МЕТОД ОБРОБКИ ДАНИХ В УМОВАХ СКЛАДНОГО ШУМОВОГО ОТОЧЕННЯ
Анотація
Анотація – запропоновано метод обробки даних в умовах складного шумового оточення, який ґрунтується на методі узагальненої максимальної правдоподібності та «супермножині» вартісних функцій. Ідея методу полягає в налаштуванні процесу обробки даних на поточне шумове оточення шляхом встановлення значень трьох вільних параметрів, пов’язаних з масштабом, важкістю «хвостів» й формою закону розподілу шуму, а також з фактом наявності аномальних значень. У загальному випадку запропонований метод вимагає рішення задачі оптимізації з неунімодальною цільовою функцією та пошуку відповідного локального мінімуму. Представлені результати порівняння ефективності запропонованого методу з методами арифметичного усереднення, медіанної, міріадної та меридіанної фільтрацій.
DATA PROCESSING METHOD FOR COMPLEX NOISE ENVIRONMENT
The use of the robust method of M-estimation to data processing under conditions of complex noise environment is complicated by the problem of choosing a cost function that should provide the best solution. To eliminate this shortcoming, it is proposed to use a "superset" of cost functions, which enables the generation of cost functions in a wide range of their properties by setting the corresponding values of three free parameters.
Objective. The purpose of this work is to develop a method of data processing, which is based on the method of generalized maximum likelihood and "superset" of cost functions and which is intended for data processing in conditions of complex noise environment.
Method. The proposed method of data processing under conditions of complex noise environment is based on the method of generalized maximum likelihood and "superset" of cost functions. The idea of the method is to tune the data processing onto the current noise environment by setting the values of three free parameters, which are related to the scale, the heaviness of tails and the form of noise distribution law, as well as the fact of the presence of abnormal values. In the general case, the proposed method requires a solution of the optimization problem with a non-unimodal objective function and finding the appropriate local minimum.
Results. The simulation of the problem of estimating the location parameter of the processed data for various examples of complex noise environment confirmed the performance of the proposed method.
The proposed method can be used to data processing under conditions of complex noise environment by adjusting its free parameters. If the noise environment is simple and has known statistical characteristics, the proposed method leads to the optimal estimates for them. If the noise environment is complex and does not have a complete statistical description, the proposed method allows to obtain estimates that are more effective than those of arithmetic averaging, median, myriad and meridian filtering.
