Неканоническая спектральная модель многомерных однородных случайных полей

Предложены оценки энергетических спектров многомерных однородных случайных полей в виде моделей конечных смесей стандартных спектров. Алгоритм обучения этих моделей демонстрирует улучшенные свойства сходимости для вырожденных спектров и малых межклассовых расстояний в частотном пространстве, а также малых объемов экспериментальных данных. На этой основе представлены неканонические модели однородных случайных полей в виде суммы статистически независимых пространственных гармоник со случайными амплитудами и частотами. Альтернативное представление многомерного спектра выборкой случайных частот позволило предложить эффективные в вычислительном отношении алгоритмы цифрового синтеза изображений фонов и подстилающих поверхностей с топологией спектральных оценок, адекватных экспериментальным данным. Алгоритмы свободны от упрощающих допущений относительно способа дискретизации поля и функционального вида спектральной плотности мощности.

Ключевые слова

Получено

09.01.2019

Дата публикации

09.01.2019

Цитировать Скачать pdf Для скачивания PDF необходимо авторизоваться

ГОСТ	Лабунец Л. В. , Борзов А. Б. Неканоническая спектральная модель многомерных однородных случайных полей // Известия Российской академии наук. Теория и системы управления – 2018. – Номер 6 C. 45-63 [Электронный ресурс]. URL: http://ras.jes.su/tisu/s000233880003492-0-1 (дата обращения: 27.04.2024). DOI: 10.31857/S000233880003492-0
MLA	Labunets, L., Borzov, A. "Noncanonical spectral model of multidimensional homogeneous random fields." Izvestiia Rossiiskoi akademii nauk. Teoriia i sistemy upravleniia 6 (2018):45-63. DOI: 10.31857/S000233880003492-0
APA	Labunets L., Borzov A. (2018). Noncanonical spectral model of multidimensional homogeneous random fields. Izvestiia Rossiiskoi akademii nauk. Teoriia i sistemy upravleniia (6), pp.45-63 DOI: 10.31857/S000233880003492-0

Размещенный ниже текст является ознакомительной версией и может не соответствовать печатной.

всего просмотров: 1203

Оценка читателей: голосов 0

1. Лабунец Л. В. Рандомизированные спектральные модели многомерных случайных полей / Учеб. пособие. М.: МГТУ им. Н.Э. Баумана, 2005. 68 с.

2. Шалыгин А.С., Палагин Ю.И. Прикладные методы статистического моделирования. Л.: Машиностроение, 1986. 320 с.

3. Расщепляев Ю.С., Фандиенко В.Н. Синтез моделей случайных процессов для исследования автоматических систем управления. М.: Энергия, 1981. 89 с.

4. Айвазян С.А., Бухштабер В.М., Енюков Н.С., Мешалкин Л.Д. Прикладная статистика: Классификация и снижение размерности: Справ. изд. М.: Финансы и статистика, 1989. 607 с.

5. Пугачев В.С. Теория случайных функций и ее применения к задачам автоматического управления. М.: Физматгиз, 1962. 883 с.

6. Сергеев Г.А., Янутш Д.А. Статистические методы исследования природных объектов. Л.: Гидрометеоиздат, 1973. 310 с.

7. Загородников А.А. Радиолокационная съемка морского волнения с летательных аппаратов. Л.: Гидрометеоиздат, 1978. 315 с.

8. Янутш Д.А. Дешифрирование аэрокосмических снимков. М.: Недра, 1991. 240 с.

9. Дикинис А.В., Иванов А.Ю., Карлин Л.Н. Атлас аннотированных радиолокационных изображений морской поверхности, полученных космическим аппаратом «АЛМАЗ-1». М.: ГЕОС, 1999. 116 с.

10. Бондур В.Г., Замшин В.В. Космический радиолокационный мониторинг морских акваторий в районах добычи и транспортировки углеводородов // Аэрокосмический мониторинг объектов нефтегазового комплекса / Под ред. В.Г. Бондура. М.: Научный мир, 2012. 558 с.

11. Лабунец Л.В. Параметрическое моделирование однородных случайных полей, измеренных на дискретном растре // Электронное моделирование. 1991. Т. 13. № 3. С. 10–13.

12. Ермаков С.М., Михайлов Г.А. Курс статистического моделирования. М.: Наука, 1982. 296 с.

13. Лабунец Л.В., Мусьяков М.П. Параметрическая модель однородных анизотропных случайных полей // Изв. АН СССР. Техн. кибернетика. 1988. № 3. С. 191–199.

14. De Groot M.H. Optimal Statistical Decisions. N. Y.: McGraw-Hill Company, 1970. 391 p.

15. Tou J.T., Gonzalez R.C. Pattern Recognition Principle. London: Addison — Wesley P.C., 1974. 411 p.

16. Makhoul J. Linear Prediction: A Tutorial Review // Proc. IEEE. 1975. V. 63, № 4. P. 561–580.

17. Frost O.L. High-resolution 2D Spectral analysis at low SNR // Proc. IEEE Intern. Conf. on Acoustics, Speech, and Processing. Denver (C.O.), 1980. V. 2. P. 580–583.

18. Лабунец Л.В. Моделирование случайного поля методом прямого и обратного линейного предсказывания // Электронное моделирование. 1989. Т. 11. № 6. С. 98–100.

19. Лабунец Л.В. Рандомизация многомерных распределений в метрике Махаланобиса // РЭ. 2000. Т. 45. № 10. С. 1214–1225.

20. Fukunaga K. Introduction to Statistical Pattern Recognition. N. Y.: Acad. Press, 1972. 368 p.

21. Градштейн И.С., Рыжик И.М. Таблицы интегралов, сумм, рядов и произведений / Изд. 4-е, перераб. М.: Физматгиз, 1963. 1100 с.

22. Мешалкин Л.Д. Параметризация многомерных распределений // Ученые записки по статистике: Прикладной многомерный статистический анализ. 1978. Т. 33А. С. 11–18.

23. Geist J.M. Computer Generation of Correlated Gaussian Random Variables // Proc. IEEE. 1979. V. 67. № 5. P. 188–189.

24. Redner R.A., Walker H.F. MIXTURE DENSITIES, MAXIMUM LIKELIHOOD AND THE EM ALGORITHM // SIAM Review. 1984. V. 26. № 2. P. 195–239.

25. Цыпкин Я.З. Основы теории обучающихся систем М.: Наука, 1970. 252 с.

26. http://www.intelligence-airbusds.com/en/5751-image-detail?img=1779& search=gallery&market 27. =0&world=0&sensor=0&continent=0& keyword=terraSAR%20muzafarabad#.WalAhNSLSt9.

27. Лабунец Л.В., Симаков В.В. Структурный анализ сигналов в системах подповерхностной радиолокации // Электромагнитные волны и электронные системы. 2013. Т. 18. № 8. С. 49–68.

28. Лабунец Л.В., Лабунец Н.Л., Чижов М.Ю. Рекуррентные статистики нестационарных временных рядов // РЭ. 2011. Т. 56. № 12. С. 1468–1489.