§ 3.1.3. КВАЗИПОЛНОЕ РАЗРЕШЕНИЕ — ИЗМЕРЕНИЕ
Пусть подлежащие различению сигналы отличаются значениями только одного параметра. Фиксируя интервал возможного изменения параметра, положим, что т1различаемых его значений равномерно за полняют этот интервал. Обращаясь к случаю, когда число т1 неограни ченно увеличивается, перейдем от различения дискретных значений па раметра к оцениванию параметра как непрерывно распределенной ве личины [3]. Матричное описание качества различения переходит при этом в функциональное. Матрица стоимости заменяется функцией стои
мости а (я, X), где я = X— оценка X. Выражение среднего риска в виде двойной суммы [(3), § 1.1.1] преобразуется в двойной интеграл
Q= Ц |
а{Х, X) р ( Х ) р ( І \ Х ) dXdX. |
(1) |
(£, х) |
|
|
Здесь р (X) — доопытная, |
а р (X | X) — послеопытная |
плотность ве |
роятности. Произведения р (X)dX и р (Л. | Я) dA, в (1) заменяют Р3 и
в [(3), § 1.1.1]. Формула (1) справедлива как при наличии, так и в от сутствие мешающих сигналов.
Рассмотрение ограничим наиболее важным случаем, когда оценка X вырабатывается по неслучайному алгоритму X = X (и) в зависимо сти от принимаемого колебания и — и (t). При этом *>
р(X) р (Х\Х) dX dX = р (X) p(ujX) dudX — р(и)р(Х \ u) dudX.
Сучетом многообразия приходящих колебаний и возможных значений параметра выражение для среднего риска принимает вид
Q = \ Q { X \ u ) p ( u ) d u , |
(2) |
(I*) |
|
где Q (Я,|и) —' средний риск для фиксированной реализации приходя щих колебаний (условный средний риск), соответствующий рассматри
ваемому алгоритму X — X (и):
Q(X[u)=n ^ а{Х, X) p(\|u)c?A, + Qo(u). |
(3) |
(X)
Для общности в (3) введена зависящая от случайной реализации и ве личина Qo (и), математическое ожидание которой равно нулю [61]
$ Qo (u) Р (и) du = 0 |
(4) |
(и)
и которая не влияет на величину (2). Пока не возникнет необходимо сти, далее будем полагать Q0 (и) = 0.
*> Смысл du при и = и (t) был пояснен в § 1.1.2.
По аналогии с матрицами потерь различении введем некоторые Ха рактерные ф у и к ц и н п о т е р ь и з м е р е и п я :
а) п р о с т у ю
а(Я , |
Я) = —б(Я —Я); |
(5) |
б) к в а д р а т и ч и у ю |
|
|
а(Я, |
Я) = (Я — Я)2; |
(6) |
в) и н т е г р а л ь и у ю |
|
|
а(Я , Я) = |
$ [u(t, Я) — «(/, К)]2 dt. |
(7) |
|
U) |
|
Эти функции описывают различные варианты зависимости потерь измерения от оценки параметра Я и его истинного значения Я. Согласно
(5), (б) потерн зависят от абсолютной величины разности |Я — Я| оцен ки и параметра. Согласно же (7) потери зависят от разности сигналь ных функций, взятых для оценочного и истинного значений параметра.
Выражение условного среднего риска (3) для п р о с т о й |
функ |
ции потерь (5) получим в виде |
|
|
|
|
|
|
< 2 (я | и )= — р(я|и). |
' |
(8) |
Выражение условного среднего риска (3) для к в а д р а т и ч н о й |
функции потерь (6) будет |
|
|
|
|
|
|
|
Q (я|и) = |
[Я— |
$ Яр (Я |u) dX]2 + |
|
|
|
|
|
(Я) |
|
|
|
|
|
+ § Я2 р (Я I и) £/Я — f ^ Яр (Я] и) dX 2. |
|
(9) |
|
|
(Я) |
|
ЧЯ)' |
|
|
|
Выражение условного среднего риска (3) для и н т е г р а л ь н о й |
функции |
потерь преобразуем, используя |
алгебраическое тождество |
|
|
|
|
(а + Ь)2-= а- — 62 + |
2(а + b)b. |
|
|
Вводя разности сигнальных и принимаемых колебаний а = и (ЯЯ) |
— и (і), b — |
= и (і) — и (Я |
Я) |
и замечая, что |
J р (Я|и )с1Я = |
1, получаем |
|
|
|
|
|
(Я) |
|
|
|
|
<2(Я|и) = |
J |
[и (Л Я ) - u ( t ) ] 2dt — |
[u(t) - u(t,X)r - p(b\u)dtdX- y |
|
(О |
|
|
(ЧЯ) |
|
|
|
+ 2 J j |
[u(t, X) — u (t, Я)] [u (t) — u(t, |
Я)] p (Я I u)dtdX-\-Q0(u). |
(10) |
(f, Я) |
|
|
|
|
|
|
|
В отличие от простой или квадратичной интегральная функция потерь целе сообразно используется только при аддитивных помехах п = п (і) с математи
ческим ожиданием нуль, когда и (і) = и (Я Я) + п (t) и Г пр (n)dn = 0. Значение
(л)
Qо (и) целесообразно выбрать при этом равным по абсолютной величине и про-
Тивоположным по знаку третьему слагаемому в правой части равенства (ІО). Ма тематическое ожидание Q0 (и) при этом действительно равно нулю, поскольку
[и (t) — u (t Д)] р (и) р(Я | и) du dX—np (я) р(к) du dX.
Окончательно получим |
|
|
Q{X |u ) = ([«(М % ) - u ( t ) ? d t — j al(t)dt, |
(11) |
(О |
(О |
|
где а® (t) — дисперсия помехи |
п (t). |
|
§ 3.1.4. ОПТИМАЛЬНЫЕ ОЦЕНКИ ДЛЯ РАЗЛИЧНЫХ ФУНКЦИЙ ПОТЕРЬ ИЗМЕРЕНИЯ. ДИСПЕРСИИ ОШИБОК ПРИ ОЦЕНКАХ МАКСИМАЛЬНОГО ПРАВДОПОДОБИЯ
Оптимальные оценки Я = Я (и) обеспечивают минимум Q (Я | и) при различных функциях потерь измерения.
В случае п р о с т о й функции потерь оптимальная оценка — это абсцисса абсолютного максимума послеопытной плотности вероятно сти р (Я|и). Если последняя описывается гладкой функцией и имеет единственный максимум внутри интервала возможных значений Я, ус ловие абсолютного максимума заменим условием относительного:
~zr р (Я I и) = 0 |
при Я = |
Я (u) |
(1) |
дь |
|
|
|
ИЛИ |
|
|
|
1пр(Я| и) = 0 |
при Я = |
Я(и). |
(2) |
В случае к в а д р а т и ч н о й функции потерь оптимальная оцен ка определяется как «центр тяжести» площади под кривой послеопыт ной плотности вероятности
Я = § Яр (Я I и) dX. |
(3) |
(Ы |
|
В случае и н т е г р а л ь н о й функции потерь и аддитивной по мехи оптимальная оценка соответствует абсолютному минимуму инте грала от среднего квадрата ошибки приближения принимаемого коле
бания и (t) функцией и (t, Я) при Я = Я (и). Заменяя вычисление абсо
лютного минимума вычислением относительного, получаем |
|
Г [u(t, Я)—u(f)]2 dt = 0 при Я = Я(и). |
(4) |
дХ J
(О
Критерий (4) не содержит функции р (Я|и) и не учитывает поэтому какой-либо доопытной информации.
Наоборот, при простой и квадратичной функциях стоимости опти мальные оценки получаются в зависимости от послеопытной плотности вероятности
Р ( Ч и) = - т т Р(х)Р(и \1)>
Р( и)
а значит, с учетом априорной (доопытной) плотности вероятности р (А).
Если |
априорная |
информация не |
имеет |
значения, можно принять |
р (к) |
= const. Условием получения |
оптимальной оценки (о ц е и к и |
м а к |
с и м у м а |
п р а в д о п о д о б и я ) |
для фиксированной реали |
зации и (/) при простой функции потерь тогда будет
(5)
При аддитивных гауссовых помехах с нулевым математическим ожи данием величина In р (и|А) пропорциональна интегралу J [и (/, к) —
— и (t)]2dt (коэффициент пропорциональности отрицателен), а ее макси мум достигается при минимальном значении интеграла. Таким обра зом, условия получения оптимальных оценок при простой и интеграль ной функциях стоимости совпадают.
В обоих случаях встречаются затруднения, если уровень помех пре вышает некоторый пороговый. Функция р(к | и) становится многопико
вой, а оптимальную оценку к (и) нельзя получить как абсциссу какогото одного относительного экстремума. Определение оценки облегчает ся при использовании квадратичной функции стоимости, однако и в этом случае дисперсия оценки резко нарастает по мере увеличения интенсивности помехи.
Когда уровень помех невелик, функция р (к | и) обычно имеет резко выраженный пик. По форме он симметричен, его центр тяжести и мак симум совпадают. Совпадают поэтому оптимальные оценки при ква дратичной, простой (а значит, и интегральной) функциях стоимости, т. е. для рассматриваемых условий оптимальные решения не критичны
квыбору функций стоимости.
Вслучае гауссовых аддитивных помех интегральная функция стои мости, игнорирующая априорную статистику, заметных преимуществ перед простой и квадратичной не имеет. В случае негауссовых аддитив ных помех с математическим ожиданием нуль эта функция имеет опре деленные преимущества, сводя задачу к минимизации интеграла (4), такого же, как и в гауссовом случае. Каких-либо предположений о по мехе, помимо ее аддитивности и нулевого математического ожидания при интегральной функции стоимости не требуется.
Остановимся подробнее на оценках максимального правдоподобия (5), не требующих априорных данных. Используя (5) применительно
кзадачам разрешения, прежде всего заметим, что входящая в нее плот ность вероятности р (и | к) вычисляется при условии наличия шума С, мешающих сигналов В и полезного сигнала А с параметром к, т. е.
Р(ч |^ ) = Рлвс(и ІХ)-
Всоответствии с [(6), § 1.1.2] имеем
Ра вс (ч I к) — Рдс (u) I (и I А), |
(6) |
где / (u I А) — отношение правдоподобия для сигнала с известным пара метром А; рве (и) — плотность вероятности реализации и при наличии
только мешающих колебаний. Основываясь на (6), условие оптимума оценки (5) приводим к виду:
— ln / (u IЯ) = 0 при |
Я = Я(и). |
(7) |
дл |
|
|
В соответствии с (7) можно использовать |
готовые результаты анализа |
различных вариантов обнаружения для отыскания алгоритмов опти мального измерения.
Эти же результаты облегчают отыскание послеопытиой дисперсии измеряемого параметра. Повторно учитывая пропорциональную за висимость послеопытиой плотности вероятности параметра от отноше ния правдоподобия, после логарифмирования получаем
Іп р (Я I u) = In / (и I Я.) Ч- const. |
(8) |
Разложим правую часть равенства (8) в ряд по степеням (Я— Я). Пола гая ошибки малыми, ограничиваясь в силу этого первыми тремя члена ми ряда и используя (7), находим для скалярного Я:
|
|
Г— |
in /(и I я) 1 |
( а . - я )2/2 |
|
jj{X\u) = C é dX"' |
J |
. |
(9) |
Уравнение (9) соответствует нормальному закону ошибок |
|
о(Я|и) = — |
е - ( ь - Ѵ 2/2о\ |
(Ш) |
' |
К 1 |
/ 2 па |
|
ѵ |
Сравнивая (9) и (10), |
имеем С = 1/]/"2ла и |
|
|
1/а2^ |
— д Ч п І ( и \ К ) / дХ \ =%. |
(11) |
Возможные отступления от нормального закона (10) и смещения оцен ки максимального правдоподобия, соответствующие несколько более интенсивным помехам, здесь и далее не учитываются.
До сих пор речь шла об измерении одного скалярного параметра. Положение существенно не меняется, если измеряется н е с к о л ь к о с к а л я р н ы х п а р а м е т р о в и 1, является ^.-мерной вектор ной величиной. Так, оценки максимума послеопытиой плотности ве роятности и максимума правдоподобия определяются как координаты точек экстремума (1), (5) функций нескольких переменных. При ква дратичной функции потерь оптимальная векторная оценка полу чается как интеграл от Яр (Я | и) по всем скалярным параметрам. Ска лярные оценки при интегральной функции потерь находятся из систе мы уравнений вида (4), дифференцирование в каждом из которых ве дется по своему скалярному параметру.
По аналогии с (11) величину |
|
ctj = — ö2 ln / (и |ЯЬ ... , ЯД/дЯ£дЯ;- |
( 12) |
можно рассматривать как удвоенный коэффициент при квадратичных членах разложения в ряд выражения (8). В нормальном (гауссовом) приближении
м-
р ( К ..., I и) == ехр V са (К —h ) (^j hj) (13)
і. І—1
Корреляционный момент ошибок измерения скалярных параметров (с номерами i, j) определяется соотношением
|
еи = М [(X,- |
%t)(\j - |
ij)] = |
55 |
( h - h ) X |
|
|
|
|
|
|
(hl, • • ■. Ä-ц) |
|
|
Х (^ — i j ) p { K , |
.... V | u ) d k 1 |
... d X ^ |
(14) |
Вводя |
матрицы с = || |
|| |
и e |
= || ец ]|, |
из |
(13)—(14) для |
гауссовой |
статистики можно получить |
[49, 51, |
70] |
|
|
|
|
|
|
е = |
с-1. |
|
|
(15) |
Поэтому послеопытные дисперсии измеряемых скалярных пара |
метров |
я в л я ю т с я |
(в гауссовом приближении) д и а г о н а л ь |
н ы м и э л е м е н т а м и м а т р и ц ы е, о б р а т н о й м а т р и-
ц е |
с с э л е м е н т а м и (12). Соотношение (11) можно рассматри |
вать |
как частный случай (15) для р. = 1. |
|
§ 3.1.5. РАЗРЕШЕНИЕ— ОБНАРУЖЕНИЕ — РАЗЛИЧЕНИЕ |
Важнейшей составной частью разрешения для ряда приложений является оценка числа I приходящих от целей сигналов (0 <С / < т) при некотором максимально возможном их числе т. Сочетания / про
извольно выбранных из т сигналов могут быть осуществлены Сгт спо собами. Таким образом, общее число 2п возможных комбинаций отсут ствия и наличия сигналов, соответствующее полному разрешению, раз бивается по группам событий / = 0, 1, ..., т (ни одной, одна, ..., т целей на контролируемом участке дальности)
т
Равенство (1) согласуется с известным разложением бинома Ньютона
(1 + 1)т .
В связи с изложенным примем следующую нумерацию возможных событий (/ = 0, 1, ..., 2'"—1). Событию отсутствия сигналов /= 0 при своим номер j — 0 и отнесем его к нулевой группе. Событиям наличия
одного сигнала (/ = 1) дадим номера } = 1, ..., С1т + 1, относя их к первой группе событий, и т. д. Совокупность всех 2т возможных со бытий разбивается постепенно на (т + 1) групп этих событий с номе рами I = 0, ..., т при неодинаковом числе событий в каждой группе.
|
Аналогично, |
на (т + |
1) групп k = |
О, |
1, |
т разбиваются все воз- |
|
можные решения об этих событиях. |
|
|
|
|
|
|
|
|
Выражение для среднего риска (3) можно привести к виду |
|
|
|
|
|
|
|
|
Q |
— 2 |
|
2 |
|
|
|
Р lv Ркіцѵ ! |
|
|
|
(2) |
|
|
|
|
|
|
|
|
|
к , |
/ |
Ц , |
V |
|
|
|
|
|
|
|
|
|
где |
I — число |
сигналов; k |
= |
I — его оценка; ѵ — номер |
сочетания |
|
I сигналов из т (1 < |
ѵ < Ст1); |
р. = |
ѵ — оценка ѵ. |
|
|
|
|
|
Совокупность элементов а*/^, |
|
соответ |
|
|
|
|
|
|
ствующая фиксированным значениям k, I, |
I— |
|
|
|
|
|
образует |
подматрицу |
матрицы стоимости. |
\ о |
|
I О |
\к=0 |
|
I -1 |
|
|
Различие диагональных |
(/г = |
/) и недиаго- |
I— |
L - |
|
— |
|
|
нальных |
(к Ф I) подматриц должно стиму |
! о |
-/ |
о |
о |
к=1 |
|
лировать |
правильное |
определение |
числа |
|
|
|
о |
к^2 |
|
сигналов |
I (числа |
целей в группе). |
Разли |
О |
О |
-1 |
|
чие диагональных |
(р = |
ѵ) |
и недиагональ |
[ _ _ ! — |
|
4— |
| |
|
ных (р Ф ѵ) |
элементов |
каждой |
|
подматри |
\ О |
I о |
о \ - 1 |
|
|
цы |
может |
|
стимулировать |
|
правильное |
|
*) |
|
|
|
определение параметров сигналов. При |
|
|
|
|
выборе |
элементов |
применимы |
|
принципы |
|
с=і |
|
|
|
построения |
простой, |
квадратичной |
и т. д. |
1=0 |
С=2 |
|
|
матриц стоимостей различения. Так, ис |
|
S) |
|
|
|
пользуя принцип построения |
простой мат |
Рис. |
З.І.І. |
Пояснение мат |
|
рицы стоимости, |
все |
элементы |
недиаго |
|
рицы |
потерь различения с |
|
нальных |
подматриц (/г Ф I) |
и недиагональ |
выделением подматриц (а) |
|
ные |
элементы |
(р Ф ѵ) |
диагональных под |
для |
различных вариантов |
|
матриц |
|
(k = |
/) можно |
выбрать |
равными |
(б) наличия |
целей на двух |
|
нулю. |
Диагональные |
элементы |
(р = ѵ) |
|
позициях. |
|
|
последний |
принимаются |
равными |
— 1 |
числу). Пример подоб |
|
(или |
какому-либо другому |
отрицательному |
|
ного построения 2т -элементаой |
матрицы с |
выделением |
подматриц |
|
для |
т = 2 |
показан |
на рис. |
3.1.1. |
|
|
|
|
|
|
§3.1.6. РАЗРЕШЕНИЕ — ОБНАРУЖЕНИЕ— ИЗМЕРЕНИЕ
ИЕГО АЛГОРИТМЫ ПРИ ПРОСТОЙ ФУНКЦИИ СТОИМОСТИ
Полагая, что интервал возможного изменения параметра сигнала равномерно заполнен т значениями этого параметра и, переходя к к /ті—>-оо, приходим к важному случаю полного разрешения, включаю щему н а р я д у с о б н а р у ж е н и е м и о ц е н к о й ч и с л а I разрешаемых сигналов о ц е н к у непрерывно распределенных зна чений их п а р а м е т р о в. Такой подход был четко сформулирован
вобщем виде И. А. Большаковым [115] и Нильссоном [61]. Выражение для среднего риска Q запишем в виде
Q — |
ahl\^h’ ^l) p |
^l) dhfrdhi. |
(1) |
к, I |
(Xh. Xt) |
|
|
Здесь I — число разрешаемых сигналов; k = I •— оценка этого числа;
— вектор параметров |
разрешаемых |
сигналов; \ к — оценка векто |
ра параметров; |
Pt — априорная вероятность наличия |
I сигналов; |
Phi — Р (/г I /) — условная вероятность |
оценки /г при действительном |
числе сигналов |
I; р {Хк, |
Xt) — совместная плотность вероятности зна |
чений вектора |
оценок |
Хк и |
вектора |
параметров Xt; |
aki (Xh, А,) — |
функция стоимости решения. |
Векторы |
А, полужирным |
шрифтом не |
выделяем. |
|
|
|
|
|
Считая, что решения k — І (и) и Хк = Хк (u) принимаются в неслу чайной зависимости от принимаемых колебаний и = u(t), перейдем, как и в § 3.1.2, к условному среднему риску
Q (£, К I и) = 2 |
$ a h i ( K > h ) P { K /1и) cfA,z. |
(2) |
I |
(X,) |
|
Здесь p (A,,, / [ u) — совместная послеопытная плотность вероятности вектора непрерывного параметра А,, и числа сигналов /, нормирован ная так, что
2 $р(Аь l\u)dXt = L
|
! |
|
|
|
|
Перейдем к |
а л г о р и т м а м |
р а з р е ш е н и я |
— о б н а р у |
ж е н и я — и з м е р е н и я |
п р и |
п р о с т о й |
ф у н к ц и и |
с т о и м о с т и , |
что методически |
представляется наиболее удобным. |
Введем простую функцию |
стоимости |
а к1 (Хк, X,) |
разрешения *— |
обнаружения — измерения: |
|
|
|
|
|
ahl Оѵп ^і) — |
|
|
при l = k, |
(3) |
|
|
О |
при Іфк. |
|
|
|
|
Выражение условного среднего риска (2) существенно упрощается
Q(k, Xh \u) = — P(Xk,k\u).
Его минимальное значение соответствует абсолютному максимуму послеопытной плотности вероятности
шах р (Xh, k I и), где k = 1 (и), Xh = А,, (и), |
(4) |
что определяет оптимальные значения оценок / (и), \ |
(и). |
|
Используя вытекающее из теоремы умножения равенство |
|
p(Xh L\u) = - ^ — Pip(Xl)p(u\l, А,,) |
|
|
Pi и) |
|
|
и заменяя k на I в условии (4), последнее приведем к виду |
|
max [ln р(и 11, Х,) + 1п Рі + 1п p(Xt)] при/ = /(и), |
A,; = Â;(u). |
(5) |
Порядок оптимизации в (4) и (5), вначале по Xh а затем по /, или наоборот, произволен. Вычисления, однако, облегчаются, если, после-
довательно задавая дискретные I, при каждом из них находить Х1(и). Сравнивая значения (5) для различных / при соответствующих им
Х; (и), устанавливаем оптимальное значение I (и) = /г.
В случае р (А,,) = const оценка Хг (и) максимума послеопытной плотности вероятности параметра X (для фиксированного /) совпадает с оценкой максимума правдоподобия
max ln р (u I /, Xt) при А.г= Х г(и). |
(6) |
Условие абсолютного максимума (6) при малом уровне шума пере ходит в условие относительного
- щ - • In р(и ! Я,, ..., XtH, ...). = 0 |
при Хі.л = ХіѵХи). |
(7) |
Здесь Хи —■скалярная составляющая вектора Хр и — номер состав ляющей. Если система уравнений (7) невырожденная, решая ее, мож но определить все составляющие вектора к = 1, ц.
Далее можно перейти к сопоставлению выражений вида (4) или
(5) при различных значениях I с тем, чтобы установить оптимальную
оценку числа сигналов I (u) = k. Последнее равносильно сопоставле нию отношений правдоподобия (см. § 1.1.2) для конкурирующих ги потез наличия I и / •— 1 сигналов. Соответствующее неравенство для логарифма отношения правдоподобия
р(ц]СА;)
р ( и I |
/ — 1 , |
(8) |
l) |
должно соблюдаться при I ^ |
/г и не соблюдаться при I > /г. Уровень |
порога, с которым сравнивается логарифм отношения правдоподобия, определяется априорной статистикой /.
Правило (8) является видоизменением (4) или (5). Поиск абсолют ного максимума некоторой функции натурального числа I сводится, таким образом, к последовательному сравнению ее значений для Ім I — 1. Эвристически подобный алгоритм дан еще в [66].
При написании (6)—(8) полагалось, что априорные данные отсутст вуют: было принято р (X) = const. Решение заметно не усложнится, когда р (X) Ф const. В левые части уравнений (7) добавятся в этом случае производные логарифмов априорных плотностей вероятности, а в левую часть (8) — логарифм их отношения для значений параметра
X = Xt и X = Хн1.
Не произойдет также заметного усложнения, если в порядке обобщения функций стоимости (I) ввести неодинаковый ущерб от неправильных решений для различного числа выдаваемых сигналов, полагая
«лг(А;г, Х[)— — a h ö(Xh— Х[).
Соотношение (7) от этого не изменится, уровень же порога в (8) изменится на ве личину ln (aj-j/a;).
§ 3.1.7. АЛГОРИТМЫ РАЗРЕШЕНИЯ — ОБНАРУЖЕНИЯ — ИЗМЕРЕНИЯ
ПРИ НИЛЬССОНОВСКОЙ ФУНКЦИИ с т о и м о с т и
Кроме простых функций стоимости при разрешении — обнаружении — изме рении могут использоваться функции стоимости интегрального типа (см. § 3.1.2— 3.1.3). В работе Нильссона [61] к ним добавляется слагаемое Да^і, учитывающее ущерб от неправильного определения числа сигналов. Таким образом,
|
|
|
1( » |
А;)= j* |
(t, ^jt) |
и (t. А/)]'“ dt -К До:/^ ■ |
|
(1) |
|
|
|
|
|
V) |
|
|
|
|
|
|
|
|
|
|
Значения Да^ |
можно выбрать, |
например, |
как элементы простой матрицы |
|
потерь |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
( —1 |
при к = |
/, |
|
|
|
( ) |
|
|
|
|
|
|
[ |
„ |
, |
, |
, |
|
|
|
|
|
|
|
|
|
0 |
при k ф I ■ |
|
|
завы |
|
Иногда занижение числа сигналов не полагают ущербом, ущерб же |
|
|
2 |
|
шення считают пропорциональным |
ошибке завышения: |
|
|
|
|
|
|
|
|
|
|
г/г —і |
при к |
|
і, |
|
|
|
(3) |
|
|
|
|
|
Дctfjі— { |
0 |
при к < |
/. |
|
|
|
|
|
|
|
|
|
\ |
|
|
|
|
|
В любом из рассматриваемых случаев выражение условного среднего риска |
|
Q [к, |
Ад I и ] |
по аналогии с [(11), §3.1.3] приводится к виду |
|
|
|
|
|
|
Q(k, |
A/t|u) = j' |
[и (Л l k) — u(t)]* dt + M{Aaki \ u } — |
J |
a2n (t)dt. |
|
(4) |
|
|
|
|
(0 |
|
|
|
|
|
(t) |
|
|
|
|
Здесь |
AJ{Aah;|u} |
— послеопытпое |
математическое ожидание |
ущерба от |
не |
|
правильного определения числа сигналов |
|
|
|
|
|
|
|
|
|
|
|
|
М {Aaiti I и} = 2 |
д <*hi р (Пи). |
|
|
|
|
|
в свою очередь, Р (/ j и) |
— послеопытная вероятность наличия сигналов |
|
|
|
|
|
|
|
Р(П u )= |
j' |
р (А,, [\u)dli. |
|
|
|
|
|
|
|
|
|
|
( h ) |
|
|
|
|
|
|
|
|
|
Из выражения |
(4) |
определяются |
оптимальные |
оценки |
составляющих А^. |
При фиксированном значении к они находятся как решения системы уравнений
Кх. • • •)—u(t)]2 ct=Q. |
(5) |
В случае гауссовой помехи с нулевым математическим ожиданием и в отсутствие априорных данных о параметрах сигнала уравнения (6) тождественны получен ным ранее [(7), § 3.1.6J.
Оптимальная оценка к = I числа сигналов выбирается из условия абсо лютного минимума выражения Q (I, А/1 и ), который имеет место при некотором
значении I = к. Когда этот минимум единственный, непосредственное вычисле ние сводится к пороговой процедуре, при которой зависящие от I и и (і) выраже
ния последовательно сравниваются с порогами. |
Если неравенство |
|
l l u ( t , h - i ) - u ( t ) \ * d t > |
J [ы (t, |
h ) - u ( t ) f d t + B i |
(6) |
(О |
(О |
|
|
328 |
|
§ |
3 . 1 .7 |