The 10 reference contexts in paper V. Hohlov K., В. Хохлов К. (2016) “Начальные регрессионные статистические характеристики интервалов между нулями случайных процессов // The Initial Regression Statistical Characteristics of Intervals Between Zeros of Random Processes” / spz:neicon:technomag:y:2014:i:9:p:132-147

  1. Start
    1975
    Prefix
    Динамический диапазон изменения частотных и временных параметров сигналов может лежать в пределах 40 – 60 дБ, поэтому в большинстве случаев, когда анализируемые параметры нецентрированы, в системах БЛ невозможно проведение ковариационных оценок. В
    Exact
    [1]
    Suffix
    , с учетом специфики АИС, обоснованы регрессионные алгоритмы обработки нецентрированных параметров сигналов и помех, использующие в качестве априорной информации начальные моменты случайных параметров сигналов.
    (check this in PDF content)

  2. Start
    2395
    Prefix
    В [1], с учетом специфики АИС, обоснованы регрессионные алгоритмы обработки нецентрированных параметров сигналов и помех, использующие в качестве априорной информации начальные моменты случайных параметров сигналов. Известны работы, посвященные использованию интервалов между нулями случайных процессов для решения задач оценок параметров случайных процессов. В
    Exact
    [2]
    Suffix
    исследуются распределения вероятностей интервалов между нулями случайных процессов для получения сведений о случайном процессе. В [3] анализируются гистограммы распределения интервалов между нулями для оценки частоты синусоидального сигнала на фоне шума.
    (check this in PDF content)

  3. Start
    2533
    Prefix
    Известны работы, посвященные использованию интервалов между нулями случайных процессов для решения задач оценок параметров случайных процессов. В [2] исследуются распределения вероятностей интервалов между нулями случайных процессов для получения сведений о случайном процессе. В
    Exact
    [3]
    Suffix
    анализируются гистограммы распределения интервалов между нулями для оценки частоты синусоидального сигнала на фоне шума. Актуальными являются вопросы обнаружения и распознавания случайных процессов в АИС БЛ.
    (check this in PDF content)

  4. Start
    5053
    Prefix
    Очень часто при реализации регрессионных систем в качестве априорной информации используются множественные начальные регрессионные представления одного нецентрированного отсчета случайной функции ix на 1n остальных, т. е. используется линейное преобразование вида
    Exact
    [1]
    Suffix
       n k1ki xiikkx  . В такой постановке задачи для положительно определенной матрицы K из (1) следует, что коэффициенты начальной регрессии (КНР) будут иметь вид ii ik ik   , (2) где iiik,— элементы матрицы Λ.
    (check this in PDF content)

  5. Start
    9273
    Prefix
    Ковариационный момент центрированных случайных величин 0 1 и 0 2 можно записать как  00 11221111122 0 1 C,{[MMMMttt              1111211112 0 11
    Exact
    [ 1 ]
    Suffix
    }  ttttMMt 112 0 1112111,[ 1 ]  tBMtttt ],0,,211121tBtBtB, (7) где ,tB – корреляционная функция случайной фазы процесса tx. (В (7) усреднение осуществляется по случайной фазе и по случайному интервалу  между нулями стационарного случайного процесса.
    (check this in PDF content)

  6. Start
    9325
    Prefix
    Ковариационный момент центрированных случайных величин 0 1 и 0 2 можно записать как  00 11221111122 0 1 C,{[MMMMttt              1111211112 0 11[ 1 ]}  ttttMMt 112 0 1112111,
    Exact
    [ 1 ]
    Suffix
      tBMtttt ],0,,211121tBtBtB, (7) где ,tB – корреляционная функция случайной фазы процесса tx. (В (7) усреднение осуществляется по случайной фазе и по случайному интервалу  между нулями стационарного случайного процесса.
    (check this in PDF content)

  7. Start
    13403
    Prefix
    В доплеровских системах ближней локации с узкими диаграммами направленности антенн приемо-передающего тракта относительная ширина полосы доплеровского сигнала, при прочих равных условиях, не зависит от относительной скорости, т. е. от средней частоты 0, а определяется пространственно–геометрическими свойствами объектов и параметрами приемопередающего тракта
    Exact
    [1]
    Suffix
    . Вычислительный эксперимент Вычислительный эксперимент проводился на ПК типа Intel L(R) Core™ Duo CPU E7300@2,66GГц, 3,25 ОЗУ. По полученным зависимостям (15) и (17-19), проведены расчеты корреляционной функции фазы и КНР для гауссова и прямоугольного энергетических спектров случайных процессов с различными значениями относительной ширины полосы .
    (check this in PDF content)

  8. Start
    15677
    Prefix
    Величина КНР 21/ инвариантна к средней частоте энергетического спектра процесса и его дисперсии. Установленные свойства КНР 21/ обусловливают возможность его использования в качестве априорной информации при реализации временных регрессионных способов обработки сигналов
    Exact
    [1]
    Suffix
    , инвариантных к средней частоте и дисперсии входных реализаций. Используя длительности интервалов между нулями, можно оценить среднюю частоту энергетического спектра стационарной входной реализации.
    (check this in PDF content)

  9. Start
    18236
    Prefix
    в АИС БЛ, решающих задачи обнаружения и распознавания сигналов, когда принятие решения осуществляется в условиях неизвестных математических ожиданий на ограниченном интервале наблюдения и невозможно предсказание параметров сигналов по центральным регрессионным зависимостям. Научная новизна В разделе регрессионный анализ классической теории математической статистики
    Exact
    [5]
    Suffix
    рассматриваются регрессионные зависимости центрированных случайных параметров при известных математических ожиданиях. В современных работах [6-10], посвященных регрессионным методам оценивания статистических зависимостей, также рассматриваются центрированные информативные параметры сигналов.
    (check this in PDF content)

  10. Start
    18379
    Prefix
    Научная новизна В разделе регрессионный анализ классической теории математической статистики [5] рассматриваются регрессионные зависимости центрированных случайных параметров при известных математических ожиданиях. В современных работах
    Exact
    [6-10]
    Suffix
    , посвященных регрессионным методам оценивания статистических зависимостей, также рассматриваются центрированные информативные параметры сигналов. В статье обоснованы начальные регрессионные статистические характеристики интервалов между нулями реализаций случайных процессов, исследованы их свойства.
    (check this in PDF content)