Метод селекції імпульсних сигналів за їх тривалостями в каналах із завмираннями
DOI:
https://doi.org/10.20535/RADAP.2024.96.14-20Ключові слова:
імпульсний сигнал, завмирання, селекція сигналів, нормальний розподіл, експоненціальний розподіл, вибіркаАнотація
Тривалість імпульсних сигналів є одним із основних параметрів, що підлягають оцінюванню у системах радіомоніторингу. При поширенні сигналів у каналах із глибокими завмираннями навіть при високих значеннях відношення сигнал-шум форма імпульсів буде спотвореною. У складній радіоелектронній обстановці також можливе попадання в канал оброблення випадкових завад, що призведе до появи хибних імпульсів. Тому значення тривалостей корисних імпульсів будуть зосереджені біля їх істинного значення, а решта виявлених імпульсів матимуть суттєво випадкову тривалість. У зв’язку з цим розроблення та дослідження методів селекції імпульсних сигналів за їх тривалостями у складній сигнальній обстановці є актуальним науковим завданням.
Метою роботи є удосконалення методів оброблення імпульсних сигналів у каналах із завмираннями шляхом селекції їх тривалостей.
У ході досліджень встановлено, що оцінки значень тривалостей сигнальних імпульсів розподілені за нормальним законом. Тривалості імпульсів, що не пов’язані із сигналами, підпорядковані експоненціальному розподілу. Вихідними даними для роботи запропонованого методу є лише вибірка виміряних тривалостей значень імпульсів. Значення параметрів як експоненціального, так і нормальних розподілів є невідомими. В такому разі задача селекції імпульсів за їх тривалостями формалізується до оцінювання середніх значень нормальних розподілів. Для цього запропоновано проводити пошук максимумів згладженої оцінки розподілу щільності ймовірностей.
Наукова новизна отриманих результатів полягає в тому, що запропоновано метод оцінювання середнього значення нормального розподілу на фоні експоненціально розподілених величин. Прикладним застосуванням даного підходу є оцінювання тривалостей імпульсних сигналів у каналах із глибокими завмираннями та імпульсними перешкодами. На основі розробленого методу можуть бути реалізовані алгоритми автоматичної селекції імпульсів для систем радіомоніторингу.
Посилання
References
Su L., Deng L., Zhu W., Zhao S. (2019). Detection and Extraction of Weak Pulse Signals in Chaotic Noise with PTAR and DLTAR Models. Mathematical Problems in Engineering, Vol. 2019, 12 p., doi: 10.1155/2019/4842102.
Dematties D., Wen C., Zhang S.-L. (2022). A Generalized Transformer-Based Pulse Detection Algorithm. ACS Sensors, Vol. 7, pp. 2710-2720, doi: 10/1021/acssensors.2c01218.
Adamek K., Armour W. (2020). Single-pulse Detection Algorithms for Real-time Fast Radio Burst Searches Using GPUs. The Astrophysical Journal Supplement Series, Vol. 247, Num. 2, 26 p., doi: 10.3847/1538-4365/ab7994.
Green D., Tummala M., McEachen J. (2021). Pulsed Signal Detection Utilizing Wavelet Analysis with a Deep Learning Approach. IEEE Military Communications Conference, pp. 396-401, doi: 10.1109/MILCOM52596.2021.9652942.
Ranney K., Tom K. (2020). A Survey of Methods for Estimating Pulse Width and Pulse Repetition Interval. DEVCOM, ARTL-TR-8974, 14 p.
Silva A. et al. (2020). A Robust ToA and Pulse Width Estimator for Electronic Warfare Applications. XXXVIII Simpósio Brasileiro de Telecomunicações e Processamento de Sinais (SBrT2020), 5 p., doi: 10.14209/SBRT.2020.1570657578.
Chan Y. T., Lee B. H., Inkol R., Chan F. (2010). Estimation of Pulse Parameters by Autoconvolution and Least Squares. IEEE Transactions on Aerospace and Electronic Systems, Vol. 46, Iss. 1, pp. 363-374, doi: 10.1109/TAES.2010.5417168.
Bang J.-H., Park D.-H., Lee W., Kim D., Kim H.-N. (2023). Accurate Estimation of LPI Radar Pulse Train Parameters via Change Point Detection. IEEE Access, Vol. 11, pp. 12796-12807, doi: 10.1109/ACCESS.2023.3242684.
Kay S. M. (2013). Fundamentals of statistical signal processing: Practical algorithm development, Vol. 3. Prentice Hall, New Jersey. 403 p.
Sha M., Xie Y. (2016). The Study of Different Types of Kernel Density Estimators. 2nd International Conference on Electronics, Network and Computer Engineering, Atlantis Press, pp. 332-336. DOI:10.2991/icence-16.2016.67.
Węglarczyk S. (2018). Kernel density estimation and its application. ITM Web of Conferences, Vol. 23, 8 p. doi: 10.1051/itmconf/20182300037.
Silverman B. W. (1986). Density estimation for statistics and data analysis. Chapman and Hall, London. 176 р. doi: 10.1002/bimj.4710300745.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2024 Микола Вікторович Бугайов
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у нашому журналі.
2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована нашим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у нашому журналі.
3. Політика журналу дозволяє і заохочує розміщення рукопису роботи авторами в мережі Інтернет (наприклад, на arXiv.org або на особистих веб-сайтах). Причому рукописи статей можуть бути розміщенні у відкритих архівах як до подання рукопису до редакції, так і під час його редакційного опрацювання. Це сприяє виникненню продуктивної наукової дискусії, позитивно позначається на оперативності ознайомлення наукової спільноти з результатами Ваших досліджень і як наслідок на динаміці цитування вже опублікованої у журналі роботи. Детальніше про це: The Effect of Open Access.
