- •Глава 3. Алгоритмы систем обнаружения и распознавания сигналов в условиях априорной неопределенности
- •3.1. Возможные методы решения задач обнаружения и распознавания сигналов в ближней локации
- •3.2. Алгоритмы работы квазиоптимальных многоканальных систем обнаружения и распознавания сигналов
- •Тогда формулу (3.11) с учетом выражений (3.9)–(3.15) можно представить в виде
- •Среднеквадратическое отклонение оценки
- •3.3. Алгоритмы работы квазиоптимальных систем обнаружения и распознавания случайных процессов.
- •По аналогии с выражением (3.17) из формулы (3.36) следует
- •Области принятия решений оптимальных и рациональных систем
- •3.4. Регрессионные алгоритмы работы систем обнаружения и распознавания случайных сигналов Регрессионные алгоритмы работы при учете парной корреляции случайных сигналов
- •Если отношение остаточной дисперсии к дисперсии оценок случайных параметров
- •Алгоритмом работы (3.63)
- •3.6. Регрессионные алгоритмы работы многоканальных систем обнаружения и распознавания случайных сигналов
- •С алгоритмом (3.81)
Области принятия решений оптимальных и рациональных систем
Для обоснования рациональных способов построения систем принятия решений в ближней локации, использующих априорную информацию о взаимной корреляции параметров сигналов, рассмотрим двухканальную систему обнаружения. Тогда при n=2 квадратичные формы алгоритмов (3.23) и (3.42) будут иметь вид
,
(3.47)
где
–
матрица, обратная матрице, ковариационных
моментов
.
Выражение (3.47) преобразуем к следующему виду:
.
(3.48)
При n=2
;
,
где
и
–
среднеквадратические отклонения оценок
случайных параметров
и
соответственно; r
– нормированный
коэффициент взаимной корреляции
оценок параметров
и
.
Линейная
регрессия
случайной величины
на остальные (n–1)
величины есть функция вида
,
(3.49)
где коэффициенты регрессии
.
(3.50)
Учитывая,
что в матрице
,
имеем
.
На
основании равенства (3.50) в выражении
(3.48) множитель при
в квадратной скобке
есть коэффициент регрессии оценки
случайного параметра
на оценку
.
При n=2
,
а
множитель при
.
При больших значениях коэффициента взаимной корреляции оценок случайных параметров и , например r>0,9, и отклонении оценок и от линии регрессии первым членом в фигурной скобке выражения (3.48) можно пренебречь по сравнению с членом, стоящим в квадратной скобке, как величиной второго порядка малости
Действительно, при r>0,9
.
Тогда при принятом допущении (r>0,9) вычисление квадратичной формы (3.47) сводится к вычислению полинома вида
(3.51)
или
,
(3.52)
где
,
.
Вторые члены, стоящие в квадратных скобках правых частей выражений (3.51) и (3.52), на основании равенства (3.49) есть линейные регрессии одного случайного параметра на другой.
Таким образом, корреляционная оценка случайных параметров сводится к вычислению квадрата отклонения истинного значения оценки одного случайного параметра сигнала от ее регрессионного представления через оценку другой.
В системах ближней локации для случайных сигналов, имеющих одинаковую физическую природу, при усреднении по условиям встречи вблизи выбранной точки в большинстве случаев оказывается
,
(3.53)
поскольку параметры обоих сигналов чаще всего есть функции одного и того же вида от случайных параметров условий встреч и параметров приёмопередающего тракта.
Тогда в равенствах (3.51) и (3.52) на основании равенства (3.53) при коэффициенте корреляции r>0,9
,
.
При принятых допущениях с учетом специфики систем ближней локации корреляционная оценка случайных параметров сигналов при n=2 сводится к вычислению полиномов вида
,
.
(3.54)
и
,
есть остаточные дисперсии линейного регрессионного предсказания.
На основании выражения (3.23) при принятых допущениях алгоритм работы двухканальной системы с квазидетерминированными сигналами, вычисляющей коэффициент правдоподобия, может быть представлен в виде:
при корреляционной оценке по равенствам (3.54)
,
(3.55)
при корреляционной оценке то выражению (3.51)
.
(3.56)
Как
видно из неравенства (3.55), принятие
решения о присутствии на входе системы
реализации сигнала при принятых
допущениях с учетом специфики систем
ближней локации сводится к оценке
энергии сигналов на фоне шума со
спектральными плотностями
и
путем вычисления первых двух членов
неравенства (3.55) и к оценке регрессионных
соотношений случайных амплитуд
сигналов путем вычисления третьего
члена неравенства (3.55), который на
основании выражений (3.49) и (3.54) представляет
собой отношение квадрата ошибки
регрессионного представления оценки
одного случайного параметра через
оценку другого к остаточной дисперсии.
При
коэффициенте взаимной корреляции r>0,9
для уменьшения отличий в областях
принятия решений оптимальных регрессионных
систем для исключения операций
центрирования оценок при неизвестных
математических ожиданиях
и
в системах ближней локации вместо
коэффициента регрессии
,
который будем называть коэффициентом
центральной регрессии, целесообразно
использовать коэффициент начальной
регрессии
.
Как
видно из неравенства (3.55), граница области
принятия решения системы обнаружения
на плоскости
определяется кривой второго порядка.
Общее уравнение второй степени относительно и имеет вид
,
где
(где
).
Инвариантами относительного переноса и поворота осей, определяющими свойства кривой второго порядка на плоскости, являются три величины:
.
Для
исследования области принятия решения
без ущерба для общности рассуждений
масштабы единичных сигналов по формуле
(3.8) можно выбирать так, чтобы
по каналам были одинаковыми, при этом
соответственно изменятся и масштабы
случайных параметров
и
,
а также параметры распределения
вероятностей.
Тогда неравенство (3.55) можно представить в виде
.
(3.57)
Граница области принятия решения, определяемая алгоритмом (3.57), характеризуется инвариантами:
;
.
(3.58)
В
выражениях (3.57) и (3.58)
–
дисперсия оценок случайных амплитуд
сигналов
и
;
–
остаточная дисперсия оценки случайного
параметра
при регрессионном представлении
через
;
–
коэффициент начальной регрессии.
