重要采样的原理与实现

VIP文章带着地球去浪一浪

已于 2024-02-20 21:29:27 修改

阅读量189

点赞数 1

文章标签：概率论

于 2023-09-26 09:41:42 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_42428226/article/details/133173639

版权

1. 引言

在雷达系统性能仿真时，由于雷达系统对虚警概率的要求，实现一定精度的仿真，所需要的Monte-Carlo实验次数将非常地高。重要采样可以在保障精度的前提下，大大降低Monte-Carlo实验次数。

网上有很多关于重要采样的原理介绍，但总体感觉过于抽象，很不好理解。有幸检索到钱键民在1984年写的一篇文章，以雷达从业者的角度介绍了重要采样。他的介绍非常的直观，下面就将该论文的内容做一简单的介绍，希望能够帮助到需要有朋友。

2. 雷达虚警概率模拟及模拟精度

雷达的虚警概率是指雷达只接收噪声时却报告存在目标的概率，即目标是虚假的概率。假设目标不存在时的雷达视频信号的概率密度函数为 $p(y)$ ，检测门限为 $T$ ，则虚警概率为

$p_{fa}=\int_T p(y)dy$

也就是说，虚警概率是噪声高于检测门限的概率。

模拟雷达系统的虚警概率时，通常是根据概率密度函数 $p(y)$ 产生一个随机数 $y$ ，将其与检测门限 $T$ 进行比较，得到一个新的随机变量

$Z_T(y)=\left\{\begin{array}{ll} 1 & y\geqslant T\\ 0 & y <T \end{array}\right.$

所以， $Z_T(y)$ 的数学期望为

$E[Z_T(y)]=p_{fa}$

又因为

$E[Z_T^2(y)]=p_{fa}$

所以， $Z_T(y)$ 的方差为

$D[Z_T(y)]=p_{fa}-p_{fa}^2\approx p_{fa}$

$Z_T(y)$ 数学期望的无偏估计为

$\hat{p}_{fa}=\frac{1}{N}\sum_{n=1}^NZ_T(y_n)$

因此，可以获得估计 $\hat{p}_{fa}$ 的均值与方差分别为

$E[\hat{p}_{fa}]=p_{fa}\\ D[\hat{p}_{fa}]=\frac{1}{N}D[Z_T(y)]=\frac{1}{N}p_{fa}$

反映一个估计量优劣的标准有两个：一个是准确度，或称可信度，由估计量的数学期望与真值之间的差值来反映；另一个是精确度，也叫可靠度，由估计量的标准差 $\sigma$ 来反映， $\sigma$ 描述了估计量在其均值附近的散布程度。

对于虚警概率估计 $\hat{p}_{fa}$ ，其是 $p_{fa}$ 的无偏估计，因此从准确度的角度，该估计量是最佳的。从精确度的角度，通常要求估计量的标准差比被估计量的标准差小一个数量级，即

$\frac{\sqrt{D[\hat{p}_{fa}]}}{\sqrt{D[Z_T(y)]}}=10^{-1}$

将上式整理可得

最低0.47元/天解锁文章

带着地球去浪一浪

关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
打赏
0
评论
重要采样的原理与实现

本文介绍了重要采样技术的基本原理，并给出实例加以说明。
复制链接

扫一扫

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

带着地球去浪一浪 你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。