Использование вложенных полумарковских процессов для описания нестационарных сигналов и полей

Abstract

Рассмотрена возможность использования вложенных полумарковских процессов для создания статистических моделей сигналов, отраженных от поверхностей раздела (суши и моря), а также участков «ясного» неба. На основе экспериментальных данных определены входящие в их состав параметры. Показано, что нестационарность сезонного изменения коэффициента преломления тропосферы может быть учтена путем описания его статистик полигауссовыми моделями. Экспериментально получены параметры модели для каждого из сезонов года. Предложенный подход может использоваться для создания имитационной модели поведения коэффициента преломления с использованием вложенных полумарковских процессов.

Розглянуто можливість використання вкладених напівмарківських процесів для створення статистичних моделей сигналів, відбитих від поверхонь розділу (суші та моря), а також ділянок «ясного» неба. На основі експериментальних даних визначено параметри, що входять до їх складу. Показано, що нестаціонарність сезонної зміни коефіцієнта заломлення тропосфери може бути врахована через опис його статистик полігаусовими моделями. Експериментально отримано параметри моделі для кожного з сезонів року. Запропонований підхід може використовуватися для створення імітаційної моделі поведінки коефіцієнта заломлення з використанням вкладених напівмарківських процесів.

A possibility of using embedded semi-Markov processes to create statistical models of the signals reflected from the interfaces (land and sea), as well as parts of «clear» sky was considered. Their constituent parameters were determined based on the experimental data. It is shown that nonstationary season changes in the refractive index of the troposphere can be accounted for describing its statistics by polygaussian models. Model parameters for each of the seasons were derived experimentally. The proposed approach can be used to create a simulation model of behavior of the refractive index using nested semi-Markov processes.