Область машинного обучения активно развивается и очень популярна в настоящее время. Она имеет широкий спектр применения в практических целях. Основы математических методов машинного обучения в России были заложены в трудах В.А. Якубовича и его учеников в 1960-х - 1970-х годах [1, 2, 3, 4].
В моей дипломной работе рассматривается задача оценки параметров полигармонических сигналов методом машинного обучения. На вход объекта управления подается сигнал, состоящий из произвольного числа тригонометрических функций с неизвестными частотами и помехой. Случай с помехой - не стандартный и поэтому интересен для изучения. Цель задачи - только по отслеживаемому входящему сигналу оценить неизвестные параметры с необходимой точностью. Рассмотрены частный и общий случаи. Для оценки параметров применен алгоритм «Полоска», приведено сравнение с МНК. Добавлено описание погрешности вычисления корней по неточным исходным данным.
Эта задача встречается в радиотехнических системах, дистанционном зондировании. Требуется обрабатывать входящий сигнал, полученный за конечный временной интервал, и максимально точно определять неизвестные параметры исходного сигнала. Так как сигналы передаются на дальние рас-стояния, то всегда есть помехи при передаче. Большинство классических результатов представлено без наличия помех, что отличается от практики. Решение данной задачи улучшит точность оценки неизвестных параметров сигнала по сравнению с классическими методами.
Для решения задачи определения неизвестных параметров с заданной точностью в полигармоническом сигнале с ограниченной помехой был применен метод рекуррентных целевых неравенств, а точнее, алгоритм «Полоска». Поставленная задача выполнена. Выбранный нами алгоритм показал высокую точность определения параметров и оценочная модель сигнала имела отклонение менее 1 процента. Дальнейшее исследование может быть посвящено оценке параметров сигнала при неизвестном n.
