Method of Principal Informative Components in Problems of Statistical Measurements of Signal Parameters (Systematic Review)


Цитировать

Полный текст

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

Аннотация

The method of Principal Informative Components (PIC) is presented for problems of statistical measurements, where the signal to be measured cannot be directly observed. Such situations include image reconstruction, system identification, communication channel reversal, media tomography, etc. The common feature of such problems, usually, is instability of their solutions to small variations of initial data that generally require the attraction of special methods of regularization. The basic principle of PIC method consists in employing decomposition of signals in special bases that were formed from eigenvectors of Fischer’s information operator. These bases are related to the method of Principal Components Analysis (PCA), which is well known in statistics, however, they have a somewhat different meaning as compared to the PCA method. The review indicates that by using the special procedures for selecting coordinate vectors, it is possible, first, to guarantee the signal estimation stability to unpredictable factors of problem and, second, to ensure a significant reduction of total measurement error as compared to the “direct” signal estimation, i.e., without the use of basis notions. The review presents a substantiation of PIC method application for problems of linear and nonlinear estimation. The composite technique of coordinate basis optimization is also considered that combines advantages of the physical approach (obviousness and effectiveness) with advantages of statistically informative approach (minimization of statistical errors). The specified technique is based on projecting the arbitrary coordinate basis on PIC subspace. As a result, the range of possible fluctuations of signal estimation is reduced and the upper bound of statistical error of signal measurement is lowered. Some numerical estimates of the PIC method efficiency are given using the example of problem of medium acoustic tomography that confirms the general theoretical conclusions. The review includes the analysis of some information technologies, where the ideas of PIC method hold a good promise for practical application. In particular, it is suggested that one of such promising fields can be MIMO systems that play an important part in 5G wireless access systems.

Об авторах

O. Kaliuzhnyi

National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute”

Автор, ответственный за переписку.
Email: oleksa.yakov@gmail.com
Украина, Kyiv

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Allerton Press, Inc., 2019

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».