Кумулянтные модели и полиномиальные методы обнаружения сигналов при аддитивном взаимодействии с коррелированными негауссовыми помехами

Abstract

Предложены модели и методы обработки статистически зависимых случайных величин для синтеза и анализа полиномиальных алгоритмов обнаружения сигналов на фоне негауссовых коррелированных помех при моментно-кумулянтном описании случайных процессов. Показано, что нелинейная обработка выборочных значений и учет параметров негауссового распределения статистически зависимых случайных величин позволяет повысить эффективность полиномиальных решающих правил и уменьшить вероятность появления ошибок первого и второго рода по сравнению с известными результатами.

Запропоновано моделі і методи обробки статистично залежних випадкових величин для синтезу і аналізу поліноміальних алгоритмів виявлення сигналів на фоні негаусових корельованих завад при моментно-кумулянтному описі випадкових процесів. Показано, що нелінійна обробка вибіркових значень і врахування параметрів негаусового розподілу статистично залежних випадкових величин дозволяє підвищити ефективність поліноміальних розв’язувальних правил і зменшити ймовірність виникнення помилок першого і другого роду в порівнянні з відомими результатами.

The models and methods of processing statistically dependent random variables for the synthesis and analysis of polynomial algorithms for signals detection on the background of correlated non-Gaussian noise under the moment-cumulant description of random processes are developed. It is shown that the nonlinear processing of sample values and account of the parameters of non-Gaussian distributions of statistically dependent random variables can improve the efficiency of polynomial decision rules that is a decrease of the probability of errors of the first and second kind, as compared with well-known results.