Оптимальная обработка сильно коррелированных портретов

Обратимся теперь к случаю сильно коррелированных портретов. Многомерная плотность вероятности совокупности комплексных амплитуд ηn принятого сигнала, относящихся к N элементам пространства распознавания в отсутствии портрета (ηn = ξno) при некоррелированном фоне Оптимальная обработка сильно коррелированных портретов - student2.ru , определяется выражением:

Оптимальная обработка сильно коррелированных портретов - student2.ru

или, в более общем виде, следующим выражением:

Оптимальная обработка сильно коррелированных портретов - student2.ru ,

где Оптимальная обработка сильно коррелированных портретов - student2.ru - элементы корреляционной матрицы фона; QФmn - элементы матрицы, обратной матрице ║RФmn║, Det║RФmn║ - определитель матрицы ║RФmn║.

Многомерная плотность вероятности совокупных комплексных амплитуд ηn = ξnк + ξno при наличии коррелированного портрета К-го класса определяется аналогичным выражением:

Оптимальная обработка сильно коррелированных портретов - student2.ru ,

где Оптимальная обработка сильно коррелированных портретов - student2.ru - элементы корреляционной матрицы К-го портрета и фона, ∆φк – межэлементный набег фазы К-го портрета, Qк+Фmn – элементы матрицы, обратной матрице║Rк+Фmn║,

Оптимальная обработка сильно коррелированных портретов - student2.ru .

При этом логарифм отношения правдоподобия, определяющий алгоритм оптимальной обработки коррелированного портрета К-го класса представляется в следующем виде:

Оптимальная обработка сильно коррелированных портретов - student2.ru

Оптимальная обработка сильно коррелированных портретов - student2.ru ,

где Gкmn = QФmn – Qк+фmn – элементы матрицы обработки коррелированного портрета К-го класса.

Например, при N=2 корреляционная матрица фона

Оптимальная обработка сильно коррелированных портретов - student2.ru ,

корреляционная матрица К-го портрета

Оптимальная обработка сильно коррелированных портретов - student2.ru ,

корреляционная матрица К-го портрета и фона

Оптимальная обработка сильно коррелированных портретов - student2.ru ,

обратная корреляционная матрица фона

Оптимальная обработка сильно коррелированных портретов - student2.ru ,

обратная корреляционная матрица К-го портрета и фона

Оптимальная обработка сильно коррелированных портретов - student2.ru ,

матрица обработки сильно коррелированного портрета К-го класса

Оптимальная обработка сильно коррелированных портретов - student2.ru .

Можно показать, что при произвольном N элементы матрицы обработки сильно коррелированного портрета К-го класса определяется выражением:

Оптимальная обработка сильно коррелированных портретов - student2.ru .

Учитывая, что отношение определителей матриц

Оптимальная обработка сильно коррелированных портретов - student2.ru ,

искомый алгоритм оптимальной обработки сильно коррелированного портрета К-го класса может быть представлен следующим образом:

Оптимальная обработка сильно коррелированных портретов - student2.ru ,

где Оптимальная обработка сильно коррелированных портретов - student2.ru - весовые коэффициенты, Оптимальная обработка сильно коррелированных портретов - student2.ru - слагаемые смещения.

Полученный алгоритм обработки свидетельствует о том, что оптимальная обработка сильно коррелированных портретов сводится к их взвешенному когерентному накоплению со смещением, причем весовые коэффициенты и слагаемое смещения определяются априорно известными сведениями об эталонных портретов, т. е. Сведениями об относительной интенсивности их комплексных амплитуд и фазовых соотношений между ними. Структура устройства оптимальной обработки сильно коррелированного портрета показана на рис. 13.3.

Оптимальная обработка сильно коррелированных портретов - student2.ru

Рис. 13.3. Структура оптимальной обработки сильно коррелированного портрета

Как и в предыдущем случае некоррелированных портретов, рассмотрим целесообразность выбора весовых коэффициентов bnк и слагаемого смещения Ак при оптимальной обработке сильно коррелированных портретов. Для этого рассмотрим среднее значение случайной величины Zкℓ = Zко – Zo , лежащей в основе принятия решения, при условии наличия на входе устройства распознавания сильно коррелированного портрета К-го класса:

Оптимальная обработка сильно коррелированных портретов - student2.ru ,

отсюда с учетом Оптимальная обработка сильно коррелированных портретов - student2.ru находим

Оптимальная обработка сильно коррелированных портретов - student2.ru .

Учитывая, что

Оптимальная обработка сильно коррелированных портретов - student2.ru ,

а также учитывая неравенство Буняковского-Коши, согласно которому

Оптимальная обработка сильно коррелированных портретов - student2.ru ,

находим

Оптимальная обработка сильно коррелированных портретов - student2.ru ,

где Оптимальная обработка сильно коррелированных портретов - student2.ru , Оптимальная обработка сильно коррелированных портретов - student2.ru .

Вводя понятие контрастности сильно коррелированных портретов К-го и ℓ-го классов

Оптимальная обработка сильно коррелированных портретов - student2.ru

и используя разложение Оптимальная обработка сильно коррелированных портретов - student2.ru , находим

Оптимальная обработка сильно коррелированных портретов - student2.ru .

Таким образом, как и в случае некоррелированных портретов, при определенном выборе весовых коэффициентов bк и слагаемого смещения Ак, рекомендуемом результатами синтеза, случайная величина Zко на выходе К-го канала при условии наличия портрета К-го класса в среднем всегда больше, чем на выходе любого другого ℓ≠к канала, и, следовательно, с вероятностью больше 0.5 будет приниматься решение о наличии портрета К–го класса, т.е. правильная классификация К-го портрета будет осуществляться даже в условиях его относительной энергетической недостаточности.

Наши рекомендации