Файл: Засядкин Б.К. Оптимальное обнаружение и измерение параметров радиолокационных сигналов. Диаграммы неопределенности (конспект лекций).pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 07.04.2024
Просмотров: 39
Скачиваний: 0
В этом случае средний риск равен вероятности того, что мо дуль ошибки превысит е0:
|
сс, |
<х> |
— е0 |
|
r = |
Jr(e)/(e)rfe-J/(e)de+ |
f /(e)de = P!(E|>30), |
||
— |
оо |
£о |
— во |
|
а минимум среднего |
риска сводится к |
минимуму вероятности |
||
превышения |
модулем ошибки заданной |
величины г0. |
Анализ процесса измерения подтверждает, что при соответ ствующем выборе функции стоимости ошибки критерий мини мума среднего риска может быть сведен к какому-либо друго му уже известному критерию, в частности, к критерию миниму ма средней квадратической ошибки.
Это еше раз показывает, что критерий .минимума среднего риска является достаточно общим н от него можно перейти к более простым частным критериям.
§2. Постановка задачи оптимального измерения.
>Пример одномерного оптимального измерения
Оптимальное решение статистической задачи обнаружения состоит в том, что для величины А в выражении (1.14) нужно подобрать такие оценки А* (0 или 1), которые обеспечили бы минимум среднего риска.
Решение статистической задачи измерения будет состоять в подборе оценок а*, а*,.,, для измеряемых параметров а,, а2,...,
в отношении которых известна лишь доопытная (априорная) плотность вероятности /(а,, а2,...). Эти оценки должны быть
оптимальны с точки зрения минимума среднего риска.
В дальнейшем мы будем задаваться квадратичной функцией стоимости. Для этого случая минимум среднего риска эквива лентен требованию минимума средней квадратической ошибки.
Как и в случае решения статистической задачи обнаруже ния, следует оценить качественные показатели оптимальной обработки при измерении и рассмотреть пути ее технической реализации.
Рассмотрим решение этой задачи на примере одномерного оптимального измерения. Обратимся вновь к стрелочному при бору (рис. 1), но несколько изменим постановку задачи.
Будем по-прежнему считать, что показание прибора х скла
дывается из помехи п и сигнала |
s: |
|
x —n+s. |
(2.9) |
|
Однако в этом случае сигнал |
обязательно |
присутствует, но |
его значение s неизвестно. |
|
|
Задача состоит в том, чтобы на основании измеренного зна |
||
чения х и доопытной плотности |
вероятности /о (5) измеряемой |
20
величины s дать ей оценку s*. При этом оценка s* должна удовлетворять критерию минимума среднего риска:
г— J f г (s'”, s)f(s*, s)ds* ds=MU4, |
(2.10) |
|
т. e. должна быть оптимальной. |
когда |
|
Будем иметь в виду только закономерные решения, |
||
для каждого измеренного |
значения х дается вполне определен |
|
ная оценка s*= s*(x). |
вероятности |
|
Заменяя тогда элемент |
|
f(s*, s)ds*ds на f(s, x)dsdx,
где f(s, х) — совместная плотность вероятности величин s и х , получаем:
г — J dx I*r(s*, s)f(s, x)ds при s*=s*(x). |
(2. 11) |
Полагая в силу теоремы умножения
f(s, x) = f(x)f(sjx),
выражение (2.11) можно привести к виду:
г — \ dx j г (s*, s) / (л:)/ (six) ds. |
(2.12) |
Э^о выражение можно записать иначе:
г = J г (s* дг) / (х) dx |
при S* — S* (х), |
(2.13). |
где ■ |
|
|
00 |
|
|
r(s*/x)~ j r(s*, |
s)f(slx)ds. |
(2.14) |
Соотношение (2.14) характеризует средний риск, рассчитайный для фиксированного значения измеренной величины х (усреднение при этом ведется по s). Говорят, что в результате такого усреднения получается условный средний риск. Матема тическое ожидание условного среднего риска (2.13), рассчитан ное с учетом плотности вероятности измеренных значений х, дает безусловный средний риск.
Чтобы обеспечить минимум безусловного среднего риска (2.13), достаточно для каждого х добиться наименьшего подынтегрального выражения (2.13) за счет выбора функции оценки s*= s*(x). Последнее аналогично подбору функции ре шения А*(х) в задаче обнаружения.
21
В выражении (2.13) величина f (х) является заданной функ
цией и не может |
принимать отрицательных |
значений. Поэтому |
||||||
минимум |
подынтегрального |
выражения |
(2.13) достигается, |
|||||
если для |
каждого л' обеспечивается минимум |
условного |
сред |
|||||
него риска r(s*jx). |
|
подробнее |
соотношение |
(2.14). |
||||
В связи с этим рассмотрим |
||||||||
В его |
подынтегральное |
выражение |
входит |
апостериорная |
||||
(послеопытная) |
плотность |
вероятности |
fis/x), |
т. е. плотность |
вероятности величины |
s при условии, что измерено значение х. |
|
По теореме умножения |
|
|
/(s, |
x) = f(s)f(xls) f(x)f(sx), |
(2.15) |
откуда |
|
|
f(s:x) = - ~ f { s ) f ( x ! s).
Чтобы обеспечить минимум условного среднего риска (2.14), нужно знать ход соответствующей кривой послеопытной плот ности вероятности f(s х) в функции s.
Интегрируя соотношение (2.15) по переменной s и учиты вая, что при любом х
§ f (six) ds= 1,
как интеграл в бесконечных пределах от плотности вероят ности, получаем:
/(*)= J f(s)f (x/s) ds. |
(2.16) |
Из найденных выражений следует, что
i m |
- , f W № ) — |
(2.17) |
|
j f (s) f (xjs) ds |
|
\ |
— eo |
|
Соотношения (2.16) и (2.17) являются соответственно ана логами формулы полной вероятности и формулы Бейеса для плотностей 'вероятностей.
Поскольку знаменатель соотношения (2.17) не зависит от s, последнее можно для каждого измеренного значения х пред ставить в виде:
/ (s/x) — Kxf (s) f (x!s).
Нормирующий множитель Kx в соотношении (2.18)
I___ 1
Кх =
/(* )“
j f(s)f(xls)ds
(2.18)
(2.19)
22
определяет масштаб кривой f(s.x) на оси s таким образом, что площадь под этой кривой равна единице.
Функция f{s) в соотношении |
(2.18) |
описывает доопытную |
плотность вероятности значений сигнала |
s, a f(x!s) — условную |
|
плотность вероятности величины |
х. |
|
Всилу соотношения (1.19) можно записать:
Сучетом этого соотношение (2.18) приводится к виду:
|
/(s/*)-/CA/ ( s ) / ( ~ ^ ) . |
(2.21) |
|
Проиллюстрируем полученное соотношение (2.21) простей |
|||
шим графическим |
примером. |
|
|
При этом будем предполагать, что: |
s описывает |
||
— доопытпая |
плотность вероятности величины |
||
ся выражением: |
|
|
|
|
' 0 |
при s< s, и s^s,, |
|
/ 00 ~ fo00 — ~ ч р и sl < s < s i. |
|
— распределение помехи подчиняется нормальному закону:
в) да
fix 10) |
1 |
е |
Уаш
—помеха слабая.
Кривая доопытной плот ности вероятности f (s) пред ставлена на рисунке 10, а. На рис. 10,6 представлена кривая
к*/»)-/ V H
(X-s)>
•>
2эм,
(2. 22)
У'2к оt
«в функции неизвестного значения s.
Эта |
кривая является |
гауссовой кривой, построенной на |
оси s. |
Ее дисперсия равна |
ст^, а среднее значение — измерен |
ной величине х.
23