Глава 15. ОБНАРУЖЕНИЕ СИГНАЛОВ НА ФОНЕ АДДИТИВНЫХ ГАУССОВСКИХ ПОМЕХ
15.1. ОПТИМАЛЬНЫЕ ДИСКРЕТНО-АНАЛОГОВЫЕ АЛГОРИТМЫ ОБНАРУЖЕНИЯ ДЕТЕРМИНИРОВАННЫХ СИГНАЛОВ
15.1.1. Постановка задачи и априорные данные.
В радиолокации, в системах связи и во многих других областях естествознания и техники возникает следующая ситуация априорной неопределенности. Исследователь наблюдает (или регистрирует при помощи автоматического устройства) реализацию случайного процесса, которая может представлять либо смесь сигнала, содержащего полезную информацию, и мешающей помехи, либо только помеху. Задача исследователя состоит в том, чтобы, используя заранее выработанное правило, вынести решение о наличии или отсутствии полезного сигнала в наблюдаемой реализации. Эта задача обнаружения сигнала на фоне помех относится к классу задач проверки статистических гипотез (см. п. 12.1.2).
Обозначим через
реализацию случайного процесса
наблюдаемую на интервале
. Выдвигается гипотеза
что
, где
— случайная помеха, против альтернативы
что
, где
— полезный сигнал и символ
характеризует взаимодействие сигнала
с помехой
. Необходимо на основании определенного правила, оптималь ного по некоторому критерию или эвристического, принять решение
о наличии сигнала (принять альтернативу
) или решение
об отсутствии сигнала (принять гипотезу
).
Как отмечалось в п. 12.1.2, указанная общая постановка зада
проверки статистических гипотез не является исчерпывающей. Ее необходимо дополнить укомплектованием априорных данных.
В этой главе предполагается, что помеха
— аддитивная и представляет центрированный гауссовский случайный процесс. Аддитивность означает, что символ
заменяется знаком суммирования. Сигнал предполагается детерминированным, что соответствует так называемой задаче когерентного обнаружения.
Рассмотрим одношаговые дискретно-аналоговые алгоритмы обнаружения. В этом случае непрерывная реализация
подвергается временной дискретизации и наблюдение представляется выборкой заданного размера
Элементы выборки — гауссовские случайные величины, средние значения которых
Предполагается известной ковариационная матрица выборки
которая равна К и при гипотезе, и при альтернативе.
Функции правдоподобия выборки
запишутся в виде [см. (2.64)]
где
— вектор сигнальных значений в моменты дискретизации. За критерий качества алгоритма принятия решения выбираем критерий Неймана—Пирсона, который чаще всего используется в теории обнаружения сигналов. Поэтому указанный комплект априорных данных является полным для синтеза оптимального алгоритма обнаружения по принятому критерию (см. п. 12.4.6 и § 12.6).
Как и в общей теории проверки гипотезы
против альтернативы
в теории обнаружения сигналов на фоне помех рассматриваются ошибки двух видов: первого рода — ложная тревога, когда принимается решение о наличии сигнала, а в действительности его нет, и второго рода, — пропуск сигнала, когда принимается решение о том, что сигнала нет, а в действительности он присутствует. Вероятности а ложной тревоги
пропуска сигнала
Вероятность правильного обнаружения сигнала
(15.5 а)
Алгоритм обнаружения, оптимальный по критерию Неймана — Пирсона, обеспечивает максимум вероятности правильного обнаружения сигнала при заданной вероятности ложной тревоги.