最大似然译码
发布时间:2018-06-30 21:12:48
发布时间:2018-06-30 21:12:48
最大似然译码
假设:输入序列为X,输出序列为Y
(1)最大后验概率准则(MAP):根据接收到的Y的信息,计算所有的P{x|Y},若其中最大的值为P{xm|Y},则判断发端发的是xm。
(2)最大似然准则(ML):若P{Y|xm }是所有P{Y|x }中最大的一个,则判断发端发的是xm
(3)根据贝叶斯(Bayes)公式,后验概率与最大似然的关系为P{X|Y}= P{Y|X} P{X } /P{ Y}
所以:在先验等概(P{X}相等)的条件下,最大后验概率等价于最大似然!
如果,则判为s1.
如果,判为s2,
如果P(s1)=P(s2),则判为s1;反之判为s2;
这个判决规则意味着,哪个大就判为哪个,该准则常称为最大似然准则。显然,最大似然准则是似然比准则的一种特例。
以上讨论的准则可以推广到多进制的情形中去。假定可能发送的信号有个,则最大似然准则可表示为,判为;i,j=1,2,3…m,i≠j;此刻已假定先验等概,即P(s1)=P(s2)=P(s3)=…=P()=。
有了判决规则以后,数字信号的最佳接收在理论上就变为收到一个值后,分别计算似然函数值,然后对它们进行比较,谁大就判为谁。
贝叶斯定理公式:P(A|B)=P(B|A)*P(A)/P(B)
贝叶斯定理的推广
对于变量有二个以上的情况,贝式定理亦成立。例如:
P(A|B,C)=P(B|A)*P(A)*P(C|A,B)/(P(B)*P(C|B))