Объектом исследования - являются векторные случайные процессы и сигналы и их статистическая обработка. Цель работы - разработка новых классов моделей случайных процессов, нахождение выражений для оценок статистических характеристик этих процессов, моделей линейного предсказания, а также исследования возможностей их использования для повышения эффективности различных радиоэлектронных систем, статистическое моделирование имитационных и реальных процессов. Методы исследования. В работе использованы методы теории множеств, линейных систем, разностных линейных уравнений, методы статистического моделирования, прикладной анализ случайных процессов. Основными результатами работы являются: получение модели случайных процессов в виде составных векторных случайных процессов, получение выражения для непараметрических и параметрических спектральных оценок для предложенной модели случайных процессов, дальнейшее развитие теории линейного предсказания классов процессов в виде составных векторных случайных процессов. Использование модели позволяет представить текущий подвектор в виде взвешенной совокупности предшествующих подвекторов процесса либо подвекторов ошибок предсказания. Таким образом, эта модель более адекватна определенным классам реальных процессов. Ключевые слова: СОСТАВНОЙ ВЕКТОРНЫЙ СЛУЧАЙНЫЙ ПРОЦЕСС, ПОДВЕКТОР, КОРРЕЛЯЦИОННАЯ ФУНКЦИЯ, СПЕКТРАЛЬНАЯ ПЛОТНОСТЬ МОЩНОСТИ, АВТОРЕГРЕССИЯ, СКОЛЬЗЯЩЕЕ СРЕДНЕЕ. Object of the magister dissertation: vector random processes and signals and their statistical processing. Purpose of the work: development of new classes of models of random processes, finding expressions for estimating the statistical characteristics of these processes, linear prediction models, and research opportunities to use them to enhance the effectiveness of various electronic systems, statistical modeling and simulation of real processes. Methods of the work. We used the methods of set theory, linear systems, differential linear equations, methods of statistical modeling, applied analysis of random processes. The main results are: obtain a model of random processes in a composite vector of random processes, obtaining expressions for the non-parametric and parametric spectral estimates for the proposed model of random processes, further development of the theory of linear prediction of classes of processes in a composite vector of random processes. Using the model allows us to represent the current subvector as a weighted combination of previous subvectors process or subvectors prediction errors. Thus, this model is better suited to certain classes of real processes. Keywords: COMPOSITE VECTOR RANDOM PROCESS, SUBVECTOR, CORRELATION FUNCTION, POWER SPECTRAL DENSITY AUTOREGRESSIONS, MOVING AVERAGE.
