最大后验概率准则在通信中的应用

1 问题

考虑二元信号（BPSK）的检测问题。当假设$H_0$为真时，信源产生$-1$，当$H_1$为真时，信源产生$+1$。信源叠加均值为0、方差为${\sigma }^2$的高斯噪声$n$，成为观测信号$y$。这样，在两个假设下，观测信号模型为
$$\{\begin{array}{l}{H}_0:y=-1+n\\ H_1:y=+1+n\end{array}\text{\hspace{1em}(1)}$$

根据观测信号检测原始信号。

2 分析

根据已知条件，可以写出两种假设下观测信号的概率密度函数，分别为

$$\{\begin{array}{l}P\left(y\mid H_1\right)=\frac{1}{\sqrt{2\pi }\sigma }\exp \left[-\frac{(y-1{)}^2}{2{\sigma }^2}\right]\\ \\ P\left(y\mid H_0\right)=\frac{1}{\sqrt{2\pi }\sigma }\exp \left[-\frac{(y+1{)}^2}{2{\sigma }^2}\right]\end{array}$$

在通信中，或者在二元假设检验问题中，我们一般假定信源输出受先验概率$P(H_0)$、$P(H_1)$控制，显然，在检测的时候一个合理的判决准则即在观测结果$y$已知的条件下，选择事件$H_0$、$H_1$出现概率较大的那一个事件，即通过比较$P(H_0|y)$和$P(H_1|y)$的大小来判定信源是$P(H_0)$还是$P(H_1)$。即当

$$P(H_1|y)>P(H_0|y)\text{\hspace{1em}(3)}$$
或

$$\frac{P(H_1|y)}{P(H_0|y)}>1\text{\hspace{1em}(4)}$$
时，选择$H_0$，否则，选择$H_1$。

上述判决过程可以简写城下列表达式

$$\frac{P\left(H_1|y\right)}{P\left(H_0|y\right)}{\gtrless }_{H_0}^{H_1}1\text{\hspace{1em}(5)}$$

式5通常称为判决表达式。因为$P(H_0|y)$和$P(H_1|y)$两个条件概率是在得到观测值$y$后事件$H_0$、$H_1$出现的概率，所以称它们为后验概率。根据式5进行判决的准则称为最大后验概率准则。

对上述问题采用最大后验概率准则进行检测.根据贝叶斯公式，有

$$P(H_0|y)=\frac{P(y|H_0)P(H_0)}{P(y)}\text{\hspace{1em}(6)}$$

$$P(H_1|y)=\frac{P(y|H_1)P(H_1)}{P(y)}\text{\hspace{1em}(7)}$$

将(6)(7)式代入(5)式，得到
$$\frac{P\left(H_1|y\right)}{P\left(H_0|y\right)}=\frac{P(y|H_1)P(H_1)}{P(y|H_0)P(H_0)}{\gtrless }_{H_0}^{H_1}1\text{\hspace{1em}(8)}$$

在通信中，一般情况下，发送端0和1的个数是相等的，即

$$P(H_0)=P(H_1)=0.5\text{\hspace{1em}(9)}$$

将(2)式、(9)式代入(8)式，得
$$\frac{P\left(H_1|y\right)}{P\left(H_0|y\right)}=\frac{P(y|H_1)}{P(y|H_0)}=\exp [\frac{4y}{2{\sigma }^2}]{\gtrless }_{H_0}^{H_1}1\text{\hspace{1em}(10)}$$

两边取对数，得到

$$\ln [\exp [\frac{4y}{2{\sigma }^2}]]=\frac{4y}{2{\sigma }^2}{\gtrless }_{H_0}^{H_1}0\text{\hspace{1em}(11)}$$

因为$\sigma >0$，则在这个假设下，用最大后验概率准则检测信号时，问题转化为，观测值大于0，则判断原始信号为1，观测值小于0，判断原始信号为0。

3 代码

%-----------最大后验概率仿真-----------
%-------------------------------------

%信源
%二进制,0和1的概率相同,均为50%
simLen = 200000;

x = randi([0 1],1,simLen);

%BPSK调制,调制之后，信号功率为1
sig = 2*x-1;


%------------------
loopTime = 60;

snr = zeros(1,loopTime);
ber = zeros(1,loopTime);

for i=1:loopTime
  
  %信道
  %高斯白噪声信道
  theta = 0.1+i*0.05;
  
  %计算信噪比
  snr(i) = 10*log2(1/(theta^2));
  
  s = randn(1,simLen)*theta;
  
  %接收端的观测值
  y = sig + s;
  
  if i==20
    %画图
    figure(1)
    subplot(2,1,1);
    plot(sig(1:40),'o-');
    grid on;
    title('modulated data');
    axis([-inf inf -2 2]);
    subplot(2,1,2)
    plot(y(1:40),'o-')
    axis([-inf inf -4 4]);
    grid on;
    title('modulated data with noise');
  end
  
  %根据最大后验概率准则进行信号检测
  %计算p(y|h0)和p(y|h1)
  %p(y|h0)
  p0 = exp(-((y+1).^2)./(2*theta*theta));
  %p(y|h1)
  p1 = exp(-((y-1).^2)./(2*theta*theta));
  
  %计算比值
  %eta = p1./p0;
  %eta = exp(4*y/(2*theta*theta));
  eta=y;
  
  
  %检测结果
  sigmod = eta>0;
  
  ber(i) = 1-sum(sigmod==x)/simLen;
  
end

%误码率图
figure(2)
semilogy(snr,ber,'^--')
grid on
title('MAP detection')
xlabel('SNR(dB)')
ylabel('BER')

4 结果