LCMV、GLRT、KLE在高斯色噪声环境下检测信号的等价性

最新推荐文章于 2024-01-14 10:27:52 发布

瘦瘦的胡胖胖

最新推荐文章于 2024-01-14 10:27:52 发布

阅读量1.5k

点赞数 1

分类专栏：信号处理文章标签：信号处理

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_22661171/article/details/106709691

版权

本文探讨了在高斯色噪声环境中，LCMV（线性约束最小方差准则）、GLRT（广义似然比检验）和KLE（Karhunen-Loève变换）三种方法在信号检测中的等价性。通过数学推导，证明了这些方法在构造检测器时可得出相同结果，表明它们在处理高斯色噪声时具有相似的性能。

摘要由CSDN通过智能技术生成

在信号检测中，匹配滤波是最常用最有效的方法，但该方法是高斯白噪声环境下的最佳线性滤波器，其性能在高斯色噪声环境下通常会有明显的下降，KLE正是针对这个问题提出的，其基本思想如下：

假设有 x(t)=s(t)+n(t) ，其中 x(t) 表示接收到的信号， s(t) 表示信号， n(t) 表示高斯色噪声，信号和噪声相互独立，噪声的自相关函数可以用 $r_{n}(t-u)$ 来表示。那么应用KLE得到的系数有如下关系：

$s_{k}=\int_{0}^{T}s(t)f_{k}(t)dt \quad k=1,2,...$

$n_{k}=\int_{0}^{T}n(t)f_{k}(t)dt \quad k=1,2,...$

$x_{k}=\int_{0}^{T}x(t)f_{k}(t)dt \quad k=1,2,...$

$x_{k}=s_{k}+n_{k} \quad\ k=1,2,...$

其中， $s_{k},n_{k}$ 是独立的随机变量， $f_{k}(t)$ 是空间中的一组正交基，本质上是噪声自相关函数的特征函数

$\int_{0}^{T}r_{n}(t-u)f_{k}(u)du=\lambda _{k}f_{k}(t),\quad\0\leqslant t\leqslant T,\quad\k=1,2,...$

其中， $\lambda_{k}$ 为噪声自相关函数的特征值，也是 $n_{k}$ 的方差。在此基础上，可以构造如下的二元假设：

最低0.47元/天解锁文章

瘦瘦的胡胖胖

关注

1
点赞
踩
5

收藏

觉得还不错? 一键收藏
0
评论
LCMV、GLRT、KLE在高斯色噪声环境下检测信号的等价性

在信号检测中，匹配滤波是最常用最有效的方法，但该方法是高斯白噪声环境下的最佳线性滤波器，其性能在高斯色噪声环境下通常会有明显的下降，KLE正是针对这个问题提出的，其基本思想如下：假设有，其中表示接收到的信号，表示信号，表示高斯色噪声，信号和噪声相互独立，噪声的自相关函数可以用来表示。那么应用KLE得到的系数有如下关系： ...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。