Линейное обнаружение
Стр 1 из 3Следующая ⇒ Варианты задания
1. Статистика
2. Статистика 3. Статистика 4. Проверить гипотезу о величине 5. Распределение Релея: 6. Распределение Максвелла: Проверить гипотезу 7. Проверить гипотезу о величине 8. Распределение арксинуса: Проверить гипотезу 9. Показательное распределение:
10.
Проверить гипотезу
Гамма- функция 11. Проверить гипотезу
12. Проверить гипотезу
13. Гамма – распределение:
При
Проверить гипотезу о распределении Эрланга с двумя степенями свободы. 14. Проверить гипотезу о распределении Эрланга с тремя степенями свободы. 15. Проверить гипотезу о том, что гамма – распределение 16. Распределение Стъюдента:
17. Распределение Фишера (Снедекора):
18. Нецентральное
Проверить гипотезу о нецентральном 19. Проверить гипотезу о нецентральном 20. Проверить гипотезу о нецентральном 21. Проверить гипотезу о нецентральном
22.
Проверить гипотезу о том, что величина
23. Выборочное среднее 24. Выборочня дисперсия 25. Статистика
MATLAB – функции:
NORMCDF(X,M,SIGMA) – нормальное распределение; UNICDF(X,A,B) – равномерное распределение от A до B; RAYLCDF(X,B) – распределение Релея с параметром B = EXPPDF(X,MU) – показательное распределение с параметром CHI2CDF(X,V) - NCX2CDF(X,N,L) – нецентральное TCDF(X,V) - распределение Стъюдента с V степенями свободы; FCDF(X,K1,K2) - распределение Фишера с K1 и K2 степенями свободы.
Пример. Статистика Программа N=5000 del=0.5 x=-3:del:3; f=normpdf(x,0,1) y=randn(1,N); H=hist(y,x) hh=hist(y,x)/N/del % гистограмма для рисунка h=hist(y,x)/N % гистограмма для расчета вероятностей plot(x,f) hold on stem(x,hh) рассчитывает теоретическую плотность распределения гистограмму (рис. 1). Рис. 1. Плотность распределения и гистограмма
Расчеты вероятностей попадания в интервалы дискретизации должны выполняться с функцией
F=normcdf(x+del/2,0,1) % сдвиг на полинтервала p=diff(F) ppp=sum(p) pp=sum(h) dH=diff(cumsum(h)) n=length(dH) P=[p;dH]
0.0106 0.0276 0.0620 0.1168 0.1732 0.2036 0.1752
0.1210 0.0656 0.0278 0.0092 0.0024 0.1194 0.0674 0.0284 0.0092 0.0032 Критерий
hi=N*sum((p-dH).^2./p) hi0=chi2inv(0.95,11) дает результат Пример расчета вероятности попадания величины, распределенной по закону Максвелла, в интервал (a,b).
syms x f=sqrt(2/pi)*x^2*exp(-x^2/2) % плотность Максвелла F=int(f) % функц. распред. Максвелла ezplot(F,0,4) a=1 b=1.5 p=int(f,a,b) % вероятность попадания в интервал (a,b) p = (7186705221432913/18014398509481984*2^(1/2)*erf(3/4*2^(1/2))-7186705221432913/18014398509481984*2^(1/2)*erf(1/2*2^(1/2)))*pi^(1/2)-21560115664298739/18014398509481984*exp(-9/8)+ +7186705221432913/9007199254740992*exp(-1/2) = 0.2791.
Литература
1. Соколов Г.А, Гладких И.М. Математическая статистка. - М.: Экзамен, 2007. – 431 с. 2. Ивченко Г.И., Медведев Ю.И. Математическая статистика. - М.: Высшая школа, 1984. – 248 с. 3. Чистяков В.П. Курс теории вероятностей. - М.: Наука, 1982. – 256 с.
Лабораторная работа № 2
ГЕНЕРАТОР ВЕКТОРНЫХ РЕАЛИЗАЦИЙ СЛУЧАЙНОГО ПРОЦЕССА
Цель работы: освоение аппарата сингулярного разложения корреляционной матрицы для генерирования псевдослучайных векторов с заданными корреляционными свойствами.
1. Методические указания
Линейный фильтр может описываться не только весовой функцией, но и оператором
Получая последовательно Генератор полубесконечных реализаций задается интегральным уравнением
Его векторный аналог
в котором
Действительно, так как корреляционная матрица - симметричная квадратная матрица, то и
Корень квадратный из корреляционной матрицы [1,2] вычисляется следующим образом. Корреляционная матрица (по определению невырожденная) может быть записана в виде сингулярного разложения (разложения по собственным векторам
где
................
- диагональная матрица собственных значений матрицы собственные значения Если определить
то произведение
Таким образом, согласно (4), оператор генератора векторных сигналов с корреляционной матрицей
Оператор можно записать еще короче:
так как и форма (6) обращает уравнение (3) в тождество. Аппарат собственных векторов позволяет решать более сложные задачи “перекрашивания” шума - преобразовывать окрашенный шум в окрашенный. В пространстве непрерывных процессов эта задача описывается интегральным уравнением [3], обобщающим уравнение (2),
то матрица
являющимся векторным аналогом уравнения (7). Его можно записать
откуда следует
Кроме основного решения (9) уравнение (8) имеет следующие:
Таким образом, генератор векторных случайных процессов определяется операторами (5),(6), если преобразуется В современном математическом обеспечении ЭВМ имеются весьма точные процедуры вычисления собственных векторов и собственных значений матриц. Например, в системе “MATLAB” оператор предписывает вычисление матриц U = Пример. Заданы корреляционные матрицы
1,000 0,607 0,368 0,223 0,105 0,607 1,000 0,607 0,368 0,223
0,223 0,368 0,607 1,000 0,607 0,105 0,223 0,368 0,607 1,000
1,000 - 0,607 0,368 - 0,223 0,105 - 0,607 1,000 - 0,607 0,368 - 0,223
- 0,223 0,368 - 0,607 1,000 - 0,607 0,105 - 0,223 0,368 - 0,607 1,000
Собственные значения обеих матриц одинаковы:
Собственные векторы матриц отличаются знаками некоторых элементов:
0,2411 - 0,4111 - 0,5493 - 0,5753 0,3743 - 0,5111 0,5753 0,1013 - 0,4111 0,4780
- 0,5111 - 0,5753 0,1013 0,4111 0,4780 0,2411 0,4111 - 0,5493 0,5753 0,3743
0,2411 0,4111 - 0,5493 - 0,5753 0,3743 0,5111 0,5753 - 0,1013 - 0,4111 - 0,4780
0,5111 - 0,5753 - 0,1013 0,4111 - 0,4780 0,2411 - 0,4111 - 0,5493 - 0,5753 0,3743 Задача расчета оператора
0,1236 - 0,2458 - 0,4041 - 0,6221 0,6115 - 0,2620 0,3440 0,0745 - 0,4446 0,7809
- 0,2620 - 0,3440 0,0745 0,4446 0,7809 0,1236 0,2458 - 0,4041 0,6221 0,6115
расчет по формуле (9)
дает оператор
1,2363 - 0,8370 0,2746 - 0,1748 0,0746 0,6946 1,4469 - 0,7511 0,2852 - 0,1561
- 0,1561 0,2852 - 0,7511 1,4469 - 0,6946 0,0746 - 0,1748 0,2746 - 0,8240 1,2363
2. Порядок выполнения работы
1. Записывается матрица рассеяния 2. Вычисляются собственные векторы и собственные числа; проверяются их свойства. 3. Вычисляются 4. Моделируются процессы окрашивания и “выбеливания”.
3. Содержание отчета
Результаты по пунктам 1 - 4 разд. 2.
4. Контрольные вопросы
1. Как составляется матрица рассеяния стационарного шума? 2. Каковы собственные значения матрицы рассеяния белого шума? 3. Каковы собственные значения матрицы 4. Запишите характеристическое уравнение квадратной матрицы. 5. Каковы собственные значения матрицы 6. Существует ли произвольная степень несимметричной квадратной матрицы?
Список литературы
1. Воробьёв С.Н., Осипов Л. А. Моделирование систем. - СПб.: ГУАП, 2006. – 66 с. 2. Воробьев С.Н., Осипов Л.А. Линейные системы. Расчет и моделирование. - СПб.: ГУАП, 2004. – 122 с. 3. Гантмахер Ф.Р. Теория матриц. - М.: Наука, 1966. – 576 с. 4. Хорн Р., Джонсон Ч. Матричный анализ. - М.: Мир,1989. – 655 с. 5. Тихонов В.И. Статистическая радиотехника. - М.: Сов. радио, 1966. – 678 с.
Лабораторная работа № 3
ЛИНЕЙНОЕ ОБНАРУЖЕНИЕ
Цель работы: изучение принципов построения классических обнаружителей импульсных сигналов в аддитивном стационарном гауссовом шуме.
1. Методические указания
1.1. Рабочая характеристика.
Классическая задача обнаружения детерминированного сигнала
Отрезок входного сигнала на известном интервале
Так как преобразование линейно, статистика распределена по нормальному закону:
Плотности распределения статистики при обеих гипотезах показаны на рис.1 для отношения сигнал – шум Процедура обнаружения, таким образом, сводится к разбиению пространства значений статистики критическим уровнем
Рис.1. Плотности распределения
Решения могут быть правильными или ошибочными. Вероятность ошибки первого рода (вероятность ложной тревоги)
вероятность ошибки второго рода (вероятность пропуска сигнала)
Вероятность правильного решения при гипотезе
- интеграл вероятности. Функциональная зависимость вероятности обнаружения от вероятности ложной тревоги называется рабочей характеристикой [2] обнаружителя (рис. 2).
Рис. 2. Рабочие характеристики
Рабочая характеристика строится расчетом вероятностей по формулам (1) и (2) при изменении критического уровня
характеризующее относительный сдвиг плотностей распределения статистики при различных гипотезах. Например, рабочая характеристика на рис. 2 соответствует значению
1.2. Критерии проверки гипотез
Проверка гипотез, как любая задача математической статистики, предполагает ее оптимальное решение. Понятие оптимальности включает и правило формирования линейной статистики, и правило назначения критического уровня Пусть заданы априорные вероятности гипотез
Критерий (правило) Байеса (минимума среднего риска) предписывает выбор рабочей точки, минимизирующей среднюю стоимость [2]. Минимум среднего риска достигается, если решение в пользу гипотезы
в котором - вероятности ошибок - априорные вероятности - стоимости решений тогда Альтернативный критерий Неймана - Пирсона [1,2] применяется, если априорные вероятности и стоимости решений неизвестны, напри- мер, в радиолокации. Критерий Неймана - Пирсона предписывает при заданном значении вероятности ложной тревоги Следует отметить, что при обнаружении полностью известного сигнала в аддитивном гауссовом шуме вероятности
1.3. Согласованная фильтрация.
Оптимальное правило формирования статистики проверки простых гипотез описывается интегральным уравнением [3]
называемым также уравнением согласованной фильтрации. Решение уравнения определяет статистику
обладающую свойством
Следовательно, отношение сигнал - шум для статистики равно
Согласованный фильтр - линейный фильтр с весовой функцией
Выходное напряжение согласованного фильтра в момент окончания сигнала ( Согласованный фильтр обеспечивает максимальное отношение сигнал - шум, следовательно, оптимален по критерию Неймана - Пирсона.
1.4. Дискретная согласованная фильтрация.
В дискретном временном пространстве уравнение согласованной фильтрации (4) записывается
Статистика аналогично (5) определяется произведением
Как и в непрерывном случае, вследствие линейности процедуры (9)
Свойства (10) дискретного согласованного фильтра аналогичны свойствам (6) согласованного фильтра. Дискретный согласованный фильтр полностью описывается рабочей характеристикой.
2. Порядок выполнения работы
1. В соответствии с заданием решается уравнение дискретной согласованной фильтрации (7). 2. Генерируются массивы векторов 3. Вычисляются массивы значений статистики (9) при гипотезах 4. Строятся гистограммы статистики при гипотезах 5. Строятся рабочие характеристики для нескольких значений отношения сигнал - шум. 6. Рассчитываются значения (3) критических уровней
3. Содержание отчета
Результаты по пунктам 1 - 6 разд. 2.
4. Контрольные вопросы
1. Получите соотношения (10). 2. Как следует строить гистограммы (пункт 4 содержания отчета)? 3. В каких случаях решение (8) становится некорректным? 4. Какова минимальная вероятность обнаружения? 5. Имеют ли размерность величины из соотношения (10)? 6. Решите задачу дискретной согласованной фильтрации для 7. Запишите отношение правдоподобия (3) для гауссовых статистик. 8. Каково решение задачи проверки простых гипотез, если сигнал имеет форму собственной функции ядра интегрального уравнения (4)? 9. Каково решение задачи дискретной согласованной фильтрации, если сигнал задан в виде собственного вектора матрицы рассеяния? 10. Может ли согласованный фильтр использоваться как измеритель времени прихода сигнала?
Список литературы
1. Ивченко Г.И. Математическая статистика. - М.:
Воспользуйтесь поиском по сайту: ![]() ©2015 - 2025 megalektsii.ru Все авторские права принадлежат авторам лекционных материалов. Обратная связь с нами...
|