§ 30. АПРИОРНЫЕ ВЕРОЯТНОСТИ. РЕШАЮЩИЕ СХЕМЫ

В статистической теории оптимальных приемников, основные понятия которой были рассмотрены в предыдущих параграфах, вопрос об априорных вероятностях полезного сигнала связан с определенными трудностями. Действительно, априорные вероятности нужны для вычисления апостериорных вероятностей, т. е. они необходимы для фактического осуществления оптимального приемника. Однако априорные вероятности часто неизвестны. Так, Вудворд пишет: «Рассмотрим, например, априорную вероятность обнаружения самолета некоторой радиолокационной установкой на расстоянии завтра в утра. Если установка расположена на аэродроме с регулярным движением, статистический анализ прошлого может дать нам нужные вероятности в предположении, что движение самолетов представляет собой стационарный случайный процесс. Для большого класса задач, однако, мы не располагаем статистикой либо потому, что она не изучалась, либо вследствие более фундаментального обстоятельства: в прошлом не существовало совокупности сходных ситуаций, из которой можно было бы вывести определенное суждение».

Как мы показали в § 29, плотности априорных вероятностей можно представить в виде двух множителей

Априорные вероятности. являются соответственно вероятностями наличия и отсутствия полезного сигнала на входе приемника. Эти вероятности наиболее трудно оценить. Априорные вероятностирт являются вероятностями распределения полезных сигналов по неизвестным параметрам при условии, что полезный сигнал присутствует на входе приемника. Эти распределения в ряде случаев можно более или менее уверенно найти из теоретических соображений. Так, например, случайную высокочастотную фазу при некогерентном приеме естественно предположить равномерно распределенной по окружности, амплитуду флюктуирующего сигнала - по закону Релея. Дальность и азимут цели можно в некоторой небольшой области воздушного пространства

предположить равномерно распределенными; при увеличении размеров области это предположение может стать уже несправедливым.

Учитывая выше приведенные рассуждения и предполагая, что закон распределения априорных вероятностей полезного сигнала по неизвестным параметрам известен, мы можем вычислить введенные выше для различных случаев коэффициенты правдоподобия и Если далее образовать отношение апостериорных вероятностей присутствия и отсутствия полезного сигнала, то получим при обнаружении

а при измерении

Эти формулы нетрудно вывести из выражений (29.09), (29.22), (29.28), (29. 33) и соотношений

Формулы (30.02) и (30.03) показывают, что в отношениях апостериорных вероятностей от априорных вероятностей зависит лишь постоянный множитель а принятая функция определяет коэффициенты правдоподобия

Трудность, обусловленную незнанием отношения можно обойти, если изменить определение оптимального приемника и назвать оптимальным приемник, образующий коэффициенты правдоподобия (а не апостериорные вероятности). В таком случае оптимальные приемники по

определению должны выдавать следующие математические величины:

1) при простом обнаружении

2) при сложном обнаружении

3) при простом измерении

4) при сложном измерении

На основании входных данных и образованных с их помощью величин (30.06) обычно приходится принимать решения. Если решать должен человек, например ответить «есть сигнал» или «нет сигнала», то оптимальный приемник лишь помогает человеку, оставляя за ним операцию решения. Надо сказать, что в своих решениях человек всегда использует (часто ,не осознавая этого явно) априорные знания о вероятности появления сигнала: в частности, если априорная вероятность появления сигнала достаточно мала, то для ответа «есть сигнал» потребуется более сильное превышение сигнала над шумами, т. е. большее значение

Процесс решения нетрудно автоматизировать. Ограничиваясь задачей обнаружения (сложного или простого), мы должны учесть, что вероятность наличия полезного сигнала

есть монотонная функция коэффициента правдоподобия Совершенно естественно считать, что сигнал присутствует, если вероятность достаточно велика (т. е. достаточно близка к единице), и что полезного сигнала нет, если вероятность достаточно мала. Поэтому простейшее правило решения имеет вид

где некоторое "пороговое" значение вероятности, скажем, ; или

Более сложное правило:

с двумя порогами использует апостериорные вероятности на выходе оптимального приемника более полно, но при этом иногда дает неопределенный ответ. Если сигнал принят, дальнейшая информация в приемник не поступает и на основании имеющихся сведений требуется принять какое-то определенное решение, то единственный выход заключается, очевидно, в применении правила (30.08) с одним порогом. Если же информация поступает в приемник постепенно, то на основании входных данных, накопившихся за фиксированный промежуток времени, можно принять и неопределенное решение, указывающее на необходимость продолжать наблюдение. В этом случае можно применить «двухпороговое» правило (30.09); в принципе можно было бы, вероятно, использовать и более сложные правила.

Рассмотрим более подробно правило (30.08). Коль скоро мы выберем одно из двух возможных решений, то мы всегда можем или принять правильное решение или ошибиться. Ошибки могут быть двух типов. Первый тип ошибки — принятие решения «да», когда на входе присутствует только помеха. Эта ошибка называется ложной тревогой, ее вероятность мы обозначим через Второй тип ошибки — принятие решения «нет», когда на входе присутствуют как помеха, так и полезный сигнал. Эта ошибка называется пропуском сигнала, вероятность этой ошибки мы будем обозначать через Вероятность ложной тревоги является вероятностью принять помеху за сумму сигнал помеха; вероятность пропуска есть вероятностью принять сумму сигнал помеха за чистую помеху.

Правильные решения также могут быть двух типов: правильное обнаружение и правильное необнаружение. Вероятность правильного обнаружения, которую мы обозначим через есть вероятность принять сумму сигнал помеха за сигнал помеха, а вероятность правильного необнаружения, которую мы обозначим через есть вероятность принять помеху за помеху. Очевидно, что условные вероятности: вероятности принять правильное или неправильное решение при условии, что полезного сигнала нет, такие же вероятности при условии, что полезный сигнал присутствует. Поэтому выполняются соотношения

Полцая вероятность принять правильное решение, очевидно, равна

где и суть априорные вероятности отсутствия и наличия сигнала

При использовании правила (30.08) необходимо - задать, помимо порога априорные вероятности Если последние неизвестны, то можно воспользоваться, как это было указано выше, коэффициентом правдоподобия, с помощью которого правило (30.08) перепишется в виде

где

есть пороговое значение коэффициента правдоподобия. "Двухпороговое" правило (30.09) примет такой вид:

Согласно этим правилам нетрудно построить схемы, автоматически принимающие решения. Таким образом, "решающий" оптимальный ириемник должен образовывать коэффициент правдоподобия и подавать его на вход решающей схемы (30.12) или (30.14). Заметим, что вместо можно использовать любую монотонно возрастающую функцию (например, что часто упрощает схему оптимального приемника. Порог А в формуле (30.12) обычно находят из требования, чтобы вероятность ложных тревог равнялась заданному значению (часто весьма малому, например, или

Остановимся в заключение на терминологии, принятой в литературе.

Наблюдателем Неймана-Пирсона (Neymann-Pearson) называют наблюдателя, который на основании принятых данных принимает решения о наличии сигнала по правилу, которое обеспечивает

максимальную вероятность правильного обнаружения при фиксированной вероятности ложной тревоги за данный промежуток времени наблюдения . В математической статистике доказывается, что наблюдатель Неймана-Пирсона принимает решения как раз по "одно-пороговомуи правилу (30.12), причем величина порога определяется фиксированным значением Любое другое правило решения приводит к меньшим D (при заданных и ).

Идеальный наблюдатель Зигерта (Siegert) принимает решение, обеспечивающее максимальную вероятность по формуле (30.11) при фиксированном времени наблюдения Решение принимается также по правилу (30.12), но величина порога выбирается равной

Последовательный наблюдатель Вальда (Wald) производит анализ данных, непрерывно поступающих на вход приемника. Последовательный наблюдатель имеет возможность задержать решение до поступления новых данных; правило решения для него имеет вид (30.14). Однако математическая теория последовательного наблюдения отличается большей сложностью, и мы в дальнейшем будем исключительно применять схему решения (30.12) с одним порогом, интерпретируя ее в духе наблюдателя Неймана-Пирсона.

Более глубокий подход к статистической теории приема дает современная теория игр и статистических решений, использованная в теории оптимальных приемников Метером и Мидлтоном. Некоторые относящиеся сюда вопросы рассмотрены в приложении