41、高维检测相关问题研究

高维检测相关问题研究

1. 高维向量检测基础理论

在高维环境下，从带噪声的线性测量中可靠检测非负向量是一个重要问题。从相关命题和定理可知，在最小最大意义下，若(\sqrt{N/n}|x|\to\infty)，则可以从(N)个带噪声的线性测量中可靠检测出非负向量(x\in R^n)；若(\sqrt{N/n}|x|\to0)，则无法可靠检测。

例如，对于集合(X(\pm\mu,k))，它表示(R^n)中恰好有(k)个非零元素且都等于(\pm\mu)（(\mu>0)）的向量集合。基于(N)个形如（10.42）的测量（可能是自适应的），任何用于检验(H_0:x = 0)与(H_1:x\in X(\pm\mu,k))的测试，其风险至少为(1 - \sqrt{Nk/(8n)}\mu)。特别地，当(N/n\parallel x\parallel^2=(N/n)k\mu^2\to0)时，针对备择假设(H_1:x\in X(\pm\mu,k))的风险在所有程序中一致趋近于(1)。

2. 高维匹配子空间检测

• 问题提出 ：经典的检测问题是一个二元假设检验，形式为(H_0:y = z)，(H_1:y = x + z)，其中(x\in R^n)表示信号，(z\in R^n)是已知分布的噪声。给定一个子空间(S\in R^n)，任务是根据测量值(y)判断(x)是否属于(S)。通常基于(y)在子空间(S)中的能量进行测试，这些“匹配子空间检测器”具有最优性质。
• 部分测量情况 ：在高维应用中，完全测量(x)可能是不现实的，因此假设只观察到(x)的一小部分元素（子集(\O