Способы улучшения цифровых сигналов в условиях ограниченного объема априорной информации
Размещено на /
Содержание
Основная часть
Выводы
Библиографический список
В современных радиоэлектронных системах в процессе передачи сигнала на него накладываются различные шумы. Процесс приема и перевода сигнала в цифровой вид также сопряжен с внесением в сигнал шумовой составляющей. В большинстве случаев шум является аддитивным. Как правило, при обработке сигнала основной задачей является выделение полезной и ослабление шумовой составляющей. Для решения данной задачи чаще всего используются критерий минимума среднеквадратической погрешности или критерий среднеабсолютного отклонения. В связи с чем актуальной является задача обработки цифрового сигнала одновременно по нескольким критериям [1].
В связи с этим значительный интерес представляет использование многокритериальных методов обработки результатов измерений, представленных единственной реализацией при ограниченном объеме априорной информации о функциях полезной составляющей и шуме.
Цель работы – уменьшение дисперсии шумовой составляющей многокритериальными методами сглаживания входного сигнала, представленного единственной реализацией нестационарного случайного процесса в условиях априорной неопределенности.
Пусть исходные
результаты
измерений
представляют
собой дискретную
последовательность
значений измеряемой
физической
величины
,
полученную
в равноотстоящие
моменты времени
где
(
- константа).
Данную выборку
результатов
измерений можно
рассматривать
как реализацию
случайного
процесса
,
который является
аддитивной
смесью полезного
сигнала и шума.
Упрощенная
математическая
модель входного
сигнала представляется
в виде:
,
, (1)
где
– полезная
составляющая;
– аддитивная
шумовая составляющая;
– объем выборки.
Функциональная
зависимость
от времени
полезной составляющей
неизвестна.
Закон распределения
аддитивного
шума
также считается
априорно неизвестным.
Однако предполагается,
что плотность
распределения
шумовой составляющей
имеет нормальный
закон, а математическое
ожидание равно
нулю.
Получение
оценки
величины
можно интерпретировать
как уменьшение
дисперсии
аддитивного
шума
.
Предлагается
уменьшать
дисперсию
измеряемого
процесса путем
существенного
уменьшения
суммы квадратов
конечных разностей
его значений
[2]:
(2)
а также (или) уменьшения суммы квадратов конечных разностей второго порядка:
. (3)
При этом в качестве меры расхождения исходного и полезного сигналов используется сумма:
. (4)
Для определения
оценок
будем стремиться
одновременно
уменьшить суммы
(2 и(или) 3) и (4). Эта
цель достигается
минимизацией
двухкритериальных
целевых функций
вида [1–3]:
, (5)
, (6)
а также минимизаций трехкритериальной целевой функцией вида:
,(7)
где
и
– постоянные
регулировочные
множители. При
реализации
рассматриваемых
методов сглаживания
наилучшие
результаты
на основе
использования
имитационного
моделирования
достигаются
при значениях
в случае использования
целевых функций
вида (5) и (6) и
,
в случае использования
целевой функции
вида (7).
Заметим, что
целевые функции
(6, 5–7) непрерывны
и ограничены
снизу на множестве
,
поэтому, по
крайней мере,
в одной точке
достигает
своего наименьшего
значения. Докажем
единственность
такой точки
на примере
целевой функции
вида (5). В силу
необходимого
условия экстремума
ее координаты
должны удовлетворять
системе уравнений:
, (8)
то есть следующей
системе
линейных уравнений
с
неизвестными
:
. (9)
Перепишем систему (9) в виде:
. (10)
Докажем, что
система уравнений
(10) имеет единственное
решение. С этой
целью методом
математической
индукции установим
справедливость
утверждения
«первые
уравнений
системы (10) задают
переменные
как линейные
функции аргумента
т.е.
,
причем
,
»
при каждом
(полагаем здесь
).
При
имеем
![]()
,
,
а в случае
–
,
где
,
,
то есть утверждения
,
верны. В предположении
верности утверждения
при некотором
докажем справедливость
утверждения
.
Из
-го
уравнения
системы (10) получаем
![]()
где
;
.
Итак, утверждения
выполнены. С
помощью утверждения
последнее
уравнение
системы (10) приводится
к виду
где
![]()
,
.
Полученное
уравнение имеет
единственное
решение
,
по которому
однозначно
определяются
значения
,
где
.
Таким образом, система уравнений (5) имеет единственное решение; аналогично доказательство единственности решения для целевых функций вида (6) и (7).
Для нахождения
точки наименьшего
значения целевых
функций
(5), (6) и (7) применим
метод наискорейшего
спуска [4]. Зададим
точность
,
с которой будут
найдены значения
.
В качестве
начальной
итерации примем
,
.
При каждом
зададим величину
,
присвоив ей
значение левой
части k-го
уравнения
систем (10).
Для целевой функции (6), получим:
(11)
Целевая функция (7) сводится к решению системы:
(12)
Кроме того, для целевой функции вида (5) введем величину:
. (13)
Для целевой функции вида (6) – величину:
. (14)
Для целевой функции вида (7) – величину:
. (15)
Если
,
то в точке
функция
достигает
наименьшего
значения. Заметим,
что
и что
тогда и только
тогда, когда
.
В случае
функция
является квадратичной
функцией с
положительной
второй производной.
Решив уравнение
,
найдем точку
минимума
– для целевой функции вида (5):
, (16)
– для целевой функции вида (6):
, (17)
– для целевой функции вида (7):
(18)
Так как в
точке
производная
функции
по направлению
вектора
положительна,
то
;
следовательно