1.4.2　感知信息论的原创方法

M1：抽样后验估计

常见的最大似然估计和最大后验概率估计是确定性估计，对给定接收信号的估计值是唯一确定的。由于抽样后验估计(SAP)[42，54]是一种随机估计，是通过对后验概率分布p(x|y)的抽样进行的估计，因此对给定接收信号的估计值是不确定的。我们提出了抽样后验估计的目的是证明感知定理，因为其性能取决于后验概率分布。这种思想与香农编码定理采用的随机编码方法一脉相承。抽样后验估计方法具有重要的实际应用价值，避免了确定性估计方法遇到的谱峰搜索问题，在多维参数估计应用场景下具有低复杂度的优势。

M2：最小散度估计

我们在本书中首次提出了最小散度估计。最大后验估计(MAP)根据后验概率分布的峰值确定目标的位置，没有充分利用测距分布的形态信息。通过构造测距分布，最小散度估计根据匹配滤波器和测距分布之间散度(相对熵)的最小值确定目标位置。研究表明，最小散度估计的性能优于MAP。最小散度估计可能是第一个在性能上优于MAP的方法。从而在事实上证明，MAP方法不是最优的。

M3：多目标匹配滤波

我们提出了多目标匹配滤波方法[42，44]，介绍了现有的匹配滤波器是多目标匹配滤波在单目标条件下的特例。理论分析和仿真结果表明，多目标匹配滤波具有超过瑞利分辨率的超分辨能力。

M4：抽样后验检测

常见的目标检测方法采用的是NP准则，对给定接收信号的检测结果是唯一确定的。抽样后验检测[42，54]是一种随机检测，对给定接收信号的检测结果是不确定的。我们给出了抽样后验检测的目的是证明目标检测定理，因为其性能取决于后验概率分布。