Detectia unui semnal (varianta continua)

Sistem de transmisiune binara

S0 semnal transmis = 0 ; t [0, D]
S1 semnal transmis = 1; t [0, D]
D

E = s 2 (t )dt
0

r (t ) = n(t ) ; (S0)
r (t ) = s(t ) + n(t ) ; (S1)
n(t ) - zgomot alb Gaussian
N
n ( ) = 0 ; R
2
1

p (ni ) =

ni2
2 2

e
2
ni = n(KTc ) N 0, 2

r (t ) = lim rk v k (t )
N

{vk (t )}KN =1

= sistem de functii ortogonale

v
0

(1)

K =1

1, k = i
(t )vi (t )dt = Ki =
0, k i

(2)

rk = r (t )v k (t )dt

(3)

v1 (t ) =

s (t )
E
D
1
r1 (t ) =
r (t )s(t )dt
E 0
1

r1 / S 0 =

E
1

r1 / S1 =

(4)
(5)

n(t )s(t )dt =

(6)

[n(t ) + s(t )]s(t )dt =

E+

k>1:
D

rk / S 0 = n(t )v k (t )dt

(8)

rk / S1 = [s (t ) + n(t )]v k (t )dt = n(t )v k (t )dt

rk / S 0 = rk / S1 ; k > 1

(7)

Componentele rk, pentru k>1 nu aduc nici o informatie pentru decizie.

D
1
(9)
statistica suficienta
r1 = l =
r (t )s(t )dt
E 0
p r/ S1
p (r1 , K , rN / S1 ) p (l / S1 )
(10)
r = ~
=
=
= (l )
~
p r/ S 0
p(r1 , K , rN / S 0 ) p (l / S 0 )

( ) (( ))
~

raport de plauzabilitate pentru criteriul Bayes

D
1
l / S0 =
n(t )s(t )dt = (6)
E 0

l / S1 = E +
(7)
Il stim pe si vrem sa determinam p()=?
N

n(t ) n( KT ) sin c K t

(11)

K =1

sin c k t =

T=

sin 2w(t KT )
2w(t KT )

1
; w banda
2w
N

s (t ) s ( jT ) sin c j t

(12)

j =1

N=

l / S0 = =

sin c

1
E

N
N
n
(
KT
)
sin
c
t
k s ( jT ) sin c j t dt (13)

E 0 K =1
j =1

T , k = j
=
(14)
0, k j

n(t )s(t )dt =

0

t sin c j t dt = T Kj

T , k = j

sin
c
t
sin
c
t
dt

K
j
0
0, k j
T N
(13) si (14) => =
n( KT )s( KT )
E k =1
n(KT) Gaussian N(0,T2)
a k n(KT ) Gaussian

Gaussian
=?
var{ } = 2 = ?

n(KT)=0
n aleator (alb, Gaussian)
s determinat
=> = a1 0 + a 2 0 + L = 0

(14)
(15)

Obs n=a1n1 ++aN nN

n1,,nN = variabile aleatoare
n = a1 n1 + L + a N n N
=>

(a)

n 2 = a12 n12 + L + a N2 n N2

(b)

n1 = L = n N = 0 => n = 0

2 =

T2
E

( KT )s 2 ( KT ) (17)

K =1

n ( KT ) = n 2 ( jT ) = 2
2

T 2 N 2
T s ( KT )
=
E K =1
2

E = T s 2 ( KT )

(18)

K =1

1 2 N0
=
2w
2

2 = T 2 =
Obs Pn =

1
2

dom

(19)

( w)dw
n (w)

N0
2

w
-2w

2w
1
Pn = =
2

2w

N ,

p( ) =

N0
N
dw = 0 w 22ww = N 0 w
2
4
w

N0

N0
2

p(l / S 0 ) =
p (l / S1 ) =

N0
2

2
1

N 0
1

N 0

l2
N0

(20)

(l E )2
N0

(21)

p(l / S1 )
(l ) =
e
p(l / S 0 )
ln (l ) =

(l E )2 +l 2
N0

(22)

2l E
E

(23)
N0
N0

>
D1
(25)
ln (l ) ln K =>
<
D0

(24) si (25) => r (t ) s (t )dt

0

Bayes
> N0
< 2

ln K +

D1
E
=>
2
D0

(26)

2
E
(24)
ln (l ) =
r (t ) s (t )dt

N0 0
N0
r(t) semnalul receptionat
s(t) semnalul transmis
E energia lui s(t)
N0/2 densitatea spatiului de putere a zgomotului
K pragul testului Bayes

Estimarea formei semnalului

Ipoteza continua
r(t) = s(t) + n(t)

(1)

d(t) = s(t + )

(2)

[r (t ) s(t + )]2

sa fie minim

r semnal receptionat
s semnal transmis
n zgomot
d semnal dorit

d(t)

Receptor optimal
Teoria lui Wiener si Holmogroff
Se dau:
Bss() = Rss()
Rnn() functia de autocorelatie a zgomotului
Rsr() sau Rsi n()

s(t)

r(t)

canal

^
d(t)

H(w)
h(t)

n(t)

receptor
optimal

zgomot

d(t) semnal ideal la iesirea receptorului optimal

^
d(t) semnal real la iesirea receptorului optimal
Avem 3 variante pt d(t):
1)
2)
3)

d(t) = s(t) filtrare pura

d(t) = s(t+) ; < 0 filtrare cu intarziere
d(t) = s(t+) ; > 0 filtrare cu predictie

(t ) = [d (t ) d (t + )]

= d (t ) d (t )

(3)

h(t) = ?
sau
H(w) = ?
a.i. 2 (t ) sa fie minim!

h(t)
H(w)
^
d(t)

r(t)
)
d (t ) =

r ( )h(t )d =

h( )r (t )d

(4)

filtru real, deci h(t) = 0 ; t < 0

(t ) = [d (t ) d (t + )]
2

= s (t + ) d (t ) = [ s (t + ) h( )r (t )d ] 2

(5)

2 (t ) = s 2 (t + ) 2 h( )r (t ) s(t + )d + h( )h( )r (t )r (t )d .d =

(6)

= Rss (0) 2 h( ) Rs ,r ( + )d + h( )h( ) Rr ,r ( )d .d

OBS. Fie g(t) functia de pondere a unui filtru realizabil oarecare.

Notam: l(t)=h(t)+g(t)
(7)
2
Unde h(t)-functia de pondere l(t)h(t) va determina un mai mare decat aceea a
filtrului de pondere h(t).
+

l = Rs , s (0) 2 h( ) Rs ,r ( + )d 2 g ( ) Rs ,r ( + )d + h( )h( ) Rr ,r ( )d .d +
2

+ 2 h( ) Rs ,r ( )dd +

g ( )h( ) R

r ,r

( )d .d

l 2 = 2 2 [ g ( ) Rs ,r ( + )d h( ) g ( ) Rr ,r ( )d .d ] + 2 g ( ) g ( ) Rr ,r ( )d .d

g ( ) g ( ) R

r ,r

( )d .d = [ g ( )r (t )d ] 2 0

l ;
2

(10)

g ( ) R

(9)

s ,r

( + )d h( ) g ( ) Rr ,r ( )d .d = 0

sa pentru ca g()=0; <0

si Rr,r(-)=Rr,r(-)
+

g ( )[ R

(12)
(13)
+

( + ) h( ) Rr ,r ( )d ]d = 0

(14)

( )d = Rs ,r ( + )

(15)

s ,r

h( ) R

(11)

r ,r

-ecuatia Wiener ; 0

r(t)=s(t)+n(t)
d(t)=s(t+)
Fitrare optimala
(h(t)-solutie a ecuatiei integrale (15))
(15) este conditia necesara si suficienta.
Ecuatia (15) pentru cazul particular al unui filtru nerealizabil:
+

h( ) R

r ,r

( )d = Rs ,r ( + )

< < +

(15)

F{h(t)*Rr,r(t)}=F{Rs,r(t+)}
F{h(t)}F{Rr,r(t)}=F{Rs,r(t+)}
H ( ) r ( ) = s ,r ( )e j
H ( ) =

s ,r ( )e j

r ( )
r(t)=s(t)+n(t)
Rr ,r (t ) = [ s (t ) + n(t )][ s (t + ) + n(t + )]

(16)
(17)
(18)

s (t )n(t + ) = s (t + )n(t ) = 0
Rr ,r ( ) = Rs , s ( ) + Rn ,n ( )

r ( ) = s ( ) + n ( )

(19)

Rs ,r ( ) = s (t )r (t + ) = s (t )[ s (t + ) + n(t + )] = s (t ) s (t + ) + s (t )n(t + ) = Rs , s ( )
Rs ,r ( ) = Rs , s ( )

s ,r ( ) = s ( )
H ( ) =

s ( )
e j
s ( ) + n ( )

(20)
(21) filtrul obtinut nu e
realizabil