Stochastic signal processing in adaptive measurement systems with rough space-time statistics: invertible spectral analysis method

Cover Page

Cite item

Full Text

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

Abstract

A modified method for efficient spectral and correlation-based spatio-temporal signal processing is presented, designed for operation under conditions of high dynamic variability in input signal intensity and varying frequency-time resources of digital processing. The method is based on adapting algorithms and refining the goals and tasks of signal processing. A methodology has been developed to achieve high instrumental resolution of signals based on spectral and/or correlation features. The study addresses aspects of improving the efficiency of spatio-temporal signal processing, which are relevant for radio engineering measurement systems with digital phased antenna arrays and moving target selection systems. The previously proposed adaptive method of reversible spectral analysis, developed by the author, has been modernized for use in spatio-temporal signal processing. The updated method takes into account the variability (type changes) of processed signals and introduces measures to reduce the dynamic range requirements of the input signal stream by utilizing coarse (low-bit and binary) statistics. The frequency nomenclature has been expanded to include temporal and spatial spectra of distribution laws (characteristic functions). Technical (hardware and software) constraints, such as the use of coarse signal quantization, are also considered. Processing efficiency is achieved through the application of a whitening operation (rejection of dominant components) for passive interference prior to the main stage – the reversible spectral analysis method — and through the use of traditional stochastic algorithms. This includes increasing sample sizes (apertures, windows) and improving the convergence rate of measurements in the basic Monte Carlo method. The results obtained can be applied in radio engineering measurement complexes, including radar systems, for tasks such as radio and radio technical monitoring, as well as for measuring range and bearing coordinates.

About the authors

Yu. N. Gorbunov

A.I. Berg Central radio-research institute; Kotelnikov Institute of Radio Engineering and Electronics of Russian Academy of Sciences, Fryazino branch

Email: gorbunov26.10.48@gmail.com

References

  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

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

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».