Алгоритмы обработки информации в иммобилайзерах автомобильных охранных систем тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Маковей Александру

• Маковей Александру
• кандидат наук
• 2025

Оглавление диссертации кандидат наук Маковей Александру

ОГЛАВЛЕНИЕ

ОГЛАВЛЕНИЕ

Список сокращений

Введение

ГЛАВА 1. Аналитический обзор дистанционно управляемых иммобилайзеров и алгоритмов их работы

1.1. Принципы работы иммобилазеров автомобильных охранных комплексов

1.2. Алгоритмы работы РЬС-иммобилайзеров с автономным определением движения

1.3. Устройства и алгоритмы импульсного управления по цепям

питания автомобиля

1.4. Применение МЭМС-акселерометров для определения

параметров движения

Выводы по главе

ГЛАВА 2. Формирование информативных параметров для алгоритмов

машинного обучения

2.1 Экспериментальное исследование информационного сигнала

2.2. Ранжирование параметров для обучающих и тестовых выборок

Выводы по главе

ГЛАВА 3. Применение алгоритмов машинного обучения для

определения движения автомобиля

3.1. Постановка задачи вычисления скорости по ускорению МЭМС-акселерометра

3.2. Аналитический обзор применения методов машинного обучения

в задачах классификации

3.2.1. Метод опорных векторов

3.2.2. Линейная регрессия

3.2.3. Деревья решений

3.2.4. Базовая информация о нейронных сетях

3.3. Оценка точности модели классификации

3.4. Фильтрация предсказанного сигнала

3.5. Выбор алгоритма классификации состояний движение/покой

3.5.1. Выбор частоты дискретизации и размера скользящего окна

3.5.2. Анализ скорости работы алгоритмов

3.5.3. О возможности построения универсального алгоритма предсказания состояний

3.6. Результаты тестирования моделей машинного обучения

3.7. Алгоритм выбора модели классификации

Выводы по главе

ГЛАВА 4. Алгоритм определения скорости автомобиля по сигналу

МЭМС акселерометра

4.1. Формирование матрицы пересчета систем координат

акселерометра и автомобиля

4.2. Алгоритм компенсации наклона дорожного полотна

4.3. Алгоритмы сбора данных и вычисления скорости

Выводы по главе

ГЛАВА 5. Алгоритмы импульсной передачи сигнала по линиям

питания автомобиля

5.1. Исследование статистических характеристик импульсных шумов

в электропроводке автомобилей

5.2. Алгоритмы кодирования при прямой цифровой передаче

5.2.1. Асинхронный алгоритм кодирования одиночными импульсами

5.2.2. Асинхронный алгоритм передачи сдвоенными импульсами

5.2.3. Синхронный алгоритм передачи сдвоенными импульсами

5.3. Оценка вычислительных затрат на реализацию алгоритмов

и выбор микроконтроллера

Выводы по главе

Общие выводы и заключение

Список литературы

Приложение

Введение диссертации (часть автореферата) на тему «Алгоритмы обработки информации в иммобилайзерах автомобильных охранных систем»

Введение

Санкции, введенные западными странами на поставляемую в Российскую Федерацию продукцию, болезненно сказалось на отдельных отраслях промышленности. Особо хочется выделить автомобильную отрасль. Здесь практически полностью прекратились поставки как новых автомобилей европейских и азиатских производителей, так и запасных частей к уже поставленным автомобилям. Все это в совокупности привело к повышению количества угонов автомобилей. Причем угоны осуществляются во многом с целью последующего разбора автомобиля на запасные части. Несмотря на то, что зарубежные производители автомобилей оборудуют их противоугонными средствами (иммобилайзерами и сигнализациями), деактивация штатных, то есть установленных при первоначальном производстве средств защиты, для российских специалистов по угону большой проблемы не представляет.

В этих условиях надежной защитой от угона автомобиля является профессиональная установка дополнительного противоугонного оборудования - автомобильных охранных комплексов. Производство таких комплексов в России восходит к началу 90-х годов. Именно в это время российские производители начали выпускать продукцию, которая сначала конкурировала с зарубежными автомобильными сигнализациями, а затем, ближе к началу 2000-х, практически полностью их вытеснила. Успех наших производителей был основан на учете специфики автомобильного рынка России. Наличие высококвалифицированных специалистов по угону привело к своеобразному противодействию - появились профессиональные разработчики противоугонных средств. Первое десятилетие 2000-х можно считать эпохой расцвета российской противоугонной автоэлектроники. Продукция многих отечественных предприятий, выпускающих дополнительное автомобильное оборудование, на порядок по своим противоугонным средствам и сервисным возможностям превосходила зарубежных конкурентов. Справедливости ради стоит отметить, что элементная база электронных блоков российских противоугонных комплексов была и остается на 100% зарубежной, так как отече-

ственная полупроводниковая промышленность практически полностью прекратила свое существование.

После 2015 года интерес к противоугонным системам значительно угас. Это связано как с совершенствованием заводских иммобилайзеров на зарубежных автомобилях, так и с расширением рынка автострахования. Российские марки автомобилей, если не считать продукцию АВТОВАЗА, которую в то время едва ли можно было считать российской, практически исчезли с рынка.

Введение в феврале 2022 г. полномасштабных санкций в области электроники привело к огромным проблемам в производстве не только дополнительного оборудования, но и штатных электронных блоков отечественных автомобилей. Все это вызвало рост количества угонов и повышение спроса на установку дополнительных охранных систем, особенно на подержанные автомобили. В изменившихся условиях потребовались как новые разработки в области защиты от угона, так и адаптация старых разработок и идей к современным реалиям.

Основная цель охранного комплекса - воспрепятствование угону автомобиля, а это значит, что в составе комплекса должны быть устройства, разрывающие (блокирующие) электронные цепи автомобиля и не позволяющие злоумышленникам достичь своей цели. Эти устройства представляют собой разнообразные реле, принятые называть реле блокировки. Их роль могут играть как обычные автомобильные реле, управляемые по проводу, идущему от главного модуля охранного комплекса, так и дистанционно управляемые реле - иммобилайзеры. Естественно, для дистанционного управления такое устройство должно быть «умным», то есть иммобилайзер должен быть электронным.

Известны два способа дистанционного управления иммобилайзерами, имеющие свои преимущества и недостатки. Первый, когда иммобилайзер управляется по высокочастотному радиоканалу [1]. Достоинство такого управления - относительная простота реализации. Можно найти разнообразные микросхемы высокочастотных приемопередатчиков (трансиверов), стоимость которых не превышает единиц долларов. Недостаток радиоуправления - плохой прием сигнала в случае, если иммобилайзер установлен под капотом автомобиля, а металлический

капот, как известно, является экраном для радиосигнала. Ситуация усугубляется, если иммобилайзер выполняется миниатюрным и устанавливается в жгут электропроводки.

Второй способ - управление через бортовую электрическую сеть (электропроводку) автомобиля [2-9]. В зарубежной литературе связь и управление через провода питания носит название PLC (Power Line Communication) [10, 11]. Здесь тоже есть сложности с приемом сигнала, связанные с затуханием в электропроводке, но этот способ все признают лучшим по противоугонным свойствам. По установившейся терминологии иммобилайзеры, управляемые сигналами главного модуля сигнализации через заводскую электропроводку автомобиля, принято называть беспроводными иммобилайзерами или беспроводными электронными реле.

Можно сказать, что беспроводные иммобилайзеры играют роль элементов подсистем дистанционного управления в составе автомобильных охранных комплексов.

Публикации в зарубежных статьях [12-35] показывают, что ослабление полезного сигнала в линиях питания достигает 80 дБ. Внутреннее сопротивление проводки в любой точке обусловлено низким (сотые доли Ома) внутренним сопротивлением аккумулятора. Также входное сопротивление случайным образом зависит от подключения штатных электрических блоков (электроприводов, фар, световой сигнализации, антиблокировочной системы тормозов и т.п.). Подключение блоков изменяет свойства электропроводки, как линии передачи сигнала, и техническая реализация надежной связи по сети постоянного тока автомобиля наталкивается на многочисленные препятствия.

Особое влияние на качество приема сигнала, посланного главным модулем, оказывают импульсные помехи. Такие помехи и наводки в автомобильных линиях постоянного тока +12 В создаются электронными блоками, состав помех отличен от помех в домашней сети переменного тока [16, 26, 36-41]. Поэтому прямой перенос алгоритмов обработки сигналов, применяемых в сетях переменного тока, затруднителен.

Зарубежные публикации по беспроводным иммобилайзерам отсутствуют, а российские, за исключением [2-9, 42], имеют, в основном, рекламную цель. Это можно обосновать закрытым характером разработок и нежеланием предоставления технической информации для конкурирующих фирм-разработчиков.

В работе [42] показано, что в силу стоимостных ограничений на производство иммобилайзеров, использование методов и микросхем многочастотной модуляции невозможно. Поэтому в работе [42] впервые для электропроводки автомобилей обоснован способ связи, путем передачи кодированного импульсного сигнала, или прямая цифровая передача.

Беспроводные иммобилайзеры были разработаны около 30 лет назад и успешно функционировали на автомобилях с не слишком разветвленной электропроводкой и небольшим количеством штатных электронных блоков. На современных автомобилях с разветвленной бортовой сетью постоянного тока вероятность приема сигнала уменьшилась. Это привело к отказу от иммобилйзеров с беспроводной передачей сигнала. Для преодоления проблемы требуется разработка новых алгоритмов прямой цифровой передачи и приема сигнала.

Первым шагом в этом направлении стоит признать работы [7-9], в которых использование новых алгоритмов позволило обеспечить передачу/прием импульсного сигнала по зашумленной электропроводке. Следует отметить, что предложенные алгоритмы, как показано в [42], все же не обеспечивают надежный прием сигнала в условиях искусственно поставленных импульсных помех. А создание искусственных помех в электропроводке активно используется при угоне автомобиля.

В связи с отмеченным, актуальной является научно-техническая проблема разработки улучшенных алгоритмов импульсной цифровой передачи, позволяющих в условиях искусственно поставленных помех обеспечить надежный прием сигнала автомобильным иммобилайзером беспроводной блокировки.

Алгоритмы работы иммобилайзеров разнообразны. В одних случаях алгоритм определяется исключительно главным модулем сигнализации. Деактивация злоумышленником главного модуля делает невозможным функционирование им-

мобилайзера. В других случаях работа устройства предполагает как работу под управлением главного модуля, так и автономный режим. При попытке угона и потере связи с главным модулем, а это может быть в том числе из-за искусственно поставленной помехи в эфире или в электропроводке, иммобилайзер переходит в автономный режим работы. Он разрешает запуск двигателя, но при достижении определенной, заранее настроенной скорости автомобиля, иммобилайзер блокирует (размыкает) электрическую цепь. Автомобиль останавливается, а иммоби-лайзер замыкает цепь и опять дает возможность завести двигатель. Злоумышленник заводит автомобиль, но не может далеко уехать, так как при достижении порога скорости двигатель снова блокируется. Таким образом, алгоритм работы им-мобилайзера вводит злоумышленника в заблуждение, имитируя неисправность автомобиля. Очевидно, что такой алгоритм предполагает наличие в составе иммо-билайзера датчика, по сигналам которого в простейшем случае определяется факт наличия или отсутствия движения автомобиля, а в более сложном случае - вычисляется еще и скорость, при которой происходит блокировка электрической цепи. Сам алгоритм был изобретен и реализован в начале 2000-х годов в фирме Геолинк (Альтоника) [43], а затем с большим или меньшим успехом повторен рядом других отечественных фирм. Отметим, что идея алгоритма в полной мере так и не была доведена "до ума", и этому есть несколько причин.

Первая причина - на реализацию иммобилайзера накладываются жесткие ограничения по цене и габаритам [2-4, 6, 7, 42]. Себестоимость при серийном выпуске не должна превышать 6-8 $, а это практически исключает применение дорогостоящих микросхем навигационных систем и микроконтроллеров с большим быстродействием и объемом памяти.

Вторая причина связана со сложными условиями работы, иммобилайзеры часто блокируют цепи в подкапотном пространстве и функционируют при повышенных температурах и вибрациях от двигателя и дорожного полотна.

Третья причина - иммобилайзер не должен давать "ложных" срабатываний, то есть практически со 100% вероятностью определять наличие/отсутствие движении при непрерывном, многочасовом режиме работы.

Если первые две проблемы удалось преодолеть применением в качестве датчика движения дешевых микросхем МЭМС-акселерометров, то третья проблема так до конца и не была решена. Это связано, в основном, с достаточно простыми алгоритмами обработки ускорений акселерометра. Простота алгоритма следовала из ограниченных возможностей микроконтроллера иммобилайзера, но не это являлось главной причиной. Определение факта движения велось путем интегрирования исходного, необработанного ускорения, а это приводило со временем к накоплению ошибки и ложному сигналу. В итоге, от иммобилайзеров с алгоритмом автономного определения движения после многочисленных рекламаций потребителей почти все производители дополнительного автоэлектронного оборудования отказались.

Улучшение вычислительных возможностей дешевых микроконтроллеров и появление современных алгоритмов машинного обучения позволяет вернуться к разработке иммобилайзеров с алгоритмом автономного определения движения. В работах автора [44-48] предлагается индивидуальный подход к настройке алгоритма иммобилайзера для конкретного автомобиля.

После монтажа в автомобиле, иммобилайзер (с акселерометром в составе) переводится в режим обучения, который предполагает непродолжительные тестовые измерения ускорения при неподвижном и движущемся автомобиле. Тестовые реализации ускорения записываются в память персонального компьютера, и путем статистической обработки ускорений выделяется набор информативных для данного автомобиля параметров. Этими параметрами могут быть различные на участках движения и покоя автомобиля дисперсия сигнала, межосевые коэффициенты корреляции, диапазон, межквартильный интервал и т.п. Причем предлагается для конкретного автомобиля индивидуально выбирать не более трех, четырех наиболее информативных параметра, из которых и формируется входной вектор алгоритма машинного обучения. Этот вектор используется при обучении алгоритма, то есть при определении численных значений весовых коэффициентов. При классификации этот же вектор подается на вход обученной модели, а на выходе для каждого поступившего отчета ускорения формируется признак - есть

движение или нет. Далее программа алгоритма классификации с настроенными под конкретный автомобиль параметрами заносится в память микроконтроллера иммобилайзера.

Если в результате работы алгоритма будет возможно достоверно определять состояния движения/покоя автомобиля, то после начала движения путем интегрирования ускорения по продольной оси (оси движения) автомобиля, определяется его скорость.

Таким образом, актуальным является разработка новых алгоритмов определения параметров движения автомобиля, с применением статистической обработки сигнала акселерометра и алгоритмов машинного обучения.

Цель диссертации - разработка алгоритмов импульсной передачи сигнала по электропроводке постоянного тока, алгоритмов определения параметров движения с использованием методов машинного обучения и создание на основе новых алгоритмов иммобилайзеров автомобильных охранных систем.

Задачи, решаемые в диссертации:

1. Разработка алгоритма определения вектора информативных параметров путем статистической обработки ускорения автомобиля с целью использования вектора при обучении и тестирования моделей классификации состояний движение/покой.

2. Разработка и анализ алгоритмов классификации состояний движение/покой автомобиля по сигналу акселерометра, удовлетворяющих критерию реализуемости на микроконтроллерах с ограниченными ресурсами.

3. Разработка алгоритма определения скорости автомобиля по ускорению произвольно ориентированного МЭМС-акселерометра.

4. Экспериментальное определение статистических характеристик шумов, помех и наводок в цепях постоянного тока автомобиля и разработка улучшенных алгоритмов импульсной передачи управляющих сигналов, применение которых обеспечивает надежное функционирование иммобилайзеров.

5. Проверка работоспособности и эффективности улучшенных алгоритмов с использованием методов моделирования и натурного эксперимента.

Соответствие паспорту научной специальности. Диссертация соответствует паспорту специальности 2.3.1 «Системный анализ, управление и обработка информации, статистика (технические науки)». Полученные в ней результаты соответствуют паспорту специальности по п.4 «Разработка методов и алгоритмов решения задач системного анализа, оптимизации, управления, принятия решений, обработки информации и искусственного интеллекта».

Методы исследований. Научные результаты диссертации получены с применением методов теории вероятности и математической статистики, машинного обучения, цифровой фильтрации и математического моделирования.

Достоверность результатов основана на корректном использовании теоретических положений математики, физики, механики, совпадением теоретических расчетов и экспериментальных данных, опытом использования разработанных алгоритмов в иммобилайзерах автомобильных охранных систем.

Научная новизна:

1. Разработан алгоритм классификации состояний движение/покой автомобиля по вектору информативных параметров, полученных статистической обработкой ускорений 3-осевого МЭМС-акселерометра, использующий настраиваемую по результатам тестовой поездки модель машинного обучения, фильтрацию предсказанного сигнала модифицированным медианным фильтром и отличающийся повышенной вероятностью предсказания состояний в условиях нестационарных помех от вибраций двигателя и неровностей дорожного полотна.

2. Предложен алгоритм вычисления скорости по ускорениям 3-осевого МЭМС-акселерометра, произвольно ориентированного относительно осей координат автомобиля, с использованием результатов предсказания состояний движение/покой моделью машинного обучения, компенсацией переменного уклона дорожного полотна при движении автомобиля и отличающийся повышенной точностью определения скорости на непродолжительных временных интервалах движения.

3. Разработан синхронный алгоритм кодирования/декодирования при импульсной передаче сигнала по бортовой сети постоянного тока, использующий результаты статистических распределений межимпульсных временных интервалов по-

мех и отличающийся от известных асинхронных алгоритмов повышенной вероятностью приема кодовых пакетов при воздействии нестационарных импульсных помех в электропроводке автомобиля.

Практическая ценность:

1. Разработан комплекс программ для определения типа и параметров модели машинного обучения, обеспечивающей достоверную классификацию состояний движение/покой автомобиля.

2. Разработано программное обеспечение, позволяющее определять скорость движения автомобиля по сигналу единственного, произвольно ориентированного МЭМС-акселерометра.

3. Разработано оборудование и программное обеспечение для измерения импульсных шумов в цепях питания автомобиля, которое может быть использовано для настройки параметров алгоритмов импульсной передачи сигнала.

4. Разработана технологическая карта, включающая последовательность действий и комплекс программ по получению и обработке экспериментальных данных ускорений тестовой поездки с целью формирования исполнительного файла программы микроконтроллера иммобилайзера.

Апробация работы. Результаты диссертационной работы докладывались и обсуждались на: международных IEEE конференциях ICIEAM (г. Сочи, 2021,

2022 гг.), международных IEEE конференциях RusAutoCon (г. Сочи, 2020, 2021,

2023 гг.), международной IEEE конференции SmartIndustryCon (г. Сочи, 2024 г.), Всероссийской конференции молодых ученых и специалистов «Будущее машиностроения России» (г. Москва, 2023 г.).

Внедрение результатов. Предложенные алгоритмы, программы и технологическая карта реализованы и использованы при разработке и создании технологического оборудования и пакета программ для производства опытных партий автомобильных микроиммобилазеров, что подтверждено актом внедрения фирмы Мэджик Ринг ЛТД.

Положения и результаты, выносимые на защиту:

1. Статистические характеристики ускорений автомобилей с заведенным двигателем в неподвижном и движущемся состоянии, позволяющие путем ранжирования сформировать сокращенный вектор информативных параметров для алгоритмов классификации состояний движение/покой.

2. Результаты выбора частоты дискретизации ускорения, размеров скользящего окна и модели машинного обучения, обеспечивающие повышенную вероятность и минимальное время классификации состояний движение/покой по сигналам произвольно ориентированного акселерометра.

3. Алгоритм модифицированного медианного фильтра, позволяющий в десятки раз уменьшить количество ложно отрицательных исходов при классификации состояний движение/покой моделями машинного обучения.

4. Алгоритм определения скорости по сигналам МЭМС-акселерометра, позволяющий с повышенной точностью вычислять скорость автомобиля при движении по дорожному полотну с изменяющимся профилем на кратковременных временных участках.

5. Синхронный алгоритм кодирования битов нуля и единицы, обеспечивающий при импульсной передаче повышенную (до 0,97) вероятность декодирования пакета ослабленного в электропроводке сигнала при воздействии импульсных шумов, помех и наводок.

Публикации по теме диссертации.

Результаты диссертации отражены в 11 работах общим объемом печатных листов, включающих 3 научных статьи в рецензируемых журналах из Перечня ВАК РФ; 7 статей в сборниках IEEE конференций, проиндексированных в базах Scopus и Web of Science и одной статьи, проиндексированной в РИНЦ.

Структура работы: диссертация состоит из введения, пяти глав, приложения, списка литературы из 87 наименований. Материал изложен на 204 страницах с 77 рисунком и 45 таблицами в тексте.

Во введении сформулированы актуальность и цель работы, научная новизна, практическая ценность, положения, выносимые на защиту и обзор содержания

по главам.

Заключение диссертации по теме «Другие cпециальности», Маковей Александру

Общие выводы и заключение

1. Обоснован индивидуальный подход к вычислению состояний движение/покой автомобиля, основанный на алгоритмах машинного обучения. Предложено формировать параметры входного вектора для алгоритма машинного обучения путем статистической обработки сигналов ускорений скользящего окна. Для упрощения реализации алгоритма предложено ранжировать параметры, выделяя три наиболее информативных. Обоснован выбор алгоритмов ранжирования Бхаттачарья, ROC и CatBoostClassifier.

2. Введено понятие ложно положительных и отрицательных ошибок первого, второго и третьего рода при классификации состояний движение/покой. Доказано преобладающее влияние ложно отрицательных ошибок первого рода при определении скорости. Предложен алгоритм работы модифицированного медианного фильтра, минимизирующего ложно отрицательные исходы.

Предложена модифицированная метрика Recall_mod для оценки точности двоичной классификации состояний движение/покой, позволяющая наилучшим образом учесть влияние ложно отрицательных ошибок.

Обоснован выбор минимально допустимой частоты квантования сигнала ускорения и размера скользящего окна, достаточных для обеспечения требуемой точности классификации и времени распознавания. Доказана невозможность разработки универсального алгоритма классификации для любых марок автомобилей и мест крепления акселерометра.

3. Показано, что точности классификации по метрике Recall_mod и число ложно отрицательных исходов первого рода при использовании модифицированного медианного фильтра для относительно простых (опорные вектора, регрессия, деревья решений, перцептрон) и сложных (многослойная и рекуррентная нейронные сети) моделей сопоставимы. Это обосновывает применение относительно простых в реализации алгоритмов машинного обучения в условиях ограничений на вычислительные ресурсы микроконтроллера иммобилайзера.

4. Предложен алгоритм выбора оптимальной пары: модели машинного обучения и компонент сокращенного входного вектора. Он содержит блоки сбора данных, формирования полного и сокращенного, путем ранжирования, входного вектора, обучения/тестирования, фильтрации и блок оптимизации по минимуму ложно отрицательных ошибок первого рода и по метрике Recall_mod.

5. Предложен оригинальный алгоритм пересчета ускорений акселерометра в ускорения по осям автомобиля, использующий экспериментальные данные акселерометра при нахождении неподвижного автомобиля на горизонтальной и наклонной поверхностях. Разработан алгоритм определения скорости автомобиля на кратковременных временных участках. Вычисление скорости проводится путем интегрирования ускорения по продольной оси автомобиля с учетом состояний движение/покой и с применением алгоритма компенсации профиля дорожного полотна.

6. Предложен синхронный алгоритм цифровой передачи сдвоенными импульсами с уменьшенным окном валидации и коррекцией ошибок, позволяющий улучшить до 30% вероятность декодирования пакета управляющего сигнала при низких порогах компаратора приемника. Приведены рекомендации по выбору типа микроконтроллера приемлемого ценового диапазона, с наличием всех необходимых ресурсов, периферийных устройств и обеспечивающего возможность реализации предложенных алгоритмов.

Список литературы диссертационного исследования кандидат наук Маковей Александру, 2025 год

Список литературы

1. Магауенов Р.Г. Системы охранной сигнализации, основы теории и прин-

2. Васкжов С.А., Мурзин И.А. Разработка методов и устройств передачи цифровых управляющих сигналов по штатной электропроводке автомобиля // Сборник статей международной научно - практической конференции «Воздействие научно-технической революции на характер связи науки с производством».

3. Васюков С.А., Мурзин И.А. Электронные реле автомобильных охранных сигнализаций, управляемые по силовой электропроводке автомобиля // Приборы.

4. Васюков С.А., Мурзин И.А., Мисеюк О.И. Моделирование штатной силовой электропроводки автомобиля при передаче по ней импульсных управляющих сигналов // Электроника и электрооборудование транспорта. 2019. №4. С. 2-5.

5. Vasyukov S., Murzin I. Methods and Devices for Transmitting Digital Control Signals over Car Power Wiring // Proceedings of IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering (ElConRus), Saint Petersburg and

6. Васюков С.А., Мурзин И.А. Методы и устройства передачи цифровых управляющих сигналов по силовой электропроводке автомобиля // Электроника и

7. Васюков С.А., Мурзин И.А., Мисеюк О.И. Управление электронными реле автомобильных сигнализаций по силовой электропроводке в условиях им-

8. Krasovsky A., Vasyukov S., Murzin I. Measurement and Analysis of Impulsive Noise on Car Power Lines // Proceedings of IEEE International Siberian Conference on Control and Communications (SIBCON), Tomsk; Russian Federation. 2019. P. 46-51.

9. Krasovsky A., Vasyukov S., Murzin I. Use of Power Line Communication Technology for Electronic Relays of Car Alarms // Proceedings of IEEE International Conference on Industrial Engineering, Applications and Manufacturing (ICIEAM), Soshi; Russian Federation. 2019. P. 91-96. DOI: 10.1109/ICIEAM.2019.8743066.

10. Maryanka Y. Wiring reduction by battery power line communication // IEEE

11. Rubin A. Implementing automotive protocols for communications over noisy battery power lines // Proceedings of convention of electrical and electronics engineers

12. Huck T., Schirmer J., Dostert K. Tutorial about the implementation of a vehicular high speed communication system // Proceedings of IEEE International Power line Communications and Its Applications (ISPLC). 2005. P. 162-166.

13. Arabia E., Ciofi C., Consoli A., Merlino R. Electromechanical Actuators for Automotive Applications Exploiting Power Line Communication // Proceedings oí IEEE International Symposium on Power Electronics, Electrical Drives, Automation

14. Mohammadi M., Lampe L., Lok M. Measurement study and transmission for in-vehicle power line communication // Proceedings of IEEE Power Line Communica-

15. Lienard M., Carrion M., Degardin V. Modeling and Analysis on In-vehicle power line communication channels // Proceeding of IEEE Transaction on Vehicular

16. Stievano I., Cañavero F., Dafinescu V. Power line communication channel modeling for in-vehicle applications // Proceeding of IEEE International Instrumentation and Measurement Technology Conference (I2MTC 2012). 2012. P. 809-814.

17. Stievano I., Cañavero F. Multipath Modelling of Automotive Power Line Communications Channels. // Proceeding of IEEE Transactions on Industrial

18. Guerrieri L., Bisaglia P., Stievano I., Cañavero F. Statistical Assessment of Automotive PLC Multipath Channel Models // Proceeding of 18-th IEEE International

Symposium on Power Line Communications and Its Applications. 2014. P. 47-51.

19. Carrion M., Lienard M., Degauque P. Communication over Vehicular DC Lines: Propagation Channel Characteristics // Proceeding of Power Line Communica-

20. Buccella C, De Santis V., Feliziani M. Channel characterization of power line communications over in-vehicle wire harness // Proceedings of IEEE 10th International Symposium on Electromagnetic Compatibility, York, UK. 2011. P. 2004-2007.

21. Guerrieri L., Masera G., Stievano I., Bisaglia P., Valverde W., Concolato M. Automotive Power-Line Communication Channels: Mathematical Characterization and Hardware Emulator // Proceedings of IEEE Transactions on Industrial Electronics.

22. Pittolo A., de Piante M., Versolatto F. In-Vehicle Power Line Communication: Differences and Similarities Among the In-Car and the In-Ship Scenarios // IEEE

23. Taherinejad N., Rosales R., Mirabbasi S., Lampe L. On the Design of Impedance Matching Circuits for Vehicular Power Line Communication Systems // Proceedings of IEEE International Symposium on Power Line Communications and Its Appli-

24. Taherinejad N., Lampe L., Mirabbasi S. Adaptive Impedance Matching for Vehicular Power Line Communication Systems // Proceedings of 18-th IEEE International Symposium on Power Line Communications and Its Applications. 2014. P. 21425. Zimmermann M., Dostert K. A multipath model for the powerline channel //

IEEE Transactions on Communications. 2002. Vol. 50(4). P. 553-559.

Vehicle Power Lines: Characterization and Impact on Communication Performance // Proceedings of IEEE International Conference Power line Communications and Its Ap-

27. De Caro S., Testa A. A Power Line Communication approach for body electronics modules // Proceeding of Power Electronics and Applications, Barcelona . 2009.

28. Silva P., Almeida L., Caprini D. Experiments on timing aspects of DC-powerline communications // Proceedings of IEEE international Conference on Emerging Technologies and Factory Automation , Palma de Mallorca, Spain. 2009. P. 167429. Beikirch H., Voss M. CAN-transceiver for field-bus power line communication // Proceedings of the International Symposium on Power Line Communications and

30. Gouret W., Nouvel F., Zein G. Additional Network Using Automotive Powerline Communication // Proceedings of International Conference on Intelligent Transport

31. Gouret W., Nouvel F., Zein G. High Data Rate Network Using Automotive Power Line // Proceedings of International Conference on Intelligent Transport Systems

32. Nouvel F., Maziéro P. X-by-Wire and intra-car communications: power line and/or wireless solutions // Proceedings of International Conference on Intelligent Transport Systems Telecommunications, Phuket. 2008. P. 443-448.

33. Nouvel F., Gouret W., Maziéro P. Automotive Network Architecture for ECUs Communications, in Automotive Informatics and Communicative Systems //

34. Jones C. H. Communications over aircraft power lines // Proceedings of IEEE international symposium on power line communications and its applications

35. Galli E., Banwell T., Waring D. Power line based LAN onboard the NASA space shuttle // Proceedings of 59-th IEEE Vehicular Technology Conference (VTC).

36. Cortres J., Cerdra M., Driez L., Canete F. Analysis of the periodic impulsive noise asynchronous with the mains in indoor PLC channels // Proceedings of the IEEE

International Symposium on Power Line Communications and its Applications

37. Cortres J., Driez L., Cañete F., Sanchez-Martinez J. Analysis of the indoor broadband power-line noise scenario // IEEE Transactions on Electromagnetic Compa-

38. Vallejo-Mora A., Sanchez-Martinez J., Cañete F., Cortres J., Driez L. Characterization and Evaluation of In-Vehicle Power Line Channels // Proceedings of IEEE Global Telecommunications Conference (GLOBECOM). 2010. P. 1-5.

39. Antoniali M., De Piante M., Tonello A. PLC noise and channel characterization in a compact electrical car // Proceedings of IEEE International Symposium on Power Line Communications and its Applications (ISPLC), Johannesburg, SA. 2013. P.

40. Rouissi F., Degardin V., Liénard M., Degauque P. Low amplitude Impulsive Noise in vehicular power line network // Proceedings of IEEE 9-th International Conference on Intelligent Transport Systems Telecommunications (ITST). P. 538-542.

41. Umehara D., Morikura M., Hisada T. Statistical Impulse Detection of In-Vehicle Power Line Noise Using Hidden Markov Model // Proceedings of IEEE International Symposium on Power Line Communications and its Applications (ISPLC).

42. Мурзин И.А. Разработка электронных реле с управлением по бортовой сети постоянного тока автомобиля: дисс. ... канд. техн. наук. Москва. 2020. 193 с.

43. Автомобильный охранно-противоугонный комплекс BLACK BUG SUPER. Рекомендации по установке. 2019. LIRL: http://www.altonika-sb.m/images/catalog/рекомендации по установке 5D Director.pdf (дата обращения

44. Васюков С.А., Красовский А.Б., Маковей А. Определение движения автомобиля по сигналам МЭМС-акселерометра // Датчики и системы. 2024. №2.

45. Васюков С.А., Кабаков В.А., Маковей А. Определение движения автомобиля по сигналу МЭМС-акселерометра с применением методов

машинного обучения // Приборы. 2024. №2. С. 6-13.

46. Васюков С.А., Кабаков В.А., Маковей А. Датчик скорости автомобиля на основе МЭМС-акселерометра // Будущее машиностроения России: сб. тр. XVI Всерос. конф. молодых ученых и специалистов. Москва, 2024. С. 401-410.

47. Vasyukov S.A., Krasovsky A.B., Macovey A. Statistical Analysis of Accelerations in Car Movement // Proceedings International Russian Automation Conference, RusAutoCon 2023, Sochi; Russian Federation. 2023. P. 105-110. DOI: https://doi.org/10.1109/RusAutoCon58002.2023.10272758.

48. Vasyukov S.A., Kabakov B.A., Macovey A. Application of Machine Learning Methods to Determine the Movement of a Car Using a MEMS Accelerometer Signal // Proceedings International Russian Smart Industry Conference, SmartIndustryCon 2024, Sochi; Russian Federation. 2024. P. 92-97. DOI: 10.1109/SmartIndustryCon61328.2024.10515898.

49. Васюков С.А., Мурзин И.А. Применение маломощных высокочастотных трансиверов с индикатором мощности принятого сигнала в системе контроля доступом // Машиностроение и компьютерные технологии. Электрон. журн. 2017. № 8. С. 12-29. URL: http://www.technomagelpub.ru/jour/article/view/1298 (дата обращения 13.11.2019).

50. Васюков С.А., Мурзин И.А., Мисеюк О.И. Применение емкостных датчиков касания в системах контроля и управления доступом // Приборы. 2018. № 5. С. 9-15.

51. Тихонов О.А. Цифровые блокировки двигателя // АвтоДела. Электронный журнал. 2010. URL: http://catalog.autodela.ru/article/view/3354 (дата обращения 13.11.2019).

52. Degardin V., Lienard M., Degauque P. Impulsive Noise Characterization of In-Vehicle Power Line // IEEE Transactions on Electromagnetic Compability. 2008. Vol. 50. №4. P. 861-868.

53. Васюков С.А., Маковей А., Мисеюк О.И. Прямая цифровая передача управляющих сигналов через бортовую сеть постоянного тока автомобиля // Датчики и системы. 2022. №4. С. 20-27.

54. Vasyukov S.A., Macovey A., Tronnikov A.I. Algorithms for Direct Digital Transmission of Control Signals Through the Vehicle's On-Board DC Network // Proceedings International Conference on Industrial Engineering, Applications and Manufacturing, ICIEAM 2021, 2021. P. 850-855. DOI: 10.1109/ICIEAM51226.2021.9446370.

55. Vasyukov S.A., Macovey A., Tronnikov A.I. Impulsive Noise from the Optional Equipment on In-Vehicle Power Lines // Proceedings International Russian Automation Conference, RusAutoCon 2021, 2021. P. 238-243. DOI: 10.1109/RusAutoCon52004.2021.9537493.

56. Krasovsky A.B., Vasyukov S.A., Macovey A. Measurement and Analysis of Impulsive Noise in Vehicular Power Lines // Proceedings International Russian Automation Conference, RusAutoCon 2020, 2020. P. 410-415. DOI: 10.1109/RusAutoCon49822.2020.9208197.

57. M. J. Mathie, A. C. F. Coster, N. H. Lovell, B. G. Celler. Accelerometry: providing an integrated, practical method for long-term, ambulatory monitoring of human movement. Physiological Measurement. 2004. Vol. 25. P. 1-20.

58. L. Bao, S. Intille. Activity Recognition from User-Annotated Acceleration Data. Pervasive Computing. A. Ferscha and F. Mattern, Eds., ed: Springer Berlin Heidelberg. 2004. Vol. 3001. P. 1-17.

59. N. Ravi, N. Dandekar, P. Mysore, M. L. Littman. Activity recognition from accelerometer data // Proceedings 20th National Conference on Artificial Intelligence and the 17th Innovative Applications of Artificial Intelligence Conference. Pittsburgh, 2005. P. 1541-1546.

60. M. Oliver, H. Badland, S. Mavoa, M. J. Duncan, and S. Duncan. Combining GPS, GIS, and Accelerometry: Methodological Issues in the Assessment of Location and Intensity of Travel Behaviors // Journal of Physical Activity and Health. 2010. Vol. 7. P. 102-108.

61. A. R. Cooper, A. S. Page, B. W. Wheeler. Mapping the Walk to School Using Accelerometry Combined with a Global Positioning System // American Journal of Preventive Medicine. 2010. Vol. 38. P. 178-183.

62. P. J. Troped, M. S. Oliveira, C. E. Matthews, E. K. Cromley, S. J. Melly, and B. A. Craig. Prediction of Activity Mode with Global Positioning System and Accel-erometer Data // Medicine & Science in Sports & Exercise 40(5). 2008. P. 972-978. https://doi.org/ 10.1249/mss.0b013e318164c407.

63. J. L. Wolf, M. G. S. Oliveira, P. Troped, C. E. Mathews, E. K. Cromley, and S. J. Melly. Mode and Activity Identification Using GPS and Accelerometer Data // Proceedings of the 85th Annual Meeting of the Transportation Research Board. Washington DC, United States, 2006. P. 805-815.

64. J. Wang, R. Chen, X. Sun, M. F. H. She, and Y. Wu. Recognizing Human Daily Activities From Accelerometer Signal // Procedia Engineering. 2011. Vol. 15. P. 1780-1786. DOI: 10.1016/j.proeng.2011.08.331.

65. M. Ermes, J. Parkka, J. Mantyjarvi, and I. Korhonen. Detection of Daily Activities and Sports With Wearable Sensors in Controlled and Uncontrolled Conditions // IEEE Transactions on Information Technology in Biomedicine. 2008. Vol. 12. P. 2026. https://doi.org/10.1109/TITB.2007.899496.

66. J. Lester, P. Hurvitz, R. Chaudhri, C. Hartung, G. Borriello. MobileSense -Sensing Modes of Transportation in Studies of the Built Environment // Proceedings of International Workshop on Urban, Community, and Social Applications of Networked Sensing Systems, Raleigh, North Carolina, USA. 2008. P. 46-51.

67. J. R. Kwapisz, G. M. Weiss, and S. A. Moore. Activity recognition using cell phone accelerometers // ACM SIGKDD Explorations Newsletter. 2011. Vol. 12. P. 7482. DOI: 10.1145/1964897.1964918.

68. Wireless Sensor Data Mining. URL: http://www.cis.fordham.edu/wisdm/.

69. C. Syuan-Yi, H. Chung-Ming, L. Shih Yang, and T. Lai. Activity recognition for triggering cooperative networking among on-vehicle smart devices // Proceedings International Conference on ITS Telecommunications (ITST). 2013. P. 80-84. DOI: 10.1109/ITST.2013.6685525.

70. T. Feng and H. J. P. Timmermans. Transportation mode recognition using GPS and accelerometer data // Transportation Research Part C: Emerging Technologies. 2013. Vol. 37. P. 118-130. DOI: 10.1016/J.TRC.2013.09.014.

71. V. Manzoni, D. Manilo, K. Kloeckl, and C. Ratti. Transportation mode identification and real-time CO2 emission estimation using smartphones. Tech. Rep. Massa-chusets Institute of Technology. URL: https://senseable.mit.edu/co2go/images/co2go-technical-report.pdf.

72. Ustun Ilyas. Robust Algorithms for Estimating Vehicle Movement from Motion Sensors Within Smartphones. Doctor of Philosophy Dissertation // Computational Modeling & Simulation Engineering, Old Dominion University, 2016. DOI: 10.25777/8fqh-vc04.

73. Васюков С.А., Мисеюк О.И., Мурзин И.А. Применение 3-осевых MEMS-акселерометров для измерения ударных воздействий в автомобильных системах контроля и управления доступом // Приборы. 2018. №4. C. 5-13.

74. Васюков С.А. Разработка алгоритмов обработки информационного сигнала и реализация комбинированного датчика удара, наклона и движения на основе 3-осевого MEMS-акселерометра // Радиооптика. Электронный журнал. 2016. № 6. С. 47-63. DOI: 10.7463/rdopt.0616.0850702.

75. Vasyukov S.A., Macovey A. Algorithms for Processing the Information Signal of the Shock Sensor Car Security System // Proceedings International Conference on Industrial Engineering, Applications and Manufacturing, ICIEAM 2022. P. 942-947. DOI: 10.1109/ICIEAM54945.2022.9787139.

76. Vasyukov S.A., Macovey A. Multifunctional Shock, Tilt and Motion Sensor Based on MEMS Accelerometer // Proceedings International Conference on Industrial Engineering, Applications and Manufacturing, ICIEAM 2022. P. 936-941. DOI: 10.1109/ICIEAM54945.2022.9787253.

77. Рашка С. Python и машинное обучение / пер. с англ. А.В. Логунова. М.: ДМК пресс, 2017. 418 с.

78. Вьюгин В. В. Математические основы машинного обучения и прогнозирования. Электронное издание. М.: МЦНМО, 2014. 304 с.

79. Николенко С.И. Глубокое обучение. СПб.: Питер, 2018. 480 с.

80. Вапник В.Н., Червоненкис А.Я. Теория распознавания образов (статистические проблемы обучения). М.: Наука, 1974. 416 с.

81. Айфичер Э.С., Джервис У. Цифровая обработка сигналов: практический подход / Пер. с англ. М.: Издательский дом «Вильямс», 2004. 992 с.

82. Челноков Ю.Н. Кватернионные и бикватернионные модели и методы механики твердого тела и их приложения. Геометрия и кинематика движения. М.: ФИЗМАТЛИТ, 2006. 512 с.

83. Yabuuchi Y., Umehara D., Morikura M., Hisada, T. Measurement and Analysis of Impulsive Noise on In-Vehicle Power Lines // Proceedings of Power Line Communications and Its Applications. 2010. P. 325-330.

84. Barmada S., Raugi M., Tucchi M. Powerline communication in a full electric vehicle // Proceedings of IEEE International Symposium on Power Line Communications and Its Applications, Rio de Janeiro. 2010. P. 331-336.

85. Ling L., Zhang M., Liang Z. Modeling and Analysis of Vehicular Power Line Communication System based on BFSK for Vehicle to Grid (V2G) // Proceedings of IEEE Asian Conference on Energy, Power and Transportation Electrification (ACEPT). 2017. P. 1-5.

86. Zhang L., Ma H., SHI D. Reliability Oriented Modeling and Analysis of Vehicular Power Line Communication for Vehicle to Grid (V2G) Information Exchange System // IEEE Access. 2017. Vol. 5. P. 12449-12457.

87. Yabuuchi Y., Umehara D., Morikura M. Low Rate and High Reliable Modulation Schemes for In-Vehicle Power Line Communications // Proceedings of IEEE International Symposium on Power Line Communications and its Applications (ISPLC). 2011. P. 249-254.