NUMERICAL-ANALYTICAL METHOD OF DECOMPOSITION-AUTOCOMPENSATION FOR SOLVING THE SIGNAL RECOGNITION PROBLEM BASED ON INACCURATE OBSERVATIONS

Мұқаба

Дәйексөз келтіру

Толық мәтін

Ашық рұқсат Ашық рұқсат
Рұқсат жабық Рұқсат берілді
Рұқсат жабық Тек жазылушылар үшін

Аннотация

A numerical-analytical method is developed to solve the problem of optimal recognition of a set of possible signals observed as an additive mixture containing not only a fluctuation observation error (with an unknown statistical distribution) but also a singular interference (with parametric uncertainty). The method allows for both the detection of signals present in the mixture and the estimation of their parameters within a specified quality criterion and associated constraints. The proposed method, based on the idea of generalized invariant-unbiased estimation of linear functional values, enables decomposition of the computational procedure and autocompensation of singular interference without resorting to the traditional expansion of the state space. Linear spectral decompositions in specified functional bases are used for the parametric finite-dimensional representation of signals and interference, while knowledge of the correlation matrix of the observation error is sufficient for error description. Random and systematic errors are analyzed, and an illustrative example is provided.

Авторлар туралы

Y. Bulychev

JSC All-Russian Research Institute «Gradient»

Email: ProfBulychev@yandex.ru
Rostov-on-Don, Russia

Әдебиет тізімі

  1. Френкс Л. Теория сигналов. М.: Сов. радио, 1969.
  2. Ширман Я.Д. Разрешение и сжатие сигналов. М.: Сов. радио, 1974.
  3. Богданович В.А., Вострецов А.Г. Теория устойчивого обнаружения и оценивания сигналов. М.: Физматлит, 2004.
  4. Сосулин Ю.Г., Костров В.В., Паршин Ю.Н. Оценочно-корреляционная обработка сигналов и компенсация помех. М.: Радиотехника, 2014.
  5. Сергиенко А.Б. Цифровая обработка сигналов. СПб.: БХВ-Петербург, 2011.
  6. Мельников В.В. Безопасность информации в автоматизированных системах. Альтернативный подход // Защита информации. 2005. № 6. С. 40—45.
  7. Шувалов А.В. Синтез и анализ компенсационного алгоритма подавления структурно детерминированных помех // Радиотехника. 2005. № 7. С. 43—49.
  8. Булычев Ю.Г., Манин А.П. Математические аспекты определения движения летательных аппаратов. М.: Машиностроение, 2000.
  9. Булычев Ю.Г., Васильев В.В., Джуган Р.В. и др. Информационно-измерительное обеспечение натурных испытаний сложных технических комплексов. М.: Машиностроение — Полет, 2016.
  10. Репин В.Г., Тартаковский Г.П. Статистический синтез при априорной неопределенности и адаптация информационных систем. М.: Сов. радио, 1977.
  11. Татузов А.Л. Нейронные сети в задачах радиолокации. М.: Радиотехника, 2009.
  12. Иванов Н.М. Адаптивные методы обнаружения и пеленгования сигналов // Радиотехника и электроника. 2016. Т. 61. № 10. С. 979-983.
  13. Бакулин М.Г., Крейнделин В.Б., Григорьев В.А. и др. Байесовское оценивание с последовательным отказом и учетом априорных знаний // Радиотехника и электроника. 2020. Т. 65. № 3. С. 257-266.
  14. Парфенов В.И., Калининский А.А. Совместное обнаружение и классификация объектов при комплексировании решений, выносимых сенсорами в беспроводных сенсорных сетях // Радиотехника и электроника. 2020. Т. 65. № 3. С. 257-266.
  15. Абрамова Т.В., Ваганова Е.В., Горбачев С.В. и др. Нейро-нечеткие методы в интеллектуальных системах обработки и анализа многомерной информации. Томск: Изд-во Томского ун-та, 2014.
  16. Бобырь М.В. Проектирование нейронных и нечетких моделей в области вычислительной техники и систем управления. М.: Аграмак Медиа, 2018.
  17. Булычев Ю.Г. Оптимизация кластерно-вариационного метода построения многопозиционной пеленгационной системы для условий априорной неопределенности // Автоматика и телемеханика. 2023. № 4. С. 96-114.
  18. Zekavat S., Buehrer R. Handbook of Position Location: Theory Practice and Advances. Second ed. Hoboken. New Jersey: Wiley-IEEE Press 2019. https://doi.org/10.1002/9781119434610.
  19. Zhao J., Renzhou G., Xudong D. A new measurement association mapping strategy for DOA tracking // Digital Signal Processing. 2021. V. 118. P. 103-228. ISSN 1051-2004. https://doi.org/10.1016/j.dsp.2021.103228. (https://www.sciencedirect.com/science/article/pii/S1051200421002670).
  20. L. Peng, W. Wenhui, Q. Junda, Y. Congzhe, S. Zhenqiu. Robust Generalized Labeled Multi-Bernoulli Filter and Smoother for Multiple Target Tracking using Variational Bayesian // KSII Transactions on Internet and Information Systems. 2022. V. 16.№ 3. P. 908-928. https://doi.org/10.3837/tiis.2022.03.009.
  21. Wang X., Wang A., Wang D., Xiong Y., Liang B., Qi Y. A modified Sage-Husa adaptive Kalman filter for state estimation of electric vehicle servo control system // Energy Rep. 2022. V. 8. № 5. P. 20-27. ISSN 2352-4847. https://doi.org/10.1016/j.egyr.2022.02.105 (https://www.sciencedirect.com/science/article/pii/S2352484722003523).
  22. Леонов В.А., Поплавский Б.К. Фильтрация ошибок измерений при оценивании линейного преобразования полезного сигнала // Техн. кибернетика. 1992. № 1. С. 163-170.
  23. Жданюк Б.Ф. Основы статистической обработки траекторных измерений. М.: Сов. радио, 1978.
  24. Булычев Ю.Г., Елисеев А.В. Вычислительная схема инвариантно-несмещенного оценивания значений линейных операторов заданного класса //Ж. вычисл. матем. и матем. физ. 2008. Т. 48. № 4. С. 580—592.
  25. Булычев Ю.Г. Применение методов опорных интегральных кривых и обобщенного инвариантнонесмещенного оценивания для исследования многомерной динамической системы // Ж. вычисл. матем. и матем. физ. 2020. Т. 60. № 7. С. 1151-1169.
  26. Ежова Н.А., Соколинский Л.Б. Обзор моделей параллельных вычислений // Вестник ЮУрГУ. Серия “Вычислительная математика и информатика”. 2019. Т. 8. № 3. С. 58-91.
  27. Иванов А.И., Шпилевая С.Г. О квантовых параллельных вычислениях // Вестник Балтийского федер-го унив-та им. И. Канта. Серия «Физико-математические и технические науки». 2021. № 2. С. 95-99.
  28. Sutti C. Lokal and global optimization by parallel algorithms for MIMD systems // Ann. of Operat. Res. 1984. V. 1.
  29. Price W.L. Global optimization algorithms for a CAD workstation // J. Optimiz. Theory and Applic. 1987. V. 55. №1.
  30. Лоусон Ч., Хенсон Р. Численное решение задач метода наименьших квадратов. М.: Наука, 1986.
  31. Тихонов А.Н., Арсенин В.Я. Методы решения некорректных задач. М.: Наука, 1986.
  32. Бакушинский А.Б., Гончарский А.В. Некорректные задачи. Численные методы и приложения. М.: Изд-во московского ун-та. 1989.
  33. Булычев Ю.Г. Метод опорных интегральных кривых решения задачи Коши для обыкновенных дифференциальных уравнений // Ж. вычисл. матем. и матем. физ. 1988. Т. 28. № 10. С. 1482-1490.
  34. Булычев Ю.Г. Методы численно-аналитического интегрирования дифференциальных уравнений // Ж. вычисл. матем. и матем. физ. 1991. Т. 31. № 9. С. 1305-1319.
  35. Булычев Ю.Г. Численно-аналитического интегрирование дифференциальных уравнений с использованием обобщенной интерполяции // Ж. вычисл. матем. и матем. физ. 1994. Т. 34. № 4. С. 520-532.

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу

© Russian Academy of Sciences, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».