АНАЛІЗ ЕФЕКТИВНОСТІ АЛГОРИТМІВ ОЦІНЮВАННЯ ПАРАМЕТРІВ АВТОРЕГРЕСІЙНИХ МОДЕЛЕЙ В ЗАДАЧІ ВИЯВЛЕННЯ СИГНАЛІВ В УМОВАХ ЗАВАД
DOI:
https://doi.org/10.18372/2310-5461.65.19928Ключові слова:
адаптивні алгоритми, авторегресійна модель, оцінка параметрів, компенсація перешкод, виявлення сигналів, обробка даних, перешкодиАнотація
Підвищення точності ймовірності правильного виявлення в умовах дії завад залишається актуальною задачею, особливо в середовищі із динамічними та нестаціонарними перешкодами. У цьому контексті зростає інтерес до використання адаптивних алгоритмів виявлення, здатних змінювати свої параметри відповідно до статистичних характеристик завадового тла.
Одним із ключових аспектів синтезу таких алгоритмів є адекватне моделювання перешкод. Авторегресійні моделі дозволяють ефективно моделювати завади, використовуючи залежність між попередніми значеннями сигналів, що важливо для оптимальної компенсації перешкод.
Ефективність побудови таких моделей значною мірою залежить від точності оцінки їх параметрів, що безпосередньо впливає на якість адаптивної компенсації перешкод і, відповідно впливає на характеристики виявлення загального алгоритму. Тому в цій статті досліджуються алгоритми оцінки параметрів АР-моделей — зокрема методи максимальної правдоподібності, рекурсивні та класичні підходи Юла–Вокера та Левінсона–Дурбіна.
Також увагу приділено дослідженню впливу обраного алгоритму оцінювання на точність апроксимації статистичних характеристик завадового тла, а також на подальшу ефективність адаптивного виявлення сигналів. Для цього реалізовано двоетапне комп’ютерне моделювання: на першому етапі здійснено порівняльний аналіз точності оцінок параметрів АР-моделі; на другому — оцінено вплив отриманих оцінок на ймовірнісні характеристики адаптивного виявлення в умовах завад.
Посилання
Skolnik M.I., Radar Handbook (3rd ed), Boston: McGraw-Hill, 1990.
Prokopenko I., Yanovsky F., Ligthart L., Adaptive algorithms for weather ra-dar. First European Radar Conference, 2004. EURAD. pp. 329-332. Amster-dam, Netherlands, 2004.
Prokopenko I., Omelchuk I., Chyrka Y., RADAR signal parameters estimation in the MTD tasks. Int. J. Electron. Telecommun. 58(2), pp. 159–164, 2012.
Prokopenko I.G., Dmytruk A.Yu., Implementation of Adaptive Algorithms in the Task of MTDI Filtration, 2021 IEEE International Conference on Infor-mation and Telecommunication Technologies and Radio Electronics, pp. 226-231, 2021.
Lekhovytskyi D.I., Kirillov I.G., Modeling of passive interference by pulse ra-dars based on arbitrary order autoregressive processes. Information Processing Systems. pp. 90-101, 2008.
Box G.E., Jenkins G.M., Time Series Analysis: Forecasting and Control. 3rd Edition, Prentice Hall, Englewood Cliffs, 1994.
Haykin S., Adaptive filter theory, Prentice Hall, Upper Saddle River, NJ, 4th edition, 2002.
Tan W. Y., Lin V., Some Robust Procedures for Estimating Parameters in an Autoregressive Model, Sankhyā: The Indian Journal of Statistics, Series B (1960-2002) 55, no. 3, pp. 415–35, 1993. http://www.jstor.org/stable/25052807.
Sengupta D., Kay S., Efficient estimation of parameters for non-Gaussian auto-regressive processes, in IEEE Transactions on Acoustics, Speech, and Signal Processing, vol. 37, no. 6, pp. 785-794, 1989, doi: 10.1109/ASSP.1989.28052.
Stoica P., Moses R. L., Spectral Analysis of Signals, Pearson Prentice Hall, 2005.
Hamilton J. D., Time Series Analysis, Princeton University Press, 1994. https://doi.org/10.2307/j.ctv14jx6sm.
Haykin S.S., Adaptive Filter Theory 4th Edition, 2002.
Zadiraka V.K., Semenov V.Y., Semenova Y.V., Method of Noise-Robust Es-timation of Parameters of an Autoregressive Model in the Frequency Domain. Cybern Syst Anal 57, 836–842, 2021. https://doi.org/10.1007/s10559-021-00409-y
Prokopenko I.G., Dmytruk A.Yu., Prokopenko K.I., Application of robust al-gorithms in the problem of detection of moving targets on the background of non-gaussian clutter. Science-based Technologies, № 1, p. 58-66. 2023. doi: https://doi.org/10.18372/2310-5461.57.17445.
Brockwell P. J., Davis R. A. Introduction to Time Series and Forecasting. Springer International Publishing. 2016.
Prokopenko I.G., Dmytruk A.Yu., Prokopenko K.I., Application of robust al-gorithms in the problem of detection of moving targets on the background of non-gaussian clutter. Science-based Technologies, № 1, pp 58-66. 2023. doi: https://doi.org/10.18372/2310-5461.57.17445.
