开篇总结:
SPRT 是监测当前是处于哪个状态!
CUSUM 是监测是否切换了状态,状态改变!
SPRT
Sequential Probability Ratio Test 序贯概率比测试
- SPRT给CUSUM提供起始点
- SPRT是用来确定当前是属于哪个假设,哪个模型,也就是海牛还是噪声。
-
n
m
a
x
n_{max}
nmax下,判断。适合快速判断,但是会False Alarm
- Log-likelihood ratio , 对于 L i j L_{ij} Lij,如果i是真序列,那么 L i ∗ j L_{i^*j} Li∗j必定随着时间增加!
- 注意, p i ( X ( n ) ) p_i(X(n)) pi(X(n))是一系列点的概率乘积,也就是似然概率。
-
假设当前 i ∗ i^{*} i∗ 就是true process, 那么其他所有的 L i ∗ j L_{i^{*}j} Li∗j,即对所有不同的j,对数似然比大于一个阈值,我们就说, i就是我们的目标。否则继续观测。
-
来个例子,如果我已知6只海牛的叫声,给你一段新的片段,里面有噪声有海牛,你怎么确定是海牛还是噪声?我们可以统计未知信号和已知信号的对数似然比,连续监测 n m a x n_{max} nmax步,看sprt结果。
-
考虑修改后的决策方程, L i L_i Li, L 1 , L 2 , L 3 L_1,L_2, L_3 L1,L2,L3,谁先超过阈值,就选谁,说明,别人和他的差距太大,根据定义,他的似然概率可能更大!
CUMSUM
- SPRT做种子,CUSUM累积看是否发生状态变化。
插曲:海牛叫声检测可以使用sprt+cusum和NLMS