Вы находитесь на странице: 1из 6

Радиотехнические и телекоммуникационные системы, 2015, №1 ISSN 2221-2574

УДК 621.396.13
СРАВНИТЕЛЬНЫЙ АНАЛИЗ АЛГОРИТМОВ АППРОКСИМАЦИИ
ДВУМЕРНЫХ СИГНАЛОВ ПО МЕТОДУ ПРОНИ И МЕТОДУ МАТРИЧНЫХ ПУЧКОВ
Верстаков Евгений Васильевич
кандидат технических наук, доцент кафедры информационных систем и компьютерного модели-
рования ФГАОУ ВПО «Волгоградский государственный университет»
E-mail: evverstakov@gmail.com.
Захарченко Владимир Дмитриевич
доктор технических наук, профессор кафедры радиофизики
ФГАОУ ВПО «Волгоградский государственный университет»
E-mail: Zakharchenko_VD@mail.ru.
Адрес: 400062 г. Волгоград, пр-т. Университетский, 100.

Аннотация: Рассмотрены двумерные модификации алгоритмов оценки параметров разложения двумер-


ного сигнала методами Прони и матричных пучков. Представлены алгоритмы и структурные схемы рас-
сматриваемых методов. Статистическое моделирование показало, что погрешность оценки параметров
разложения двумерного сигнала по методу Прони выше погрешности оценки по методу матричных пучков
на 25-30 дБ. Кроме того показана эффективность двумерного метода матричных пучков близостью к гра-
нице Крамера-Рао.
Ключевые слова: двумерный сигнал, двумерный метод Прони, метод матричных пучков, граница Крамера-
Рао.

Вводные замечания где N – заранее известный порядок разложе-


Двумерный спектральный анализ может ис- ния, Ai , 1i , 2i – комплексные константы. При
пользоваться для пространственно - простран- этом аналогично одномерному варианту мето-
ственных массивов данных – при обработке да Прони можно полностью восстановить сиг-
(например, фильтрации) изображений; про- нал (1), наблюдая его ограниченный фрагмент
странственно-временных массивов данных – на интервалах 0, T1  , 0, T2  .
при обработке гидролокационных, сейсмиче-
ских и радиолокационных сигналов в случае
Метод Прони для двумерных сигналов
синтезируемой апертуры; временно - времен-
на основе линейно-разностной схемы
ных массивов данных – при анализе интервала
Для конечной последовательности отсчётов
повторения радиолокационных импульсов в
rs , t , где s  1...S и t  1..T , общая модель при-
зависимости от момента их прихода [1]. Кроме
того, методы оценки двумерных спектров нятого сигнала имеет вид:
N M
можно использовать для оценки параметров
rs , t  xs ,t  es , t    Cn , m yns zmt  es , t . (2)
центров рассеяния объектов сложной формы в n0 m 0
сверхкороткоимпульсной радиолокации [2]. Здесь yn  exp( n  j1n ) и
Одним из наиболее распространённых па-
zn  exp(  n  j2n ) – полюсы, причём
раметрических методов спектральной оценки
является метод Прони [1,3]. Для моделирова- y0  z0  1 , Cn , m  An.m exp( jn , m ) – комплекс-
ния выборочных двумерных данных в виде ные амплитуды, es , t – отсчёты белого гауссова
линейной комбинации двумерных экспонент
на интервалах t1  0, T1  и t2  0, T2  ряд Прони шума.
Модель (1) является частным случаем более
можно записать в следующем виде:
N общей модели (2), поскольку в общем случае
x(t1 , t 2 )   Ai exp(1i t1  2 it2 ) , (1) для каждой размерности предполагается раз-
i 1

26
Радиолокационные системы

ный порядок разложения. Двумерный ряд (1) реписывая выражение (3) в матричном виде, а
можно получить из (2) при условии M  N , также зная все yi и zi , и формируя соответ-
тогда Cn , m  0 для m  n , т.е. когда матрица ствующие матрицы Y и Z , диагональную
амплитуд Cn , m станет диагональной. Тогда для матрицу A можно определить следующим об-
разом:
модели последовательности с комплексными
параметрами A  Y  XZ . (7)
N Здесь
xs ,t   Ai yis zit , (3)  1 1 1 1 
i 1
 y y2  y N 
так же как и для модели (2) по аналогии с од-
Y
1
,
номерным случаем [1], выражение (2) является      
решением однородного линейно-разностного  S 1 
 y1 y2S 1  y NS 1 
уравнения с постоянными коэффициентами [4,
5], которое можно разделить на два независи- 1 z1  z1T 1 
 
мых:  1 z2  zT2 1 
Z (8)
N M     
  an , m x s  n , t  m  0 , (4)  T 1
1 z N  z N 

n 0 m 0
где an , m – коэффициенты полинома P ( y , z ) , - соответствующие матрицы Вандермонда экс-
корнями которого являются экспоненты yn, zm : понент yi , zi , где знаком «+» в матричном ана-
N M лизе обозначается так называемая инверсия
P( y , z )   ai , j y N  i z M  j  P1 ( y ) P2 ( z ) , (5) Мура-Пенроуза [6], что для матриц Y и Z
i 0 j 0
будет означать следующее:
N N
где P1 ( y )   ( y  yi )   ai(1) y N  i ,
i 1 i 0
 1
Y   Y H Y Y H , Z   Z H ZZ H .  1

M M
Здесь знаком «Н» обозначена операция эр-
P2 ( z )   ( z  z j )   a (j2 ) z M  j . Корнями по- митового сопряжения матриц.
j 1 j 0 Таким образом, построение разложения в
линомов P1 ( y ), P2 ( z ) являются экспоненты двумерный ряд Прони с использованием
yn , zm соответственно, причём a0(1)  a0( 2 )  1 , S  T эквидистантных отсчетов последова-
тельности (1) предполагает выполнение сле-
ai , j  ai(1) a (j2 ) . Несложно показать, что разност-
дующих операций:
ное уравнение (4) можно разделить на две не- 1. Решение систем уравнений, составлен-
зависимые части и разрешить по отдельности.
ных из S и T отсчетов сигнала:
Тогда задачу нахождения коэффициентов N M
an(1) , am( 2 ) можно разделить на две независимые  an(1) xs  n, K  0 ,  am( 2) xL,t  m  0 ,
подзадачи по оценке этих коэффициентов: n0 m0

N M где N  1  s  S , N  1  t  T , K , L  const
 an(1) xs  n, K  0 ,  am( 2) xL,t  m  0 . (6)
относительно коэффициентов an(1) , an( 2 ) соот-
n0 m0
Далее, получив оценки коэффициентов раз- ветственно, причём a0(1)  a0( 2 )  1 .
ностного уравнения (4), исходя из выражений 2. Нахождение корней yi , zi полиномов N-й
(6), с помощью классических методов можно
степени
определить корни полиномов P1 ( y ), P2 ( z ) , N N
подставляя в них уже полученные коэффици- P1 ( y )   ( y  yi )   ai(1) y N  i ,
i 1 i 0
енты an(1) , am( 2 ) . M M
Для вычисления комплексных амплитуд Ai P2 ( z )   ( z  z j )   a (j2 ) z M  j .
j 1 j 0
в (3) предлагается следующий подход [5]. Пе-

27
Радиотехнические и телекоммуникационные системы, 2015, №1 ISSN 2221-2574

3. Вычисление комплексных амплитуд, сто-


ящих на главной диагонали матрицы A из вы-
ражения:
A  Y  XZ .
Структурная схема алгоритма представлена
на рис.1.

Рис. 2. Структурная схема алгоритма по методу


матричных пучков

где для удобства обозначено d1i  e( i  j1i ) t и


d 2 i  e (  i  j 2 i )t , можно ввести матрицу
ci n  ai d1ni , тогда выражение (9) примет вид:
N
xn, m   ci [ n]d 2mi , что является системой из n
i 1
одномерных последовательностей, для кото-
рых можно применить одномерный алгоритм
Рис. 1. Структурная схема алгоритма построе- метода матричных пучков. Тем самым можно
ния разложения в двумерный ряд Прони получить матрицу значений ci n и n значений
d 2i , которые можно усреднить по n. По полу-
Метод матричных пучков для двумерных
сигналов на основе одномерного алгоритма ченным значениям ci n можно также вычис-
В методе матричных пучков [7] используется лить параметры ai и d1i , предварительно про-
та же модель, что и в методе Прони, отличаю- суммировав по i все ci n , т.е. применить ме-
щаяся лишь способом оценки неизвестных па-
тод матричных пучков к одномерной последо-
раметров разложения. Поэтому для данной мо-
N N
дели можно применить предложенную моди- вательности вида  ci [n]   ai d1ni .
фикацию, аналогично методу Прони [4]. i 1 i 1

Для двумерной последовательности вида: Данный алгоритм представлен структурной


N схемой, изображенной на рис.2.
xn, m   ai d1ni d 2mi , (9)
i 1

28
Радиолокационные системы

Результаты статистического ность оценки лежит выше границы Крамера-


моделирования Рао в среднем на ~ 3 дБ). Однако следует отме-
Для численной оценки потенциальной точно- тить, что метод матричных пучков более тре-
сти предложенных параметрических методов бователен к объёму ресурсов ЭВМ, что сказы-
рассматривалась двумерная последователь- вается на скорости вычислений: его скорость
ность отсчетов сигнала: на порядок ниже скорости вычислений по ме-
xn, m  Ae1nt  2 mt cos1nt  2mt    n, m , (10) тоду Прони. Для уменьшения погрешности
где A  10,0 , 1  1,0 , 2  1,4 , 1  50,0 , оценок по методу Прони можно воспользо-
ваться предложенным в [10] способом на каж-
2  40,0 , t  0,01 - значения параметров, дом этапе вычисления параметров разложения
 n, m  – отсчеты двумерного белого гауссова двумерного сигнала.
шума, n  1,...N , m  1,...M ( N , M  50) . Вид
сигнала, формирующего последовательность Заключение
(1), представлен на рис. 3. В работе рассмотрены методы отыскания па-
раметров двумерных сигналов, представлен-
ные моделью (3) - метод Прони и метод мат-
ричных пучков. Предложенные алгоритмы
отыскания параметров разложения двумерного
сигнала, представленного суммой экспонент,
являются обобщением классических одномер-
ных алгоритмов. В результате статистического
моделирования получены зависимости средне-
квадратических погрешностей оценки пара-
метров двумерного сигнала от уровня адди-
тивного шума, всегда присутствующего в про-
цессе измерений.
Рис.3. Исходная двумерная последовательность (10)
Использование неравенств Крамера-Рао при
В результате статистического моделирова- определении потенциальной точности оценки
ния были получены зависимости среднеквадра- параметров разложения двумерного сигнала и
тической погрешности оценки параметров модельные расчёты показывают, что предло-
1, 2 , 1 , 2 от отношения шум/сигнал, пред- женный алгоритм разложения по методу Про-
ставленные на рис. 4 (а-г). Значения отношения ни не является оптимальным и допускает усо-
шум/сигнал (  A) по оси абсцисс отложены в вершенствование, в отличие от предложенного
алгоритма по методу матричных пучков.
логарифмическом масштабе. Значения отсчётов
на графиках усреднены по 400 реализациям Литература
шума. Здесь же приведены границы потенци- 1. Марпл – мл. С. Л. Цифровой спектральный
альной помехоустойчивости Крамера-Рао, рас- анализ и его применения: Пер. с англ. - М.: Мир. –
считанные для каждого из параметров [8,9]. 1990. 584 с.
Из рисунков видно, что погрешность оцен- 2. Коновалюк М.А., Кузнецов Ю.В., Баев А.Б.
Идентификация объектов сложной формы в сверх-
ки параметров разложения двумерного сигнала короткоимпульсной радиолокации // Радиолокация
методом матричных пучков меньше погрешно- и радиосвязь: Доклады 3-й Всероссийской научно-
сти оценки по методу Прони в среднем на 25- технической конференции «Радиолокация и радио-
30 дБ. Кроме того, оценка параметров сигнала, связь». – Москва. 2009. – Т.2. – С. 175-179.
3. Верстаков Е.В., Захарченко В.Д. Исследова-
использующая модификацию метода матрич-
ние потенциальной точности разложения сигнала в
ных пучков для двумерных сигналов, является ряд Прони в условиях помех // Успехи современной
эффективной, поскольку практически достига- радиоэлектроники. – 2009. –№8. – С. 78-80.
ет своей потенциальной точности (погреш-

29
Радиотехнические и телекоммуникационные системы, 2015, №1 ISSN 2221-2574

Рис. 4. Результаты статистического моделирования


■ - метод Прони; ♦ - модификация метода матричных пучков; ▬▬ - граница Крамера-Рао
4. Верстаков Е.В., Захарченко В.Д., Гаврин Д.С. ции метода Прони // Излучение и рассеяние электро-
Построение параметрического разложения двумерных магнитных волн: Труды Международной научной
сигналов на основе модификаций метода Прони // конференции «Излучение и рассеяние ЭМВ – ИР-
Нелинейный мир – 2012. – №11. Т.10 – С. 724-730. ЭМВ-2011». – Таганрог. – 2011. – С. 423-427.
5. Barbieri М., Barone P.A. Two-Dimensional 9. Верстаков Е.В., Захарченко В.Д. Потенциаль-
Prony ’s Method for Spectral Estimation // IEEE ная точность представления двумерного сигнала
Transactions On Signal Processing. – vol. 40. – № 11. рядом Прони // Известия Волгоградского государ-
– 1992. – pp. 2747-2756. ственного технического университета: межвузов-
6. Алберт А. Регрессия, псевдоинверсия и ре- ский сборник научных статей №4 (42). – Волгоград:
куррентное оценивание: Пер. с англ. – М.: Наука. – ВолгГТУ. – 2010. – C. 76–79.
1977. 224 с. 10. Патент РФ № 2430382 Способ оценки пара-
7. Активные фазированные антенные решетки / метров широкополосных радиосигналов по методу
Под ред. Д.И. Воскресенского, А.Н. Канащенкова. – Прони. / Верстаков Е.В., Захарченко В.Д. – опубл.:
М.: Радиотехника. – 2004. 488 с. БИПМ №27, 2011.
8. Верстаков Е.В. Способ оценки параметров раз-
ложения двумерных сигналов с помощью модифика-
Работа выполнена при поддержке РФФИ (гранты №№ 15-47-02438-р_поволжье_а, 14-02-
97001-р_поволжье_а, 14-07-97030-р_поволжье_а).
Поступила 16 декабря 2014 г.
_____________________________________________________________________________English
The comparative analysis of approximation algorithms of two-dimensional signals by Proni
method and matrix bunches method
Evgeny Vasilyevich Verstakov – Candidate of Engineering, Associate Professor, Department of
Information Systems and Computer Simulation federal state budgetary educational institution of
higher professional education «Volgograd State University».
E-mail: evverstakov@gmail.com.
Vladimir Dmitriyevich Zakharchenko – Doctor of Engineering, Professor Radio physics De-
partment federal state budgetary educational institution of higher professional education «Volgo-
grad State University».
E-mail: Zakharchenko_VD@mail.ru.
Address: 400062 Volgograd, Universitetsky prospect, 100.

30
Радиолокационные системы

Abstract: The application of two-dimensional spectral estimation methods is necessary in solving the tasks of
two-dimensional data processing, in particular, when processing radar signals and image filtering. Algorithms of
two-dimensional spectral analysis can also be used for estimation parameters of scattering centers of objects
with complex shape in super short impulsive radiolocation. The article considers approximation algorithms of
two-dimensional signals by Proni method and matrix bunches method. The proposed algorithms of identifying
decomposition parameters of a two-dimensional signal presented by the total of exponents are the generaliza-
tion of classic one-dimensional algorithms. The dependences of mean square root inaccuracies of estimation of
two-dimensional signal parameters on the level of an additive noise which is always present in measuring pro-
cess are received as a result of statistical modeling. Statistical modeling has demonstrated that inaccuracy of
parameters estimation of two-dimensional signal decomposition by matrix bunches method is by a mean of 25-
30 dBs less than inaccuracy of estimation by Proni method. Besides, the parameters estimation of a two-
dimensional signal by the modified method of matrix bunches method for two-dimensional signals is efficient as
it practically reaches its potential exactitude (estimation inaccuracy is above Cramer-Rao boundary by a mean
of 3 dBs). However it should be noted that calculating speed by matrix bunches method is significantly less than
computation speed by Proni method. Application of Cramer-Rao inequation when determining potential exacti-
tude of estimation of decomposition parameters of a two-dimensional signal and model calculations demon-
strate that the proposed algorithm of decomposition by Proni method in contrast to the suggested algorithm of
decomposition by matrix bunches method is not optimal and allows enhancement when using supplementary
algorithms at each calculation stage of two-dimensional signal decomposition parameters.
Key words: two-dimensional signal, two-dimensional Proni method, matrix bunches method, Cramer-Rao
boundary.

References
1. Marpl Jr. S. L. Numeral spectral analysis and its application: Tr. From English M.: Mir. - 1990. 584 p.
2. Konovalyuk M.A., Kuznetsov Yu.V., Bayev A.B. Identification of objects having complex form in a super
short impulsive radiolocation. - Radiolocation and radio service: Reports of 3rd All-Russia technological conference
«Radiolocation and radio service». - Moscow. 2009. – Vol. .2. - P. 175-179.
3. Verstakov E.V., Zakharchenko V.D. Investigation of potential exactitude of signal decomposition in Proni se-
ries under the conditions of noises. - Uspekhi sovremennoy radioelectroniki. - 2009.-№8. - P. 78-80.
4. Verstakov E.V., Zakharchenko V.D., Gavrin D.S.Creation of parametric decomposition of two-dimensional
signals on the basis of Proni method modifications. - Nelineiny Mir - 2012. - №11. Vol.10 - P. 724-730.
5. Barbieri М., Barone P.A. Two-Dimensional Prony ’s Method for Spectral Estimation. - IEEE Transactions On
Signal Processing. - Vol. 40. - № 11. - 1992. - Pp. 2747-2756.
6. Albert A. Regression, pseudo-inversion and recurrent estimation: Transl. from English - M.: Nauka. - 1977. 224 p.
7. Active phased antenna arrays. - Ed. By D.I. Voskresensky, A.N. Kanashchenkova. - M.: Radiotekhnica. -
2004. 488 p
8. Verstakov E.V. Estimation method of decomposition parameters of two-dimensional signals by modification
of Proni method. - Radiation and scattering electromagnetic waves: Collection of works of the International scien-
tific conference «Izluchenie I rasseyanie EMV - IREMV-2011». - Taganrog. - 2011. - P. 423-427.
9. Verstakov E.V., Zakharchenko V.D. Potential exactitude of representation of a two-dimensional signal by
Proni series. - Izvestya Volgogradskogo gosudarstvennogo tekhnicheskogo universiteta: collection of works №4
(42). - Volgograd: VolgGTU. - 2010. - P. 76-79.
10. Verstakov E.V., Zakharchenko V.D. Method parameters estimation of broad-band wireless signals by Proni meth-
od. - The patent of the Russian Federation № 2430382 from 9/27/2011. Inventions. The useful models. - 2011, №27.

31

Оценить