Л.И. Двойрис, И.Н. Крюков

Постановка проблемы. Обнаружение/распознавание сигналов различной природы на фоне помех представляет достаточно сложную задачу, успешное решение которой зависит знания плотностей распределения вероятности свойств сигналов.  Отсутствие моделей сигналов приводит к необходимости поиска их аппроксимаций. На практике только 15−20% от общего числа исследованных сигналов адекватно описываются нормальным законом распределения. В остальных случаях возникает необходимость их параметрической оценки, осуществляя выбор распределения среди многих альтернатив. Следовательно, разработка инструментария аппроксимации распределений вероятностей характеристик сигналов, обеспечивающего точность и надежность таких оценок для обеспечения повышения помехоустойчивости системы обнаружения/распознавания в целом, является актуальной задачей.

Цель. Рассмотреть применение метода непараметрической оценки одномерных плотностей распределений вероятности характеристик сигналов и помех в задачах обнаружения/распознавания объектов на примере одномерного массива.

Результаты. Представлен усовершенствованный метод непараметрических оценок одномерных плотностей распределения вероятности характеристик сигналов и помех в интересах обнаружения/распознавания. Предложен способ подбора оптимальной ширины ядерной функции, не требующий какой-либо априорной информации о распределении вероятности исходных данных и выборочных оценках параметров распределения этих данных. Показано, что наличие аппроксимированной плотности распределения вероятности позволяет находить вероятностные характеристики решений разнообразных задач, возникающих при обработке экспериментальных данных.

Практическая значимость. Применение рассмотренного метода непараметрической оценки одномерных плотностей распределения вероятности характеристик сигналов и помех позволяет повысить помехоустойчивость систем обнаружения/распознавания объектов в различных прикладных областях.

Двойрис Л.И., Крюков И.Н. Непараметрический метод оценки одномерных плотностей распределения вероятности экспериментальных данных // Радиотехника. 2022. Т. 86. № 1. С. 11−15. DOI: https://doi.org/10.18127/j00338486-202201-02

1. Джеффри Р. Непараметрическая эконометрика: вводный курс // Квантиль. 2008. № 4. С. 7−56.
2. Weglarczyk S. Kernel density estimation and its application // ITM Web of Conferences. XLVIII Seminar of Applied Mathematics. 2018. № 23. Р. 00037. 
3. Scott D.W., Sheather S.J. Kernel Density Estimation with binned Data. Computer Science and Statistics. Springer-Verlag. New York. 1985. Р. 292−294.
4. Тюрин Ю.Н. Непараметрические методы статистики. М.: Знание. 1978.