主要内容

npwgnthresh

高斯白噪声的检测信号的信噪比阈值

所有的页面崩溃

语法

snrthresh = npwgnthresh (pfa)
numpulses snrthresh = npwgnthresh (pfa)
snrthresh = npwgnthresh (pfa、numpulses dettype)
snrthresh = npwgnthresh (pfa、numpulses dettype, outscale)

描述

snrthresh= npwgnthresh (pfa)计算检测信噪比阈值在检测一个确定性信号在高斯白噪声分贝。检测使用Neyman-Pearson (NP)的概率决策规则,实现指定的假警报,pfa。这个函数使用一个平方律检测器。

snrthresh= npwgnthresh (pfa,numpulses)指定numpulses随着脉冲数量的用于脉冲集成。

snrthresh= npwgnthresh (pfa,numpulses,dettype)指定dettype作为检测的类型。一个平方律检测器用于非相干检测。

snrthresh= npwgnthresh (pfa,numpulses,dettype,outscale)指定输出规模。

例子

全部折叠

打开生活的脚本

计算检测阈值,达到一个概率的假警报(pfa)为0.01。假设一个单脉冲真正的检测类型。然后,验证这个阈值产生pfa约0.01。为此,建设10000年真正的高斯白噪声(wgn)样品和计算样本的分数超过阈值。

计算pfa的阈值。检测阈值表示为db的信噪比。

pfa = 0.01;numpulses = 1;numpulses snrthreshold = npwgnthresh (pfa,“真正的”)
snrthreshold = 7.3335

计算模拟噪声样本的分数超过阈值。噪声与10000个样本单位功率。

noisepower = 1;Ntrial = 10000;噪音=√noisepower * randn (1, Ntrial);

表达振幅阈值的单位。

阈值=√noisepower * db2pow (snrthreshold));calculated_Pfa =(噪音>阈值)/ Ntrial求和
calculated_Pfa = 0.0107
打开生活的脚本

画出信噪比检测阈值对脉冲的数量,真实而复杂的噪声。在每种情况下,信噪比检测阈值设置为假警报的可能性(pfa)为0.001。

计算1到10脉冲检测阈值的和复杂的噪音。

Npulses = 10;Npulses snrcoh = 0 (1);Npulses snrreal = 0 (1);Pfa = 1 e - 3;为num = 1: Npulses snrreal (num) = npwgnthresh (Pfa, num“真正的”);snrcoh (num) = npwgnthresh (Pfa, num“连贯”);结束

情节检测阈值对脉冲的数量。

情节(snrreal“啊——”)举行在情节(snrcoh“。”)举行从传奇(“真正的数据与集成”,…“与相干集成复杂的数据”,…位置=“东南”)包含(“脉冲数”)ylabel (“所需信噪比检测”)标题(“信噪比阈值P_F_A = "+ Pfa)

图包含一个坐标轴对象。坐标轴对象与空白标题P_F_A信噪比阈值= 0。0 0 1,包含一系列脉冲,ylabel所需信噪比检测包含2线类型的对象。这些对象代表真实数据集成、复杂数据和连贯的整合。

打开生活的脚本

情节线性检测阈值对脉冲的数量,真正的和复杂的数据。在每种情况下,假警报的阈值设置为一个概率为0.001。

计算1到10脉冲检测阈值的和复杂的噪音。

Npulses = 10;Npulses snrcoh = 0 (1);Npulses snrreal = 0 (1);Pfa = 1 e - 3;为num = 1: Npulses snrreal (num) = npwgnthresh (Pfa, num“真正的”,“线性”);snrcoh (num) = npwgnthresh (Pfa, num“连贯”,“线性”);结束

情节检测阈值对脉冲的数量。

情节(snrreal“啊——”)举行在情节(snrcoh“。”)举行从传奇(“真正的数据与集成”,…“与相干集成复杂的数据”,…位置=“东南”)包含(“脉冲数”)ylabel (“检测阈值”)标题(“线性检测阈值P_F_A = "+ Pfa)

图包含一个坐标轴对象。坐标轴对象标题P_F_A =空白0线性检测阈值。0 0 1,包含一系列脉冲,ylabel检测阈值包含2线类型的对象。这些对象代表真实数据集成、复杂数据和连贯的整合。

输入参数

全部折叠

假警报的概率,指定为一个标量范围(0,1)。

数据类型:双

集成使用的脉冲数量,指定为一个正整数。

数据类型:双

指定类型的脉冲集成用于NP决策规则,指定为“连贯”,“非相干”,或“真正的”。“连贯”使用复数的样本大小和相位信息。“非相干”利用平方大小。“真正的”采用实值样本。

数据类型:字符|字符串

的规模输出值,指定为“数据库”或“线性”。当outscale被设置为“线性”,返回的阈值代表振幅。

数据类型:字符|字符串

输出参数

全部折叠

检测阈值,作为一个标量返回。表达的检测阈值的信噪比在分贝或线性单元outscale被设置为“线性”。线性阈值和阈值的关系数据库

T d B = 20. 日志 10 T l 我 n

更多关于

全部折叠

检测信噪比阈值

的输出npwgnthresh决定实现一个特定的Pfa所需的检测阈值。

阈值增加,当脉冲集成用于接收机。这个阈值不是单一样本作为输入信噪比rocsnr或作为输出rocpfa,albersheim,shnidman。对于任何固定Pfa,可以减少单一样本时信噪比要求实现一个特定的Pd脉冲集成用于接收机。看到在高斯白噪声信号检测和使用广义互相关源定位对于如何使用的例子npwgnthresh在检测系统中。

高斯白噪声的检测在实值

这个函数是用于检测的非零均值高斯随机变量序列。假设随机变量的函数是独立同分布,为零的意思。线性检测阈值λNP检测器

λ σ = 2 N 误差补函数 − 1 ( 2 P f 一个 )

这个阈值也可以表示为一个信噪比在分贝

10 日志 10 ( λ 2 σ 2 ) = 10 日志 10 ( 2 N ( 误差补函数 − 1 ( 2 P f 一个 ) ) 2 )

在这些方程

  • σ2高斯白噪声的方差序列吗

  • N样品的数量吗

  • 误差补函数1余误差函数的倒数吗

  • P足总的概率是假警报

请注意

假警报的概率大于或等于1/2,检测阈值随着信噪比的公式是无效的,因为误差补函数1小于或等于零的值参数大于或等于1。在这种情况下,使用线性输出函数的调用设置outscale来“线性”。

在复数高斯白噪声检测(一致的样品)

NP探测器中讨论的复数信号相似使用广义互相关源定位。此外,该功能使得这些假设:

  • 的复数高斯随机变量的方差是实部和虚部之间的平均分割。

  • 实部和虚部是不相关的。

在这些假设下,线性NP检测器的检测阈值

λ σ = N 误差补函数 − 1 ( 2 P f 一个 )

并表示在分贝是:信噪比

10 日志 10 ( λ 2 σ 2 ) = 10 日志 10 ( N ( 误差补函数 − 1 ( 2 P f 一个 ) ) 2 )

请注意

假警报的概率大于或等于1/2,检测阈值随着信噪比的公式是无效的,因为误差补函数1小于或等于0时其参数大于或等于1。在这种情况下,选择线性函数的输出通过设置outscale来“线性”。

在高斯白噪声的非相干检测样品

非相干高斯白噪声样本,检测的非零意味着导致平方律检测器。详细的推导过程,明白了[2],324 - 329页。

非相干NP的线性检测阈值检测器是:

λ σ = P − 1 ( N , 1 − P f 一个 )

分贝的阈值表示为一个信噪比:

10 日志 10 ( λ 2 σ 2 ) = 10 日志 10 P − 1 ( N , 1 − P f 一个 )

在哪里 P − 1 ( x , y ) 是低不完整的逆伽马函数,P足总的概率是假警报,N是脉冲的数量。

引用

[1]凯,s M。统计信号处理基础:检测理论。上台北:Prentice Hall出版社,1998年。

理查兹[2],m·A。雷达信号处理的基础。纽约:麦格劳-希尔,2005年。

扩展功能

版本历史

介绍了R2011a

另请参阅

|||

主题