Cтраница 3
В самой простой форме алгоритм обнаружения подобных событий состоит из периодического измерения величин, характеризующих эти события, сравнения полученных результатов с известными границами и выработки соответствующих сигналов. [31]
В самой простой форме алгоритм обнаружения подобных событий состоит из периодического измерения величин, характеризующих зти события, сравнения полученных результатов с известными границами и выработки соответствующих сигналов. [32]
Для радиотехнических приложений актуальны робастные алгоритмы обнаружения радиосигналов ( детерминированных и со случайными параметрами) на фоне полосового шума. В связи с широким внедрением цифровой обработки сигналов, при разработке таких алгоритмов, предполагается выделение квадратурных составляющих наблюдаемого процесса на выходе соответствующего полосового фильтра. В [97] получены робастные обнаружители детерминированных сигналов при условии, что совместное распределение квадратурных составляющих шума в совпадающие моменты времени имеет круговую симметрию и принадлежит модели е-загрязнения. Причем к загрязняющему распределению данной модели предъявляется довольно жесткое требование равенства нулю в определенной окрестности начала координат. В [114] приведен робастный алгоритм обнаружения радиосигналов с общими рэлеевскими замираниями. [33]
Рассмотрим процедуру синтеза РНМ несмещенного алгоритма обнаружения с неймановской структурой подробнее. Предположим, что условия непрерывности функции мощности алгоритма обнаружения и полноты семейства распределений, достаточной для мешающих параметров статистики Т, выполнены. [34]
Нулевая итерация (8.18) является алгоритмом обнаружения ошибок: если при t 0 q0 [ e0 ( x) ] 0, то r0 ( x) hh ( x) и ошибок нет. Последнее уравнение в системе (8.18) является основой различных способов исправления ошибок. [35]
С этого момента начинает работать алгоритм обнаружения границ пластов. В случае прохождения долотом границы порзд поиск минимума критерия оптимальности №) повторяется. [36]
Рассмотренные в монографии методы синтеза алгоритмов обнаружения, различения и оценивания сигналов позволяют получить оптимальные в условиях конкретного вида априорной неопределенности алгоритмы. [37]
Настоящий раздел посвящен методам синтеза алгоритмов обнаружения и различения сигналов, оптимальных при конечных объемах наблюдаемой выборки в условиях параметрической априорной неопределенности. [38]
В данном разделе рассмотрен синтез робастных алгоритмов обнаружения и различения сигналов в условиях только непараметрической априорной неопределенности аддитивных помех. [39]
Другим преимуществом метода является наличие алгоритма обнаружения границ пород, который определяет момент перехода долота из одной породы в другую, что позволяет оперативно выбрать новые значения оптимальной осевой нагрузки на долото в зависимости от изменения свойств разбуриваемой породы. [40]
В [13] разработана методика синтеза инвариантных робастных алгоритмов обнаружения и различения сигналов со случайными параметрами. Отличительная особенность этой методики состоит в совместном применении байесовского подхода с принципами минимакса и инвариантности. Детально эта методика рассмотрена в главе 3 данной работы. [41]
Для использования рассмотреных алгоритмов необходима настройка алгоритмов обнаружения разладки, состоящая из процедур: предварительный анализ контролируемого объекта; экспериментальное определение оценок выборочной корреляционной функции процесса на объекте контроля, определение параметров процесса авторегрессии, настройка алгоритма обнаружения. [42]
В настоящей работе будет рассматриваться теория синтеза алгоритмов устойчивого обнаружения, различения и оценивания сигналов в пред пол ожении, что в качестве исходного материала для синтеза используется выборочный вектор х, компоненты которого являются непрерывными случайными величинами. Это соответствует случаю разработки либо дискретно-аналоговых, либо аналого-цифровых систем, использующих АЦП с достаточно большим числом разрядов. [43]
Аналогично формулируется критерий оптимальности для синтеза РНМ инвариантных алгоритмов обнаружения и совместного обнаружения и различения сигналов с тем лишь различием, что в выражениях (2.3) и (2.4) условия несмещенности ( последние строчки) заменяются на условие инвариантности. [44]
В [18] получены асимптотически оптимальный и асимптотически робастный алгоритмы обнаружения радиосигналов по выборке из квадратурных составляющих наблюдаемого процесса. При выполнении определенных требований характеристики этих алгоритмов инвариантны к статистической зависимости квадратурных составляющих шума в совпадающие моменты времени. Данные алгоритмы имеют ту же структуру, что и в случае независимых между собой квадратурных составляющих шума. Материалы статьи [18] включены в данную работу. [45]