信道相关基础知识

1、相关领域基础知识

1.1、似然函数

   统计学中，似然函数是一种关于统计模型参数的函数，表示模型参数中的似然性。给定输出x时，关于参数θ的似然函数L(θ|x)（在数值上）等于给定参数θ后变量X的概率：L(θ|x)=P(X=x|θ)。似然函数在推断统计学（Statistical inference）中扮演重要角色，如在最大似然估计和费雪信息之中的应用等等。“似然性”与“或然性”或“概率”意思相近，都是指某种事件发生的可能性，但是在统计学中，“似然性”和“或然性”或“概率”又有明确的区分。概率用于在已知一些参数的情况下，预测接下来的观测所得到的结果，而似然性则是用于在已知某些观测所得到的结果时，对有关事物的性质的参数进行估计。

1.2、先验概率和后验概率

   先验概率一般是在缺乏某个事实的情况下描述一个变量（或事件）出现的概率。 而后验概率是在考虑了一个事实之后的条件概率，后验概率可以根据通过Bayes定理, 用先验概率密度乘上似然函数,接着进行归一化, 得到不定量X在Y=y的条件下的密度,即后验概率密度:

      $f_{X\mid Y=y}(x)=\frac{f_X(x)L_{X\mid Y=y}(x)}{{\int }_{-\infty }^{\infty }{f}_X(x)L_{X\mid Y=y}(x)dx}$

其中$f_X(x)$ 为X的先验密度, $L_{X|Y=y}(x)=f_{Y|X=x}(y)$ 为似然函数。

1.3、卷积

   卷积是在信号与线性系统的基础上或背景中出现的，脱离这个背景单独谈卷积是没有任何意义的，除了那个所谓褶反公式上的数学意义和积分（或求和，离散情况下）。信号与线性系统，讨论的就是信号经过一个线性系统以后发生的变化（就是输入 输出 和所经过的所谓系统，这三者之间的数学关系）。所谓线性系统的含义，就是，这个所谓的系统，带来的输出信号与输入信号的数学关系式之间是线性的运算关系。因此，实际上，都是要根据我们需要待处理的信号形式，来设计所谓的系统传递函数，那么这个系统的传递函数和输入信号，在数学上的形式就是所谓的卷积关系。卷积关系最重要的一种情况，就是在信号与线性系统或数字信号处理中的卷积定理。利用该定理，可以将时间域或空间域中的卷积运算等价为频率域的相乘运算，从而利用FFT等快速算法，实现有效的计算，节省运算代价。比如需求到位时间的到达率为poisson(λ)分布，需求的大小的分布函数为D（.)，则单位时间的需求量的分布函数为 F(x)：

      $F(x)={\sum }_{k=1}^{\infty }{D}^k(x)\frac{e^{-\lambda }{\lambda }^k}{k!}$

其中 D(k)(x)为k阶卷积。

   卷积是两个变量在某范围内相乘后求和的结果。如果卷积的变量是序列x(n)和h(n)，则卷积的结果为序列的卷积和：

      $y(n)={\sum }_{i=-\infty }^{\infty }x(i)h(n-i)=x(n)\ast h(n)$

其中星号表示卷积。当时序n=0时，序列h(-i)是h(i)的时序i取反的结果；时序取反使得h(i)以纵轴为中心翻转180度，所以这种相乘后求和的计算法称为卷积和，简称卷积。另外，n是使h(-i)位移的量，不同的n对应不同的卷积结果。
   如果卷积的变量是函数x(t)和h(t)，则卷积的计算变为
函数的卷积积分：

      $y(n)={\int }_{-\infty }^{}$