每日精学 070｜噪声样本分位数门限与经验虚警率
雷达 · 通信 · 电子战 / 基础精学 070
前几课构造了多种循环与相关统计量。实际接收链路中的窗函数、重叠和平滑会使理论分布复杂，因此经验门限是重要的校准方法。
当检测统计量的精确分布未知时，可用噪声训练样本的高分位数设置门限，并用独立测试样本估计实际虚警率和置信波动。
01
模型与符号
Z：噪声下检测统计量（非负）
PFA：目标虚警率（至 1）
γ：经验分位数门限（统计量单位）
Nt：训练样本数（样本）
：独立测试虚警率（至 1）
02
经验分位数
将 Nt 个噪声统计量升序排列，门限取索引
的顺序统计量。该门限不要求显式概率密度。
03
独立复验
用未参与门限估计的 Nv 个噪声样本计算
避免同一数据重复使用造成乐观偏差。
04
抽样波动
若测试样本近似独立，虚警计数服从二项分布，标准差约为 
。小虚警率需要更多样本。
05
物理含义
经验分位数把门限问题转化为排序问题。训练集只决定门限，独立测试集才提供对长期虚警率的无偏复验。
06
固定参数算例
验证从复高斯噪声构造窗口能量统计量，用训练集设置百分之一虚警门限，再在独立样本上统计虚警并重复多个训练规模。
| 量 | 数值 |
|---|---|
| energy samples per statistic | 16 |
| target false alarm rate | 0.01 |
| 训练次数 | 20000 |
| 验证次数 | 50000 |
| 经验门限 | 26.657784045 |
| measured false alarm rate | 0.01018 |
| binomial standard error | 0.000444971909226 |
| false alarm z score | 0.404519917478 |
图 1 不同训练规模的经验门限和独立测试虚警率
数值结果由配套 MATLAB 脚本在固定参数和固定随机种子下实际执行。脚本包含针对闭式关系 边界条件或估计误差的断言，并把 MATLAB 版本与关键数值写入独立结果文件。
07
数字实现的边界
RTL 实现统计量与已校准门限的无符号比较和事件计数核心；分位数排序通常在软件或离线标定流程中完成。
配套 RTL 只实现本课中可明确量化的定点核函数或数据通路。浮点矩阵分解 概率统计和图形生成保留在 MATLAB 参考程序中。
08
适用范围
经验门限适用于复杂接收机统计量、现场噪声校准和模型失配检验。训练数据必须覆盖实际增益、带宽和温度条件。
09
工程上需要注意
训练样本相关会减少有效样本数。
环境分布漂移会使历史门限失效。
极低虚警率需要很大的训练集。
信号污染训练集会抬高门限。
噪声分位数门限不依赖封闭形式分布，但必须使用独立样本复验虚警率，并报告有限样本波动。
内容依据：每日精学第 70 课《噪声样本分位数门限与经验虚警率》。图表沿用原课固定参数数值结果，属于数值验证，不代表设备实测。