книги из ГПНТБ / Казаков В.А. Введение в теорию марковских процессов и некоторые радиотехнические задачи
.pdfобусловленное его внутреплим шумом. До срыва угловое рассогласование Ѳ флюктуирует в области слежения, в окрестности значения Ѳі, где находится дно потенци альной ямы. Срыв слежения наступает в том случае,
frei |
|
|
|
т і / |
|
\ |
f[Bt) |
ч«\ |
|
i |
\ |
а) |
|
1 |
|
ff, |
|
0 |
|
|
|
|
|
0 |
2 |
,1 |
|
ФѲ
*) |
\ |
У7 |
\ |
|
|||
- |
|
и (ff,) |
|
|
Рис. 4.15. |
|
когда частица (координата. Ѳ) под действием шума пре одолевает потенциальный барьер и скатывается по его правому склону.
Вероятность срыва слежения P(t) за время t рассчи тывается по формуле
о
где о(Ѳг) —поток вероятности через сечение 02. При ма лой вероятности срыва поток G(ßz) считается постоян ным и его величина определяется выражением {22, 23]:
G (Ѳ,) = ^ |
V-U" |
(8.) U" (Ѳ2) exp |
[ - |
* ^ |
- ] |
. (4.125) |
|
Поток через |
потенциальный |
барьер |
Ѳз |
согласно |
|||
(4.Г25) зависит, |
с одной стороны, от характеристики по |
||||||
тенциального |
рельефа |
в экстремальных |
точках |
0j и 02, и, |
160
с Другой стороны, определяется уровнем флюктуации,
ПОСКОЛЬКУ
При этом поток |
G(02 ) тем меньше, чем больше высо |
та потенциального |
барьера U(Q2) и чем меньше уровень |
флюктуации, что находится в полном соответствии с фи' зическимй представлениями описываемого явления.
Вопрос о достижении поглощающих границ много мерным марковским процессом представляет собой гораздо более сложную проблему, чем разобранная выше задача для одномерного процесса. Определение вероят ности достижения границы двумерным марковским про цессом, в частности, обсуждается в работах (27, 28], где формулируются условия поглощения в двумерном случае и рассмотрен ряд примеров. Количественные соотноше ния в конкретных задачах удается получить, только используя ЭВМ.
5
ТЕОРИЯ УСЛОВНЫХ МАРКОВСКИХ ПРОЦЕССОВ
ИЕЕ ПРИМЕНЕНИЕ В ЗАДАЧАХ ФИЛЬТРАЦИИ
ИОБНАРУЖЕНИЯ СЛУЧАЙНЫХ СИГНАЛОВ
5.1.Вводные замечания
Прежде чем переходить к изложению теории условных марков ских процессов, обсудим постановку задачи о фильтрации случайных сигналов, с которой связаны основные применения указанной теории.
Пусть на вход приемника поступает реализация %{t), которая является смесью сигнала S (s, t), помехи V(r|, і) и белого шума n(t). Предполагается, что функции 5 и V детерминированы, а функции x(t) и т) (t) случайны. Взаимосвязь сигнала и помехи выражается некоторой детерминированной функцией Ф; белый .шум обычно
аддитивен, так что
І(0=Ф[5(*, 0. Ѵ(ті, t)]+n(t).
В предположении, что известны статистические характеристики случайного сигнала, помехи и шума, наблюдателю необходимо опти мальным образом решить, какая реализация сообщения x(t) содер жится в принятом колебании
Из-за наличия помехи f\(t) и шума n(t) оценочное значение сообщения х*{і) не будет в точности совпадать с переданным x(t), что приводит к ошибкам фильтрации. Очевидно, что чем меньше ошибка, тем выше качество фильтрации. Количественно качество фильтрации можно оценивать по-разному. В некоторых задачах ка-
11—186 161
чест.во фильтрации характеризуется величиной средней квадратичен
ской погрешности е 2 = <[**.(*) —x(t)]->. При ѳтом |
оптимальное |
||||
фильтрующее устройство |
должно |
обеспечивать |
минимум |
величи |
|
ны Б2. В ряде случаев фильтрация |
осуществляется |
по |
критерию |
||
максимума апостериорной |
вероятности, а точность |
фильтрации сце- |
|||
ннвается ее дисперсией. |
|
|
|
|
|
В дальнейшем будет рассматриваться практически важный слу чай, когда сигнал и помеха являются стационарными процессами и взаимодействуют аддитивно
|
Ut)°°S(x, |
*) +1/(11. /)+я'('0. |
(б.і) |
|
Сформулируем сначала |
задачу линейной фильтрации. |
Пусть |
||
S(x, i)=x(t) |
и Ѵ(\], 0 = |
ч(0і |
причем сообщение x(t) и помеха ц(<) |
|
являются независимыми |
стационарными нормальными процессами |
|||
с известными |
характеристиками |
|
<*(0>=0, <іі(0>=0,
<x(t)x(t+r)>=kx(z),
<vj (Ol С + ' ) >
Требуется определить характеристики системы, осуществляющей оптимальную фильтрацию сигнала (сообщения) из колебания £(/)• Решение поставленной задачи дается теорией линейной фильтрации, разработанной А. Н. Колмогоровым и Н. Винером. По этой теории импульсная характеристика оптимального фильтра G0 (0 должна
удовлетворять интегральному уравнению t
j [A, (* - У) + А, <?-у) + А» - U)\ Go (</) dy = kx (г), |
(5.2) |
и |
|
которое называется уравнением Винера—Хопфа.
При этом среднеквадратнческая погрешность оптимальной филь трации е2 определяется выражением
е* = 'l+ [ G 0 (X,) d4 I j [*» (*» - 'i) + A, Сч - t.) +
ôlo -
|
+ кЛч-^г)} |
Go (*,) их, - |
2ft. Ы J. |
(5.3) |
|
Заметим, что обычно [1, 2] рассматривается задача |
фильтрации, |
||||
когда в |
смесь входят лишь два случайных |
процесса. |
Естественно, |
||
в таком |
случае |
в соотношениях (5.2), (5.3) фигурирует корреля |
|||
ционная |
функция |
лишь одного |
мешающего |
колебания. |
|
Разберем простой пример [3].
Пусть необходимо отфильтровать с минимальной среднеквадратической погрешностью нормальный стационарный процесс x(t) с функцией-корреляции
от аддитивного белого шума n(t).
L62
Уравнение |
Винера— Хопфа |
(5.2) |
для этого -случая |
запишется |
|
в виде |
|
|
|
|
|
2 e - « I W l + ! ^ -2 e ( T - 0 ) |
G o ( y ) ^ = 4 e ~ a | t | |
(5 '4 ) |
|||
u |
|
|
|
|
|
0 |
|
|
|
|
|
или после преобразований |
|
|
|
|
|
t |
t |
|
|
|
|
е - " j e«*G„ ((/) Л/ + e" j e—'ff, (</) dy = e " " - |
ЛГ.С (x). |
||||
|
|
|
|
|
(5.5) |
Умножим |
левую и правую |
части |
уравнения (5.5) |
на е^т ц затем |
дважды продифференцируем по т. В результате вместо интегрально
го уравнения (5.5) получим дифференциальное |
уравнение второго по |
|||
рядка |
G"o(T)-Y2 G0 (t)=0, |
. |
- (5.6) |
|
где |
||||
|
|
|
||
|
4aL\ |
|
|
|
Общее решение этого уравнения имеет вид |
|
|
||
|
G0 (x) = C l e - ^ + ?2eT\ |
|
(5.8) |
|
где |
(a + Y)2 («-Y) |
|
|
|
|
|
|
||
с, = (« -Ь Т)а — (« — Г)2 е ~ 2 ^ ' |
|
|||
= |
(а + •() fg - Y) 2 |
|
|
|
С г |
(« + Y ) 2 e 2 7 ' - ( * - Y ) 2 |
|
Величины С] и сг определяются из системы уравнений, которая полу чается* подстановкой решения (5.8) в уравнение (5.5) и приравнива нием коэффициентов при е—at и е—a (t—t)
Если теперь найденное выражение для импульсной характери стики GO(T) оптимального фильтра подставить в соотношение (5.3) и выполнить довольно громоздкие вычисления, то для t—»-°° можно получить следующую формулу, определяющую величину минималь ной среднеквадратической погрешности:
е 2 = - ^ - У Ѵ 0 ( г - а ) . |
(5.9) |
Этот результат будет использован в дальнейшем.
В рассмотренном примере уравнение Винера—Хопфа решается сравнительно просто. В большинстве же случаев решение этого урав нения наталкивается на значительные трудности, что является су щественным недостатком линейной теории. Кроме того, теория линей ной фильтрации охватывает мало практически интересных случаев.
Действительно,- линейные |
фильтры |
способны выделять |
сообщение, |
л и н е й н о связанное с |
сигналом |
и подчиняющееся |
нормальному |
11* |
|
|
163 |
закону распределения. Однако в радиотехнике обычно используются радиосигналы, которые не являются нормальными процессами, хотя модулирующее сообщение чаще всего предполагается нормальным. Иначе: для радиотехники актуальна задача фильтрации нормального сообщения, которое существенно и е л и и е й и ы м образом связано с сигналом. Из других недостатков линейной теории следует отме тить то обстоятельство, что в результате весьма сложного решения уравнения (5.2), характеристики оптимальных фильтров получаются трудно реализуемыми. В разобранном выше простом примере опти мальный фильтр должен иметь импульсную характеристику, которую
на практике |
нелегко |
получить из-за наличия функций |
е |
и е 1 |
В радиотехнических устройствах рекомендации теории |
линейной |
|||
фильтрации |
можно |
использовать при проектировании |
низкочастот |
ных трактов, расположенных в функциональных схемах после ди скриминаторов сообщения.
В связи с приведенными соображениями особый практический интерес представляет созданная Р. Л. Стратоновичем [4, 5, 6]. теория условных марковских процессов, на основе которой построена теория н е л и н е й н о й фильтрации. Настоящая глава посвящена изложе нию основ этой теории.
Отметим, что используемые в дальнейшем интегралы, содержа щие в подынтегральных выражениях случайные функции, будут по ниматься как снмметризовапные [6, 7]. Операции дифференцирования и интегрирования с симметрированными интегралами можно произво дить по правилам, которые справедливы для обычных интегралов.
5.2. Рекуррентные соотношения для условных вероятностей состояний марковского процесса
Рассмотрим сначала простой случай, когда
|
S(x,t)=x(t), |
Ѵ ( Л , |
0 = л ( 0 |
|
|
|
||||
и |
|
|
m=x(t)+4(t), |
|
|
|
|
|
||
где x(t) |
и r\(t)—одномерные |
|
марковские |
процессы, |
не |
|||||
обязательно непрерывные. |
|
|
|
|
|
|
|
|
||
В качестве критерия оптимальности выберем крите |
||||||||||
рий максимума |
апостериорной |
вероятности*) |
wps(x, |
t) |
||||||
параметра х(і) |
при известной |
реализации |
l(t). |
|
|
|||||
Рассмотрим |
двумерный |
процесс |
[x(t), |
l(t)]. |
|
Каждый |
||||
из двух |
компонентов этого |
процесса |
является |
марков |
||||||
ским процессом, следовательно, и сам двумерный |
процесс |
|||||||||
также является |
марковским.. Компонент |
£ (t) |
на |
прием |
||||||
ной стороне известен, компонент x{t) |
требуется |
опреде |
||||||||
лить. Таким образом, основная задача |
теории |
условных |
*) -Ниже для вероятности -и .'плотности вероятности попользуется одно и то же обозначение, которое позволяет проводить выкладки, не конкретизируя вид марковского процесса.
164
марковских процессов состоит в том, чтобы, р а с п о л а
г а я о д н и м из ко м п о н е н т о в |
м н о г о м е р н о г о |
||
м а р к о в с к о г о п р о ц е с с а , в ы ч и с л и т ь |
р а с п р е |
||
д е л е н и е в е р о я т н о с т е й д л я з н а ч е н и й |
н е н а |
||
б л ю д а е м о г о к о м п о н е н т а . |
|
|
|
Следуя [4, 8], рассмотрим |
отсчеты |
принятого колеба |
|
ния, взятые с интервалом At. |
Тогда | m |
= (t0 , ёь • • •. Im) — |
вектор поступивших на вход 'приемника да'нных за время от 0 до t = niAt\ х,„= (л'о, xlt..., хт) —• вектор неизвестных значений сигнала. Обозначим совместную плотность рас
пределения |
значений | т |
п х т через |
ш ( | т , х,„). В силу |
||||||||
марковкости |
процесса |
(§„,, х,п ) |
многомерную |
плотность |
|||||||
вероятности |
w(%m, |
х,„) |
можно представить в |
виде (3.5) |
|||||||
w(tm, |
xm) |
= w0(%,x0)Д |
ü ( ^ , ^ f t l ^ _ , . ^ f t - i ) . |
(5.10) |
|||||||
|
|
|
|
|
k=\ |
|
|
|
|
|
|
где vfâk, |
Xk\£,k-i, |
Xk-i) —плотность вероятности |
перехода |
||||||||
двумерного процесса (g,„, х,„). |
|
|
|
|
|
||||||
По аналогии с (5.10) |
запишем |
|
|
|
|
||||||
|
|
|
|
|
|
/п+і |
|
|
|
|
|
W ( | m |
+ l , |
X m + |
1 ) = |
Wa |
X0) |
Y[ V (Çft, |
Хк |
\ Çft.j, xk_t) |
= |
||
|
|
|
|
|
|
ft=l |
|
|
|
|
|
|
|
|
(І7П> "m) ^ (^/;г + і I X m+ 1 |
I |
£m , X m ) . |
|
|||||
По формуле |
условной плотности |
|
вероятности имеем |
||||||||
|
|
|
« ( x w i u = = |
w{bi%y |
|
• |
|
(5-И) |
|||
Подставляя |
в |
(5.11) |
соотношение |
(5.10), |
|
получаем |
|||||
M ( x m | § m ) = |
^ ( Ѵ ) |
П 0 |
^ - - ^ - , . - * * _ , ) ; (5.12) |
аналогично
V m+l
Будем интересоваться апостериорным распределением последнего значения хт сигнала, для которого введем специальное обозначение
w(xm\%m)=Wps(Xm, |
m), |
(5.13) |
165
Одномерную плотность (5.13) определим из многомер ной (5.12) интегрированием по «лишним» аргументам
wP8 (хт, m) |
J - • • j дао ft. хй) X |
|
X П V |
(tk. х„. \%h_v |
хк.,)dxk•_,. |
Точно так же имеем |
|
|
*>Р*(хм+ , . т+ |
1) = |
j • • j ®о №.. А 'о) X . |
Х П У (?ft. хк I Sft_л-,£ _, )гіл',£_,и(Е,„+1,
•^от+і I 5m. X m ) d x m —
Исключим из (5.14) неизвестный множитель |
. , |
||||
для |
чего проинтегрируем (5.14) по хт+,- |
По усло |
|||
вию |
нормировки левая часть должна быть |
равна |
едини |
||
це, |
так что |
|
|
|
|
^ = |
= ш (I ^,) j J |
(•^mi |
(5">+i> ^m+i|5m. |
Xm)dXmdXm+1. |
|
|
|
|
|
|
(5.15) |
С учетоім (5.15) из (5.14) окончательно получаем рекур
рентное соотношение для апостериорной |
плотности веро |
||||||||||
ятности на (/п+1)-м шаге |
|
|
|
|
|
|
|
||||
|
|
|
MPS {хт+ѵт-\-1) |
|
= |
|
|
|
|
||
|
= T 7 J |
|
|
|
|
|
|
|
|
(5.16) |
|
Если |
|
] J'^ps ( \ . « ) ö (im + i . *m + t I S.u. *m) |
dxmdxm+l |
марков |
|||||||
сигнал |
(сообщение) |
представляет |
собой |
||||||||
ский |
процесс |
с дискретными состояниями, |
то |
соответст |
|||||||
вующие |
интегральные |
выражения заменяются суммами |
|||||||||
|
|
|
Wps |
{Хт + 1, |
/П-\-1) |
|
= |
|
|
|
|
|
|
У Ща (хт, |
т) V (1,п+ 1, хт |
+ 1 |
I |
|
|
|
|
||
|
~ |
Е Е |
Wv(*m, |
'П)ѵ(£т+1, |
X |
m + i \ l |
m , |
Хт) |
' |
( 5 - 1 7 ) |
46fi
Соотношения (5.16), (5.17) позволяют по мере наблю дения одного компонента |.г- (г'=0, \,...,т) двумерного марковского процесса вычислять условное распределение для другого компонента х{. Рекуррентные формулы (5.16), (5.17) дают возможность пересчитывать значения апостериорных вероятностей от шага к шагу. При этом не требуется помнить все значения go, gi, ... , gm наблю даемой реализации, посколькудля определения апосте риорной плотности на следующем шаге используются лишь последние значения gm и | m + i . .
5.3. Фильтрация марковского процесса с двумя состояниями из белого шума
Продемонстрируем применение рекуррентных соотно шений, полученных в предыдущем параграфе, на кон кретном примере (4, 5, 8]. Пусть x(t)—марковский про цесс с двумя состояниями, a r\(t) =n(<t). Таким образом, необходимо отфильтровать процесс х(і) из белого шума.
Марковский процесс с двумя состояними рассматри вался в § 2.5. Положим для простоты
М < 0 - « . |
M * ) = ß . |
* І = 0 , * 2 = 1 , |
(5-18) |
|||
и а п р и о р н ы е |
сведения (2.61), |
(2.62) о процессе x(t) |
||||
с учетом новых обозначений |
(5.18) |
примут вид |
|
|||
^ |
= |
- а р в |
( 0 + |
РР,('). |
(5.19) |
|
^ |
= |
- В Р . ( 9 + |
« Л Ю - |
(5-20) |
Поскольку рекуррентные соотношения (5.16), (5.17) «ра ботают» при дискретном времени, то ниже нам понадо
бятся априорные сведения |
(5.19), (5.20), записанные так |
||||
же в дискретном |
времени. Если производную |
dpi(t)/dt |
|||
заменить допредельным |
соотношением |
|
|||
|
dpt (t) __ |
Pi(t + àt) — Pi (t) ^ |
• ^21) |
||
то с учетом (5.21) |
вместо |
(5.19), (5.20) будем |
иметь |
||
• |
p0(t+At)=po(t)(l—aAt)+Pi{t)№t; |
(5.22) |
|||
|
Pi(t+At) |
=РІ(І) |
(1 — ßAO +ро(і)Ш. |
(5.23) |
|
Итак, на |
вход приемника |
поступает реализация |
|||
|
|
•№=x(t)+n(t), |
(5.24) |
которая подвергается дискретизации во* времени.
167
Случайный процесс ii(t) при дискретном времени это последовательность независимых значений гауссовой слу чайной величины.
В качестве .дискретного отсчета будем использовать среднее за интервал дискретизации (th—At, th) значение колебания n(t):
Подобная замена справедлива в интересующем нас слу чае, когда Д/-9-0. Вычислим характеристики величины nr.
< я к > = |
_±- |
j " < и ( * ) > Л = 0; |
(5.26) |
|
|
th-At |
|
|
'к |
fh |
|
< = < < > = W |
j * f < " f t ) ^ a ) > ^ = w - |
||
|
|
|
(5.27) |
Здесь учтено, что < « {ts) a ( У > = -^£ - 8 (tt — t).
С учетом (5.26), (5.27) закон распределения пк запи
шется в виде |
|
• » W = ) / ^ e x p ( - 4 ^ ) . |
(5.28) |
В рекуррентных соотношениях (5.16), (5.17) фигурирует плотность вероятности перехода процесса ( | т , х,„), осо бенностью которого в данном случае является то обстоя тельство, что один компонент (|т а ) является непрерывной случайной величиной, а второй (х т ) принимает только
два |
значения. Запишем плотность вероятности перехода |
процесса {\т, х т ) за один шаг Д^ из состояния Цн-и |
|
Xh-i) |
в состояние (£h , x h ) : |
|
= ö(*f t |i,l _.b xk-i)v(lh\xh, |
Ik-i, xh-i). |
(5.29) |
Поскольку |
вероятность значения |
хи не зависит |
от вели |
чины l h - h |
то |
|
|
|
^ - * Й 1 ^ - І . ^ - І ) = |
Я(-*)ІІ-**-І)- |
(5-30) |
168
Выражение (5.30) представляет собой матрицу перехода
__(Р(О/О) |
P W ) \ = |
(1-*U |
pa* |
V |
( 5 3 1 ) |
|
4/>(i/o) |
/7(і/і) ; |
V ад; |
î — рдг. |
|
||
Каждый из элементов |
матрицы (5.31) |
легко находится |
||||
по уравнениям (5.'22), |
(5.23). |
|
|
|
|
|
Второй сомножитель в (5.29) является вероятностью |
||||||
образования случайной величины %к |
при условии |
после |
||||
довательного осуществления |
событий хк-і, %к-і, хк. |
Из-за |
независимости отсчетов белого шума вероятность обра
зования |
| Й не зависит от значения хк-і |
и |
£/t_i |
в |
преды |
|||
дущий момент времени, поэтому |
|
|
|
|
||||
|
|
v(lk\xh, |
|
xk-i)=v(lk[xh). |
|
|
|
(5.32) |
Закон |
распределения |
при условии |
хк |
находится |
||||
просто, поскольку эти величины связаны |
соотношением |
|||||||
(5.24) |
со случайной |
величиной пи, для |
которой известен |
|||||
закон |
распределения |
(5.28). Учитывая, |
что |
|
= 1 , и |
|||
подставляя в (5.28) |
обратную функцию пь. = \ъ.—хк, |
полу |
||||||
чаем |
|
|
|
|
|
|
|
|
Таким образом, с учетом (5.31), (5.33) вместо (5.29) |
||||||||
имеем |
|
|
|
|
|
|
|
|
|
и &, хк 1 %і -,. Хц _, ) = V (хк I хк _, ) у / - ^ - X |
X ехр |
No |
|
Отметим, что составление выражения для плотности вероятности перехода многомерного марковского про цесса представляет собой одну из основных трудностей при решении конкретных задач с использованием рекур рентных соотношений (5.16), (5.17).
Конкретизируем формулу (5.17) для рассматриваемо го случая, расписав подробно числитель
w„<p.l + At) = ^jgg- К . (0,0(1 |
+ |
169