Файл: Козин, И. В. Элементы теории оптимального обнаружения и приема сигналов.pdf

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 30.10.2024

Просмотров: 62

Скачиваний: 0

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

КОЫТРОЛЬПЬ.М' ЭКЗЕМПЛЯР

МИНИСТЕРСТВО ВЫСШЕГО И СРЕДНЕГО СПЕЦИАЛЬНОГО ОБРАЗОВАНИЯ РСФСР

И. В. КОЗИН

ЭЛЕМЕНТЫ ТЕОРИИ ОПТИМАЛЬНОГО ОБНАРУЖЕНИЯ

И ПРИЕМА СИГНАЛОВ

ИЗДАТЕЛЬСТВО ЛЕНИНГРАДСКОГО УНИВЕРСИТЕТА 1974

Печатается но постановлению редакционно-издательского совета

Ленинградского института авиационного приборостроения;

УДК 519.2 : 621.391.822 : 396.96

К о з и н И. В. Элементы теории оптимального обнаруже­ ния и приема сигналов. Л., Нзд-во Ленингр. ун-та, 1974. 124 с.

В книге приведено одно из возможных расширений тео­ рии обнаружения и приема сигналов на случайные процессы с негауссов'скнми распределениями вероятностей. Рассмат­ риваются детерминированные и чисто случайные сигналы. Для последних анализируется. как случай полностью извест­ ных распределений вероятностей гипотез, так и случай, ког­

да распределения вероятностен гипотез заданы

с точностью

до непараметрических семейств.

математиче­

Книга рассчитана на читателя с серьезной

ской подготовкой. Она может быть полезна для широкого круга специалистов, занятых в области разработки и иссле­ дования устройств обработки и передачи информации, а также для математиков, специализирующихся по приклад­ ным аспектам теории вероятностей.

Библ. — 30.

Гоп. г, 5лич>)"я 1

па' -:но-% - и15ч.г .из ■ ЗНОЕ:' л-

00341—046

Издательство Ленинградского-

К 076 (02)—74 200—73

университета, 1974 г.

ПРЕДИСЛОВИЕ

Теорию оптимального обнаружения и приема сигналов для гауссовских распределений вероятностен к настоящему времени можно считать построен­ ной. В ряде случаев, однако, гауссовские распределения вероятностей не являются достаточно хорошим описанием физических процессов.

В гидроакустике, например, более естественно считать, что помехой яв­ ляется случайный процесс, представляющий собой произведение гауссовско­ го процесса на положительный случайный коэффициент'-[22], т. е. гауссов­ ский процесс со случайной интенсивностью. В задачахУЬбнаруження и при­ ема сигналов, распространяющихся по очень большому' числу путей, обычно, предполагается, что при каждой из' Атпотез наблюдается гауссовский слу­ чайный процесс с нулевым средним [27]. Однако и здесь гауссовская модель наблюдаемых процессов плохо описывает реальные процессы. Одной из причин этого является узость класса гауссовских процессов, для которых возможно оптимальное обнаружение с отличными от нуля .обеими вероят­ ностями ошибок. В частности, если функция корреляции сигнала отличает­ ся от функции корреляции независимой аддитивной помехи только постоян­ ным множителем, обе вероятности ошибок обнаружения оказываются рав­ ными нулю, что слабо согласуется с ^инженерной интуицией. С целью из­ бавления от подобных неприятностей к наблюдаемому процессу при каж­ дой из гипотез добавляют аддитивную помеху в виде белого шума малой интенсивности, но при этом возникают не меньшие неприятности. Действи­ тельно, с одной стороны, белый шум превращает задачу -из» физической в чисто математическую, поскольку он имеет бесконечную мощность, а с Дру­ гой стороны, вероятности ошибок при этом целиком определяются величи­ ной .интенсивности добавляемого шума, и, в силу ее произвольности, также оказываются произвольными. Для построения модели наблюдаемых процес­ сов, в значительной степени свободной от перечисленных недостатков, мож­ но попытаться использовать следующий факт. Наблюдаемый процесс, преж­ де чем попасть на решающее устройство, всегда проходит входные цепи, коэффициент передачи которых никогда не бывает известным совершенно точно и не остается постоянным, а медленно (по сравнению с промежутком наблюдения) флюктуирует. По этой причине естественно считать коэффи­ циент передачи входных цепей постоянным на промежутке наблюдения, но случайным. Если к тому же предполагать при обеих гипотезах наблюдаемый процесс гауссовским с "нулевым средним, то процесс перед решающим уст­ ройством будет иметь вид произведения гауссовского процесса на случай­ ный коэффициент. Перенеся точку наблюдения на вход решающего устрой­ ства, получим, что и в этом случае наблюдаемый процесс будет гауссов­

ским процессом со случайной интенсивностью.

Таким образом, возникает необходимость расширения теории, оптималь­ ного обнаружения и приема сигналов на распределения вероятностей, со­ ответствующие процессам со случайной интенсивностью. Одно из таких расширений построено в предлагаемой вниманию читателя монографии.


Монография рассчитана на читателя, владеющего основами статистиче­ ской теории обнаружения и приема сигналов, например, в объеме книги Хелстрома [27]. Для получения замкнутых результатов в ней пришлось ис­ пользовать аппарат теории меры и абстрактного гильбертова пространства. Это несколько усложняет восприятие материала инженерами, но не явля­ ется непреодолимым препятствием, так как по теории меры и гильбертова пространства имеются прекрасные руководства [1, 4], из которых можно почерпнуть все необходимые сведения. Математик найдет -в книге большое число нерешенных вопросов, поскольку автор не ставил себе целью полу­ чить исчерпывающее решение проблемы, а хотел лишь получить результаты, достаточные для решения некоторых прикладных задач.

Г л а в а 1

ОПТИМАЛЬНЫЕ ПО БАЙЕСУ ПРОЦЕДУРЫ ОБНАРУЖЕНИЯ И ПРИЕМА СИГНАЛОВ

§ 1.1. Постановка задачи

Сущность работы устройств, .предназначенных для обнару­ жения, приема или различения сигналов, сводится к принятию решений о наличии на входе того или иного сигнала. Устрой­ ство может ошибаться, принимая решение не в пользу того сигнала, который в действительности имеется на его входе. Ес­ ли интересоваться только способностью устройств давать пра­ вильные или ошибочные решения, то независимо от конструк­ тивных и целевых особенностей эти устройства будут полностью характеризоваться использованными в них процедурами .при­ нятия решений. Оценивать качество процедур принятия реше­ ний можно при помощи различных критериев. Наиболее про­ стыми из. них являются энергетические критерии, например, отношение энергий сигнала и помехи [7] или критерий откло­ нения [12, 13, 16]. Более предпочтительной часто оказывается оценка качества процедур по величине среднего риска. Счи­ тается, что лучшей процедуре соответствует меньшее значение среднего риска. Процедура принятия решений, имеющая наи­ высшую величину качества, называется оптимальной. Проце­ дура, которой соответствует минимум среднего риска, называ­ ется оптимальной по Байесу.

Пусть [ciU\i, k — 1, ... , N — квадратная матрица, £; — по­

ложительные числа с суммой

1. И пусть на измеримом

пространстве

(Q, А) определены N

вероятностных мер Pi, t'=

= 1, ..., N.

Если не предполагать

абсолютную непрерывность

каждой меры относительно остальных, то ст-алгебра А не обя­ зана быть полной, относительно всех мер, соответствующих ги­ потезам.

Назовем разбиением Е пространства Q семейство А-изме- римых множеств Eit i= 1, ..., N, удовлетворяющих при каждом

N равенствам

P j^ E iftE ^ — Q для 1 ф к ,

и классом Е — совокупность всех разбиений Е.


Задача нахождения оптимальной по Байесу процедуры при­ нятия решений может быть теперь сформулирована следую­ щим образом.

Требуется среди разбиений класса Е найти разбиение Е0, минимизирующее на Е величину

( 1 лл)

i=l А—1

§ 1.2. Первая форма условий оптимальности

Отыскание разбиения Ео начнем с введения функции мно­ жеств

( 1.2. 1)

к =1

Очевидно, А является вероятностной мерой на (Q, А), и всякое A-измеримое множество имеет A-меру нуль тогда и только тогда, если Pj-мера этого множества равна нулю при каждом 7= 1, ..., N. Мера А позволяет дать более удобное определение разбиению Е.

Разбиением Е пространства Q называется семейство А-из-

.меримых множеств Ег, i= 1, ..., N, удовлетворяющих условиям

=

(1-2.2)

/.(Е,ПЕЛ) = 0 , для 1фк.

(1.2.3)

Так как из равенства нулю A-меры любого множества выте­ кает равенство нулю Я,-меры этого множества при любом г = 1, ..., N, то каждая мера Pi абсолютно непрерывна отно­ сительно чмеры А и для всякого A-измеримого множества А имеет место равенство

 

Л И ) =

f / . - H W

(1.2.4)

 

 

А

 

 

(стр. 112 [41),

в котором функция fi(co) определена

почти

всю­

ду относительно меры А, A-измерима и неотрицательна.

 

Обозначим через Л дополнение множества А относительно

пространства Q. Справедлива

 

 

 

Т е о р е м а

1.2.1. Семейство Е0 множеств

 

 

 

Е ок =

Г)Eh, где Е 0 — й,

(1.2.5)

 

vs=:l

 

 

 

N I

N

 

 

 

1—1(.

S—1

* = 1 ’

^

(12-6)

 

 

 

принадлежит Е и минимизирует Cr на Е.

6


Д о к а з а т е л ь с т в о . Поскольку функции /,■(со)

определе­

ны A-почти всюду и число их конечно, объединение 5

множеств

точек, в которых эти функции не определены, имеет Л-меру

нуль, а потому множество 5 не пусто. Покажем, что

 

S < z ( ] E ok.

(1.2.7)

h=i

 

Пусть это не так. Тогда найдется точка со из 5, не принадле­

жащая

жу

 

 

 

 

и д ,,,, и в силу равенства

 

 

к

- 1

N

N

 

 

 

 

(j£-o* = U ^ .

 

(1-2-8)

 

 

*=1

й =1

 

 

не принадлежащая ни одному из множеств E h.

Это означает,

что при любом к найдется

такое число

ik, для

которого

 

ш б (ш :

1

- ^ > / Л ш)<°1 =

 

 

N

N

 

 

 

 

 

 

 

= ш: 2 ^ cs i/s (ш) < 2

н I ■

 

 

 

 

.У=1

 

 

Если v — значение к,

при котором достигается min

то отсюда следует, что при некотором

и

к $=1

 

 

2 ^

л

и <

(“)•

 

 

J = 1

 

s= 1

 

 

Но это невозможно в силу определения v. Значит, сделанное предположение неверно.

Поскольку множества Еоь, очевидно, A-измеримы, из вклю­ чения (1.2.7) вытекает, что

1 = 4 5 ) < х ( й £<>*)< !•'

\h=I }

Таким образом, множества семейства Е0 удовлетворяют усло­ вию (1.2.2). Выполнение условия (1.2.3) для множеств этого семейства является прямым следствием формул (1.2.5) и <1.2.6). Итак, E0G Е.

Для произвольного разбиения Е £ Е при помощи формулы

<1.1.1)

составим выражение

 

 

^ = 2 2 ^ р ‘-

- 2

(я ^ -

 

• / _ 1 й= 1

i = l f t = l

 

 

 

Л' N

Затем,

прибавляя и вычитая справа сумму

У У е л Л - ( £ « п £ « ) ,

перепишем его в виде

 

 

7


N N

-

*/■—^.= i22= l k = 1

 

(1.2.9)

/=1 ft= 1

 

Принадлежность E0 и E к E обеспечивает равенства

P,(EkПД,*) =

^ Р Д ^ П Д ь ),

 

V=]

 

v

/ >i(^*nfo*) =

2 p i ( ^ n f o 0 -

 

V= 1

 

v ^ it

Подставив их в (1.2.9), проделав элементарные преобразования и применив формулу (1.2.4), найдем, что

Но £ оАс £ л, а для £fc

согласно (1.2.6) при любом v справед­

ливо неравенство

 

 

2

^t (Ch~ с(*)/< (“) >

0.

i=i

 

 

Отсюда получим неравенство сЕ— сЕ > 0 ,

чем и завершим до­

казательство

теоремы.

 

 

 

 

Для технических приложений самостоятельный интерес

представляет

случай N = 2.

Справедлива

множеств

Т е о р е м а

1.2.2. При N = 2 семейство Е0

 

 

'0 1

= /ш ■-^1

~'>

‘а (С21 —с2з) )

( 1.2. 10)

 

 

I

/а (“)

Ei (<42 —Сц) / ’

 

 

 

 

 

 

 

 

Д )2-- £ 01

( 1.2. 11)

принадлежит Е и минимизирует сЕ на Е.

 

Эта теорема

является

следствием теоремы

1.2.1. Действи­

тельно,

 

 

 

 

 

 

 

 

 

со:

1

 

 

= 9 .

 

 

{

 

 

 

 

 

На основании этого равенства и равенств (1.2.5) и (1.2.6)

£={<■>: 2 и с 2- с 5, ) / л ш) > о

_ ( . Л (ы) \ ?а (с21 —с2з) ) . F

/ 2 (ы)

(с!3 — cn ) J ^01-

8