По всем вопросам звоните:

+7 495 274-22-22

УДК: 621.9

Медианный алгоритм оценки дисперсии при обнаружении сигнала с неизвестной начальной фазой

Юдачев С. С. канд. техн. наук, доцент, МГТУ им. Н. Э. Баумана, Москва, 105005, Москва ул. 2-я Бауманская, д. 5
Монахов П. А. МГТУ им. Н. Э. Баумана, Москва, 105005, Москва ул. 2-я Бауманская, д. 5, е-mail: monakhovp99@mail.ru
Гордиенко Н. А. МГТУ им. Н. Э. Баумана, Москва, 105005, Москва ул. 2-я Бауманская, д. 5
Ситников С. С. МГТУ им. Н. Э. Баумана, Москва, 105005, Москва ул. 2-я Бауманская, д. 5

В статье приводится нахождение дисперсии собственного шума, распределенного по закону Релея, для нахождения сигнала с неизвестной начальной фазой по критерию Неймана-Пирсона.Данный алгоритм используется для первичной обработки сигналов. Практическая значимость работы — изучение основ программирования на языке Си и Python, сравнение и выявление преимуществ данного алгоритма по сравнению с оценкой методом среднего значения. Также показано нахождение порога, при котором принимается решение об обнаружении полезного сигнала. В данной работе использовалась интегрированная среда программирования Visual studio —популярная среда для написания, отладки и компиляции кода. Также содержит в себе большинство используемых библиотек, которые упрощают написание кода. И Anaconda — дистрибутив для языка программирования Python, включающий в себя набор свободных библиотек, что также находится в свободном доступе. При помощи языка Си выполнялась задача вычисления данных и их заполнения в массив, Python использовался для моделирования, построения гистограмм и сравнения полученных результатов с теоретическими. Данная работа может использоваться для обучения студентов высших учебных заведений в целях ознакомления. Рассмотрен оптимальный метод. Ознакомление и изучение данных языков программирования проводятся в стенах одного из ведущих инженерных университетов Российской Федерации — Московского государственного технического университета имени Н.Э. Баумана.

Литература:

1. Программирование на языке С, 3-е издание. Пер. с англ. — М.: ООО «И.Д. Вильямс», 2007. — 496 с.: илл. — Парал. тит. англ.

2. Изучаем Python, 4-е издание. — Пер. с англ. — СПб.: СимволПлюс, 2011. — 1280 с., илл.

3. Теория вероятностей и математическая статистика: учеб. пособие / Е.А. Трофимова, Н.В. Кисляк, Д. В. Гилёв (Под общ. ред. Е.А. Трофимовой); М-во образования и науки Рос. Федерации, Урал. федер. ун-т. — Екатеринбург: Изд-во Урал. ун-та, 2018. — 160 с.

4. Теория вероятностей и математическая статистика: учебное пособие / Л.Н. Губарь, А.В. Ермоленко. — Сыктывкар: Изд-во СГУ им. Питирима Сорокина, 2015. — 120 с.

5. С для программистов с введением в С11 / Пер. с англ. А. Киселёва. — М.: ДМК Пресс, 2014. — 544 с.: илл.

6. Изучаем программирование на C (2013) Авторы: Дэвид Гриффитс, Дон Гриффитс.

7. Полный справочник по С, 4-е издание. — Издательский дом «Вильямс», 2002. — 704 с.: илл. — Парал. тит. англ.

8. Изучаем Python. Программирование игр, визуализация данных, веб-приложения. — СПб.: Питер, 2017. — 496 с.: илл. — (Серия «Библиотека программиста»).

9. Информационные технологии в радиотехнических системах: учебное пособие / В.А. Васин, И.Б. Власов, Ю.М. Егоров и др. / Под ред. И.Б. Фёдорова. — М.: Из д-во МГГУ им. Н.Э. Баумана, 2003. — 672 с.: илл. — (Сер. Информатика в техническом университете.)

Пороговая обработка — это сравнение полученных отсчетов с порогом. Если сигнал не превышает порог, то считается, что данный отчет является шумовым. В противном случае выносится решение об обнаружении сигнала.

Рассмотрим простейшую задачу двухальтернативного (или бинарного) обнаружения, когда по наблюдению реализации случайной величины в произвольном элементе разрешения надо принять одно из двух возможных решений: сигнал есть A1 или сигнала нет A0. Ясно, что эти решения взаимно исключающие. В действительности в рассматриваемом объеме пространства (элементе разреше ния) может быть цель, а может ее не быть. Наблюдателю это априори (до опыта) неизвестно. Обозначим ситуацию, когда цель действительно есть, через A1 , а когда ее нет, — через A0. Пусть измерено некоторое значение х1. Задача состоит в том, чтобы решить, к какой плотности вероятности принадлежит измеренное значение x1, к Wш (x) или Wсш (x). Wсш (x) — это то же распределение шума, но сдвинутое вправо на величину сигнала. Поскольку х1 — это число (например, 1В), то, чтобы научиться обнаруживать сигнал, надо научиться как-то разумным образом (или, еще лучше, оптимальным образом по выбранному критерию) относить какие-то полученные числа к Wш (x), а какие-то — к Wсш (x).

Учитывая расположение Wш (x) и Wсш (x) относительно оси Х, следует, очевидно, разделить ось Х на две части, Γ0 и Γ1, каким-то граничным значением х0 так, что если х0 < x, то ∈ Γ0, а если x0 > x, то ∈ Γ1 x. Отметим, что при этом площадь справа от x0 под кривой Wш (x) равна вероятности ложной тревоги, а площадь справа от x0 под кривой Wсш (x) равна вероятности правильного обнаружения.

Действительно, если точка попадает справа от x0, то принимается решение «сигнал есть». Но если сигнала в действительности нет, значит, шумовой выброс превысил порог x0. В соответствии с плотностью Wш (x) вероятность такого события — площадь под кривой Wш (x) справа от x0. Аналогично, если сигнал действительно есть, то мы правильно отнесли x к Wсш (x). Вероятность такого события есть площадь под кривой Wсш (x) справа от порога x0.

Для Цитирования:
Юдачев С. С., Монахов П. А., Гордиенко Н. А., Ситников С. С., Медианный алгоритм оценки дисперсии при обнаружении сигнала с неизвестной начальной фазой. Современные методы технической диагностики и неразрушающего контроля деталей и узлов. 2023;1.
Полная версия статьи доступна подписчикам журнала
Язык статьи:
Действия с выбранными: