05.06.2013 Views

ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ.pdf - Nemertes

ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ.pdf - Nemertes

ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ.pdf - Nemertes

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

ΕΚΤΙΜΗΣΗ ΣΥΧΝΟΤΗΤΑΣ ΑΠΛΩΝ ΗΜΙΤΟΝΟΕΙΔΩΝ<br />

ΣΗΜΑΤΩΝ ΥΠΟ ΤΗΝ ΠΑΡΟΥΣΙΑ ΘΟΡΥΒΟΥ<br />

ΚΕΦΑΛΑΙΟ<br />

2<br />

ΚΕΦΑΛΑΙΟ 2 Ο : MAP/ML ΕΚΤΙΜΗΤΕΣ ΣΥΧΝΟΤΗΤΑΣ<br />

ΑΠΛΟΥ ΗΜΙΤΟΝΟΕΙΔΟΥΣ ΣΗΜΑΤΟΣ ΥΠΟ ΤΗΝ ΠΑΡΟΥΣΙΑ ΘΟΡΥΒΟΥ<br />

MAP/ML ΕΚΤΙΜΗΤΕΣ ΣΥΧΝΟΤΗΤΑΣ<br />

ΑΠΛΟΥ ΗΜΙΤΟΝΟΕΙΔΟΥΣ ΣΗΜΑΤΟΣ<br />

ΥΠΟ ΤΗΝ ΠΑΡΟΥΣΙΑ ΘΟΡΥΒΟΥ<br />

2.1. ΔΙΑΤΥΠΩΣΗ ΤΟΥ ΜΟΝΤΕΛΟΥ ΣΗΜΑΤΟΣ<br />

2.2. MAP/ML ΕΚΤΙΜΗΤΕΣ<br />

2.3. ΑΛΓΟΡΙΘΜΟΣ ΑΠΟΔΙΑΜΟΡΦΩΣΗΣ ΦΑΣΗΣ<br />

2.4. ΑΝΑΛΥΣΗ ΤΩΝ ΕΠΙΔΟΣΕΩΝ ΚΑΙ ΚΑΤΩΤΑΤΑ ΌΡΙΑ<br />

- ΤΟ ΝΕΟ ΓΡΑΜΜΙΚΟ ΜΟΝΤΕΛΟ ΘΟΡΥΒΟΥ<br />

2.5. CRLB ΚΑΙ EΠΙΔΟΣΗ ΤΟΥ ML ΕΚΤΙΜΗΤΗ<br />

2.6. BCRLB ΚΑΙ ΕΠΙΔΟΣΗ ΤΟΥ MAP ΕΚΤΙΜΗΤΗ<br />

2.7. ΠΡΟΣΟΜΟΙΩΣΗ ΚΑΙ ΑΡΙΘΜΗΤΙΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ<br />

Η εκτίμηση της συχνότητας και της φάσης ενός ημιτονοειδούς<br />

σήματος υπό την παρουσία Γκαουσιανού θορύβου αποτελεί ένα<br />

σημαντικό πρόβλημα στις επικοινωνίες και στην επεξεργασία<br />

σημάτων. Έως τώρα η πιο γνωστή προσέγγιση είναι αυτή όπου η<br />

συχνότητα και η φάση είναι άγνωστες και μη-τυχαίες μεταβλητές<br />

και εφαρμόζεται η θεωρία της εκτίμησης Μέγιστης Πιθανοφάνειας<br />

(ML). Στο παρόν κεφάλαιο καθορίζεται με σαφήνεια η δομή του ML<br />

εκτιμητή για την επεξεργασία δεδομένων στο πεδίο του χρόνου<br />

θεωρώντας υψηλό το λόγο σήματος προς θόρυβο SNR. Για την<br />

διαδικασία ανάλυσης χρησιμοποιείται ένα νέο γραμμικό μοντέλο<br />

παρατήρησης. Το νέο αυτό μοντέλο εξηγεί γιατί η φάση είναι<br />

σταθμισμένη με το μέγεθος των δεδομένων στον ML εκτιμητή.<br />

Επιπλέον ενσωματώνοντας την a priori γνώση μέσω της a priori<br />

συνάρτησης πυκνότητας πιθανότητας (<strong>pdf</strong>) της άγνωστης<br />

συχνότητας και της φάσης, καθορίζεται η σαφής δομή του MAP<br />

εκτιμητή και το μέσο τετραγωνικό σφάλμα (mse) επιτυγχάνει το<br />

BCRLB (Bayessian Cramer Rao Lower Bound).

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!