其他分享
首页 > 其他分享> > 虚警率、漏警率、准确率、精确率、召回率

虚警率、漏警率、准确率、精确率、召回率

作者:互联网

在 5G NR 的 PUCCH 仿真中遇到了有关虚警率和漏警率的概念。在此记录一下。文章内容来自于:虚警率、漏警率

一、相关概念

  1. 真实值(actual value)、预测值(predicted value)

    actual value 指真实记录的已发生的测量结果值;predicted value 指对未发生的预测值。

  2. 真(True)、假(False)

    True 表示预测值与真实值一致;False 表示预测值和真实值不一致。

  3. 阳性/正(Positive)、阴性/负(Negative)

    分别指代条件或者事物存在/不存在,具体理解可看第二节。

二、具体指标说明

所有样本分为阳性/正样本和阴性/负样本,各自数量为 \(P\) 和 \(N\) 。

  • 正样本预测为正样本 的为 True positive(\(TP\))—— 真阳
  • 正样本预测为负样本 的为 False negative(\(FN\))—— 假阴
  • 负样本预测为负样本 的为 True negative(\(TN\))—— 真阴
  • 负样本预测为正样本 的为 False positive(\(FP\))—— 假阳

所以:\(P=TP+FN,\quad N=TN+FP\)

  1. 准确率(accuracy)

    反映模型正确判断样本正确与否的能力。即正确地将正样本判定为正,负样本判定为负的正确分类能力。

    \[ACC=\frac{TP+TN}{P+N} \]

  2. 精确率(precision)

    反映模型正确预测正样本精度的能力。

    \[precision=\frac{TP}{TP+FP} \]

  3. 召回率(recall),也称为真阳率、命中率

    反映模型正确预测正样本全度的能力。即正样本被预测为正样本占总的正样本的比例。

    \[recall=TPR=\frac{TP}{TP+FN} \]

  4. 虚警率(false alarm),也称为假阳率、误检率

    反映模型正确预测正样本纯度的能力。即负样本被预测为正样本占总的负样本的比例。

    \[falsealarm=FPR=\frac{FP}{TN+FP} \]

  5. 漏警率(miss rate),也称为漏检率

    \[missrate=FNR=\frac{FN}{TP+FN} \]

三、实例

  在 5G NR 的 PUCCH 仿真中,当上行控制信息(UCI)小于或等于 11 比特时需要进行能量检测,保证虚警率、漏警率满足一定的指标。根据典型仿真场景,考虑 format 0、1、2 三种格式下小于等于 11 比特的能量检测,其基本方法如下:

  1. 首先,在一个信噪比下,发送端不发送信号,即接收端只接收到噪声。假设虚警率要求为1%。接收端根据随机的噪声信号计算相关值(format 0)、信道功率(format 1、2)等,统计一定数量的功率值后,根据概率密度累积分布可以得到大于99%处的值,作为门限。这样就只有1%的噪声可以穿过门限,即保证虚警率也就是DTX to ACK小于1%(DTX,Discontinuous Transmission)。当统计数量足够大的话,不发送信号时在该门限测出的DTX to ACK应该为1%。
  2. 发送端正常发送信号,将得到的相关值、功率等与上面得到的门限进行比较。若没有超过门限,则判定为接收端没有发送信号,也就是漏检了,这一帧不再进行后面的解调。这样统计得到漏检率,也就是ACK missed。若超过门限,则进行信号检测和解调,如果出错则视为错帧,统计得到BLER也就是NACK to ACK的概率。

标签:FP,漏警率,门限,样本,TP,准确率,虚警率,FN
来源: https://www.cnblogs.com/hjd21/p/16632739.html