Signal Detection Theory

افزایش مصونیت نویز سیستم های پیچیده پردازش سیگنال مشکل اصلی در حوزه های مختلف پردازش سیگنال است. در حال حاضر کتاب ها و مقالات دوره ای زیادی به تشخیص سیگنال اختصاص داده شده است، اما بسیاری از مشکلات مهم باقی مانده است که باید حل شوند. رویکردهای جدید به مشکلات پیچیده به ما این امکان را می دهد که نه تنها بررسی ها را خلاصه کنیم، بلکه کیفیت تشخیص سیگنال در نویز را نیز بهبود دهیم. این کتاب به مشکلات اساسی در رویکرد تعمیم یافته به پردازش سیگنال در نویز بر اساس یک ایده به ظاهر انتزاعی اختصاص دارد: معرفی یک منبع نویز اضافی که هیچ اطلاعاتی در مورد سیگنال به منظور بهبود عملکرد کیفی پردازش سیگنال پیچیده ندارد. سیستم های. مطالعات تئوری و تجربی انجام شده توسط نویسنده به این نتیجه می رسد که رویکرد تعمیم یافته پیشنهادی برای پردازش سیگنال در نویز به ما امکان می دهد یک قانون تصمیم گیری را بر اساس تعیین آمار مشترک کافی از میانگین و واریانس احتمال تدوین کنیم. عملکرد (یا عملکردی). تئوری های کلاسیک و مدرن تشخیص سیگنال به ما اجازه می دهند که فقط آمار کافی از میانگین تابع احتمال (یا تابعی) را تعریف کنیم. وجود اطلاعات اضافی در مورد ویژگی‌های آماری تابع مشابه (یا عملکردی) منجر به تشخیص سیگنال با کیفیت بهتر در مقایسه با الگوریتم‌های تشخیص سیگنال بهینه نظریه‌های کلاسیک و مدرن می‌شود.

Increasing the noise immunity of complex signal processing systems is the main problem in various areas of signal processing. At the present time there are many books and periodical articles devoted to signal detection, but many important problems remain to be solved. New approaches to complex problems allow us not only to summarize investigations, but also to improve the quality of signal detection in noise. This book is devoted to fundamental problems in the generalized approach to signal processing in noise based on a seemingly abstract idea: the introduction of an additional noise source that does not carry any information about the signal in order to improve the qualitative performance of complex signal processing systems. Theoretical and experimental studies carried out by the author lead to the conclusion that the proposed generalized approach to signal processing in noise allows us to formulate a decision-making rule based on the determi­ nation of the jointly sufficient statistics of the mean and variance of the likelihood function (or functional). Classical and modern signal detection theories allow us to define only the sufficient statistic of the mean of the likelihood function (or functional). The presence of additional information about the statistical characteristics of the like­ lihood function (or functional) leads to better-quality signal detection in comparison with the optimal signal detection algorithms of classical and modern theories.