Журналов:     Статей:        

Радиопромышленность. 2021; 31: 37-44

Усовершенствованная версия рангового алгоритма селекции

Моисеев А. А.

https://doi.org/10.21778/2413-9599-2021-31-1-37-44

Аннотация

Постановка проблемы. Синтезируется ранговый алгоритм селекции режимов радиоизлучения для работы в условиях разнородности источников и сложной помеховой обстановки, включая возможное наличие взаимных помех.
Целью синтеза является обеспечение независимости распознавания режимов от частных особенностей наблюдения радиоизлучения. Входом алгоритма является результат первичной обработки информации, в процессе которой оценивается длительность импульсов излучения, динамика его частоты и амплитуды, а также их разброс. На этой основе путем статистической обработки регистрируемой информации формируются исходные решающие статистики — база наблюдаемого сигнала и вариации его частоты и амплитуды. Производные статистики формируются дополнительно на основе исходных путем использования медианно-рекурсивного или максимально рекурсивного сглаживания. Каждая из решающих статистик в рамках многопороговой процедуры трансформируется в строку рангов, размер которой соответствует числу распознаваемых режимов. В совокупности эти строки образуют таблицу (матрицу) ранжирования, каждый из столбцов которой представляет собой дискретное описание опознаваемого режима. Текущая обработка наблюдения при этом состоит в формировании рангов для используемых решающих статистик. Распознавание режима может осуществляться либо в соответствии со столбцами таблицы ранжирования, либо с использованием дополнительной процедуры голосования «два из трех». Альтернативный подход, который рассматривается в статье, состоит в построении манхэттенской метрики рассогласования текущих и эталонных рангов и принятии решения по критерию минимума метрики рассогласования.
Результаты. Изрезанность исходных статистик вызывает значительные ошибки в распознавании и побуждает использовать сглаженные производные, поэтому предпочтительной решающей статистикой является результат максимально рекурсивной фильтрации исходной. Эта фильтрация представляет собой сочетание выбора максимального значения в скользящем окне (скользящий максимум) и последующей рекурсивной фильтрации первого порядка. Решающие статистики трансформируются в набор рангов, используемых для распознавания режима по результатам сравнения с эталоном в форме таблицы ранжирования. Это сравнение состоит в построении манхэттенской метрики рассогласования текущих и эталонных рангов, а решение о распознавании принимается по критерию минимума метрики рассогласования. Пороги для процедуры ранжирования определяются эвристически при построении таблицы ранжирования, а затем используются при формировании текущих рангов для наблюдаемых режимов.
Практическая значимость. Проведенный численный эксперимент показал, что при использовании сглаживающей фильтрации обеспечивается практически безошибочная селекция наблюдаемых режимов. Кроме того, построенный алгоритм селекции допускает возможность естественного расширения для растущей номенклатуры распознаваемых режимов, а также для повышения надежности их распознавания путем введения дополнительных решающих статистик.

Список литературы

1. Azzouz E., Nandi A. Automatic modulation recognition of communication signals. Boston : Kluwer Academic Publishers, 1996. 217 p. ISBN 978-0-7923-9796-0.

2. Franks L. E. Signal theory (Information theory series). NJ, Prentice-Hall, 1969. 318 p. ISBN 978-0138100773.

3. Kline S. J. Similitude and approximation theory. Berlin, Springer, 1986. 304 p. ISBN 978-3642648946.

4. Deza M. M., Deza E. Encyclopedia of Distances. Berlin, Springer, 2009. 590 p. ISBN 978-3-642-00234-2.

5. Tukey J. Exploratory data analysis. Pearson, 1977. 712 p. ISBN-13 : 978-0201076165.

6. Моисеев А. А. Медианно-рекурсивная фильтрация // Радиопромышленность. 2018. № 1. С. 103–109. DOI 10.21778/2413-9599-2018-1-103-109.

7. Smith M. Statistical analysis handbook. Edinbourg, Winchelsea, 2018. 100 p. ISBN 978-1-912556-06-9.

8. Hamming R. W. Digital filters. NJ, Prentice-Hall, 1977. 296 p. ISBN 13 : 9780132125710.

Radio industry (Russia). 2021; 31: 37-44

Improved rank selection algorithm

Moiseev A. A.

https://doi.org/10.21778/2413-9599-2021-31-1-37-44

Abstract

Problem statement. A rank algorithm for selecting radio emission modes for operation in conditions of heterogeneity of sources and complex interference conditions, including the possible presence of mutual interference, is synthesized.
Objective. The synthesis purpose is to ensure the independence of mode recognition from particular features of radio emission observation. Algorithm input is the primary signal processing result that includes such estimations as pulses durability, frequency and amplitude dynamics, and absolute variations. Primary decision statistics are formed using these values: observable signal base and relation variations of frequency and amplitude. Secondary statistics are formed based on primary ones using median and recursive or maximum and recursive smoothing. Each of the decision statistics in the multi-threshold procedure is transformed into a row of ranks, the size of which corresponds to the number of recognized modes. In aggregate, these lines form a ranking table (matrix) with colons representing recognized modes’ discrete descriptions. Fluent observation processing includes rank formation for used decision statistics. Mode recognition is performed either following a ranking table or using an additional voting procedure 2/3. An alternative approach consists of constructing the Manhattan mismatch metric of the current and reference ranks and making a decision on the criterion of the minimum mismatch metric.
Results. Mode recognition performed on results of this comparison using unbalance metrics minimum criterion. Thresholds in frames of the ranking procedure are formed heuristically at ranking table formation. They are then used at fluent rank formation for observable modes. The performed numerical experiment shows that maximal and recursive filtration provides an errorless selection of all observable modes. This filtration represents the composition of maximum selection in sliding window and subsequent recursive first-order filtration. An additional advantage of this filtration is a simpler maximum selection in comparison with the median one. In perspective, it can provide increased operating speed.
Practical implications. Performed consideration shows that rank selection is worthwhile at the observation of heterogeneous irradiation sources. Algorithm strength is decision simplicity in a complex situation. Additional algorithm advantage is the possibility of extending alternative irradiation modes and, hence, for more representative data sets.

References

1. Azzouz E., Nandi A. Automatic modulation recognition of communication signals. Boston : Kluwer Academic Publishers, 1996. 217 p. ISBN 978-0-7923-9796-0.

2. Franks L. E. Signal theory (Information theory series). NJ, Prentice-Hall, 1969. 318 p. ISBN 978-0138100773.

3. Kline S. J. Similitude and approximation theory. Berlin, Springer, 1986. 304 p. ISBN 978-3642648946.

4. Deza M. M., Deza E. Encyclopedia of Distances. Berlin, Springer, 2009. 590 p. ISBN 978-3-642-00234-2.

5. Tukey J. Exploratory data analysis. Pearson, 1977. 712 p. ISBN-13 : 978-0201076165.

6. Moiseev A. A. Medianno-rekursivnaya fil'tratsiya // Radiopromyshlennost'. 2018. № 1. S. 103–109. DOI 10.21778/2413-9599-2018-1-103-109.

7. Smith M. Statistical analysis handbook. Edinbourg, Winchelsea, 2018. 100 p. ISBN 978-1-912556-06-9.

8. Hamming R. W. Digital filters. NJ, Prentice-Hall, 1977. 296 p. ISBN 13 : 9780132125710.