Filtering efficiency of random fields with multiple roots of characteristic equations

К.К. Васильев; Н.А. Андриянов; Х.А. Абдулкадим

Filtering efficiency of random fields with multiple roots of characteristic equations

К.К. Васильев¹, Н.А. Андриянов², Х.А. Абдулкадим³

research article UDC 621.391.2 Pages: 20-23

¹ д.т.н., профессор, зав. кафедрой «Телекоммуникации», Ульяновский государственный технический университет
² к.т.н., программист, кафедра «Телекоммуникации», Ульяновский государственный технический университет
³ к.т.н., преподаватель, кафедра «Коммуникации», Университет Диялы (Ирак–Дияла)

Keywords: autoregression multiple root model random fields covariance function isotropic images variance of filtering error optimal filtration

Abstract

The text deals with the problem of imitation of images with the quasi-isotropy properties. The properties are obtained by using of a special class of models, namely autoregressions with multiple roots of characteristic equations. Particular attention is paid to the construction of a general model of such random fields on multidimensional grids. In addition, we describe in detail the filtration efficiency of two-dimensional random fields. We compare and analyze the results for models of different multiplicities.

How to cite

Васильев К.К., Андриянов Н.А., Абдулкадим Х.А. Эффективность фильтрации случайных полей с кратными корнями характеристических уравнений // Радиотехника. 2018. № 6. С. 20–23.

References

Alexander Aue, Lajos Horvath. Quasi-Likelihood Estimation In Stationary And Nonstationary Autoregressive Models With Random Coefficients // Statistica Sinica. 2011. V. 21. P. 973−999.
Ohtsu K., Peng H., Kitagawa G. «Time Series Analysis Through AR Modeling. In: Time Series Modeling for Analysis and Control» // Springer Briefs in Statistics. Springer. Tokyo. 2015. P. 7−56.
Vasilyev K.K., Popov O.V. Autoregression models of random fields with Multiple Roots // Pattern recognition and Image analysis.1999. V. 9. № 2. P. 327−328.
Vasil’ev K.K. Avtoregressii s kratny’mi kornyami xarakteristicheskix uravnenij // Radiotexnika. 2014. № 11. S. 74−76.
Vasil’ev K.K., Andriyanov N.A. Analiz avtoregressij s kratny’mi kornyami xarakteristicheskix uravnenij // Radiotexnika. 2017. № 6. S. 13−17.
Vasil’ev K.K., Krasheninnikov V.R. Statisticheskij analiz posledovatel’nostej izobrazhenij. M.: Radiotexnika. 2017. 248 s.
Vasil’ev K.K. Predstavlenie kvaziizotropny’x izobrazhenij avtoregresionny’mi sluchajny’mi polyami // Trudy’ MNTK «Czifrovaya obrabotka signalov». 2018. T. 2. S. 563−568.

[1] Alexander Aue, Lajos Horvath. Quasi-Likelihood Estimation In Stationary And Nonstationary Autoregressive Models With Random Coefficients // Statistica Sinica. 2011. V. 21. P. 973−999.

[2] Ohtsu K., Peng H., Kitagawa G. «Time Series Analysis Through AR Modeling. In: Time Series Modeling for Analysis and Control» // Springer Briefs in Statistics. Springer. Tokyo. 2015. P. 7−56.

[3] Vasilyev K.K., Popov O.V. Autoregression models of random fields with Multiple Roots // Pattern recognition and Image analysis.1999. V. 9. № 2. P. 327−328.

[4] Vasil’ev K.K. Avtoregressii s kratny’mi kornyami xarakteristicheskix uravnenij // Radiotexnika. 2014. № 11. S. 74−76.

[5] Vasil’ev K.K., Andriyanov N.A. Analiz avtoregressij s kratny’mi kornyami xarakteristicheskix uravnenij // Radiotexnika. 2017. № 6. S. 13−17.

[6] Vasil’ev K.K., Krasheninnikov V.R. Statisticheskij analiz posledovatel’nostej izobrazhenij. M.: Radiotexnika. 2017. 248 s.

[7] Vasil’ev K.K. Predstavlenie kvaziizotropny’x izobrazhenij avtoregresionny’mi sluchajny’mi polyami // Trudy’ MNTK «Czifrovaya obrabotka signalov». 2018. T. 2. S. 563−568.

Abstract

How to cite

Related articles