Noise benefits in joint detection and estimation systems

Belirli koşullar altında, optimal olmayan bazı sezici ve kestiricilerin performansını girdilerine gürültü ekleyerek geliştirmek mümkündür. Literatürde, gürültünün faydaları sezici ve kestirici sistemleri için ayrı ayrı ele alınmıştır. Bu tezde, birlikte sezim ve kestirim sistemleri için gürültünün faydalarını incelenmektedir. Analiz, Neyman-Pearson (NP) ve Bayes sezim çerçeveleri ve Bayes kestirim çerçevesi altında gerçekleştirilmektedir. Sistem performansının en yüksek seviyeye çıkarılması, bir optimizasyon problemi olarak tanımlanmaktadır. Optimal gürültü dağılımının belirli bir istatiksel şekle sahip olduğu gösterilmekte ve bu optimal gürültü dağılım şekli NP ve Bayes sezim çerçeveleri için ayrı ayrı elde edilmektedir. Ayrıca önerilen optimizasyon probleminin, bir doğrusal programlama (DP) problemi olarak yaklaşımı sunulmakta ve sistem performansının DP yaklaşımı altında gürültü ile geliştirilemeyeceği koşullar elde edilmektedir. Bir sayısal örnek üzerinde, kuramsal bulguları desteklemek amacıyla, gürültü eklenmiş sistem ile orijinal sistem performansları karşılaştırılmaktadır.