Статистические методы разрешения и идентификации классов сигналов в условиях воздействия помех

• Автор: Ибатуллин, Эмир Аминович
• Шифр специальности: 05.12.01
• Научная степень: Докторская
• Год защиты: 1998
• Место защиты: Казань
• Количество страниц: 422 с.

ОГЛАВЛЕНИЕ
Введение
ЧАСТЬ I. ОПТИМАЛЬНЫЕ И КВАЗИОПТИМАЛЬНЫЕ
МЕТОДЫ РАЗРЕШЕНИЯ КЛАССОВ СИГНАЛОВ
РАЗДЕЛ I. ОПТИМАЛЬНЫЕ АЛГОРИТМЫ РАЗРЕШЕНИЯ КЛАССОВ СИГНАЛОВ
1.1. Классы сигналов, необходимые и достаточные условия
их разрешения
1.2. Оптимальный алгоритм разрешения классов сигналов, синтезированный с помощью метода максимального правдопо — добия
1.3. Оптимальный алгоритм разрешения неизвестного числа классов сигналов, синтезированный с помощью итерационного метода максимального правдоподобия
1.3.1. Одномерные сигналы
1.3.2. Многомерные сигналы
Выводы по разделу I
РАЗДЕЛ II. КВАЗИОПТИМАЛЬНЫЕ АЛГОРИТМЫ
РАЗРЕШЕНИЯ КЛАССОВ СИГНАЛОВ
11.1. Квазиоптимальный алгоритм разрешения классов сигналов, синтезированный с помощью метода моментов
11.2. Разрешение классов сигналов с помощью кластер — процедур
11.3. Разрешение классов сигналов при определенных методах обмена информацией между вторичными РЛС и ответчиками
11.4. фильтрация оценок информационных параметров сигналов при разрешении их классов
11.5. Вероятностный анализ при классификации многомер
ыых сигналов
Выводы по разделу II
РАЗДЕЛ III. ОПТИМАЛЬНЫЕ МЕТОДЫ РАЗРЕШЕНИЯ
СИГНАЛОВ
III. 1. Требования, предъявляемые к сигналам для их разрешения
III,2. Оптимальные алгоритмы разрешения пространственно-временных сигналов по угловым координатам
Выводы по разделу III
ЧАСТЬ И. МЕТОДЫ СИНТЕЗА И АНАЛИЗ ПРИ ИДЕНТИФИКАЦИИ КЛАССОВ СИГНАЛОВ
РАЗДЕЛ IV. СИНТЕЗ И АНАЛИЗ РЕШАЮЩИХ ПРАВИЛ ИДЕНТИФИКАЦИИ КЛАССОВ СИГНАЛОВ
IV. 1. Решающее правило идентификации, синтезированное
с помощью критерия Махаланобиса
IV.2. Оптимальное решающее правило идентификации при
совпадающих объемах разрешения
IV.3. Оптимальное решающее правило идентификации при простой гипотезе
IV.4. Оптимальное решающее правило идентификации при сложной гипотезе
Выводы по разделу IV
РАЗДЕЛ V. СТАТИСТИЧЕСКИЙ АНАЛИЗ ПРИ ИДЕНТИ -ФИКАЦИИ КЛАССОВ СИГНАЛОВ
V.l. Вероятностные характеристики правила "разность сумм" при наличиии нескольких априорных данных во временном стробе
V.2. Статистический анализ автоматизированной (автома — тической) системы принятия решений об идентификации классов

сигналов
Выводы по разделу V
ЧАСТЬ IÏI. АНАЛИЗ И СИНТЕЗ ПОМЕХОВОЙ ОБСТАНОВКИ ПРИ ИДЕНТИФИКАЦИИ КЛАССОВ СИГНАЛОВ
РАЗДЕЛ VI. АНАЛИЗ ПОМЕХОВОЙ ОБСТАНОВКИ
VI. 1. Методика определения мощности помех на выходе приемного устройства от посторонних информационных систем
VI.2. Методика измерения мощности помех частотно — избирательным устройством
VI.3. Математическое моделирование условий электромагнитной совместимости самолетных радиоэлектронных систем
Выводы по разделу VI
РАЗДЕЛ VII. СТАТИСТИЧЕСКИЙ АНАЛИЗ ПРИ ИДЕН -ТИФИКАЦИИ КЛАССОВ СИГНАЛОВ В УСЛОВИЯХ ВОЗДЕЙСТВИЯ ПОМЕХ
VII. 1. Вероятностный анализ приемодешифрирующего
тракта
VII.2. Вероятностные характеристики правила "разность сумм” при воздействии помех
VII.3. Статистический анализ автоматизированной (автоматической) системы принятия решении об идентификации классов сигналов в условиях воздействия помех
Выводы по разделу VII
РАЗДЕЛ VIII. СИНТЕЗ УСЛОВИЙ ЭЛЕКТРОМАГНИТНОЙ » СОВМЕСТИМОСТИ ИНФОРМАЦИОННЫХ СИСТЕМ
VIII. 1. Синтез допустимой помеховой обстановки с учетом критерия эффективности информационной системы
VIII.2. Некоторые методы улучшения помехоустойчивости

a{ - dt/"1 + Aa{ »
ö2 = Д2_1 + (1.53)
а-з = £*з-1 + Да-з.
Итерационный процесс продолжается до тех пор, пока не будут одновременно выполнены неравенства (1.35):
а[ - а[ 1 А а[ < £>
а2 ~ а2~1 — Аа < е, (1.54)
а - = А а < S
Полученные оценки математических ожиданий и будут оценками максимального правдоподобия, вычисленными с точностью е.
По описанному алгоритму была составлена программа и проведены численные расчеты. На рисунке 1.1 приведены результаты одного из таких численных примеров, где по оси ординат отложены значения средних а1 , а по оси абсцисс число итераций Я. Результаты получены при следующих исходных данных: начальные значения средних а[ = 1,8, а = 4, = 6, средние значения при
разыгрывании нормальных распределений Ап = 2, ЛГ2 =3,5, Аръ= 5,5, дисперсия с2 = 0,09, веса распределений =0,25, р2 - 0,4, = 0,35, точность вычислений е=0,1, размер смешанной
выборки сигналов п=15.
Из рисунка видно, что приближение получаемых оценок к разыгрываемым значениям средних при перечисленных исходных данных происходит в районе 25 — й итерации.