Вычислительные устройства для разделения и восстановления сигналов в системах контроля объектов по динамическим параметрам тема диссертации и автореферата по ВАК РФ 05.13.05, кандидат технических наук Тарабардин, Михаил Анатольевич

• Тарабардин, Михаил Анатольевич
• кандидат технических наук
• 2009

Оглавление диссертации кандидат технических наук Тарабардин, Михаил Анатольевич

Введение.

1. Анализ и классификация методов разделения и восстановления сигналов в системах контроля объектов по динамическим параметрам.

1.1. Обработка сигналов в системах контроля объектов по динамическим параметрам и её особенности.

1.2. Классификация методов разделения и восстановления сигналов

1.3. Основные результаты главы.

2. Функции и эффективность вычислительных устройств

разделения и восстановления сигналов.

2.1. Квазистационарная модель объектов контроля и её частные случаи

2.2. Функции и показатели эффективности устройств разделения и восстановления сигналов.

2.3. Методы повышения устойчивости решения задач

разделения и восстановления сигналов.

2.4. Обобщённая структура вычислительных устройств для разделения и восстановления сигналов.

2.5. Основные результаты главы.

3. Алгоритмы и структуры вычислительных устройств для разделения и восстановления сигналов.

3.1. Определение функций и алгоритмы работы многоканальных обратных фильтров.

3.2. Алгоритмы и структурные схемы нерекурсивных многоканальных обратных фильтров.

3.3. Алгоритмы и структурные схемы рекурсивных многоканальных обратных фильтров.

3.4. Алгоритмы и структурные схемы адаптивных многоканальных обратных фильтров.

3.5. Выбор оптимального регуляризированного решения в задачах разделения и восстановления сигналов.

3.6. Основные результаты главы.

4. Алгоритмы и структуры вычислительных устройств для восстановления сигналов.

4.1. Определение функций и алгоритмы работы одноканальных обратных фильтров.

4.2. Алгоритмы и структурные схемы нерекурсивных обратных фильтров для восстановления сигналов.

4.3. Алгоритмы и структурные схемы рекурсивных обратных фильтров для восстановления сигналов.

4.4. Алгоритмы и структурные схемы адаптивных обратных фильтров для восстановления сигналов.

4.5. Основные результаты главы.

5. Техническая реализация, экспериментальные исследования и примеры применения устройств для разделения и восстановления сигналов.

5.1. Экспериментальные исследования устройств для разделения и восстановления сигналов.

5.2. Техническая реализация устройств для разделения и восстановления сигналов.

5.3. Применение устройств для разделения и восстановления сигналов в системах поездной связи.

5.4. Применение устройств для разделения и восстановления сигналов в системах автоматической локомотивной сигнализации.

Введение диссертации (часть автореферата) на тему «Вычислительные устройства для разделения и восстановления сигналов в системах контроля объектов по динамическим параметрам»

Увеличение сложности объектов и переход на эксплуатацию по техническому состоянию повышает актуальность применения систем контроля объектов. Использование же современных систем контроля объектов по динамическим параметрам (изменяющимся во времени частотным, временным, амплитудным характеристикам сигналов) в сложных системах затруднено. Это связано с тем, что в сложных объектах измеренные сигналы представляют собой аддитивную смесь сигналов, поступающих от многих узлов, и выделение параметров, описывающих техническое состояние конкретных узлов, непосредственно из измеренных сигналов не всегда возможно.

Поэтому при контроле сложных объектов, где измеренные в доступных точках сигналы имеют сложную структуру, используются различные методы предварительной обработки, среди которых своей эффективностью выделяются методы разделения и восстановления сигналов. Эти методы позволяют определять сигналы в недоступных прямым измерениям узлах контролируемых объектов по измеренным в доступных точках объекта сигналам.

Теоретическим и практическим вопросам разработки алгоритмов и устройств для разделения и восстановления сигналов посвящены работы российских ученых Г.И. Василенко, А.Б. Сергиенко, В.И. Джигана, А.В. Давыдова, О.В. Горячкина, И.В. Бойкова и ряда зарубежных специалистов: S.L. Gay, S. Haykin, В. Widrow, J.G. Proakis, В. Sklyar, A. Hyvarinen, A. Cichocki и ДР

Однако существующие алгоритмы и устройства для разделения и восстановления сигналов не обладают достаточным быстродействием, т.к. ориентированы на реализацию на универсальных последовательных вычислительных системах.

Кроме того, не решены задачи разработки алгоритмов и устройств для разделения и восстановления сигналов, устойчиво работающих в условиях априорной неопределённости свойств объектов контроля.

В связи с этим, в условиях возрастающих требований к качеству систем контроля объектов по динамическим параметрам, актуальной задачей является разработка алгоритмов для разделения и восстановления сигналов и высокопроизводительных специализированных вычислительных устройств (СБУ), отличающихся повышенной точностью и способностью получать устойчивое решение в условиях априорной неопределённости свойств объекта контроля.

Целью работы является разработка устройств для разделения и восстановления сигналов, осуществляющих параллельную обработку информации в условиях априорной неопределённости свойств объекта контроля.

Для достижения поставленной цели в диссертационной работе решаются следующие основные задачи:

1. Разработка математической модели измеряемых сигналов в виде аддитивной смеси сигналов, поступающих от различных узлов объекта и искажённых в процессе передачи в точки измерения.

2. Определение и обоснование функции СБУ для разделения и восстановления сигналов на основе предложенной математической модели измеряемых сигналов.

3. Формулировка и обоснование показателей эффективности СБУ для разделения и восстановления сигналов.

4. Разработка алгоритмов и СБУ для разделения и восстановления сигналов, отличающихся повышенной производительностью и точностью в условиях априорной неопределённости свойств объекта контроля.

5. Техническая реализация в виде функциональных модулей и экспериментальное исследование разработанных СБУ в системах контроля железнодорожной автоматики и поездной связи.

Предметом исследования работы является класс СБУ для разделения и восстановления сигналов при контроле объектов по динамическим параметрам.

Методы исследования включают основные положения теории систем, теории спектрального представления сигналов, цифровой обработки сигналов, аппарата линейной алгебры, вариационных и итерационных методов, методов решения обратных задач и компьютерного моделирования.

Научная новизна работы заключается в следующем.

1. Предложена динамическая модель образования измеряемых сигналов в объекте контроля, учитывающая особенности распространения сигналов в объекте контроля и изменения его динамических характеристик.

2. Для повышения точности и производительности систем контроля объектов по динамическим параметрам предложен класс СВУ для разделения и восстановления сигналов, позволяющий определять сигналы в недоступных прямым измерениям узлах контролируемых объектов.

3.Для разделения и восстановления сигналов разработаны алгоритмы нерекурсивной, рекурсивной и адаптивной обратной фильтрации и реализующие их структурные схемы параллельных вычислительных устройств, отличающиеся повышенной точностью и способностью получать устойчивое решение в условиях априорной неопределённости свойств объекта.

4. Разработаны структурные схемы квазиобратных фильтров, отличающихся от известных использованием оптимального параметра регуляризации, вычисляемого в процессе функционирования СВУ.

5. Разработаны СВУ для разделения и восстановления сигналов в системах контроля железнодорожной автоматики и поездной радиосвязи.

Практическая ценность работы. Разработаны модульные СВУ для разделения п восстановления сигналов в системах контроля различного назначения: в системах поездной связи, в системах автоматической локомотивной сигнализации (AJTC или AJICH), в измерительных системах.

Разработаны, реализованы и экспериментально опробованы СВУ для обработки сигналов в системах AJICH.

Основные результаты, выносимые на защиту:

1. Квазистационарная динамическая модель измеряемых сигналов в виде аддитивной смеси сигналов, поступающих от различных узлов объекта и искажённых в процессе передачи в точки измерения.

2. Регуляризированные алгоритмы разделения и восстановления сигналов, повышающие точность и устойчивость работы СВУ в условиях априорной неопределённости.

3. Структурные схемы параллельных СВУ для разделения и восстановления сигналов на основе нерекурсивных, рекурсивных и адаптивных многоканальных и одноканальных обратных фильтров, сложность которых определяется объемом априорной информации об объекте контроля.

Реализация и внедрение результатов работы. Разработан и внедрён в вагоне-лаборатории автоматики и телемеханики комплекс программ для обработки сигналов AJICH с целью увеличения точности измерений и анализа сигналов помех.

Разработан и внедрён в учебный процесс Самарского государственного университета путей сообщения программный комплекс для моделирования алгоритмов восстановления сигналов.

Апробация работы. Основные результаты диссертационной работы доложены и обсуждены на следующих конференциях и семинарах: на 3-й и 4-ой международных конференциях по проблемам управления (Москва, ИПУ РАН, 2006 г., 2009 г.); на 7-й международной научно-технической конференции «Проблемы техники и технологии телекоммуникаций» (Самара, ПГАТИ, 2006 г.); на 14, 15, 16-й международных конференциях «Математика. Компьютер. Образование» (МГУ, каф. Биофизики, 2007-2009 гг.); на 3-й всероссийской научной конференции «Проектирование инженерных и научных приложений в среде MATLAB» (Санкт-Петербург, СПГУ, 2007 г.); на IV международной научно-практической конференции «Актуальные проблемы развития транспортного комплекса» (Самара, СамГУПС, 2008 г.); на 10-й и 11-й Международных конференциях «Цифровая обработка сигналов и её применение» - DSPA-2008 (Москва, ИПУ РАН, 2008 г.), DSPA-2009 (Москва, ИПУ РАН, 2009 г.).

Публикации. По теме диссертации опубликовано 17 печатных работ, в том числе 1 печатная работа в издании из перечня, рекомендованного ВАК для публикации результатов диссертаций, а также получено 1 свидетельство об официальной регистрации программы для ЭВМ.

Структура и объем работы. Работа состоит из введения, пяти глав и заключения, изложенных на 136 страницах машинописного текста, списка использованных источников из 170 наименований и трех приложений на 22 страницах. Диссертация содержит 35 рисунков и 3 таблицы. Общий объем диссертации 183 страницы.

Заключение диссертации по теме «Элементы и устройства вычислительной техники и систем управления», Тарабардин, Михаил Анатольевич

Основные результаты диссертации заключаются в следующем:

1. Построены варианты квазистационарной математической модели измеряемых сигналов: обобщённая — многомерная и её варианты — с опорными входами и одномерная, отличающиеся тем, что учитывают особенности распространения сигналов в объекте контроля и изменения его динамических характеристик.

2. Разработаны и исследованы функции, алгоритмы и структурные схемы СВУ для разделения и восстановления сигналов на основе перестраиваемых обратных, квазиобратных и адаптивных фильтров, отличающихся повышенной точностью и позволяющих получать устойчивое решение в условиях априорной неопределённости свойств объекта контроля с использованием оптимального параметра регуляризации, вычисляемого в процессе работы СВУ. Сложность этих устройств определяется объемом априорной информации об объекте контроля.

3. Сформулированы основные показатели эффективности СВУ для разделения и восстановления сигналов. Проведён сравнительный анализ и выбраны наиболее эффективные методы - на основе перекурсивных, рекурсивных и адаптивных обратных фильтров, которые отличаются повышенной точностью, производительностью и не требовательны к' вычислительным ресурсам. Проведено компьютерное моделирование предложенных алгоритмов, которое показало, что введение задачи разделения и восстановления в класс корректных за счёт использования регуляризации приводит к уменьшению приведённой погрешности разделения и восстановления в неустойчивом режиме в 3-4 раза (с 45-55% до 12-16%); в устойчивом режиме изменением параметра регуляризации X было вызвано уменьшение приведённой погрешности разделения и восстановления в среднем на 20-30% (15-20% без регуляризации и в среднем 1015% с регуляризацией).

4. Предложены варианты технической реализации в виде функциональных модулей разработанных СБУ и приведены результаты их экспериментальных исследований, подтверждающие достоверность полученных в работе теоретических выводов. Уменьшение погрешности разделения и восстановления аналогично её уменьшению при компьютерном моделировании. Полученные результаты наглядно демонстрируют уменьшение погрешности восстановления при использовании предложенных в диссертации алгоритмов и работоспособность созданных ФМ.

5. Внедрение разработанных алгоритмов и СБУ разделения и восстановления сигналов в различные системы контроля по динамическим параметрам (рельсовые цепи) повышает эффективность систем за счет уменьшения погрешности при разделении и восстановлении на 12-15% в устойчивом режиме, повышения производительности и расширения функциональных возможностей.

ЗАКЛЮЧЕНИЕ

В диссертационной работе решена актуальная задача разработки СВУ для разделения и восстановления сигналов, осуществляющих параллельную обработку информации в условиях априорной неопределённости свойств объекта контроля.

Список литературы диссертационного исследования кандидат технических наук Тарабардин, Михаил Анатольевич, 2009 год

1. Генкин М.Д., Соколова А.Г. Виброакустическая диагностика машин и механизмов. М.: Машиностроение, 1987. - 288 с.

2. Авакян В.А., Арамнян И.А., Бабаян К.С. Применение кепстрального анализа вибраций в целях диагностики дефектов мотор — редукторов //Электротехника. 1983. - № 2. - С. 38-41.

3. Рагульскис К.М., Юркаускас А.Ю. Вибрация подшипников //Б ка инженера: Вибрационная техника / Под ред. К.М. Рагульскиса. - Л.: Машиностроение, Ленингр. отделение, 1985. - Вып.4. — 119 с.

4. Кораблев С.С., Шапин В.И., Филатов Ю.Е. Виброакустика в прецизионном приборостроении //Б ка инженера: Вибрационная техника /Под ред. К.М. Рагулькиса. — Л.: Машиностроение, 1984. - Вып. 3. - 84 с.

5. Технические средства диагностирования: Справочник/ В.В. Клюев, П.П. Пархоменко, В.Е. Абрамчук и др. Под общей ред. В.В. Клюева. М.: Машиностроение, 1989. - 672 с.

6. Кеба И.В. Диагностика авиационных газотурбинных двигателей. М.: Транспорт, 1980.-248 с.

7. Явленский К.Н., Явленский А.К. Вибродиагностика и прогнозирование качества механических систем. Л.: Машиностроение, 1983. - 238 с.

8. Рангайян P.M. Анализ биомедицинских сигналов. Практический подход. -М.: ФИЗМАТЛИТ, 2007. -440 с. -ил.

9. Прокис Дж. Цифровая связь. — М.: Сов. Радио, 2000 г. 800 с.

10. Скляр Б. Цифровая связь. Теоретические основы и практическое применение. Изд. Дом «Вильяме», 2004 г. - 1104 с.

11. Каюков И.В., Манелис В.Б. Эквалайзеры в широкополосных системах радиосвязи. // Журнал «Мобильные системы». — 2007 г. №2. — С. 30-35.

12. Горячкин О.В. Методы слепой обработки сигналов и их приложения в системах радиотехники и связи. М.: Радио и связь, 2003 г. - 230 с.

13. Сергиенко А.Б. Цифровая обработка сигналов: Учебник для вузов, 2-е изд. СПб.: Питер, 2006 г. - 751 с.

14. Клейман Е.Г. Идентификация входных сигналов в динамических системах. //АиТ. -1999 г. №12. - С. 3-15.

15. Горячкин О.В. Слепая идентификация канала связи, основанная на свойствах полиномиальных моментов случайных последовательностей. //Доклады 5-й международной конференции DSPA-2003 (Том 2, доклад 13).

16. Gay S.L. Dynamically regularized fast RLS with application to echo cancellation //Proc. ICASSP'96. May 1996. - P. 957-960.

17. Tugnait J.K., Lang Tong, Zhi Ding. Single-user channel estimation and equalization. // Signal Processing Magazine, IEEE. Vol. 17, Issue 3, May 2000.-P. 16-28.

18. A.c. 537264 (СССР). Устройство для акустической диагностики механизмов// Архангельский С.В. Опубл. в Б.И., 1976 г. - № 44.

19. Леушин В.Б. Особенности структур рельсовых цепей автоблокировки: Учебное пособие. Самара: СамИИТ, 1999. -96 с.

20. Леонов А.А. Техническое обслуживание автоматической локомотивной сигнализации. -5-е изд., перераб. и доп. -М.: Транспорт, 1982. -255 с.

21. Виброакустическая диагностика зарождающихся дефектов //Ф.Я. Балицкий, М.А. Иванова, А.Г. Соколова, Е.И. Хомяков. -М.: Наука, 1984. -119с.

22. Натурный эксперимент: Информационное обеспечение экспериментальных исследований/ А.Н. Белюнов, Г.М. Солодухин, В.А. Солодевников и др.; /Под ред. Н.И. Баклашева. — М.: Радио и связь, 1982. 304 с.

23. Гальчук В.Я., Соловьев А.П. Техника научного эксперимента. Л: Судостроение, 1982. - 256 с.

24. Улицкий М.Б. Методы и алгоритмы предварительной обработки результатов автоматизированного физического эксперимента //Измерения, контроль, автоматизация. 1981. - № 3. - С. 64 - 73.

25. Кулаичев А.П. Компьютерный контроль процессов и анализ сигналов. — М.: Информатика и компьютеры, 1999 г. 291с.

26. А.Ф. Фомин, О.Н. Новоселов, А.В. Плющев. Отбраковка аномальных результатов измерений. — М.: Энергоатомиздат, 1985. 200 с.

27. Фомин А.Ф., Новоселов О.Н., Плющев А.В. Методы и средства повышения достоверности измерений непрерывных процессов //Измерения, контроль, автоматизация. 1981.- № 4. - С.З — 10.

28. Адаптивные телеизмерительные системы / Б.Я. Авдеев, Е.М. Антонюк, С.Н. Долинов, Л.Г. Журавин, Е.И. Семенов, А.В. Фремке; Под ред. А.В. Фремке. Л.: Энергоиздат. Ленингр. отд - е, 1981. — 248 с.

29. Виттих В.А., Сергеев В.В., Сойфер В.А. Обработка изображений в автоматизированных системах научных исследований. — М.: Наука, 1982. -212 с.

30. А.Н. Дядюнов, О.А. Онищенко, А.И. Сенин. Адаптивные системы сбора и передачи аналоговой информации. Основы теории. — М.: Машиностроение, 1988.-288 с.

31. Василенко Г.И. Теория восстановления сигналов: О редукции к идеальному прибору в физике и технике. М.: Сов. радио, 1979 г. - 272 с.

32. Джиган В.И. Простой способ построения многоканальных лестничных адаптивных фильтров. //Доклады 8-й международной конференции DSPA-2006 (секция 2, доклад 2).

33. Джиган В.И. Начальные условия в алгоритмах адаптивной фильтрации по критерию наименьших квадратов. Доклады 9-й международной конференции DSPA-2007 (секция 2, доклад 8).

34. Джиган В.И. Быстрый многоканальный RLS-алгоритм с регуляризацией и стабилизацией // Известия высших учебных заведений. Электроника. — 2004 г. — №1. — С. 83-90.

35. Джиган В.И. Параллельные регуляризированные RLS-алгоритмы многоканальной адаптивной фильтрации // Цифровая обработка сигналов. -2004 г.-№2.-С. 7-13.

36. Джиган В.И. Библиотека алгоритмов адаптивной фильтрации. М.: ГУП НПЦ «ЭЛВИС», 2004 г. 55 с.

37. Джиган В.И. Параллельные многоканальные rls алгоритмы адаптивной фильтрации // Цифровая обработка сигналов. 2005 г. — №1. - С. 27-32.

38. Джиган В.И. Многообразие алгоритмов адаптивной фильтрации по критерию наименьших квадратов. Современная электроника, №3, 2008. -с. 32-39.

39. Давыдов А. Цифровая обработка сигналов. //Лекции и практикум на ПК. Сайт http://prodav.exponenta.ru/dsp/index.html. лекция «Адаптивная фильтрация цифровых данных».

40. Бойков И.В. Аналитические методы идентификации динамических систем: Учебное пособие. — Пенза: Изд-во Пензенского политехнического института, 1992. 112 с.

41. Haykin S. Adaptive filter theory (3d edition): New Jearsy, 1995. 989 p.

42. Haykin S. The blind deconvolution problem. Blind deconvolution. Ed. Haykin S. //Englewood Cliffs, N.J.: PTR Prentice-Hall, 1994. P. 1-7.

43. Haykin S. Blind deconvolution. New Jearsy. - 1994. - 289 p.

44. Уидроу Б., Стирнз С. Адаптивная обработка сигналов (перев.). М.: Радио и связь, 1989.-440с.

45. Proakis J.G. Equalization techniques for high-density magnetic recording. // Signal Processing Magazine, IEEE. Vol. 15, Issue 4, Jul. 1998. - P. 73-82.

46. Hyvarinen A., Oja E. Independent component analysis: Algorithms and applications. Neural Networks, 13(4-5): 2000. -p. 411-430.

47. Cichocki, C. Amari. Adaptive blind signal and image processing: Learning algorithms and applications.Wiley, 2002. -555 p.

48. Куреши У.X., Адаптивная коррекция. //ТИИЭР, т. 73, №9, 1985 г. С. 5-49.

49. Трещалин А.П., Дубовецкий А.З. Устранение межсимвольных искажений в системах с многоуровневой амплитудно-импульсной модуляцией. //Электронный журнал «Исследовано в России». 2004 г. — С. 605-612.

50. Цуриков B.C. Корреляционный критерий сходимости адаптивных RLS и LMS алгоритмов для выделения на фоне помех сигналов с конечным спектром. //Электронный Физико-Технический Журнал.-2007. -т.2. -с. 71-78.

51. Тарасова В., Парамонов А., Куропаткин О. Адаптивная коррекция межсимвольных искажений. //Журнал Chip News/Инженерная микроэлектроника. М.: 2001 г. -№4.

52. В.И. Кошелев. Адаптивная обработка радиолокационных сигналов на базе процессора БПФ. //ЦОС, 2001 г. №4. - С. 12-17.

53. Краус С., Вошни Э. Информационные измерительные системы. М.: Мир, 1975 г.-310 с.

54. Viterbi A.J. A personal history of the Viterbi algorithm. //Signal Processing Magazine, IEEE. Vol. 23 Issue 4, July 2006. - P. 120-142.

55. Голд Б., Рэйдер Ч. Цифровая обработка сигналов (с приложением работы Д. Кайзера «Цифровые фильтры»), пер. с английского. М.: Советское радио, 1973 г. - 367 с.

56. Оппенгейм А.В., Шафер Р.В. Цифровая обработка сигналов. М.: Связь, 1979 г.-416 с.

57. Стокхэм Т. мл., Кэннон Т.М., Ингебретсен Б.Б. Цифровое восстановление сигналов посредством неопределенной инверсной сверстки //ТИИЭР. — 1975.-Т.63.-№4.-С. 160-177.

58. Бернюков А. К., Сушкова JI. Т. Применение гомоморфной фильтрации в задачах обработки сигналов. // Радиотехника и электроника, 2001 г. — Т. 46,-№5.-С. 558-565.

59. Luh G.-C. Identification of an internal combustion engine model by nonlinear multi-input multi-output identification. // Ph. D. Thesis. Columbus, O.: Ohio State University, 1994.

60. B.M. Зинчук, Ю.Г. Сосулин, A.E. Лимарев, Н.П. Мухин. Адаптивная цифровая фильтрация шумоподобных сигналов в радиотехнических системах. //ЦОС, 2000 г. -№1. С. 4-18.

61. Цифровая обработка сигналов и изображений в радиофизических прилолсениях. / Под ред. В.Ф. Кравченко. -М.: ФИЗМАТЛИТ, 2007. 544 с.

62. Валеев В.Г., Язовский А.А. Адаптивное подавление помех на базе нелинейного автокомпенсатора. -//Доклады 5-й международной конференции DSPA-2003 (Том 1, доклад 8).

63. Ланге П.К. Коррекция динамической погрешности измерительных преобразователей на основе сплайн-аппроксимации сигнала. //Известия самарского научного центра РАН. — 2003 г. — №1. С. 115-118.

64. Theodoridis S., Bellanger M.G. Adaptive filters and acoustic echo control. //Signal Processing Magazine, IEEE. Vol. 16, Issue 4, Jul. 1999. -P. 12-12.

65. Голосовые процессоры с улучшенным качеством голосовой передачи, эхоподавлением, компрессией и пакетированием компании Octasic Semiconductor. //Журнал "Электромагазин". 2005 г. - № 08 (53).

66. Уидроу Б. Адаптивные компенсаторы помех. Принципы построения и применение. //ТИИЭР. 1975. - т.63. - № 12. - С. 69-88.

67. Севастьянов А.А., Харинцев С.С., Салахов М.Х. Нейросетевая регуляризация решения обратных некорректных задач прикладной спектроскопии. //Электронный журнал «Исследовано в России». — 2003 г. С. 2254 - 2266.

68. Хайкин С. Нейронные сети: полный курс. 2-е изд. М.: Вильяме, 2006. -1104 с.

69. L. Tong, G. Xu, В. Hassibi, Т. Kailath. Blind channel identification based on second-order statistics: A frequency-domain approach. IEEE Transactions on Information Theory. New York: Jan 1995. Vol. 41, Iss. 1; p. 329.

70. L. Tong, G. Xu, T. Kailath. Blind identification and equalization based on second-order statistics: A time domain approach. IEEE Transactions on Information Theory. New York: Mar 1994. Vol. 40, Iss. 2; p. 340.

71. A. Naveed, I.M. Qureshi, T.A. Cheema, M.A.S. Choudhry. Blind Channel Equalization Using Second-Order Statistics: A Necessary and Sufficient Condition. Circuits, Systems, and Signal Processing. Cambridge: Aug 2006. Vol. 25, Iss. 4; p. 511-523.

72. Zhi Ding, Ge Li. Single-Channel Blind Equalization for GSM Cellular Systems. IEEE Journal on Selected Areas in Communications; vol. 16; no. 8; October 1998; p.1493-1505

73. Kundur D., Hatzinakos D. Blind image deconvolution revisited. //Signal Processing Magazine, IEEE. Vol. 13, Issue 6, Nov. 1996. - P. 61-63.

74. Abed-Meraim K., Qiu W, Hua Y. Blind system identification. // Proc. IEEE. -1997.-Vol. 85.-№8.-P. 1310-1322.

75. Lei Xu, Liu Lijuan, Xu Chongyang. Blind multipath channel equalization based on eigenvector decomposition. Compel. Bradford: 2004. Vol. 23, Iss. 1; p. 277.

76. Ruey-wen Liu, Yujiro Inouye. Blind equalization of MIMO-FIR channels driven by white but higher order colored source signals. IEEE Transactions on Information Theory. New York: May 2002. Vol. 48, Iss. 5; p. 1206.

77. J. Via, I. Santamaria. On the Blind Identifiability of Orthogonal Space-Time Block Codes From Second-Order Statistics. IEEE Transactions on Information Theory. New York: Feb 2008. Том 54, Iss. 2; pg. 709.

78. Han-Fu Chen, Xi-Ren Cao, Jie Zhu. Convergence of stochastic-approximation-based algorithms for blind channel identification. IEEE Transactions on Information Theory. New York: May 2002. Vol. 48, Iss. 5; p. 1214.

79. Дьяконов В.П. MATLAB 6.5 SP1/7 + Simulink 5/6. Обработка сигналов и проектирование фильтров. М.: СОЛОН-Пресс, 2005 г. — 576 с.

80. Воробьев В.И., Грибунин В.Г. Теория и практика вейвлет-преобразоваиия. СПб.: Военный университет связи, 1999 г. — 180 с.

81. С.Н. Кириллов, С.В. Зорин. Алгоритмы биортогонального вейвлет-анализа на основе рекурсивных фильтров. // ЦОС, 2001 г. №3. - С. 9-12.

82. Honig М., Tsatsanis М.К. Adaptive techniques for multiuser CDMA receivers. // Signal Processing Magazine, IEEE. Vol. 17, Issue 3, May 2000. - P. 49-61.

83. J. Zhou, G. Li. An improved adaptive algorithm for constrained notch filters with guaranteed stability. Circuits, Systems, and Signal Processing. Cambridge: Jun 2006. Vol. 25, Iss. 3; p. 361-380.

84. Адаптивная компенсация помех в каналах связи/ Ю.И. Лосев, А.Г. Бердников, Э.Ш. Гойхман, Б.Д. Сизов. М.: Радио и связь, 1988. - 208с.

85. Под ред. Коуэна К.Ф.Н. и Гранта П.М. Адаптивные фильтры. М.: Мир, 1988 г.-392 с.

86. Martin R.K.; Johnson C.R. Adaptive equalization: transitioning from single-carrier to multicarrier systems // Signal Processing Magazine, IEEE. Vol. 22, Issue 6, Nov. 2005. - P. 108-122.

87. Многопроцессорная реализация адаптивной обработки сигнала в когерентной импульсной РЛС. /Т.П. Максаев, С.И. Жданова, А.В. Кочкин, Е.А. Нестерова, А.В. Поляков. /ЦОС, 2001 г. -№4. С. 30-33.

88. В.Г. Бартенев, Г.В. Бартенев. Адаптивный цифровой фильтр на ЦСП Л1879ВМ1. //ЦОС, 2001 г. -№4. С. 38-40.

89. Ильин В.А., Позняк Э.Г. Линейная алгебра: изд. 3 е , доп. - М.: Наука: Гл. ред. физ. - матем. лит, 1984. - 294 с.

90. Беклемишев Д.В. Дополнительные главы линейной алгебры. М.: Наука: Гл. ред. физ. - матем. лит., 1983. — 336 с.

91. Гольденберг Л.М., Матюшкин Б.Д., Поляк М.Н. Цифровая обработка сигналов. М.: Радио и связь, 1985 г. — 312 с.

92. Брюханов Ю.А. Эффекты квантования в цифровых рекурсивных фильтрах первого порядка с округлением. //Доклады 5-й международной конференции DSPA-2003 (Том 1, доклад 13).

93. Тихонов А.Н., Арсенин В.Я. Методы решения некорректных задач. М.: Наука. 1979 г. Изд. 2-е. - 385 с.

94. Морозов В.А. Некоторые аспекты восстановления сигналов методом регуляризации. //Новые вычислительные технологии Научный журнал. М.: 2001 г. -Том 2. -Разд. 1. - С. 27-33

95. Кипчатов А.А., Козленко E.J1. Реконструкция хаотических колебаний, прошедших через линейные фильтры. //Письма в Журнал Технической Физики. СПб.: 1999 г. Т. 25. - Вып. 4. - С. 55-60.

96. Вапник В.Н. Восстановление зависимостей по эмпирическим данным. — М.: Наука, 1979 г.-448 с.

97. Осипов Ю.С., Кряжимский А.В., Максимов В.И. Задачи динамической регуляризации для систем с распределёнными параметрами. Свердловск: ИММУрО АН СССР, 1991 г.

98. Криксин Ю.А., Плющев С.Н., Самарская Е.А., Тишкин В.Ф. Обратная задача восстановления источника для уравнения конвективной диффузии. //Мат. моделирование. — 1995 г. т. 7. - №11. -С. 95

99. Самарский А.А., Вабищевич П.Н. Разностные методы решения задач идентификации источника для параболических задач. //Вестн. МГУ. — 1995 г. — №1. — С. 47

100. Аникин С.А. Об оценке погрешности метода регуляризации в задачах восстановления входов динамических систем. //Журнал вычислительной математики и математической физики. 1997 г. - т. 37. — №9. - С. 1056

101. Губарев В.Ф. Аксёнов Н.Н. Решение задачи оценивания и идентификации методом регуляризации. //Проблемы управления и информации. — 1994 г. -№5-6.-С. 21-29.

102. Венгеров А.А., Щаренский В.А. Прикладные вопросы оптимальной линейной фильтрации. — М.: Энергоиздат, 1982. — 192 с

103. Анцыферов С.С., Голубь Б.И. Общая теория измерений: Учебное пособие/Под ред. академика РАН Н.Н. Евтихиева. М.: Горячая линия-Телеком, 2007 г. -176 с: ил.

104. Засов В.А., Тарабардин М.А. Эволюция решений задачи восстановления сигналов: от нерекурсивных к рекурсивным и адаптивным алгоритмам. //Научно-технический журнал «Вестник транспорта Поволжья», №1(13), 2008 г.,-С. 29-35.

105. Васильев В.А., Засов В.А., Тарабардин М.А. Параллельная обработка информации в системах виброакустического контроля. //Пленарные доклады и избранные труды Третьей международной конференции по проблемам управления. Москва, 2006 г. -С. 748-751.

106. Васильев В.А., Засов В.А., Тарабардин М.А. Параллельная обработка информации в системах виброакустического контроля. //Тезисы докл. Третьей Международной кон-ференции по проблемам управления,- М: Ин-т проблем управления РАН, 2006г., том 2, -С. 116.

107. Василенко Г.И., Тараторин A.M. Восстановление изображений. — М.:

108. Радио и связь, 1986 г. 304 е., ил.

109. Воеводин В.В. Вычислительные основы линейной алгебры. — М.: Наука; Гл. ред. физ. мат. лит., 1977 - 304 с.

110. Валях Е. Последовательно параллельные вычисления.- М.: Мир, 1985. — 456 с.

111. Жуков J1.A., Стратан И.П. Установившиеся режимы сложных электрических сетей и систем: Методы расчетов. — М.: Энергия, 1979. —416 с.

112. Засов В.А., Никоноров Е.Н., Тарабардин М.А. Повышение помехоустойчивости приёмников AJ1CH методами слепой обработки сигналов//Научно-технический журнал «Вестник транспорта Поволжья», №4(16). -Самара: СамГУПС, 2008. -с. 37-47.

113. Воеводин В.В., Кузнецов Ю.А. Матрицы и вычисления. — М.: Наука: Гл. Ред. Физ.-мат. Лит., 1984. 320 с.

114. Пауэлл Р.Е., Сиринг В. Многоканальная обратная фильтрация механических колебаний // Тр. американского о-ва инженеров — механиков. Сер. конструирование и технология машиностроения. — 1984. -т. 106, №4.-С. 17-25.

115. Демидович Б.П., Марон И.А. Основы вычислительной математики: изд. 3-е, испр. М.: Наука: Гл. ред. Физ. — мат. лит., 1966. — 664 с.

116. Солопченко Г.Н. Обратные задачи в измерительных процедурах //Измерения, контроль, автоматизация. — 1983 г. № 2. - С. 32-46.

117. Умняшкин С.В. Теоретические основы цифровой обработки и представления сигналов. Учебное пособие. — М.:ИНФРА-М. —2008. —304 с.

118. Солонина А.И. Цифровая обработка сигналов. Моделирование в MATLAB. Учебное пособие. СПб.:БХВ-Петербург, 2008. - 816 с.

119. Журавель И.М. "Краткий курс теории обработки изображений"

120. Слепов Н. Развитие технологий оптической связи и волокон. //Журнал Электроника. 2006 г. - № 4. - С. 62-65.

121. Д.И. Попов. Оптимизация рекурсивных режекторных фильтров. // ЦОС, 2001 г.-№2.-С 45-48.' ' 157

122. Засов. В.А., Тарабардин М.А. Математическое моделирование процесса восс тановления сигналов. //Сборник трудов XX международной научной конференции «Математические методы в технике и технологиях». Ярославль, 2007 г.,-С. 89-93.

123. Харкевич А.А. Избранные труды в трех, томах: Т.2. Линейные и . нелинейные системы. М.: Наука, 1973. - 566 с.

124. Карташев В.Г. Основы теории дискретных сигналов и цифровых . фильтров. -М.: Высшая школа, 1982. 109 с.

125. Воеводин В .В., Тыртышников Е.Е. Вычислительные процессы с теплицевыми матрицами. — М.: Наука: Рл. ред. физ.—мат. лит., 1987.-320 с.

126. Кузнецов Е.П. Методы и алгоритмы адаптивной эхо-компенсации: сравнительный анализ, методов, эффективности применения. //ЦОС, №2/2007, с. 26-34'

127. Куликов Г.В. Алгоритм цифровой адаптивной фильтрации модулированных сигналов с непрерывной фазой при наличии нефлуктуационных помех. //Доклады 5-й международной конференции DSPA-2003 (том 1, доклад 23).

128. Герасимов В.В. Корноушенко Е.К. Восстановление одномерных входных сигналов в дискретных нестационарных линейных и билинейных системах с помощью метода наименьших квадратов. //АиТ, 1994 г. №6. -С. 3-10.

129. С.Н. Кириллов, М.В. Степанов, O.JI. Виноградов. Синтез адаптивных цифровых фильтров по комбинированному методу наименьших квадратов. // ЦОС, 2001 г. №1. - С 12-14.

130. С.Н. Кириллов, М.В. Степанов. Оптимизация устройств цифровой обработки сигналов по комбинированному критерию среднего квадрата ошибки. // ЦОС, 2000 г. №1. - С. 27-32.

131. Sayed А.Н., Kailath Т.A. State-space approach to adaptive RLS filtering. //Signal Processing Magazine, IEEE. Vol. 11, Issue 3, Jul. 1994.-P. 18-60.

132. Idan M., Bryson A.E. Parameter identification of linear systems based on smoothing.// J. Guid., Control and Dynamics. -1992. -Vol. 15. №4. - P. 901911.

133. Tuan P.-C., Fong L.-W. An IMM tracking algorithm with input estimation// Int . J. Syst. Sci. 1996. -Vol. 27. - №7. - P. 629-639.

134. Skliar M., Ramirez F. Source identification of the distributed parameter transport processes. // Proc. 1997 Amer. Control Conf. Albuquerque, N. Мех., 1997. Vol. 4. - P. 2228-2232.

135. Wang H., Daley S. Actuator fault diagnosis: an adaptive observer-based technique. //IEEE Trans Autom. Control. 1996. - Vol. 41. - №7. - P. 10731078.

136. Darouach M., Zasadzinski M., Onana A.B., Nowakowski S. Kalman filtering with unknown inputs via optimal state estimation of singular systems. // Int. J. Sci. 1995. - Vol. 26. -№10. - P. 2015-2028.

137. Kalman Filtering and Neural Networks, Edited by Simon Haykin. //Awiley-interscience publication John Wiley & Sons, inc. — 2001. — 284 p.

138. Васильев В.А., Засов B.A., Тарабардин M.A. Адаптивное восстановление сигналов в каналах связи. //VII Международная научно-техническая конференция. Проблемы техники и технологии телекоммуникаций. Материалы конференции. Самара, 2006 г. -С. 93-95.

139. Тарабардин М.А. Моделирование адаптивного восстановления сигналов. //Математика. Компьютер. Образование: Тезисы докл. XIV научной конф. Пущино: МГУ, 2007 г., -С. 100.

140. Тарабардин М.А. Моделирование адаптивного восстановления сигналов. //Математика. Компьютер. Образование. Сборник научных трудов. Выпуск 14. Том 2. Москва, Ижевск, 2007 г., том 2, -С. 218-224.

141. Тихонов А.Н., Гончарский А.В., Степанов В.В., Ягола А.Д. Численные методы решения некорректных задач. — М.: Наука: Гл. ред. физ. мат. лит., 1990.-232 с.

142. Бакушинский А.Б., Гончаровский А.В. Некорректные задачи. Численные методы и применения. М.: Из - во Моск. ин - та, 1989. - 199 с.

143. Засов В.А., Тарабардин М.А. Метод повышения устойчивости решений в задачах восстановления сигналов. //Сборник материалов XXXIV научной конференции студентов и аспирантов. Выпуск 8. Самара, 2007 г., -С. 90

144. Засов В.А., Тарабардин М.А. Регуляризация решений задачи восстановления сигналов. //Материалы IV международной научно практической конференции «Актуальные проблемы развития транспортного комплекса». Самара, 2008 г., -С. 103-106.

145. Парлетт Б. Симметричная проблема собственных значений. Численные методы: пер. с англ. М.: Мир, 1983.

146. Солонина А.И., Улахович Д.А., Яковлев JI.A. Алгоритмы и процессоры цифровой обработки сигналов. СПб.: БХВ - Петербург, 2001. - 464 с.

147. Куприянов М.С., Матюшкин Б.Д: Цифровая обработка сигналов: алгоритмы, процессоры, средства проектирования. -2-е изд., перераб. и доп. СПб.: Политехника, 1999. - 592 с.

148. Сперанский B.C. Сигнальные микропроцессоры и их применение в системах телекоммуникаций и электроники. Учебное пособие для вузов. — М.: Горячая линия-Телеком, 2008. -168 е.: ил.

149. Нейрокомпьютеры: от программной к аппаратной реализации / М.А. Аляутдинов, А.И. Галушкин, П.А. Казанцев, Г.П. Остапенко. М.: Горячая линия-Телеком, 2008. - 152 с.

150. Нейрокомпьютеры в системах обработки сигналов. Кн. 9. Коллективная монография / Под. ред. Ю.В. Гуляева и А.И. Галушкина. -М.Радиотехника, 2003. -224 е.: ил.

151. Минаев Ю.Н., Филимонова О.Ю., Бенамеур Лиес. Методы и* алгоритмы решения задач идентификации и прогнозирования в условиях неопределённости в нейросетевом логическом базисе. —М.: Горячая линия -Телеком, 2003. -205 е.: ил.

152. Дьяконов В.П., Круглов В.В. Matlab 6.5 SP1/7/7 SP1/7 SP2 + Simulinl 5/6. Инструменты искусственного интеллекта и биоинформатики. Серия «Библиотека профессионала». -М.: СОЛОН-ПРЕСС, 2006. -456 е.: ил.

153. Гладкова И. Архитектурное строительство в мире цифровой обработки сигналов //Мир компьютерной автоматизации. 2001. - №3. -С.54-60.

154. Пахомов С. Новый процессор с тактовой частотой 3,06 ГГц и поддержкой технологии Hyper-Threading //Компьютер-пресс 2002. - №12. - С.30-34.

155. Программный комплекс для моделирования восстановления сигналов //Свидетельство об официальной регистрации программы для ЭВМ №2008610224 от 9.01.08. Авторы В.А.Засов, М.А. Тарабардин.

156. Теория передачи сигналов на железнодорожном транспорте// Г.В.Горелов,

157. A.Ф. Фомин, А.А. Волков, В.К.Котов.-М.: Транспорт, 1999.-415 с.

158. Системы железнодорожной автоматики и телемеханики /ЯО.А. Кравцов,

159. B.JI. Нестеров, Г.Ф. Лекута и др. -М.: Транспорт, 1996.-400 с.