Рабочие характеристики приемника

Кривые рабочих характеристик приемника (ROC) представляют графические сводки характеристик детектора. Кривые ROC можно генерировать с помощью rocpfa и rocsnr функции.

Если вы заинтересованы в изучении влияния изменения вероятности ложной тревоги на вероятность обнаружения фиксированного SNR, вы можете использовать rocsnr. Например, пороговое SNR для детектора Неймана-Пирсона одного образца в реальном значении гауссова шума составляет приблизительно 13,5 дБ. Использовать rocsnr для построения графика вероятность обнаружения изменяется в зависимости от частоты ложных аварийных сигналов в этом SNR.

T = npwgnthresh(1e-6,1,'real');
rocsnr(T,'SignalType','real')

Кривая ROC позволяет легко считать вероятность обнаружения для данной частоты ложных аварийных сигналов.

Вы можете использовать rocsnr для проверки характеристик детектора для различных типов принимаемых сигналов в фиксированном SNR.

SNR = 13.54;
[Pd_real,Pfa_real] = rocsnr(SNR,'SignalType','real',...
    'MinPfa',1e-8);
[Pd_coh,Pfa_coh] = rocsnr(SNR,...
    'SignalType','NonfluctuatingCoherent',...
    'MinPfa',1e-8);
[Pd_noncoh,Pfa_noncoh] = rocsnr(SNR,'SignalType',...
    'NonfluctuatingNoncoherent','MinPfa',1e-8);
semilogx(Pfa_real,Pd_real)
hold on
grid on
semilogx(Pfa_coh,Pd_coh,'r')
semilogx(Pfa_noncoh,Pd_noncoh,'k')
xlabel('False-Alarm Probability')
ylabel('Probability of Detection')
legend('Real','Coherent','Noncoherent','location','southeast')
title('ROC Curve Comparison for Nonfluctuating RCS Target')
hold off

Кривые ROC четко демонстрируют более высокую вероятность эффективности обнаружения для когерентных и некогерентных детекторов по сравнению с реальными значениями.

rocsnr функция принимает ввод вектора SNR, позволяя быстро исследовать ряд кривых ROC.

SNRs = (6:2:12);
rocsnr(SNRs,'SignalType','NonfluctuatingNoncoherent')

График показывает, что по мере увеличения SNR опоры вероятностных распределений при нулевых и альтернативных гипотезах становятся более непересекающимися. Поэтому для данной вероятности ложной тревоги вероятность обнаружения возрастает.

Можно изучить вероятность обнаружения как функцию SNR для фиксированной вероятности ложной тревоги с помощью rocpfa. Для получения кривых ROC для целевой модели Swerling I при вероятности ложной тревоги (1e-6,1e-4,1e-2,1e-1) используйте

Pfa = [1e-6 1e-4 1e-2 1e-1];
rocpfa(Pfa,'SignalType','Swerling1')

% использования rocpfa изучить влияние SNR на вероятность обнаружения детектора с использованием некогерентного интегрирования с вероятностью ложной тревоги 1e-4. Предположим, что цель имеет нефлютурующую RCS и что вы интегрируете более 5 импульсов.

[Pd,SNR] = rocpfa(1e-4,...
    'SignalType','NonfluctuatingNoncoherent',...
    'NumPulses',5);
figure;
plot(SNR,Pd); xlabel('SNR (dB)');
ylabel('Probability of Detection'); grid on;
title('Nonfluctuating Noncoherent Detector (5 Pulses)');

Связанные темы

• Анализ производительности детектора с использованием кривых ROC