ANALYTICAL METRIC GRIDS FOR STATISTICAL AND SPECTRAL COMPLEXITY DIAGRAMS

Capa

Citar

Texto integral

Acesso aberto Acesso aberto
Acesso é fechado Acesso está concedido
Acesso é fechado Somente assinantes

Resumo

The paper is devoted to the study of statistical and spectral complexity diagrams, which play an important role in solving the signal classification task. Lemmas on the construction of analytical metric grids for statistical and spectral complexity diagrams are formulated and proved. The obtained theoretical results are verified by numerical experiments, which confirmed the effectiveness of theoretical estimates.

Sobre autores

V. Babikov

Trapeznikov Institute of Control Sciences of the Russian Academy of Sciences

Email: babikov@ipu.ru
Moscow

A. Galyaev

Trapeznikov Institute of Control Sciences of the Russian Academy of Sciences

Email: galaev@ipu.ru
Moscow

Bibliografia

  1. Ronald L.A., Duncan W.M. Signal Analysis: Time, Frequency, Scale, and Structure. Piscataway, NJ: IEEE Press, 2004.
  2. Ширяев А.Н. Вероятностно-статистические методы в теории принятия решений. М.: МЦНМО, 2020.
  3. Бабиков В.Г., Галяев А.А. Диаграммы статистической и спектральной сложности // Пробл. передачи информ. 2024. Т. 60. № 2. С. 25–35. https://doi.org/10.31857/S0555292324020037
  4. Mehrotra K.G., Mohan C.K., Huang H.-M. Anomaly Detection Principles and Algorithms. Cham: Springer, 2017. https://doi.org/10.1007/978-3-319-67526-8
  5. Галяев А.А., Лысенко П.В., Берлин Л.М. Статистическая сложность как критерий задачи обнаружения полезного сигнала // Автомат. и телемех. 2023. № 7. С. 121–145. https://www.mathnet.ru/rus/at16133
  6. Berlin L.M., Galyaev A.A., Lysenko P.V. Comparison of Information Criteria for Detection of Useful Signals in Noisy Environments // Sensors. 2023. V. 23. № 4. P. 2133 (17 pp.). https://doi.org/10.3390/s23042133
  7. Галяев А.А., Бабиков В.Г., Лысенко П.В., Берлин Л.М. Новая спектральная мера сложности и ее возможности по обнаружению сигналов в шуме // Докл. РАН. Матем., информ., процессы упр. 2024. Т. 518. С. 80–88. https://doi.org/10.31857/S2686954324040122
  8. Galyaev A.A., Babikov V.G., Lysenko P.V., Berlin L.M. Addition to the Article “A New Spectral Measure of Complexity and Its Capabilities for Detecting Signals in Noise” // Dokl. Math. 2024. V. 110. № 1. P. 369–371. https://doi.org/10.1134/S1064562424702247
  9. Галяев А.А., Берлин, Л.М., Лысенко П.В., Бабиков В.Г. Порядковые статистики нормированного спектрального распределения для обнаружения слабых сигналов в белом шуме // Автомат. и телемех. 2024. № 12. С. 49–69. https://doi.org/10.31857/S0005231024120039
  10. Бабиков О.В., Лысенко П.В., Берлин Л.М. Информационные характеристики в задачах обнаружения // Тр. 66-й Всеросс. научной конф. МФТИ “Радиотехника и компьютерные технологии” (Москва 2024). М: Физматкнига, 2024. С. 45–50.
  11. Andrienko Yu.A., Brilliantov N.V., Kurths J. Complexity of Two-Dimensional Patterns // Eur. Phys. J. B. 2012. V. 15. № 3. P. 539–546. https://doi.org/10.1007/s100510051157
  12. Feldman D.P., Crutchfield J.P. Structural Information in Two-Dimensional Patterns: Entropy Convergence and Excess Entropy // Phys. Rev. E. 2003. V. 67. № 5. P. 051104 (9 pp.). https://doi.org/10.1103/PhysRevE.67.051104
  13. Bandt C., Wittfeld K. Two New Parameters for the Ordinal Analysis of Images // Chaos. 2023. V. 33. № 4. P. 043124 (12 pp.). https://doi.org/10.1063/5.0136912
  14. Kottlarz I., Parlitz U. Ordinal Pattern-Based Complexity Analysis of High-Dimensional Chaotic Time Series // Chaos. 2023. V. 33. № 5. P. 053105 (11 pp.). https://doi.org/10.1063/5.0147219
  15. Babikov V.G., Galyaev A.A. Analytical Representation of Complexity Diagrams // Probl. Inf. Transm. 2025. V. 61. № 1. P. 27–40. https://doi.org/10.1134/S003294602501003X

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
Baixar

Declaração de direitos autorais © Russian Academy of Sciences, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».