Идентификация и диагностика состояний природных и технических объектов по акустическим шумам тема диссертации и автореферата по ВАК РФ 05.11.13, кандидат технических наук Кутузов, Александр Александрович

• Кутузов, Александр Александрович
• кандидат технических наук
• 2006

Оглавление диссертации кандидат технических наук Кутузов, Александр Александрович

Введение.

1. Методы и устройства анализа и идентификации акустических сигналов.

1.1. Аналоговые методы и устройства спектрального анализа.

1.2. Цифровые методы спектрального анализа.

1.3. Технические средства акустического контроля сложных объектов, базирующиеся на спектральном анализе.

1.4. Методы и специальные приборы. акустического контроля состояния пчелиных семей.

1.5. Формулировка цели и задач диссертации.

2. Методы предварительной обработки и анализа акустических сигналов.

2.1. Исследование стационарности исходных сигналов и формирование квазистационарных «типичных» реализаций сигналов с близкими дисперсиями.

2.2. Математический аппарат построения энергетических спектров.

2.3. Выбор информативного частотного диапазона сигнала и частотного разрешения при построении энергетических спектров.

2.4. Цель и общая программа и методики проведения экспериментальных исследований.

2.5. Проведение предварительной обработки акустических сигналов пчелиных семей.

3. Отбор оптимальной совокупности информативных признаков и построение классификатора.

3.1. Общая концепция диагностирования состояний сложного объекта по акустическому шуму.

3.2. Критерии предварительного отбора информативных признаков.

3.3. Алгоритм предварительного отбора информативных признаков.

3.4. Критерии разделимости классов по совокупности информативных признаков.

3.5. Алгоритм отбора оптимальной совокупности информативных признаков.

3.6. Критерии значимости улучшения критериев разделимости классов при добавлении информативных признаков.

3.7. Построение решающих правил.

3.8. Получение обучающей выборки значений признаков и построение классификатора состояний пчелиных семей.

4. Структура и алгоритмы функционирования автоматизированной исследовательской системы диагностирования состояния пчелиных семей.

4.1. Структурная схема автоматизированной исследовательской системы диагностирования состояний пчелиных семей.

4.2. Проводной канал передачи данных, структурные схемы контроллеров улья и контроллера пасеки.

4.3. Программное обеспечение автоматизированной исследовательской системы диагностирования состояний пчелиных семей.

Введение диссертации (часть автореферата) на тему «Идентификация и диагностика состояний природных и технических объектов по акустическим шумам»

Актуальность работы. Одним из важных направлений неразрушающего контроля и технической диагностики являются методы, основанные на анализе акустических колебаний, шумов и вибраций либо генерируемых объектом контроля в процессе функционирования, либо возбуждаемых в объекте внешним генератором (или периодическими ударами). Данными проблемами занимались многие отечественные и зарубежные ученые и инженеры: Ю.В. Ланге, С.И. Воропаев, В.Н. Костюков, Б.В. Павлов, Д. Митчел, Д. Линн и др. В частности, уже давно и успешно применяются методы технической диагностики машин и механизмов (в том числе газовых и паровых турбин, автомобильных двигателей и т.п.) по генерируемому ими акустическому шуму и вибрациям их отдельных элементов. С давних пор используется метод дефектоскопии изделий и конструкций путём их «простукивания» с анализом генерируемых звуков «на слух», который в настоящее время получил приборное развитие под названием метода «свободных колебаний», когда упругие колебания, возбуждаемые периодическими ударами по объекту, преобразуются в электрический сигнал и подвергаются спектральному анализу, а по изменениям спектра судят о наличии, характере и расположении дефектов в контролируемом объекте. Особенно эффективным этот метод оказался для обнаружения дефектов соединения между слоями в многослойных изделиях и конструкциях. Однако, и в том, и в другом случаях (т.е. и при генерировании акустических сигналов самим объектом, и при его возбуждении с помощью наносимых по объекту ударов) чем сложнее объект, тем сложнее получается и анализируемый акустический сигнал, и тем труднее идентифицировать по нему состояние объекта. Причина здесь в том, что, хотя в обоих случаях процессы, генерирующие анализируемый сигнал, можно отнести к циклическим, но и в сложных работающих машинах, и в сложных изделиях, в которых упругие колебания возбуждаются за счёт внешних циклических воздействий, суммарный акустический сигнал складывается из очень многих составляющих, которые генерируются отдельными деталями и элементами работающей машины или вибрирующего после удара изделия. При этом каждый из этих элементов обладает своими резонансными частотами, которые не только не совпадают друг с другом, но и не кратны. В результате наложения и вынужденных, и собственных колебаний множества этих элементов с меняющейся во времени амплитудой и различными (и также могущими изменяться во времени) периодами, а также происходящей между ними интерференции, сам суммарный сигнал (во временной области) и его спектр получаются нестационарными. Из них очень сложно выделить устойчивые информативные признаки, по которым можно было бы проводить идентификацию состояний объекта. В итоге сложилась противоречивая ситуация, когда быстрое совершенствование технологий сбора и обработки данных на базе современной компьютерной техники как в реальном времени, так и при использовании ретроспективного анализа, наталкивается на отсутствие эффективных методов анализа нестационарных и квазистационарных процессов, выделения из таких сигналов устойчивых информативных признаков и синтеза решающих правил, позволяющих проводить надёжную идентификацию состояний указанных объектов. Именно разработке таких методов анализа, связанных с выделением близких к стационарным коротких отрезков исходных сигналов и получения из них «типичных» для данного состояния квазистационарных реализаций сигналов, которые в дальнейшем подвергаются спектральному анализу, с выделением из полученных спектров устойчивых информативных признаков, отбором их оптимальной совокупности для идентификации заданного множества состояний объекта и построением решающих правил для проведения идентификации посвящена настоящая диссертационная работа.

Указанные методы анализа могут использоваться не только в технической диагностике и неразрушающем контроле технических объектов акустическими методами, но и при мониторинге природных и биологических объектов, характеризуемых сложными циклическими процессами.

Очевидно, что для проверки эффективности предлагаемых методов желательно выбрать объект, который, с одной стороны, характеризуется наиболее сложными акустическими сигналами, со всеми специфическими особенностями, которые отмечались выше, а с другой стороны, позволял бы получать неограниченное множество реализаций сигналов, соответствующих его различным состояниям, достаточно надёжно идентифицируемым какими-либо прямыми методами. Кроме того, решение указанных задач для выбранного класса объектов должно уже само по себе иметь важное народно-хозяйственное значение. Указанным требованиям удовлетворяет такой природный объект как пчелиная семья. В самом деле, акустический шум пчелиной семьи складывается из звуков, генерируемых тысячами пчёл, входящих в неё. При этом различные группы пчёл занимаются одновременно разнообразной деятельностью, а следовательно, издают шумы различного характера. Даже сигнал единичной летящей пчелы не является строго стационарным (зависит от совершаемых ей манёвров и скорости полёта). Тем более нестационарным будет суммарный сигнал всей пчелиной семьи. Тем не менее, опытные пчеловоды могут «на слух» различать некоторые характерные состояния пчелиной семьи по издаваемому ей акустическому шуму. Уже много лет во всём мире ведутся исследования по выявлению влияния состояний пчелиной семьи на характер издаваемого ей акустического шума, которые доказали, что такие связи объективно существуют. Наиболее полно результаты таких исследований представлены в работах Е.К. Есь-кова, А.Ф. Рыбочкина. Но все попытки идентифицировать состояния пчелиных семей с помощью достаточно простых методов спектрального анализа акустических сигналов не привели к успеху именно из-за их сложности и нестационарности.

Поэтому, если разработанные в диссертации методы анализа окажутся эффективными для данной задачи, то есть все основания полагать, что в аналогичных задачах технической диагностики и неразрушающего контроля они будут ещё эффективней, поскольку акустические сигналы технических объектов заведомо являются более регулярными и близкими к стационарным, чем сигналы пчелиных семей.

Цель работы состоит в исследовании и разработке методов и алгоритмов обработки и анализа акустических сигналов, генерируемых сложными техническими и природными объектами, для идентификации их состояний и диагностики, а также разработке структуры реализующих их аппаратных и программных средств на примере системы диагностирования состояний пчелиных семей по акустическому шуму.

Основные задачи, решаемые в работе:

- исследование и разработка методов и алгоритмов предварительной обработки нестационарных акустических сигналов для выделения их квазистационарных участков и формирование из них «типичных» для каждого распознаваемого состояния квазистационарных реализаций, пригодных для дальнейшей обработки;

- исследование и разработка методов и алгоритмов параметризации (выделения информативных признаков) полученных «типичных» реализаций сигналов путём построения по ним энергетических спектров и их усреднения по узким частотным полосам;

- разработка критериев информативности информативных признаков, не требующих предварительного построения решающих правил классификации, и отбор с их помощью оптимальной совокупности информативных признаков, необходимой для идентификации заданного множества состояний исследуемого объекта;

- исследование и разработка методов построения решающих правил для идентификации состояний по выделенной совокупности информативных признаков;

- разработка структуры аппаратных и программных средств автоматизированной исследовательской системы, на базе которой реализуются методы и алгоритмы идентификации состояний;

- классификация и архивирование акустических сигналов пчелиных семей по определяемым экспертным путём (пчеловодами) состояниям, в которых они находятся, для накопления обучающей выборки и построения по ней системы диагностирования состояний пчелиных семей с использованием разработанных методов и алгоритмов.

Методы исследования. Для решения поставленных в работе задач применялись методы теории случайных процессов и математической статистики, спектрального анализа, теории распознавания образов, математического моделирования и экспериментальные методы.

Научная новизна работы:

- обоснована необходимость и разработаны метод и алгоритм предварительной обработки нестационарных акустических сигналов с целью выделения из них коротких квазистационарных участков, из которых формируются «типичные» для конкретных состояний квазистационарные реализации сигналов;

- разработан метод параметризации (выделения измеримых информативных признаков) «типичных» реализаций акустических сигналов, базирующийся на измерении спектральной плотности, усреднённой по сопряжённым узким полосам частот их энергетического спектра;

- разработаны критерии информативности выделенных признаков, не требующие предварительного построения решающих правил, и базирующийся на них алгоритм определения оптимального набора информативных признаков из их первоначальной избыточной совокупности, обеспечивающего компактность решающих правил при сохранении достоверности распознавания;

- разработан метод и алгоритм построения решающих правил на основе линейных разделяющих функций, задающих границы областей в многомерном пространстве информативных признаков, соответствующих каждому распознаваемому состоянию, при максимизации критериев разделимости классов.

Практическая ценность работы:

Разработанные методы, алгоритмы и реализующие их программы составляют основное функциональное ядро программного обеспечения систем идентификации, диагностики и неразрушающего контроля сложных технических и природных объектов по акустическим шумам и вибрациям. В частности на их основе разработана обучаемая автоматизированная система диагностирования состояния пчелиных семей по акустическому шуму, которая позволяет существенно облегчить труд пчеловодов и повысить продуктивность пасек. Результаты диссертационной работы внедрены в учебный процесс Курского государственного технического университета в учебных дисциплинах «Основы теории распознавания образов», «Физические основы передачи сигналов», «Учебная исследовательская работа студентов», а создаваемый на основе полученных в диссертации результатов исследовательский комплекс будет внедряться в ведущей организации ФГОУ ВПО Российском государственном аграрном заочном университете, г. Балашиха и в КурскГТУ.

На защиту выносятся:

- метод и алгоритм двухэтапной предварительной обработки сложных нестационарных акустических сигналов, предназначенные для выделения квазистационарных участков сигнала и синтеза из них «типичных» реализаций сигналов, содержащих информацию о текущем состоянии объекта;

- метод оптимальной параметризации акустических сигналов, базирующийся на разделении энергетического спектра сигнала на узкие частотные полосы и определении усреднённой по каждой такой полосе спектральной мощности;

- метод и критерии, позволяющие построить алгоритм отбора оптимальной совокупности информативных признаков из первоначального избыточного набора, обеспечивающий компактность решающих правил при сохранении достоверности распознавания;

- метод и алгоритм построения решающих правил на основании линейных разделяющих функций, задающих границы областей в многомерном пространстве отобранных информативных признаков, соответствующих каждому распознаваемому состоянию, при максимизации критерия разделимости классов;

- структура и алгоритмы функционирования аппаратного и программного обеспечения автоматизированной исследовательской системы диагностирования состояний пчелиных семей по акустическому шуму.

Апробация работы. Основные положения диссертационной работы докладывались на следующих научно-технических конференциях: четвёртая международная научно-техническая конференция «Медико-экологические информационные технологии - 2001» (Курск, 2001), пятая международная конференция «Распознавание - 2001» (Курск, 2001), пятая международная научно-техническая конференция «Медико-экологические информационные технологии - 2002» (Курск, 2002), XI Российская научно-техническая конференция «Материалы и упрочняющие технологии - 2004» (Курск, 2004), третья международная научно-техническая конференция «Современные инструментальные системы, информационные технологии и инновации» (Курск, 2005), III всероссийская и I международная научно-практическая конференция «Пчеловодство холодного и умеренного климата - 2005» (Псков, 2005).

Публикации. Основные результаты выполненных исследований и разработок опубликованы в 9 печатных работах, в том числе шести статьях, получен патент Российской Федерации. В работах, опубликованных в соавторстве, автором был внесен следующий вклад: в [103, 53, 64] предложен цифровой подход и техническая реализация метода распознавания состояния пчелиных семей, в [34] проведено исследование предпосылок создания автоматизированной системы и поставлены основные её задачи, в [47] предложен метод и алгоритм отбора участков сигнала, по которым в дальнейшем производится распознавание состояния пчелиных семей, в [65] предложена математическая модель системы распознавания с обучением, а также разработаны алгоритмы отбора информативных признаков для распознавания состояния пчелиных семей и определения весовых коэффициентов решающих правил при максимизации критерия Фишера, в [94] разработана структура и алгоритмы функционирования аппаратного и программного обеспечения системы диагностирования пчелиных семей по акустическому шуму.

Структура и объём работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы, включающего 103 наимено

Заключение диссертации по теме «Приборы и методы контроля природной среды, веществ, материалов и изделий», Кутузов, Александр Александрович

Выводы:

1. Определены основные задачи автоматизированной исследовательской системы диагностирования состояния пчелиных семей по акустическому шуму. С их учётом разработана структурная схема автоматизированной исследовательской системы, реализация которой позволяет решить поставленные задачи.

2. Предложено в автоматизированной исследовательской системе использовать цифровую передачу данных, поскольку цифровые каналы отличаются рядом преимуществ по сравнению с аналоговыми. В связи с этим в работе рассмотрены каналы передачи данных, применяемые в системе. Разработаны структурные схемы блоков автоматизированной системы диагностирования состояния пчелиных семей (контроллеров улья и пасеки), ориентированные на применение микро-ЭВМ и обобщенные алгоритмы их работы.

3. Определены основные функции специального программного обеспечения, работающего на ПЭВМ, на основании которых разработана структура СПО автоматизированного исследовательского комплекса диагностирования состояния пчелиных семей по акустическому шуму. Основная часть СПО, реализующая методы и алгоритмы предварительной обработки акустических сигналов, их параметризации, отбора оптимальной совокупности информативных признаков, построения решающих правил (классификатора) и диагностирования вновь предъявляемых реализаций сигналов с помощью построенного классификатора реализована на языке высокого уровня С++ в интегрированной среде разработки Borland С++ Builder 4.0.

4. Описанные в работе аппаратные и программные средства анализа акустических сигналов, для повышения функциональной эффективности обслуживания, могут быть включены в состав автоматизированного комплекса контроля и управления пасеки в качестве подсистемы акустической диагностики состояний пчелиных семей.

ЗАКЛЮЧЕНИЕ

1. Основными проблемами при разработке методов и алгоритмов идентификации и диагностирования состояний сложных объектов по акустическим сигналам являются стохастичность и нестационарность анализируемых сигналов, что определяет существенную вариабельность их спектров. А это осложняет и достоверную идентификацию соответствующих состояний объекта. Решение указанных проблем возможно путём проведения предварительной обработки сигналов, заключающейся в разделении полученных реализаций сигнала на короткие отрезки, определения степени их идентичности по статистическим характеристика, отбраковки отрезков с существенно отличающимися статистическими характеристиками и формировании из оставшихся «типичных» для данного состояния объекта квазистационарных реализаций сигналов, которые подвергаются дальнейшему анализу.

2. Из теории случайных сигналов и в результате проведения экспериментальных исследований реальных сигналов пчелиных семей сделан вывод, что для анализа слабостационарных и нестационарных сигналов целесообразно использовать не амплитудный, а энергетический спектр, который более устойчив, чем амплитудный и при большом числе обрабатываемых отсчётов характеризуется состоятельностью и несмещённостью. Разработана общая методика определения информативного частотного диапазона анализируемых сигналов и частотного разрешения при построении энергетических спектров, обеспечивающая компромисс между требованиями хорошей различаемое™ спектров, соответствующих различным состояниям объекта и сглаживания индивидуальных различий спектров различных отрезков одной и той же реализации сигнала при минимизации объёмов вычислительной работы. Она подкреплена на конкретном примере построения энергетических спектров акустических сигналов пчелиных семей.

3. На основании известных методов спектрального анализа разработаны алгоритмы и программы построения энергетических спектров «типичных» квазистационарных реализаций сигналов, базирующиеся на быстром преобразовании Фурье. На этом этапе производится вторая проверка исследуемых сигналов на стационарность, для чего полученные «типичные» реализации разбиваются на несколько отрезков равной длины, по которым вычисляются энергетические спектры и по критерию Пирсона проводится их сравнение на статистическую эквивалентность. Удовлетворяющие этому критерию энергетические спектры параметризуются путём вычисления усреднённых по узким полосам частот спектральных плотностей мощности сигнала. Даны рекомендации по выбору базы усреднения (ширины узких полос частот).

4. Предложена концепция построения гибкой обучаемой универсальной диагностической системы для идентификации состояний сложных природных и технических объектов по акустическим шумам, в соответствии с которым базовое программное обеспечение системы должно включать не только программы предварительного анализа и обработки акустических сигналов (или их записей) с выделением информативных признаков и заранее построенный классификатор на какое-то начальное множество диагностируемых состояний, но и программы определения оптимальной совокупности информативных признаков и построения нового классификатора, если предъявляются сигналы, не диагностируемые начальным классификатором. Такая система не только выполняет функции диагностической системы для конкретного класса объектов, позволяющей классифицировать заранее заданное множество состояний объекта, но и может использоваться в качестве исследовательского комплекса, перенастраивать эту систему для любых других объектов, состояния которых характеризуются акустическими сигналами. В этом случае необходимо лишь накопить представительную выборку записей сигналов, характеризующих те или иные состояния этого объекта, которые требуется диагностировать, и в диалоговом режиме определить количественные характеристики параметризации исходных сигналов, которые для каждого типа объектов будут специфичны.

5. Разработаны критерии определения информативности каждого информативного признака в отдельности и любой их совокупности, не требующих предварительного построения классификатора и позволяющие отбирать оптимальную совокупность информативных признаков для идентификации заданного множества состояний объекта. На базе этих критериев разработаны алгоритмы построения оптимального набора информативных признаков из первоначальной избыточной совокупности признаков.

6. Предложен метод и алгоритм построения решающих правил на основании линейных разделяющих функций, задающих границы областей в многомерном пространстве отобранных информативных признаков, соответствующих каждому распознаваемому состоянию, при максимизации критерия разделимости классов.

7. На основе разработанных методов, критериев и алгоритмов разработаны программы для ПЭВМ, реализующие задачи предварительной обработки акустических сигналов, построения их энергетических спектров, выделения из них информативных признаков, отбора оптимального подмножества информативных признаков, обеспечивающего максимум критерия разделимости классов, и построения решающих правил.

8. С использованием разработанного программного обеспечения проведены экспериментальные исследования по накопленному массиву магнитофонных записей акустических сигналов пчелиных семей, идентифицированных по состояниям экспертами (пчеловодами) традиционными методами. Поскольку с наибольшей достоверностью пчеловодами выделялось два состояния: «нормальное» и «роевое», то из всего накопленного массива записей были отобраны только записи, относящиеся к указанным состояниям и для них произведена оценка разделительных свойств и каждого признака в отдельности и их различных совокупностей. Построенные по ним решающие правила и анализ проведённой по ним классификации подтвердил правильность всех теоретических положений, разработанных в диссертации, и достаточную эффективность разработанных методов предварительной обработки сигналов, их параметризации, критериев информативности признаков, алгоритмов отбора оптимальной совокупности информативных признаков и построения по ним классификатора. Поскольку, разработанные в диссертации методы, алгоритмы и критерии оказались эффективными при решении задачи диагностирования состояний пчелиных семей, акустические сигналы которых являются случайными и нестационарными, то их использование будет эффективным и в аналогичных задачах диагностики и неразрушающего контроля технических объектов. Потому что акустические сигналы технических объектов заведомо являются более регулярными и близкими к стационарным, чем сигналы пчелиных семей.

9. Разработана структура и алгоритмы функционирования аппаратного и программного обеспечения автоматизированной исследовательской системы, реализующей разработанные в диссертации методы предварительной обработки акустических сигналов, их параметризации, оценки их разделительных свойств и построения по ним решающих правил для диагностирования состояний пчелиных семей по акустическому шуму. Система может применяться не только в исследовательских целях, но и в качестве подсистемы диагностирования состояний пчелиных семей по акустическому шуму в автоматизированном комплексе контроля и управления пасеки.

10. Результаты диссертационной работы внедрены в учебный процесс Курского государственного технического университета в учебных дисциплинах «Основы теории распознавания образов», «Физические основы передачи сигналов», «Учебная исследовательская работа студентов», а создаваемый на основе полученных в диссертации результатов исследовательский комплекс будет внедряться в ведущей организации ФГОУ ВПО Российском государственном аграрном заочном университете, г. Балашиха и в КурскГТУ.

Список литературы диссертационного исследования кандидат технических наук Кутузов, Александр Александрович, 2006 год

1. Кузнецов, В.А Измерения в электронике: Справочник Текст./ В.А. Кузнецов, В.А.Долгов, В.М. Коневских и др. М.: Энергоатомиздат, 1987. 512 с.

2. Рабинер, JI Теория и применение цифровой обработки сигналов Текст./ Л. Рабинер, Б. Гоулд. М.: Мир, 1978. 836 с.

3. Оппенгейм, А. Применение цифровой обработки сигналов: Пер. с англ. Текст./ А. Оппенгейм. М.: Мир , 1980.

4. Оппенгейм, А.В. Цифровая обработка сигналов Текст./А.В. Оппенгейм, Р.В Шафер: Пер. с англ. М.: Связь , 1979.416с.

5. Гольденберг, Л.М. Цифровая обработка сигналов Справочник Текст./ Л.М. Гольденберг, Б.Д. Матюшкин, М.Н. Поляк. М.:Радио и связь, 1985.312 с.

6. Блейхут, Р. Быстрые алгоритмы цифровой обработки сигналов Текст./ Р. Блейхут. М.: Мир, 1989.448 с.

7. Куприянов, М.С. Техническое обеспечение цифровой обработки сигналов Текст./М.С. Куприянов, Б.Д. Матющкин: СПб. «Форт», 2000. 752 с.

8. Ланге, Ю.В. Акустические низкочастотные методы неразрушающего контроля многослойных конструкций Текст./ Ю.В. Ланге. М.Машиностроение, 1991.272 с.

9. Клюев, В.В. Приборы для неразрушающего контроля материалов и изделий. Справочник. Т2 Текст./ В.В. Клюев, В.Г. Герасимов, А.К. Гурвич и др. М.Машиностроение, 1986. 352 с.

10. Ланге, Ю.В. Низкочастотный акустический дефектоскоп АД-60С Текст./ Ю.В. Ланге, Е.Г. Устинов // Дефектоскопия, 1982. №2, с. 12-15.

11. Мозговой, А.В. Фазочастотный акустический метод дефектоскопии слоистых изделий из полимерных материалов Текст./ А.В. Мозговой, A.M. Ахметшин , Д.А. Рапопорт //Дефектоскопия, 1988. №4, с.50-55.

12. Ланге, Ю.В. Применение спектрального анализа в низкочастотных акустических дефектоскопах Текст. /Ю.В. Ланге, С.И. Воропаев, В.Ф. Мужицкий, B.C. Лапшин и др. // Дефектоскопия, 1995. №10, с. 74-84

13. Низкочастотный акустический дефектоскоп АД-701. Руководство по эксплуатации РЭ 4276-006-52736667-05.

14. Русов, В.А. Спектральная вибродиагностика Текст. /В.А. Русов. Пермь, первый вып. 1996. 176 с.16. www.diamech.ru17. www.encotes.ru18. www.mosotd.ru19. www.chereda.net20. www.vibrotek.com

15. Еськов, Е.К. Акустическая сигнализация общественных насекомых Текст./Е.К. Еськов. М.: Наука, 1979. 209 с.

16. Еськов, Е.К. Отношение пчёл к звукам и вибрации Текст./ Е.К. Еськов//Природа, 1970. №8, с.70-72.

17. Еськов, Е.К. Структура звукового фона пчелиной семьи Текст./ Е.К. Еськов // Зоол. журн. 1972. № 51, с. 1018 1024.

18. Еськов, Е.К. Микроклимат улья и биологическое состояние пчелиной семьи Текст./Е.К. Еськов // Пчеловодство, 1974. №3, с.19-21.

19. Еськов, Е.К. Контроль за физиологическим состоянием пчелиных семей Текст./ Е.К. Еськов, A.M. Сапожников, А.И. Торопцев // Пчеловодство, 1976. №4, с. 10-11.

20. Shauff F. Die electronische Schwarmkontrolle //Allg. Dtsch. Imkerzei-tung, 1975. №4, S. 93-95.

21. Еськов, Е.К. Звуковая сигнализация медоносных пчёл Текст./ Е.К. Еськов //Вестн. НИИ пчеловодства, 1970. №19, с. 1-80.

22. Еськов, Е.К. Акустический контроль состояния пчелиных семей Текст./ Е.К. Еськов // Пчеловодство, 1972. №1, с 26 -27.

23. Патент 2055473, Россия, МКИ А 01 К 57/00 Устройство для определения физиологического состояния пчелиной семьи «РОЙ»/ В.Е. Носовский, С.А. Кожанов, И.В. Архипов. Опубликован в бюл. 10.03.96, №7.

24. Патент 2099942, Россия, МКИ А 01 К 57/00 Устройство для акустического контроля за состоянием пчелиной семьи/В.Э. Дрейзин, А.Ф. Рыбочкин, И.С. Захаров, Е.К. Еськов. Опубликован в бюл.27.12.97.,№36.

25. Патент 2259041, Россия, МКИ А 01 К 47/00 Способ и устройство диагностики состояний пчелиных семей по их акустическому шуму/А.Ф. Рыбочкин, В.Э. Дрейзин, И.С. Захаров, Б.Б Дремов, А.А. Кутузов. Опубликован в бюл. 27.08.2005, №24.

26. Патент 2101941, Россия, МКИ А 01 К 57/00 Автоматизированная система управления жизнедеятельностью пчелиных семей в ульях/Е. К. Еськов, А.Ф. Рыбочкин, В.Г. Кислов. Опубликован в бюл. 20.01.98 №2.

27. Патент 2118084, Россия, МКИ А 01 К 57/00 Автоматизированная система для контроля жизнедеятельности пчелиных семей/А.Ф. Рыбочкин, В. Э. Дрейзин. Опубликован в бюл. 27.08.98 №24.

28. Бендат, Дж. Прикладной анализ случайных данных Текст./Дж. Бен-дат, А.Пирсол. М.: Мир, 1989. 540 с.

29. Вентцель, Е.С. Теория вероятностей: Учеб. Для вузов Текст./ Е.С. Вентцель. М.:Высш.шк., 2002. 575 с.

30. Дженкинс, Г Спектральный анализ и его применения. Выпуск 1 Пер с англ. Текст./Г. Дженкинс, Д. Ватте .М.: Мир, 1971. 317 с.

31. Дженкинс, Г Спектральный анализ и его применения. Выпуск 2 Пер с англ. Текст./ Г. Дженкинс, Д. Ватте .М.: Мир, 1972. 286 с.

32. Пустыльник, Е.И.Статистические методы анализа и обработка наблюдений. Текст./ Е.И. Пустыльник. М.: Наука, 1968. 288 с.

33. Вентцель, А.Д. Курс теории случайных процессов . Текст./ А.Д. Вентцель. М.:Наука. Физматлит, 1996.400 с.

34. Баскаков, С.И. Радиотехнические цепи и сигналы: Учебник. Текст./ С.И. Баскаков. М.: Высш. Школа, 1983. 536 с.

35. Кинтцель, Т. Руководство программиста по работе со звуком Текст./ Т. Кинтцель. М.: ДМК Пресс, 2000.432 с.

36. Патент 2161883, Россия, МКИ А 01 К 47/00 Способ диагностирования состояний пчелиной семьи/В.Э. Дрейзин, А.Ф. Рыбочкин, И.С. Захаров. Опубликован в бюл. 20.01.2001.,№2.

37. Янко, Я Математико-статистические таблицы . Текст./Я. Янко. М.:Госстатиздат, 1961. 387 с.

38. Болынев, JI.H. Таблицы математической статистики . Текст./ JI.H. Болынев, Н.В. Смирнов. М.:Наука, 1983. 416 с.

39. Фукунага, К. Введение в статистическую теорию распознавания образов. Текст./ К. Фукунага. М.: Наука, 1979. 367 с.

40. Дрейзин, В.Э Разработка и исследование многопараметровых методов и автоматизированной аппаратуры электромагнитного неразрушающего контроля. Текст./ В.Э. Дрейзин: дис.докт.техн.наук. Курский политехнический институт. Курск, 1992.

41. Иванов, В.И. Энтропийный подход к оценке информативности признаков для распознавания. Текст./ В.И. Иванов, В.Э. Дрейзин // Известие вузов: Приборостроение, 1982. T.XXV. №5. с. 43-48.

42. Дрейзин, В.Э. Критерии для предварительного отбора информативных признаков при распознавании образов Текст./ В.Э. Дрейзин, В.И. Иванов // Известия вузов: Приборостроение, 1982. Т. XXV. №11. с. 48 52.

43. Горелик, A.JI. Некоторые вопросы построения систем распознавания . Текст./ A.JI. Горелик, В.А. Скрипкин. М.: Советское радио, 1974. 223 с.

44. Кендалл, М.Дж. Статистические выводы и связи Текст./ М. Дж. Кендалл, А. Стюарт. М.:Наука, 1973, 899 с.

45. Гмурман, В.Е. Теория вероятностей и математическая статистика Текст./ В.Е. Гмурман. М.: Высш.шк., 2002. 479 с.

46. Ту, Дж. Принципы распознавания образов Текст./ Дж. Ту, Р. Гон-салес. М.: Мир, 1978. 412 с.

47. Фу, Т. Методы распознавания образов Текст./Т. Фу. М.: Наука, 1968.323 с.

48. Патрик, Э.А. Основы теории распознавания образов Текст./ Э.А. Патрик. М.: Советское радио, 1980. 408 с.

49. Вапник, В.Н. Теория распознавания образов. Статистические проблемы обучения Текст./ В.Н. Вапник, А .Я. Червоненкис. М.: Наука, 1974. 415 с.

50. Пересада, В.П. Автоматическое распознавание образов Текст./ В.П. Пересада. JL: Энергия, 1970. 90 с.

51. Дуда, Р., Распознавание образов и анализ сцен Текст./ Р. Дуда, П. Харт. М.: Мир, 1976. 511 с.

52. Гренадер, У. Лекции по теории образов Синтез образов Текст./ У. Гренадер. М.:Мир, 1979. 1т. 382 с.

53. Скляр, Б. Цифровая связь. Теоретические основы и практическое применение Текст./ Б.Скляр. М.: «Вильяме», 2003. 1104 с.

54. Universal Serial Bus Specification. Revision 1.1 Compaq Computer Corporation, Intel Corporation, Microsoft Corporation, NEC Corporation, 1998.

55. Universal Serial Bus Specification. Revision 2.0 Compaq Computer Corporation, Intel Corporation, Microsoft Corporation, NEC Corporation, 2000.

56. Сергиенко, А.Б. Цифровая обработка сигналов Текст./ А.Б. Серги-енко. СПб.: Питер, 2003. 604 с.

57. Финн, Л.М. Теория передачи дискретных сообщений Текст./ Л.М. Финк. М.: «Советское радио», 1970. 728 с.

58. Олифер, В.Г. Компьютерные сети. Принципы, технологии, протоколы Текст./ В.Г. Олифер, Н.А. Олифер. СПб.: Питер, 2000. 416 с

59. Столлингс, В. Компьютерные системы передачи данных Текст./ В. Столлингс. М.: «Вильяме», 2002. 928 с.

60. Ирвин, Дж. Передача данных в сетях: инженерный подход Текст./ Дж. Ирвин, Д. Харль. СПб.:БХВ-Петербург, 2003. 448 с.

61. Томпкинс, У. Сопряжение датчиков и устройств ввода данных с компьютерами IBM PC Текст./ У. Томпкинс, Дж.Уэбстер. М.:Мир 1992. 592 с.

62. Харкевич, А.А. Борьба с помехами Текст./ А.А. Харкевич. М.: «Наука», 1965. 276 с.

63. Власов, В.Ф. Курс радиотехники Текст./ В.Ф. Власов. М.-Л.:Госэнергоиздат, 1962. 928 с.

64. Datasheet 30292С. PIC16F87x Microchip Technology Inc., 2001.

65. Datasheet 39597A. PIC16F72 Microchip Technology Inc., 2002.

66. Datasheet 39564A. PIC 18Fxx2 Microchip Technology Inc., 2001.

67. Datasheet 8-bit AVR Microcontroller AT90S8535, AT90LS8535. Rev.l041H-l 1/01 Atmel Corporation, 2001.

68. Datasheet 8-bit AVR Microcontroller ATtiny 26, ATtiny 26L. Rev. 1477E-AVR-12/03 Atmel Corporation, 2003.

69. Datasheet 8-bit AVR Microcontroller ATmega 48/V, ATmega 88/V, ATmega 168/V. Rev.2545D-AVR-07/04 Atmel Corporation, 2004.

70. Datasheet 8-bit AVR Microcontroller ATmega 165V, ATmega 165. Rev.2573A-AVR-06/04 Atmel Corporation, 2004.

71. Агуров, П. В. Интерфейсы USB. Практика использования и программирования Текст./ П.В. Агуров. СПб.: БХВ-Петербург, 2004.576 с.

72. FT8U245AM Preliminary Information Rev 0.9 Future Technology Devices Intl. Ltd., 2000.

73. Datasheet 245B Version 1.0 Future Technology Devices Intl. Ltd.,2002.

74. FT8U232AM Preliminary Information Rev 0.8 Future Technology Devices Intl. Ltd., 2000.

75. Datasheet 232B Version 1.1 Future Technology Devices Intl. Ltd.,2002.

76. PDIUSBD11 Product Specification Philips Semiconductor, 1999.

77. PDIUSBD12 Product Data Rev. 08-20 Philips Semiconductor, 2001.

78. TD 242 LP Datasheet MU 4001, Rev. 1.1 TransDimension Inc., 2004.

79. TD 243 Product Brief, Rev. 1.8 TransDimension Inc., 2004.

80. Datasheet 41124C. PIC16C745/765 Microchip Technology Inc., 2000.

81. Datasheet C51 Microcontroller AT83C5122, AT83EC5122, AT85C5122. Rev. 4202B-SCR-07/03 Atmel Corporation, 2003.

82. Datasheet 8-bit Flash Microcontroller AT89C5131. Rev.4136A-USB-03/03 Atmel Corporation, 2003.

83. Солдатов, В.П. Программирование драйверов Windows Текст./ В.П. Солдатов. М.: ООО «Бином-Пресс», 2004. 432 с.

84. Сорокина, С.И. Программирование драйверов и систем безопасности Текст./ С.И. Сорокина, А.Ю. Тихонов, А.Ю. Щербаков. СПб.: БХВ-Петербург, 2003. 256 с.

85. Microsoft MSDN Visual Studio.net, 2002.

86. Антонью, А. Цифровые фильтры: анализ и проектирование Текст./ А. Антонью. М.: Радио и связь, 1983. 320с.

87. Архангельский, А.Я. Программирование в C++Builder 5 Текст./ А.Я. Архангельский. М.: ЗАО «Издательство БИНОМ», 2000. 1152с.

88. Пчеловодство холодного и умеренного климата -2005». Псков, 2005. В печати (5 е.).

89. Обучающее множество значений признаков, соответствующих классу №1 и классу №2