Please use this identifier to cite or link to this item:
Title: Полимодели линейного предсказания гауссовых и негауссовых случайных процессов
Authors: Кудрявцева, Н. В.
Keywords: полімоделі лінійного передбачення
мономодели лінійного передбачення
мультиплікативні полімоделі
адитивні полімоделі
негаусові процеси
параметричні оцінки спектральної щільності
моментні й кумулянтні функції
linear prediction polymodels
linear prediction
multiplicative polymode
additive polymodels
non-Gaussian processes
parametrical estimation of power spectrum density
Issue Date: 2014
Publisher: Харьк. нац. ун-т радиоэлектроник
Citation: Кудрявцева, Н. В. Полимодели линейного предсказания гауссовых и негауссовых случайных процессов : автореф. дис. ... канд. физ.-мат. наук : 01.04.03 "Радиофизика" / Н. В. Кудрявцева ; Харьк. нац. ун-т радиоэлектроники. – Х., 2014. – 193 с.
Abstract: У дисертаційній роботі вирішена актуальна науково-прикладна задача створення нових класів моделей лінійного передбачення складених гаусових і негаусових випадкових процесів. Нові класи полімоделей враховують статистичні характеристики другого або вищих порядків і можуть бути використані у прикладних задачах для їхнього використання в прикладних задачах статистичної радіофізики. На основі розробленої теорії полімоделей лінійного передбачення отримано ефективні методи параметричного оцінювання спектральних щільностей другого й вищих порядків негаусових процесів. Застосування адитивних і мультиплікативних моделей підвищує роздільну здатність параметричного спектрального аналізу. Спектральний аналіз на основі адитивних і мультиплікативних моделей дозволяє факторизувати параметричні СЩП, що відкриває нові можливості спектрального аналізу процесів.This thesis is devoted to solve the research-applied problem and create some new classes of linear prediction models of Gaussian and non-Gaussian processes. These models take into account their statistical characteristics of the second and higher orders for their use in applied tasks. The linear prediction polymodels presented by multiplicative and additive classes of models were received for the first time. Polymodels make it possible to construct not only more appropriate statistical model of stochastic processes, but significantly expand the possibilities of modeling, increase the efficiency of processing systems for stochastic processes and signals in a number of important cases, make the resolution capability of parametrical spectral estimations more accurate. Multiplicative and additive models also allow to represent complex models in the form of a set of simple models, to decompose (factorize) a multimode spectrum into separate components. Such approach in a number of applied tasks gives the opportunity to describe analyzed processes more accurately.
Appears in Collections:Автореферати

Files in This Item:
File Description SizeFormat 
KudryavcevaNV.doc1.14 MBMicrosoft WordView/Open

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.