книги из ГПНТБ / Френкс, Л. Теория сигналов
.pdfТогда задача сводится к отысканию импульсной реакции h 2 (0. мини мизирующей ошибку /, причем
|
|
|
h2 (t) = w (t) h2 (t), |
(9.144a) |
|||
|
CO |
|
— 00 |
|
|
|
|
/ 1 = |
§ |
I (/) IH2(/) I2 d /= ^ /(г —x)h2(x)h2(t)dt dx = const. |
(9.1446) |
||||
|
— oo |
|
-j-oo |
|
|
|
|
Условие стационарности функционала / |
+ XI t |
относительно h2 (t) |
|||||
имеет |
вид |
|
00 |
|
|
|
|
OO |
|
|
|
|
|
|
|
(j h2(x)kzZ(t—т )Л + Х^ l(t—T)h2(T)dx = kaj(t) |
п р и /> 0 . |
(9.145) |
|||||
о |
|
|
о |
|
|
|
|
Так как в соответствии с (9.143) |
|
|
|
||||
|
|
К~г7 (f) + |
М. (f) = |
I Нх(/) I2 Kzz (П+ X \нх(/)I2 = 1, |
|
||
то k~~ |
(t — т) XI (t — т) = |
б (t — т), и решение уравнения |
(9.145) |
||||
есть просто |
М О = w (t)k ~ (t) . |
|
(9.146) |
||||
|
|
|
|
||||
Функция |
передачи |
всего оптимального |
фильтра имеет выражение |
||||
|
|
|
|
1 |
М М |
|
(9.147) |
|
|
H(f) = H1(f) H2(f) |
J |
||||
|
|
|
|
м л |
L Кх (f) |
|
где \Kx (f)\2 = Kzz(f) + X и /Ся, (/) выбирается с помощью спектральной факторизации (9.126). Взяв X достаточно большим, можно удовлетво рить произвольно жесткому ограничению на площадь усиления, т. е. реализовать фильтр с произвольно малым значением I х. Чтобы пока зать это, заметим, что
Л = S I |
$ |
1 |
2гмм + |
|
|
|
df ^ |
||
|
|
|
K t (f) |
|
ГМ (/)] + |
|
1М (/) I2 |
||
[ к № _ |
|
—оо I |
( П |2 |
|
1 ” |
I M M 2 |
1 |
00 |
|
|
d f < j - |
J Z W /)d / |
||
— оо |
Kzz (/) |
|
— oo |
|
= |
Y ftfflffl(0)==T |
£[<a21' |
(9Л48) |
Следовательно, если Е [ш2] ограничено, то и I х ограничено величиной, которая может быть сделана произвольно малой, при достаточно большом X.
Физически реализуемый согласованный фильтр
В качестве еще одной иллюстрации метода отбеливающего фильт ра рассмотрим снова задачу согласованной фильтрации, но теперь с уче том условия физической реализуемости. В этой задаче принимаемый сигнал не является стационарным случайным процессом, поскольку
261
он имеет детерминированную форму r(t)co случайным масштабным множителем а, которому и нужно дать оценку в виде напряжения на выходе фильтра с постоянными параметрами в момент t = t0.
При учете условия физической реализуемости необходимое усло вие для к (t) изменяется:
^0 |
_ |
|
_ |
при |
(9.149) |
|
h(ta— о)[а2 r(s)r(o) + kuu(s— a)]do = a2r(s) |
||||
*—сх> |
|
|
|
|
|
Сначала рассмотрим случай, |
когда аддитивный шум и — белый, так |
||||
что |
kuu (s — о) = N08 (s— а). |
Тогда решение |
уравнения |
(9.149) |
|
имеет вид |
|
|
|
|
|
|
N0h(t0— s) = a2r(s) |
*о |
при t0^ s . |
|
|
|
§ |
h(t0 — o)r(o)de |
|
Рис. 9.20. Физически реализуемый согласованный фильтр.
Или, изменяя обозначения,
h (t) = aw (t) r (t0 — t). |
(9.150) |
Сравнение этого результата с (9.73) показывает, что в случае белого шума h (t) есть просто усеченная импульсная реакция оптимального фильтра, полученного без дополнительного ограничения. Более того, если i0 достаточно велико, так что г (t) — 0 при t > t0, то усечение не приводит к каким-либо изменениям характеристики фильтра. Говоря иначе, если имеется возможность наблюдать импульсный сиг нал в течение всей его длительности, оптимальный фильтр физически реализуем.
Для шума с произвольной спектральной плотностью мы можем применить показанный на рис. 9.20 физически реализуемый фильтр, отбеливающий шум с характеристикой Н 1 (/), такой, что
= |
(9.151) |
Аuu(f)
262
Будем теперь искать физически реализуемый фильтр /г2 (t), минимизи рующий функционал I = Е [{у (t0) — а}2]. Входной сигнал фильтра
|
00 |
|
z (t) |
h1(x)r(t— r)dT-\~u(t) = ag(t)+u(t). |
(9.152) |
Поэтому |
о |
|
|
|
|
k77 (s, о) = Е [a2 q (s) q (а)] + k z z (s—а) = a?q (s)q(o)-\-8(s-o), |
||
kTa (s, to) = E [{aq (s) + u (s)} a] = a2 q (s). |
(9.153) |
|
Подобно (9.149), условие для определения h2 (t) имеет вид |
|
|
_ |
_ |
t0^ s . |
^ h2(t0— o)[a2q(s)q(o) + 8(s— o)]do = a2q(s) при |
Следовательно,
to
h(to~ s) = a?q{s) 1— ^ h2(t0~o)q(o)do
или
h2 (t) = aw (t)q {t0 — t). |
(9.154) |
Выполнив спектральную факторизацию Kuu{f) = К (f)K* (/), такую, что характеристика К*1 (/) физически реализуема, получим оконча тельную передаточную функцию реализуемого согласованного фильтра
1 ' R* (Ие_/2я^° |
]+ |
(9.155) |
|
H(f) = ffi(f)H2tf) = K(f) . |
J |
||
|
Фильтр с конечной памятью
Завершая вопросы реализуемости, упомянем ограничение на время памяти фильтра. Условие конечной памяти физически реали
зуемого фильтра состоит в том, что h (t, s) = О при z‘< |
s h ^ > s + Т, |
где Т — время памяти. Практически ограничение на |
время памяти |
важно в тех случаях, когда линейная оценка выполняется не фильтром с постоянными параметрами, а эквивалентным перемножителем-интег- ратором, причем входной сигнал умножается на опорный, и их про изведение интегрируется для получения нужной оценки.
Ограничение на длительность опорного сигнала эквивалентно в этом случае ограничению на память фильтра. Аналогично, если фильтрация выполняется цифровыми методами, ограничение на объем запоминающего устройства эквивалентно ограничению на время памя ти. Условие конечной памяти может быть исследовано точно тем же способом, что и условие физической реализуемости. В этом случае мы применяем дополнительное условие в виде
h (t, s) — Wi(t — s) |
h (t, |
s), |
(9.156) |
|
где |
|
|
t < |
T, |
11 |
для |
0 < |
||
wi \ l> jo |
для |
остальных t. |
263
Средний квадрат ошибки определяется при таком ограничении из (9.119), но с заменой w на w±, а оптимальный фильтр должен удов летворять уравнению
t
^ h (t, o)kzz (s, о) do = kz(i>(s, t) при s < t ^ s -f T. (9.157)
Способы решения уравнения Винера — Хопфа при незначительных изменениях применимы к уравнению (9.157). Ряд авторов (12, 13, 17, 19] приводят методы решения уравнений этого типа, в частности для стационарного в широком смысле процесса и рациональных
K zz(f) И Ксо,(/).
СПИСОК ЛИТЕРАТУРЫ
1. |
P a p o u l i s |
A . |
P r o b a b ilit y |
rand om |
and stochastic |
processes. M cG ra w - |
|
|
H i l l , |
1965. |
|
|
|
|
|
2. |
С о s t |
a s J. |
P . |
C o d in g w ith |
L in e a r |
systems. — «P r o c . |
I R E » , 1952, v. 40, |
p.1101 — 1103.
3. |
M |
a u r e r |
R . |
|
E . |
T h e |
o p tim a l |
e q u a liza tio n |
o f ra n d o m |
channels. |
|
C o m m u n i |
||||||||||||||||||||
|
cation |
th eory |
Group repo rt |
№ |
09. |
N ortheastern |
U n iv e r s ity , 1968. |
|
|
|
|
|
||||||||||||||||||||
4. |
V a n V l e c k |
|
J. |
H. |
and |
|
M i d d l e t o n |
D . A |
th eoretica l |
com parison |
||||||||||||||||||||||
|
of |
the |
visu al |
|
aural, |
and |
m eter |
recep tion |
of |
pulses |
signals |
in |
the presence |
of |
||||||||||||||||||
|
N oise. — «J . |
|
A p p l . P h y s », 1946, |
v . |
17, |
p. |
940— 971. |
|
|
|
|
|
|
|
|
|
||||||||||||||||
5. |
D w |
о r k |
В. |
|
M . D e te ctio n of |
|
a pulse |
superim posed on |
flu c tu a tio n |
noise. — |
||||||||||||||||||||||
|
«P r o c . |
I R E » , |
1950, |
v . |
38, |
p. |
771— 774. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
6. |
T u r i n |
G . |
|
L . ^ A n |
In trod u ctio n |
to |
m a tched -filters . — |
« I R E |
Trans, |
|
on |
I n |
||||||||||||||||||||
|
fo rm a tio n |
T h e o ry », |
1960, v. |
IT - 6 , |
p. |
311— 329. |
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
7. |
T u f t s |
D . |
|
W . N y q u is t ’ s |
p ro b le m — T h e |
|
J o in t |
o p t im iz a tio n |
of |
tr a n s m it |
||||||||||||||||||||||
|
ter |
and |
receiver |
in |
pulse |
a m p litu d e |
m o d u latio n . — |
«P r o c . I E E E » , 1965, v . |
53, |
|||||||||||||||||||||||
|
p. |
248— 259. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
8. |
A a г о n |
M . |
|
R . |
and |
T u f t s |
D . |
W . |
In te rs y m b o l |
interference |
and |
error |
||||||||||||||||||||
|
p r o b a b ilit y . |
— |
|
« I E E E |
Trans, |
|
on |
In fo r m a tio n |
|
T h e o r y », |
1966, |
|
v . |
|
IT -12 , |
|||||||||||||||||
|
p. |
26 — 34. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
9. |
L u c k у |
R . |
|
W . |
A u to m a tic |
|
e q u a liza tio n |
|
for |
d ig ita l |
|
c om m u n icatio n . — |
||||||||||||||||||||
|
« B e ll Sys. |
T ech . |
Jour.», 1965, v . |
44, p. 547— 588. |
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
10. |
L |
u c |
k у |
R . |
|
W . T ech niques |
|
for |
a d a p tiv e |
e q u a liza tio n o f |
d ig ita l |
|
c o m m u |
|||||||||||||||||||
|
n ica tio n |
s y s te m s / — |
« B e ll |
Sys. |
T ech . |
Jour», |
1966, |
v . |
45, |
p. |
255— 286. |
|
|
|||||||||||||||||||
11. |
L e e |
Y . |
|
W . |
|
S ta tis tic a l |
T h e o r y |
of |
c om m u n icatio n . |
John W i l e y |
and |
Sons, |
||||||||||||||||||||
|
1960. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
12. |
L |
a n i n g |
|
J. |
|
H . |
J r . |
a n d |
|
В |
a H J |
n |
|
R . |
H . R a n d o m |
processes |
in |
au |
||||||||||||||
|
to m a tic con trol. M c G r a w - H ill, |
|
1956. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
13. |
Д а в е н п о р т |
В . |
Б. |
и |
|
Р у т |
В. |
Л . |
Введение |
в |
теорию |
с лу ч а й н ы х |
||||||||||||||||||||
|
с и гн а ло в и шумов. М ., |
И Л , |
1960. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
14. |
М |
и д д л т о и |
Д . |
Введение |
|
в |
статистическую |
теорию |
связи, |
т. |
2. |
И зд. |
||||||||||||||||||||
|
«Сов. радио», 1962. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
15. |
В |
а н |
Т р и с |
|
Г. |
Теория |
обнаруж ения, |
оценок |
и |
м одуляции , |
т. |
1. |
Изд. |
|||||||||||||||||||
|
«Сов. |
р адио », |
1972. |
|
|
|
|
|
|
|
|
|
|
A s im p lifie d |
|
|
|
|
|
|
|
|
||||||||||
16. |
В |
о d е |
Н . |
|
W . and |
S h a n n o n |
С. |
Е. |
|
d eriv atio n |
of |
|
L in ear |
|||||||||||||||||||
|
L e a s t |
square |
s m o oth in g |
and |
p red ictio n |
theory. — |
« P r o c |
I R E » , |
1950, |
v. |
38, |
|||||||||||||||||||||
|
p. |
417— 425. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
17. |
D |
a r 1 i n g t о |
n |
S. Lin ea rT lea st-sq u ares |
|
sm o oth in g |
and |
p red ic tio n |
w ith |
|||||||||||||||||||||||
|
ap p lication s. — |
«B e ll Sys. |
Tech . Journ., |
1958, |
v. |
37, |
p. |
1221 — 1294. |
|
|
|
|||||||||||||||||||||
18. |
P |
a p о u 1 i s |
|
A. T h e |
fourier |
|
integral and |
|
its |
application s. |
M c G r a w - H ill, |
|||||||||||||||||||||
|
1962. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
19. |
Z |
a |
d e h |
L . |
A . |
and |
R a g a z z i n i |
J. |
|
R . |
O p tim u m |
filte rs |
for |
d e te c ti |
||||||||||||||||||
|
on |
of |
signal |
|
in |
|
N oise. — |
«P ro c . |
|
I R E » , |
1952, |
|
v . 40, |
p. |
1223— 1231. |
|
|
|
|
|
264
1 0
ОБНАРУЖЕНИЕ СИГНАЛОВ
10.1.ВВЕДЕНИЕ
Вэтой главе рассматривается другой тип обработки сигналов, для которой концепция пространства сигналов играет особенно боль шую роль. Теория обнаружения также рассматривает задачи оценки параметров, но иначе, чем в гл. 9. Там проблема оптимальной филь трации формулировалась как задача минимизации среднего квадрата ошибки. Но во многих случаях, особенно когда параметры сигнала об разуют конечное множество, критерий вероятности ошибки представ ляется значительно более важным для приложений.
Рассмотрим, например, систему передачи информации, исполь зующую алфавит из т символов [1, 2]. В такой системе передатчик вырабатывает один из т возможных сигналов, образующих множество {s* (/); i= 1,2, ..., т). Предположим, что сигнал передается по каналу, вносящему случайные искажения за счет аддитивного белого шума и.
По наблюдаемой отдельной реализации сигнала |
на выходе канала |
у (0 = st (t) + и (t) нужно принять решение о том, |
какой из т сигна |
лов присутствует с наибольшей вероятностью. Можно свести эту и подобные задачи обнаружения к оценке параметра, если представить сигнал в виде функции двух вещественных переменных s (t, 0). Так,
в предыдущем примере s; (t) = s (t\ 0;); |
i = 1, |
2, ..., |
m (0г Ф 0_,-при |
i Ф j) и по принятому сигналу у (t) = |
st (t) + |
и (t) |
приемник мо |
жет выработать оценку 0 истинного значения параметра 0. Но, если статистические свойства шума известны, приемник может также вычислить т апостериорных вероятностей [т. е. вероятностей при условии, что принят сигнал у (f)], Р [0 = Qt\y(t)]\ i = 1, 2, ..., т.
Решение [0 = 0fe] принимается в том случае, если
Р [0 = 0fc | у (01 > Р 10 = Qi\y(t)h i= 1, 2, ..., т. (10.1).
Такой приемник не только выбирает наиболее правдоподобное зна чение параметра, но позволяет оценить надежность своего решения, т. е. вычислить вероятность подмены правильного значения параметра любым из т — 1 ошибочных значений. В данном случае мы могли бы получить те же результаты, используя менее строгий критерий сред
него квадрата ошибки, т. е. минимизируя £[(0 — 0)2]. Действительно, нетрудно показать, что приемник (10.1) минимизирует также средний квадрат ошибки [2]. Однако такой подход завуалировал бы другие возможности. В предыдущих задачах оптимальной фильтрации для минимизации среднего квадрата ошибки нам понадобились лишь не которые статистические характеристики — среднее значение и корре ляция сигнала и шума. За конструирование приемника, минимизи рующего вероятность ошибки, а не средний квадрат, необходимо запла-
235
тить более полным знанием статистических свойств сигнала и шума — нужно иметь представления случайных процессов через плотности вероятностей.
Во многих случаях требуется построить решающее правило с уче том известных априорных вероятностей Р [0г] излучаемого сигнала или согласовать это правило с известными (неравными) штрафами за различные виды ошибок. В этих случаях оптимальный приемник выбирает не наиболее вероятное значение параметра, но все равно ре шающее правило использует вычисленные апостериорные вероятности Р [0г-1 у (01-Обычные способы построения решающих правил рассмат риваются в двух следующих параграфах. Для простоты, мы будем анализировать только двоичный случай, когда параметр сигнала при нимает одно из двух возможных значений. Обобщение на большее чис ло значений параметра несложно. В дальнейшем мы применим указан ные правила к некоторым классическим задачам обнаружения сигна лов и в случаях, когда сигналы наблюдаются на фоне аддитивного гауссова шума, получим легко объяснимые результаты. К счастью, эти весьма частные случаи имеют большое практическое значение, так как во многих физических системах помехи по своей природе аддитивны и гауссовы. Параграфы 10.2 и 10.3 содержат краткое изложение основных моментов из теории статистических решений и дают основу для после дующих применений. Для дальнейшего углубления в теорию обнару жения можно рекомендовать работы [2] и [5].
10.2.КРИТЕРИЙ ОТНОШЕНИЯ ПРАВДОПОДОБИЯ
Вдвоичной задаче обнаружения мы хотим на основе измерений, проведенных над принятым сигналом, решить, какая из двух гипотез
# 0 или Н х верна: |
|
s0 (t), |
|
Я о — присутствует |
сигнал |
(10.2) |
|
Нг — присутствует |
сигнал |
sx (t). |
|
Сводя эту задачу к оценке параметра, можем записать |
|
||
S (р, 6) |
= (1 - |
6) So (о + eSl (t). |
(10.3) |
На основе принятой информации приемник должен решить, равно ли правильное значение параметра 0 нулю или единице. Во многих приложениях, например в радиолокации, нужно положить s0 (t) = 0, т. е. гипотеза Я 0 соответствует отсутствию сигнала. Часто именно та кая задача является основной, но наше обобщение на случай двух произвольных сигналов не связано с дополнительными усложнениями. Возможны четыре различных исхода. Они приведены в следующей таблице.
Учитывая, что штрафы за различные ошибки могут быть разными, мы вводим цены Cf и Ст ошибок I и II рода соответственно. Теперь можно построить стратегию решений, взяв апостериорные вероятности Р [Я0|у] и Р [Ях|у] с соответствующими весами-ценами*:
* Мы обозначаем через у функцию у (t), рассматриваемую как элемент про странства временных функций [в дальнейших приложениях L2 (Г)]. В этой главе под у следует понимать не случайный процесс, а отдельную реализацию случайного процесса.
266
С (Я 0|у) = |
СтР [ЯДу], С (ЯДу) = CfP [Я0|у]. (10.4) |
Величины С (Я0|у) |
и С (Н1\у) представляют собой ожидаемые цены |
или апостериорные риски, связанные с принимаемыми решениями.
Так, С (Я 0|у) есть риск принять |
на основе |
наблюдаемого сигнала |
у решения о том, что верна Я 0. |
Приемник, |
выбирающий гипотезу, |
обеспечивающую наименьший апостериорный риск, называется байесо
вым приемником. |
Мы по |
|
|
Таблица |
|||
кажем, что байесов прием |
|
|
|||||
|
Истинная ситуация |
||||||
ник обеспечивает |
также |
Решение |
|||||
минимум |
среднего |
риска |
Н„верна |
И, верна |
|||
|
|||||||
[среднего |
|
по ансамблю |
|
|
|
||
возможных |
наблюдаемых |
Принято Н0 |
Правильно |
Ошибка II рода |
|||
сигналов |
(10.14)]. |
|
|
|
(пропуск) |
||
Чтобы выяснить окон |
Принято Hi |
Ошибка I рода |
Правильно |
||||
чательные характеристики |
|||||||
байесова приемника, нуж |
|
(ложная тре- |
|
||||
|
вога) |
|
|||||
но связать |
апостериорные |
|
|
||||
|
|
|
вероятности со свойствами источника сигналов (априорными вероятностями) и с каналом передачи
(вероятностью случайных искажений). Для этого мы используем по нятия пространства сигналов. Рассмотрим пространство сигналов S, включающее все возможные сигналы на входе приемника и разбиения S [см. (1.9)] на подпространства (Sp, i = 1, 2, ...,}. Теперь, применяя формулу Байеса для несовместных событий [3], можем записать
P i n 0\ y e s t] |
qPly^Si\H0} |
|
||
рР [ y ^ S i l H ^ + q P l y ^ S i \Н0] |
|
|||
|
|
|
||
m i y e s a |
|
______ рР |
______ |
(10.5) |
|
pPlyZStlHJ+qPlytStlHo) ’ |
|||
|
|
|
||
где |
|
|
|
|
|
|
Р = Р [ я |
д , |
|
|
q = P 1Я0] = |
1 - р |
|
есть априорные вероятности гипотез. Можно выразить условные ве роятности Р [у £ S ( | Я0] и Р [у £ 5 г | ЯД символически, вводя плотности вероятностей I (а\Н0) и I (а|Я Д , такие, что
Я [у 6 |
5 Д Я0] = |
$ l(a\H0)da, |
|
Я [у € |
|
st |
|
5 Д ЯД |
/ (а | ЯД do. |
(10.6) |
Если S есть n-мерное вещественное пространство, то интегрирование в (10.6) производится по n-мерным объемам, а / (а | Я„) и I (а | ЯД есть просто п-мерные плотности вероятностей. Они называются функция ми правдоподобия и описывают нужные нам свойства канала (заметим, что они не зависят от априорных вероятностей).
2 6 7
Если мы будем выполнять разбиение S так, что каждая область может быть сделана произвольно малой, то апостериорные вероятности и функции правдоподобия естественно считать постоянными в каж дой из областей, и для каждой отдельной точки (10.4) можно переписать в виде
m |У]= |
qi (у 1н„) |
(10.7) |
|
pi (у I Н х) 4- ql (У I я 0) |
|
||
m i y i = |
P i ( У 1 Я х ) |
( 10.8) |
|
pi (у \Hi)+qi (у I я 0) |
|||
|
Объединяя (10.3), (10.7) и (10.8) мы видим, что отношение апосте риорных рисков пропорционально отношению функций правдоподобия:
С (Я01у) |
рСт / (у 1Яг) |
р с п |
(10.9) |
|
С (ЯП у) |
qCf I (у | Я0) |
qCf Му)- |
||
|
Величина X (у) называется отношением правдоподобия для канала. Байесов приемник выбирает гипотезу Н0, когда отношение (10.9) меньше единицы, и гипотезу Hlt когда это отношение больше единицы (Неопределенная ситуация, когда риски равны, не имеет практиче ского значения, так как вероятность такого случая равна нулю.) Эта стратегия эквивалентна выбору гипотезы Н0, когда отношение правдоподобия А0 меньше порогового значения
К = |
(10.10) |
PL m
и гипотезы # i — в обратном случае. Уравнение X (у) = Х0 опреде ляет поверхность в пространстве сигналов, которая делит это про странство на две области Д0 и R u такие, что
h (У) < |
К Для у 6 До, |
|
Му) > |
Для у £ Дг- |
(10.11) |
Таким образом, байесов приемник вычисляет значение отношения правдоподобия для принятого сигнала и сравнивает его с порогом, определяемым с учетом цен и априорных вероятностей. Если отноше
ние правдоподобия меньше порога, |
принимается гипотеза Я 0, в про |
|
тивном случае — Нх. На рис. 10.1 |
сделана |
попытка отобразить это |
графически. Ошибки I рода происходят в тех случаях, когда за счет |
||
достаточно больших искажений в |
канале при переданном сигнале |
|
sо (t) выходной сигнал приемника попадает в область R x. |
||
Чтобы характеризовать качество канала, |
обозначим через Pf ве |
|
роятность ошибки I рода, в ситуации, когда верна Н0. Используя |
||
(10.6), можно выразить Pf через функцию правдоподобия |
||
Pf = \ l(o\H0)da. |
(10.12) |
|
Rt |
|
|
2 6 8
Аналогично, обозначим через Рт вероятность ошибки II рода для слу чая, когда верна гипотеза Н и
|
|
|
$ |
l{o\H1)do. |
|
(10.13) |
|
|
|
Ro |
|
|
|
С учетом |
априорных |
вероятностей и цен ошибок можно определить |
||||
средний риск С как |
|
|
|
|
|
|
|
|
C = pCmPm + qCf Pf. |
|
(10.14) |
||
При изменении областей Р 0 |
и |
средний риск |
будет |
изменяться, |
||
поскольку Рт и Pf зависят от R 0 и R x. Интуитивно ясно, |
что байесов |
|||||
приемник, |
который |
всегда |
принимает решение, |
минимизирующее |
Рис. 10.1. Представление пространства сиг- |
Рис. 10.2. Перекрывающиеся об- |
налов и отношения правдоподобия. |
ласти решений для двух различ- |
Точки вблизи s0 соответствуют различным реали- |
НЫХ стратегии, |
задним принятого сигнала, когда передается сиг |
|
нал s0. Точки справа от границы решений дают |
|
ошибки I рода. |
|
апостериорный риск, обеспечивает и минимум среднего риска. Чтобы доказать это, возьмем произвольную стратегию, соответствующую областям R'o и R{ (S — R'0\j R'r, /?оП^ 1 = 0 ) и сравним получаемый
средний риск С' с риском Св для случая байесовых областей, соответ ствующих (10.11),
С —Св = рСп |
5 l(o\H 1)da— ^ Ho\H1)do 4- |
|
|||
|
|
_Ro |
|
|
|
+ qCf |
§ |
l (o \ H0)do— ^ l( o \H 0)do . |
|
||
|
r( |
|
|
|
|
Исключив общие области интегрирования (рис. |
10.2), получим |
||||
С ~ С в = рСт \ |
I l i o l H J d a - |
\ |
KplHJdo |
+ |
|
|
ЯоПИх |
RoOr( |
|
|
|
-j-qCf |
^ |
l(o\H0)da— § |
l{o\H0)do |
(10.15) |
|
Ri Oro |
RjORo |
|
|
269
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