Введение
Глава 1. Анализ предметной области исследования 11
1.1 Циклостационарные случайные процессы 11
1.2 Задача оценки времени прихода сигнала 14
1.3 Искусственные нейронные сети 18
1.4 Цель и постановка задачи исследования 23
1.5 Выводы по главе 1 25
Глава 2. Циклостационарные свойства случайных процессов 26
2.1 Теоретическое описание циклостационарных случайных процессов 26
2.2 Циклостационарные свойства сигналов с амплитудной модуляцией 30
2.3 Циклостационарные свойства сигналов с амплитудно-импульсной модуляцией 32
2.4 Циклостационарные и взаимные циклостационарные свойства радиосигналов 36
2.4.1 Циклическая спектральная плотность мощности радиосигнала 36
2.4.2 Циклическая взаимная спектральная плотность мощности радиосигнала 40
2.5 Выводы по главе 2 42
Глава 3. Алгоритмы оценки спектральных характеристик циклостационарных сигналов 43
3.1 Метод оценки ЦСПМ на основе усреднения во временной области 43
3.2 Алгоритм 2N-БПФ 47
3.2.1 Теоретическое описание 47
3.2.2 Примеры 52
3.2.3 Оценка вычислительных ресурсов 54
3.3 Блочный алгоритм вычисления усреднённых циклических периодограмм 58
3.3.1 Теоретическое описание 58
3.3.2 Пример 61
3.4 Обнаружение и оценка по методу максимального правдоподобия 63
3.5 Выводы по главе 3 76
Глава 4. Оценка времени задержки циклостационарных сигналов 79
4.1 Модель приема радиосигнала 79
4.2 Определение задержки по собственным и взаимным циклостаци-онарным характеристикам 81
4.3 Формирование взаимных спектральных и взаимных циклических спектральных корреляционных характеристик сигналов 84
4.4 Экспериментальные результаты 91
4.4.1 Результаты имитационного численного моделирования 91
4.4.2 Обработка экспериментальных данных 107
4.5 Выводы по главе 4 113
Глава 5. Оценка направления прихода сигнала 115
5.1 Основы теории нейросетевой обработки данных 115
5.1.1 Общие принципы работы нейронной сети 115
5.1.2 Теория адаптивных элементов 116
5.1.3 Примеры адаптивных элементов 117
5.1.4 Обучение нейронной сети 126
5.2 Определение направления прихода с использованием искусственных нейронных сетей 136
5.2.1 Формирование вектора входных данных 136
5.2.2 Оптимальное решение на основе метода максимального правдоподобия 138
5.2.3 Решение с использованием искусственных нейронных сетей 138
5.2.4 Численное моделирование 140
5.3 Выводы по главе 5 148
Заключение 149
Список сокращений и условных обозначений 151
Список литературы 153
Список рисунков 164
Список таблиц 169
Приложение А. Свидетельства о государственной регистрации программ 170
