基于各种准则来进行二元判决的AZB检测

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。