Оптимальный приём сигналов

Шаблон:Значения Оптимальны́й приём сигна́лов — область радиотехники, в которой обработка принимаемых сигналов осуществляется на основе методов математической статистики.

История

По мнению В. И. Тихонова на возможность использования статистических методов в радиотехнике, по-видимому впервые, непосредственно указали работы А. Н. Колмогорова и Н. Винера по синтезу оптимальных линейных фильтров. В 1946 году В. А. Котельников в своей диссертации впервые сформулировал задачи оценки оптимальных параметров сигналов на фоне аддитивного гауссовского шума и нашёл их решения. В середине 1950-х годов были решены некоторые задачи оптимального приёма сигналов в каналах с флуктуационным шумом, неопределённой фазой и рэлеевскими замираниями.

В конце 1950-х и начале 1960-х годов стали развиваться

• оптимальные методы приёма стохастических пространственно-временных сигналов
• оптимальные методы приёма в каналах с флуктуационным шумом и селективными замираниями по частоте и времени

До начала 1960-х годов методы оптимальной обработки сигналов разрабатывались применительно к задачам радиотехники, в первую очередь касающимся радиолокации и связи. После методы оптимальной обработки стали применяться также и в других предметных областях, в частности гидроакустике, где помехи имеют более сложную структуру, чем в радиолокации. Кроме того, среда распространения гидроакустических колебаний существенно неоднородна. В результате развития теории оптимальной обработки сигналов с учётом гидроакустической специфики сформировалась теория оптимальной обработки гидроакустических сигналов, учитывающая неоднородный характер гидроакустической среды распространения колебаний и сложный характер помеховой обстановки.

Примерно с 1970-х годов начинали развиваться методы совместного различения сигналов и оценивания их параметров

Задачи

Задачами теории оптимального приёма сигналов являются обнаружение сигнала, различение сигналов, оценка параметров сигнала, фильтрация сообщений, разрешение сигналов и распознавание образов. Для их описания допустим, что принимаемый сигнал $r(t)$ представляет собой сумму сигнала $s(t,\lambda )$ и аддитивной помехи $n(t)$:

$r(t)=s(t,\lambda )+n(t)$,

где $\lambda$ — параметр сигнала $s(t,\lambda )$, который в общем случае является векторным, $n(t)$ — аддитивный белый гауссовский шум.

Используя это предположение, основные задачи теории оптимального приёма сигналов можно описать следующим образом.

Обнаружение сигнала

Допустим, что в принятом сигнале $r(t)$ может присутствовать или отсутствовать сигнал $s(t,\lambda )$, то есть принимаемый сигнал $r(t)$ равен$r(t)=\alpha s(t,\lambda )+n(t)$, где случайная величина $\alpha$ может принимать значения 0 (сигнал отсутствует) или 1 (сигнал присутствует); $s(t,\lambda )$ — наблюдаемый на интервале наблюдения [0, T] детерминированный сигнал. При решении задачи обнаружении сигнала необходимо определить наличие сигнала $s(t,\lambda )$ в $r(t)$, то есть оценить значение параметра $\alpha$. При этом возможны два варианта. Априорные данные — вероятности $p_p$${}_r(t,\alpha =0)$ и $p_p$${}_r(t,\alpha =1)$ — могут быть известны или нет.

Сформулированная задача обнаружения сигнала является частным случаем общей задачи статистической проверки гипотез. Гипотезу об отсутствии сигнала будем обозначать $H_0$, а гипотезу о наличии сигнала — $H_1$.

Если априорные вероятности $P_{pr}(H_0)$ и $P_{pr}(H_1)$ известны, то можно использовать критерий минимума среднего риска (байесовский критерий) $R$:

$R=\sum _{i,k=0}^1{P}_{pr}(H_i)Q_{ik}\underset{X_k}{\int }W(x|H_i)dx$,

где {$Q_{ik}$} — матрица потерь, а $W(x|H_i)$ — функция правдоподобия выборки наблюдаемых данных, если предполагается истинность гипотезы $H_i$.

В этом случае, если априорные вероятности $P_{pr}(H_0)$ и $P_{pr}(H_1)$ неизвестны, то с пороговым значением $h_0$ сравнивается отношение правдоподобия $l_0$:

$l_0=\frac{F(r|H_1)}{F(r|H_0)}=exp(\frac{2}{N}\underset{0}{\overset{T}{\int }}r(t)s(t)dt-E/N)$,

где E — энергия сигнала, а N — односторонняя спектральная плотность гауссовского аддитивного белого шума. Если $l_0>h_0$, то принимаете гипотеза о наличии сигнала, иначе о его отсутствии на интервале наблюдения [$0,T$].

Если априорные вероятности $P(H_0)$ и $P(H_1)$ известны, то решение о наличии сигнала принимается на основе сравнения отношения апостериорных вероятностей $l_1$ с некоторым пороговым значением $h_1$:

$l_1=\frac{P_{ps}(H_1)}{P_{ps}(H_0)}=\frac{P_{pr}(H_1)}{P_{pr}(H_0)}exp(\frac{2}{N}\underset{0}{\overset{T}{\int }}r(t)s(t)dt-E/N)$.

Если $l_1>h_1$, то принимаете гипотеза о наличии сигнала, иначе о его отсутствии на интервале наблюдения [$0,T$].

Задача обнаружения часто встречается в радиолокации и других областях радиотехники.

Различение сигналов

Допустим, что в принятом сигнале $r(t)$ может присутствовать только один из двух сигналов $s_1(t,{\lambda }_1)$ и $s_2(t,{\lambda }_2)$ , то есть принимаемый сигнал $r(t)$ равен

$r(t)=\alpha s_1(t,{\lambda }_1)+(1-\alpha )s_2(t,{\lambda }_2)+n(t)$,

где $\alpha$ — случайная величина, которая может принимать значения 1 или 0. Если $\alpha =1$ , то в $r(t)$ с вероятностью $p_1$ присутствует сигнал $s_1(t,{\lambda }_1)$ ; если $\alpha$=0 , то в $r(t)$ с вероятностью $p_2$ присутствует сигнал $s_2(t,{\lambda }_2)$. В данном случае оценка параметра $\alpha$ является задачей различения двух сигналов. Задача различения более двух сигналов может быть сформулирована аналогично.

Если все кроме одного сигнала нулевые, то задача различения сигналов сводится к задаче обнаружения сигнала.

Задача различения сигналов часто встречается в радиосвязи и других областях радиотехники.

Оценка параметров сигнала

Если параметр сигнала $\lambda$ — случайная величина с априорной плотностью вероятности, то задачей оценки параметра сигнала является определение значения этого параметра с наименьшей погрешностью. Если требуется оценить несколько параметров сигнала, то такая задача называется совместной оценкой параметров сигнала.

Оценка параметров сигнала часто возникает в радиолокации, радионавигация и других областях радиотехники.

Фильтрация сообщений

Если параметр сигнала $\lambda$ случайно меняется на интервале наблюдения и является информационным сообщением $\lambda (t)$, то есть случайным процессом с известными статистическими характеристиками, то задачей фильтрации является определение $\lambda (t)$ с наименьшей погрешностью. В общем случае информационных сообщений может быть несколько.

Задача фильтрации часто возникает в радиосвязи и телеметрии.

Разрешение сигналов

Шаблон:Дополнить раздел Задача разрешения сигналов подразумевает одновременное наличие в аддитивной смеси двух или более сигналов, разделяющих один и тот же частотный и временной ресурс. Разрешением в данных условиях будет называться оценка дискретных и непрерывных параметров каждого из сигналов, входящих в смесь.

Распознавание образов

При распознавании образов выявляется принадлежность рассматриваемого объекта (предмета, явления, сигнала и др.) к одному из заранее известных классов.

Литература

• Шаблон:Книга
• Шаблон:Книга
• Шаблон:Книга
• Шаблон:Книга