将信号检测与估计内容用于全零块
设wi是系数u的最终分类结果,即经过RDOQ是否量化为0的分类结果。则w0代表系数u被量化为0,w1代表系数u没有被量化为0。大量样本“扔”到分类器中,并且基于统计分类获得分类可靠性,根据Bayes定理,后验概率表示如下:
根据Bayes分类器,二元分类规则可以由下式表示:
对于RDOQ最终的阈值ΓDCT可以由误分类概率确定。一种情况就是属于w0的样本被错误判决成w1类,另一种情况就是属于w1的样本被错误判决成w0类。总体的误分类概率Pe由上述两种情况即p0(e)和p1(e)组成,描述如下:
其中,R1和R0分别代表样本被分类成w1类和w0类。显然,R1和R0实际上主要由u来描述,如下图:
根据Bayes定理,P(u|w0)和P(u|w1)之间的重叠区域越小,误分类的概率就越小。最优零量化阈值ΓDCT可以通过看是否达到最小误差概率来确定,即:
当然,正如标题所提,可以将信号检测与估计中的各种判决准则利用进去,如Bayes准则,最小错误概率准则,极大极小化准则来进行二元判决。