Обґрунтування ефективності перестановки часових сегментів при багаторівневому методі оптимізації ансамблів сигналів

Ключові слова: ансамблі сигналів, квазіортогональні послідовності, кореляція, ансамблеві характеристики, амплітуда, телекомунікаційні системи, оптимізація, канал зв’язку, радіозв’язок, завадостійкість, частотний спектр, частотна та часова область

Анотація

У статті запропоновано багаторівневий метод оптимізації тривалості часових сегментів ансамблів сигналів, який базується на поєднанні алгоритмів градієнтного спуску та Левенберга–Марквардта і забезпечує адаптивне налаштування параметрів обробки сигналів з урахуванням взаємокореляційної структури та енергетичних характеристик. В межах реалізації запропонованого методу експериментально проаналізовано два підходи до перестановки часових сегментів: метод випадкової перестановки (без урахування кореляційної структури) та метод «найкращого сусіда» (з орієнтацією на мінімізацію взаємної кореляції між сусідніми сегментами). Експериментальне моделювання проведено на п’яти типах квазіортогональних послідовностей (М-послідовності, Касамі, Голда, Фібоначчі, експоненціальні). У результаті доведено, що метод «найкращого сусіда» забезпечує кращі показники взаємної кореляції та ансамблевих властивостей сигналів порівняно з методом випадкових перестановок. Зокрема, досягнуто зниження дисперсії функції взаємної кореляції до 22 % та покращення ансамблевих характеристик в діапазоні 8–12 %. Візуалізація сигналів після перестановки підтверджує впорядковану структуру сигналів і зменшення локальних амплітудних флуктуацій. Отримані результати підтверджують доцільність застосування адаптивного механізму перестановки як одного з основних етапів формування сигнальних ансамблів з удосконаленими кореляційними властивостями. Перспективами подальших досліджень в цьому напрямку є розширення моделі оптимізації з урахуванням нелінійних спотворень каналу передачі та інтеграція алгоритму в системи когнітивного радіозв’язку з динамічним управлінням спектром

Посилання

1. Azami H., Anisheh S. M., Hassanpour H. (2014) An Adaptive Automatic EEG Signal Segmentation Method Based on Generalized Likelihood Ratio. Communications in Computer and Information Science, Vol. 427, 2014, pp 172-180.
2. Azami H., Sanei S., Mohammadi K., Hassanpour H. (2013) A hybrid evolutionary approach tosegmentation of non-stationary signals. Digital Signal Processing, Volume 23, Issue 4, July 2013, pp. 1103-1114.
3. Hyvarinen А., Ojaet E. (2000) Independent component analysis: algorithms and applications. Neural Networks, Volume 13, Issues 4–5, June 2000, pp. 411-430.
4. Indyk S. V., Lysechko V. P. (2020) The formation method of complex signals ensembles with increased volume based on the use of frequency bands. Management systems, navigation and communication. Poltava: National University "Poltava Polytechnic Institute n.a. Yuri Kondratiuk", V. 4(62), 2020, pp. 119-121.
5. Indyk S. V., Lysechko V. P., Kulagin D. O., Zhuchenko О. S., Kovtun І. V. (2022) The study of the cross-correlation properties of complex signals ensembles obtained by filtered frequency elements permutations. Radio Electronics, Computer Science, Control. National University «Zaporizhzhia Polytechnic», Issue 2 (61), 2022, pp. 15-23.
Опубліковано
2025-06-16
Як цитувати
Веклич, О. К., & Дробик, О. В. (2025). Обґрунтування ефективності перестановки часових сегментів при багаторівневому методі оптимізації ансамблів сигналів. КОМП’ЮТЕРНО-ІНТЕГРОВАНІ ТЕХНОЛОГІЇ: ОСВІТА, НАУКА, ВИРОБНИЦТВО, (59), 303-312. https://doi.org/10.36910/6775-2524-0560-2025-59-38