- •2 Сигналы с амплитудной модуляцией.
- •3 Сигналы с балансной модуляцией
- •4 Сигналы с однополосной модуляцией
- •5 Сигналы с угловой модуляцией
- •6 Спектр сигналов с угловой модуляцией.
- •7 Основные определения и типы двоичных манипулирующих последовательностей
- •8 Спектральная плотность мощности случайной манипулирующей последовательности.
- •10 Характеристики сигналов с амплитудной манипуляцией.
- •Параметры манипулирующего сигнала при двоичной манипуляции.
- •10 Характеристики сигналов с амплитудной манипуляцией
- •11 Частотно-манипулированные сигналы со скачком фазы.
- •12 Частотно-манипулированные сигналы с непрерывной фазой.
- •13 Характеристики сигналов с фазовой манипуляцией.
- •14 Математические модели каналов связи с постоянными параметрами.
- •15 Математические модели каналов связи со случайными параметрами.
- •16 Критерий Байеса.
- •17 Частные случаи критерия Байеса.
- •18 Алгоритм оптимального приема двоичных сигналов в гауссовском канале с постоянными параметрами.
- •19 Структурная схема оптимального когерентного приемника.
- •20 Определение и характеристики согласованного фильтра.
- •21 Помехоустойчивость когерентного приема в канале с постоянными параметрами.
- •22 Алгоритм оптимального приема двоичных сигналов в гауссовском канале с неопределенной начальной фазой. См №9
- •23 Структурная схема оптимального некогерентного приемника.
- •24 Помехоустойчивость некогерентного приема в канале со случайной фазой.
- •3.4.2. Помехоустойчивость оптимального некогерентного приема
- •26 Формирование сигналов с двоичной фазоразностной модуляцией. (Если попался то не повезло на этот вопрос ответа нет)
- •27 Прием сигналов с двоичной фазоразностной модуляцией.
- •28 Формирование и прием сигналов с многократной фазовой и амплитудно-фазовой манипуляцией.
- •29 Формирование и прием сигналов с квадратурной фазоразностной модуляцией.
- •30 Формирование и прием частотно-манипулированных сигналов с минимальным сдвигом.
- •Записать выражение для сигнала с амплитудной модуляцией.
- •Перечислить преимущества и недостатки амплитудной модуляции.
- •Записать выражение для сигнала с балансной модуляцией.
- •Записать первую форму выражения для сигнала с однополосной модуляцией.
- •Записать выражение для энергетического спектра сигнала с однополосной модуляцией.
- •Записать выражение для сигнала с фазовой модуляцией.
- •Записать выражение для сигнала с частотной модуляцией.
- •Перечислить преимущества и недостатки частотной модуляции.
- •Дать определение дискретной модуляции, скорости модуляции и основной частоты модуляции.
16 Критерий Байеса.
Байесовский информационный критерий (Bayesian information criterion, BIC, иногда - Schwarz Criterion) - критерий выбора модели из класса параметризованных моделей, зависящих от разного числа параметров. Для оценивания модели обычно используется метод нахождения максимума функции правдоподобия, значение которого можно увеличить добавлением дополнительных параметров. Однако, это может вызвать переобучение. Байесовский критерий устраняет проблему переобучения, штрафуя увеличение числа параметров модели. Тесно связан с критерием Акаике, но в случае байесовского критерия увеличение параметров штрафуется строже.
Описание критерия
Байесовский критерий получается при допущении того, что распределение выборки принадлежит к семейству экспоненциальных распределений. Пусть:
- наблюдаемая часть выборки, где каждый объект характеризуется набором параметров .
- максимальное значение функции правдоподобия наблюдаемой выборки с известным числом параметров.
Тогда байесовский информационный критерий определяется формулой:
Таким образом байесовский критерий является аналогом критерия Акаике с более строгой функцией штрафа (функция штрафа зависит также от размерности модели). В случае линейной регрессионной модели критерий выражается через SSE (Sum of Squared Errors) - сумму квадратов остатков: В данном случае логарифмируется смещенная оценка дисперсии регрессионных остатков.
Особенности примения
Из двух моделей предпочтительно выбрать с меньшим значением байесовского критерия.
Байесовский критерий представляет собой возрастающую функцию от числа параметров модели и от остаточной суммы квадратов ошибок модели.
Изменение зависимых переменных и увеличение числа наблюдаемых увеличивает байесовский критерий,в то же время уменьшение критерия означает уменьшение размерности модели.
Используется при длинных выборках данных.
Области применения
Широко применяется для анализа временных рядов и решения задач линейной регрессии. В большинстве случаев применение байесовского критерия сводится к максимизации функции правдоподобия, поскольку, как правило, в этих исследованиях число параметров моделей совпадает с числом рассматриваемых моделей. К таким исследованиям можно отнести, например, задачи астрофизики: поиск модели абсолютно черного тела и нахождение модели спектра излучения.
17 Частные случаи критерия Байеса.
Критерий Лапласа.
Это частный случай критерия Байеса. Если по каким-то причинам оценка вероятности состояний природы невозможна, то Лаплас предлагает считать эти вероятности равновероятными. Получается такой критерий:
, тогда:
,
Решение =a2
Критерий Неймана-Пирсона.
Этот Критерий применяется в частном случае, когда:
1)всего 2 состояния природы.
2)вероятности этих состояний можно оценить только в порядковой шкале. Т.о. один критерий считается более значимым чем другой. Полезность по этому критерию не должна быть меньше некоторой пороговой величины и уже в этих условиях оптимизируем по второму состоянию. Пусть b2предпочтительнее и выбираем порог - параметр критерия. Удовлетворяют альтернативы по второму критерию: a2 и a3. По b1 – 0.9, 0.1 – решение a2 по 1-ому состоянию.
Замечание: Важность состояний природы можно установить с помощью методов математической статистики.