Вход

Устройство обнаружения сигналов в условиях априорной неопределённости

Реферат* по технологиям
Дата добавления: 03 февраля 2010
Язык реферата: Русский
Word, rtf, 768 кб
Реферат можно скачать бесплатно
Скачать
Данная работа не подходит - план Б:
Создаете заказ
Выбираете исполнителя
Готовый результат
Исполнители предлагают свои условия
Автор работает
Заказать
Не подходит данная работа?
Вы можете заказать написание любой учебной работы на любую тему.
Заказать новую работу
* Данная работа не является научным трудом, не является выпускной квалификационной работой и представляет собой результат обработки, структурирования и форматирования собранной информации, предназначенной для использования в качестве источника материала при самостоятельной подготовки учебных работ.
Очень похожие работы

1. Устройство обнаружения сигналов в условиях априорной не опред е лённости. 1.1. Проблема обнаружения сигнал ов в условиях априорной неопределённ о сти. Основные понятия и определения. Обработка сигналов в информационной системе реализуется с помощ ью с о вокупности математических оп ераций (алгоритмов), которые необходимо выпо л нить для получения того или иного результата. Типичными зад ачами, возлагаем ы ми на систему обр аботки радиотехнической информации, являются: - обн аружение сигналов с заданными допустимыми вероятностями ошибочных реш ений, обусловленных помехами; - измерение (оценка) параметров си гналов с заданными допустимыми погрешн о стями; - разрешение сигналов, т.е. обнаруж ение (с заданными вероятностями ошибок) одного сигнала и оценку (с заданн ыми погрешностями) его параметров, при наличии других сигналов; - распознавание сигналов, т.е. отне сение их, с заданными вероятностями ошибок, к тому или иному классу. Перечисленные операции в той или иной ф орме присущи многим информ а ционны м системам, поэтому методы, рассматриваемые в нашем курсе, могут иметь ши рокое применение. Однако для конкретности и наглядности мы будем рассма т ривать радиолокационную систему, на которую возложен контроль ситуации в н е которой области пространства. (Другим возможным примером може т служить а п паратура потребителя спутниковой радионавигационной системы). В современной теории обзорная радиолокационная систем а рассматривается как система массового обслуживания, на вход которой в оздействует случайный п о ток целей , а также помех искусственного и естественного происхождения, стат и стические характеристики которых мо гут быть априори неизвестны и изменят ь ся в ходе наблюдения . Отсу тствие полной информации о свойствах полезных си г налов и помех является существенной особенностью рассм атриваемых систем, что дает основ ание для выделения задач обработки сигналов в условиях априорной неопр еделенности в самостоятельный раздел курса. Будем в дальнейшем полагать, что информация, подлежащая о б работке, представляет соб ой выборку из сигнала на выходе пр иемника, который может быть представлен в виде , где - соста в ляющая, обусловленная воздействием поме х, характеризуемых вектором параме т ров , часть которых может быть неизвест на; – дискретный параметр, ассоци и руемый с наличием ( ) или отсутствием ( ) сигнала; - известная функция времени, предста вляющая ожидаемый (отраженный) сигнал и зависящая от вектора неизвестных параметров, которые могут быть детерминиз ированн ы ми или случайными и рассм атриваться как измеряемые или мешающие. Под изм е ряемым мы будем понимать параметр, значение которого пр едставляет для набл ю дателя самост оятельный интерес. Мешающий параметр такого интереса не пре д ставляет. Примером измеряемого (информативного) параметра может служить з а держка радиолокационного сигнала, несущая информацию о дальности до цели, прим ером неинформативного (мешающего) – начальная фаза сигнала. Отметим, чт о в зависимости от постановки задачи один и тот же параметр сигнала м о жет рассматриваться и как измеряемый и как мешающий. Примером может служить доплеровский сдвиг частоты отраж енного сигнала, который является информативным, если ставится задача оц енки радиальной скорости цели, и м е шающим, если такая оценка не требуется. В общем случае оптимальный алгоритм обр аботки информации состоит в фильтрации вектора , т.е. в получении массива текущих зна чений апостерио р ной вероятности ( А.В. ) , соответствующих всем возможным сочетаниям параме т ров целей. Тако й алгоритм является наилучшим в том смысле, что сохраняет всю информацию , содержащуюся в наблюдаемом сигнале. Однако на практике такой алгоритм реализовать не удается, по крайней мере, на современном уровне вычи с лительной технике, хотя работы в этом направлении ведутся. Широко применяемое в настоящее время упрощение оптимал ьного алгори т ма состоит в его разб иении на ряд этапов, причем для обработки на каждый посл е дующий этап передается только часть информ ации, относящаяся к тем областям пространства параметров, которым соотв етствуют максимумы (“пики”) АВ . Оч е видно, что такая селекция, с одной с тороны, устраняет значительную часть изб ы точной информации, с другой – может привести к утере части пол езной информ а ции, что необходимо у читывать при разбиении процесса обработки на этапы. Общепринятым в настоящее время является деление процесса обработки ра диолокационной информации на три этапа: - первичную обработку, которая вк лючает в себя обнаружение целей на фоне помех, измерение их координат, ра зрешение целей, а также кодирование пол у ченных данных и их преобразование в стандартные сообщения для пер едачи на последующие этапы обработки; - вторичную обработку, включающую в себя обнаружение траекторий целей по совокупности единичных замеров, а также идентификацию вновь появи в шихся целей, обнаружение маневров целей, сглаживание и экстраполя цию тр а екторий; - третичную обработку, т.е. объедин ение информации, полученной от разных источников, например РЛС, образующ их радиолокационное поле. Очевидно, что наибольший объем информации и скорость ее поступления характерны для э тапа обнаружения сигнала. Необходимость обеспечения большого быстроде йствия требует создания специальных устройств обработки информации, к оторые и являются предметом данного курса. Прежде чем перейти к его изложению, введем и обсудим ряд необходимых пон ятий и определений. Каждая выборка , т.е. совокупность случайных чисел пр едста в ляет точку в к – мерном прос транстве. Совокупность всех возможных комбинаций результатов наблюден ий образуют некоторую область – мерного пространства, называемую пространством выборок . Поскольку шу м (а, возможно, и часть пар а метров си гнала) являются случайными, задача обнаружения носит вероятностный хар актер и трактуется как проверка статистических гипот ез : гипотеза пре д полагает отсутствие сигнала ( ), альтернативная гипотеза - его наличие ( ). Статистические свойства выборок п олностью описываются совместными условными распределениями . Мы будем рассматривать непреры вные распределения, для которых существует производная – плотность вероятности .Функции ; являются количественной мерой веро ятности (правдоподобия) появления значений при справедлив о сти каждой из гипотез, поэтому их называют функциями п равдоподобия. Гипотезы ; называются прост ыми , если соответствующие им функции правдопод о бия полностью известны, т.е. не содержат н еизвестных параметров, в противном случае гипотезы являются сложными . Изложенная трактовка задачи различен ия статистических гипотез в усл о виях априорной неопределенности называется параметрической , поскольку она предполагает, что функциональный вид распределений , задан. Г и потезы и в такой постановке формулируются относительно параметров функций правдоподобия; априорная неопределенность (при сложных гипотезах) такж е сводится к отсутствию информации о тех или иных параметрах этих функци й. Возложен иной подход, когда функции правдоподобия считаются не и з вестными, определены только их нек оторые свойства, например, непрерывность, унимодальность и т.п. Методы об наружения сигналов при такой непараметрич е ской постановке рассматриваются в других курсах. Основной задачей теории обнаружения является отыскан ие решающего правила , устанавливающего соответств ие между возможными р е зультатами наблюдений и возможными решениями . Иными словами, решающее правило представляет собой дискретный функ ционал наблюдаемой выборки , принимающий значения . В простейшем случае задача состоит в том, чт о бы на основе выборки принять решение о наличие или отсут ствии полезного сигнала . При этом возможны два решения: и . Это означает, что все пространство в ыборок разделено на две непересекающиеся области и ; правило принятия решения устанавл ивает соответствие между попаданием выборки в одну из этих областей и пр инятием р е шения в пользу одной из г ипотез. Следует подчеркнуть, что правило принятия р е шения (разбиение выборочного пространства на области и ) устанавливае т ся до начала наблюдения. Вышеизложенный подход, предполагает только вынесение р ешения в пользу одной из гипотез и не предусматривает никаких либо решен ий в отношении самой процедуры наблюдения. Наряду с ним известен класс р ешающих правил, называ е мых последовательными , для которых множеств о решений кроме и соде р жит еще один компонент: решение о продолжении наблюдения. Этому реш е нию сопоставляется область выбор очного пространства , попадание в которую выборки не позволяет с требуемой надежност ью принять или отклонить любую из гипотез или (“область неопределенности”). Таким образом, в послед о вательных решаю щих правилах реализуется обратная связь между результатами наблюдения и его дальнейшим ходом. Последоват ельные правила обладают рядом преимуществ, поэтому в дальнейшем им буде т уделено значительное внимание. Рассмотренные решающие правила относятся к классу детерминированных (нерандомизиров анных), поскольку они устанавливают однозначную связь между попаданием выборки в область или и принятием соответствующего реш ения или . В принципе возможен другой подход , когда принятие того или иного решения связывается не только с попадани ем выборки в соответствующую область, но и с результатом некоторого случайного дополни тельного экспер и мента, не связанного с резуль татами наблюдения . Такой подход иногда упрощает анализ и синтез решающих правил, од нако на практике он не применяется, п о скольку доказана теорема, что любому рандомизированному решающе му правилу может быть сопоставлено нерандомизированное правило, по мен ьшей мере не уступающее ему в эффективности. Следует обратить внимание, что хотя при последовательном анализе решение о продолжении или заверш ении наблюдения зависит от случайного результата наблюдения, последовательные правила не я в ляются рандомизированными т.к. последние, как уже указывалось, предполагают проведение дополнительного эксперим ента, не связанн ого с результатами набл ю дения. 1.2. Критерии опт имальности решающих правил. Проектирован ие устройств обработки обычно начинается с поиска опт и мального алгоритма , который обеспечивает наилучшие показатели качества, с точки зре ния некоторого задаваемого разработчиком системы кр итерия , учитыв а ющ его (с тем или иным весом) затраты на получение информации, ее достове р ность, объем и другие факторы. Однако о птимальный алгоритм может быть найден не всегда, кроме того, его реализа ция может оказаться неприемлемо сложной. В т а ких случаях ставится задача поиска квази оптимального алгоритма и оценки его качества. Выбор критерия оптимальности при анализе и синтезе устройств обработк и информации, вообще говоря, зависит от точки зрения разработчика на наз начение системы и особенности, возложенных на нее задач и не может быть с трого регл а ментирован. Тем не мене е, существуют общепринятые критерии, которые правил ь но отражают существенные стороны функциони рования систем, допускают одн о зна чную математическую формулировку, и в то же время достаточно наглядны и соответствуют здравому смыслу. Применительно к проблеме фильтрации сигнала на фоне шумов в качестве кр итерия оптимальности часто принимают максимум отношения сигнал / помеха на выходе соответствующего устройства. Этот критерий может счит аться адекватным для устройств детектирования, дискретизации и накопл ения сигнала. Однако с то ч ки зрения задач, решаемых на основании выходных данных этих устройств – обн а ружения сигнала и оценки их параметро в – критерий максимума отношения си г нал / шум является слишком “г рубым” т.к. не учитывает ряд существенных особе н ностей этих задач. 1.3. Байесовский критерий оптимальности. Среди использ уемых в современной теории обнаружения наиболее общим является критер ий минимума среднего (байесовского) риска, в основу которого п о ложены следующие рассуждения. Вследствие случайного характера помех, а также возможных флуктуаций па раметров сигналов, вынесение абсолютно достоверного решения при конеч ном времени наблюдения невозможно, т.е. решения и могут быть как правил ь ными, так и ошибочными. Возможны следующие ко мбинации фактических ситу а ций и п ринимаемых решений: - ; - правильное обнаружение; ; – пропуск сигнала; - ; – правильное не обнаружение; ; - ложная тревога. Перечисленные ситуации обр азуют полную группу событий, сумма вероятностей которых =1: . Сопоставим каждому ошибо чному решению некоторую стоимость (риск) , стоимостью правильных решений при мем равной нулю. Средний (байесовский) риск при этом равен: . Оптимальным считается решающее правило, обеспечивающее минимум с реднего риска (байесовский критерий оптимальности). Правило, обладающее таким сво й ством, называют байесовским . Подчеркнем, что для расчета величины байесовского риска необходи ма по л ная априорная информация о совместных вероятностях и стоимостях ошибочных решений. Обо снованный выбор указанных величин, особенно в зад а чах с априорной неопределенностью, по меньшей мере, затр уднителен. Поэтому характеристики байесовского решающего правила в те ории обнаружения обычно рассматриваются как потенциальные при сравнен ии квазиоптимальных алгори т мов. Д алее рассматриваются более удобные с точки зрения практического прим е нения критерии, не требующие стол ь исчерпывающей информации.

© Рефератбанк, 2002 - 2024