Стохастическая обработка сигналов в адаптивных измерительных системах с грубыми пространственно-временны́м и статистиками: метод обращаемого спектрального анализа

Обложка
  • Авторы: Горбунов Ю.Н.1,2
  • Учреждения:
    1. Центральный научно-исследовательский радиотехнический институт им. академика А.И. Берга
    2. Фрязинский филиал Института радиотехники и электроники им. В.А. Котельникова Российской академии наук
  • Выпуск: Том 74, № 2 (2025)
  • Страницы: 88-96
  • Раздел: РАДИОТЕХНИЧЕСКИЕ ИЗМЕРЕНИЯ
  • URL: https://journals.rcsi.science/0368-1025/article/view/351174
  • ID: 351174

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Представлен модифицированный метод эффективной спектральной и корреляционной пространственно-временно́й обработки сигналов, предназначенный для работы в условиях высокой динамики интенсивности входного потока и варьирования частотно-временно́го ресурса цифровой обработки. В основе метода лежат адаптация алгоритмов и уточнение целей и задач обработки. Разработана методика достижения высокого инструментального разрешения сигналов по спектральным и/или корреляционным признакам. Рассмотрены аспекты повышения эффективности пространственно-временно́й обработки сигналов, актуальные для радиотехнических измерительных систем с цифровыми фазированными антенными решётками и системами селекции движущихся целей. В модифицированном методе учтена вариабельность (изменение типа) обрабатываемых сигналов. Предложены меры по снижению требований к динамическому диапазону входного потока за счёт использования грубых (малоразрядных и бинарных) статистик. Расширена номенклатура частот, включая временны́е и пространственные спектры законов распределений (характеристических функций). Учтены технические (аппаратные и программные) ограничения, предполагающие применение грубого квантования сигналов. Эффективность обработки достигается путём обеления (режекции доминирующих составляющих) пассивных помех до основного этапа – применения метода обращаемого спектрального анализа, а также традиционных стохастических алгоритмов, включая увеличение размеров выборок (апертур, окон) и повышение скорости сходимости измерений в базовом методе Монте-Карло. Полученные результаты можно использовать в радиотехнических измерительных комплексах, включая радиолокационные системы, для задач радиои радиотехнического мониторинга, а также для измерения координат дальности и пеленга.

Об авторах

Ю. Н. Горбунов

Центральный научно-исследовательский радиотехнический институт им. академика А.И. Берга; Фрязинский филиал Института радиотехники и электроники им. В.А. Котельникова Российской академии наук

Email: gorbunov26.10.48@gmail.com

Список литературы

  1. Горбунов Ю. Н. Радиолокация высокого разрешения: обращаемый спектральный анализ. Журнал радиоэлектроники. 2(10) (2018). https://doi.org/10.30898/1684-1719.2018.10.7; https://www.elibrary.ru/yokzvr
  2. Горбунов Ю. Н., Куликов Г. В., Шпак А. В. Радиолокация: стохастический подход: Монография. Горячая линия – Телеком, Москва (2016). htt ps://www.elibrary.ru/rcdxsl
  3. Монзинго Р. А., Миллер Т. У. Адаптивные антенные решетки: Введение в теорию: Перевод с английского под ред. В. А. Лексаченко. Радио и связь, Москва (1986).
  4. Воскресенский Д. И. Антенны с обработкой сигнала: Учебное пособие для вузов. САЙНС-ПРЕСС, Москва (2002).
  5. Ba sh B. A., Goeckel D., Towsley F. Limits of reliable communication with low probability of detection on AWGN channels. 2012 IEEE International Symposium on Information Theory Proceedings, Cambridge, MA, USA, 2012, pp. 448-452 (2012). https://doi.org/10.1109/ISIT.2012.6284228; https://www.elibrary.ru/rpgcrh
  6. Котельников В. А. Теория потенциальной помехоустойчивости. Госэнергоиздат, Москва (1956).
  7. Горбунов Ю. Н. Стохастическая линеаризация пеленга в адаптивных антенных решётках с грубыми пространственно-временными статистиками. Автоматика и телемеханика, (12), 103–114 (2019). ht tps://doi.org/10.1134/S0005231019120067; https://www.elibrary.ru/ewlzgz
  8. Кей С. М., Марпл мл. С. Л. Современные методы спектрального анализа: обзор. Труды института инженеров по электротехнике и радиоэлектронике (ТИИЭР), 69(11), 5–51 (1981).
  9. Марпл мл. С. Л. Цифровой спектральный анализ и его приложения. Мир, Москва (1990).
  10. Первозванский А. А. Поиск. Наука, Москва (1970).
  11. Цыпкин Я. З. Адаптация и обучение в автоматических системах. Наука, Москва (1968).
  12. Me tropolis N., Ulam S. The Monte Carlo Metod. Journal of the American Statistical Association, 44(247), 335–341 (1949). https://doi.org/10.1080/01621459.1949.10483310
  13. Горбунов Ю. Н. Угловое сверхразрешение характера движения глаз для повышения чёткости изображения предметов в условиях ограничений. Вестник РАЕН, 19(1), 13–20 (2019). https://www.elibrary.ru/wxjuwz
  14. Горбунов Ю. Н. Когерентно-шумовая РЛС с «грубыми» пространственно-временными статистиками и применением метода стохастического обращаемого спектрального анализа. DSPA: вопросы применения цифровой обработки сигналов, 8(3), 124–128 (2018). https://www.elibrary.ru/yntwfn
  15. Калинин В. И. Сверхширокополосная радиолокация с двойной спектральной обработкой шумовых сигналов. Радиотехника, 3, 25–35 (2005).
  16. Калинин В. И., Чапурский В. В. Эффективность двойного спектрального анализа и шумовой радиолокации при действии отражений от местных предметов. Радиотехника и электроника, 51(3), 303–313 (2006). https://www.elibrary.ru/njtflt
  17. Пуарье Дж. Шумовая радиосвязь. Зарубежная радиоэлектроника, (7) (1969).
  18. Волжин В. Н., Якимчук Ю. В., Кислов В. Я. и др. Способ радиолокации: Авторское свидетельство СССР № 792183 (1980).
  19. Гоноровский И. С. Радиотехнические цепи и сигналы: Учебник для вузов. 4-е изд., перераб. и доп. Радио и связь, Москва (1986).
  20. Соболь И. М. Численные методы Монте-Карло. Наука, Москва (1973).
  21. П. А. Созинов (ред.). Радиоэлектронная борьба. Тезаурус. Справочник. Радиотехника, Москва (2020).
  22. Ляпунов А. М. Собрание сочинений. В 3 томах. Изд-во АН СССР, Москва (1954–1959).
  23. Бакулин М. Г., Варукина Л. А., Крейнделин В. Б. Технология MIMO: принципы и алгоритмы. Горячая линия – Телеком, Москва (2014). https://www.elibrary.ru/mhxjoj
  24. Антенная система на основе линзы Ротмана для сбора свободной энергии 5G на частоте 28 ГГц. Вестник Воронежского государственного технического университета, 15(4) (2019).
  25. Ceлютин А. Ю. Технология линий задержки в печатной линзе Ротмана. Радиотехника, 85 (3), 134–147 (2021). https://doi.org/10.18127/j00338486-202103-14; https://www.elibrary.ru/fowslw

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

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».