Марково-смешанные модели в теории обработки многоэлементных сигналов при комплексе помех

• Автор: Надеев, Адель Фирадович
• Шифр специальности: 05.12.01
• Научная степень: Докторская
• Год защиты: 2000
• Место защиты: Казань
• Количество страниц: 242 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ
Глава 1. МАРКОВО -СМЕШАННЫЕ ВЕРОЯТНОСТНЫЕ МОДЕЛИ
СЛУЧАЙНЫХ ПРОЦЕССОВ
1.1 .Модели на основе вероятностных смесей распределений
1.1.1.06 адекватности вероятностных моделей
информационным и материальным технологиям
1.1.2. Смешанные случайные процессы
1.2. Элементы теории последовательностей полигауссовых
случайных процессов
1.2.1. Последовательность независимых испытаний
1.2.2. Последовательность зависимых испытаний
1.3. О марковских моделях случайных процессов
1.4. Марково-смешанные случайные процессы
1.5. Метод моделирования марково-смешанных случайных процессов
1.6. Основные результаты и краткие выводы но главе
Глава 2. ОПТИМАЛЬНЫЕ АЛГОРИТМЫ КЛАССИФИКАЦИИ НЕГАУССОВСКИХ СИГНАЛОВ НА ОСНОВЕ МАРКОВО-СМЕШАННЫХ ВЕРОЯТНОСТНЫХ МОДЕЛЕЙ
2.1. Метод синтеза оптимальных алгоритмов классификации
сигналов на основе марково-смешанных вероятностных моделей
2.2. Особенности и недостатки полигауссовых алгоритмов при
обработке многоэлементных сигналов в комплексе помех
2.2.1. Дискретные многоэлементные сигналы
2.2.2. Комплекс негауссовских помех
2.2.3. Полигауссов алгоритм обработки флуктуирующих многоэлементных сигналов на фоне комплекса
негауссовских помех
2.3. Синтез алгоритмов обработки флуктуирующих многоэлементных сигналов на основе марково-смешанных вероятностных моделей
2.3.1. Марково-смешанная полигауссова вероятностная
модель многоэлементных сигналов
2.3.2. Синтез алгоритма обнаружения-различения флуктуирующих многоэлементных сигналов на фоне помех
2.4. Вопросы адаптации. Оценка параметров марково-смешанной вероятностной модели в условиях априорной неопределенности
2.5. Статистическое моделирование адаптивных алгоритмов приема
многоэлементных сигналов
2.6. Сопоставительный анализ сложности алгоритмов обработки многоэлементных сигналов
2.7. Основные результаты и краткие выводы по главе
Глава 3. МАРКОВО-СМЕШАННЫЕ ВЕРОЯТНОСТНЫЕ МОДЕЛИ В ЗАДАЧЕ ПОСЛЕДОВАТЕЛЬНОЙ ПРОВЕРКИ ГИПОТЕЗ
3.1. Достаточные статистики в задаче последовательной проверки гипотез
3.2. Алгоритм последовательной проверки двух гипотез
3.3. Основные результаты и краткие выводы по главе
Глава 4. ПОМЕХОУСТОЙЧИВЫЕ АЛГОРИТМЫ ПРИЕМА МНОГОЭЛЕМЕНТНЫХ СИГНАЛОВ РАДИО-
ТЕХНИЧЕСКИХ СИСТЕМ ФУНКЦИОНИРУЮЩИХ ПРИ КОМПЛЕКСЕ ПОМЕХ
4.1. Синтез оптимальных алгоритмов обработки многоэлементных радиоимпульсных сигналов в комплексе шумовых и хаотических радиоимпульсных помех

4.2. Алгоритмы приема многоэлементных сигналов систем связи с уменьшенным числом блоков рекуррентной обработки
4.2.1. Алгоритм приема многоэлементных сигналов «в целом»
4.2.2. Прием многоэлементных сигналов с поэлементным
принятием решений
4.3. Алгоритмы обработки дружно флуктуирующих многоэлементных сигналов на фоне шумовых и хаотических радиоимпульсных помех
4.3.1. Обнаружение дружно флуктуирующих многоэлементных сигналов
4.3.2.Алгоритмы обработки многоэлементных сигналов с оценкой среднего уровня
4.3.3. Методы построения многосвязных зон принятия решений
4.3.4. Программа и результаты статистического моделирования алгоритмов обработки дружно флуктуирующих
многоэлементных сигналов
4.4. Основные результаты и краткие выводы по главе
Глава 5. ВОПРОСЫ ПРАКТИЧЕСКОЙ РЕАЛИЗАЦИИ ПОМЕХОУСТОЙЧИВОЙ ОБРАБОТКИ
МНОГОЭЛЕМЕНТНЫХ СИГНАЛОВ
5.1. Вопросы использования современной элементной базы при реализации помехоустойчивых способов обработки сигналов
5.2. Многоканальные устройства различения дискретных сигналов на фоне негауссовских помех
5.3. Реализация многоотсчетной последетекторной обработки дискретных сигналов

результате наблюдения входных сигналов на последовательностях заданных

интервалов {Т;}.
Предварительно рассмотрим последовательности независимых испытаний с полигауссовыми случайными процессамми.
1.2.1. Последовательность независимых испытаний
Предположим, что наблюдаемый входной процесс в каждом последовательном интервале Т; представлен в виде векторов отсчетов = (и(1п),и(1|2)
еТ!5 ,к = 1,К . Каждый вектор описывается полигауссовым распределением вида:
где К|й(,тп.,|стп.|| - гауссовское распределение вектора и(, соответствующее щ-ой компоненте с вектором математического ожидания шп1 и ковариационной матрицей ||аП1||> qЛ|-весовой коэффициент щ-ой компоненты, Ыгчисло компонент в смеси.
Всилу независимости векторов и(, П) . соответствующих различным интервалам Т; , Т] их совместное распределение факторизуется:
В работе доказано [100] следующее утверждение:
Утверждение. Для взаимной попарной независимости полигауссовых явлений необходимо и достаточно чтобы:
(1.7)
1) гауссовы компоненты каждого из полигауссовых явлений были некоррелированы со всеми гауссовыми компонентами всех других полигауссовых явлений;