ЖУРНАЛ РАДИОЭЛЕКТРОНИКИ. eISSN 1684-1719. 2026. №3

УДК: 621.396.96.001 (07)

СРАВНИТЕЛЬНЫЙ АНАЛИЗ ЭФФЕКТИВНОСТИ ОБНАРУЖЕНИЯ
СИГНАЛОВ И ОЦЕНИВАНИЯ ИХ ПАРАМЕТРОВ
КЛАССИЧЕСКИМИ МЕТОДАМИ И НЕЙРОСЕТЯМИ

Л.Г. Доросинский

Уральский федеральный университет имени первого президента России Б.Н. Ельцина,
620002, Россия, Екатеринбург, ул. Мира, 19

Статья поступила в редакцию 26 февраля 2026 г.

Аннотация. Рассматривается задача обнаружения случайного гауссовского сигнала на фоне белого гауссовского шума при неизвестных уровне SNR и корреляционной функции сигнала. Сравниваются энергетический детектор, непараметрические методы (kNN, Парзеновские окна) и нейросетевой детектор. Показано, что применение обеления (whitening) и метода главных компонент позволяет существенно повысить эффективность непараметрических методов. При сильно коррелированном сигнале они достигают характеристик, близких к оптимальному байесовскому детектору и превосходят нейросеть. Эффективность методов определяется структурой сигнала и его эффективным рангом. Вторая часть работы посвящена решению аналогичной проблемы в задаче оценки параметра сигнала, например, его задержки, линейно связанной с дальностью до обнаруженного объекта наблюдения

Ключевые слова: обнаружение, оценка параметров, характеристики обнаружения, отношение сигнал/шум, нейронная сеть.

Автор для переписки: Доросинский Леонид Григорьевич L.Dorosinsky@mail.ru

Литература

1. Г. В. Трис, Теория обнаружения, оценок и модуляции, т. 1, Москва: Советское радио, 1972, p. 744.

2. Справочник по радиолокации / Под ред. М.И. Сколника. Пер. с англ. под общей ред. В.С. Вербы. В 2 книгах. Книга 2. - Москва: Техносфера, 2014. - 680 с.

3. Доросинский Л.Г., Оптимальная обработка радиолокационных изображений, формируемых в РСА, Москва: Издательский дом Академии Естествознания, 2017, 212с.

4. Тархов Д. А. Нейронные сети. Модели и алгоритмы / Д. А. Тархов – М.: Радиотехника, 2005. – 256 с.

5. Хайкин С. Нейронные сети / С. Хайкин. – М.: Издательский дом «Вильямс», 2006. – 1103с.

6. Рутковская Д. Нейронные сети, генетические алгоритмы и нечеткие системы / Д. Рутковская, М. Пилиньский, Л. Рутковский. – М.: Горячая линия – Телеком, 2006. – 452с.

7. Бишоп К.М. Распознавание образов и машинное обучение. Диалектика, 2020.- 962с.

8. Мередит Бруссард. Искусственный интеллект. Пределы возможного. — М.: Альпина, 2020.-258с.

Для цитирования:

Доросинский Л.Г. Сравнительный анализ эффективности обнаружения сигналов и оценивания их параметров классическими методами и нейросетями. // Журнал радиоэлектроники. – 2026. – №. 3. https://doi.org/10.30898/1684-1719.2026.3.14