Оценивание интенсивности шумоподобного сигнала при наличии некоррелированных импульсных помех

Автор(и)

  • Андрей Б. Лозинский Физико-механический институт им. Г. В. Карпенко Национальной Академии наук Украины, Ukraine
  • Игорь М. Романишин Физико-механический институт им. Г. В. Карпенко Национальной Академии наук Украины, Ukraine https://orcid.org/0000-0001-6753-5243
  • Богдан П. Русын Физико-механический институт им. Г. В. Карпенко Национальной Академии наук Украины, Ukraine https://orcid.org/0000-0001-8654-2270

DOI:

https://doi.org/10.20535/S0021347019050030

Ключові слова:

шумоподобный сигнал, аддитивная некоррелированная импульсная помеха, оценивание параметров случайного сигнала, робастный метод, нелинейная фильтрация

Анотація

Одной из актуальных и нерешенных задач обработки зашумленных сигналов, которые характеризуются наличием импульсных помех, является эффективная фильтрация этих сигналов. Предложен робастный подход к оцениванию интенсивности шумоподобного сигнала при наличии аддитивных некоррелированных импульсных помех. Наличие аддитивных некоррелированных импульсных помех приводит к возрастанию дисперсии зарегистрированного сигнала на отдельных участках с импульсными помехами. Робастность оценивания интенсивности достигается путем уменьшения влияния участков с импульсными помехами. Разработан ряд методов нелинейной фильтрации на основе детектирования интенсивности с использованием нижней огибающей: двухпараметрический рекурсивный фильтр, дилации, на основе ограничения производной и порядковых статистик. Путем численного моделирования проведено их сравнение с известными наиболее распространенными методами. Численное моделирование подтвердило эффективность предложенного подхода для оценивания интенсивности шумоподобного сигнала при наличии аддитивных некоррелированных импульсных помех. Разработанные методы могут быть применены для обработки сигналов в средствах связи, измерительной технике, радиоастрономии, а также для обработки изображений.

Посилання

Chakrabarty, A. “Large deviations for truncated heavy-tailed random variables: a boundary case,” Indian J. Pure Appl. Math., Vol. 48, No. 4, p. 671-703, 2017. DOI: https://doi.org/10.1007/s13226-017-0250-7.

Nayar, V.; Kampouris, I.; Sivitos, S. “Outliers: The dangers of not being one of the pack,” J. Investing, Vol. 26, No. 4, р. 165-179, 2017. DOI: https://doi.org/10.3905/joi.2017.26.4.165.

Kim, J.; Lee, S. “A convenient approach for penalty parameter selection in robust lasso regression,” Commun. Statistical Applications Methods, Vol. 24, No. 6, p. 651-662, 2017. DOI: https://doi.org/10.29220/CSAM.2017.24.6.651.

Atkinson, A. C.; Corbellini, A.; Riani, M. “Robust Bayesian regression with the forward search: theory and data analysis,” TEST, Vol. 26, No. 4, p. 869-886, 2017. DOI: https://doi.org/10.1007/s11749-017-0542-6.

Duque-Pintor, F. J.; Fernandez-Gomez, M. J.; Troncoso, A.; Martinez-Alvarez, F. “A new methodology based on imbalanced classification for predicting outliers in electricity demand time series,” Energies, Vol. 9, No. 9, p. 752-761, 2016. DOI: https://doi.org/10.3390/en9090752.

Горяинов, В. Б.; Горяинова, Е. Р. “Влияние аномальных наблюдений на оценку наименьших квадратов параметра авторегрессионного уравнения со случайным коэффициентом,” Вестник МГТУ им. Н. Э. Баумана. Сер. Естественные науки, № 2, С. 16-24, 2016. DOI: http://doi.org/10.18698/1812-3368-2016-2-16-24.

Shevlyakov, G.; Lyubomishchenko, N.; Smirnov, P. A. “A few remarks on robust estimation of power spectra,” Austrian J. Statistics, Vol. 43, No. 4, p. 237-245, 2014. DOI: https://doi.org/10.17713/ajs.v43i4.42.

Kosarevych, R. J.; Rusyn, B. P.; Korniy, V. V.; Kerod, T. I. “Image segmentation based on the evaluation of the tendency of image elements to form clusters with the help of point field characteristics,” Cybernetics Systems Analysis, Vol. 51, No. 5, p. 704-713, 2015. DOI: https://doi.org/10.1007/s10559-015-9762-5.

Rusyn, B.; Lutsyk, O.; Lysak, Y.; Lukenyuk, A.; Pohreliuk, L. “Lossless image compression in the remote sensing applications,” Proc. of 2016 IEEE First Int. Conf. on Data Stream Mining & Processing, DSMP, 23-27 Aug. 2016, Lviv, Ukraine. IEEE, 2016, p. 195-198. DOI: https://doi.org/10.1109/DSMP.2016.7583539.

Paliy, I.; Sachenko, A.; Kurylyak, Y.; Boumbarov, O.; Sokolov, S. “Combined approach to face detection for biometric identification systems,” Proc. of 5th IEEE Int. Workshop on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications, 21-23 Sept. 2009, Rende, Italy. IEEE, 2009, p. 434-439. DOI: https://doi.org/10.1109/IDAACS.2009.5342946.

Fisher, R. A. “On the mathematical foundations of theoretical statistics,” Phil. Trans. R. Soc. A, Vol. 222, p. 594-604, 1922. DOI: https://doi.org/10.1098/rsta.1922.0009.

Bickel, P. J.; Lehmann, E. L. “Descriptive statistics for nonparametric models. III. Dispersion,” The Annals Statistics, Vol. 4, No. 6, p. 1139-1158, 1976. URI: https://www.jstor.org/stable/2958585.

Stigler, S. M. “The changing history of robustness,” The Am. Statistician, Vol. 64, No. 4, p. 277-281, 2010. DOI: https://doi.org/10.1198/tast.2010.10159.

Atkinson, A.; Riani, M. “Introduction to Robust Statistics,” Proc. of 8th Int. Conf. of the ERCIM WG on Computational and Methodological Statistics, 12-14 Dec. 2015, Senate House, UK. URI: http://cmstatistics.org/CMStatistics2015/docs/WinterCourseAR_Regression.pdf?20180201194816.

Neykov, N. M. “Robust statistical modelling through trimming,” PhD Dissertation. Sofia, 2016.

Koller, M.; Machler, M. “Definitions of y-functions available in robustbase,” The Comprehensive R Archive Network, 2017. URI: https://cran.r-project.org/web/packages/robustbase/vignettes/psi_functions.pdf.

Croux, C.; Dehon, C. “Robust estimation of location and scale,” in El-Shaarawi, A. H.; Piegorsch, W. W. (eds.) Encyclopedia of Environmetrics. John Wiley & Sons Ltd: Chichester, UK, 2013.

Leys, Christophe; Ley, Christophe; Klein, Olivier; Bernard, Philippe; Licataa, Laurent. “Detecting outliers: Do not use standard deviation around the mean, use absolute deviation around the median,” J. Experimental Social Psychology, Vol. 49, No. 4, p. 764-766, 2013. DOI: https://doi.org/10.1016/j.jesp.2013.03.013.

Tyler, D. E. “A short course on robust statistics,” The State University of New Jersey. URI: http://www.rci.rutgers.edu/~dtyler/ShortCourse.pdf.

Gandhi, M. A.; Mili, L. “Robust Kalman filter based on a generalized maximum-likelihood-type estimator,” IEEE Trans. Signal Processing, Vol. 58, No. 5, p. 2509-2520, 2010. DOI: https://doi.org/10.1109/TSP.2009.2039731.

Леховицкий, Д. И. “Адаптивные решетчатые фильтры для систем пространственно-временной обработки нестационарных гауссовых процессов,” Известия вузов. Радиоэлектроника, Т. 61, № 11, С. 607-642, 2018. DOI: https://doi.org/10.20535/S0021347018110018.

Продеус, А. Н.; Дидковский, В. С. “Объективное оценивание качества алгоритмов радикального шумоподавления,” Известия вузов. Радиоэлектроника, Т. 59, № 11, С. 37–46, 2016. DOI: https://doi.org/10.20535/S0021347016110042.

Yang, Y. “A signal theoretic approach for envelope analysis of real-valued signals,” IEEE Access, Vol. 5, p. 5623-5630, 2017. DOI: https://doi.org/10.1109/ACCESS.2017.2688467.

“Прогнозирование временных рядов при помощи экспоненциального сглаживания,” 2011. URI: https://www.mql5.com/ru/articles/318.

Serra, J.; Vincent, L. “An overview of morphological filtering,” Circuits Systems Signal Process., Vol. 11, No. 1, р. 47-108, 1992. DOI: https://doi.org/10.1007/BF01189221.

Айвазян, С. А.; Енюков, И. С.; Мешалкин, Л. Д. Прикладная статистика: Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983. 471 с.

Опубліковано

2019-05-27

Як цитувати

Лозинский, А. Б., Романишин, И. М., & Русын, Б. П. (2019). Оценивание интенсивности шумоподобного сигнала при наличии некоррелированных импульсных помех. Вісті вищих учбових закладів. Радіоелектроніка, 62(5), 265–275. https://doi.org/10.20535/S0021347019050030

Номер

Розділ

Оригінальні статті