DOI: https://doi.org/10.20535/S0021347019010060
Открытый доступ Открытый доступ  Ограниченный доступ Доступ по подписке
Зависимость среднеквадратичной величины от числа усредняемых элементов обучающей выборки

Оценивание параметров пассивных помех на основе косвенных алгоритмов

Дмитрий Иванович Попов

Аннотация


Методом максимального правдоподобия синтезированы косвенные алгоритмы оценивания параметров пассивных помех, использующие линейные преобразования исходных данных. Введена функция правдоподобия для преобразованных в соответствии с суммарно-разностными алгоритмами входных отсчетов. Полученные в результате решения соответствующих уравнений правдоподобия алгоритмы оценивания коэффициентов межпериодной корреляции и доплеровского сдвига фазы не содержат традиционной операции комплексного перемножения входных данных. Приведена структурная схема измерителя оценок соответствующих параметров пассивной помехи, которые могут быть использованы в адаптивных режекторных фильтрах. Проведен анализ точности оценивания искомых параметров пассивной помехи в зависимости от объема обучающей выборки и корреляционных свойств помехи. Сравнение результатов моделирования и расчетов для косвенных и прямых алгоритмов показало их полное совпадение и подтвердило асимптотическую эффективность получаемых оценок и эквивалентность косвенных и прямых алгоритмов.

Ключевые слова


алгоритм оценивания; метод максимального правдоподобия; суммарно-разностный алгоритм; коэффициент корреляции; доплеровский сдвиг фазы; пассивная помеха; точность оценивания

Полный текст:

PDF

Литература


Skolnik, M. I. (ed.). Radar Handbook, 3rd ed. McGraw-Hill, 2008. 1352 p.

Richards, M. A.; Scheer, J. A.; Holm, W. A. (eds.). Principles of Modern Radar: Basic Principles. New York: SciTech Publishing, IET, Edison, 2010. 924 p.

Попов, Д. И. “Адаптация нерекурсивных режекторных фильтров,” Известия вузов. Радиоэлектроника, Т. 52, № 4, С. 46–55, 2009. URI: http://radio.kpi.ua/article/view/S0021347009040050.

Лозовский, И. Ф. “Построение и эффективность адаптивной обработки сигналов в условиях воздействия комбинированных помех,” Успехи современной радиоэлектроники, № 1, С. 52–58, 2016. URI: http://www.radiotec.ru/article/7230.

Melvin, W. L.; Scheer, J. A. (eds.). Principles of Modern Radar: Advanced Techniques. New York: SciTech Publishing, IET, Edison, 2013. 846 p.

Richards, M. A. Fundamentals of Radar Signal Processing, 2nd ed. New York: McGraw-Hill Education, 2014. 618 p.

Popov, D. I.; Smolskiy, S. M. “Estimation of the clutter correlation coefficient in radar systems,” Infocommun. J., Vol. VIII, No. 3, p. 8-12, Sept. 2016.

Perozzi, G.; Efimov, D.; Biannic, J.-M.; Planckaert, L.; Coton, P. “Wind estimation algorithm for quadrotors using detailed aerodynamic coefficients,” Proc. of Annual American Control Conf., ACC, 27-29 Jun. 2018, Milwaukee, USA. IEEE, 2018, p. 1921–1926. DOI: https://doi.org/10.23919/ACC.2018.8431879.

Malikov, E.; Sun, Y. “Semiparametric estimation and testing of smooth coefficient spatial autoregressive models,” J. Econometrics, Vol. 199, No. 1, p. 12-34, 2017. DOI: https://doi.org/10.1016/j.jeconom.2017.02.005.

Tarima, S. “Statistical estimation in the presence of possibly incorrect model assumptions,” J. Statistical Theory Practice, Vol. 11, No. 3, p. 449-467, 2017. DOI: https://doi.org/10.1080/15598608.2017.1299056.

Karmakar, B.; Mukhopadhyay, I. “Risk efficient estimation of fully dependent random coefficient autoregressive models of general order,” Commun. Statistics - Theory Methods, Vol. 47, No. 17, p. 4242-4253, 2018. DOI: https://doi.org/10.1080/03610926.2017.1371758.

Sun, Y.; Malikov, E. “Estimation and inference in functional-coefficient spatial autoregressive panel data models with fixed effects,” J. Econometrics, Vol. 203, No. 2, p. 359-378, 2018. DOI: https://doi.org/10.1016/j.jeconom.2017.12.006.

Кошевой, В. М.; Медведик, А. Д. “Построение измерителей параметров пассивных помех на основе схем череспериодной компенсации,” Известия вузов. Радиоэлектроника, Т. 23, № 12, С. 82–84, 1980.

Olguin, C. J. M.; Sampaio, S. C.; dos Reis, R. R. “Statistical equivalence of prediction models of the soil sorption coefficient obtained using different log P algorithms,” Chemosphere, Vol. 184, p. 498-504, 2017. DOI: https://doi.org/10.1016/j.chemosphere.2017.06.027.

Pepelyshev, A.; Kornikov, V.; Zhigljavsky, A. “Statistical estimation in global random search algorithms in case of large dimensions,” in: Battiti, R.; Kvasov, D.; Sergeyev, Y. (eds.) Learning and Intelligent Optimization. LION 2017. Lecture Notes in Computer Science, Vol. 10556. Springer, Cham. DOI: https://doi.org/10.1007/978-3-319-69404-7_32.

Hua, X.; Cheng, Y.; Wang, H.; Qin, Y. “Information geometry for covariance estimation in heterogeneous clutter with total Bregman divergence,” Entropy, Vol. 20, No. 4, p. 258, 2018. DOI: https://doi.org/10.3390/e20040258.

Lazrieva, N.; Toronjadze, T. “Recursive estimation procedures for one-dimensional parameter of statistical models associated with semimartingales,” Trans. A. Razmadze Math. Institute, Vol. 171, No. 1, p. 57-75, 2017. DOI: https://doi.org/10.1016/j.trmi.2016.12.001.

Попов, Д. И. “Адаптивное режектирование пассивных помех,” Известия вузов. Радиоэлектроника, Т. 56, № 4, С. 39–47, 2013. DOI: https://doi.org/10.20535/S0021347013040031.


Метрики статей

Загрузка метрик ...

Metrics powered by PLOS ALM





© Известия высших учебных заведений. Радиоэлектроника, 2004–2019
При копировании активная ссылка на материал обязательна
ISSN 2307-6011 (Online), ISSN 0021-3470 (Print)
т./ф. +38044 204-82-31, 204-90-41
Условия использования сайта