Восстановление дискретной последовательности сигнала на основе модели скользящего среднего и оценки корреляционной связи отсчетов при прямом и обратном прогнозировании
- Авторы: Якимов В.Н1
-
Учреждения:
- Самарский государственный технический университет (СамГТУ)
- Выпуск: Том 23, № 3 (2024)
- Страницы: 766-800
- Раздел: Цифровые информационно-коммуникационные технологии
- URL: https://journal-vniispk.ru/2713-3192/article/view/265777
- DOI: https://doi.org/10.15622/ia.23.3.5
- ID: 265777
Цитировать
Полный текст
Аннотация
Об авторах
В. Н Якимов
Самарский государственный технический университет (СамГТУ)
Email: yvnr@hotmail.com
улица Молодогвардейская 244
Список литературы
- Zhang T., Ren J., Li J., Nguyen L.H., Stoica P. Joint RFI Mitigation and Radar Echo Recovery for One-Bit UWB Radar // Signal Processing. 2022. vol. 193. no. 108409.
- Mardani D., Atia G.K., Abouraddy A.F. Signal Reconstruction from Interferometric Measurements under Sensing Constraints // Signal Processing. 2019. vol. 155. pp. 323–333.
- Zhang Y., Yong G. Source Number of Single-Channel Signals Intelligent Estimation via Signal Reconstruction // Digital Signal Processing. 2023. vol. 140(16). no. 104100.
- Семченков С.М., Жбанов И.Л., Абраменков А.В., Коваленков А.Н., Макаров М.С., Печенев Е.А. Методы обеспечения устойчивости восстановления сигнала в радиолокационных измерениях // Электромагнитные волны и электронные системы. 2020. Т. 25. № 5. С. 50−66.
- Amini F., Hedayati Y., Zanddizari H. Exploiting the Inter-Correlation of Structural Vibration Signals for Data Loss Recovery: A Distributed Compressive Sensing Based Approach // Mechanical Systems and Signal Processing. 2021. vol. 152. no. 107473.
- Thadikemalla V.S.G., Gandhi A.S. A Data Loss Recovery Technique Using Compressive Sensing for Structural Health Monitoring Applications // KSCE Journal of Civil Engineering. 2018. vol. 22. no. 12. pp. 5084–5093.
- Li Y., Tse P.W., Wang X. Recovery of Vibration Signal Based on a Super-Exponential Algorithm // Journal of Sound and Vibration. 2008. vol. 311. no. 1-2. pp. 537–553.
- Liu F., Zhang A., Du R., Xu J., Hu Z. HTR-CTO Algorithm for Wireless Data Recovery // Information Sciences. 2022. vol. 587. pp. 515–534.
- Yang L., Wang H., Qian H. An ADMM-ResNet for Data Recovery in Wireless Sensor Networks with Guaranteed Convergence // Digital Signal Processing. 2021. vol. 111. no. 102956.
- Wu H., Xian J., Wang J., Khandge S., Mohapatra P. Missing Data Recovery Using Reconstruction in Ocean Wireless Sensor Networks // Computer Communications. 2018. vol. 132. pp. 1–9.
- Поршнев С.В., Кусайкин Д.В. Восстановление неравномерно дискретизированных сигналов с неизвестными значениями координат узлов временной сетки // Успехи современной радиоэлектроники. 2015. № 6. С. 3–35.
- Khan N.A., Ali S. Robust Sparse Reconstruction of Signals with Gapped Missing Samples from Multi-Sensor Recordings // Digital Signal Processing. 2022. vol. 123. no. 103392.
- Aceska R., Bouchot J.-L., Li S. Local Sparsity and Recovery of Fusion Frame Structured Signals // Signal Processing. 2020. vol. 174. no. 107615.
- Stankovic L., Stankovic S., Amin M. Missing samples analysis in signals for applications to L-estimation and compressive sensing // Signal Processing. 2014. vol. 94. pp. 401–408.
- Aldroubi A., Leonetti C. Non-Uniform Sampling and Reconstruction from Sampling Sets with Unknown Jitter // Sampling Theory in Signal and Image Processing. 2008. vol. 7. no. 2. pp. 187–195.
- Nordio A., Chiasserini C-F., Viterbo E. Signal Reconstruction Errors in Jittered Sampling // IEEE Transactions on signal Processing. 2009. vol. 57. no. 12. pp. 4711–4718.
- Maymon S., Oppenheim A.V. Sinc Interpolation of Nonuniform Samples // IEEE Transactions on Signal Processing. 2011. vol. 59. no. 10. pp. 4745–4758.
- Andras I., Dolinsky P., Michaeli L., Saliga J. A Time Domain Reconstruction Method of Randomly Sampled Frequency Sparse Signal // Measurement. 2018. vol. 127. pp. 68–77.
- Cui A, Zhang L., He H., Wen M. A Truncated Approximate Difference Algorithm for Sparse Signal Recovery // Digital Signal Processing. 2023. vol. 141. no. 104191.
- Bilinskis I. Digital Alias-free Signal Processing // Wiley. 2007. 454 p.
- Eamaz A., Yeganegi F., Soltanalian M. Covariance Recovery for One-Bit Sampled Stationary Signals with Time-Varying Sampling Thresholds // Signal Processing. 2023. vol. 206. no. 108899.
- Якимов В.Н., Машков А.В. Знаковый алгоритм анализа спектра амплитуд и восстановления гармонических составляющих сигналов в условиях присутствия некоррелированных фоновых шумов // Научное приборостроение. 2017. Т. 27. № 2. С. 83–90.
- Wanga P., Yanga H., Yea Z. 1-Bit direction of arrival estimation via improved complex-valued binary iterative hard thresholding // Digital Signal Processing. 2022. vol. 120. no. 103265.
- Guoa L.-B., Donga C.-X., Donga Y.-Y., Sunb T., Maoa Y. One-bit LFM signal recovery: A consistency algorithm with one-sided weighted quadratic penalty // Digital Signal Processing. 2022. vol. 127. no. 103575.
- Якимов В.Н., Машков А.В. Цифровое оценивание моментов корреляционной функции на основе знакового аналого-стохастического квантования случайного процесса // Измерительная техника. 2016. № 1. С. 11–13.
- Lu Y.M., Vetterli M. Multichannel Sampling with Unknown Gains and Offsets: A Fast Reconstruction Algorithm // Proc. of Allerton Conference on Communication, Control and Computing. 2010. 7 p.
- Choe C.-G., Pak J.-H., Rim C.-S. Joint. Near-Isometry and Optimal Sparse Recovery: Nonuniform Recovery from Multi-Sensor Measurements // Signal Processing. 2023. vol. 208. no. 108980.
- Liu N., Tao R., Wang R., Deng Y., Li N., Zhao S. Signal Reconstruction from Recurrent Samples in Fractional Fourier Domain and Its application in Multichannel SAR // Signal Processing. 2017. vol. 131. pp. 288–299.
- Wang H., Yang S., Liu Y., Li Q. Compressive Sensing Reconstruction for Rolling Bearing Vibration Signal Based on Improved Iterative Soft Thresholding Algorithm // Measurement. 2023. vol. 210. no. 112528.
- Sejdic E., Orovic I., Stankovic S. Compressive sensing meets time-frequency: An overview of recent advances in time-frequency processing of sparse signals // Digital Signal Processing. 2018. vol. 77. pp. 22–35.
- Tang Q., Jiang Y., Xin J., Liao G., Zhou J. Yang X. A Novel Method for the Recovery of Continuous Missing Data Using Multivariate Variational Mode Decomposition and Fully Convolutional Networks // Measurement. 2023. vol. 220. no. 113366.
- Жукова Н.А., Соколов И.С. Метод восстановления структуры группового телеметрического сигнала на основе графовой модели // Труды СПИИРАН. 2010. vol. 2(13). C. 45–66.
- Khan N.A., Ali S. Reconstruction of gapped missing samples based on instantaneous frequency and instantaneous amplitude estimation // Signal Processing. 2022. vol. 193. no. 108429.
- Dokuchaev N. On Recovery of Discrete Time Signals from Their Periodic Subsequences // Signal Processing. 2019. vol. 162. pp. 180–188.
- Annaby M.H., Al-Abdi I.A., Abou-Dina M.S., Ghaleb A.F. Regularized Sampling Reconstruction of Signals in the Linear Canonical Transform Domain // Signal Processing. 2022. vol. 198. no. 108569.
- Yue C., Liang J., Qu B., Han Y., Zhu Y., Crisalle O.D. A Novel Multiobjective Optimization Algorithm for Sparse Signal Reconstruction // Signal Processing. 2020. vol. 167. no. 107292.
- Wijenayake C., Scutts J., Ignjatovic A. Signal recovery algorithm for 2-level amplitude sampling using chromatic signal approximations // Signal Processing. 2018. vol. 153. pp. 143–152.
- Катковник В.Я. Непараметрическая идентификация и сглаживание данных: метод локальной аппроксимации // М.: Главная редакция физико-математической литературы. 1985. 336 с.
- Якимов В.Н. Восстановление дискретной временной последовательности сигнала на основе локальной аппроксимации с использованием ряда Фурье по ортогональной системе тригонометрических функций // Информатика и автоматизация. 2022. Т. 21. № 5. С. 1016–1043.
- Marple S.L.Jr. Digital Spectral Analysis: Second Edition // Mineola, New York: Dover Publications, Inc. 2019. 409 p.
- Proakis J.G., Manolakis D.G. Digital Signal Processing // Pearson Education Limited, 2014. 1014 p.
- ГОСТ Р 8.883-2015 Государственная система обеспечения единства измерений. Программное обеспечение средств измерений. Алгоритмы обработки, хранения, защиты и передачи измерительной информации. Методы испытаний. Введ. 2016-03-01. М.: Стандартинформ, 2018. 19 с.
- ГОСТ Р 51904-2002 Программное обеспечение встроенных систем. Общие требования к разработке и документированию. Введ. 2003-07-01. М.: Госстандарт России, 2005. 63 с.
- ГОСТ 8.654-2015 Государственная система обеспечения единства измерений. Требования к программному обеспечению средств измерений. Основные положения. Введ. 2016-03-01. М.: Стандартинформ, 2015. 11 с.
- Yakimov V.N., Gorbachev O.V. Firmware of the Amplitude Spectrum Evaluating System for Multicomponent Processes // Instruments and Experimental Techniques. 2013. vol. 56. no. 5. pp. 540–545.
- Yakimov V.N., Zaberzhinskij B.E., Mashkov A.V., Bukanova Yu.V. Multi-threaded Approach to Software High-speed Algorithms for Spectral Analysis of Multi-component Signals // XXI International Conference Complex Systems: Control and Modeling Problems (CSCMP). 2019. IEEE. pp. 698–701.
- Якимов В.Н., Машков А.В., Желонкин А.В. Специализированное программное обеспечение измерительной системы для оперативного оценивания спектрального состава многокомпонентных процессов // Программные продукты и системы. 2019. Т. 32. № 1. С. 159–166.
- ГОСТР 57700.22-2020 Компьютерные модели и моделирование. Классификация. Введ. 2021-06-01. М.: Стандартинформ, 2020. 7 с.
Дополнительные файлы
