1、PCC及SPCC的定义
最近推导了维纳滤波的公式,其中最重要的是当然是最小平方误差准则(MSE)。但是在很多实际应用中,参考信号是不可知的,因此MSE准则不具有实际意义。为了解决这个问题,我们需要寻找另一个准则替代MSE成为新的代价函数。这就是皮尔逊相关系数(Pearson Correlation Coefficient, PCC)的来历。通过研究发现,相较于MSE,PCC具有许多吸引人的优秀性质,尤其在输出信噪比分析方面。因此经典最优或次优滤波器的设计通常都是以后者为指导的。
设 x 和 y 是两个均值为 0 的实随机变量,PCC的原始定义是:
其中, E[xy] 表示 x 和 y 的互相关系数; σx=E[x2] 和 σy=E[y2] 分别为信号 x 和 y 的方差。
不过为了分析方便,通常使用的是平方Pearson相关系数(SPCC),其定义式如下:
2.1 四个SPCC系数的定义
推导之前需要注意几个关键的代换关系,有了这几个代换关系公式的推导就不是什么难事。但是几乎所有的书上都认为这些关系是不言而喻的。有时候多提点一笔就可以节省很多时间,所以在此点破。
x=hT1x , hTx=xTh 。
类似的,
ν=hT1ν , hTν=νTh 。
其中, hT1=[10...0] ,长度还是 L .
有了这个关系,公式推导起来就很方便了。这也正是这篇博文的意义所在。
首先是信源信号 x(k) 与 y(k) 之间的SPCC。根据定义是可以写成:
ρ2(x,y)=E2[xy]E[x2]E[y2]=SNR1+SNR
推导:
E[xy]=E[x(x+v)]=E[x2+xv]=E[x2]+E[xv]=E[x2]=σ2x
E[y2]=E[(x+v)2]==E[x2]+E[v2]=σ2x+σ2v
定义: SNR=E[x2]E[v2]=σ2xσ2v
上式容易得出。
其次是信源信号 x(k) 与 z(k) 之间的SPCC。根据定义是可以写成:
所以上式可以写成:
由于公式编辑实在是太过于耗费时间和精力,我直接改成贴图了,希望大家理解。
类似的,可以得到相似的性质。