В работе [2] для алгоритма принятия решения предложено исполь-
зовать регрессионный алгоритм следующего вида:
1
n
−
1
n
−
1
i
=1
τ
i
+
τ
i
+1
−
K τ
i
+1
−
β
τ
i
/τ
i
+1
τ
i
U
пор
,
(2)
где
n
— число отсчетов
τ
i
в интервале времени обработки
T
;
β
τ
i
/τ
i
+1
—
КНР интервала
τ
i
на
τ
i
+1
;
U
пор
— порог принятия решения;
K
— весовой
коэффициент, определяющий ширину области принятия решения.
К достоинствам регрессионного метода можно отнести следующее:
— инвариантность рабочих характеристик алгоритма к закону рас-
пределения значений интервалов между нулями входных сигналов,
а также инвариантность к средней частоте энергетического спектра
процесса и дисперсии последнего;
— алгоритм (2) предполагает обработку нестационарных сигналов
и помех, оперирует начальными статистическими характеристиками и
не требует времени на отслеживание задержек;
— при аппаратной реализации используются только операции ве-
сового суммирования, детектирования и сравнения с порогом.
К недостаткам регрессионного метода можно отнести неоптималь-
ность областей принятия решения, а также необходимость оптимиза-
ция параметра
K
для достижения требуемых рабочих характеристик
алгоритма, что при большой размерности входного вектора значитель-
но усложняет решение задачи.
Для реализации алгоритма необходимо определить параметр
β
τ
i
/τ
i
+1
.
В реальных системах за время принятия решения можно обработать
до 20 интервалов, поэтому сглаживание КНР интервалов между нуля-
ми необходимо проводить по
N
= 20
отсчетам. На рис. 5 приведены
гистограммные оценки КНР интервалов между нулями входной реа-
лизации для случая шума и аддитивной смеси сигнала и шума.
По 100 реализациям были получены следующие оценки статисти-
ческих характеристик распределений:
M
¯
β
τ
i
/τ
i
+1
= 0
,
48
,
D
¯
β
τ
i
/τ
i
+1
=
= 0
,
008
— для шума;
M
¯
β
τ
i
/τ
i
+1
= 0
,
92
,
D
¯
β
τ
i
/τ
i
+1
= 0
,
010
— для
аддитивной смеси сигнала и шума.
Определение рабочих характеристик алгоритма.
С точки зре-
ния теории распознавания образов лучший способ оценки разделимо-
сти классов в многомерном признаковом пространстве и определения
потенциальных рабочих характеристик алгоритма основан на вычи-
слении многомерной плотности распределения вероятностей (ПРВ)
86 ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. “Приборостроение”. 2010. № 2
