Estou tentando plotar a probabilidade de detecção para 5 usuários secundários numa rede de sensoriamento cooperativo usando a regra de decisão OR. A probabilidade de todos está a ser igual a 1 para todos os usuários, plotando uma função constante para os diferentes valores do limiar (Pd vs Limiar de decisão).
Talvez o meu problema se deve ao entendimento dos parâmetros da função, porém não encontro um material que me ajude nisso e por outra o ganho do canal está me dando um valor muito pequeno levando a uma SNR pequena também.
A função Q generalizada é uma função matemática que é frequentemente usada na teoria de detecção de sinais para calcular a probabilidade de erro de detecção em um sistema de comunicação. A probabilidade de detecção é a probabilidade de que um sinal de interesse seja detectado corretamente enquanto se minimiza a probabilidade de detecção falsa.
Para plotar a probabilidade de detecção usando a função Q generalizada no MATLAB, você pode usar a função `qfunc` embutida no MATLAB. A função `qfunc` calcula a função Q generalizada, que é a probabilidade de que uma variável normal padrão seja maior que um determinado valor. A probabilidade de detecção pode ser calculada a partir da função Q generalizada usando a seguinte equação:
```
Pd = qfunc((threshold - mean)/std)
```
onde `threshold` é o limite de detecção, `mean` é a média do sinal e `std` é o desvio padrão do sinal.
Para plotar a probabilidade de detecção em relação ao limite de detecção, você pode usar um loop para calcular a probabilidade de detecção para diferentes valores de limite de detecção e, em seguida, plotar os resultados usando a função `plot` do MATLAB. Aqui está um exemplo de código:
```
% Definir os parâmetros do sinal
mean = 0;
std = 1;
% Definir o limite de detecção mínimo e máximo
threshold_min = -5;
threshold_max = 5;
% Definir o número de pontos a serem plotados
num_points = 100;
% Calcular a probabilidade de detecção para diferentes valores de limite de detecção
thresholds = linspace(threshold_min, threshold_max, num_points);
Pd = zeros(size(thresholds));
for i = 1:length(thresholds)
Pd(i) = qfunc((thresholds(i) - mean) / std);
end
% Plotar a probabilidade de detecção em relação ao limite de detecção
plot(thresholds, Pd);
xlabel('Limite de detecção');
ylabel('Probabilidade de detecção');
```
Este código define os parâmetros do sinal (média e desvio padrão), o limite de detecção mínimo e máximo, e o número de pontos a serem plotados. Ele então usa um loop para calcular a probabilidade de detecção para diferentes valores de limite de detecção e armazena os resultados em uma matriz. Finalmente, ele plota a probabilidade de detecção em relação ao limite de detecção usando a função `plot`.
Note que este é apenas um exemplo e os detalhes específicos podem variar dependendo do problema e dos dados de entrada.
Hope it helps!!
Credit: AI tools
Obrigado por responder a minha pergunta Mohammad Imam.
Como a minha função é a Marcum Q generalizada com 'm' diferente de 1, no meu caso m = 6. Estou usando esta função Q = marcumq(a,b,m) que já está embutida no Matlab com os parâmetro a = sqrt(2*SNRj) e b = sqrt(thresholds). O limite do thresholds está descrito no gráfico acima que está em anexo na primeira questão.
Como se observa no gráfico acima estou tentando plota-lo num sensoriamento cooperativo centralizado aplicando a regra de decisão OR no centro de fusão com 5 nós sensores cooperando. Acontece que todas as probabilidades está dando '1' plotando uma função constante para os diferentes valores do limiar.
Pude notar duas coisas:
1. A SNRj de cada sensor está muito baixa, no rango de 10^-7. Que possivelmente o método interativo não está a achar resultado para esses valores de SNRj.
2. Ou estou aplicando a equação errada, porém isto está fora de hipótese porque a que estou usando é a citada pelo autor no artigo.
Obs.: Se quiser posso compartilhar contigo o meu código e o artigo em questão, pra poderes observar mais detalhes da simulação.
- Badges
- Science topic
- Similar topics
- Mathematics
- Algebra
- Matrix