Пред.
След.
Макеты страниц
Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO
4.2.3. Нелинейные оценкиСистема, изображенная на рис. 4.7, иллюстрирует типичную задачу нелинейной оценки. Принятый сигнал можно записать в виде
Из результатов классической теории известно, что в общем случае достаточной статистики не существует. Как и ранее, можно построить функцию правдоподобия. Метод решения данной задачи заключается в использовании аппроксимации
где
Если теперь положить
прежде чем положить
Подставляя в эту формулу предыдущие два выражения, приводя подобные члены, устремляя
Для отыскания Прежде чем сделать это, выведем выражение для общего случая, которое потребуется нам в последующем. Заметим, что если максимум является внутренним, а функция
(в предположении, что функция
В линейном случае (103) сводится к (95) и дает единственное решение. В нелинейном случае может существовать ряд решений и, чтобы гарантировать абсолютный максимум, необходимо исследовать сумму (101) и
где предполагается, что соответствующие производные существуют. Заметим, что в первом члене
Во втором члене случайных величин нет. Поэтому математическое ожидание равно самому интегралу. Подставляя в (2.179), получим
для любой несмещенной оценки а. Знак равенства в (106) справедлив тогда и только тогда, когда
для всех Аналогично для случайных величин
где
имеем
Знак равенства в (110) имеет место тогда и только тогда, когда (см. 2.226)
Как и в гл. 2 (стр. 84), для выполнения равенства (111) необходимо и достаточно, чтобы В чем ценность этой границы, если она удовлетворяется только для линейных методов модуляции? Как и в классическом случае, она имеет два главных назначения. 1. Она всегда обеспечивает нижнюю границу. 2. Во многих случаях фактическая дисперсия (или средний квадрат ошибки) в случае нелинейных методов модуляции при определенных условиях будет приближаться к этой границе. Эти случаи аналогичны асимптотически эффективным оценкам в классической задаче. Впоследствии мы убедимся, что они соответствуют большим значениям Для иллюстрации некоторых понятий в нелинейном случае рассмотрим два простых примера.
Рис. 4.29. а — форма импульса; б - допустимые пределы изменения параметра. Пример 1. Пусть
В данном частном случае второй член не зависит от А, так как весь импульс всегда размещается внутри заданного интервала. Первый член соответствует операции свертки. Выход линейного фильтра с импульсной характеристикой
Очевидно, что если положить
то выходная величина как функция времени в области значение выходной величины фильтра как функции времени. Момент времени, когда имеет место максимальное значение, и есть атар. Рассматриваемый фильтр есть согласованный фильтр, с которым мы уже встречались в задаче обнаружения. На рис. 4.30 представлена структура приемника. Выход, соответствующий сигнальной компоненте, развернут вдоль линии
Рис. 4.30. Выходные величины приемника (оценивание времени поступления сигнала): а - сигнальная компонента; б - низкий уровень шумов; в - средний уровень шумов; Наконец, на рисунке 1. При каких условиях нижняя граница, определяемая выражением (110), позволяет точно рассчитать ошибку? 2. Как можно рассчитать достоверность обнаружения в тех случаях, когда нельзя использовать Прежде чем ответить на эти вопросы, рассмотрим второй пример с тем, чтобы проверить, не возникнут ли аналогичные вопросы. Пример 2. Другим распространенным примером нелинейного метода модуляции может служить дискретная частотная модуляция, называемая также частотной манипуляцией (ЧМ). Через каждые
Здесь Для отыскания
[Второй член (101) и априорная плотность вероятности — постоянные величины и их можно не учитывать]. Одним из возможных способов построения
Рис. 4.31. Структура приемника (оценивание частоты сигнала). Но этот способ, очевидно, связан с большими затратами времени. Другой способ заключаемся в разбиении области изменения на приращения с шагом
Здесь Для получения окончательной оценки проведем локальную максимизацию (максимум находится внутри интервала), используя условие
Один из возможных способов такой максимизации иллюстрируется блок-схемой рис. 4 32.
Рис. 4.32. Устройство локальной оценки. Мы ожидаем, что если при предварительной обработке интервал выбран правильно, то окончательная точность будет аппроксимироваться граничным выражением (108). Эту границу можно оценить довольно легко. Частная производная сигнала равна
и
где
Далее нормированный средний квадрат ошибки любой оценки ограничен величиной
Видно, что независимо от того, насколько мало Сделав ряд упрощающих допущений, можно получить приближенное выражение для указанной вероятности. Обозначим истинное значение А через А а (этот подстрочный индекс необходим потому, что А — аргумент функции правдоподобия). График величины
для сигнала (115) в виде функции Для вычисления вероятности выбора неправильного интервала используем аппроксимацию, позволяющую заменить все А в первом интервале на Обозначим вероятность выбора неправильного интервала через
Рис. 4.33. Зависимость компоненты сигнала от Такая задача уже была решена [см. (64)]. Так как нас интересует случай большого
По мере увеличения Для фиксированных Выражение (123) предполагает следующую процедуру расчета. Считаем, что приемлема некоторая вероятность ошибки
Функция, обратная зависимости нормированного среднего квадрата ошибки от вскоре станут очевидными, ограничение, налагаемое выражением (123), называется пороговым ограничением. Результат (123) указывает на одно последствие увеличения
При больших
Во многих представляющих интерес системах мы располагаем вполне определенной полосой пропускания. (Указанное ограничение полосы может вызываться либо административной регламентацией, либо физической природой рассматриваемого канала.)
Рис. 4.34. Величина, обратная среднему квадрату ошибки при ограничениях по порогу и ширине полосы. Если считать
Видно, что величинами, определяющими средний квадрат ошибки, являются: Такой подход, когда два вида ошибок рассматриваются отдельно, является полезным и способствует более ясному пониманию проблемы. Для сравнения результатов, полученных для различных систем, часто бывает удобно выражать их в виде одного числа — полного среднего квадрата ошибки. Для среднего квадрата ошибки можно написать
Приближенное выражение для Таким образом, если делается ошибка в определении интервала, то она с равной вероятностью происходит в каком угодно ошибочном интервале. Следовательно, результирующая оценка а будет некоррелированной с а.
Сделанное выше приближение приводит к тому, что последний член в (128) оказывается равным нулю. Каждый из первых двух членов равен
Рис. 4.35. Величина, обратная среднему квадрату ошибки. Если предположить, что
В этом случае по мере изменения
Результат (131) показан графически на рис. 4.35. Видно, что в поведении среднего квадрата ошибки четко проявляется явление порога. Величина, обратная нормированному среднему квадрату ошибки для системы рис. 4.35 (на основе (96)). Величину выигрыша можно получить путем деления (121) на (96)
Таким образом, выигрыш при использовании системы ЧИМ по сравнению с системой АИМ пропорционален квадрату Наш подход в данном конкретном примере вполне достоверен. Мы видим, однако, что он основывается на двухэтапной процедуре оценки. При дискретной частотной модуляции выбор этой процедуры был вполне естественным, поскольку она была целесообразной и с точки зрения практической реализации системы. В первом примере в подобной двухэтапной процедуре оценки необходимости не было. Тем не менее, чтобы получить параллельный ряд результатов для примера 1, можно привести аналогичный двухэтапный анализ и прийти к сходным выражениям. Экспериментальные исследования систем обоих типов свидетельствуют о том, что аналитические результаты точно характеризуют помехоустойчивость систем. Вместе с тем было бы желательно пронести болсс строгий анализ. В примере 2 мы кратко обсудим другой подход, когда непосредственно ограничен средний квадрат ошибки. Из (115) видно, что
Из этого следует, что обобщение границы Баттачария, развитое нами в § 2.9, позволяет получить сколь угодно точные оценки ошибок. По своей идее это обобщение получается довольно просто (Ван-Трис [24]). При 3 необходимое обращение матрицы оказывается весьма громоздким и проще провести решение численным методом. Подробные вычисления приведены в [29]. В этом частном случае ряд сходится недостаточно быстро, чтобы можно было получить хорошее приближение к действительной ошибке в области больших уровней помех. Необходимо сделать одно последнее замечание. Существует несколько представляющих интерес случаев, когда сигнал не является дифференцируемым по параметру. Простым примером сигнала такого типа может служить ситуация, когда в радиолокационной системе излучаемый сигнал приближенно заменяется прямоугольным импульсом и требуется оценить время появления отраженного импульса. При малом уровне шумов формулы для данных случаем можно вывести довольно легко (см. например, [25], [13], [26], [27]). Для произвольного уровня шума можно использовать метод, примененный в примере 2, или граничное выражение Баранкина (см., например, [28]), которые не требуют дифференцируемости.
|
1 |
Оглавление
|