12 subscribers

Зависимость вероятности правильной классификации протяжённых объектов от порога

случае не представляется возможным, и результаты были получены только моделированием в MATLAB. Для этого использовалась модель отражённых сигналов на каждой частоте в виде коррелированной пачки импульсов с нормально распределёнными квадратурными составляющими и имеющих корреляционную функцию гауссовой формы. Межпериодный коэффициент корреляции задавался 0,7 и 0,9, для числа импульсов в пачке – 16 и 32. Результаты моделирования представлены на рис. 3–6. Таким образом, проведённое исследование полностью подтверждает положительный эффект от применения предложенного способа для классификации протяжённых объектов с использованием межчастотного корреляционного признака. Например, для независимых выборок наблюдения при N=16 для порога, равного 0,5, обеспечивается вероятность правильной классификации 0,99. Коррелированность же выборок наблюдения заметно снижает эффективность классификации. Так, при тех же 16 выборках наблюдений, но коррелированных с межпериодным коэффициентом корреляции 0,7, вероятность правильной классификации для порога 0,5 равна 0,9, а для межпериодного коэффициента корреляции 0,9 – около 0,7. Повысить эффективность классификации для коррелированных выборок можно или их декорреляцией, или увеличением их числа. Так для 32 коррелированных выборок с межпериодным Рис. 1. Зависимость вероятности правильной классификации протяжённых объектов от порога Rпор для N = 16 в классификаторе ОМП (звёздочки – аналитика, квадраты – моделирование) Вероятность правильной классификации Вероятность правильной классификации Вероятность правильной классификации Вероятность правильной классификации Вероятность правильной классификации Вероятность правильной классификации Порог Порог Порог Порог Порог Порог Рис. 3. Зависимость вероятности правильной классификации протяжённых объектов от порога Rпор для N = 16 в классификаторе ОМП для коррелированных выборок наблюдений с межпериодным коэффициентом корреляции 0 (квадраты) и 0,7 (кружки) Рис. 5. Зависимость вероятности правильной классификации протяжённых объектов от порога Rпор для N = 32 в классификаторе ОМП для коррелированных выборок наблюдений с межпериодным коэффициентом корреляции 0 (квадраты) и 0,7 (кружки) Рис. 2. Зависимость вероятности правильной классификации протяжённых объектов от порога Rпор для N = 32 в классификаторе ОМП (звёздочки – аналитика, квадраты – моделирование) Рис. 4. Зависимость вероятности правильной классификации протяжённых объектов от порога Rпор для N = 16 в классификаторе ОМП для коррелированных выборок наблюдений с межпериодным коэффициентом корреляции 0 (квадраты) и 0,9 (кружки) Рис. 6. Зависимость вероятности правильной классификации протяжённых объектов от порога Rпор для N = 32 в классификаторе ОМП для коррелированных выборок наблюдений с межпериодным коэффициентом корреляции 0 (квадраты) и 0,9 (кружки) коэффициентом корреляции 0,9 вероятность правильной классификации для порога 0,5