Курсовая работа: Обработка информации и принятие решения в системах ближней локации

Пропускаем сигналы через формирование матрицы признаков:

x=tr_t200;

N1=1024;

N2=512;

fs=500;

Mt=MATRPRIZP (x, fs, N1, N2);

x=fon;

N1=1024;

N2=512;

fs=500;

Mf=MATRPRIZP (x, fs, N1, N2);

Получим графические представления матриц признаков:

Рисунок 17 – Графическое представление матрицы признаков сигнала гусеничной техники

Рисунок18 – Графическое представление матрицы признаков фонового сигнала

3 Исследование признаков

Практическая часть

Для обучающей матрицы произвести исследование признаков по следующей программе: 1) Оценить параметры распределения признаков; 2) По каждому признаку обучающей матрицы вычислить расстояние. Для данного признака сформулировать решающее правило задачи обнаружения.

3.1 Оценка параметров распределения признаков. Определение информативного признака с максимальным расстоянием, построение функций плотности распределения вероятностей и вычисление порога принятия решения, формулирование решающего правила

Загружаем сигнал в рабочее пространство:

h1=fon-mean(fon);

h2=tr_t200-mean (tr_t200);

N1=1024;

N2=512;

fs=500;

Пропускаем сигнал через решетку фильтров Батерворда:

[M, Mf]=MATRPRIZP (h1,500, N1, N2);

[M, Mt]=MATRPRIZP (h2,500, N1, N2);