信号检测与判决的五大准则

# 信号检测五大准则
以简单的二元门限判决为例,门限值为a：
if H(x)>a  H(x)为1；
if H(x)<=a  H(x)为0；

而为了确定这个门限值a,衍生出了一大堆准则.
1. 最大后验概率准则
根据先验概率来确定门限。一般根据相应场景下的历史数据来确定先验概率。

2. Bayes准则
除了先验概率之外，还以最小检测损失(最小风险)来确定门限。主要是建立损失函数机制。

3. 最小错误概率准则
将bayes的损失函数的风险值确定，即将判决正确的风险值设为0，判决错误的风险值设为1。则最优化的过程一般为：尽可能地降低错误判决的数量。

4. 极大极小准则
上面三种检测准则都是建立在先验概率已知的情况下的推断，而先验概率也是从无到有的一个过程，极大极小准则是在先验概率未知的情况下，将最大风险达到极小的一种判别准则。

也就是说，此准则是在上面三种准则前面的一个步骤，也就算获取先验概率的一种准则。

5. Neyman-Pearson准则
除去先验概率之外，如Bayes准则还需要利用代价函数，但某些突发或未知的信号场景，获取信号的先验知识以及代价函数都是极为困难的。
Neyman-Pearson（奈曼-皮尔逊）准则不需要知道代价函数和先验概率，它假定一类错误较其他错误更为重要，因而对这一类错误严格限制，再去考虑使其它类错误概率最小。

 

可以看出来，以上五种准则并不是并行的关系，更多的是一些理论上的基本共识，并且上述准则只是描述最简单的一些信号检测问题。很多实际的信号检测，都是采用机器学习的应用方式。

参考文献：
<信号检测与估计>. 张立毅,张雄,李化.