The 13 reference contexts in paper P. Klimenchenko V., V. Zhurakovsky N., П. Клименченко В., В. Жураковский Н. (2017) “Авторегрессионный алгоритм Берга для обнаружения целей и определения их скоростей на фоне пассивных помех, основанный на спектральных и статистических различиях целей и помех. // Berg's Autoregressive Algorithm to Detect Targets and Determine Their Velocities in Presence of Passive Interference, Based on Spectral and Statistical Target and Interference Differences” / spz:neicon:radiovega:y:2017:i:4:p:1-15

  1. Start
    2038
    Prefix
    Существует множество методов спектрального оценивания для решения такого рода проблемы. Обычно оценивание спектра случайных или дискретизированных детерминированных процессов обычно выполняется с помощью быстро преобразования Фурье
    Exact
    [1-5]
    Suffix
    . Такой подход к анализу спектра эффективен с точки зрения вычислений и обеспечивает получение приемлемых результатов для большого класса сигнальных процессов. Однако, подходы, основанные на вычислении БПФ, имеют ряд ограничений.
    (check this in PDF content)

  2. Start
    3078
    Prefix
    Существуют два различных класса методов спектрального анализа: классические и параметрические. Одним из самых часто применяемых классических методов является периодограммное оценивание СПМ. Показано в
    Exact
    [6]
    Suffix
    и [7], что среднее значение оценки совпадает с истинной СПМ, а дисперсия оценки не стремится к нулю при стремлении количества отсчетов в бесконечности, ее среднеквадратическое значение при любом N сравнимо со средним значением.
    (check this in PDF content)

  3. Start
    3084
    Prefix
    Существуют два различных класса методов спектрального анализа: классические и параметрические. Одним из самых часто применяемых классических методов является периодограммное оценивание СПМ. Показано в [6] и
    Exact
    [7]
    Suffix
    , что среднее значение оценки совпадает с истинной СПМ, а дисперсия оценки не стремится к нулю при стремлении количества отсчетов в бесконечности, ее среднеквадратическое значение при любом N сравнимо со средним значением.
    (check this in PDF content)

  4. Start
    3853
    Prefix
    При увеличении N качество оценки не улучшается, поскольку мы оцениваем пропорционально увеличивающееся число параметров. Предложен ряд модификаций, суть которых сводится к сглаживанию оценки путем введения псевдоусреднения по некоторому ансамблю
    Exact
    [1]
    Suffix
    ,[6],[8]. Существует так же и другие классические методы. Помимо них часто используют параметрическое оценивание СПМ на основе моделей авторегрессии-скользящего скользящего среднего (АРСС) [4],[8]. Здесь оценка СПМ по наблюдаемым данным может быть сведена к оценке коэффициентов фильтра и дисперсии белого шума.
    (check this in PDF content)

  5. Start
    3857
    Prefix
    При увеличении N качество оценки не улучшается, поскольку мы оцениваем пропорционально увеличивающееся число параметров. Предложен ряд модификаций, суть которых сводится к сглаживанию оценки путем введения псевдоусреднения по некоторому ансамблю [1],
    Exact
    [6]
    Suffix
    ,[8]. Существует так же и другие классические методы. Помимо них часто используют параметрическое оценивание СПМ на основе моделей авторегрессии-скользящего скользящего среднего (АРСС) [4],[8]. Здесь оценка СПМ по наблюдаемым данным может быть сведена к оценке коэффициентов фильтра и дисперсии белого шума.
    (check this in PDF content)

  6. Start
    3861
    Prefix
    При увеличении N качество оценки не улучшается, поскольку мы оцениваем пропорционально увеличивающееся число параметров. Предложен ряд модификаций, суть которых сводится к сглаживанию оценки путем введения псевдоусреднения по некоторому ансамблю [1],[6],
    Exact
    [8]
    Suffix
    . Существует так же и другие классические методы. Помимо них часто используют параметрическое оценивание СПМ на основе моделей авторегрессии-скользящего скользящего среднего (АРСС) [4],[8]. Здесь оценка СПМ по наблюдаемым данным может быть сведена к оценке коэффициентов фильтра и дисперсии белого шума.
    (check this in PDF content)

  7. Start
    4045
    Prefix
    Предложен ряд модификаций, суть которых сводится к сглаживанию оценки путем введения псевдоусреднения по некоторому ансамблю [1],[6],[8]. Существует так же и другие классические методы. Помимо них часто используют параметрическое оценивание СПМ на основе моделей авторегрессии-скользящего скользящего среднего (АРСС)
    Exact
    [4]
    Suffix
    ,[8]. Здесь оценка СПМ по наблюдаемым данным может быть сведена к оценке коэффициентов фильтра и дисперсии белого шума. Оценки СПМ на основе АРСС-модели имеют высокую разрешающую способность в сравнении с классическими процедурами получения оценок СПМ, в которых АКП вне интервала наблюдений полагается нулевой или периодически повторяющейся, что обычно не соответствует поведению реальной АКП.
    (check this in PDF content)

  8. Start
    4049
    Prefix
    Предложен ряд модификаций, суть которых сводится к сглаживанию оценки путем введения псевдоусреднения по некоторому ансамблю [1],[6],[8]. Существует так же и другие классические методы. Помимо них часто используют параметрическое оценивание СПМ на основе моделей авторегрессии-скользящего скользящего среднего (АРСС) [4],
    Exact
    [8]
    Suffix
    . Здесь оценка СПМ по наблюдаемым данным может быть сведена к оценке коэффициентов фильтра и дисперсии белого шума. Оценки СПМ на основе АРСС-модели имеют высокую разрешающую способность в сравнении с классическими процедурами получения оценок СПМ, в которых АКП вне интервала наблюдений полагается нулевой или периодически повторяющейся, что обычно не соответствует поведению реальной АКП.
    (check this in PDF content)

  9. Start
    4835
    Prefix
    Наибольшее внимание специалистов в практическом применении нашли АР-модели, поскольку для них характерны спектры с острыми пиками, что часто связывается с высоким частотным разрешением. Разработан целый набор эффективных алгоритмов нахождения оценок параметров АР-модели, в числе которых алгоритм Берга
    Exact
    [4]
    Suffix
    ,[6],[8],[9],[10]. Алгоритм Берга основан на оценивании АР-параметров по последовательности коэффициентов отражения. Достоинства данного метода: высокая разрешающая способность при анализе коротких сигналов, гарантированная стабильность рассчитанного формирующего фильтра.
    (check this in PDF content)

  10. Start
    4839
    Prefix
    Наибольшее внимание специалистов в практическом применении нашли АР-модели, поскольку для них характерны спектры с острыми пиками, что часто связывается с высоким частотным разрешением. Разработан целый набор эффективных алгоритмов нахождения оценок параметров АР-модели, в числе которых алгоритм Берга [4],
    Exact
    [6]
    Suffix
    ,[8],[9],[10]. Алгоритм Берга основан на оценивании АР-параметров по последовательности коэффициентов отражения. Достоинства данного метода: высокая разрешающая способность при анализе коротких сигналов, гарантированная стабильность рассчитанного формирующего фильтра.
    (check this in PDF content)

  11. Start
    4843
    Prefix
    Наибольшее внимание специалистов в практическом применении нашли АР-модели, поскольку для них характерны спектры с острыми пиками, что часто связывается с высоким частотным разрешением. Разработан целый набор эффективных алгоритмов нахождения оценок параметров АР-модели, в числе которых алгоритм Берга [4],[6],
    Exact
    [8]
    Suffix
    ,[9],[10]. Алгоритм Берга основан на оценивании АР-параметров по последовательности коэффициентов отражения. Достоинства данного метода: высокая разрешающая способность при анализе коротких сигналов, гарантированная стабильность рассчитанного формирующего фильтра.
    (check this in PDF content)

  12. Start
    4847
    Prefix
    Наибольшее внимание специалистов в практическом применении нашли АР-модели, поскольку для них характерны спектры с острыми пиками, что часто связывается с высоким частотным разрешением. Разработан целый набор эффективных алгоритмов нахождения оценок параметров АР-модели, в числе которых алгоритм Берга [4],[6],[8],
    Exact
    [9]
    Suffix
    ,[10]. Алгоритм Берга основан на оценивании АР-параметров по последовательности коэффициентов отражения. Достоинства данного метода: высокая разрешающая способность при анализе коротких сигналов, гарантированная стабильность рассчитанного формирующего фильтра.
    (check this in PDF content)

  13. Start
    4851
    Prefix
    Наибольшее внимание специалистов в практическом применении нашли АР-модели, поскольку для них характерны спектры с острыми пиками, что часто связывается с высоким частотным разрешением. Разработан целый набор эффективных алгоритмов нахождения оценок параметров АР-модели, в числе которых алгоритм Берга [4],[6],[8],[9],
    Exact
    [10]
    Suffix
    . Алгоритм Берга основан на оценивании АР-параметров по последовательности коэффициентов отражения. Достоинства данного метода: высокая разрешающая способность при анализе коротких сигналов, гарантированная стабильность рассчитанного формирующего фильтра.
    (check this in PDF content)