Новая спектральная мера сложности и её возможности по обнаружению сигналов в шуме

Обложка

Цитировать

Полный текст

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

Аннотация

Настоящая статья посвящена совершенствованию методов распознавания сигналов на основе информационных характеристик спектра. Установлена дискретная функция нормированного упорядоченного спектра для единичной оконной функции, входящей в ДПФ. Доказаны леммы об оценках энтропии, дисбаланса и статистической сложности при обработке временного ряда независимых гауссовских величин. Предложены новые понятия одномерной и двумерной спектральных сложностей. Полученные теоретические результаты верифицированы численными экспериментами, которые подтвердили эффективность новой информационной характеристики при детектировании сигнала в смеси с белым шумом при малых отношениях сигнал/помеха.

Об авторах

А. А. Галяев

Институт проблем управления им. В.А. Трапезникова Российской академии наук

Автор, ответственный за переписку.
Email: galaev@ipu.ru

Corresponding Member of the RAS

Россия, Москва

В. Г. Бабиков

Институт проблем управления им. В.А. Трапезникова Российской академии наук

Email: babikov@ipu.ru
Россия, Москва

П. В. Лысенко

Институт проблем управления им. В.А. Трапезникова Российской академии наук

Email: pavellysen@ipu.ru
Россия, Москва

Л. М. Берлин

Институт проблем управления им. В.А. Трапезникова Российской академии наук

Email: berlin.lm@phystech.edu
Россия, Москва

Список литературы

  1. Amigo J.M. Ordinal methods: Concepts, applications, new developments, and challengesIn memory of Karsten Keller (19612022) / J. M. Amigo, O. A. Rosso // Chaos: An Interdisciplinary Journal of Nonlinear Science. 2023. Vol. 33, no. 8. P. 080401. https://pubs.aip.org/cha/article/33/8/080401/2905538/ Ordinal-methods-Concepts-applications-new.
  2. Distinguishing Noise from Chaos / O.A. Rosso, H.A. Larrondo, M. T. Martin et al. // Phys. Rev. Lett. 2007. Oct. V. 99. P. 154102. https://link.aps.org/doi/10.1103/PhysRevLett.99.154102.
  3. Perkey S. Using Fourier Coefficients and Wasserstein Distances to Estimate Entropy in Time Series / S. Perkey, A. Carvalho, A. Krone-Martins // 2023 IEEE 19th International Conference on e-Science (e-Science). Limassol, Cyprus: IEEE, 2023. P. 1–2. https://ieeexplore.ieee.org/document/10254949/.
  4. Statistical Distributions / C. Forbes, M. Evans, N. Hastings, B. Peacock. 1 edition. Wiley, 2010. https: //onlinelibrary.wiley.com/doi/book/10.1002/9780470627242.
  5. Klenke A. Probability Theory: A Comprehensive Course / A. Klenke. Universitext. London: Springer London, 2014. https://link.springer.com/10.1007/978-1-4471-5361-0.
  6. Галяев А.А. Статистическая сложность как критей рий задачи обнаружения полезного сигнала / А.А. Галяев, П.В. Лысенко, Л.М. Берлин // Автоматика и телемеханика. 2023. С. 121–145.
  7. Distances in Probability Space and the Statistical Complexity Setup / A. M. Kowalski, M. T. Mart’ın, A. Plastino et al. // Entropy. 2011. V. 13. №. 6. P. 1055–1075. http://www.mdpi.com/1099-4300/13/6/1055.
  8. Richards M.A. The Discrete-Time Fourier Transform and Discrete Fourier Transform of Windowed Stationary White Noise / M.A. Richards // Technical Memorandum. 2013. P. 1–24.
  9. Kay S.M. Fundamentals Of Statistical Processing, Volume 2: Detection Theory / S.M. Kay. Prentice-Hall signal processing series. Pearson Education, 2009. https://books.google.ru/books?id=wwmnY9xyt9MC.
  10. Орлов И.Я. Оценка потерь обнаружения сигналов приемнёком с адаптивным порогом на основе метода порядковых статистик / И.Я. Орлов, Е.С. Фитасов // Известия вузов. Радиофизика. 2018. Т. 61. № 7. С. 596–604
  11. Cazelles E. The Wasserstein-Fourier Distance for Stationary Time Series / E. Cazelles, A. Robert, F. Tobar // IEEE Transactions on Signal Processing. 2021. V. 69. P. 709–721. https://ieeexplore.ieee.org/document/9303405/.
  12. Berlin L.M. Comparison of Information Criteria for Detection of Useful Signals in Noisy Environments / L.M. Berlin, A.A. Galyaev, P.V. Lysenko // Sensors. 2023. V. 23. № 4. https://www.mdpi.com/1424-8220/23/4/2133.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2024

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».