Buch, Deutsch, 184 Seiten, Book, Format (B × H): 178 mm x 254 mm, Gewicht: 400 g
Erster Teil: Signalerkennung und Parameterschätzung
Buch, Deutsch, 184 Seiten, Book, Format (B × H): 178 mm x 254 mm, Gewicht: 400 g
Reihe: Hochschultexte / Universitexts
ISBN: 978-3-540-06499-2
Verlag: Springer-Verlag GmbH
Bei der Signalerkennung oder Detektion kennt man drei Kriterien: das Bayes-Kriterium, das Neyman-Pearson Kriterium und das Kriterium nach dem Maximum-a-posteriori-Prinzip (MAP). Das Wichtigste ist das Kriterium nach dem MAP-Prinzip, bei dem die Fehlerwahrscheinlich keit zum Minimum gemacht wird. Die beiden anderen Kriterien spie len nur bei Sonderfgllen der Detektion - z. B. in der Radartechni- eine Rolle. Der Grund dafUr liegt an der Schwierigkeit, sinnvolle Kosten fUr die vie len m5glichen Entscheidungen (Bayes-Kriterium) bzw. mehrere Arten von Fehlalarmwahrscheinlichkeiten bei multipler Detektion anzugeben. Bei allen Kriterien wird bei bingrer Detek tion das Likelihood-Verhgltnis gebildet, das mit einer yom Krite rium abhgngigen Schwelle zu vergleichen ist. Bei multipler Detektion wird die Entscheidungsregel bei gauBschen St5rungen und gleichen A-priori-Wahrscheinlichkeiten fUr das Kri terium nach dem MAP-Prinzip besonders einfach: Man hestimmt den Abstand zwischen dem gest5rten Empfangsvektor und allen SiRnal vektoren und entscheidet, daB dasjenige Signal gesendet wurde, dessen Vektor den geringsten Abstand zum Empfangsvektor besitzt. Die Fehlerwahrscheinlichkeit hgngt nur von der relativen Lage der Signalvektoren zueinander, nicht jedoch yom Abstand zum Koordina tenursprung abo Diesen Freiheitsgrad nutzt man dazu aus, urn bei vorgegebener Fehlerwahrscheinlichkeit diejenige Konfiguration von Signalvektoren mit minimaler mittlerer Signalenergie zu finden.
Zielgruppe
Research
Autoren/Hrsg.
Weitere Infos & Material
0. Aufgaben der statistischen Nachrichtentheorie.- 0.1 Detektion.- 0.2 Estimation.- 0.3 Entwurfsansätze.- 1. Grundbegriffe der statistischen Systemtheorie.- 1.1 Begriffe der Statistik.- 1.2 Transformationen von Zufallsvariablen und Prozessen.- 2. Signaldarstellung durch Vektoren.- 2.1 Darstellung von Prozessen durch Vektoren.- 2.2 Vektordarstellung von M Signalen.- 2.2.1 Gram-Schmidt-Verfahren.- 2.3 Irrelevante Information.- 2.4 Vektorkanäle.- 2.5 Zusammenfassung.- 3. Signalerkennung (Detektion).- 3.1 Binäre Detektion.- 3.1.1 Bayes-Kriterium.- 3.1.2 Maximum-a-posteriori-Kriterium (MAP).- 3.1.3 Neyman-Pearson-Kriterium.- 3.1.4 Empfängercharakteristik (ROC).- 3.2 Multiple Detektion.- 3.2.1 MAP-Prinzip für multiple Detektion.- 3.2.2 Entscheidungsregel bei Gaußprozessen.- 3.2.3 Wahl der Signalvektoren.- 3.2.3.1 Rechtwinklige Signalvektorkonfigurationen.- 3.2.3.2 Orthogonale und damit verwandte Signalvektorkonfigurationen.- 3.2.4 Abschätzung der Fehlerwahrscheinlichkeit.- 3.2.5 Vergleich der Signalvektorkonfigurationen.- 3.3 Realisierung der Empfänger für die Detektion.- 3.4 Zusammenfassung.- 4. Parameterschätzung (Estimation).- 4.1 Schätzung von Parametern mit bekannter Dichtefunktion (Bayes-Kriterium).- 4.1.1 Kostenfunktion des quadratischen Fehlers.- 4.1.2 Kostenfunktion des absoluten Fehlers.- 4.1.3 Kostenfunktion mit konstanter Bewertung großer Fehler.- 4.2 Invarianz des optimalen Schätzwertes bezüglich einer Klasse von Kostenfunktionen.- 4.3 Schätzung von Parametern ohne jede A-priori-Information.- 4.3.1 Maximum-likelihood-Estimation.- 4.3.2 Minimale Fehlervarianz.- 4.4 Mittlerer quadratischer Fehler. Parameter mit bekannter A-priori-Dichte.- 4.5 Multiple Parameterestimation.- 4.5.1 Schätzverfahren.- 4.5.1.1 Parametervektor mit bekannter A-priori- Dichte.- 4.5.1.2 Parametervektor ohne A-priori-Information.- 4.5.2 Schätzfehler.- 4.5.2.1 Minimale Fehlervarianzen, Parametervektor ohne A-priori-Information.- 4.5.2.2 Mittlerer quadratischer Fehler. Parametervektor mit bekannter A-priori- Dichte.- 4.6 Lineare Schätzeinrichtungen.- 4.6.1 Gauß-Markoff-Theorem.- 4.6.2 Geometrische Interpretation des Gauß-Markoff- Theorems.- 4.6.3 Additive unkorrelierte Störungen.- 4.6.4 Parametervektor ohne A-priori-Information.- 4.6.5 Verbesserung der Schätzwerte.- 4.6.6 Verbesserte Schätzwerte: Kaiman Formeln.- 4.7 Zusammenfassung.- Aufgaben mit Lösungen.- Namen- und Sachverzeichnis.
