Сравнительный анализ эффективности обнаружения сигналов и оценивания их параметров классическими методами и нейросетями
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
- обнаружение
- оценка параметров
- характеристики обнаружения
- отношение сигнал/шум
- нейронная сеть
Abstract (in English)
Comparative analysis of the efficiency of signal detection and estimation of their parameters by classical methods and neural networks
The problem of detecting a random Gaussian signal in additive white Gaussian noise with unknown SNR and unknown signal correlation is studied. Energy detection, nonparametric methods (kNN and Parzen windows), and a neural-network-based detector are compared. It is shown that noise whitening followed by principal component analysis significantly improves the performance of nonparametric detectors. For strongly correlated signals, these methods achieve performance close to the optimal Bayesian detector and may outperform neural networks. The detector efficiency is shown to depend on the signal structure and its effective rank. The second part of the work is devoted to solving a similar problem in the task of estimating a signal parameter, for example, its delay, which is linearly related to the distance to the detected observation object.
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
Литература
- Г. В. Трис, Теория обнаружения, оценок и модуляции, т. 1, Москва: Советское радио, 1972, p. 744.
- 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.
- Доросинский Л.Г., Оптимальная обработка радиолокационных изображений, формируемых в РСА, Москва: Издательский дом Академии Естествознания, 2017, 212с.
- Тархов Д. А. Нейронные сети. Модели и алгоритмы / Д. А. Тархов - М.: Радиотехника, 2005. - 256 с.
- Хайкин С. Нейронные сети / С. Хайкин. - М.: Издательский дом "Вильямс", 2006. - 1103с.
- Рутковская Д. Нейронные сети, генетические алгоритмы и нечеткие системы / Д. Рутковская, М. Пилиньский, Л. Рутковский. - М.: Горячая линия - Телеком, 2006. - 452с.
- Бишоп К.М. Распознавание образов и машинное обучение. Диалектика, 2020.- 962с.
- Мередит Бруссард. Искусственный интеллект. Пределы возможного. - М.: Альпина, 2020.-258с.