- •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)
С алгоритмом (3.81)
Область
принятия решения, задаваемая неравенством
(3.81), приведена на рис.3.9. Линия регрессии
задается пересечением плоскостей
с уравнениями:
;
;
.
След
плоскости
на плоскости
при
определяется уравнением
.
Следы
плоскости
на плоскости
при
и плоскости
на плоскости
при
задаются уравнениями:
;
.
При n=2 на основании выражения (3.71)
.
(3.82)
Однако
при n=2,
коэффициенте взаимной корреляции
случайных параметров
и
r>0,9
и допущении (3.53) вместо корреляционных
оценок (3.82) в регрессионных алгоритмах
возможно использовать корреляционные
оценки (3.54).
Контрольные вопросы и задания
Дайте определения структурного и неструктурного синтеза. Приведите примеры.
Перечислите недостатки корреляционных алгоритмов обнаружения и распознавания случайных процессов в ближней локации.
Отметьте особенности вычисления коэффициентов правдоподобия для нецентрированных сигналов и сигналов со случайными параметрами.
Перечислите допущения, при которых в квазиоптимальных алгоритмах обнаружения и распознавания АИС БЛ вычисление квадратичных форм может быть сведено к вычислению модулей ошибок множественных начальных регрессионных оценок.
Каким образом в регрессионных алгоритмах принятия решений АИС БЛ используется априорная информация о характеристиках сигналов и помех.
Укажите возможные методы адаптации регрессионных алгоритмов и перестройки области принятия решений по информации об условиях применения.
Рассчитайте основные параметры регрессионных алгоритмов (3.73) и (3.74)
,
,
,
,
,
,
для случаев обнаружения и распознавания
сигнала от помехи, заданных двумя
отсчетами, на фоне полосового белого
шума для следующих статистических
характеристик:
=5В,
=2В
=1В,
=0,1В,
=0,8,
=1В,
=3В,
=0,1,
=
0,3,
=0,5,
=103Гц,
=10-4
В2/Гц.
