Файл: Френкс, Л. Теория сигналов.pdf

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 16.10.2024

Просмотров: 128

Скачиваний: 1

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

или, перегруппировав слагаемые,

 

С ' ~ С В=

J {pCml(e\H 1) - q C f l(o\H0)}de +

 

 

RoCiRi

 

+ $

{qCf I (о \Н0)pCml(o\H1)}do.

(10.16)

Из условия (10.11), определяющего области R0и R видно, что подын­ тегральные выражения в (10.16) положительны над областями интег­ рирования, следовательно,

С' — Св ^ 0

(10.17)

и Св — минимальный средний риск.

 

| Риск вля фиксированной

стратегии, оптимальной при р=р0

~с, рР

Минимаксный риск Байесов риск Сд

Априорная вероятность р

Рис. 10.3. Типичная зависимость среднего риска от априорных вероятностей.

Некоторые частные случаи байесова приемника представляют особый интерес. Если пены ошибок равны, Ст = Cf = 1, то средний

риск С (10.14) есть просто средняя вероятность ошибки. В этом случае, = q/p и мы приходим к критерию идеального наблюдателя. Далее, если обе гипотезы равновероятны, то Я.0 = 1 и получается приемник (критерий) максимального правдоподобия. Типичная зависимость бай­

есова риска Св от априорной вероятности р показана на рис. 10.3. Для разных р нужны разные Х0. Интересно рассмотреть зависимость среднего риска от р при фиксированной стратегии (т. е. при конкретном значении Х0). В этом случае Рт и Pf фиксированы и

C = pCmPm + ( l - p ) C f Pf = {CmPm~ C f Pf}p + Cf Pr (10.18)

Следовательно, С есть прямая с наклоном СтРт CfPf, как показа­ но на рис. 10.3.

Из рис. 10.3 видно также, что проигрыш за счет фиксированной стратегии может быть большим, если априорные вероятности сущест­ венно изменяются. Когда априорные вероятности заранее неизвестны,

£70



предпочтительна стратегия, соответствующая минимаксному кри­ терию, при которой минимизируется наибольший средний риск. Оче­ видно, это соответствует прямой с нулевым наклоном, т. е. СтРт = CfPf и минимаксные риски не зависят от р. Минимаксная стратегия соответствует порогу

%о = -=£b £L ,

(Ю.19)

Рт Cm

где pm — априорная вероятность, для которой Св максимален.

10.3. КРИТЕРИЙ НЕЙМАНА—ПИРСОНА

При выборе стратегии решений для некоторых задач обнаружения сигналов может оказаться, что основной интерес представляют сами условные вероятности ошибок Рт и Pf, а не минимизация риска. Тогда мы приходим к классической теории проверки гипотез. Некото­ рые из употребительных терминов приводятся ниже:

нулевая гипотеза — Я 0, альтернативнаяя гипотеза Нг,

критическая область R lt т. е. область, где не принимается решение в пользу # 0,

размер критической области Pf, т. е. вероятность ошибки I рода,

мощность проверки — 1 ■— Рт, т. е. вероятность несовершения ошиб­ ки II рода.

Критическая область данного размера Pt обладает наибольшей мощ­ ностью, если Рт минимальна.

Лемма Неймана— Пирсона утверждает, что критерий отношен ия правдоподобия наиболее мощный. Иными словами, для заданной ве­ роятности ложной тревоги Pf наилучшей стратегией, минимизирую­ щей вероятность пропуска Рт, является та, которая принимает ре­ шение в зависимости от того, превышает ли отношение правдоподобия X (у) пороговое значение Я0. Доказательство близко к использованному

нами для задачи минимизации байесова риска.

 

Пусть R 1

=

{у; Му) > М есть критическая область в простран­

стве сигналов s.

Пусть далее R[ — другая критическая область того

же размера, т.

е.

 

 

 

 

 

 

Pf =

I I (о | Н0) da =

J

I (а | Н0) do.

(10.20)

Тогда из рис.

10.2 следует, что

 

 

 

 

 

$

I (о | Н0) do =

$

I (о | Н0) do.

(10.21)

 

 

«1ПЯ0

RiflK*

 

271


Для первой стратегии /

1—Рт= ^ l(o\H1)do=

^

l(o\H1)do+ ^

l(o\H 1)do.

(10.22)

Ki

 

 

Ri Cl Ri

 

 

RyCiRo

 

 

 

Согласно определению

второй член в (10.22)

удовлетворяет нера­

венству

 

 

 

 

 

 

 

 

 

 

5

/ (о | Я2) da >> Я0 Ч §

\1(о | Я 0) do.

 

(10.23)

 

Rt f) Ro

 

 

1

 

 

 

 

Комбинируя

(10.22)

и (10.23)

и используя тот факт,

что /( у |Д 1) <

< Л 0/( у |Я 0)

при у б Я 0, находим

 

 

 

 

 

 

§

/ ( о | H t) d a > X 0 §

/ (а | Я 0) d a =

 

 

 

RiHRo

 

 

«»П«о

 

 

 

 

 

= Х0

j

l (a | H0) da >

j

l(a\ Я х) da.

(10.24)

 

 

 

 

RiflRo

 

 

 

Следовательно,

 

 

 

 

 

 

 

 

 

1 - P m=

| / ( а | Я 1)с1а>

j

l(a\H1)da,

 

(10.25)

 

 

 

*•

 

Rl

 

 

 

 

 

 

 

 

t.

e. величина

1 — P m

макси­

 

 

 

 

мизируется

критической

обла­

 

 

 

 

стью

R t.

 

 

 

 

 

 

 

 

Эти

результаты

нетрудно

 

 

 

пояснить и показать их связь с

 

 

 

байесовым и минимаксным

кри­

 

 

 

териями,

используя рабочие ха­

 

 

 

рактеристики

приемника.

Это

 

 

 

есть

график

зависимости

мак­

 

 

 

симальной

мощности

1 — Р т

 

 

 

от

 

Pf,

показанный

на

рис.

 

 

 

10.4. Кривая зависит только от

 

 

 

функций

правдоподобия,

а не

 

 

 

от априорных

вероятностей или

 

 

 

цен.

Каждая точка

графика со­

Размер критической

области Pf

ответствует

^одному

значению

/вероятность ложной тревогиJ

Я0.

 

Более того,

 

наклон

кри­

Рис. 10.4.

Рабочая

характеристика

вой в любой

точке

равен

Х0 в

приемника.

 

 

случае байесова решения в этой

 

 

 

точке. Чтобы показать это,

заметим, что линия фиксированной стратегии

на

рис.

10.3

есть

ка­

сательная к кривой байесова риска, следовательно:

 

 

 

 

dC

pc dP

dPf

 

 

 

■C

 

P -

 

 

 

 

в

qc f 7 ±+ c n Pn

 

 

 

-C,p„

 

dp

dp

 

 

-Cf Pr - ' ^ mr m

 

 

 

 

 

 

 

 

 

 

 

 

272


d

dPm

qcf

( 10. 26)

dPf (1 ~ P J =

dPf

pCm. — ^0-

 

Минимаксная рабочая точка находится на пересечении рабочей харак­ теристики и прямой СтРт = CfPf.

10.4. ОБНАРУЖЕНИЕ БИНАРНЫХ СИГНАЛОВ В БЕЛОМ ГАУССОВОМ ШУМЕ

В качестве простейшего практического приложения теории обна­ ружения, использующего проверку по отношению правдоподобия, рассмотрим приемник, который решает, какой из двух известных сиг­ налов присутствует на фоне аддитивного белого гауссова шума с нуле­ вым средним. Мы предполагаем, что время наблюдения конечно и синх­ ронизация осуществляется так, что интервал наблюдения можно выбрать оптимально. Позже мы увидим, что этот интервал следует выбирать так, чтобы он содержал максимально возможную энергию сигнала. Итак,

Но : у (0

=

s0 (t)

+

и (0;

t £ Г,

 

H1 :y{f)

=

S l {t) +

u{t)-,

t e T ,

(10.27)

где и {t) — случайная реализация

шума с

нулевым

средним, авто­

корреляционная функция

которого

есть

 

 

kuu{t, s) = muu(t\

s) = N0&(t — s).

 

Мы предполагаем, что приемник может осуществить ортогональ­ ное проектирование принятого сигнала на «-мерное подпространство

S a L2 (Т), где « произвольно.

 

 

 

Пусть {cpfe,

k =

1, 2, ...,

«} — вещественный ортонормальный

базис в S. Решение базируется на значении отношения правдоподобия

для вещественного n-мерного вектора {уи}‘

 

 

 

 

П

 

 

 

 

y(t)=

2

ykVh(t) =

 

 

, п

 

k =

1

 

 

 

(ak+ tik)yh{t),

 

Н0

 

2

если верна

=

. fe=1

 

 

 

(10.28)

 

П

{bh+ wft)

 

 

 

Hlt

 

2

 

(0>

если верна

4 = i

где

Ук = f!/(*)ф*(*)<И=(У. Фа).

т

(10.29)

« ь = ( и . Ф а) ; % = ( s o> Ф а ) ; b k = ( h >

Ф а)-

При аддитивном шуме функции правдподобия (10.6) выражаются через совместную плотность вероятности pUuu„ ...ип (ои ог, ..., <тп)

273