Methods for Statistical Signal Parameters Estimation in Non-Gaussian Correlated Noise

Abstract

Класичний підхід для побудови систем оцінювання параметрів сигналів, які приймаються на фоні негаусових завад, характеризується складністю алгоритмічної та обчислювальної реалізації, що не дозволяє синтезувати якісні програмні та апаратні засоби статистичної обробки. Окрім того, наявність кореляційних зв’язків досліджуваних вибіркових значень суттєво ускладнює алгоритмічну реалізацію. Аналіз досліджень, які проводяться останнім часом засвідчив, що для знаходження оцінок невідомих параметрів сигналів, які приймаються на фоні негаусових завад, можливо використовувати інший перспективний підхід. Такий підхід базується на використанні чисельних характеристик опису випадкових процесів, а саме моментних і кумулянтних функцій вищих порядків, що дозволяє з заданим наближенням описувати статистичні властивості негаусових процесів. У роботі запропоновані нові математичні моделі адитивної взаємодії корисного постійного сигналу та корельованої негаусової завади при застосуванні одномоментних та двохмоментних кумулянтних функцій вищих порядків. Таке представлення надає додаткові можливості не тільки описати параметри та характеристики досліджуваного негаусового процесу, але і врахувати статистичні зв’язки вибіркових значень для побудови якісних алгоритмів оцінювання невідомих параметрів сигналу. На основі обраного підходу отримані моментно-кумулянтні моделі досліджуваних корельованих негаусових процесів, запропоновані нові поліноміальні методи оцінювання невідомого параметра корисного сигналу, що дозволило синтезувати нові обчислювальні алгоритми для обробки статистично залежних негаусових процесів. На основі запропонованих моделей та методів проведено синтез та аналіз обчислювальних алгоритмів оцінювання невідомого параметра постійного сигналу з кращими точністними характеристиками у порівнянні з традиційними результатами. В якості параметра ефективності обиралася дисперсія отриманих оцінок, яка для запропонованих методів є меншою у порівнянні з відомими результатами для традиційних гаусових моделей досліджуваних процесів.