Вы находитесь на странице: 1из 81

«Санкт-Петербургский государственный электротехнический университет

«ЛЭТИ» им. В.И.Ульянова (Ленина)»


(СПбГЭТУ «ЛЭТИ»)

Направление 11.03.01 – Радиотехника


Профиль Радиоэлектронные системы
Факультет РТ
Кафедра РС

К защите допустить
Зав. кафедрой ______________

ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА


БАКАЛАВРА

Тема: Лабораторная работа «Методы измерения отношения


сигнал/шум»

Студент Грибов Г.С.


подпись

Руководитель к.т.н., проф. Ульяницкий Ю.Д.


(Уч. степень, уч. звание) подпись

Консультанты к.т.н., доц. Иванов А.Н.


(Уч. степень, уч. звание) подпись

к.т.н., доц. Маругин А.С.


(Уч. степень, уч. звание) подпись

Санкт-Петербург
2019
1
ЗАДАНИЕ
НА ВЫПУСКНУЮ КВАЛИФИКАЦИОННУЮ РАБОТУ

Утверждаю
Зав. кафедрой РС
_____________________
«___»______________2019 г.

Студент Грибов Г.С. Группа 5102


Тема работы: Лабораторная работа «Методы измерения отношения
сигнал/шум»
Место выполнения ВКР: СПбГЭТУ «ЛЭТИ», кафедра РС
Исходные данные (технические требования): среда программирования
Matlab. Типы сигналов: прямоугольный радиоимпульс, ЛЧМ-импульс,
симметричный ЛЧМ-импульс; модель шума – аддитивный гауссовский
процесс; дружественный пользовательский интерфейс.

Содержание ВКР: Выбор методов измерения отношения сигнал/шум;


оценивание точности методов; разработка интерфейса лабораторной работы;
реализация методов измерения.
Перечень отчетных материалов: пояснительная записка, иллюстративный
материал, презентация в среде PowerPoint

Дополнительные разделы: Безопасность жизнедеятельности


Дата выдачи задания Дата представления ВКР к защите
«10» марта 2019 г. «5» июня 2019 г.

Студент Грибов Г.С.


Руководитель к.т.н., проф. Ульяницкий Ю.Д.
Уч. степень, уч. звание)

2
КАЛЕНДАРНЫЙ ПЛАН ВЫПОЛНЕНИЯ
ВЫПУСКНОЙ КВАЛИФИКАЦИОННОЙ РАБОТЫ

Утверждаю
Зав. кафедрой РС
__________________
«___»______________20___ г.

Студент(ка) Грибов Г.С. Группа 5102


Тема работы: Лабораторная работа «Методы измерения отношения
сигнал/шум»

№ Срок
Наименование работ
п/п выполнения
10.03 –
1 Обзор литературы по теме работы
18.03
Рассмотрение значимости отношения сигнал/шум в 19.03 –
2
основных задачах статической теории 29.03
Исследование методов измерения отношения сигнал/шум 30.03 –
3
и их точность 14.04
15.04 –
4 Разработка программных модулей. Моделирование
04.05
05.05 –
5 Безопасность жизнедеятельности
14.05
15.05 –
6 Оформление пояснительной записки
30.05
31.05 –
7 Оформление иллюстративного материала
04.06

Студент Грибов Г.С.

Руководитель к.т.н., проф. Ульяницкий Ю.Д.


(Уч. степень, уч. звание)

3
РЕФЕРАТ

Пояснительная записка стр.67, рис.34, ист.14, прил.3

ОТНОШЕНИЕ СИГНАЛ/ШУМ, ДИСКРЕТНЫЙ БЕЛЫЙ ШУМ,


УЗКОПОЛОСНЫЙ СЛУЧАЙНЫЙ ПРОЦЕСС, СОГЛАСОВАННЫЙ
ФИЛЬТР, ЛИНЕЙНЫЙ И КВАДРАТИЧНЫЙ ДЕТЕКТОРЫ,
РАСПРЕДЕЛЕНИЯ ВЕРОЯТНОСТЕЙ И РАССТОЯНИЕ МЕЖДУ НИМИ,
ДОСТОВЕРНОСТЬ ОЦЕНИВАНИЯ.

Объектом исследования является разработка лабораторной работы


«Методы измерения отношения сигнал/шум».

Цель работы состоит в исследовании различных методов измерения


отношения сигнал/шум (ОСШ) на выходе линейной и нелинейной систем, а
также реализации соответствующих программных модулей, наглядно
демонстрирующихособенности работы выбранныхметодов и позволяющих
построить гистограммы распределений шума и смеси сигнала с шумом на
выходе линейной и нелинейной систем.

Результатом работы является создание трех программных модулей.


Первый модуль иллюстрирует прохождение помехи и сигнала через
линейное и нелинейное звенья, и на основе распределений помехи и смеси
сигнала с шумом на выходе рассчитывает ОСШ. Второй модуль позволяет
построить зависимость ОСШ на выходе линейного и квадратичного
детекторов от ОСШ на выходе согласованного фильтра. Третий модуль
позволяет исследовать метод измерения отношения сигнал/шум на основе
распределения фазы смеси узкополосного нормального процесса и
радиосигнала.

4
ABSTRACT

The purpose of this work is to study various methods of measuring the


signal/noise ratio at the output of a linear and nonlinear system and develop the
appropriate software allows to study these methods and to build a histogram of
noise distribution and theadditive mixture of the signal and the noise at the output
of linear and nonlinear systems.

The result of the work is the creation of three software modules. The first
module illustrates the passage of interference and signal through linear and non-
linear circuits, and based on the distributions of the interference and the signal-to-
noise mix, it calculates the SNR. The second module allows to build the
dependence of the SNR at the output of the linear and quadratic detectors on the
SNR at the output of the matched filter. The third module allows you to explore the
method of measuring the signal-to-noise ratio based on the phase distribution of
the mixture of a narrow-band normal process and radio signal.

5
СОДЕРЖАНИЕ

ВВЕДЕНИЕ .............................................................................................................. 9
1. ФИЛЬТРЫ, МАКСИМИЗИРУЮЩИЕ ОТНОШЕНИЕ СИГНАЛ/ШУМНА
ВЫХОДЕ ................................................................................................................ 11
2. ОСНОВНЫЕ ЗАДАЧИ СТАТИЧЕСКОЙ ТЕОРИИ
РАДИОТЕХНИЧЕСКИХ СИСТЕМ И МЕСТО В НИХ ОТНОШЕНИЯ
СИГНАЛ/ШУМ ..................................................................................................... 17
2.1. Обнаружение сигналов. ................................................................................. 17
2.2. Различение сигналов ...................................................................................... 23
2.3. Оценка параметров сигналов. ....................................................................... 26
2.3.1. Оценка амплитуды и фазы сигнала. .......................................................... 27
2.3.2. Оценка времени запаздывания сигнала .................................................... 28
2.3.3.Оценка времени запаздывания сигнала со случайной начальной фазой 29
3.ИЗМЕРЕНИЕ ОТНОШЕНИЯ СИГНАЛ/ШУМ В РАЗЛИЧНЫХ
УСЛОВИЯХ ........................................................................................................... 32
3.1. Выход линейной системы с возможностью раздельного наблюдения
сигнала и шума. ..................................................................................................... 32
3.2.Измерение отношения сигнал/шум на основе распределений шума и
смеси сигнала с шумом ......................................................................................... 32
3.3.Измерение отношения сигнал/шум при совместном действии сигнала и
помехи .................................................................................................................... 36
4. ТОЧНОСТЬ ОЦЕНИВАНИЯ ОТНОШЕНИЯ СИГНАЛ/ШУМ .................. 39
4.1. Точность оценки отношения сигнал/шум при раздельном измерении .... 39
4.2. Точность оценки отношения сигнал/шум на основе расстояния
распределений математических ожиданий шума и смеси сигнала с шумом . 41
4.3. Точность оценки отношения сигнал/шум при совместном действии
сигнала и шума ...................................................................................................... 43
5. РАЗРАБОТКА ПРОГРАММНОГО МОДУЛЯ ............................................. 45
5.1. Разработка интерфейсов лабораторной работы .......................................... 48
6
5.2. Разработка программного модуля лабораторной работы .......................... 51
6. БЕЗОПАСНОСТЬ ЖИЗНЕДЕЯТЕЛЬНОСТИ ............................................... 57
6.1. Эргономика. Эргономические свойства системы «человек – машина» .. 58
ЗАКЛЮЧЕНИЕ. .................................................................................................... 64
СПИСОК ЛИТЕРАТУРЫ..................................................................................... 66
ПРИЛОЖЕНИЯ А ................................................................................................. 68
ПРИЛОЖЕНИЯ Б.................................................................................................. 74
ПРИЛОЖЕНИЯ В ................................................................................................. 78

7
СПИСОК ИСПОЛЬЗУЕМЫХ ОБОЗНАЧЕНИЙ

АБГШ – аддитивный белый гауссов шум


ВКР – выпускная классификационная работа
ДО – детектор огибающей
ЛД – линейный детектор
МП – максимум правдоподобия
ОСШ – отношение сигнал/шум
ПВ – плотность вероятности
ПУ – пороговое устройство
ПЭВМ – персональная электронно-вычислительная машина
РБ – решающий блок
СКО – среднеквадратическое отклонение
СПМ – спектральная плотность мощности
СФ – согласованный фильтр
ФЧХ – фазочастотная характеристика

8
ВВЕДЕНИЕ

Отношение сигнал/шум является исторически первым критерием


качества обработки сигналов в шумах [1].Само определение отношения
сигнал/шум зависит от решаемой задачи и условия измерения.

Для линейной стационарной системы (рис.1.) отношение сигнал/шум


определяется на выходе этой системы в интересующий момент времени t0 .

𝑠вх (𝑡)+𝑥вх (𝑡) 𝑠вых (𝑡)+𝑥вых (𝑡)


𝐾(𝑗𝜔)
ℎ(𝑡)

Рисунок 1 – Линейная стационарная система.

На рис.1 обозначено: 𝑠вх (𝑡) и 𝑥вх (𝑡) – входной полезный сигнал и


помеха, 𝑠вых (𝑡) и 𝑥вых (𝑡) – выходной сигнал и помеха, а 𝐾(𝑗𝜔)и ℎ(𝑡)–
коэффициент передачи и импульсная характеристика линейной системы.

В качестве характеристики сигнала берется амплитуда сигнала


𝑠вых ( t0 )или ее модуль 𝑠вых ( t0 ) . Помеха характеризуется

среднеквадратическим отклонением σвых ( t0 ), но для стационарного процесса


σвых в установившемся режиме от времени не зависит. Следовательно,
отношение сигнал/шум на выходе линейной системы определяется
следующим выражение:

С sвых  t0 
 .
Ш вых

Во временной области 𝑠вых (𝑡0 ) и σ2 вых будут иметь вид:

t0
sвых  t0    sвх    h  t0    d  ,

9

 вых  ∬Kвх (1  2 )h  1  h  2  d 1d 2 .
2



А при частотном методе 𝑠вых ( t0 ) и σ2 вых примут вид:


1 jt0
sвых  t0   вх   K  j e
 s d ,
2



1
вх   K  j d  .
S
2

2
 вых 
2


Целью данной выпускной квалификационной работы (ВКР) является


создание лабораторной работы «Методы измерения отношения сигнал/шум»,
включающую теоретическую часть и три программных модуля в среде
программирования MATLAB.
Для достижения поставленной цели нужно:
 рассмотреть прохождение сигнала и помехи через
линейные и нелинейные системы;
 продемонстрировать важность отношения сигнал/шум в
таких задачах радиотехники, как обнаружение, различение сигналов и
оценивание их параметров;
 изучить различные методы измерения сигнал/шум и
оценить их точность;
 создать удобный интерфейс для пользователя,
реализующий алгоритм решения поставленной задачи;
 реализовать алгоритмы, позволяющие пользователю на
практике ознакомиться с методами оценивания отношения сигнал/шум;
Выполнение данной лабораторной работы планируется в учебном
процессе при лабораторных и практических занятиях по дисциплинам
«Статистическая теория радиотехнических систем» и «Методы обработки
сигналов».
10
1. ФИЛЬТРЫ, МАКСИМИЗИРУЮЩИЕ ОТНОШЕНИЯ
СИГНАЛ/ШУМ НА ВЫХОДЕ.

Фильтры, максимизирующие отношение сигнал/шум на выходе,


широко используются в различных задачах радиотехнических систем.
Главной задачей таких фильтров при достаточно малом отношении
сигнал/шум на входе,вплоть до нуля при белом шуме, является максимизация
отношения сигнал/шум на выходе, следовательно, целевая функция в данной
задаче будет иметь вид:

sвых  t0 
С Ш вых  ,
D  xвых  t0 

где sвых (t0 ) и xвых (t0 ) –полезный сигнал и помеха в заданный момент
времени t0 на выходе линейного фильтра. Для того, чтобы отношение
сигнал/шум не было отрицательным, используется знак модуля, который не
влияет на количественное соотношение.

Так как фильтр линейный и для него выполняется принцип


суперпозиции, есть возможность рассмотреть прохождение полезного
сигнала и помехи через данный фильтр независимо друг от друга.

Полезный сигнал на выходе, используя частотный метод, определяется


выражением:

1 
sвых  t0    s ( j) K  j e jt0 d  ,
2 

где s ( j) - спектр детерминированного сигнала, K  j – коэффициент

передачи фильтра.

Пусть x(t) – стационарный случайный процесс, рассматривается


установившийся режим, а линейный фильтр имеет постоянные параметры,

11
следовательно, на выходе помеха будет также обладать свойствами
стационарности. Дисперсия на выходе фильтра будет иметь вид:

1 
D  xвых  t0   S   K ( j) d  .
2

2 

Таким образом, отношения сигнал/шум на выходе принимает вид:

1 
 s ( j) K  j e jt0 d 
2 
С Ш вых  .

1
S   K ( j) d 
2

2 

Необходимо при заданном спектре сигнала s ( j) и спектральной


плотности помехи S () , найти такой коэффициент передачи, который

обеспечил бы максимальное значение сигнал/шум на выходе max  С/Ш вых .

Для того, чтобы решить данную задачу, можно воспользоваться


неравенством Коши – Буняковского – Шварца, которое подробно
рассмотрено в учебном пособии [2]. Максимально достижимое отношение
сигнал/шум равно

1  s ( j)
2
max  С Ш вых   d,
2  S ()

а коэффициент передачи фильтра, оптимального по критерии максимума


отношения сигнал/шум, имеет вид

s ( j)*  jt0
Kopt  j  C e .
S ()

Амплитудно-частотная характеристика данного фильтра:

s ( j)
Kopt ( j)  ,
S ()
12
а фазочастотная характеристика будет иметь вид

arg Kopt  j s    t0 .

Физический смысл оптимального фильтра заключается в том, что


фильтр усиливает спектральные составляющие, у которых сигнал сильнее
помехи, а на тех частотах, где помеха сильнее сигнала, он, наоборот, давит
их. Чтобы обеспечить синфазное сложение спектральных составляющих,
которые уже прошли фильтрацию, нужно скомпенсировать фазы. За это
отвечает слагаемое –φs(ω) в ФЧХ фильтра. Наличие t0 в фазочастотной
характеристике соответствует идеальной линии задержки на время t0 , чтобы
обеспечить сложение спектральных составляющих в момент времени t0 .

Импульсная характеристика оптимального фильтра имеет вид

1  jt 1  s ( j)*  jt0 jt


hopt  t    Kopt  j e d   2  S () e e d.
2  

Часто в качестве математической модели помехи выступает белый


N0
шум, СПМ которого одинакова во всем частотном диапазоне S(ω)= .
2

Тогдакоэффициент передачи примет вид

Kopt ( j)  s ( j)* e jt0 ,

а импульсная характеристика такого фильтра

2  2
hopt  t    s  t  [  (t0  t )]d   s (t0  t ) . (1.1)
N0  N0

Фильтр, имеющий такую импульсную характеристику, называют


согласованным фильтром (СФ). Как видно из формулы (1.1), импульсная
характеристика будет представлять собой зеркальное отображение сигнала, с
которым фильтр согласован, сдвинутое на время t0 . Для физически
13
реализуемого фильтра берут момент времени t0 , который соответствует
окончанию сигнала t0 =T.

Сигнал на выходе СФ является автокорреляционной функцией


полезного сигнала, смещенной на время t0 .


sвых  t   K s  t  t0    s    s (    t  t0  d  ,


где Ks– корреляционная функция сигнала.

Максимальное значение выходного сигнала будет достигаться в


момент времени t0 и будет равно энергии сигнала:

U max  sвых  t0   K s  0   E .

Согласованный фильтр является линейной стационарной системой, а


следовательно, белый гауссов шум, прошедший СФ, останется
стационарным, но при этом уже не будет белым, и корреляционная функция
шума Kвых () будет совпадать по форме с корреляционной функцией сигнала
K s () .

Дисперсия на выходе СФ будет равна:

N E
2вых  Kвых  0   0 .
2

Максимальное отношение сигнал/шум для согласованного фильтра


будет иметь вид:

max sвых N0 E 2E
С Ш вых  E  .(1.2)
D U вых  2 N0

Из формулы (1.2) можно сделать вывод, что отношение сигнал/шум на


выходе СФ зависит от энергии сигнала и СПМ белого шума.

14
Также в задаче оптимальной линейной фильтрации встречается случай,
когда принимается сигнал не с постоянными параметрами, а со случайными
параметрами. Тогда на вход линейного фильтра подается аддитивная смесь
N0
полезного сигнала и белого шума с СПМ , где s(t , ) - детерминированная
2
функция переменных t и λ, а λ – случайная величина с плотностью
вероятности W(λ). В этом случае речь пойдет уже о среднем значении
отношения сигнал/шум на выходе фильтра. Нужно найти импульсную
характеристику фильтра, которая обеспечит максимальное среднее значение
ОСШ на выходе.

 

M sвых  t0 ,  
 W   s  ,   h  t0    d  d 
   .
D  xвых  t0  N0 
 h 2  t  dt
2 

Эту задачу, как и задачунахождения оптимального коэффициента


передачи фильтра для сигналов с постоянными параметрами, можно решить
с помощью неравенства Коши-Буняковского-Шварца

 
 W   s  ,   h  t0    d  d  2
  2   
   s  ,   W    d   d ,
 N0    
N0 2  h 2  t  dt


 
 h  t0   d    h t  dt .
2 2
в силу того, что
 

Учитывая условие, при котором неравенство переходит в равенство,


для импульсной характеристики оптимального фильтра справедливо
следующее выражение:

15

hopt  t0      s  ,  W    d  .


Если сигнал s(t , ) полностью известный, то W         0  , где  0 –


известное значение параметра λ. Следовательно, импульсная характеристика
также как и в случае сигнала с постоянными параметрами, будет
представлять собой зеркальное отображение сигнала, сдвинутая на время t0 .


hopt  t0      s  ,       0  d   s  , 0  , hopt  t   s  t0  t , 0  .


Выполнив точно такие же действия, как и в случае сигнала с


постоянными параметрами, можно убедиться, что максимальное значение

отношения сигнал/шум на выходе будет равно q  2 E N0 [2].

16
2. ОСНОВНЫЕ ЗАДАЧИ СТАТИЧЕСКОЙ ТЕОРИИ
РАДИОТЕХНИЧЕСКИХ СИСТЕМ И ЗНАЧИМОСТЬ
ОТНОШЕНИЯ СИГНАЛ/ШУМ ДЛЯ ИХ РЕШЕНИЯ

2.1. Обнаружение сигнала

Обнаружение сигнала является одной из основных задач


статистической радиотехники и теории радиотехнических систем. В
простейшем случае речь идет об обнаружении полностью известного
(детерминированного) сигнала.

При передаче полезный сигнал подвергается существенному влиянию


искажающей помехи. Наиболее часто встречающейся моделью помехи
является аддитивный белый гауссов шум (АБГШ) со спектральной
N0
плотностью мощности .В результате на вход обнаружителя поступает
2
колебание y(t) в виде аддитивной смеси полезного сигнала и белого гауссова
шума, если сигнал передавался, либо только белый шум, если сигнал не
подавался [3].

Структурная схема оптимального обнаружителя полностью известного


сигнала представлена на рис. 2.

Рисунок 2–Обнаружитель на основе согласованного фильтра.

Как видно из структурной схемы, решающее правило формируется в


момент времени t0 , когда на выходе СФ достигается максимальное значение
отношения сигнал/шум. Затем отсчет с выхода СФ в момент t0 сравнивается
с неким заданным порогом и выносится решение в пользу одной из гипотез:

17
Н0 - «Полезный сигнал отсутствует» или Н1 - «Полезный сигнал
присутствует».

Так как согласованный фильтр осуществляет линейное преобразование


нормального случайного процесса,распределенияW (z/ H0) и W (z/ H1)будут
одномерными нормальными с математическими ожиданиями 0 и E и с
одинаковой дисперсией. Графическая иллюстрация распределений и правила
принятия решения приведена на рис. 3, где площадь, заштрихованная
горизонтально – вероятность ложной тревоги α, а вертикально – вероятность
пропуска сигнала β.

Рисунок3– Графическая иллюстрация нормальных ПВ на выходе СФ.

Качество обнаружителя характеризуют вероятность ложной тревоги α


и вероятность правильного обнаружения сигнала D.

Вероятность ложной тревоги равна

  z2 
1
  2
exp    dz ,
 22 
Zп  

а вероятность правильного обнаружения:

   z  E 2 
1
D  exp    dz .
2  2  2 
Zп  

18
Используя интеграл вероятности  x  
1 x

2  
 
exp  t 2 2 dt , график

которого (х) приведен на рис. 4, получим окончательно:

z 
  1  Ф п   1  Ф  h,


z E
D  1 Ф п   Ф  q  h  , (2.1)
  

Zп 2E
где h  – нормированный пороговый уровень; q  - отношение
 N0

сигнал/шум на выходе СФ.

Рисунок 4– График интеграла вероятности (ошибок).

Как видно из формулы (2.1), вероятность правильного обнаружения


напрямую зависит от ОСШ на выходе СФ.

Если шум окрашен, то есть имеет спектральную плотность мощности


S   , которая зависит от частоты, то отношение сигнал/шум определяется
выражением:

1  s ( j)
2
q 
2  S ()
d

Часто обнаружению подлежит сигнал со случайной начальной фазой,


которая равномерно распределена в интервале [-π, π]. В таком случае при
отсутствии сигнала принятое колебание y(t)содержит только белый шум,
19
плотность вероятности которого подчиняется нормальному распределению, а
при присутствии сигнала y(t )  x(t )  S (t ) cos2f 0t  (t )  ,где S(t) –
известная огибающая сигнала, γ(t) – угловая модуляция, f0–несущая частота,
при этом φ– случайный параметр, имеющий плотность вероятности
1
W ()  ,  [–, ].
2

Структурная схема такого обнаружителя представлена на рис.5.

Рисунок 5– Структурная схема обнаружителя сигнала со случайной


начальной фазой.

Отличие от обнаружителя детерминированного сигнала заключается в


том, что сигнал на выходе СФ подается на детектор, характеристика которого
должна быть монотонно возрастающей функцией своего аргумента
(линейная, квадратичная и др.), в котором выделяется упомянутая функция
огибающей результирующего сигнала, и отсчет для формирования
решающего правила берется в момент времени t0 . Затем, этот отсчет
сравнивается с порогом и выносится решение о наличии или отсутствии
полезного сигнала.

ОднакоW (z/ H0) и W (z/ H1)уже не будут распределены по нормальному


закону, а будут подчиняться W (z/ H0) - распределению Рэлея, а W (z/ H1)–
распределению Рэлея-Райса (обобщенное распределение Рэлея). Графическая
иллюстрация представлена на рис.6.

20
Рисунок6– Графики ПВ W(z/ H0) и W(z/ H1) для случая обнаружения сигнала
со случайной начальной фазой.

Приведенные результаты соответствуют использованию в


обнаружителе линейного детектора.

Качественные показатели такого обнаружителя примут вид:

 h2 
  exp   ,
 2 
 

D 1 Q  
2ln  , q ,

 2 2
где Q  u, v    t exp  t  v  I 0  vt  dt - табулированная Q-функция Маркума
u

0  2 

(интегральное распределение Релея-Райса).


Для окрашенного шума отношение сигнал/шум вычисляется, как и
раньше:

1  s ( j)
2
q 
2  S ()
d

Также, во многих задачах подается на вход обнаружителя сигнал, у


которого, помимо случайной начальной фазы, случайной оказывается и
амплитуда сигнала.
Тогда модель сигнала имеет вид:

st; , A  AS t cos2f 0t  t    ,

21
где А - случайная величина с ПВ W0  А .

Часто распределение амплитуды является рэлеевским


    
 A  2A exp  A2 2 2A , A  0;
W0  A  

0, A  0

Структура обнаружителя для данного сигнала может использоваться,


такая же, как и для обнаружения сигнала только со случайной начальной
фазой (Рис.5.)

Распределения W(z/ H0) и W(z/ H1) для случая, когда обнаруживается


сигнал со случайной амплитудой и начальной фазой представлены на рис.7.

Рисунок7– Графики ПВ W(z/ H0) и W(z/ H1) для случая обнаружения сигнала
со случайной амплитудой и начальной фазой.

Оба распределения являются рэлеевскими.

Вероятность ложной тревоги α будет такая же, как и в предыдущем


случае:

 h2 
  exp   ,
 2 
 

а вероятность правильного обнаружения сигнала определяется следующем


выражением:

22
Или при заданной вероятности ложной тревоги

Величина qбудет соответствовать среднему значению энергии E


сигнала s(t; , А) при случайных значениях параметраА[4].

2.2. Различение сигналов

Задача различения сигналов состоит в том, что передатчик с


определенной вероятностью передает один из M детерминированных
сигналов на вход приемника, и требуется определить, какой именно из
сигналов передавался.В простейшем случае речь идет о различении
равнокоррелированных сигналов одинаковой энергии.

При передаче к радиоприемному устройству, сигнал подвергается


воздействию помехи, которая искажает его. Как и в случае обнаружения, в
качестве помехи используется модель АГБШ со спектральной плотностью
N0
мощности .Тогда на вход различителя поступает смесь одного из
2
различаемых сигналов и АГБШ[5].

Проверяются Mгипотез, каждая из которых соответствует присутствию


конкретного сигнала. При различении равнокоррелированных сигналов
одинаковой энергии в соответствии с методом максимального правдоподобия
T
вычисляется набор корреляционных интегралов zi   y  t  si  t  dt и выносится
0

23
решение о присутствии в колебании y(t) сигнала, имеющего с y(t)
наибольшую корреляцию.

Структурная схема такого различителя представлена на рис. 8.

Рисунок 8– Различитель М равновероятных сигналов одинаковой энергии.

Качество различителя характеризуется полной вероятностью ошибки

1   x 2  M 1
Pош  1   exp  2 
2  
 
x  q 1   dx (2.2).
 

При использовании аддитивной границы, которая подробно описана в


учебном пособии [4], формула (2.2) определяется выражением:

  1   
Pош   M  1 1  Ф  q  .
  2  

Для лучшего различения сигнала, нужно увеличить отношение


сигнал/шум qили минимизировать коэффициент корреляции ρ. Оптимальный
1
набор составляют симплексные сигналы, для которых    .
М 1

Если помеха представлена в виде аддитивного белого гауссова шума,


отношение сигнал/шум вычисляется как:

24
2E
q .
N0

Если помеха окрашена, то ОСШ можно найти с помощью выражения:

1  s ( j)
2
q 
2  S ()
d

В практических задачах часто используются различаемые сигналы,


энергия которых одинакова, но при этом они имеют случайную начальную
фазу φi. Оптимальный набор составляют сигналы ортогональные в
усиленном смысле, т.е. при любых значениях начальных фаз φi.

 si (t; i ), sk (t; k ) dt  0 при любых i, k и ik.

Структурная схема такого различителя приведена на рис. 9.

Рисунок 9– Различитель для сигналов, имеющую случайную начальную фазу.

Принятое колебание y(t) подается на М согласованных фильтров, при


этом каждый из фильтров, согласован с определенным сигналом. Сигналы на
выходе СФ поступают на нелинейный элемент (линейный детектор), где
выделяется огибающая. Решающий блок находит максимальную из величин

25
Zi и выносит решение о наличии сигнала, на который лучше всего реагирует
СФ.

Вероятность ошибки такого различителя при использовании


аддитивной границы имеет вид

 2
Рош M  1 exp  q  ,
2  4 

2E
где q  - если помеха является аддитивным белым гауссов шумом, либо
N0

1  s ( j)
2
q 
2  S ()
d  если шум окрашен.

Как видно из приведенных теоретических сведений, и при решении


задачи различения сигналов отношение сигнал/шум является ключевым
параметром, от которого зависит качество решения данной задачи [4].

2.3. Оценка параметров сигнала

Задача оценивания параметров сигнала, как и задача обнаружения и


различения сигналов, является одной из важнейшей в радиотехнике. При
решении данной задачи также существенным является отношение
сигнал/шум.

На вход измерителя на фоне помехи подается детерминированный


сигнал, который имеет неизвестные параметры с определенными
априорными плотностями вероятности. Помеха, как и в случае обнаружения
и различения, представляет собой белый гауссов шум со спектральной
N0
плотностью мощности . Параметры сигнала делятся на энергетические и
2
неэнергетические. К энергетическим параметрам относятся амплитуда и
длительность сигнала, так как от данных параметров напрямую зависит
энергия сигнала. К неэнергетических параметрам, соответственно, относят
26
время запаздывания, фазу и частоту сигнала. В соответствии с методом
максимального правдоподобия (МП) нужно сформировать функцию

E 
T
правдоподобия или ее логарифм L , y  t     y  t  s  t ,   dt  .
2
0

2.3.1 Оценка амплитуды и фазы сигнала

На вход измерителя подается сигнал st; , A  AS t cos2f 0t  t    ,


где S(t)–огибающая сигнала, f0–несущая частота,γ(t)–закон угловой
модуляции. Нужно оценить параметры А и φ по критерию максимума
правдоподобия.

Оценки 𝐴 и φ по критерии МП определяются следующими


выражениями:

z12  z22 Z z sign z1  1


Aˆ   , ˆ  arctg 2   .
E0 E0 z1 2

С учетом, что z1 иz2:

z1  T  s0 t  
   y (t ) dt ,
z2  0  0 
s t 

где y (t ) -принятое колебание, содержащее сигнал и шум, а


s0 t   S (t ) cos 2f 0t и s0 t   S (t ) sin 2f 0t – квадратурные составляющие
сигнала.

Получить дисперсию оценок можно с помощью матрицы Фишера [6]:

2 E0 N0
0 0
N0 1 2 E0
 и   .
2 A2 E0 0
N0
0
N0 2 A2 E0

27
Следовательно, условные дисперсии оценок 𝐴 и φопределяются
выражениями:

 1
D Aˆ A,   11
N
 0 
1
2 E0 q02
и Dˆ A,    221 
N0
2

2
1
.(2.3)
2 A E0 q ( A)


1 2
При условии, что  S0 (t) dt=1 ,несущее колебание имеет единичную
2
-
энергии выражение (2.3) примет вид:

 
N

D Aˆ A,   0 D ˆ A,  
2
1

q 2 ( A)
.

Из выражения (2.4), можно сделать вывод, что дисперсия оценки фазы


φ определяется фактическим отношением сигнал/шум на выходе СФ. Т.е.
точность оценивания зависит от ОСШ на выходе СФ.

2.3.2. Оценка времени запаздывания

Довольно часто в задачах оценивания параметр λ=τ, т.е. единственным


параметром, который нужно оценить, является время запаздывания
s(t; )  s(t  ) .

Оценку по критерию максимума правдоподобия, можно получить


пропустив принятую реализацию y(t) через СФ, а затем зафиксировать
момент времени τmax, когда достигается максимальное значение на выходе
согласованного фильтра. Остается только учесть длительность сигнала τс.
Следовательно, оценка времени запаздывания имеет вид:

𝜏 = 𝜏𝑚𝑎𝑥 − 𝜏с .

Структурная схема такого измерителя и осциллограммы в указанных


точках приведены на рис. 10.

28
Рисунок10– Структурная схема для случая оценки времени запаздывания и
промежуточные осциллограммы.

Дисперсия оценки времени запаздывания 𝜏 равна

1
D{ˆ / }  , q  1 ,(2.5)
(2f э ) 2 q 2

где fэ- эффективная частота спектра сигнала s(t).

Вывод этого соотношения можно найти в учебном пособии [6].

Из выражения (2.5) следует, что существенную роль для получения


более точной оценки временного интервала оказывает отношение
сигнал/шум на выходе СФ.

2.3.3. Оценка времени запаздывания сигнала со случайной


начальной фазой

Как указывалось в задачах обнаружения и различение сигналов, в


практических задачах широко используются модели сигналов со случайной
начальной фазой, которая равновероятно распределена на интервале [, ] .
Для такого сигнала нужно оценить информационный параметр, который в
нашей задаче является временем запаздывания. Сигнал имеет вид:

.
s(t; ; )  s(t  ; )  Re[ S (t  ) exp( j) exp( j 2f 0t )] .

29
Структурная схема измерителя и осциллограммы, пронумерованные в
соответствии с точками схемы, представлены на рис. 11.

Рисунок11– Структурная схема измерителя и осциллограммы для


случая оценивания времени запаздывания сигнала со случайной начальной
фазой.

Как видно из рис.11, оценку времени запаздывания получают,


фиксируя положение максимального значения на выходе детектора
огибающей, а не согласованного фильтра, как для рассмотренного выше
случая.

Дисперсия оценки 𝜏 будет равна:

1
D{ˆ / }  , q  1 (2.6)
2 2
(2Fэ ) q

12
 2 ~ 
  f | S ( f ) |2 df 
 
где Fэ      – эффективная (среднеквадратическая) ширина

 ~
| S ( f ) |2 df 
  
  
спектра комплексной огибающей 𝑆(𝑡) сигнала s(t; ) .

30
Исходя из формулы (2.6), точность оценки 𝜏, помимо увеличения
отношения сигнал/шум на выходе СФ, можно повысить путем расширения
спектра комплексной огибающей 𝑆(𝑡) сигнала s(t; ) . Как известно из
свойств преобразования Фурье, расширение спектра с сохранением
длительности сигнала, необходимой для получения требуемой энергии при
заданной пиковой мощности, возможно при использовании
внутриимпульсной угловой модуляции. Такие сигналы называют сложными.
Для них Fэτс>>1[6].

31
3. ИЗМЕРЕНИЕ ОТНОШЕНИЯ СИГНАЛ/ШУМ В РАЗЛИЧНЫХ
УСЛОВИЯХ

Отношение сигнал/шум является важнейшим показателем, от которого,


как видно из предыдущего раздела, зависит решение многих задач,
актуальных при построении и функционировании радиотехнических и
телекоммуникационных систем. От отношения сигнал/шум зависят
характеристики обнаружения, правильность различения и точность
оценивания параметров сигнала. Существует несколько методов измерения
ОСШ, которые будут рассмотрены в этой главе.

3.1. Выход линейной системы с возможностью раздельного


наблюдения сигнала и шума

Для линейной системы выполняется принцип суперпозиции. Благодаря


данному свойству, можно раздельно друг от друга пропустить через
линейную цепь шум и полезный сигнал.

Рассматриваемый метод измерения ОСШ заключается в том, чтобы при


выключенном шуме оценить значение сигнала на выходе в определенный
момент времени t0 , т.е. измерить sвых (t0 ) . Затем, не подавая на вход цепи
сигнал, пропустить помехуи оценить ее дисперсию или
среднеквадратическое отклонение на выходе вых . При этом отношение
сигнал/шум на выходе линейной цепи будет определяться выражением:

sвых (t 0 )
 С/Ш вых  .
σвых

3.2. Измерение отношения сигнал/шум на основе распределений


шума и смеси сигнала с шумом

Пусть при отсутствии сигнала и действии шума распределение отсчета


в момент времени t0 равно Wп (x / t0 ) . При подаче полезного сигнала отсчет
имеет плотность вероятности Wсп (x / t0 ) .
32
Отношение сигнал/шум определяется как расстояние между этими
распределениями. Для рассматриваемой задачи наиболее удобно определить
расстояние dкак

m1 сп  m1 п
d ,
4M
2сп M 2п

где m1сп , M 2сп и m1п , M 2п - математические ожидания и дисперсии


распределений Wсп (x / t0 ) и Wп (x / t0 ) соответственно.

Для задачи обнаружения полностью известного сигнала:

1  x2 
Wп (x / t0 )  exp   ,
2  22 
 

1   x  E 2 
Wсп (x / t0 )  exp   .
2  2 2 
 

Тогда расстояние между этими распределениями имеет вид:

E 0 E E 2E
d     q,
2  N0 E N0
2

N0 E
где 2  – дисперсия на выходе согласованного фильтра, E – энергия
2
сигнала.

При обнаружении сигнала со случайным равновероятным на интервале


[-π, π] распределением начальной фазы φ:

 x  x2 
 exp  - , x  0
Wп (x / t0 )   σ 2  2σ 2 
 

0 ,x<0

33
 x  x 2  E 2   Ex 
 exp  -  I ,x0
Wсп (x / t0 )   σ 2  2  0 2 
 2   σ 

0 ,x<0

гдеI0(…) – функция Бесселя 0 порядка.

Математические ожидания Wп (x / t0 ) и Wсп (x / t0 ) соответственно


равны:


m1п   ,
2

  E 2   E 2  E 2  E 2   E2 
m1сп    1   0
I   I1   exp  2 .
2  22   4σ 2  22  4σ 2    4σ 
 
 

Дисперсиираспределений Wп (x / t0 ) и Wсп (x / t0 ) определяются


следующими выражениями:

  
2п  22  m21п  22  2   2   2 ,
2  2

2сп  22  E  m21сп .

Как было указано в 2 главе, в обнаружителе для сигнала с


равномерным распределением начальной фазы на интервале [-π, π]
используется линейный детектор, тогда зависимость отношения сигнал/шум
на выходе линейного детектора от входного отношения сигнал/шум имеет
вид:

  h 2   h 2  h 2  h 2  
  1  I    I    1
2  2  0  4  2 1  4  
(C/Ш )выхЛД   ,
4
 h2 m2    
4 4 1   1сп  1  
 2 22   4 

34
E
где h   q – отношение сигнал/шум на входе детектора(на выходе СФ), так

N0 E
как 2  [7].
2

  q 2   q 2  q 2  q 2  
  1  I    I    1
2  2  0  4  2 1  4  
(C/Ш)выхЛД   ,
4
 q 2 m2    
4 4 1   1сп 1 
2   4
 2 2 

где m1сп и σ2 определены выше.

График зависимости отношения сигнал/шум на выходе линейного


детектора от отношения сигнал/шум на выходе согласованного фильтра
представлен на рис.12.

5.5

4.5

4
С/Ш на выходе СФ

3.5

2.5

1.5

0.5
0 1 2 3 4 5 6
C/Ш на выходе детектора

Рисунок12– Зависимость ОСШ на выходе линейного детектора от ОСШ на


выходе СФ.
35
3.3. Измерение отношения сигнал/шум при совместном действии
сигнала и помехи

Во многих практических задачах невозможно раздельно наблюдать сигнал и


помеху, тогда приходиться измерять отношение сигнал/шум на основе
наблюдения суммы сигнала и помехи.

Если сигнал является гармоническим колебанием амплитуды U с частотой


ω0и известной начальной фазой φ=0, а помехой будет узкополосный гауссов
процесс с центральной частотой ω0 и дисперсией σ2 при среднем равным 0,
то распределение фазыθ суммарного колебания будет иметь вид

1  q 2  q cos   q 2 sin 2  
Wсп (θ)  exp    Ф  q cos   exp    ,    .(3.1)
2  2  2   2 
   

Графики семейства распределений 𝑊сп (θ)при различных значениях


qприведены на рис.13.

Найдем вероятность попадания фазы θ в интервал Δ симметрично


расположенной по отношению к θ = 0, что соответствует φ=0

Рисунок 13– Плотности вероятности фазыθпри различных q и φ=0.


36
Как видно из рис.13, при q=0 распределение будет равномерным. При
увеличении отношения сигнал/шум плотность вероятности сужается и при
q→∞стремится к дельте-функции в нуле.

Очевидно, что вероятность попадания θ в интервал [-Δ/2, Δ/2] зависит


от q, что дает возможность оценить ОСШ 𝑞.

Для узкополосного шумовогопроцесса и узкополосного сигнала


распределение фазы и момента прохождения сигнала через «нуль»близки,
поэтому нужно зафиксировать факт попадания «нуля»наблюдаемого
процесса в интервал ±Δ/2, окружающий «нуль»сигнала.

Эта вероятность будет равна:


2
P (q )   Wсп (θ)dθ .


2

Подставив выражение 3.1 в интеграл, получим

  q 2  2q   q 2 sin 2  
P  q   exp      cosθФ  q cos  exp   2  dθ .
2  2  2 
  0  

Зависимость P (q) представлена на рис.14.

37
Δ1> Δ2> Δ3> Δ4>Δ5>Δ6

Рисунок 14– Вероятность попадания в границы около нуля от отношения


сигнал/шум.

Построенные зависимости позволяют по измеренным значениям


вероятности попадания нуля в интервал ±Δ/2 оценить значение отношения
сигнал/шум q. Для повышения точности следует выбирать величину
интервала Δ, обеспечивающие наибольшие значение крутизны
градуировочной кривой в зоне ожидаемых значений q[7].

38
4. ТОЧНОСТЬ ОЦЕНИВАНИЯ ОТНОШЕНИЯ СИГНАЛ/ШУМ

4.1. Точность оценкиотношения сигнал/шум при раздельном


измерении

При возможности раздельно наблюдать друг от друга прохождение


сигнала и шума через линейную систему, отношение сигнал шум находится
по следующей формуле:

s t 
q  вых 0 .
вых  t0 

Случайным параметром, от которого будет зависеть точность оценки


ОСШ, является СКО на выходе системы, т.к. на вход в качестве помехи
поступает случайный процесс.

Для повышения точности оценки нужно сгенерировать n реализаций


случайного процесса, и в момент времени t0на выходе линейной системы
сформировать массив отсчетов, объѐм которого будет определять точность
оценки

s t 
qˆ  вых 0 .
ˆ вых

Гистограммы распределения 𝑞при различных объѐмах выборки n


изображены на рис.15 – 16, где mqˆ - математическое ожидание, D qˆ -
дисперсия, v–коэффициент вариации.

Рисунок 15–Гистограмма распределения 𝑞 при объѐме выборки 5000.


39
Рисунок 16–Гистограммы распределения 𝑞 при объѐме выборки 1000 и 500.

Как видно из рис.15-16, при увеличении количества выборки,


гистограмма сужается, что свидетельствует о повышении точности
оценивания ОСШ; количественное представление об этом дает величина

D qˆ
коэффициента вариации v  [8], график которого как функция
mqˆ
nприведен ниже:

0.045

0.04
Коэффициент вариации, v

0.035

0.03

0.025

0.02

0.015

0.01

0.005
0 1000 2000 3000 4000 5000 6000 7000
Объем выборки, n

Рисунок 17 – Зависимость коэффициента вариации v от объема выборки n.

40
4.2. Точность оценки отношения сигнал/шум на основе расстояния
распределений математических ожиданий шума и смеси сигнала с
шумом

Точность данного метода будет зависеть от точности оценки


математических ожиданий и дисперсий распределений на выходе детектора.

mˆ  mˆ1п
dˆ  1сп .(4.1)
4 Mˆ ˆ
2сп M 2п

Как и в случае, указанном выше, большей точности можно достигнуть


с помощью проведения большего количества испытаний. Для реализации
вычислений по формуле (4.1) необходимо выполнить следующие операции.

1. Сгенерировать nреализаций дискретного белого шума и


сначала пропустить его черезфильтр, согласованный с выбранном
радиосигналом, а затем через детектор (линейный или квадратичный).
2. Сформировать массив отсчетов (выборки) на выходе в
момент времени t0 , и по этой выборке найти оценки математического
ожидания и дисперсии распределения при отсутствии сигнала.
3. Еще раз сгенерировать реализации дискретного белого
шума и прибавить к ним отсчеты полезного сигнала, а затем повторить
процедуру по пункту 1.
4. Так же, как и в пункте 2, получить выборку отсчетов в
интересующий момент t0 и определить оценки математического
ожидания и дисперсии распределения смеси сигнала и шума на
выходе.
5. По формуле 1 рассчитать отношения сигнал/шум на выходе
линейного/квадратичного детектора.

Гистограммы распределения 𝑞при объѐме выборки 500, 2000, 5000


приведены на рис.18.

41
Рисунок 18– Гистограммы распределения 𝑞при объѐме выборки 5000,1000 и
500.
Как и в предыдущем варианте оценивания ОСШ, точность
характеризуется коэффициента вариации v, который стремится к 0 при
неограниченном росте объѐма выборки n[8].Соответствующий график
приведен на рис.19.
0.05

0.045

0.04
Коэффициент вариации, v

0.035

0.03

0.025

0.02

0.015

0.01

0.005
0 1000 2000 3000 4000 5000 6000 7000
Объем выборки, n

Рисунок 19 – Зависимость коэффициента вариации v от объема выборки n.


42
4.3. Точность оценки отношения сигнал/шум при совместном
действии сигнала и шума

Как было написано в предыдущей главе, ОСШ может быть получено


на основе оценки вероятности P (q) попадания нуля в интервал ±Δ/2,
окружающей точку прохода через «нуль»полезного сигнала. За счет
правильного выбора интервала Δ, можно существенно повысить точность
оценки ОСШ. Механизм повышения точности был рассмотрен в главе 3.

Для иллюстрации на рисунке 20 приведена одна из кривых семейства


P (q) .Поясним, как следует выбирать интервал Δ. Задаемся ожидаемым

значением q=2. По градуировочной кривой определяем значение P̂ .

Δp

Δq

Рисунок 20– Градуировочная кривая.

Используя гауссову аппроксимацию биномиального распределения 𝑃𝛥 ,


можно получить связь между доверительной вероятность 2β, доверительным
интервалом Δpи объѐмом выборки n[9].

43
 
 
p
2  2Ф    1.
 p 1  p  
 
 n 

Из этого соотношения при фиксированных значениях 2β, p, n,


определяем величину Δpи с помощью градуировочной кривой Δq.
Основанием для выбора одной из кривых (интервала Δ) будет минимум Δq.

44
5. РАЗРАБОТКА ПРОГРАММНОГО МОДУЛЯ

Для разработки программного модуля в качестве среды


программирования был выбран пакет прикладных программ MATLAB, а в
частности среда GUIDE.

MATLAB является высокоуровневой средой программирования.


Данная программа предоставляет множество функций для анализа данных,
которые покрывают почти все области математики (алгебра матриц, решение
линейных уравнений, математическая статистика, решение
дифференциальных уравнений, Фурье анализ и многое другое).

Также MATLAB позволяет пользователю разрабатывать свои


собственные алгоритмы и создавать графические интерфейсы со своим
расположением элементов управления (кнопки, поле ввода и вывода,
раскрывающиеся списки и т.д.).

Данная среда имеет существенный ряд преимуществ по сравнению с


такими языками программирования, как C/C++, Java и Pascal. Одно из самых
главных преимуществ - возможность видоизменять все имеющиеся
встроенные функции и получать доступ к данным из других программ.

Стоит выделить и скорость выполнения алгоритмов в среде MATLAB,


она достаточно высокая и позволяет пользователю значительно сократить
время решения типовых задач. Для обработки больших данных есть
возможность использовать параллельное вычисление и хранить нужные
переменные на жестком диске [10].

Существенным преимуществом, повлиявшим на выбор именно этой


среды программирования, является возможность использования
лицензионной версии MATLAB студентами СПбГЭТУ «ЛЭТИ».

Основный рабочим файлом программы является М-файл. Он


представляет собой текстовый редактор, в котором и происходит
45
непосредственное программирование вычислений. М – файлы делятся на два
типа: М- сценарии (не требуют входных и выходных переменных и служат
для автоматизации многократно повторяющихся вычислений) и М – функции
(имеют входные и выходные переменные и предназначены для расширения
возможностей языка MATLAB).

Еще одно из важных преимуществ среды MATLAB – это наличие


большого количества пакетов прикладных программ (ППП), содержащих
функции, разработанные для определенной отрасли знаний, именуемые как
«toolbox».

Для цифровой обработки данных сигналов используются такие ППП


как:
SignalProcessingToolbox, DSPSystemToolbox, ImageProcessingToolbox, Wavele
tToolbox, CommunicationsSystemToolbox, которые позволяют решать
широкий спектр задач обработки сигналов, а также проектировать цифровые
фильтры любого порядка и анализировать с помощью визуализации
различных характеристик в виде графиков.

MATLAB может использоваться не только в инженерной области, но и


в области экономики с помощью расширения FinancialToolbox. Данное
расширение может быть использовано для анализа чувствительности рынка,
расчета доходности ценных бумаг и оценки курсов. Для удобства
представление и презентации данных, имеется возможность отображения в
виде графиков и диаграмм.

ТакжеMATLAB широко используется в области биологии и нейронных


сетей. Bioinformatics Toolbox позволяет обрабатывать биологические данные,
производить исследование в области биоинформатики, генной инженерии и
заниматься разработкой новый лекарственных препаратов. Расширение
NeuralNetworkToolbox служит для исследования различных конфигураций
сетей и применение нейронных сетей к таким задачам, как обработка

46
сигналов, нелинейное управление и финансовое моделирование.
Пользователь не только может использовать стандартные модели нейронных
сетей, но и имеет возможность самому создавать эту сеть для оптимального
решения поставленной задачи [11].

В случае, если у пользователя возникли вопросы и проблемы, он без


труда может обратиться в меню справки, которое открывается выбора опции
Help Window в меню Help или простым нажатием вопроса на панели
управления. Также, чтобы моментально узнать, как работает та или иная
функция, и как ее задавать, можно в командном окне вбить команду help. Для
более подробно информации можно воспользоваться Web – сервером фирмы
MathWorks.

Для построения графиков в MATLAB имеется большой выбор


функций, которые помимо обычных графиков, дают возможность построить
3D графики, контурные графики, графики проекций векторов на плоскость,
гистограммы, диаграммы различными линиями разного цвета в удобном
масштабе, например, для построения графика в логарифмическом масштабе
используется команда loglogx, что удобно для исследования частотных
характеристик линейный звеньев и систем, или автоматическое
масштабирование с помощью команды axis, когда требуется отобразить
конкретную часть графика. Помимо этого, пользователь может наложить
графики друг на друга в одно графическое окно или наоборот разбить
графическое окно на несколько частей(подокна) и делать пояснительные
комментарии прямо на графиках с помощью команды legend[12].

Все вышеперечисленное характеризует MATLAB как удобную,


быстродействующую и доступную среду программирования, что делает ее
приоритетной среди других программ. Главным недостатком MATLAB
является его высокая цена, но огромный функционал и качество
компенсирует этот незначительный недостаток. Именно поэтому, данная

47
среда программирования стала выбором для написания программного
модуля и визуализации полученных данных.

5.1. Разработка интерфейсов лабораторной работы

Лабораторная работа состоит из трех модулей, каждый из которых


имеет свой графический интерфейс. Графические интерфейсы были
разработаны в среде программирования MATLAB, а именно в среде GUIDE.

Данная среда дает возможность разработать собственное приложение.


Разработчик при помощи мыши расставляет нужные ему кнопки, окна ввода
и вывода данных, а также графические окна для визуализации данных.
Помимо этого, есть возможность менять шрифт текста, размеры кнопок и
графиков, цвет самого интерфейса. Эти преимущества позволяют автору
программы создать графический интерфейс удобным простым для
пользования.

На рис.21. приведѐн интерфейс первого модуля.

Рисунок 21 – Графический интерфейс первого модуля.

В данном интерфейсе представлены:

48
 раскрывающийся список, позволяющий пользователю выбрать
один из трех представленных радиосигналов.
 3 поля ввода данных, в которых задается объѐм выборки, частота
дискретизации, среднеквадратическое отклонение шума. Рядом с
каждым полем находится статистический текст, который
поясняет предназначение этого поля.
 4 поля вывода данных. В первом поле выводится значение ОСШ
на выходе СФ, во втором – ОСШ, определенное с
использованием преобразования Гильберта для расчета
огибающей сигнала, в третьем – на выходе линейного детектора
и в четвертом– на выходе квадратичного детектора.
 8 графических окон: axes1 отображает полезный сигнал на входе,
axes2 – смесь сигнала и шума (выборка шума ограниченна и
совпадает с выборкой сигнала), axes3 – полезный сигнал на
выходе СФ, axes4 – смесь сигнала и шума на выходе СФ, axes5 –
гистограммы смеси сигнала с шумом и шума на выходе СФ,
axes6 – гистограммы огибающей смеси сигнала с шумом и шума,
полученные с помощью преобразования Гильберта, а axes7 и
axes8 иллюстрируют гистограммы смеси сигнала с шумом и
шума на выходе линейного и квадратичного детекторов.
 Кнопка «Выполнить моделирование», при нажатии которой
происходит запуск программы.
На рис.22. изображен интерфейс второго модуля.

49
Рисунок 22–Графический интерфейс второго модуля.

В данном приложении используются:

 раскрывающийся список, в котором пользователь выбирает


область, в которой будет исследоваться зависимость ОСШ на
выходе линейного и квадратичного детекторов
 4 поля ввода данных со статическим текстом, в которых
пользователь будет задавать частоту дискретизации, начальную и
конечную амплитуду полезного сигнала и объѐм выборки
 графическое окно, иллюстрирующее зависимость ОСШ на
выходе линейного и квадратичного детекторов от ОСШ на
выходе СФ
 кнопка «Выполнить моделирование» для запуска моделирования

Третий модуль представлен на рис.23.

50
Рисунок 23 –Графический интерфейс третьегомодуля.

Интерфейс третьего модуля включает

 4 поля ввода данных; начальное значение СКО шума, шаг


изменения СКО шума, конечное значение СКО шума и объѐм
выборки.
 графическое окно, которое строит зависимость вероятности
попадания в границы нуля смеси узкополосного сигнала и
нормального процесса от отношения сигнал/шум
 кнопка «Моделировать», которая запускает программный код

5.2. Разработка программного модуля лабораторной работы

В первом модуле пользователь исследует прохождение сигнала и


помехи через линейную и нелинейную системы. На выходе систем
рассчитывается отношение сигнал/шум с помощью метода, основанного на
расстоянии между распределениями смеси сигнала с шумом и шума.

Сначала пользователь выбирает один из трех радиосигналов


(прямоугольный радиоимпульс, симметричный ЛЧМ-импульс или ЛЧМ-
импульс), а затем устанавливает начальные параметры (объѐм выборки,
51
частоту дискретизации, СКО шума) и после этого нажимает кнопку
«Выполнить моделирование».

Код программы первого модуля представлен в Приложении А.

Далее (на рис.24 – 26) приведены результаты моделирования при


подаче на СФ разных импульсов.

Рисунок 24– Моделирование при подаче на вход СФ радиоимпульса.

Рисунок 25– Моделирование при подаче на вход СФ симметричного ЛЧМ-


импульса.

52
Рисунок 26 –Реализация моделирования при подаче на вход ЛЧМ-импульса.

По результатам моделирования и получившихся графиков можно


сделать некоторые выводы:

 На выходе линейной системы (согласованного фильтра)


гистограммы шума и смеси сигнала с шумом представляют
нормальное распределение, что соответствует теории,
приведенной во 2 главе.
 После преобразования Гильберта и прохождения линейного
детектора распределение шума становится Рэлеевским, а
распределение смеси сигнала и шума – обобщенным Рэлеевским,
что также соответствует теории.
 На выходе квадратичного детектора гистограмма шума имеет
экспоненциальное распределение (квадрат распределения Рэлея),
а гистограмма смеси сигнала и шума распределена по
неизвестному распределению (квадрат распределения Рэлея –
Райса).

53
Соответственно, при увеличении СКО шума, расстояние между
распределениями уменьшается, а, следовательно, уменьшается значение
ОСШ. Результат представлен на рис.27.

Рисунок 27 –Результат моделирования при СКО шума = 5.

Объѐм выборки влияет на точность измерения ОСШ, про которую


подробно написано в п.4.2.

Второй модуль служит для исследования зависимости ОСШ на выходе


линейного и квадратичного детекторов от ОСШ на выходе СФ.

Пользователь выбирает, при каких отношениях сигнал/шум будет


происходить исследование, а затем задает входные параметры (начальную и
конечную амплитуду входного сигнала и объѐм выборки) и с помощью
кнопки «Выполнить моделирование» запускает код программы.

Код программы первого модуля представлен в Приложении Б.

Результаты моделирования приведены на рис.28 (при больших ОСШ на


выходе СФ) и на рис.29 (при малых ОСШ). Характеристика линейного
детектора представлена в виде красных крестиков, характеристика
квадратичного детектора в виде зеленых нулей.

54
Рисунок 28 –Зависимость ОСШ на выходе линейного и квадратичного
детекторов от ОСШ на выходе СФ в области больших ОСШ.

Анализируя рис.28, можно сделать вывод, что в области большим


ОСШ характеристика линейного детектора изменяется по линейному закону,
а характеристика квадратичного детектора – по квадратичному закону.

55
Рисунок 29 –Зависимость ОСШ на выходе линейного и квадратичного
детекторов от ОСШ на выходе СФ в области малых ОСШ.

В данном случае, как видно на рис.29, характеристики линейного и


квадратичного детекторов ведут себя практически одинаково.

Объѐм выборки, как и в первом модуле, служит для повышения


точности исследования.

В третьем модуле рассматривается метод измерения отношения


сигнал/шум, основанного на распределения фазы смеси узкополосного
нормального процесса и радиосигнала.

Перед началом моделирования пользователю необходимо задать


начальные параметры (объѐм выборки, начальное значение СКО шума, шаг
СКО и конечное значение СКО шума). От этих параметров зависит точность
построения градуировочной кривой. Затем нажать кнопку «Моделировать».

Код программы третьего модуля представлен в Приложения В.

На рис.30. приведен результат моделирования.

56
Рисунок 30–Третий модуль. Результат моделирования.

По получившейся градуировочной кривой при заданной вероятности


попадания в границу около нуля можно оценить отношение сигнал/шум на
выходе СФ, более подробно данный метод описан в п.3.3.

57
6. БЕЗОПАСНОСТЬ ЖИЗНЕДЕЛЬНОСТИ

Целью данной выпускной квалификационной работы (ВКР) является


создание трех программных модулей, в которых будут рассмотрены методы
измерения сигнал/шум. Так как пользователь будет изучать данные методы с
помощью персональной электронно-вычислительной машины (ПЭВМ),
целесообразно выбрать в качестве дополнительного раздела БЖД, а именно
рассмотреть аспект эргономики программного обеспечения.

В конце 2012 года был принят национальный стандартГОСТ Р ИСО


9241-210— 2012. В нем было подробно рассмотрены основные требования
при взаимодействии «человек – система».

Настоящий стандарт содержит руководство по человеко-


ориентированному проектированию компьютерных интерактивных
систем. Данные руководство направлены на создание максимально простой и
безопасной для пользователя интерактивной системы на основе большого
количества опытов в области эргономики и психологии человека.

В человеко-ориентированный подход должно быть заложено несколько


основных положений:

1) Проектирование должно быть ориентировано на определенных


пользователейи на конкретные задачи;

2) Пользователи должен участвовать в проектировании и разработке


системы;

3)Для модернизации системы требуется выполнить ее


человекоориентированную оценку, основанную на отзывах пользователей.

4) Совершенствование проекта должно быть итеративным, так как


чаще всего желаемый проект не может быть разработан сразу;

58
5) При проектировании и разработки системы должен учитываться
предыдущий опыт пользователя, чтобы не повторять ошибки, которые были
допущены ранее;

6) В проектировании и разработке должны также участвовать


специалисты из других различных областей, так как творческих подход
членов группы и их взаимосвязь только положительно скажется на
проекте[13].

6.1. Эргономика. Эргономические свойства системы «человек –


машина»

Эргономика – это научная дисциплина, которая детально изучает


человека (группу людей) в определенных условиях его (их) деятельность,
которая связана применением аппаратного обеспечения и предусматривает
использования теории, опыта и методов для обеспечения удобства человеку и
совершенствование производительности самой системы.

Выделяются три основных цели эргономики:

1. Эффективная и качественная деятельность человека в системе


«человек – машина».
2. Обеспечение безопасности труда.
3. Обеспечение для пользователя удобной рабочей среды для
продуктивной работы.

В ходе работы с программными приложениями осуществляется


взаимодействие с ПЭВМ, что выражается в одном из видов взаимодействия
«человек - техника». Данная система взаимодействия «человек- компьютер»
является комплексом компонентов, включающий непосредственно
пользователя и его автоматизированное рабочее место, также специально
созданную среду для интерактивного общения, которая особо
специализирована на успешном исполнении функциональных возможностей

59
и ресурсов программного приложения, и для реализации обмена
сообщениями пользователей.

На сегодняшний день перед разработчиками программных приложений


стоит несколько основных задач. Одной из них является осуществление
интерактивного взаимодействия в процессе реализации диалогового
«общения» пользователей и компьютерной техники. Другой, не менее
важной задачей, является осуществление сочетаемости и сопоставимости
пользователя и программного приложения. Большинство пользователей
ассоциируют интерфейс ПО с программным приложением, т.к. в основном,
впечатление от работы с программным приложением складывается
напрямую от работы с пользовательским интерфейсом. Данный факт
указывает на то, что разработчики программных приложений
преимущественно обращают внимание на вопросы эргономики и
применимости (usability) пользовательских интерфейсов и удобства работы,
поэтому в дальнейшем пользователи могут быстро и легко выполнять
поставленные задачи, не тратя много времени на изучение интерфейса ПО.

Таким образом, принимая во внимание применимость и эргономику в


жизненном цикле программных приложений можно отметить следующие
изменения:

Повышение скорости работы и степени комфорта для пользователей;

 Сокращение затрат на использование программных приложений;

Сокращение затрат на становление ПО

Сокращение времени и затрат на изучение пользователей;

 Рост продаж ПО

Эргономичный пользовательский интерфейс должен


соответствоватьследующим требованиям:

60
Содействовать быстрому изучению ПО пользователем;

 Предоставлять возможность пользователю вводить информацию


наиболее удобным для него способом, при этом не беспокоясь о ходе
вычислений.

 Гарантировать согласование ПО и пользователя, т.е. информация,


которая предоставлена пользователю, должна быть ясной, при этом ее объѐм
должен быть умеренным;

 Гарантировать интуитивное управление ПО пользователем;

 Обеспечивать полный контроль пользователем на протяжении всей


работы

 Осуществлять исправление ошибок пользователя при вводе


начальных данный или указывать на ошибки при невозможности указывать
на них и давать рекомендации по их устранению.

 Гарантировать обратную связь пользователя с ПО (справочная


подсистема должна предоставить пользователю нужную информацию и в
случае возникновения проблем с ПО оказать помощь)[14].

Как было указано выше, основная задача ВКР – создание программного


модуля, в котором пользователь будет выполнять лабораторную работу
«Методы измерения сигнал/шум». В качестве среды программирования был
выбран пакет прикладных программ MATLAB. Его преимущества и
особенности подробно описаны в п.5.

Данная среда программирования дает возможность пользователю под


себя настроить размер шрифта, расположение окон.

При возникновении ошибки в процессе выполнения кода система в


командном окне показывает местоположение ошибки в коде (строка и
столбец) и дает рекомендации по устранению ее.

61
Также, если у пользователя возникли вопросы, он без труда может в
раздел «Справка», которая открывается отдельным окном и не мешает
работать с самим кодом.

На рис.31. приведен скриншот интерфейса среды программирования


MATLAB.

Рисунок 31 – Интерфейс пакета прикладных программ MATLAB.

Сами графические интерфейсы лабораторной работы сделаны в среде


GUIDE, которая входит в состав MATLAB.

Работа в данной среде довольно таки проста. Разработчик может


располагать элементы управления, менять цвет интерфейса, шрифт так, как
посчитает нужным, что позволяет разработчику сделать свой уникальный
интерфейс, который был бы прост и удобен пользователю.

На рис.32., рис.33., рис.34., представлены скриншоты трех графических


интерфейсов.

62
Рисунок 32 – Первый графический интерфейс.

Рисунок 33 – Второй графический интерфейс.

63
Рисунок 34 –Третий графический интерфейс.

Для простоты сделана одна кнопка, нажав на которую, будет


выполняться моделирования. Также, используется достаточно крупный
шрифт, чтобы пользователь мог без труда прочитать текст. Цветовая гамма
подобрана так, чтобы не препятствовать восприятию текса пользователем.

64
ЗАКЛЮЧЕНИЕ

Целью данной выпускной квалификационной работы (ВКР)


являлосьсоздание лабораторной работы «Методы измерения отношения
сигнал/шум», включающую теоретическую часть и трех программных
модулей в среде программирования MATLAB. Данная лабораторная работа
будет полезна для студентов при изучении дисциплин «Статистическая
теория радиотехнических систем» и «Методы обработки сигналов» и
проиллюстрирует важность понятия отношение сигнал/шум в основных
задачах статистической радиотехники, позволяя обучающегося в лишний раз
вспомнить основы дисциплины«Статистическая теория радиотехнических
систем».

В теоретической части ВКР были рассмотрены фильтры,


максимизирующие отношение сигнал/шум, влияние отношения сигнал/шум
на качественные показатели обнаружителя, различителя и на точность
оценивания параметров сигнала. Также были изучены методы измерения
отношения сигнал/шум в различных условиях и проанализирована их
точность.

В среде программирования MATLAB, а в частности в среде GUIDE,


были разработаны три программных модуля со своим графическим
интерфейсом.

В первом модуле рассматривается прохождение смеси полезного


сигнала и шума через линейную и нелинейную системы, а также измерение
отношения сигнал/шум на основе распределений шума и смеси сигнала с
шумом на выходе. В качестве линейной системы был взят согласованный
фильтр, а нелинейной – вычисление огибающей или ее квадрата либо на
основе преобразования Гильберта, либо основе аппаратной реализации
линейного и квадратичного детекторов.

65
Во втором модуле изучается зависимость отношения сигнал/шум на
выходе линейного и квадратичного детекторов от отношения сигнал/шум на
выходе согласованного фильтра. При этом данная характеристика
исследуется в области малых или больших ОСШ.

В третьем модуле изучается метод измерения отношения сигнал/шум


на основе распределения фазы смеси узкополосного нормального процесса и
радиосигнала.

Программные модули имеют интуитивно понятный интерфейс и


позволяют получить выходные характеристики при различных исходных
данных.

В дополнительном разделе были рассмотрены вопросы эргономики при


выполнении данной лабораторной работы пользователем.

Таким образом, все задачи, которые были поставлены в рамках ВКР,


выполнены в полном объѐме.

66
СПИСОК ЛИТЕРАТУРЫ

1. Пороговые сигналы/ А.П. Сиверс; Под ред. А.П. Сиверса – М:


Издательство«Советское радио», 1952
2. Преобразование сигналов и помех линейными и нелинейными
системами: Под общ. ред. В.П. Ипатова и Ю.Д. Ульяницкого. СПб.:Изд-во
СПбГЭТУ «ЛЭТИ», 2013. 88 с.
3. Статистическая теория радиотехнических систем.: курс лекций.
strtsonline.narod.ru URL: http://strts-online.narod.ru/files/lec7.pdf (дата
обращения: 23.03.2019).
4. Статистическая теория радиотехнических систем: учеб. пособие в 3 ч.
Ч. 2 / под общ. ред. проф. В. П. Ипатова и проф. Ю. Д. Ульяницкого. СПб.:
Изд-во СПбГЭТУ «ЛЭТИ», 2015. 146 с.
5. Статистическая теория радиотехнических систем.: курс лекций.
strtsonline.narod.ru URL: http://strts-online.narod.ru/files/lec8.pdf (дата
обращения:25.03.2019).
6. Измерение параметров сигналов радиотехнических и телекоммуни-
кационных систем: Учеб. пособие. СПб.: Изд-во СПбГЭТУ "ЛЭТИ", 2003.
84 с.

7. Теоретические основы статистической радиотехники. Книга первая.


Изд. 2-е / Б.Р. Левин. -М., «Сов. Радио», 1974. -552 с.
8. В.С. Королюк, Н.И. Портенко, А.В. Скороход, А.Ф. Турбин. — М.:
Наука. Главная ред. физико-математической литературы, 1985. — 640 с.
9. Методы математической статистики и их применение в радиотехнике:
Учеб. пособие / Под общ. ред. Ю.Д. Ульяницкого. СПб.: Изд-во СПбГЭТУ
«ЛЭТИ», 2008. 120 с.
10. matlab.ruURL:https://matlab.ru/products/matlab (дата обращения:
15.04.2019)

67
11. Simulink & Toolboxes // old.exponenta.ruURL:
http://old.exponenta.ru/educat/free/matlab/toolboxes.pdf (датаобращения:
16.04.2019)
12. Самоучитель MATLAB 5.3/6.x / Ануфриев И.Е. -СПб.: Изд-во
БХВПетербург, 2004. -736 с.
13. ГОСТ Р ИСО 9241 – 210 – 2012. Эргономика воздействия «человек –
система». -М.: Стандартинформ, 2013.
14. Эргономика пользовательских интерфейсов в информационных
системах: учеб. пособие / А.А. Попов. - М.: РУСАЙНС, 2016. -312 с.

68
ПРИЛОЖЕНИЕА

functionvarargout = modul1(varargin)
gui_Singleton = 1;
gui_State = struct('gui_Name', mfilename, ...
'gui_Singleton', gui_Singleton, ...
'gui_OpeningFcn', @modul1_OpeningFcn, ...
'gui_OutputFcn', @modul1_OutputFcn, ...
'gui_LayoutFcn', [] , ...
'gui_Callback', []);
if nargin && ischar(varargin{1})
gui_State.gui_Callback = str2func(varargin{1});
end

if nargout
[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
else
gui_mainfcn(gui_State, varargin{:});
end

function modul1_OpeningFcn(hObject, eventdata, handles, varargin)


handles.output = hObject;

guidata(hObject, handles);

function varargout = modul1_OutputFcn(hObject, eventdata, handles)


varargout{1} = handles.output;

function pushbutton1_Callback(hObject, eventdata, handles)


k=str2double(get(handles.edit1,'String'));%обьемвыборки
Fd=str2double(get(handles.edit2,'String')); % Частотадискретизации
sko=str2double(get(handles.edit3,'String')); % скошума
N=50; %число отcчетов
%Формирование сигнала
t=0:1/Fd:N;
popup_sel_index = get(handles.popupmenu2, 'Value');
switch popup_sel_index%выборсигнала
case 1
x=sin(2*pi*t).*rectpuls(t-N/2,N);
wc=0.4;%частотасреза
case 2
x=chirp(t,0.9*Fd,N,1.1*Fd,'linear');
wc=0.8;%частотасреза
case 3
69
x=sin(2*pi*(80000+0.01*t).*t);
wc=0.8;
end
axes(handles.axes1);
cla;
plot(t,x)%нашсигнал
axis([0 60 -2 2]);
title('Наш сигнал')
grid on
%Формируем нормальный белый шум
[n,m] = size(t);
Noise = sko * randn(1,m);
Sn = x + Noise;%сигнал+шум
axes(handles.axes2);
cla;
plot(t,Sn)%зашумленныйсигнал
title('Зашумленный сигнал')
grid on
h = x(end:-1:1); % имп. хар-ка как зеркальное отражение согл. сигнала
y1=conv(h,x);%прохождение сигнала через СФ
y1=y1/Fd;
[s d]=max(y1)%максимальный элемент массива
th=0:1/Fd:2*N;
axes(handles.axes3);
cla;
plot(th,y1)%сигнал на выходе СФ
title('Сигнал на выходе СФ')
grid on
y2=conv(h,Noise);%прохождение шума через СФ
y2=y2/Fd;
v=y2(d)%значение массива в момент времени d
%Прохождение через СФ сигнал+шум
y=conv(h,Sn);
y=y/Fd;
axes(handles.axes4);
cla;
plot(th,y)%Сигнал на выходе согл.фильта с шумом
title('Сигнал на выходе СФ с шумом')
grid on
v1=y(d)%значение массива в момент времени d
for i=1:k
b(i,:)=sko * randn(1,m);
y3=conv(h,b(i,:));
y3=y3/Fd;
70
ka1(i)=y3(d);
S_N0= b(i,:)+ x;%сигнал+шум
y4=conv(h,S_N0);
y4=y4/Fd;
ka(i)=y4(d);
%Преобразование Гильберта
z3=abs(hilbert(y3));%прохождение шума через Гильберта
ka2(i)=z3(d);
z4=abs(hilbert(y4));%прохождение с+ш через Гильберта
ka3(i)=z4(d);
%Линейный детектор
ld2=abs(y3);%модуль шума
[c e]=butter(8,wc);%Фильтр баттерворта 8 порядка
ld3=filter(c,e,ld2);%прохождение шума через ФНЧ
ka4(i)=ld3(d);
ld4=abs(y4);
ld5=filter(c,e,ld4);%прохождение с+ш через ФНЧ
ka5(i)=ld5(d);
%квадратичный детектор
kdet2=y3.^2;
kdet3=filter(c,e,kdet2);
ka6(i)=kdet3(d);
kdet4=y4.^2;
kdet5=filter(c,e,kdet4);
ka7(i)=kdet5(d);
end
m1=mean(ka1)%мат.ожидание
d1=var(ka1)%дисперсия
sko1=sqrt(d1)
m2=mean(ka)%мат.ожидание
d2=var(ka)%дисперия
sko2=sqrt(d2)
%Вычисление сигнал/шум на выходе СФ
q=(m2-m1)/sqrt(sko1*sko2)
axes(handles.axes5);
cla;
[as1 qw1]=hist(ka);
bar(qw1,as1/sum(as1),'b')
hold on
grid on
[a4 x4]=hist(ka1);
bar(x4,a4/sum(a4),'r')
title('Гистограммы на выходе СФ')
legend('Сигнал','Шум')
71
md1=mean(ka2)%мат.ожидание шума после Гильберта
dd1=var(ka2)%дисперсия шума после Гильберта
skod1=sqrt(dd1)%ско после Гильберта
md2=mean(ka3)%мат.ожидание с+ш после Гильберта
dd2=var(ka3)%дисперсия с+ш после Гильберта
skod2=sqrt(dd2)%ско с+ш после Гильберта
%Вычисление сигнал/шум на выходе Гильберта преобразования
q1=(md2-md1)/sqrt(skod1*skod2)
axes(handles.axes6);
cla;
[a2 x2]=hist(ka2);
bar(x2,a2/sum(a2),'r')
hold on
grid on
[as2 qw2]=hist(ka3);
bar(qw2, as2/sum(as2),'b')
title('Гистограммы после преобразования Гильберта')
legend('Шум','Сигнал')

mld1=mean(ka4)%мат.ожидание шума после линейного детектора


dld1=var(ka4)%дисперсия шума линейного детектора
skold1=sqrt(dld1)%ско после линейного детектора
mld2=mean(ka5)%мат.ожидание С+Ш после линейного детектора
dld2=var(ka5)%дисперсия С+Ш после линейного детектора
skold2=sqrt(dld2)%ско после линейного детектора

%Вычисление сигнал/шум на выходе линейного детектора


q2=(mld2-mld1)/sqrt(skold1*skold2)
axes(handles.axes7);
cla;
[a3 x3]=hist(ka4);
bar(x3,a3/sum(a3),'r')
hold on
grid on
[as3 qw3]=hist(ka5);
bar(qw3,as3/sum(as3),'b')
title('Гистограммы после линейного детектора')
legend('Шум','Сигнал')
mkdet1=mean(ka6)%мат.ожидание шума после квадратичного детектора
dkdet1=var(ka6)%дисперсия шума квадратичного детектора
skokdet1=sqrt(dkdet1)%ско после квадратичного детектора
mkdet2=mean(ka7)%мат.ожидание С+Ш после квадратичного детектора
dkdet2=var(ka7)%дисперсия С+Ш после квадратичного детектора
72
skokdet2=sqrt(dkdet2)%ско после квадратичного детектора
%Вычисление сигнал/шум на выходе квадратичного детектора
q3=(mkdet2-mkdet1)/sqrt(skokdet1*skokdet2)
axes(handles.axes8);
cla;
[a1 x1]=hist(ka6);
bar(x1,a1/sum(a1),'r')
% bar(x1,a1,'r')
hold on
grid on
[as4,qw4]=hist(ka7);
% bar(qw4,as4,'b')
bar(qw4,as4/sum(as4),'b')
axis([-100 1200 0 1])
title('Гистограммы после квадратичного детектора')
legend('Шум','Сигнал')
set(handles.text1,'String',q)
set(handles.text2,'String',q1)
set(handles.text3,'String',q2)
set(handles.text4,'String',q3)

function edit1_Callback(hObject, eventdata, handles)


function edit1_CreateFcn(hObject, ~, handles)
if ispc && isequal(get(hObject,'BackgroundColor'),
get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white');
end

function edit2_Callback(hObject, eventdata, handles)


function edit2_CreateFcn(hObject, eventdata, handles)
if ispc && isequal(get(hObject,'BackgroundColor'),
get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white');
end

function edit3_Callback(hObject, eventdata, handles)


% hObject handle to edit3 (see GCBO)
function edit3_CreateFcn(hObject, eventdata, handles)
if ispc && isequal(get(hObject,'BackgroundColor'),
get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white');
end

73
function popupmenu2_Callback(hObject, eventdata, handles)
function popupmenu2_CreateFcn(hObject, eventdata, handles)
if ispc && isequal(get(hObject,'BackgroundColor'),
get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white');
end
set(hObject, 'String', {'РАДИОИМПУЛЬС', 'СИММЕТРИЧНЫЙЛЧМ-
ИМПУЛЬС','ЛЧМ-ИМПУЛЬС'});

74
ПРИЛОЖЕНИЕБ

function varargout = modul2(varargin)


gui_Singleton = 1;
gui_State = struct('gui_Name', mfilename, ...
'gui_Singleton', gui_Singleton, ...
'gui_OpeningFcn', @modul2_OpeningFcn, ...
'gui_OutputFcn', @modul2_OutputFcn, ...
'gui_LayoutFcn', [] , ...
'gui_Callback', []);
if nargin && ischar(varargin{1})
gui_State.gui_Callback = str2func(varargin{1});
end

if nargout
[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
else
gui_mainfcn(gui_State, varargin{:});
end

function modul2_OpeningFcn(hObject, eventdata, handles, varargin)


handles.output = hObject;

guidata(hObject, handles);

function varargout = modul2_OutputFcn(hObject, eventdata, handles)


varargout{1} = handles.output;
function pushbutton1_Callback(hObject, eventdata, handles)
Fd=str2double(get(handles.edit1,'String')); % Частотадискретизации
nach=str2double(get(handles.edit2,'String')); % начальнаяамплитудасигнала
kon=str2double(get(handles.edit3,'String')); % конечнаяамплитудасигнала
k=str2double(get(handles.edit4,'String'));%обьемвыборки
amp=nach:0.5:kon;%изменение амплитуды сигнала
popup_sel_index = get(handles.popupmenu1, 'Value');
switch popup_sel_index
case 1
sko =1; % скошума

case 2
sko =50; % скошума
end
N=50; %число отcчетов
%Формируем радиоимпульс
t=0:1/Fd:N;
75
x=sin(2*pi*t).*rectpuls(t-N/2,N);
%реализация согласованной фильтрации
h = x(end:-1:1); % имп. хар-ка как зеркальное отражение согл. сигнала
%Прохождение полезного сигнала через СФ
y1=conv(h,x);
[s d]=max(y1)%максимальный элемент массива
Nmax=length(amp);
for j=1:Nmax
%РеализацииНБШ
for i=1:k
[n,m] = size(t);
b(i,:)=sko * randn(1,m);

%Прохождение реализаций БШ через СФ


y3=conv(h,b(i,:));
ka1(i)=y3(d);
m1(j)=mean(ka1);%мат.ожидание
d1(j)=var(ka1);%дисперсия
sko1=sqrt(d1(j));
%Прохождение реализация С+Ш через СФ
x(j,:)=amp(j)*sin(2*pi*t).*rectpuls(t-N/2,N);
S_N0= b(i,:)+ x(j,:);%сигнал+шум
y4=conv(h,S_N0);
ka(i)=y4(d);
m2(j)=mean(ka);%мат.ожидание
d2(j)=var(ka);%дисперия
sko2=sqrt(d2(j));
q(j)=(m2(j)-m1(j))/sqrt(sko1*sko2);
%%Прохождение реализаций шума через линейный детектор
wc=0.2;%частота среза
[c e]=butter(8,wc);
ld2=abs(y3);
ld3=filter(c,e,ld2);
ka4(i)=ld3(d);
mld1=mean(ka4);%мат.ожидание шума после линейного детектора
dld1=var(ka4);%дисперсия шума линейного детектора
skold1=sqrt(dld1);%ско после линейного детектора
ld4=abs(y4);
ld5=filter(c,e,ld4);
ka5(i)=ld5(d);
mld2=mean(ka5);%мат.ожидание С+Ш после линейного детектора
dld2=var(ka5);%дисперсия С+Ш после линейного детектора
skold2=sqrt(dld2);%ско после линейного детектора
q2(j)=(mld2-mld1)/sqrt(skold1*skold2);
76
%Прохождение реализаций шума через квадратиный детектор
kdet2=y3.^2;
kdet3=filter(c,e,kdet2);
ka6(i)=kdet3(d);
mkdet1=mean(ka6);%мат.ожидание шума после квадратичного детектора
dkdet1=var(ka6);%дисперсия шума квадратичного детектора
skokdet1=sqrt(dkdet1);%ско после квадратичного детектора
kdet4=y4.^2;
kdet5=filter(c,e,kdet4);
ka7(i)=kdet5(d);
mkdet2=mean(ka7);%мат.ожидание С+Ш после квадратичного детектора
dkdet2=var(ka7);%дисперсия С+Ш после квадратичного детектора
skokdet2=sqrt(dkdet2);%ско после квадратичного детектора
q3(j)=(mkdet2-mkdet1)/sqrt(skokdet1*skokdet2);
end
end
axes(handles.axes1);
cla;
plot(q2,q,'rx')
gridon
xlabel('C/Ш на выходе детектора');
ylabel('С/Ш на выходе СФ');
hold on
plot(q3,q,'go')
legend('Линейный детектор','Квадратичный детектор')

function edit1_Callback(hObject, eventdata, handles)


function edit1_CreateFcn(hObject, eventdata, handles)
if ispc && isequal(get(hObject,'BackgroundColor'),
get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white');
end

function edit2_Callback(hObject, eventdata, handles)


function edit2_CreateFcn(hObject, eventdata, handles)
if ispc && isequal(get(hObject,'BackgroundColor'),
get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white');
end

function edit3_Callback(hObject, eventdata, handles)


function edit3_CreateFcn(hObject, eventdata, handles)
if ispc && isequal(get(hObject,'BackgroundColor'),
get(0,'defaultUicontrolBackgroundColor'))
77
set(hObject,'BackgroundColor','white');
end

function edit4_Callback(hObject, eventdata, handles)


function edit4_CreateFcn(hObject, eventdata, handles)
if ispc && isequal(get(hObject,'BackgroundColor'),
get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white');
end

function popupmenu1_Callback(hObject, eventdata, handles)


function popupmenu1_CreateFcn(hObject, eventdata, handles)
if ispc && isequal(get(hObject,'BackgroundColor'),
get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white');
end
set(hObject, 'String', {'Прибольшомотношениисигнал/шум',
'Прималомотношениисигнал/шум'});

78
ПРИЛОЖЕНИЯВ

function varargout = modul3(varargin)


gui_Singleton = 1;
gui_State = struct('gui_Name', mfilename, ...
'gui_Singleton', gui_Singleton, ...
'gui_OpeningFcn', @modul3_OpeningFcn, ...
'gui_OutputFcn', @modul3_OutputFcn, ...
'gui_LayoutFcn', [] , ...
'gui_Callback', []);
if nargin && ischar(varargin{1})
gui_State.gui_Callback = str2func(varargin{1});
end

if nargout
[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
else
gui_mainfcn(gui_State, varargin{:});
end

function modul3_OpeningFcn(hObject, eventdata, handles, varargin)

handles.output = hObject;

guidata(hObject, handles);

function varargout = modul3_OutputFcn(hObject, eventdata, handles)


varargout{1} = handles.output;

function edit1_Callback(hObject, eventdata, handles)


function edit1_CreateFcn(hObject, eventdata, handles)
if ispc && isequal(get(hObject,'BackgroundColor'),
get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white');
end

function edit2_Callback(hObject, eventdata, handles)


function edit2_CreateFcn(hObject, eventdata, handles)
if ispc && isequal(get(hObject,'BackgroundColor'),
get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white');
end
function edit3_Callback(hObject, eventdata, handles)
function edit3_CreateFcn(hObject, eventdata, handles)
79
if ispc && isequal(get(hObject,'BackgroundColor'),
get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white');
end

function edit4_Callback(hObject, eventdata, handles)


function edit4_CreateFcn(hObject, eventdata, handles)
if ispc && isequal(get(hObject,'BackgroundColor'),
get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white');
end

function pushbutton1_Callback(hObject, eventdata, handles)


nach=str2double(get(handles.edit1,'String'));%начальноезначениеско
shag=str2double(get(handles.edit2,'String')); % шаг
kon=str2double(get(handles.edit3,'String')); % конечноезначениеско
k=str2double(get(handles.edit4,'String'));%обьемвыборки
N=50; %число отcчетов
Fd=100;%частота дискретизации
sko=nach:shag:kon; % изменение ско шума
Nmax=length(sko);
t=0:1/Fd:N;
x=sin(2*pi*t).*rectpuls(t-N/2,N);
h = x(end:-1:1); % имп. хар-ка как зеркальное отражение согл. сигнала
%Прохождение полезного сигнала через СФ
y1=conv(h,x);
[s d]=max(y1)%максимальный элемент массива
ik=4976+10;%верхняя граница
ina=4976-10;%ниижняя граница
chet=0
for j=1:Nmax%цикл изменения ско
for i=1:k
[n,m] = size(t);
b(i,:)=sko(j)*randn(1,m);
%Прохождение реализаций БШ через СФ
y3=conv(h,b(i,:));
ka1(i)=y3(d);
m1(j)=mean(ka1);%мат.ожидание
d1(j)=var(ka1);%дисперсия
sko1=sqrt(d1(j));
%Прохождение реализация С+Ш через СФ
S_N0= b(i,:)+ x;%сигнал+шум
y4=conv(h,S_N0);
ka(i)=y4(d);
80
m2(j)=mean(ka);%мат.ожидание
d2(j)=var(ka);%дисперия
sko2=sqrt(d2(j));
q(j)=(m2(j)-m1(j))/sqrt(sko1*sko2);
[e,p(i)]=max(y4);
for p1=p(i):-1:2%нахождениенуля
if y4(p1)*y4(p1-1)<0
po=p1;
if((po>=ina)&(po<=ik))%попаданиевграницы
chet=chet+1;
break
end
end
end
end
tak(j)=chet;
kak=tak./k;
chet=0;
end
axes(handles.axes1);
cla;
plot(q,kak)
xlabel('C/ШнавыходеСФ');
ylabel('Вероятность попадние в границы около нуля');
title('Градуированная кривая')

81