МЕТОД ЕНТРОПІЙНО-УЗГОДЖЕНОЇ ЧАСОВОЇ СЕГМЕНТАЦІЇ АНСАМБЛІВ СКЛАДНИХ СИГНАЛІВ
DOI:
https://doi.org/10.18372/2310-5461.69.20949Ключові слова:
телекомунікації, сигнал, SNR, перестановки, ентропія, декомпозиція, завадостійкість, моделюванняАнотація
У статті запропоновано метод ентропійно-узгодженої часової сегментації для формування ансамблів складних сигналів, який ґрунтується на використанні ентропійного показника одночасно як інтегральної міри структурної складності сигналу та як керуючого індикатора для узгодженого вибору параметрів часової декомпозиції. Особливістю методу є підвищення чутливості до локальних структурних перебудов сигналу та завадостійкості ансамблевих характеристик в умовах нелінійної динаміки та інтенсивних завадових впливів.
На відміну від класичних ентропійних підходів, зокрема ординальної ентропії перестановок та зваженої ординальної ентропії перестановок, які обчислюються для фіксованого масштабу сегментації, запропонований метод передбачає узгодження масштабу часової сегментації з локальною структурною неоднорідністю сигналу. У межах підходу ентропійний показник використовується як механізм зворотного зв’язку, що дозволяє адаптивно змінювати часову декомпозицію при переходах між нерегулярними та регуляризованими режимами динаміки.
Експериментальну верифікацію методу проведено на нелінійних сигналах з керованою динамікою за наявності адитивних білих гаусівських завад із різними рівнями відношення сигнал/шум. Отримані результати показали, що запропонований ентропійно-узгоджений метод забезпечує підвищену стійкість ентропійної оцінки до завад, зменшуючи деградацію показників на 2,2 % при SNR = −10 дБ, тоді як для класичних методів PE та WPE відповідне зниження становить 3,9 % та 4,1 %. Крім того, метод забезпечує кращу контрастність між різними режимами динаміки сигналу та зменшення варіативності ентропійних оцінок при багаторазовому моделюванні.
Таким чином, запропонований метод ентропійно-узгодженої часової сегментації забезпечує ефективне та завадостійке формування ансамблів складних сигналів.
Посилання
I. Tulenko and O. Shevchenko, "Entropy-based evaluation method of signal ensembles using LPT-τ permutations and Markov models,” Computer-Integrated Technologies: Education, Science, Production. Telecommunications and Radio Engineering, no. 61, pp. 300–310, 2025, https://doi.org/10.26906/SUNZ.2024.1.206.
S. V. Indyk and V. P. Lysechko, “Investigation of ensemble properties of complex signals obtained by frequency filtering of pseudorandom sequences with low interaction in the time domain,” Collection of Scientific Works of Ivan Kozhedub Kharkiv National Air Force University, vol. 66, no. 4, pp. 46–50, 2020, DOI: 10.30748/zhups.2020.66.06.
M. U. Ahmed and D. P. Mandic, “Multivariate multiscale entropy: A tool for complexity analysis of multichannel data,” Phys. Rev. E, vol. 84, no. 6, Art. no. 061918, 2011, https://doi.org/10.1103/PhysRevE.84.061918.
R. G. Andrzejak et al., “Indications of nonlinear deterministic and finite-dimensional structures in time series of brain electrical activity: Dependence on recording region and brain state,” Phys. Rev. E, vol. 64, no. 6, Art. no. 061907, 2001, https://doi.org/10.1103/PhysRevE.64.061907.
Z. Chen, X. Ma, J. Fu, and Y. Li, “Ensemble improved permutation entropy: A new approach for time series analysis,” Entropy, vol. 25, no. 8, Art. no. 1175, 2023, https://doi.org/10.3390/e25081175.
Z. Chen, Y. Li, H. Liang, and J. Yu, “Improved permutation entropy for measuring complexity of time series under noisy condition,” Complexity, vol. 2019, Art. no. 1403829, 2019, https://doi.org/10.1155/2019/1403829.
B. Deka and D. Deka, “An improved multiscale distribution entropy for analyzing complexity of real-world signals,” Chaos, Solitons & Fractals, vol. 158, Art. no. 112101, 2022, https://doi.org/10.1016/j.chaos.2022.112101.
A. Hamed, S. Saeid, and T. K. R. Tarek, “Ensemble entropy: A low-bias approach for data analysis,” Knowledge-Based Systems, vol. 256, Art. no. 109876, 2022, https://doi.org/10.1016/j.knosys.2022.109876.
S. M. Pincus, “Approximate entropy as a measure of system complexity,” Proc. Natl. Acad. Sci. USA, vol. 88, no. 6, pp. 2297–2301, 1991, https://doi.org/10.1073/pnas.88.6.2297.
D. Cuesta-Frau, M. Varela-Entrecanales, A. Molina-Pico, and B. Vargas, “Patterns with equal values in permutation entropy: Do they really matter for biosignal classification,” Complexity, vol. 2018, Art. no. 1324696, 2018, https://doi.org/10.1155/2018/1324696.
C. Bandt and B. Pompe, “Permutation entropy: A natural complexity measure for time series,” Phys. Rev. Lett., vol. 88, no. 17, Art. no. 174102, 2002, https://doi.org/10.1103/PhysRevLett.88.174102.
C. Bandt, “Ordinal time series analysis,” Ecological Modelling, vol. 182, no. 3–4, pp. 229–238, 2005, https://doi.org/10.1016/j.ecolmodel.2004.04.003.
H. Azami and J. Escudero, “Amplitude-aware permutation entropy: Illustration in spike detection and signal segmentation,” Comput. Methods Programs Biomed., vol. 128, pp. 40–51, 2016, https://doi.org/10.1016/j.cmpb.2016.02.008.
M. Zanin, L. Zunino, O. A. Rosso, and D. Papo, “Permutation entropy and its main biomedical and econophysics applications: A review,” Entropy, vol. 14, no. 8, pp. 1553–1577, 2012, https://doi.org/10.3390/e14081553.
P. Li, C. Karmakar, C. Yan, M. Palaniswami, and C. Liu, “Classification of epileptic EEG recordings using distribution entropy and sample entropy,” Frontiers in Physiology, vol. 7, Art. no. 136, 2016, https://doi.org/10.3389/fphys.2016.00136.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2026 L Goleychuk
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Науковий журнал дотримується принципів відкритого доступу (Open Access) та забезпечує вільний, негайний і постійний доступ до всіх опублікованих матеріалів без фінансових, технічних або юридичних обмежень для читачів.
Усі статті публікуються у відкритому доступі відповідно до ліцензії Creative Commons Attribution 4.0 International (CC BY 4.0).
Авторські права
Автори, які публікують свої роботи в журналі:
-
зберігають за собою авторські права на свої публікації;
-
надають журналу право на перше опублікування статті;
-
погоджуються на поширення матеріалів за ліцензією CC BY 4.0;
-
мають право повторно використовувати, архівувати та поширювати свої роботи (у тому числі в інституційних та тематичних репозитаріях) за умови посилання на первинну публікацію в журналі.
