Система обратимого сжатия телеметрической информации тема диссертации и автореферата по ВАК РФ 05.13.11, кандидат технических наук Сидякин, Иван Михайлович

• Сидякин, Иван Михайлович
• кандидат технических наук
• 2007

Оглавление диссертации кандидат технических наук Сидякин, Иван Михайлович

Введение.

Глава 1. Анализ исходных данных.

1.1. Архитектура системы сбора и обработки телеметрической информации.

1.2. Формат данных потока ТМИ.

1.3. Исследование статистических характеристик параметров ТМИ.

1.3.1. Высокочастотные параметры.

1.3.2. Низкочастотные параметры.

1.4. Архитектура системы обратимого сжатия.

Глава 2. Исследование декорреляции данных ТМИ с помощью метода линейного предсказания.

2.1. Используемые понятия и определения.

2.2. Схема декоррелятора на основе авторегрессионной модели.

2.3. Полиномиальная аппроксимация.

2.4. Преобразование сигнала ошибки.

2.5. Обработка экспериментальных данных.

2.5.1. Полиномиальная аппроксимация.

2.5.2. Авторегрессионная модель линейного предсказания.

Глава 3. Исследование методов декорреляции на основе линейных преобразований.

3.1. Общие определения.

3.2. Обратимое сжатие на основе метода сжатия с потерями.

3.3. Преобразование Кархунена-Лоева.

3.4. Дискретное косинусное преобразование.

3.5. Модифицированное дискретное косинусное преобразование.

3.6. Вейвлет преобразования.

3.6.1. S-преобразование.

3.6.2. TS-преобразование.

3.7. Обработка экспериментальных данных.

Глава 4. Исследование методов энтропийного кодирования.

4.1. Основные определения.

4.2. Коды Хаффмана.

4.3. Арифметическое кодирование.

4.4. Коды Райса.

Глава 5. Описание системы обратимого сжатия ТМИ.

5.1. Общая архитектура системы.

5.2. Уменьшение семантической избыточности телеметрической информации.

5.3. Согласование сжатого потока ТМИ с каналом связи.

Выводы.

Введение диссертации (часть автореферата) на тему «Система обратимого сжатия телеметрической информации»

При пусках и испытаниях изделий ракетно-космической техники по каналам связи наземного комплекса сбора и обработки данных в режиме реального времени передаётся значительный объём телеметрической информации (ТМИ). Для трансляции информационных потоков используется инфраструктура локальной вычислительной сети и выделенные каналы глобальной вычислительной сети. Схема распределения потоков данных в сети определяется требованиями конкретного эксперимента и может меняться в зависимости от вида работы. Распределённая обработка ТМИ на нескольких подключённых к сети рабочих станциях приводит к необходимости одновременной передачи нескольких потоков данных, значительно увеличивая нагрузку на сеть. Эти же каналы связи, как правило, используются для передачи других видов информации, одновременно с потоками ТМИ.

Сокращение объёма передаваемой информации в ряде случаев необходимо для обеспечения работоспособности системы и на практике всегда желательно для снижения стоимости канала связи. Эффективность обработки ТМИ в режиме реального времени ограничивается пропускной способностью каналов связи. Эта характеристика определяет, в конечном счёте, сложность задачи, которая может быть поставлена перед распределённой системой обработки ТМИ. В случае если пропускная способность канала недостаточна для передачи информации в полном объёме, информация сортируется по значимости и сокращается. Для сокращения объёма передаваемой по каналу связи информации целесообразно выполнить её сжатие. Следует отметить, что технологии сжатия данных с потерями, которые успешно применяются для сжатия аудио- и видеоинформации, могут быть использованы для решения ограниченного круга задач связанных с обработкой телеметрии. В большинстве случаев обратимость сжатия - одно из главных требований, предъявляемых к системе обработки ТМИ. В литературе обратимое сжатие также называется сжатием без потерь.

Технологии сжатия находят применение в различных практических приложениях. К наиболее очевидным относятся системы хранения и передачи изображений, видео- и аудиоинформации. Современные устройства хранения цифровой информации, такие как DVD и энергонезависимая Flash память, имеют объём, достаточный для хранения высококачественных записей мультимедиа. Эти устройства постоянно совершенствуются. Увеличивается объём сохраняемой информации и скорость доступа к ней. Совершенствуются также средства, обеспечивающие высокую скорость передачи потоков аудио- и видеоинформации по кабельным или беспроводным каналам связи. Развитие систем хранения и доставки информации позволяет снизить требования к применяющимся системам сжатия данных и минимизировать или, в ряде случаев, полностью отказаться от потерь информации в процессе сжатия.

Алгоритмы сжатия данных с потерями давно и успешно используются для сжатия данных мультимедиа. Эти алгоритмы позволяют увеличить коэффициент сжатия за счёт снижения точности представления сигнала, например, за счёт удаления некоторых спектральных компонентов сжимаемого сигнала. Допустимая степень искажения данных определяется по разным критериям - в зависимости от типа информации. Для информации мультимедиа эта степень обычно определяется параметром или набором параметров, связанных с уровнем человеческого восприятия информации. Способность человеческого восприятия извлекать нужную информацию из искажённых данных позволяет в ряде приложений использовать методы сжатия информации с потерями.

Алгоритмы сжатия данных без потерь, как правило, значительно эффективнее алгоритмов сжатия с потерями. Сокращение объёма данных в два - четыре раза считается хорошим результатом для алгоритма сжатия без потерь.

ТМИ близка по структуре к видео- или аудио-потоку, поэтому логично воспользоваться методами сжатия информации мультимедиа для решения поставленной задачи. Проблема сжатия данных мультимедиа имеет ряд особенностей. Универсальные алгоритмы сжатия без потерь, которые в частности хорошо сжимают текстовые файлы, малоэффективны при сжатии аудио- или видеоданных. Эти алгоритмы либо используют простые статистические модели на основе одномерной функции плотности I вероятностей, либо имеют технически сложно реализуемые алгоритмы кодирования и декодирования.

Процедура сжатия цифровой аудиоинформации разделяется на три этапа, которые называются сегментирование, декорреляция и энтропийное кодирование [10].

На этапе сегментирования поток данных разделяется на блоки отсчётов. Длина блока может быть фиксированной или адаптивно меняться в процессе работы. Каждый блок данных обрабатывается независимо. Сегментирование позволяет упростить обработку данных и улучшить производительность алгоритма сжатия. В большинстве приложений принимается предположение о том, что статистические свойства сигнала постоянны внутри одного блока. Параметры модели при этом определяются по исходным данным в режиме реального времени. К таким параметрам относятся, например, коэффициенты фильтра в методе линейного предсказания. Пересчёт параметров модели происходит независимо для каждого блока.

Методы декорреляции разделяются на две основные группы. В работах [12, 13, 14] рассмотрены методы декорреляции аудиоданных, основанные на теории линейного преобразования. Методы полиномиальной аппорксимации [10,11] также относятся к этой группе. Другая группа методов [8, 28, 30, 48, 75] использует свойство перераспределения энергии в коэффициентах, которым обладают преобразования Кархунена-Лоева, ДКП и некоторые другие линейные преобразования.

Основная задача этапа декорреляции заключается в преобразовании данных для более эффективного их сжатия на этапе энтропийного кодирования. Декорреляция также снижает дисперсию входного сигнала.

Энтропийное кодирование завершает процедуру сжатия данных. На этом этапе снижается избыточность представления данных в блоке. К наиболее распространённым алгоритмам кодирования относятся: метод Хаффмана, метод Голомба-Райса, арифметическое кодирование. Теория и варианты практической реализации этих алгоритмов представлены в работах [1 - 9].

Поток ТМИ имеет ряд особенностей, которые требуют доработки существующих алгоритмов сжатия информации мультимедиа с тем, чтобы они могли эффективно применяться для сжатия этого вида информации. Поток содержит комбинацию параметров с различной частотой опроса и существенно различающимися статистическими характеристиками, которые изменяются в процессе наблюдения. Эти свойства сжимаемого потока информации требуют разработки методов, обеспечивающих избирательный подход к сжатию различных типов параметров и адаптацию к изменению статистических характеристик кодируемых параметров. Исследования, проведённые в диссертации, частично опираются на теоретические материалы по сжатию телеметрической информации, изложенные в публикациях [19,20,21,73].

Цель и задачи исследования. Целью исследования является совершенствование методов обратимого сжатия данных телеизмерений и реализация системы обратимого сжатия потоков ТМИ.

В соответствии с этим в диссертации были поставлены и решены следующие задачи:

1. Разработка модели потока ТМИ и архитектуры системы обратимого сжатия потока данных телеизмерений в режиме реального времени.

2. Анализ структуры и изучение статистических характеристик параметров потока ТМИ, определяющих эффективность процедуры сжатия.

3. Сравнительный анализ известных методов сжатия данных телеизмерений.

4. Выбор и адаптация методов обратимого сжатия параметров потока ТМИ.

5. Разработка, реализация и экспериментальная проверка алгоритмов обратимого сжатия потока ТМИ.

6. Разработка программной реализации модуля сжатия телеметрической информации для эксплуатации в составе распределённой системы обработки ТМИ.

Научная новизна работы. Основные научные результаты, полученные лично автором, заключаются в следующем.

1. Предложена архитектура системы сжатия ТМИ, обеспечивающая эффективное обратимое сжатие существенно нестационарных и разнородных данных, транслируемых в режиме реального времени по каналам связи телеметрического комплекса. Для повышения эффективности энтропийного кодера система использует сегментирование и декорреляцию данных.

2. Предложена методика сравнения и критерии оценки эффективности методов, обеспечивающих обратимое сжатие ТМИ. Методика обеспечивает независимую оценку эффективности этапов декорреляции и энтропийного кодирования данных.

3. На основании исследования статистических характеристик параметров потока ТМИ предложены, реализованы и проверены в экспериментах с реальными данными методы декорреляции ТМИ на основе линейного предсказания.

4. На основании исследования спектральных характеристик параметров потока ТМИ предложены, реализованы и проверены в экспериментах с реальными данными, методы декорреляции ТМИ на основе линейных преобразований.

5. На основе анализа статистических характеристик декоррелированного сигнала предложены, реализованы и проверены экспериментально методы энтропийного кодирования параметров потока ТМИ.

Основной объём диссертационной работы составляют исследования различных методов декорреляции входных данных и энтропийного кодирования. Работа разделяется на пять глав.

В первой главе дано описание архитектуры распределённой системы сбора и обработки ТМИ. Приведена классификация и представлены результаты анализа статистических характеристик параметров ТМИ. Описаны форматы данных. Предложена общая структура системы обратимого сжатия параметров ТМИ.

Во второй главе изложены результаты исследований методов декорреляции ТМИ на основе линейного предсказания.

В третьей главе приведены результаты исследований методов декорреляции ТМИ на основе линейных преобразований.

В четвёртой главе рассмотрен заключительный этап сжатия -энтропийное кодирование. Проведён сравнительный анализ эффективности методов Хаффмана, Райса и двоичного арифметического кодирования для сжатия параметров потока ТМИ.

В пятой главе дано описание архитектуры предложенной системы обратимого сжатия ТМИ. Приведены характеристики системы. Описана разработанная процедура снижения семантической избыточности ТМИ.

Заключение диссертации по теме «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей», Сидякин, Иван Михайлович

Заключение

В работе проведены исследования статистических характеристик параметров потока ТМИ, которые влияют на эффективность методов обратимого сжатия данных. Выделены и классифицированы параметры различного типа, присутствующие в потоке. На основании анализа предметной области предложена общая схема системы сжатия ТМИ, состоящая из последовательно расположенных модулей сегментирования, декорреляции и энтропийного кодирования.

Проведены исследования методов декорреляции, которые были разделены на две основные группы - методы на основе линейного предсказания и методы на основе линейных преобразований. Проведён сравнительный анализ этих методов, который показал преимущество методов на основе линейного предсказания перед методами, использующими целочисленные аппроксимации дискретного и модифицированного дискретного косинусного преобразования, и методами, использующими целочисленные вейвлет-преобразования.

Для авторегрессионной модели исследованы влияние порядка модели и длины сегмента данных на производительность системы.

Для оценки эффективности данного промежуточного этапа кодирования использовалось значение энтропии первого порядка.

В проведённых исследованиях ресурс альтернативных методов декорреляции, основанных на использовании линейных преобразований исходной последовательности отсчётов, не был полностью исчерпан. Использование статистических зависимостей между коэффициентами преобразования, например, внутри и вне субполосных зависимостей коэффициентов вейвлет преобразования, предположительно приводит к улучшению характеристик системы сжатия. Оценка эффективности этих дополнительных приёмов является предметом дальнейших исследований.

В работе проведены исследования методов энтропийного кодирования

ТМИ.

Применение двоичного арифметического кодирования дополнительно придаёт системе возможность передачи данных согласно приоритету. Этот режим может использоваться для обеспечения передачи информации с потерями в случае, если пропускная способность канала недостаточна для обеспечения передачи полного потока.

В работе рассмотрены также вопросы снижения семантической избыточности потока ТМИ и согласования системы сжатия с идеальным каналом передачи данных.

На основании проведённых экспериментов разработана схема раздельного кодирования ВЧ и НЧ параметров и служебной информации потока ТМИ. Приведены экспериментально подтверждённые характеристики системы в целом и отдельных её компонентов.

Реализованы алгоритмы сжатия параметров ТМИ на языке С++ и в системе МАТЬАВ. Выполнена программная реализация системы сжатия. Разработан программный модуль сжатия для эксплуатации в составе системы сбора и обработки ТМИ "Литон" для передачи потоков ТМИ в режиме реального времени в инфраструктуре, описание которой приведено в первой главе работы.

Аппаратная реализация системы сжатия в перспективе может быть интегрирована в бортовые телеметрические комплексы нового поколения.

Список литературы диссертационного исследования кандидат технических наук Сидякин, Иван Михайлович, 2007 год

1. Shannon С.Е. A mathematical theory of communication I I The Bell System Technical Journal. 1948. - Vol. 27. - P. 379 - 423, 623 - 656.

2. Rissanen J., Langdon G.G. Arithmetic coding // IBM Journal of Research and Development. 1979. - Vol. 23, № 2. - P. 149 - 162.

3. Witten I. H., Neal R. M. Arithmetic coding for data compression // Communications of the ACM. 1986. - Vol. 30, № 6. - P. 520 - 540.

4. Stearns S. D. Arithmetic coding in lossless waveform compression // IEEE Transactions on Signal Processing. 1995. - Vol. 43. - P. 1874 - 1879.

5. Golomb S. W. Run-length encodings // IEEE Transactions on Information Theory. -1966.-Vol. 12, №3.-P. 399-401.

6. Gilbert E. N., Moore E. F. Variable-length binary encodings // The Bell System Technical Journal. 1959. - Vol. 38. - P. 933 - 967.

7. Introduction to arithmetic coding theory and practice: technical report / Hewlett-Packard Laboratories; A. Said. - 2004. - HPL-2004-76. - 64 p.

8. Yip P.C., Rao K. R. The transform and data compression handbook. Boca Raton: CRC Press, Inc., 2001. - 408 p.

9. Salomon D. Data compression: the complete reference. 4th ed. - NY: SpringerVerlag, Inc., 2006. - 1092 p.

10. O.Hans M., Schafer R.W. Lossless compression of digital audio // IEEE Signal Processing Magazine. 2001. - Vol. 18, № 4. p. 21 - 32.

11. Shorten: simple lossless and near-lossless waveform compression: technical report. / Cambridge University Engineering Department; T. Robinson. 1994. - CUED-F-INFENG-156. - 16 p.

12. Liebchen T. Lossless audio coding using adaptive multichannel prediction // Proceedings of 113th AES convention. Los Angeles, 2002. - 7 p.

13. Liebchen Т. MPEG-4 lossless coding for high-definition audio // Proceedings of 115th AES Convention. New York, 2003. - 6 p.

14. Liebchen T., Reznik Y.A. MPEG-4 ALS: an emerging standard for lossless audio coding // Proceedings of Data Compression Conference. Snowbird, 2004. -P. 439-448.

15. The MLP lossless compression system / M. A. Gerzon, P. G. Craven, J. R. Stuart et al. // Proceedings of AES 17th International Conference. Florence, 1999. -P. 61-75.

16. MLP lossless compression / J. R. Stuart, P.G. Craven, M.A. Gerzon et al. // Proceedings of AES 9th Regional Convention. Tokyo, 1999. - 11 p.

17. Purat M., Liebchen T., Noll P. Lossless transform coding of audio signals // Proceedings of 102nd AES Convention. Munich, 1997. -10 p.

18. Wang Y., Vilermo M. The modified discrete cosine transform: its implications for audio coding and error concealment // Proceedings of AES 22nd International Conference. Espoo, 2002. - P. 223 - 232.

19. Lossless data compression: report concerning space data systems standards /CCSDS. 1997. - 120.0-G-l. -43 p.

20. Lossless data compression: recommendation for space data systems standards /CCSDS. 1997. - 121.0-B-l. -33 p.

21. Implementation of CCSDS lossless data compression in HDF / P. S. Yeh, W. Serafino, L. Miles et al. // Proceedings of NASA Earth Science Technology Conference. Pasadena, 2002. - 4 p.

22. Rao K.R., Yip. P. Discrete cosine transform: algorithms, advantages, applications. Boston: Academic Press, 1990. - 512 p.

23. Princen J. P., Bradley A.B. Analysis/synthesis filter bank design based on time domain aliasing cancellation // IEEE Transactions on Acoustic, Speech and Signal Processing. -1986. Vol. 34, № 5. - P. 1153 - 1161.

24. Geiger R., Yokotani Y., Schuller G. Improved integer transforms for lossless audio coding // Proceedings of Asilomar Conference on Signals, Systems, and Computers. Pacific Grove (USA), 2003. - Vol. 2. - P. 2119 - 2123.

25. Li J. Reversible FFT and MDCT via matrix lifting // Proceedings of IEEE International Conference on Acoustics, Speech, and Signal Processing. -Montreal, 2004. Vol. 4, - P. 173 - 176.

26. Improved integer transforms using multi-dimensional lifting / R. Geiger, Y. Yokotani, G. Schuller et al. // Proceedings of IEEE International Conference on Acoustics, Speech, and Signal Processing. Montreal, 2004. - Vol. 2. -P. 1005- 1008.

27. Malvar H. S. Fast algorithms for orthogonal and biorthogonal modulated lapped transforms // Proceedings of IEEE Symposium on Advances in Digital Filtering and Signal Processing. Victoria, 1998. - P. 159 - 163.

28. Malvar H. S. A modulated complex lapped transform and its applications to audio processing // Proceedings of IEEE International Conference on Acoustics, Speech, and Signal Processing. Phoenix, 1999. - P. 1421 - 1424.

29. Malvar H.S. Fast algorithm for the modulated complex lapped transform // IEEE Signal Processing Letters. 2005. - Vol. 10, № 5. - P. 8 - 10.

30. Malvar H.S., Staelin D.H. The LOT: transform coding without blocking effects // IEEE Transactions on Acoustic, Speech, Signal Processing. 1989. - Vol. 37, №4.-P. 553-559.

31. A comparison of integer fast Fourier transforms for lossless coding / Y. Yokotani, S. Oraintara, R. Geiger et al. // Proceedings of IEEE International Symposium on Communications and Information Technologies. Sapporo, 2004. - Vol. 2. -P. 1069-1073.

32. Yokotani Y., Oraintara S. Lossless audio compression using integer modified discrete cosine transform //Proceedings of IEEE International Symposium on Intelligent Signal Processing and Communication Systems. Awaji Island (Japan), 2003.-P. 120-126.

33. Approximation error analysis for transform-based lossless audio coding / Y. Yokotani, S. Oraintara, R. Geiger et al. // Proceedings of IEEE Global Telecommunication Conference. Dallas, 2004, - Vol. 2. - P. 595 - 599.

34. Geiger R., Schuller G. Integer low delay and MDCT filter banks // Proceedings of the Asilomar Conference on Signals, Systems, and Computers. Pacific Grove (USA), 2002. - Vol. 1. - P. 811 - 815.

35. Liang J., Tran T. D. Fast multiplierless approximations of the DCT with the lifting scheme // IEEE Transactions on Signal Processing. 2001. - Vol. 49, № 12, -P. 3032-3044.

36. Wavelet transforms that map integers to integers / A. R. Calderbank, I. Daubechies, W. Sweldens et al. // Applied and Computational Harmonic Analysis. 1998. - Vol. 5, № 3. - P. 332 - 369.

37. Daubechies I., Sweldens W. Factoring wavelet transforms into lifting steps // Jounal of Fourier Analysis and Applications. 1998. - Vol. 4. - P. 247 - 269.

38. Giurcaneanu C. D., Tabu§ I., Astola J. Integer wavelet transform based lossless audio compression // Proceedings of IEEE Eurasip Workshop on Nonlinear Signal and Image Processing. Antalya, 1999. - P. 378 - 382.

39. Giurcaneanu C. D., Tabu§ I., Astola J. Adaptive context based sequential prediction for lossless audio compression // Proceedings of 9th European Signal Processing Conference. Island of Rhodes, 1998. - Vol. 4. - P. 2349 - 2352.

40. Giurcaneanu C. D., Tabu§ I., Astola J. Linear prediction from subbands for lossless audio compression // Proceedings of 3d IEEE Nordic Signal Processing Symposium. Vigso (Denmark), 1998. - P. 225 - 228.

41. Lossless sound compression using the discrete wavelet transform: technical report /Division of Engineering and Applied Sciences. Harvard University; A. Patel, M. Tonkelowitz, M. Vernal. Cambridge, 2002. - 11 p.

42. Garcia J.-L., Gournay P., Lefebvre R. Backward linear prediction for lossless coding of stereo audio // Proceedings of 116th AES Convention. Berlin, 2004. -7p.

43. Mallat S. Multiresolution approximations and wavelet orthonormal bases of L2I // Transactions of the American Mathematic Society. 1989. - Vol. 315, № 1. -P. 69-87.

44. Daubechies I., Orthonormal bases of compactly supported wavelets // Communications on Pure and Applied Mathematics. 1988. - Vol. 41, № 7. -P. 909-996.

45. Петухов А.П. Введение в теорию базисов всплесков. С-Пб.: СПбГТУ, 1999.-132 с.

46. Новиков JI.B. Основы вейвлет-анализа сигналов. С-Пб.: ООО МОДУС +, 1999.-152 с.

47. Воробъёв В.И., Грибунин В.Г. Теория и практика вейвлет-преобразования. -С-Пб.: ВУС, 1999.-203 с.

48. Cohen A., Daubechies I., Feauveau J. Bi-orthogonal bases of compactly supported wavelets // Communications on Pure and Applied Mathematics. 1992. -Vol. 45.-P. 485-560.

49. Said A., W. Pearlman Reversible image compression via multiresolution representation and predictive coding // Proceedings of SPIE in Visual Communication and Image Processing. Cambridge, 1993. - Vol. 2094. -P. 664-674.

50. Yule G. U. On a method of investigating periodicities in disturbed series with special references to Wolfer's sunspot numbers // Philosophical Transactions of the Royal Society of London. Series A. 1927. - Vol. 226. - P. 267 - 298.

51. Walker G. T. On periodicity in series of related terms // Proceedings of the Royal Society of London. Series A. 1931. -Vol. 131. - P. 518 - 532.

52. Sweldens W. The lifting scheme: A custom-design construction of biorthogonal wavelets // Journal of Applied and Computation Harmonic Analysis. 1996. -Vol.3, №2.-P. 186-200.

53. Malvar H.S. Signal Processing with Lapped Transforms. Norwood: Artech House Publishers, 1992. - P. 380.

54. Тихонов В. И., Шахтарин Б. И., Сизых В.В. Случайные процессы. Случайные величины и процессы. М.: Радио и Связь, 2003. - Т. 1. - 400 с.

55. Тихонов В. И., Шахтарин Б. И., Сизых В. В. Случайные процессы. Оптимальная фильтрация, экстраполяция и моделирование. М.: Радио и Связь, 2004.-Т. 3.-408 с.

56. Ledermann W., Lloyd Е. Handbook of applicable mathematics. NY: John Wiley and Sons Inc., 1984. - Vol. 6. - 522 p.

57. Akaike. H. Statistical predictor identification // Annals of the Institute of Statistical Mathematics. 1970. - Vol. 2. - P. 203 - 217.

58. Rissanen J. Modeling of shortest data description // Automatica. 1978. -Vol. 14, P. 465-471.

59. Rissanen J. Stochastic complexity // Journal of the Royal Statistic Society. 1987. -Vol. 49, №3.-P. 223-239.

60. Parzen E. Multiple time series modeling: determining the order of approximating autoregressive schemes // Multivariate analysis IV /Ed. P.R. Krishnaiah. Amsterdam: North Holland, 1977. - P. 283 - 295.

61. Akaike H. A new look at the statistical model identification // IEEE Transactions on Automatic Control. 1974. - Vol. 19, № 6. - P. 716 - 722.

62. Tan L.-Z. Theory and techniques for lossless waveform data compression: PhD dissertation. Albuquerque: The University of New Mexico, 1992. - 177 p.

63. Jong-Hwa K. Lossless wideband audio compression: prediction and transform: PhD dissertation. Berlin: Technische Universität, 2004. - 203 p.

64. Markel J.D., Gray A.H. (Jr.) Linear prediction of speech. NY: Springer-Verlag, Inc., 1976.-288 p.

65. Huffman D. A. A method for the construction of minimum redundancy codes // Proceedings of the Institute of Radio Engineers. 1952. - Vol. 40. -P. 1098- 1101.

66. Levenstein V.E. On the redundancy and delay of separable codes for the natural numbers // Problems of Cybernetics. 1968. - Vol. 20. - P. 173 - 179.

67. Elias P. Universal Codeword Sets and Representations of the Integers // IEEE Transactions on Information Theory. 1975. - Vol. 21, № 2. - P. 194 - 203.

68. Lossless compression handbook /Ed. K. Sayood. London: Academic Press, 2003.-550 p.

69. Мановцев А. П. Введение в цифровую радиотелеметрию. М.: Энергия, 1967. - 343 с.

70. Мановцев А. П. Основы теории радиотелеметрии. М.: Энергия, 1973.-592 с.

71. Дядюнов А.Н., Онищенко Ю.А., Сенин А.И. Адаптивные системы сбора и передачи аналоговой информации. М.: Машиностроение, 1988. - 287 с.

72. Even S., Rodeh М. Economical Encoding of Commas Between Strings // Communications of the ACM. 1978. - Vol. 21, № 4. - P. 315 - 317.

73. Rice R.F. Some Practical Universal Noiseless Coding Techniques. Pasadena: Jet Propulsion Laboratory, 1979. - 130 p.

74. Vajda S. Fibonacci and Lucas Numbers, and the Golden Section: Theory and Applications. Chichester: Ellis Horwood Ltd, 1989. - 189 p.

75. Loeve M. Probability Theory. 3d ed. - Princeton: Van Nostrand, 1960. - 685 p.

76. DeVore R.A., Jawerth В., Lucier B.J. Image compression through wavelet transform coding // IEEE Transactions on Information Theory. 1992. - Vol. 38, №2.-P. 719-746.

77. Shapiro J.M. Embedded image coding using zerotrees of wavelet coefficients // IEEE Transactions on Signal Processing. 1993. - Vol. 41, № 12. -P. 3445-3462.

78. Fry T.C. Probability and its engineering uses. NY: Van Nostrand, 1928.-476 p.

79. Gross D., Harris C. Fundamentals of queuing. 3d ed. - NY: John Wiley and Suns, Inc., 1998.-464 p.

80. Modeling RED with idealized TCP sources / P. Kuusela, P. Lassila, J. Virtamo et al. //Proceedings of 9th IFP conference on performance modeling and evaluation of ATM and IP networks. Budapest, 2001. - P. 155 - 166.

81. Rissanen, J. Universal coding, information, prediction, and estimation // IEEE Transactions on Information Theory. 1984. - Vol. 30. - P. 629 - 636.

82. Девятков В. В., Сидякин И. М. Мультиагентная система анализа телеметрической информации // Вестник МГТУ им. Н.Э. Баумана. Приборостроение. 2005. - № 4. - С. 56 - 85.

83. Павлов Ю. Н., Сидякин И. М. Исследование сжатия телеметрической информации без потерь на основе дискретного косинусного преобразования // Инженерное образование. Наука в образовании: электронное научное издание. 2006. - № 8. - 4 с.

84. Павлов Ю. Н., Сидякин И. М. Метод снижения корреляционных зависимостей в потоке телеметрической информации // Инженерное образование. Наука в образовании: электронное научное издание. 2006. -№8.-3 с.

85. Павлов Ю. Н., Сидякин И. М. Декорреляция данных телеизмерений с использованием модифицированного дискретного косинусного преобразования // Инженерное образование. Наука в образовании: электронное научное издание. 2006. - № 10. - 4 с.

86. Павлов Ю. Н., Сидякин И. М. Применение кодов Голомба-Райса для сокращения избыточности данных телеизмерений // Инженерное образование. Наука в образовании: электронное научное издание. 2006. -№10.-4 с.

87. Павлов Ю. Н., Сидякин И. М. Адаптивное сжатие телеметрической информации // Инженерное образование. Наука в образовании: электронное научное издание. 2006. - № 11. - 4 с.

88. Павлов Ю. Н., Сидякин И. М. Исследование применения полиномиальной аппроксимации для преобразования данных в системе сжатия телеметрической информации // Инженерное образование. Наука в образовании: электронное научное издание. 2006. - № 11. - 9 с.

89. УТВЕРЖДАЮ Заместитель Генерального конструктора ГКНПЦ им. М.В. Хруничева1. Б. Соколов2007г.1. АКТ ВНЕДРЕНИЯнаучно-технической разработки

90. Мы' нижеподписавшиеся, представители предприятия ГКНПЦ им.

91. Хруничева: начальник отдела C.B. Чихляев, заместитель начальника отдела

92. В.Б. Шукайло, составили . настоящий акт о том, что результатыдиссертационной работы на тему «Система обратимого сжатиятелеметрической информации» выполненной Сидякиным И.М. в рамкахобучения в очной аспирантуре МГТУ им. Н.Э.Баумана на кафедре

93. Система обратимого сжатия телеметрической информации»

94. Главный инженер ООО Литон 2 /Зубий О.В./

95. Инженер п Мт^ /Глушенко А.П./