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

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

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.

About the authors

Y. G. Bulychev

JSC All-Russian Research Institute «Gradient»

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

References

  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.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2024 Russian Academy of Sciences