В.К. Хохлов – д.т.н., профессор, кафедра «Автономные информационные и управляющие системы», МГТУ им. Н.Э. Баумана E-mail: khokhlov2010@yandex.ru С.Л. Сумин – к.т.н.,

ген. директор, ООО «Ингениум» E-mail: ingenium@mail.ru А.К. Лихоеденко – инженер, кафедра «Автономные информационные и управляющие системы», МГТУ им. Н.Э. Баумана E-mail: kost21v@rambler.ru

Постановка проблемы. В локационных системах, особенно в ближней локации, случайные сигналы и помехи имеют большой динамический диапазон амплитудных, частотных и временных характеристик и нестационарный характер. Информативные параметры сигналов часто являются нецентрированными случайными величинами, для которых априорно неизвестны математические ожидания. Получение оценок математических ожиданий по одной реализации часто затруднено из-за нестационарности сигналов и ограниченного объема выборки, а также высокого быстродействия систем. Из-за отсутствия сведений о математических ожиданиях нецентрированных случайных параметров часто нет возможности применить известные корреляционные методы обработки сигналов.

Цель. Обосновать регрессионный алгоритм обнаружения и распознавания сигналов по относительной ширине энергетического спектра, инвариантный к средней частоте энергетического спектра сигнала и его дисперсии, использующий в качестве информативных параметров интервалы между нулями входных реализаций, а в качестве априорной информации – их коэффициенты начальной регрессии.

Результаты. Обоснованы рабочие характеристики инвариантного к средней частоте и дисперсии сигналов регрессионного алгоритма, использующего в качестве информативного параметра интервалы между нулями входных реализаций, а в качестве априорной информации их коэффициенты начальной регрессии, отличающиеся для сигналов и помех.

Практическая значимость. Полученные результаты могут быть использованы в радиолокационных системах ближней  локации при обработке сигналов на частоте Доплера для повышения их помехоустойчивости при работе в условиях активных и пассивных помех, а также в информационных системах в каналах помех.

1. Zening Fu, Shing-Chow Chan, Xin Di, Biswal B. Adaptive Covariance Estimation of Non-Stationary Processes and its Application to Infer Dynamic Connectivity From fMRI // IEEE Transactions. Zhiguo Zhang Biomedical Circuits and Systems. 2014. V. 8. № 2. P. 228–239. DOI: 10.1109/TBCAS.2014.2306732.
2. Kirshner H., Unser M., Ward J.P. On the Unique Identification of Continuous-Time Autoregressive Models From Sampled Data // IEEE Transactions. Signal Processing. 2014. V. 62, № 6. P. 1361–1376. DOI: 10.1109/TSP.2013.2296879.
3. Nguyen Hien D., McLachlan Geoffrey J. Asymptotic inference for hidden process regression models // IEEE Workshop. Statistical Signal Processing (SSP). 2014. P. 256–259. DOI: 10.1109/SSP.2014.6884624.
4. Fedorov A.V., Omelchenko A.V. Designing a polynomial regression experiment at researching into decision rules of signal recognition by modeling // IEEE 7th International Conference. Intelligent Data Acquisition and Advanced Computing Systems (IDAACS). 2013. V. 01. P. 124–128. DOI: 10.1109/IDAACS.2013.6662654.
5. Kheirati Roonizi E. A New Algorithm for Fitting a Gaussian Function Riding on the Polynomial Background // IEEE Journals & Magazines. Signal Processing Letters. 2013. V. 20. № 11. P. 1062–1065. DOI: 10.1109/LSP.2013.2280577.
6. Wenrui Dai, Hongkai Xiong Gaussian Process Regression Based Prediction for Lossless Image Coding // IEEE Conference Publications. Data Compression Conference (DCC). 2014. P. 93–102. DOI: 10.1109/DCC.2014.72
7. Signal Processing and Communications Applications (SIU) // IEEE 19th Conference. 2011. P. 1008–1011. DOI: 10.1109/SIU.2011.5929824.
8. Grillo D., Pasquino N., Angrisani L., Schiano Lo Moriello R. An efficient extension of the zero-crossing technique to measure frequency of noisy signals // IEEE International. Instrumentation and Measurement Technology Conference (I2MTC). 2012.  P. 2706– 2709. DOI: 10.1109/I2MTC.2012.6229703.
9. Хохлов В.К., Лихоеденко А.К., Молчанов С.А. Регрессионные алгоритмы обнаружения и распознавания нецентрированных нестационарных случайных процессов в автономных информационных системах ближней локации // Машиностроение и компьютерные технологии. 2017. № 3. С. 150–169.
10. Хохлов В.К. Начальные регрессионные статистические характеристики интервалов между нулями случайных процессов // Наука и образование: научное издание МГТУ им. Н.Э. Баумана. 2014. № 9. С. 132–147.
11. Левин Б.Р. Теоретические основы статистической радиотехники. В 3-х книгах. Кн. 1. М.: Сов. радио. 1974.