ОЭММПУАвтоматика и телемеханика Automation and Remote Control

  • ISSN (Print) 0005-2310
  • ISSN (Online) 2413-9777

ДЕКОМПОЗИЦИОННО-АВТОКОМПЕНСАЦИОННОЕ РАСПОЗНАВАНИЕ СИГНАЛОВ НА БАЗЕ ПРИНЦИПОВ НЕПРЕРЫВНОСТИ, ИНВАРИАНТНОСТИ, РАЗМНОЖЕНИЯ И РАНЖИРОВАНИЯ С УЧЕТОМ РЕГУЛЯРНЫХ И НЕРЕГУЛЯРНЫХ ПОМЕХ

Код статьи
10.31857/S0005231025040036-1
DOI
10.31857/S0005231025040036
Тип публикации
Статья
Статус публикации
Опубликовано
Авторы
Том/ Выпуск
Том / Номер выпуска 4
Страницы
34-54
Аннотация
С учетом принципов непрерывности, инвариантности, размножения и ранжирования развивается новый метод оптимального распознавания сигналов в условиях существенной априорной неопределенности применительно к информационно-измерительным системам реального времени. Предполагается, что в уравнении наблюдения помимо случайного шума (с неизвестным законом распределения, но заданной корреляционной матрицей) могут присутствовать регулярная помеха (допускает аналитическое конечно-спектральное представление) и нерегулярная помеха (для ее описания не удается использовать какой-либо эффективный вариант вероятностного описания). Относительно последней возможно лишь введение некоторых числовых характеристик и ограничений, подтверждающихся практикой эксплуатации конкретной системы. Метод инвариантен к указанным помехам, не требует традиционного расширения пространства состояний и обеспечивает декомпозицию вычислительной процедуры. Анализируются случайные и методические погрешности, а также достигаемый вычислительный эффект. Приводится иллюстративный пример.
Ключевые слова
существенная априорная неопределенность регулярная помеха нерегулярная помеха коэффициент «засорения» выборки принцип непрерывности принцип инвариантности принцип размножения принцип ранжирования спектральные коэффициенты критерий оптимальности декомпозиция алгоритмы распознавания
Дата публикации
01.04.2025
Год выхода
2025
Всего подписок
0
Всего просмотров
19

Библиография

  1. 1. Репин В.Г., Тартаковский Г.П. Статистический синтез при априорной неопределенности и адаптация информационных систем. М.: Сов. радио, 1977.
  2. 2. Сосулин Ю.Г., Костров В.В., Паршин Ю.Н. Оценочно-корреляционная обработка сигналов и компенсация помех. М.: Радиотехника, 2014.
  3. 3. Сергиенко А.Б. Цифровая обработка сигналов. СПб.: БХВ-Петербург, 2011.
  4. 4. Богданович В.А., Вострецов А.Г. Теория устойчивого обнаружения, различения и оценивания сигналов. М.: Физматлит, 2004.
  5. 5. Жданюк Б.Ф. Основы статистической обработки траекторных измерений. М.: Сов. радио, 1978.
  6. 6. Ярлыков М.С. Применение марковской теории нелинейной фильтрации в радиотехнике. М.: Сов. радио, 1980.
  7. 7. Фомин А.Ф., Новоселов О.Н., Плющев А.В. Отбраковка аномальных результатов измерений. М.: Энергоатомиздат, 1985.
  8. 8. Гаджиев Ч.М. Подход к отбраковке аномальных измерений, робастный к систематическим погрешностям // Автометрия 2003. Т. 39. № 4. С. 39–46.
  9. 9. Методы цифровой обработки сигналов для решения прикладных задач / Под ред. В.И. Марчука. М.: Радиотехника, 2012.
  10. 10. Булычев Ю.Г., Васильев В.В., Джуган Р.В. и др. Информационно-измерительное обеспечение натурных испытаний сложных технических комплексов. М.: Машиностроение – Полет, 2016.
  11. 11. Денисов В.П., Дубинин Д.В., Мещеряков А.А. Исключение аномально больших ошибок пеленгования в процессе устранения неоднозначности измерений в фазовых пеленгаторах, реализующих метод максимального правдоподобия // Радиотехника и электроника. 2016. Т. 61. № 10. С. 957–963.
  12. 12. Шэнь К., Шахтарин Б.И., Неусыпин Б.И., Нгуен Д. Алгоритмические методы коррекции навигационной информации с использованием спутниковой радионавигационной системы в условиях аномальных измерений // Радиотехника и электроника. 2019. Т. 64. № 1. С. 31–37.
  13. 13. Иванов А.В., Шишкин В.Ю., Бойков Д.В. и др. Адаптивные алгоритмы обработки информации в навигационных комплексах подвижных наземных объектов // Радиотехника и электроника. 2021. Т. 66. № 8. С. 760–771.
  14. 14. Калянов А.А., Лукин О.В., Цыганова Ю.В. Об алгоритме адаптивной фильтрации параметров движения объекта // Автоматизация процессов управления. 2023. № 1 (71). С. 75–87.
  15. 15. Gu T., Tu Y., Tang D., Luo T. A Robust Moving Total Least-Squares Fitting Method for Measurement Data // IEEE Transact. Instrument. Measurement. 2020. V. 69. No. 10. P. 7566–7573.
  16. 16. Gu T., Luo Z., Guo T., Luo T. A New Reconstruction Method for Measurement Data with Multiple Outliers // IEEE Transact. Instrument. Measurement. 2022. V. 71. P. 1–9.
  17. 17. Ji С., Song С., Li S., et. al. An Online Combined Compensation Method of Geomagnetic Measurement Error // IEEE Sensor. J. 2022. V. 22. No. 14. P. 14026–14037.
  18. 18. Gao G., Gao B., Gao S., et. al. Hypothesis Test-Constrained Robust Kalman Filter for INS/GNSS Integration with Abnormal Measurement // IEEE Transact. Vehicular Tech. 2023. V. 72. No. 2. P. 1662–1673.
  19. 19. Булычев Ю.Г., Елисеев А.В. Вычислительная схема инвариантно-несмещенного оценивания значений линейных операторов заданного класса // Журн. вычисл. матем. и мат. физ. 2008. Т. 48. № 4. С. 580–592.
  20. 20. Булычев Ю.Г. Распознавание сигналов без расширения пространства состояний по результатам наблюдений, содержащих сингулярную помеху, с учетом нелинейности // АиТ. 2024. № 2. С. 81–102.
  21. 21. Ежова Н.А., Соколинский Л.Б. Обзор моделей параллельных вычислений // Вестник ЮУрГУ. Серия «Вычислительная математика и информатика». 2019. Т. 8. № 3. С. 58–91.
  22. 22. Иванов А.И., Шпилевая С.Г. О квантовых параллельных вычислениях // Вестник Балт. ун-та им. Канта. Серия «Физико-математические и технические науки». 2021. № 2. С. 95–99.
  23. 23. Sutti C. Lokal and global optimization by parallel algorithms for MIMD systems // Ann. Oper. Res. 1984. V. 1. P. 151–164.
  24. 24. Price W.L. Global optimization algorithms for a CAD workstation // J. Optim. Theory Appl. 1987. V. 55. P. 133–146.
  25. 25. Мельников Ю.П., Попов С.В. Радиотехническая разведка. Методы оценки эффективности местоопределения источников излучения. М.: Радитехника, 2008.
  26. 26. Булычев Ю.Г., Ивакина С.С., Мозоль А.А., Насенков И.Г. Анализ модификации энергетического метода пассивной дальнометрии // Автометрия. 2016. Т. 52. № 1. С. 37–44.
  27. 27. Лоусон Ч., Хенсон Р. Численное решение задач метода наименьших квадратов. М.: Наука, 1986.
  28. 28. Тихонов А.Н., Арсенин В.Я. Методы решения некорректных задач. М.: Наука, 1986.
  29. 29. Бакушинский А.Б., Гончарский А.В. Некорректные задачи. Численные методы и приложения. М.: Изд-во МГУ, 1989.
QR
Перевести

Индексирование

Scopus

Scopus

Scopus

Crossref

Scopus

Высшая аттестационная комиссия

При Министерстве образования и науки Российской Федерации

Scopus

Научная электронная библиотека