形式的高斯概率密度函数,设k维实随机向量=,均值向量则为,从而构成的协方差矩阵,从而所得的联合概率密度为:
其中当时协方差矩阵将变成自相关矩阵R,当各之间独立时
复高斯随机变量的概率密度,,,
则,其向量形式的公式为其中上标H表示共轭转置,具有性质。由函数可知,,但为了构造出与高斯概率密度函数一样的结构,通常令
常用的积分方程有:
其中
误差方程
余误差方程同样的
而Q(x)与误差方程也有一定关系
(3)离散随机过程
对一个连续时间上的实随机过程进行周期为的采样从而生成离散的随机过程,该离散序列可以表示成,其中是一个0均值,方差为的高斯随机变量,无论是单一变量形式还是向量形式,只要变量代表零均值高斯噪声,随机序列的均值都等于s的均值,方差等于的方差,其分布可以用前面的概率密度函数表示
(4)白噪声
自相关矩阵
功率谱密度,可以看出功率谱密度是自相关矩阵的傅里叶变换形式
白噪声:若x(t)的自相关矩阵,而功率谱密度