книги / Статистический анализ геофизических полей
..pdfГ I А В А 1
АЛГОРИТМЫ АВТОМАТИЗИРОВАННОГО ОБНАРУЖЕНИЯ СЕЙ0М1ШЖИХ СИГНАЛОВ И (ЩЕНКИ ИХ ПАРАМЕТРОВ
ЩЛ. ОБРАБОТКА ВРЕМЕННЫХ РЯДОВ В АВТОМАТИЗИРОВАННЫХ СИСТЕМАХ АНАЛИЗА СЕЙСМОЛОГИЧЕСКОЙ ИНФОРМАЦИИ
Системы сейсмического мониторинга. Для современной сейсмо логии характерен быстрый прогресс в автоматизации процедур реги страции, накопления и анализа информации о сейсмических событиях и сейсмологических экспериментах. Это связано с резким увеличени ем объема информации, необходимой для решения научных, техниче ских и экономических задач оейомологичеокими методами. В наблюда тельной сейсмологии в настоящее время происходит реконструкция существующих сейомологичеоких сетей. Взамен старых региональных сетей, оойащенннх, как правило, короткопериодными однокомпонентными сейсмометрами, развертываются цифровые сейсмологические се ти на основе широкополоевнх (с диапазоном от 0,1 до 300 с) трех компонентных сейсмометров, оснащенных встроенным аналого-цифро
вым преобразователем, микропроцессором и устройством долговремен ной памяти большой емкости / J 0 f / , Такая сейсмометрическая систе
ма обеспечивает регистрацию практически всех типов сейсмических волн в огромном динамическом диапазоне (до 140 д Б ). Примерами по
добных, уже частично реализованных проектов, являются глобальные
цифровые сети |
I/U S и PfOSCOP Z /2 17, |
европейская сейсмологиче |
|
ская сеть М Г £(/б /1 1 5 /, |
региональная |
средиземноморская сеть |
|
MEDРЕТ// .0 1 / |
и др. Кроме |
этих цифровых сетей общего назначения, |
обеспечивающих глобальный сейомичеокий мониторинг, в последние годы были созданы специализированные информационные сейсмологиче
ские оистемы, позволяющие решать целый |
ряд научно-технических за |
|
дач. Перечислим лишь некоторые |
из этих |
задач. |
1 , Изучение региональной |
сейомичности с целью прогноза зем- |
|
|
|
Г01 |
летряеений и анализа динамики литосферы. Основная особенность этой задали - необходимость фиксировать слабую сейсмичность, ко
торая несет значительную информацию о развитии сейсмического про цесса в регионе. В частности, на основе ее анализа можно отроить предвестники для прогноза времени и места сильных землетрясений (типа "взрыва” афтершоков, сейсмических затиший и д р .) , а также
судить о структурных особенностях литосферы и тектонических про цессах в регионе (на основе фрактальнооти пространственного рас
пределения сейсмичности f j l j , миграции эпицентров землетрясений, их периодичности во времени и эволюции механизмов очагов и т .п .) . Решение таких вопросов трудно осуществимо без создания автомати зированных региональных систем для регистрации, накопления и ана лиза цифровых сейсмограмм слабых землетрясений. В СССР такие сис темы создаются на Гармоком, Алма-Атинском и Душанбинском прогно стических полигонах С 25, 76/.
2 . Сейсмический мониторинг плотин крупных водохранилищ. Изу чение эксплуатационных характеристик плотин крупных водохрани лищ в сейсмсопаоных районах требует постоянной регистрации их ре
акции на сейсмические воздействия. Регистрация должна вестись в целой совокупности точек плотины, тогда анализ поля сейсмических колебаний позволяет следить за изменением частотных характеристик плотины (в частности, параметров ее резонансных мод) и диагности ровать ее физико-механические свойства. Особенность данной зада чи - наличие большого количества точек регистрации слабых сейсми ческих колебаний и необходимость совместного анализа всей сово купности цифровых сейсмограмм. Решение ее невоеможно без созда ния автоматизированней сейсмологической системы. Подобные оиоте-
мы создаются в СССР на Червакской плотине |
в УзССР /307, |
плотине |
|
Нурекокой ГЭС в ТапжССР S -67 |
и др. |
|
|
3 . Обнаружение и анализ |
особо важных |
сейсмических |
событий. |
К ним относятся, в частности, цунамигеннне землетрясения и под земные ядернне взрывы. Оперативное обнаружение цунамигенннх зем летрясений, происходящих в определенных регионах Мирового океа на, является основой службы предупреждения об опасности цунами. Особая ответственность этой задачи требует максимальной скорости процедур обнаружения и анализа параметров сейсмических волн (об гоняющих во времени волну цунами и позволяющих дать сигнал преду преждения). Даже при использовании одной сейомоотанции, когда по зарегистрированной сейсмограмме на основании регионального го дографа определяется, попапает ли эпицентр землетрясения в об
ласть очагов цунами, надежный и оперативный прогноз цунами невоз-
102
можен без автоматизации указанных процедур. Автоматизированная служба предупреждения об опасности цунами создается ДВНЦ АН ССОР на Тихоокеанском побережье СССР ^§$7-
Обнаружение и оценка параметров подземных ядерных взрывов национальными и международными сейсмологическими сетями - в на стоящее время одна из актуальнейших проблем ядерного разоружения, поокольку в нее упираются вопросы контроля за ядерными испытания ми. В прошлом для осуществления мониторинга подземных ядерных взрывов под эгидой НАТО были созданы специальные сейсмические
группы 1 Ш (Large SeUmic A rra y ) и Ш З А Я (tfortt Seism/cArray)
7§§ 7 . Высокая стоимость и секретный характер информации, получав шейся на этих уникальных инструментах, исключали возможность их использования для многостороннего контроля за подземными ядерны ми испытаниями. Вместе о тем технологический и научный прогресо позволяют в настоящее время решать эту проблему о помощью сейсми ческих оиотем значительно меньшего масштаба, чем АА$А и аоША.
Црецезионная обработка (частично, в реальном масштабе времени) оейсмичеоких сигналов, принимаемых группами из нескольких стан ций, с применением совершенных алгоритмов статистического анали за дает возможность автоматически обнаруживать и классифициро вать оейсмичеокие'события при столь малых отношениях сигнал - по меха, что можно говорить об уверенном мониторинге национальными средствами подземных ядерных взрывов мощностью единицы килотснн, производимых в любой точке земного шара /б/. Это обстоятельство имеет огромное политическое значение, поскольку к реальному конт ролю за ядерными испытаниями могут быть привлечены многие обще ственно-политические силы, в чаотности, неприсоединившихся и ней тральных стран.
Функционирование цифровых сейсмологических сетей и специали зированных систем сейсмического мониторинга порождает огромный поток информации, который невозможно обработать традиционными ме тодами даже при использовании интерактивных человеко-машинных оиотем. Поэтому существует большой спрос на математическое обес печение ЭВМ для автоматизиррванногр анализа цифровых сейсмологи ческих данных. При разработке такого алгоритмического и програм много обеспечения возникают классы задач обработки данных, кото рые эффективно решаются методами статистического анализа времен ных рядов. К ним относятся оледующие:
А.) обнаружение слабого сейсмического сигнала на фоне оейсмичеоких шумов естественного и технического происхождения;
2) выделение сейсмического сигнала из помех;
ТОП
3) |
оценка моментов вступления основных сейсмических волн - |
|
/7-волнн |
на фоне шумов, |
У-волнн на фоне коды /-волны, поверх |
ностных |
волн на фоне коды S -волны; |
|
4 ) |
оценивание азимута и угла выхода сейсмической волны; |
|
5) |
спектральный и опектрально-временной анализ различных ти |
|
пов волн, в частности, |
с целью определения параметров среды и |
|
очага сейсмического события; |
6) классификация сейсмичеоких событий по параметрам очага, в частности различение землетрясений и ядерннх взрывов.
Поток литературы, посвященной этим проблемам, непрерывно возрастает. Из работ на эту тему наиболее близкими по постанов кам и методам к рассматриваемым в настоящей главе являются /96,
J0 6 , |
410, Ш , W 9, 4227, из |
отечественных |
публикаций - |
/60, 6 3 - |
66/ . |
Авторы последних работ, |
по-вицимому, |
были первыми, |
кто пред |
ложил использовать АР-модели сигналов и помех для обнаружения сейсмичеоких сигналов и оценки моментов их вступления.
Рассмотрим подробнее перечисленные выше задачи с точки зре ния их формулировки как задач статистического анализа временных
рядо,4.
Обнаружение сейсмических сигналов как задача статистическо го анализа временных рядов. В системах, осуществляющих непрерыв ный сейсмический мониторинг (примеры таких систем приведены вы ше) первая из перечисленных выше задач - обнаружение сигнала - решается в реальном масштабе времени, т .е . решение о сейсмиче ском событии должно выноситься с небольшой задержкой после при хода первых оейсмических волн. Это позволяет сохранить для даль нейшего анализа всю наблюдаемую реализацию, связанную с данным событием. Невысокий частотный диапазон принимаемых сейсмических колебаний (максимум - несколько десятков герц) и низкая стои мость вычислений (например, на специализированных микропроцессо рах) дают возможность использовать для обнаружения оейсмических событий достаточно сложные алгоритмы, реализующие спттвдъннв дтатистические процедуры, обработки данных, и приблизиться к тео ретическим пределам для вероятностей пропуска и ложных тревог, соответствующим статистическим характеристикам наблюдаемых сей смических оигналсв и помех.
Применение статистической теории обнаружения сигналов для синтеза оптимальных процедур в задачах сейсмологии связано со следующими трудностями:
а ) для синтеза оптимального алгоритма обнаружения необходи мо знать статистичеокие характеристики сигналов и помех. Однако 104
эти характеристики разные для различных сейсмических регионов и.
как правило, известны неполностью; б) статистические свойства помех меняются во времени, т .е .
помехи представляют собой нестационарные случайные процессы. Ста тистические свойства сейсмических сигналов (в частности, их энер гетический спектр) также очень изменчивы;
в ) алгоритмы обнаружения, синтезируемые в рамках статистиче ской тесрии на основании традиционных критериев оптимальности, таких, как критерий Неймана - Пирсона, байеосвский или минимаконый (см . раздел 1 . 2), обычно очень оложны и непригодны для исполь зования в системах реального времени.
Указанные трудности можно преодолеть, используя перечислен ные ниже подходы.
-I. Алгоритмы обнаружения должны синтезироваться исходя из
такого вероятностного описания сейсмических сигналов и помех, ко торое позволяло бы производить "настройку" этих алгоритмов приме нительно к конкретным районам расположения сейсмсдатчиксв и оча гов сейсмических событий. Настройка должна основываться на пред варительном изучении типичных для этих районов помех и сигналов.
2 . Хотя помехи и являются нестационарными процессами, харак терное время изменения статистических свойств для них измеряется чаоами, так что в течение интервалов времени, значительно боль ших длительности сейомических сигналов, помехи можно приближенно очитать стационарными. Поэтому "бороться" с нестациснарностью по мех можно методами адаптации, периодически измеряя их статистиче ские характеристики. Для сигналов же целесообразно использовать усредненные статистические характеристики, свойственные той оча говой зоне, на анализ которой ориентирована конкретная система.
3 . В автоматических устройствах обнаружения следует пополь зовать квазиоптимальные статистические алгоритмы, близкие к опти мальным в наиболее сложных режимах рабств - при малых отношениях сигнал - шум (АО и БАО алгоритмы). Эти алгоритмы значительно про ще классических оптимальных и могут быть запрограммированы для работы в реальней времени.
Указанные подходы можно реализовать, используя для статисти ческого описания сигналов и помех гауссовские АРСС-модели. На ос нове этих моделей удается построить асимптотически оптимальные алгоритмы обнаружения сейсмических событий, регистрируемых груп пой пространственно распределенных датчиков (см . раздел Ш.2) или трехкомпонентными сейсмометрами (см . раздел Ш.5 ) . Эти алгоритмы допускают простую адаптацию к "текущему" спектру помех, а также
105
"настройку" на усредненные статистические характеристики сейсми ческих сигналов.
Выделение сейсмического сигнала из помех. Эффективность ана лиза сейсмического сигнала (после его обнаружения и записи) суще
ственно зависит от уровня отношения мощности сигнала к мощности сейсмических помех. Часто это отношение можно улучшить путем
фильтрации спектральных составляющих помех, лежащих за пределами основной полосы сигнала. Однако одной из главных тенденций экспе риментальной сейсмологии в настоящее время стало использование
широкополосных сейсмических датчиков, что резко увеличивает ин формативность сейсмических записей и возможности их динамической интерпретации 3 W • Использование частотной фильтрации как бы противоречит этой тенденции, неизбежно сужая используемый частот ный диапазон.
Самым аффективным средством выделения слабых сейсмических сигналов из помех является использование сейсмических групп. Они позволяют повышать отношение сигнал - шум во всей полосе частот, принимаемых сейсмическими датчиками. "Борьба о помехами" осуще ствляется при этом не за счет различия частотных диапазонов по мех и сигналов, а за очет той избыточности информации о сигнале, которая имеется в совокупности данных, регистрируемых группой.
Традиционный способ обработки данных ("направленный прием"), за ключавшийся в выравнивании моментов приходов сигналов на датчики путем их соответствующих задержек и последующем суммировании, дозволяет увеличить отношение сигнал - помеха в М раз, где М - число датчиков в гр уш а. Но этот способ оптимален только при ста тистической независимости помех в различных датчиках. Реальное
микросейсмическое помеховое поле обладает (особенно в низкочас тотном диапазоне) достаточно высокой пространственной корреля цией, и поэтому реальные помехи в датчиках существенно зависимы.
Учет этой зависимости в алгоритмах обработки данных группы позво ляет достичь значительно более эффективного подавления помех, чем при обычном направленном приеме. Впервые оптимальный статис тический метод выделения сейсмических сигналов из помех о помо
щью группы (неискажающая групповая фильтрация) был предложен Кей-
поном /3§7 |
в его исследованиях для |
. |
Однако метод не нашел |
достаточно |
широкого распространения и з-за |
вычислительных трудно |
стей, особенно существенных при попытках его применения в реаль ном масштабе времени. В ряде последующих работ /44, 45 , 54, 55^ для практической реализации неискажающей групповой фильтрации предложено использовать многомерные АРСС-модели векторного поме
те
хового процесса на выходах датчиков группы. Получающиеся при втом алгоритмы достаточно просты и позволяют осуществлять обра ботку данных группы, содержащей дс трех десятков датчиков даже на персональных мини-компьютерах (ом. раздел Щ.2) .
Статистический подход к оцениванию моментов вступления сей смических волн. После обнаружения и выделения сигнала сейсмиче ского события из помех зарегистрированная сейсмограмма подверга
ется анализу, причем вс всех сейсмологических информационных системах обязательной его отадией является оценка моментов вступ ления различных типов сейомических волн. Моменты вступления Р - волн на совокупности станций служат основой для алгоритмов опре деления эпицентра землетрясения по данным сейсмической сети, а разность моментов вступления А и «У-волн позволяет определить эпицентральное расстояние по трехкомпонентной сейсмограмме одной станции /1207. Оценки этих моментов дают также возможность выде лить на сейсмограмме записи различных типов волн для последующей их независимой интерпретации.
Если трактовать сейсмические помехи, а также участки Р- и 5-волн на оейсмограмме как отрезки реализаций случайных процес сов, то переход от шума к /'-волне и от А- к 5-волн е можно ха
рактеризовать как моменты "разладки" случайного процесса - момен ты резкого изменения его статистических свойств. При этом обна ружение сейсмического ообытия интерпретируется как обнаружение факта разладки (вступившая /'-волна изменяет статистические ха рактеристики шумового процесса), а оценка моментов вступления А
ш 5-волн - как оценка положения точек разладки на реализации на блюдаемого процеооа. Данная концепция приводит к проблеме синте за таких статистически оптимальных алгоритмов оценивания момен
тов |
вступления |
Р- и <?-волн на |
сейсмограмме, которые "реагируют" |
на |
изменение не |
только энергии, |
но и спектрального состава, а |
также поляризации регистрируемого колебания. Подобные алгоритмы основаны на методе максимума правдоподобия и требуют уже апосте риорной обработки всей зарегистрированной сейсмограммы. Они бо лее сложны, чем алгоритмы обнаружения, и чтобы упростить процеду ру обработки, целесообразно в процесое обнаружения сейсмического сигнала (в реальном масштабе времени) получать предварительные оценки моментов вступления Р- и <У-волн, а потом уточнять их ал горитмом апостериорного оценивания.
Практически реализуемые оптимальные алгоритмы оценивания мо ментов вступления А и .У-волн по трехкомпонентншл сейсмограм мам могут быть построены на основе интерпретации их вступления
107
как разладки трехкомпонентного процесса авторегрессии (ом. раз д е л ! . 6) . Разладка такого процеооа означает резкое изменение в
определенный момент матричных коэффициентов авторегрессии (АР-мо~ дели матричного спектра) и отражает изменение и энергии, и спект рального состава, и поляризации трехкомпонентной сейсмограммы при смене волн,
Оценивание азимута и угла выхода сейсмической волны. Важной часть® алгоритмов определения эпицентра землетрясений по данным одной станции (или группы станций) является оценивание азимута Ч> и угла выхода ы. сейсмического луча. Информацию об этих пара метрах можно получить из трехкомпонентных записей Р- или S - волн пооле выделения этих фаз на сейсмограмме. Для оценивания параметров % °с традиционно попользуются метода поляризационно го анализа, в том числе статистический метод, связанный о вычис лением собственных векторов выборочной ковариационной матрицы
трехкомпонентной записи Р- или .У-волны /787. Однако пооледний метод оптимален, если очитать последовательные отсчеты сейсмо граммы статистически независимыми. Реальный спектр Р- и <Г-волн
почти всегда оильно отличается от равномерного (особенно для сей смограмм, полученных на широкополосных сейсмометрах). Поэтому точность определения параметров луча ( V, ас ) можно повысить, ес
ли учитывать автокорреляционную структуру сейсмограммы. Для это
г о , в чаотнооти, можно совместно оценивать параметры </>ы. и па раметры АР-модели опектра колебаний вдоль луча линейно поляризо
ванной |
/’-волны |
(см . р а з д е л ! .6) . |
|
|
|
|
|
|||
|
При использовании сейсмических групп мощным средством оцени |
|||||||||
вания параметров |
v? ос |
является вычисление пространственного |
|
|||||||
спектра |
Р~ или у-волн |
по данным, |
зарегистрированным группой. |
|||||||
Действительно, пространственный спектр |
Р (*л, |
<v ) плоской вол |
||||||||
ны на частоте |
представляет собой |
^-функцию в |
точке |
(*/, |
) , |
|||||
полярные координаты |
{ ¥ > /> ) которой |
соответствуют азимуту V |
(рад) |
|||||||
прихода |
волны и кажущейся медленности этой волны /> ~ f/ ^ |
(<а) ( с/км). |
||||||||
Кажущаяся скорость |
vk (<г>) связана со скоростью волны в |
среде |
|
|||||||
*'('«) |
ооотйошеиием: |
|
v(& )/& в ct . |
Следовательно, |
простран |
|||||
ственный спектр плоской волны позволяет |
определить ее параметр! |
|||||||||
( Р, ы. |
) , |
воли известна скорость волны в |
среде у ( и ) . |
|
|
|||||
Для |
оценивания |
P (ix, Ру, <*) » Р (<?, />>*>) по |
данным сейсми |
ческой группы целесообразно использовать алгоритм пространотвенного спектрального анализа с повышенным разрешением /537, кото рый обеспечивает более точную оценку параметров волны ( <p,oL ), чем стандартный алгоритм на основе двухмерного преобразования Фу-
108
ръе (особенно при малых размерах группы). Практическая реализа ция пространственного спектрального анализа о высоким разрешени ем существенно упрощается, если в качестве выборочной обратной опектральной матрицы данных использовать АР-оценки (ом. раздел 1 .3 ) .
Ш.2. ОПТИМАЛЬНЫЙ ПРИЕМ СИГНАЛОВ НА ГРУППУ ПРОСТРАНСТВЕННО РАСПРЕДЕЛЕННЫХ ДАТЧИКОВ
Обнаружение сигналов как задача проверки статистических ги
потез. Асимптотически оптимальные тесты . IfyoTb источник сигнала, локализованный в точке пространства Ft , создает волновое поле s(r\ t ) , а источники помех (локализованные или распределенные в пространстве) генерируют поле помех f (/% t ) ■При линейной ореде распространения волновых полей в области приема действует суммар
ное поле |
дг (7\t) ~ s(r~,t) |
<■f (г , |
t ) . |
Приемные датчики, |
располо |
||||||
женные в |
точках |
пространства |
/у, /е Сю , |
регистрируют |
значения |
||||||
поля в дискретные моменты времени |
|
i-e СТР- |
В |
результате по |
|||||||
лучаем выборку векторных наблюдений |
хн ~ |
(х f , . . . , |
х# ) т, |
где |
|||||||
|
v |
<*(*£• * t f g > |
1 е & )> |
£ |
- |
щ |
;.* v 5 r ;.(ffi.2 .t) |
||||
Задача обнаружения оигнального поля |
s(~ , t ) |
на |
основании |
этой |
|||||||
выборки формулируется как задача проверки гипотезы |
|
: наблюде |
|||||||||
ния еоть "чистая" помеха, т .е . |
х~м = |
|
|
|
С ^ ) г |
, против |
|||||
альтернативной гипотезы |
н, : наблюдения есть |
смесь |
помехи |
с сиг |
|||||||
налом; |
^ |
|
(s f, |
--* *~х)Т' с |
цель® построения опти- . |
||||||
мальных |
статистических |
тестов |
для проверки гипотез |
я„, |
л' |
необ |
ходимо сформулировать зти гипотезы в терминах законов распределе
ния выборки |
|
Ся : |
|
|
||
|
$ |
J |
|
|
|
(Щ.2. 2) |
где #0 ( д£) |
- |
плотность распределения выборки |
"чистой" поме |
|||
хи; |
сГ„) |
- |
плотность распределения смеси сигнала с |
помехой |
||
i н + |
. Иными словами,’ необходимо постулировать |
статистические |
||||
свойства |
сигнальных и помеховых полей. Рассмотрим два |
случая, |
связанные с природой источников оигнального поля. Если иоточники имеют искусственное происхождение (например, при зондировании
среды специально создаваемыми сейсмическими, электромагнитными
или другими полями), |
то чаото можно считать поле sO Г *9 и, сле |
довательно, векторный |
сигнальный процесс ££ , регистрируемый при |
емными датчиками, "квазияетерминироваиными" функциями времени,
известными в точках приема о точностью до |
"амплитуды" /И и конеч |
номерного параметра iT e - л } , т .е . |
гГ& ® , где ® - |
109
ограниченная облаоть |
|
. При анализе |
сигнальных полей естествен |
|
|||||||||||||||
ного происхождения, как правило, целесообразно рассматривать |
|
||||||||||||||||||
как |
случайный процесс. Такой же характер имеют принимаемые |
оигна- |
|
||||||||||||||||
дн |
Tt |
и при наличии |
техногенных источников |
стохастической при |
|
||||||||||||||
роды. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
При квазидетерминированном сигнальном поле |
нг (*# ) = %Cfy~ |
|
||||||||||||||||
|
|
)) для отатистической формулировки задачи обнаружения не |
|
||||||||||||||||
обходимо задаться только законом распределения выборки помехи |
. |
||||||||||||||||||
Помеховое поле £ ( .F *) |
будем описывать как |
гауссовское |
и стацио |
|
|||||||||||||||
нарное во времени, так что процесс Ft |
- |
векторный гаусоовокий |
|
||||||||||||||||
временной ряд с матричной спектральной плотностью |
f ( J ) • Если |
|
|||||||||||||||||
эта плотность известна, то задача проверки гипотез (Щ.2. 2) сво |
|
||||||||||||||||||
дится к проверке гипотезы согласия: |
|
|
|
|
|
|
|
|
|
||||||||||
против |
сложной параметрической альтернативы |
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
4 |
|
|
У |
* |
(*#//*’ |
|
|
|
|
|
|
|
|
|
|
ГДе |
|
|
|
W(rf \fi, в |
) ~£(Z#)gmJet fy] |
X |
|
|
|
|
|
||||||||
|
|
* fXP { '/ ( я |
# |
s |
) ) |
Ъ |
(к# ~fid # (& )) |
} ; |
|
|
|
(Ш .2.4) |
|
||||||
где |
CT |
- |
матричная автоковариационная функция помехи ^ |
. Мето |
|
||||||||||||||
ды построения асимптотически оптимальных тестов для проверки ги |
|
||||||||||||||||||
потезы |
согласия изложены в разделе 1 . 2. |
|
|
|
|
|
|
|
|
||||||||||
|
Когда сигнальное поле s ( F |
_ |
случайное, |
для |
построения |
|
|||||||||||||
оптишльных алгоритмов его обнаружения требуется информация о |
|
||||||||||||||||||
статистических характеристиках |
случайного процесса |
Tf |
„ |
Во мно |
|
||||||||||||||
гих ситуациях можно считать процесс S~f , |
t e ж гауссовским |
ста |
|
||||||||||||||||
ционарным временным рядом с матричной опектральяой плотностью |
|
||||||||||||||||||
И(й) . Неопределенность относительно статистических характеристик |
|
||||||||||||||||||
процесса |
<з£ |
можно учеоть, |
полагая, что опектральная |
плотность |
|
||||||||||||||
C fJ) извеотна о точностью до параметров ^ |
и |
е |
^ |
■$ м )~ $&(л) |
|
||||||||||||||
При дополнительном предположении, |
что |
оигнал |
|
и помеха |
jТ |
|
|||||||||||||
отатистически |
независимы, |
задача |
обнаружения |
оигнального |
поля |
|
|||||||||||||
снова сводится к проверке гшютезы_согласия |
(Щ. 2. 2) |
против |
слож |
|
|||||||||||||||
ной параметрической альтернативы |
(Ш .З .З .), причем плотность |
|
|||||||||||||||||
ir(£ | rt 9 ) |
в |
данном олучае |
имеет |
вид: |
|
|
|
|
|
|
|
|
|
||||||
|
|
|
* (Г 0 \f t ,? ) - / /r |
r |
) |
C |
# |
(pt,$ ) ] |
г exp[ - / £ |
|
|
(Ш. 2. В) |
|
ПО