Название статьи или книги, фамилия автора, DOI

Возможность применения ядерных функций для аппроксимации двумерных плотностей распределений вероятности параметров случайных сигналов

Л.И. Двойрис1, И.Н. Крюков2

научная статья УДК 004.93'1; 51-74; 519.254 Страницы: 16-20 doi.org/10.18127/j00338486-202201-03

Аннотация

Постановка проблемы. Обнаружение/распознавание сигналов от различных объектов и помех традиционно связано с оценкой плотностей распределения вероятности параметров сигналов. В настоящее время активно развиваются методы непараметрического оценивания сигналов в различных предметных областях, в том числе и в технических системах охраны и безопасности объектов. Возможность применения одномерных непараметрических оценок сигналов рассмотрена в [1, 2], однако реальные сигналы часто являются многомерными.

Цель. Рассмотреть возможность применения методов непараметрической оценки двумерных плотностей распределений вероятности параметров сигналов в задачах обнаружения/распознавания объектов.

Результаты. Представлен способ непараметрических оценок плотностей распределения вероятности характеристик сигналов в интересах обнаружения/распознавания. Рассмотрено его практическое применение для случая двумерных плотностей распределений вероятностей.

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

Поступила
10.11.2021
Одобрена
18.11.2021
Принята
14.12.2021

Для цитирования

Двойрис Л.И., Крюков И.Н. Возможность применения ядерных функций для аппроксимации двумерных плотностей распределений вероятности параметров случайных сигналов // Радиотехника. 2022. Т. 86. № 1. С. 16−20. DOI: https://doi.org/10.18127/j00338486-202201-03

Список источников
  1. Расин Д. Непараметрическая эконометрика: вводный курс // Квантиль. 2008. № 4.
  2. Scott D.W. Multivariate Density Estimation and Visualisation. Papers. No. 2004. 16. Humboldt-Universität zu Berlin. Center for Applied Statistics and Economics (CASE), Berlin.
  3. Weglarczyk S. Kernel density estimation and its application // ITM Web of Conferences 23. 00037 (2018) XLVIII Seminar of Applied Mathematics.