我正在开发一个匹配过滤器似乎是正确概念的应用程序。在我推导的匹配滤波器(这里)中,他们将 SNR 定义为信号功率与噪声功率的比值,作为推导匹配滤波器表达式的基础。我认为对于我的应用程序,“幅度”SNR 将是一个更好的优化目标。但是,看起来我遇到了一个数学死胡同,而使用功率 SNR 可以避免这种死胡同。以下是我的工作,大致遵循维基的派生:
是否有我遗漏的操作可以让我克服这个障碍,或者有人知道这个结果是否已经解决?我在任何地方都没有找到它。
我正在开发一个匹配过滤器似乎是正确概念的应用程序。在我推导的匹配滤波器(这里)中,他们将 SNR 定义为信号功率与噪声功率的比值,作为推导匹配滤波器表达式的基础。我认为对于我的应用程序,“幅度”SNR 将是一个更好的优化目标。但是,看起来我遇到了一个数学死胡同,而使用功率 SNR 可以避免这种死胡同。以下是我的工作,大致遵循维基的派生:
是否有我遗漏的操作可以让我克服这个障碍,或者有人知道这个结果是否已经解决?我在任何地方都没有找到它。
功率与幅度的平方成正比,因此在最大化时实际上没有区别(因为 SNR 始终为正数):最大化“幅度 SNR”的滤波器会最大化“功率 SNR”。
因此,如果您的应用程序要求您最大化信号和噪声之间的幅度比(请注意,幅度可以是负数或复数,具体取决于您如何定义它们!),那么这与要求您最大化功率比相同。
IE
因为二次形式 (它是的幂)永远不会是负数,这使得你的平方根既明确地可逆又单调。
您可以使用柯西不等式作为期望值,您需要知道 . 这将为您提供可在表达式中使用的最小幅度比。在任何情况下,当您采用此路线时,您都需要应用最小/最大值,或者换句话说,限制在比率上。原因是您现在正试图优化噪声统计测量的烘箱非线性函数。