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
Как показано в п. 15.1.5 алгоритм (18.52) обнаружения детерминированного сигнала на фоне аддитивной коррелированной гауссовской помехи оптимальный по критерию Неймана — Пирсона для любого размера
выборки.
Статистика
в (18.52) при гауссовской помехе распределена нормально с параметрами
при гипотезе Н и
при альтернативе К, где
. Величина
определяется по формуле:
(18.53)
Рабочая характеристика алгоритма (18.52)
(18.54)
где
(18.55)
При неограниченном увеличении размера
выборки распределение статистики
остается нормальным с ограниченными средними значениями и дисперсиями при гипотезе и альтернативе, если только
(18.56)
Предельная рабочая характеристика получается из (18.54) заменой параметра
его предельным значением
(18.57)
Из (18.50) и (18.54) с учетом (18.57) находим КАОЭ алгоритма (18.47) по отношению к линейному алгоритму (18.52):
(18.58)
18.3.3. Структурная схема алгоритма. Алгоритм (18.47) (рис. 18.7) предписывает следующую последовательность операций:
Рис. 18.7. Схема асимптотически оптимального обнаружителя сигнала на фоне многосвязной марковской помехи
1) накопление k выборок
значений сигнальной функции
2) наблюдение в момент времени
выборки
3) вычисление компонент вектора
4) вычисление корреляционной суммы
5) наблюдение в момент времени
выборки
6) повторение операций 3 и 4 при
7) повторение операций 3 и 4 после наблюдения
8) суммирование
корреляционных сумм;
9) сравнение результата суммирования с порогом;
10) принятие решения.
Обнаружитель сигнала состоит из четырех блоков: инерционного нелинейного преобразователя наблюдаемых выборок, состоящего из линии задержки
(«память»)
-канального спецвычислителя компонент вектора
коррелометра К, в котором выполняются операции перемножения выходных значений спецвычислителя со значениями сигнальной функции s и суммирования полученных произведений; накопителя корреляционных сумм и сумматора накопленных значений в конце наблюдения; устройства сравнения с порогом. От вида распределения помехи зависят только характеристика инерционного нелинейного преобразователя и величина порога.
18.3.4. Асимптотически оптимальный алгоритм обнаружения детерминированного сигнала на фоне аддитивной односвязной марковской помехи.
Рассмотрим частный случай алгоритма (18.47), когда
и плотность вероятности перехода равна
. В этом случае асимптотически нормальная статистика
(18.59)
где
(18.596)
Пр исипотезе H среднее значение статистики (18.59) равно нулю, а дисперсия
Но в соответствии с (17.67)
Поэтому
При
(18.61)
где
(18-616)
Обозначая
(18.62)
перепишем (18.61) в виде
(18.63)
В рассматриваемом случае односвязной марковской помехи [см. (18.58)] КАОЭ алгоритма (18.47) по отношению к линейному (18.52)
(18.64)
где
(18.64)
и К — корреляционная матрица марковской помехи размером
18.3.5. Асимптотически оптимальный алгоритм обнаружения детерминированного сигнала на фоне Т-зависимой помехи.
Предположим, что наблюдаемая реализация
представляет либо Г-зависимую помеху (гипотеза Н), либо аддитивную смесь этой помехи с детерминированным сигналом (гипотеза К). Если реализация
подвергается временной дискретизации через интервал
то из
зависимых скалярных выборок можно сформировать
независимых
-мерных векторных выборок
где
, и моменты
определяются согласно (16.82).
Из теоремы 2 (см. п. 17.4.2) непосредственно следует, что в рассматриваемом случае асимптотически достаточной является векторная статистика
с компонентами
(18.65)
где
— многомерная плотность распределения помехи.
Предельное при
распределение статистики
нормальное с параметрами
при гипотезе
и
при альтернативе К (см. п. 17.4.2).
Рассмотрим статистику
(18.66)
которая представляет скалярное произведение вектора
постоянных весовых коэффициентов и векторной статистики
. Статистика (18.66) асимптотически нормальна с нулевым средним и дисперсией
при гипотезе Н и с параметрами
при альтернативе
где Q — матрица с элементами
(18.67 а)
причем величины
определяются согласно (17.60), a
-матрица с элементами
(18.676)
Асимптотически оптимальный алгоритм обнаружения детерминированного сигнала на фоне аддитивной Г-зависимой помехи запишем в виде
(18.68)
где порог с определяется по формуле (18.49), а рабочая характеристика алгоритма — по формуле (18.50), если в этих формулах матрицу Q заменить матрицей Q [см. (18.67 а)], а элементы информационной матрицы вычислять согласно (18.676).
Коэффициент асимптотической оптимальной эффективности алгоритма (18.68) по отношению к линейному (18.52) определяется по формуле (18.58) с указанной очевидной заменой матриц
Так как вектор весовых коэффициентов с не ограничивался никакими условиями, то можно нйти оптимальный вектор
для которого КАОЭ максимален.
Другой подход к редукции векторной статистики для синтеза асимптотически оптимального алгоритма обнаружения сигнала на фоне Г-зависимой помехи, который состоит в формировании скалярной статистики из каждой векторной выборки
(см. п. 16.3.2), приведен в [57].