![](https://static.youtibao.com/asksite/comm/h5/images/m_q_title.png)
在信号检测论中,把报告标准向左(靠近噪声+信号分布一侧)移将( )。
A.提高击中率
B.提高正确拒斥率
C.降低虚惊率
D.提高漏报率
![](https://static.youtibao.com/asksite/comm/h5/images/solist_ts.png)
A.提高击中率
B.提高正确拒斥率
C.降低虚惊率
D.提高漏报率
A.可以用信号检测论中的d'说明
B.在确定绝对阈限时不重要
C.可以用信号检测论说明
D.不能用信号检测论说明
A.错误
B.正确
考虑在高斯噪声背景中检测高斯信号的问题。设信号模型为
H0:x(t)=n(t),0≤t≤T
H1:x(t)=s(t)+n(t),0≤t≤T
其中,n(t)和s(t)分别是零均值的高斯噪声和高斯信号,其带宽限于|ω|﹤Ω=2πB,功率谱密度分别为N0/2和S0/2。假如以π/Ω为间隔取2BT个样本的方式进行统计信号检测,试求似然比检验系统。
现需要对某变电器中自动控制设备设置一个异动的实时检测环节,它能监视该变电自动控制设备的工作状况,其简化模型如图2-25所示。
已知临近的变电器产生的啾啾噪声对这一实时检测环节产生加性干扰,有可能影响控制中心作出正确判决。已知控制中心接收到10s已经受到噪声污染的信号xn(t),记录的波形,如图2-26所示。为了有效分离噪声,需要单独检测加性噪声源特性,于是在附近的变电器处记录得20s噪声m(t)其时域波形,如图2-27所示。试判断噪声对原信号的污染程度并从xn(t)中恢复出原始信息。
产生以上两个信号波形的源代码如下:
T=0.035;tb=0:T:20;F=1/(T);%x+n补零滤波
f0=2;t1=1;f1=6;%连续时间噪声信号m(t)波形演示
y1=20*chirp(tb,f0,t1,f1);%啾啾噪声m(t)
figure(1);
plot(tb,y1);%记录的20秒噪声波形
title('噪声波形');xlabel('Time(s)');ylabel('Amplitude');
n=0: 0.005: 10;Ts=0.005;Fs1/(Ts);%采样参数设置
x1=cos(2*pi*65*n). *[cos(2*pi*20*n)+1];%原始信号x(n)模型:由x1和x2的乘积构成
v=zeros(1,2000):
v(100)=0.5;v(1)=2.5;v(150)=-1.2;v(250)=1;v(700)=3.5;
v(550)=1.5;v(950)=1.5;v(1550)=-2.5;v(1850)=1.5;
u=sinc(3*n)+1:
w=conv(u, v);
x2(1: 2001)=w(1: 2001);
x=x1. *x2;
f0=2;t1=1;f1=6;%啾啾噪声m(n)用y1表示
y1=20*chirp(n,f0,t1,f1);
xn=y1+x;%加性干扰下的受污染信号xn(t)=x(n)+m(n)
figure(2);
plot(n,xn);%记录的10秒受污染信号波形
title('受污染信号波形'); xlabel('Time(s)');ylabel('Amplirude');