npwgnthresh
用于检测白高斯噪声中的信号的信噪比(SNR)的阈值。
库::`[医]工程师`
语法
函数调用
-
[参数:snrthresh]=npwgnthresh(<参数:pfa>>)-以dB为单位计算信噪比(SNR)的阈值，以检测白高斯噪声中的确定性信号。 在检测期间，Neiman-Pearson crucial规则用于实现给定的虚警概率。[参数:pfa]. 此函数使用二次检测器。
-
[参数:snrthresh]=npwgnthresh([参数:pfa],[参数:numpulses])-也使用脉冲数[参数:numpulses]进行整合。
-
snrthresh=npwgnthresh(pfa,numpulses,dettype)-也使用一种类型的脉冲积分[参数：dettype]作为检测类型。 对于非相干检测，使用矩形检测器。
争论
入口处
# dettype — 脉冲集成类型
+
"非相干"（默认） | "连贯" | "真实"
Details
Neiman-Pearson决策规则中使用的脉冲积分类型。
设置为:
-
"连贯"使用有关复杂样本的幅度和相位的信息。 -
"非相干"使用二次值。 -
"真实"使用真实计数。
| 数据类型 |
|
# 外展 — 输出值的比例
+
"db"（默认） | "线性"
Details
输出值的比例，设为 "db" 或 "线性".
如果要争论 外展,外展 值设置 "线性" 返回的阈值是幅度。
| 数据类型 |
|
出口；出口
例子：
线性检测阈值取决于脉冲数
Details
让我们绘制真实和复杂数据的线性检测阈值对脉冲数的依赖性。 在每种情况下，阈值都以虚警概率设置。 <参数:pfa>=0.001.
计算检测阈值为 1–10 真实和复杂噪声的脉冲。
import EngeePhased.Functions: npwgnthresh
Npulses = 10
Pfa = 1e-3
snrreal = npwgnthresh.(Pfa, 1:Npulses, "real", "linear")
snrcoh = npwgnthresh.(Pfa, 1:Npulses, "coherent", "linear")
plot([snrreal snrcoh], label = ["Real data with integration" "Complex data with coherent integration"], xlabel = "Number of Pulses", ylabel = "Detection Threshold", title = "Linear Detection Threshold for P_FA = $Pfa", marker = :circle, legendposition = :bottomright)
此外
白高斯噪声信号实数值的检测
Details
该函数旨在检测高斯随机变量序列中的非零平均值。 该函数假定随机变量独立且分布相同，平均值为零。
线性检测阈值 对于Neiman-Pearson探测器等于:
该阈值也可以表示为以dB为单位的信噪比:
在这些方程中
-
-白高斯噪声序列的方差;
-
-信号数量;
-
-附加误差的反向函数;
-
-虚惊的可能性。
如果有误报的可能性（[参数:pfa])大于或等于 1/2 检测阈值的公式，作为信噪比，是无效的，因为 对于其参数值大于或等于一，小于或等于零。 在这种情况下，使用参数调用的函数的线性输出。 [参数:outscale] 与值 "线性".
|
白高斯噪声中复信号值的检测（相干样本）
Details
功能 npwgnthresh 作出以下假设:
*复高斯随机变量的方差在实部和虚部之间平分。 *实部和虚部是不相关的。
根据这些假设，Neiman-Pearson检测器的线性检测阈值为:
并以dB表示为信噪比:
如果有误报的可能性（[参数:pfa])大于或等于 1/2 检测阈值的公式，作为信噪比，是无效的，因为 对于其参数值大于或等于一，小于或等于零。 在这种情况下，使用参数调用的函数的线性输出。 [参数：outscale] 与值 "线性".
|
白高斯噪声中非相干信号值的检测
Details
对于白高斯噪声中的非相干信号，非零均值的检测导致二次定律检测器。 详细结论见[2],第324-329页。
非相干Neiman-Pearson检测器的线性检测阈值为:
阈值，以dB表示为信噪比，为:
哪里 -逆较低不完全伽玛函数, -虚警的概率，以及 -脉冲数。