通信工程 / 系统课时

最大似然判决

最大似然判决

最大似然判决解决的是:接收端拿到带噪观测后,怎样在多个候选发送信号中选出“最可能产生当前观测”的那一个。对等概发送且噪声模型已知的数字通信系统,它能直接导出最小距离或最大相关判决规则。

学习目标

  • 理解似然函数在数字信号判决中的含义。
  • 能从高斯噪声模型推出最小欧氏距离判决。
  • 能区分最大似然判决与最大后验概率判决。

从观测反推发送信号

设发送端可能发送 MM 个确定信号 s1(t),s2(t),…,sM(t)s_1(t),s_2(t),\ldots,s_M(t),接收端观测为

r(t)=si(t)+n(t)r(t)=s_i(t)+n(t)

其中 n(t)n(t) 是加性白高斯噪声。最大似然准则不直接问“哪个信号最像原波形”,而是对每个候选 si(t)s_i(t) 计算条件概率密度 p(r∣si)p(r\mid s_i),并选择使它最大的候选:

i^=arg⁡max⁡ip(r∣si)\hat{i}=\arg\max_i p(r\mid s_i)

似然越大,表示“假设发送的是 sis_i 时,得到当前观测 rr”越合理。

高斯噪声下为何变成最小距离

对白高斯噪声,条件概率密度中的指数项与观测和候选信号之间的平方误差有关。忽略对所有候选都相同的常数后,最大化似然等价于最小化

di2=∫0T∣r(t)−si(t)∣2 dtd_i^2=\int_0^T \left|r(t)-s_i(t)\right|^2\,dt

因此判决规则可以写成

i^=arg⁡min⁡idi2\hat{i}=\arg\min_i d_i^2

这就是“离哪个合法信号点最近,就判成哪个信号”的来源。把信号展开到正交基后,每个 si(t)s_i(t) 对应信号空间中的一个点,噪声让接收点偏离原位置,接收机再按距离划分判决区域。

高斯噪声下最大似然判决区域

把平方距离展开:

di2=∫0T∣r(t)∣2dt−2Re⁡{∫0Tr(t)si∗(t)dt}+Eid_i^2=\int_0^T |r(t)|^2dt-2\operatorname{Re}\left\{\int_0^T r(t)s_i^*(t)dt\right\}+E_i

其中 Ei=∫0T∣si(t)∣2dtE_i=\int_0^T|s_i(t)|^2dt。第一项对所有候选相同,因此实际只需比较相关项与信号能量。当所有候选信号等能量时,进一步简化为“选择与接收信号相关值最大的候选”。

等概发送时与 MAP 的关系

最大后验概率判决选择使 p(si∣r)p(s_i\mid r) 最大的信号。由贝叶斯公式,

p(si∣r)∝p(r∣si)P(si)p(s_i\mid r)\propto p(r\mid s_i)P(s_i)

若各信号等概发送,即 P(si)=1/MP(s_i)=1/M,先验概率对所有候选相同,因此 MAP 与 ML 给出相同判决。若发送概率不等,MAP 会把先验概率纳入比较,此时它通常比单纯 ML 更符合最小平均错误概率目标。

二进制判决的实际做法

对两个候选 s1(t)s_1(t) 和 s2(t)s_2(t),无需保留完整概率密度,只要比较两个判决度量。等能量时,可以计算接收信号分别与两个模板的相关值:

zi=∫0Tr(t)si∗(t)dtz_i=\int_0^T r(t)s_i^*(t)dt

比较 Re⁡{z1}\operatorname{Re}\{z_1\} 与 Re⁡{z2}\operatorname{Re}\{z_2\},较大者对应的候选就是最大似然判决结果;若信号均为实信号,则直接比较相关积分即可。工程实现中的相关器接收机、匹配滤波器接收机,本质上都是高效计算这类充分统计量,再进行门限或最大值比较。

最大似然判决的核心不是记住一条公式,而是抓住两次等价变换:已知噪声统计时“最大条件概率”可以转成“最小距离”,而等能量信号的“最小距离”又可以转成“最大相关”。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

最大似然判决

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通