Адаптивные алгоритмы обработки радиотехнических сигналов на фоне комбинированных помех с изменяющейся мощностью некоррелированной компоненты тема диссертации и автореферата по ВАК РФ 05.12.04, кандидат наук Нгуен Тьен Фат

• Нгуен Тьен Фат
• кандидат наук
• 2015

Оглавление диссертации кандидат наук Нгуен Тьен Фат

Оглавление

Аннотация

Введение

Актуальность темы диссертационных исследований

Цель и задачи работы

Методы исследований, их научное и практическое значение

Достоверность результатов диссертационной работы

Основные положения, выносимые на защиту

Научная новизна диссертации

Внедрение результатов диссертационных исследований

Апробация работы

Публикации по теме диссертации

Структура и объём диссертации

1 Синтез адаптивных обеляющих фильтров при изменении мощности некоррелированного шума

1.1 Вводные замечания

1.2 Постановка задачи

1.3 Синтез адаптивного обеляющего фильтра в условиях изменения мощности некоррелированных помех при введения корректирующего множителя (адаптивный алгоритм А)

1.3.1 Аналитическое решение

1.3.2 Экспериментальные исследования и анализ эффективности

1А Синтез фильтра подавления комбинированных помех с изменяющейся мощностью некоррелированных помех путём введения поправочного двумерного вектора (адаптивный алгоритм В)

1.4.1 Аналитическое решение

1.4.2 Экспериментальные исследования и анализ эффективности

1.5 Выводы по первой главе

2 Адаптивные алгоритмы обращения корреляционных матриц помех с изменяющейся мощностью некоррелированной компоненты

2.1 Вводные замечания

2.2 Оптимизация рекуррентного алгоритма расчёта коэффициентов фильтра подавления комбинированных помех

2.2.1 Постановка задачи

2.2.2 Аналитическое решение

2.2.3 Экспериментальные исследования и анализ эффективности

2.3 Выбор начальных условий для итеративного алгоритма обращения корреляционных матриц помех с изменяющейся мощности шума

2.3.1 Постановка задачи

2.3.2 Аналитическое решение

2.3.3 Экспериментальные исследования и анализ эффективности

2.4 Выводы по второй главе

3 Практические аспекты использования предлагаемых

методов

3.1 Оценка мощности некоррелированных помех с помощью

байесовской формулы

3.2 Влияние мощности некоррелированных помех при контроле состояния здоровья по пульсу человека

3.3 Обработка диагностических сигналов на фоне комбинированных помех

3.3.1 Вводные замечания

3.3.2 Постановка задачи

3.3.3 Аналитическое решение

3.3.4 Экспериментальные исследования и анализ эффективности

3.4 Выводы по третьей главе

Заключение

Благодарности

Список литературы

Приложение I. Условные обозначения, аббревиатуры,

сокращения и термины

Список условных обозначений

Список аббревиатур

Список сокращений

Приложение II. Копии актов внедрения

Аннотация

Повышение эффективности радиотехнических систем в условиях воздействия комбинированных (аддитивной смеси коррелированных и некоррелированных) мешающих процессов с изменяющейся мощности некоррелированной компоненты представляет собой важную научно-техническую и практическую задачу. Борьба с комбинированными мешающими процессами заключается в обелении коррелированной компоненты до уровня некоррелированного шума. Оптимальное решение предполагает для оценки параметров обеляющего фильтра пересчёт коэффициентов обратной корреляционной матрицы помех при изменении уровня мощности некоррелированного шума, что сопряжено с большими вычислительными затратами. Поэтому на практике часто отказываются от оперативной адаптации к изменяющейся мощности некоррелированной компоненты, что приводит к недоиспользованию потенциальных возможностей по обработке сигналов. Известное решение заключается в сохранении прежних значений вектора обработки, т.е. не предполагает адаптацию к изменяющейся мощности некоррелированных мешающих процессов, что характерно, например, для режекторных фильтров. Отметим, что величина мощности некоррелированного шума в ряде практических приложений может быстро и значительно изменяться во времени из-за вариаций окружающей помеховой обстановки [1,2], а коррелированная мешающая компонента менее вариабельна.

Введение диссертации (часть автореферата) на тему «Адаптивные алгоритмы обработки радиотехнических сигналов на фоне комбинированных помех с изменяющейся мощностью некоррелированной компоненты»

Введение

Актуальность темы диссертационных исследований

Удельный вес средств цифровой обработки сигналов (ЦОС) в составе радиотехнических систем различного назначения неуклонно возрастает, обеспечивая рост их качественных показателей [3]. Особенно такая тенденция характерна для систем радиосвязи, медико-биологических исследований, решении задач навигации аэрокосмических и морских объектов, сейсмологии, обработки аудио- и видеоинформации, цифровой оптики и в ряде других приложений, связанных с большим объемом вычислений в реальном масштабе времени [4,5]. Достоинства цифровой обработки сигналов представленны, например, в работе [6,7]. При этом отмечается, что повышение точности выполнения операций в цифровых устройствах является задачей организации вычислителных затрат, которая ждет теоретических и прикладных решений. С тех пор в решении данной проблемы наметился ряд новых направлений. Одним из них являются цифровой адаптивной фильтрации сигналов [8, 9, 10].

Развитие теории адаптивной обработки сигналов всегда было непрерывно связано с практикой. Примерами широко используемых на практике адаптивных устройств являются компенсаторы сигналов акустического и электрического эха, эквалайзеры (выравниватели) характеристик электрических и акустических каналов связи [11, 12], адаптивные антенные и акустические решетки и др [13]. Эти устройства являются неотъемлемыми элементами оборудования современных радиотехнических систем и систем связи, тактико-технические характеристики которых часто недостижимы без использования

адаптивной обработки сигналов [14, 15].

В основе большинства адаптивных устройств находится адаптивный фильтр. Фильтрация сигналов, включая и адаптивный её вариант, может выполняться как аналоговым, так и цифровым способом. Сегодня в различных устройствах в основном используются цифровые адаптивные фильтры [14, 16], на которые ориентированы практические приложения данной диссертационной работы.

Свойства цифрового фильтра с фиксированными параметрами обычно определяются требуемой передаточной функцией [17, 18]. В свою очередь, передаточная функция определяет структуру фильтра и его вычислительную сложность, которая, несмотря на значительные успехи современной вычислительной техники, играет большую роль в практической реализации радиотехнических систем [19,20]. Если требования к передаточной функции фильтра невозможно сформулировать заранее или они могут изменяться в процессе работы, то вместо фильтров с фиксированными параметрами целесообразно использовать фильтры с изменяемыми параметрами — адаптивные фильтры [14, 21].

Поскольку параметры адаптивного фильтра изменяются в процессе его работы, такой фильтр можно отнести к нелинейным устройствам. Однако, при каждом фиксированном значении параметров адаптивный фильтр - это линейное устройство, поскольку между его входными и выходными сигналами обычно существует линейная зависимость, определяемая текущим набором весовых коэффициентов (ВК), подобно линейным фильтрам с фиксированными ВК [14]. Для их нахождения, необходимо сформулировать критерий работы адаптивного фильтра. Таким критерием часто является минимум некоторой

целевой функции, — как правило, функции ошибок между требуемым и выходным сигналами адаптивного фильтра. Достижение минимума целевой функции означает, что выходной сигнал адаптивного фильтра в определённой степени приближен к требуемому сигналу, физическая природа которого определяется конкретным приложением адаптивного фильтра [21, 22].

Выбор алгоритма адаптации, как правило, обусловлен следующими требованиями: обеспечением оптимального или удовлетворительного квазиоптималыюго решения; длительностью переходного процесса, характеризующей скорость сходимости и следящие свойства адаптивного фильтра; значением остаточных ошибок в установившемся режиме, характеризующем точность нахождения оптимального решения; вычислительной сложностью алгоритма, характеризующей объём ресурсов, требуемых для его аппаратной или программной реализации и пр. [14, 16].

Зарождение адаптивной обработки сигналов в современном её понимании восходит к концу 50-х годов [23], когда Б. Уидроу разработал и предложил для практического использования простейший градиентный алгоритм по критерию наименьших квадратов (Least Mean Square, LMS), ставший на многие годы классическим в области адаптивной фильтрации [24,25]. Этому предшествовали работы в области оптимального оценивания, проводимые Н. Винером, А.Н. Колмогоровым, Левинсоном, М.Г. Крейном и рядом других ученных. Их работы, в свою очередь, базировались на достижениях таких ученых как Ньютон (метод касательных), Гаусс (метод наименьших квадратов) и другие [26].

В большинстве случаев применяются адаптивные фильтры [27], функционирующие на основе простейших с вычислительной точки зрения

градиентных алгоритмов но критерию наименьшего среднеквадратичного отклонения (LMS, или Normalized LMS, NLMS) [28,29]. Эти алгоритмы обладают наименьшей вычислительной сложностью (числом арифметических операций, требуемых для выполнения одной итерации в течение интервала дискретизации обрабатываемых сигналов) и алгоритмической простотой (несложными математическим описанием) по сравнению с другими алгоритмами адаптивной фильтрации. Вычислительная сложность простейших адаптивных алгоритмов равна 2 N арифметических операций - умножений со сложениями (действительных или комплексных, в зависимости от вида обрабатываемых сигналов), где N - число весовых коэффициентов адаптивного фильтра [28, 30].

Однако простейшие алгоритмы обладают низкой эффективностью в терминах медленной сходимости и значений остаточных ошибок на выходе адаптивного фильтра в установившемся режиме, зависящих от величины параметра, называемого шагом сходимости. Указанные недостатки градиентных алгоритмов особенно проявляются при обработке нестационарных сигналов [31].

Простые алгоритмы адаптивной фильтрации можно рассматривать как частные случаи более сложных рекурсивных алгоритмов наименьших квадратов (Recursive Least Squares, RLS) [32] или алгоритмов аффинных проекций (Affine Projections, АР) [33, 34]. Объяснение этого утверждения приведено в [35]. Более сложные адаптивные алгоритмы обеспечивают и более высокие показатели качества (большая скорость сходимости алгоритма, меньшие значения ошибок на выходе адаптивного фильтра в установившемся режиме) по сравнению с простейшими алгоритмами. Однако сложные RLS- и APr-алгоритмы не столь

популярны в приложениях, поскольку для их реализации требуются большие вычислительные ресурсы. Так, для APr-алгоритмов эта сложность оценивается как 0(NL) арифметических операций, для быстрых (вычислительно эффективных, т.е. с малым числом арифметических операций) АРг-алгоритмов

■л

(Fast APr, FAPr) - как 0(N+L), для RLS алгоритмов - как 0(N ) и для быстрых RLS алгоритмов - как 0(N). Здесь l - размер проекции (длина скользящего окна, на котором определяется градиент) [36, 37].

В настоящее время, данная библиотека содержит более 300 разновидностей адаптивных алгоритмов: LMS- и NLMS-алгоритмов, включая алгоритмы в частотной области; АРг- и FAPr-алгоритмов, а также большое разнообразие RLS-алгоритмов, включая быстрые алгоритмы, а также алгоритмы с линейными ограничениями [16]. Алгоритмы для одноканальных адаптивных фильтров или фильтров с действительными весовыми коэффициентами являются частными случаями алгоритмов для структуры на рисунке 1.

Рисунок 1 Многоканальный адаптивный фильтр

Рисунок 2

КИХ фильтр т-то канала с переменными весовыми коэффициентами

Отдельный канал многоканального фильтра представлен на рисунке 2 [9,38]. Это фильтр с конечной импульсной характеристикой (КИХ) [39], обрабатывающий входной дискретный сигнал хт(к). Выходной сигнал такого фильтра ут(к) формируется на основе взвешенного суммирования задержанных отсчетов входного сигнала хт(к). Здесь к— дискретное время, Ыт — число весовых коэффициентов фильтра т-го канала, с1{к) — требуемый сигнал,

— сигнал ошибки, который используется для формирования целевой функции адаптивного фильтра.

Взвешивание сигналов осуществляется с помощью весовых

коэффициентов =\_К,т>Кт>'->Ьмт-2,т>Кт-\,т~] > закон изменения

которых определяется алгоритмом адаптивной фильтрации.

Вектор входных сигналов М— канального адаптивного фильтра

'Г I т т т т4 ^г I

формируется: Хм № = (к)>хм2 №>• • (£)»•• №>хлгЛ/ ,

а вектор весовых коэффициентов формируется:

К (к) = (*), (к),... X. (к),..., (к), Км (к)], Здесь и далее жирными строчными символами обозначены векторы, а жирными заглавными -

X II

матрицы. Символы и означают операции транспонирования и эрмитово сопряжения (транспонирования и комплексного сопряжения, обозначаемого символом * на рисунке 2), соответственно. Нижние индексы N и А^ обозначают число элементов в векторах и квадратных матрицах.

В зависимости от решаемой задачи и типа обрабатываемых сигналов адаптивные фильтры могут быть одноканальными или многоканальными с действительными или комплексными весовыми коэффициентами. Например, эхо-компенсатор модема проводного канала связи может рассматриваться как два независимых адаптивных фильтра для подавления сигналов ближнего и дальнего эха, или как двухканальный адаптивный фильтр [40,41]. В зависимости от типа модуляции, используемой в модеме, такой фильтр имеет действительные или комплексные весовые коэффициенты. Компенсатор акустического эха - это одноканальный адаптивный фильтр, а компенсатор стерео эха - это два двухканальных адаптивных фильтра с одинаковым числом действительных весовых коэффициентов в каналах [42,43]. Выравниватель каналов связи можно рассматривать как двухканальный адаптивный фильтр с неодинаковым числом весовых коэффициентов в каналах. Нелинейные полиномиальные адаптивные фильтры и адаптивные фильтры с бесконечной импульсной характеристикой (БИХ) тоже могут рассматриваться как

многоканальные с неодинаковым числом весовых коэффициентов в каналах. Узкополосные адаптивные антенные решетки - это многоканальные адаптивные фильтры с одним комплексным весовым коэффициентом в каждом канале [44, 45], а широкополосные гидроакустические решетки - это многоканальные адаптивные фильтры с одинаковым числом действительных весовых коэффициентов в каналах [40].

Таким образом, необходимость разработки адаптивных алгоритмов для такой структуры, как фильтр на рисунке 1, обусловлена тем, что существуют задачи, где такие фильтры находят применение. Возможность использования неодинакового числа весовых коэффициентов в каналах фильтра позволяет уменьшить требования к вычислительным ресурсам ЦСП, необходимых для

реализации адаптивных алгоритмов, поскольку эти ресурсы пропорциональны

м

полному числу весовых коэффициентов фильтра, равному N = ^Ыт [40].

Ш—1

В основе большинства ЯЬБ-алгоритмов находятся методы обращения матриц, см. например [28, 46], которые используются для обращения корреляционной матрицы. В силу последовательного характера модификации этой матрицы за счет применения скользящего окна или динамической регуляризации, все вычисления в ЯЬЗ-алгоритмах, обусловленные независимыми потоками обрабатываемых данных, также носят последовательный характер. Это является причиной двух- или четырехкратного увеличения вычислительной сложности таких Ш^-алгоритмов в случае их реализации с помощью одного цифрового сигнального процесса (ЦСП). В [47] были рассмотрены приемы, на основе которых разработан ряд Ш^-алгоритмов, ориентированных на параллельные вычисления. В таких алгоритмах параллельные потоки данных, обусловленные модификацией корреляционной

матрицы за счет скользящего окна и регуляризации, могут обрабатываться независимо, т.е. параллельно. Это позволяет уменьшить вычислительную нагрузку на один процессор при наличии двух или четырех ЦСП. Такие процессоры сейчас интегрируются в одной БИС [48, 49], что позволяет строить компактные устройства ЦОС, и делает разработку параллельных алгоритмов адаптивной фильтрации актуальной задачей [50].

На основе ЛОМ

Быстрый алгоритм Калмана

Основные ЯЬБ алгоритмы

На основе разложения

Прямого

Обратного

Не быстрый с операциями квадратного корня \

Не быстрый без операций квадратного корня

С операциями квадратного корня

Без квадратного корня

Не быстрый с преобразованиями Хаусхолдера

Не быстрый с вращениями Гивенса

Не быстрый с вращениями Гивенса

Быстрый с вращениями Гивенса

Быстрый с вращениями Гивенса

Рисунок 3

Основные типы алгоритмов библиотеки

Базовые RLS-алгоритмы представлены на рисунке 3. Это алгоритмы с вычислительной сложностью 0(N ) (не быстрые) на основе леммы об обращении матриц (ЛОМ) и быстрые алгоритмы на основе ЛОМ с вычислительной сложностью 0(N): быстрый алгоритмы Калмана (Fast Kaiman FK), Fast Transversal Filter (FTF), Fast a Posteriori Error Sequential Technique (FAEST) и стабилизированный FAEST-алгоритм [40, 51].

Многообразие RLS-алгоритмов на основе QR-разложения матрицы входных сигналов адаптивного фильтра включает алгоритмы, использующие прямое и обратное QR-разложение с применением вращений Гивенса или преобразований Хаусхолдера.

Особенностью RLS-алгоритмов на основе QR-разложения является наличие в них операций извлечения квадратного корня. В рассматриваемой библиотеке представлены QR RLS-алгоритмы с операциями квадратного корня и без таких операций. Исключение операций квадратного корня в RLS-алгоритмах достигается путем масштабирования переменных [52]. В состав QR RLS-алгоритмов также входят быстрые алгоритмы.

В основе всех многоканальных быстрых RLS-алгоритмов библиотеки находятся приемы [53], использующие перестановочные матрицы. Эти приемы позволяют получать вычислительные процедуры М-канальных фильтров с неодинаковым числом весовых коэффициентов в каналах Nm в виде последовательности M однотипных вычислительных процедур для вспомогательных фильтров с одинаковым числом весовых коэффициентов, равным N.

Как показывает практика, воспроизвести (т.е. реализовать в адаптивном фильтре) сложные алгоритмы удаётся не всегда. Поэтому в большинстве

радиотехнических устройств используются адаптивные фильтры на базе простых (с вычислительной и с алгоритмической точек зрения) алгоритмов, созданию и исследованию которых и посвящена данная работа [54]. Несмотря на то, что производительность цифровой элементной базы в последние десятилетия резко возросла, актуальность снижения вычислительной сложности сохраняется в задачах, требующих оперативного анализа радиотехнических сигналов в реальном масштабе времени, что характерно, например, для лазерной локации. Чтобы реализация сложных алгоритмов обеспечивала требуемую частоту дискретизации сигналов, требуются значительные вычислительные ресурсы, которые, как правило, ограничены [40].

Кроме того, на рубеже XX и XXI веков создаются мощные средства автоматизированного проектирования, начиная с этапа моделирования системы и заканчивая схемотехнической реализацией на сигнальных процессорах и сверхбольших интегральных схемах (СБИС) обработки сигналов. К их числу относятся такие интегрированные оболочки такие, как MATLAB фирмы «The Math Works, Inc.» [55], пакеты по синтезу цифровых фильтров QEDesign фирмы «Momentum Data Systems» [56], а также разработанные в России DIFID и PICLOR фирмы «Радис, Лтд» [57] и др. Создание многопроцессорных систем ЦОС, ориентированных на обработку потоков информации в темпе их поступления, потребовала создания специализированных программных средств управления - операционных систем реального времени (ОСРВ), оптимизированных для систем ЦОС [58]. Получили известность и широкое использование ОСРВ SPOX фирмы «Spectrum Microsystems, Inc.» (США) и Virtuoso фирмы «Eonic Systems, Inc.» (Бельгия) [59, 60].

Современный этап развития методов и техники обработки сигналов

начинается со второй половины 90-х годов и определяется как новыми уникальными возможностями однокристальных многопроцессорных цифровые процессоры обработки сигналов (ЦПОС), на пример семейство TMS320C80 [59], так и применением архитектурно перепрограммируемых СБИС ЦОС на базе программируемых логических интегральных схем (ПЛИС). Имея до 1 млн. логических вентилей на кристалле и работая на внутренней тактовой частоте до нескольких сотен мегагерц, ПЛИС обработки сигналов прочно заняли свою нишу между специализированными заказными СБИС и универсальными ЦПОС, интенсивно расширяя сферу применения перепрограммируемых СБИС ЦОС и вытесняя с рынка высоких технологий сигнальные процессоры [61, 62].

В настоящее время проектируемые на ПЛИС системы сочетают в себе сверхвысокую производительность заказных СБИС и высокую гибкость ЦПОС на уровне архитектурной адаптации к заданному классу алгоритмов [63, 64] , а также возможность размещения на одном кристалле ПЛИС всей структуры системы, включая нестандартную периферию. В тех случаях, когда проектируемая система должна быть ориентирована на решение сложных, разветвленных алгоритмов обработки в реальном времени на различных скоростях потоков входных данных, наивысшая эффективность достигается при совместном использовании ПЛИС и сигнальных процессоров. К этим относятся такие фирмы как «Xilink», «Altera», «Atmel», «Analog devices», «AT&T», «SGS Thomson» и д.р.[65, 66, 62].

Современные требования к обработке радиотехнических сигналов при одновременном воздействии комплексных мешающих компонентов [67, 68, 69], вызывает необходимость совершенствования обеляющих адаптивных фильтров [70,71,72], производящих адаптивную обработку в реальном масштабе

времени. Обеление мешающих компонент связано с решением задачи обращения их корреляционных матриц при помощи быстрых алгоритмов [73, 74, 75], основанных, в частности, на рекурсивном алгоритме Левинсона-Дурбина [9,73]. Отметим, что вопросы, связанные с квазиоптимальными методами обеления помех, исследованы далеко неполно. Так, например, адаптивные рекуррентные алгоритмы обеления, которые не требуют обращения корреляционных матриц, полученных при помощи традиционных [76] или упрощенных [77] процедур, имеют ряд преимуществ (робастность, простота) и перспективны для реализации на вычислительной технике [78]. В этой связи необходимо отметить, что обнаружение сигналов и оценка их параметров производятся, как правило, в условиях существенной априорной неопределенности, препятствующей получению достаточно точных оценок статистических характеристик входных процессов. Это приближает реальную эффективность потенциальных методов обработки к квазиоптимальным [62].

Цифровая реализация упрощенных алгоритмов обработки открыла новые возможности и в направлении адаптивной обработки сигналов. Наибольшее распространение получили методы и аппаратные средства линейной цифровой фильтрации, которые реализуют векторные и матричные операции [79, 80, 81]. Отметим, что ряд практических приложений, связанных с обработкой радиотехнических сигналов, характеризуется плохой обусловленностью корреляционных матриц процессов, жесткими ограничениями на разрядность и быстродействие цифровых устройств [82, 83].

В современные высокоэффективные методы адаптивной обработки радиосигналов на фоне помех большой вклад внесли работы Дженкинса Г. [84], ВаттсаД., Марпла-мл. С.Л., Уидроу Б., Джонсона К.Р. [85], Четера З.Р.[85],

Макмиллана Р.Н.[86], Стирнза С., Ван Триса Г.Л., Меркулова В.И. [87, 88], Ширмана Я.Д. [89], Куликова Е.И. [90] , Джигана В.И., Витязева В.В., Канащенкова А.И. [87], Сергиенко А.Б. [91], Шинакова Ю.С. [92], Трифонова А.П., Зверева В.А. [93], Бакулева П.А., Лихарева В.А. [94], Тихонова В.И. [95, 96], Кириллова С.Н., Кошелева В.И, Тартаковского А.Г. [97] и других исследователей.

Комбинированные помехи часто наблюдаются в радиотехнических систем передачи информации, что снижает их эффективность: уменьшается дальность действия, точность и т.д., т.е. комбинированные помехи ухудшают тактико-технические характеристики радиосистем [1,98,99]. Существуют специально организованные мероприятия, снижающие наблюдаемость полезных объектов, а также искусственные источники шумов, нарушающие нормальную работу радиотехнических систем. Например, для систем управления воздушным движением, расположенных в аэропортах, характерно одновременное присутствие на входе приёмного устройства мешающих отражений от подстилающей поверхности и некоррелированных шумов от различных источников (наземное и бортовое радиооборудование, промышленные помехи и т.д.) [1, 100]. Кроме в медицине задачи обработки кардиосигналов характерно мешающее воздействие комбинированных помех на сигналы, снимаемые кардиодатчиками.

Вместе с тем, несмотря на перечисленные сложности, одним из основных требований, предъявляемых к современной обработке сигналов на фоне комбинированных помех, является обеспечение надежного подавления таких помех в условиях изменении некоррелированных компонентов, когда свойства действующих коррелированных помех сохраняться. В этих условиях попытка

осуществить на практике оптимальную обработку, связанную с обращением корреляционной матрицы комбинированных помех [101], приводит к необходимости построения труднореализуемых устройств, требующих больших затрат аппаратуры.

Таким образом, анализ источников информации по теме исследования показал, что в настоящее время существуют эффективные процедуры обращения корреляционных матрицы комбинированных помех. Подробно изучены общие вопросы синтеза и анализа адаптивных алгоритмов подавления комбинированных мешающих компонентов с изменяющейся мощности шума, на основе которых созданы технические устройства и программные комплексы.

Цель и задачи работы

Синтез и анализ адаптивных алгоритмов радиотехнических сигналов на фоне комбинированных помех для сокращения вычислительных затрат на реализацию адаптивной фильтрации при изменении мощности мешающей некоррелированной компоненты и ограничениях на вычислительные затраты.

Для достижения цели исследования необходимо решить следующие задачи:

1. Синтезировать вычислительно эффективные адаптивные алгоритмы подавления комбинированных помех с изменяющимся динамическим диапазоном.

2. Разработать адаптивный рекуррентный алгоритм обработки сигналов на фоне комбинированных помех, дающий возможность повысить среднюю вероятность обнаружения полезных сигналов по сравнению с известным решением.

3. Модифицировать итеративный алгоритм выделения сигналов на фоне

помех для увеличения скорости получения результатов адаптации к изменяющейся мощности некоррелированного шума.

Методы исследований, их научное и практическое значение

Методы исследований: основаны на теории цифровой адаптивной обработки сигналов, математического анализа и статистики, статистической теории радиотехнических систем, матричного исчисления, спектрального анализа сигналов, параметрического моделирования случайных процессов. Кроме теоретических расчётов были проведены исследования на основе имитационного моделирования, полунатурных экспериментов.

Научное и практическое значение полученных результатов состоит в алгоритме синтеза адаптивных фильтров подавления комбинированных помех с изменяющейся мощностью некоррелированной компоненты на основе параметрических моделей для сокращения вычислительных затрат. Повышение эффективности обработки сигналов радиотехнических систем в условиях воздействия комбинированных помех при ограничениях на вычислительные и аппаратные затраты.

Достоверность результатов диссертационной работы

Достоверность полученных результатов подтверждена корректным использованием математического аппарата, проведением компьютерного имитационного моделирования функционирования синтезированных алгоритмов; натурными и полунатурными экспериментами; совпадением результатов диссертационной работы в частных случаях с ранее известными данными; практическим использованием результатов диссертации в программно-аппаратных средствах обработки радиотехнических сигналов.

Основные положения, выносимые на защиту

1. Адаптивные алгоритмы подавления комбинированных помех сокращают в 1,2...9раз вычислительные затраты (количество арифметических операций) по сравнению с оптимальным адаптивным алгоритмом, путём уменьшения числа адаптируемых параметров, при сохранении требуемой эффективности подавления.

2. Рекуррентный алгоритм обработки сигналов на фоне комбинированных помех даёт возможность сократить в 1,6... 11,7 раз вычислительные затраты на адаптацию к изменяющейся мощности некоррелированных шумов или увеличить среднюю вероятность обнаружения полезных сигналов на 10%...20% по сравнению с известным решением, за счёт учёта оценки мощности шума при расчёте коэффициентов обратной корреляционной матрицы комбинированных помех.

3. Модифицированный итеративный алгоритм обработки сигналов на фоне комбинированных помех обеспечивает выигрыш на 5 %...12,5 % в средней вероятности обнаружения полезных сигналов или уменьшает в 1,7...2 раза число итераций для получения результата адаптации к уровню некоррелированных шумов по сравнению с известным подходом, за счёт учёта при выборе начальных условий априорной информации о параметрах коррелированных помех.

Научная новизна диссертации

1. Обоснованы адаптивные алгоритмы подавления комбинированных помех, сокращающие вычислительные затраты (количество арифметических операций) по сравнению с оптимальным адаптивным алгоритмом.

Список литературы диссертационного исследования кандидат наук Нгуен Тьен Фат, 2015 год

Список литературы

1. Бакулев П.А., Степин В.М. Методы и устройства селекции движущихся целей. М.: Радио и связь, 1986.— 288 с.

2. Кошелев В.И., Андреев В.Г. Устройство подавления многокомпонентных помех: Патент №2064190 Российской Федерации, МКИ5 G01S 7/36. Заявл. 15.06.93, №93031276 // Опубл. 20.07.96 в Бюл. № 20.

3.ГолдБ., Рэйдер Ч. Цифровая обработка сигналов / Под ред. М. Трахтмана. —М.: Сов. радио, 1973.— 367 с.

4. Айфичер Э., Джервис Б. Цифровая обработка сигналов. Практический подход: М.: ИД "Вильяме", 2004.— 992 с.

5. Рабинер П., Гоулд Б. Теория и применение цифровой обработки сигналов. М.:Мир, 1978.— 848 с.

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

7. Оппенгейма Э. Применение цифровой обработки сигналов. М.: Мир, 1980.—552 с.

8. Тараканов А.Н., Хрящев В.В., Приоров А.Л. Адаптивная цифровая обработка сигналов: учебное пособие. — Ярославль: ЯрГУ, 2001.— 134 с.

9. Марпл-мл. С.Л. Цифровой спектральный анализ и его приложения: Пер. с англ.— М.: Мир, 1990.— 584 с.

10. Nuttall A. H. Spectral Analysis of a Univariate Process with Bad Data Points, via Maximum Entropy and Linear predictive Techniques. Naval Underwater Systems Center Technical Report TR-5303, New London, Conn., Math 1976.

11. Sondhi M. An adaptive echo canceller. Bell Syst. Tech. J., vol.46, Mar. 1967. P. 497-511.

12 Demytko N., Machechnie L.K. A high speed digital adaptive echo canceller, Austral. Telecommun. Rev., vol. 7, № 1, 1972. P. 20-28.

13 Монзинго P.А. Адаптивные антенные решетки. Введение в теорию / Пер. с англ. В. Г. Челпанова, В. А. Лексаченко. М. : Радио и связь, 1986.

14. Джиган В.И. Адаптивные фильтры и их приложения в радиотехнике и связи // Современная электроника. 2009. № 9. С. 56-63 (часть 1); 2010. № 1. С. 72-77 (часть 2); 2010. № 2. С. 70-77 (часть 3).

15. MacchO. Adaptive processing. The least mean squares approach with application in transmission. — New York: John Wiley and Sons, Inc., 1995. — p.

16. Джиган В.И. Прикладная библиотека адаптивных алгоритмов // Электроника : наука, технологии, бизнес. 2006. № 1. С. 60-65.

17. Хемминг Р.В. Цифровые фильтры. - М.: Недра, 1987.— 221 с.

18. Рабинер Л., Гоулд Б. Теория и применение цифровой обработки сигналов. - М.: Мир, 1978. — 848 с.

19. Кащеев Б.Л. Дистанционные методы и средства исследования процессов в атмосфере Земли / Под общ. ред. Б.Л. Кащеева, Е. Г. Прошкина,

М.Ф. Лагутина.— Харьков: Харьк. нац. ун-т радиоэлектроники; Бизнес Информ, 2002.— 426 с.

20. Lidar: range-resolved optical remote sensing of the atmosphere series, Springer series in optical sciences, vol. 102 / C. Weitkamp (Ed.).— New York: Springer, 2005,— 460 p.

21. Джиган В.И. Адаптивная фильтрация сигналов: Теория и алгоритмы // М.: Техносфера, 2013.— 528 с.

22. Витязев В.В. Цифровые процессоры обработки сигналов: учеб. пособие. Рязань: РРТИ, 1989. — 80 с.

23. Widrow В. Thinking about thinking: the discovery of the LMS algorithm -DSP history// IEEE Signal Processing Magazine. 2005. Vol. 22. № 1. P. 100-106.

24. Уидроу Б., Стирнз С. Адаптивная обработка сигналов. Пер. с англ.— М.: Радио и связь, 1989.— 440 с.

25. Sayed А.Н. Adaptive filters // NJ, Hoboken : John Wiley and Sons, Inc.

2008.

26 Тараканов A.H., Хрящев В.В., Приоров А.Л. Адаптивная цифровая обработка сигналов: учебное пособие.— Ярославль: ЯрГУ, 2001.— 134 с.

27. Зинчук В.М. Адаптивная цифровая фильтрация шумоподобных сигналов в радиотехнических системах. / В.М. Зинчук, Ю.Г. Сосулин, А.Е. Лимарев, Н.П. Мухин. // Цифровая обработка сигналов, 2000, №1, с. 4-18.

28. Джиган В.И. Многоканальные RLS- и быстрые RLS-алгоритмы

адаптивной фильтрации // Успехи современной радиоэлектроники. - 2004. - № 11. - С. 48-77.

29. Djigan V.l. Recursive least squares - an idea 11 whose time has come. Proc. of the 7th Intern. Workshop on Spectral Methods and Multirate signal Processing. Moscow, 2007. PP. 255-260.

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

31. Benesty J., Huang Y. (Eds). Adaptive signal processing: applications to real-world problems. - Berlin, Heidelberg, New York: Springer-Verlag, 2003. -356 p.

32. Resende L.S., Romano J.M.T., Bellanger M.G. A fast least-squares algorithm for linearly constrained adaptive filtering // IEEE Trans. Signal Processing.

- 1996. - V. 44. - № 5. _ p. 1168-1174.

33. Gay S.L. A fast converging, low complexity adaptive filtering algorithm // Third International Workshop on Acoustic Echo Control. - Plestin les Greves, France.

- 1993. - P. 223-226.

34. Djigan V.l. Improved fast affine projection algorithm with gradient adaptive step-size // Proceedings of the 3-rd International Conference on Antennas, Radiocommunication Systems & Means (ICARSM-97). - Voronezh. - 26 - 29 May 1997.-V. 3.-P. 23-32.

35. Джиган В.И., Солохина Т.В., Петричкович Я.Я. Подавление

электрического эха на базе контроллеров «МУЛЬТИКОР» // Электроника: Наука, Технологии, Бизнес. - 2004.— № 8.— С. 26-33.

36. Витязев C.B. Цифровые процессоры обработки сигналов. — Рязань: Изд. РГРТУ, 2012,— 115 с.

37. Джиган В.И. Алгоритмы адаптивной фильтрации нестационарных сигналов // Диссертация на соискание ученой степени доктора технических наук. — Государственное унитарное предприятие города Москвы Научно-производственный центр «Электронные вычислительно-информационные системы». — Москва, 2006.— 342 с.

38. Витязев C.B., Витязев В.В. Методы синтеза узкополосного адаптивного КИХ-фильтра на основе многоскоростной обработки // Цифровая обработка сигналов. — 2007. — №4.— С. 15-20.

39. Кириллов С.Н., Степанов М.В. Комбинированный критерий оптимальности нерекурсивных фильтров оценивания/У Проблемы математического моделирования и обработки информации: Межвуз. сб. науч. тр. / Рязань: РГРТА, 1996. С. 40-43.

40. Джиган В.И. Оценка эффективности реализации алгоритмов адаптивной фильтрации на базе «систем на кристалле» серии «МУЛЬТИКОР» // Материалы докладов Всероссийской научно-технической конференции «Проблемы разработки перспективных микроэлектронных систем (МЭС-2005)» (Российская академия наук: Институт проблем проектирования в

микроэлектронике, 11—14 октября 2005 г.). — Москва, 2005.— С. 453-460.

41. Абрамович Ю. И., Аров Д. 3., Качур В. Г. Адаптивные фильтры компенсации стационарных помех, соответствующие теплицевой структуре корреляционной матрицы // Радиотехника и электроника. -1987. т. 32. - № 12. -с. 2525-2533.

42. Кузнецов Е.П. Эффективность использования многоскоростной обработки сигналов в задаче акустической эхо-компенсации // Информационно-измерительные и управляющие системы. 2008. № 1. С. 27-34.

43. Кузнецов Е.П., Витязев В.В. Цифровая обработка сигналов в задачах эхо-компенсации: тематический обзор (часть 2) // Цифровая обработка сигналов. 2006. № 4. С. 20-28.

44. Литвинов О. С., Поповский В. В. Адаптивные антенные решетки / Проблемы антенной техники. Сб. научн. тр. - М.: Радио и связь, 1989.« с. 167196.

45. Т. J. Willink Practical constraints on the performance of adaptive antenna array processors, in Proc. IST-039/RSY-012 Joint SET/IST Symposium (Chester,UK). - Apr. 2003.

46. Sayed A.H. Fundamentals of adaptive filtering. - NJ, Hoboken: John Wiley and Sons, Inc., 2003.— 1125 p.

47. Djigan V.I. Diversity of RLS for parallel implementation // Proceedings of the 5-th WSEAS International Conference on Information Science, Communications

and Applications (ISCA-2005). - Cancun, Mexico. - 2005.— 6 p.

48. Петричкович Я.Я., Солохина T.B. Цифровые сигнальные контроллеры «МУЛЬТИКОР» - новые отечественные серии систем на кристалле // Доклады 6-й Международной конференции «Цифровая обработка сигналов и ее применения (DSPA-2004)» . - Москва. - 31 марта - 2 апреля 2004. - Т. 1. - С. 8 -15.

49. Витязев В.В. Новое в цифровой обработке сигналов. Электросвязь. № 10.— 1998—С 27-30.

50. Калабеков Б.А. Цифровые устройства и микропроцессорные системы. - М.: Горячая линия-Телеком, 2002.— 336 с.

51. Diniz P.S.R. Adaptive fi ltering algorithms and practical implementation. Third edition. — New York, Springer Science + Business Media, 2008.— 627 p.

52. Hsieh S.F., Liu K.J.R., Yao K. A unified square-root-free approach for QRD based recursive least squares estimation // IEEE Trans. Signal Processing. -1993. - V. 41. - № 3. - P. 1405-1409.

53. Glentis G.A., Kalouptsidis N. Fast adaptive algorithms for multichannel filtering and system identification // IEEE Trans. Signal Processing. - 1992. - V. 40. -№ 10. - P. 2433-2458.

54. G. Colman A comparison of gradient and block adaptive algorithm performance in different environments, in Proc. IST-039/RSY-012 Joint SET/IST Symposium, (Chester, UK). - April 2003.

55. http://www.mathworks.com/ Интернет-сайт компании Math Works.

56. http://www.mds.com/ Интернет-сайт компании Momentum Data Systems.

57. http://www.radis.ru/ Интернет-сайт компании РАДИС Лтд.

58. Казаринов Ю.М. и др. Применение микропроцессоров и микроЭВМ в радиотехнических системах. - М.: Высшая школа, 1988. - 207 с.

59. http://www.mlabsys.com/pdf/TMSSFT_R.PDF.

60. Корнеев В.В., Киселев A.B. Современные микропроцессоры. М.: НОЛИДЖ, 1998.—240 с.

61. Бруханский A.B., Жуков С.Г., Карташкин A.C. Микропроцессорные устройства обработки радиолокационной и радионавигационной информации, -М.: МАИ, 1987.—67 с.

62. Нгуен Вьет Шон. Методы построения фильтров подавления коррелированных помех на основе их параметрических моделей // Диссертация на соискание ученой степени кандидата технических наук. — Рязанский государственный радиотехнических университет— Рязань, 2007.— 160 с.

63. Алексеенко А.Г. Проектирование радиоэлектронной аппаратуры на микропроцессорах. - М.: Радио и связь, 1984. — 272 с.

64. Корнеев В., Киселев А. Современные микропроцессоры. 3-е изд. -BHV-СПб, 2003. —448 с.

65. Сверхбольшие интегральные схемы и современная обработка

сигналов: Пер. с англ. / Под ред. С. Гуна, X. Уайтхауса, Т. Кайлата. М. : Радио и связь, 1989. —472 с.

66. Бруханский A.B., Жуков С.Г., Кован С.Е. Микропроцессорные устройства фильтрации радиолокационных и радионавигационных сигналов, -М.: МАИ, 1989. —52 с.

67. LedinghenN. Finally, a fully solid-state radar system // ICAO Bul., 1987. V. 42, № 9. P. 23-25.

68. Методы синтеза и анализа радиоэлектронных систем обнаружения и фильтрации пространственно-временных сигналов в комплексе помех: Отчет о НИР (закл.) / РРТИ; Науч. рук. Авдеев В.В.— Тема №7-91Г; №ГР01920000496,— Рязань, 1992,— 119 с.— Соисполн.: Казаков В.А., Кошелев В.И., Андреев В.Г. и др.

69. Прилепский A.B. Оптимизация спектров сложных фазоманипулированных сигналов при приеме на фоне узкополосных помех и шума / A.B. Прилепский, В.В. Прилепский, С.А. Каменский // Теория и техника радиосвязи. 2005. - Вып.1. — с.44-47.

70. Исследование адаптивного режекторного фильтра. Методическая разработка к лабораторной работе по дисциплине «Прием и обработка сложных сигналов» / сост. Н.П. Никитин. Екатеринбург: ГОУ ВПО УГТУ-УПИ, 2010.— 22 с.

71. Adaptive clutter rejection and moving-target detection algorithms based on

eigen filtering / Han Dons S., Lee Hwang S., Un Chong К., Krag Young К. // Noise and clutter Reject. Radars and Imag. Sens. Proc. 2-nd. Int. Symp., Kyoto, Nov. 14-16, 1989. Tokyo, Amsterdam, 1990. P. 502-507.

72. Нгуен Вьет Шон. Авторегрессионная модель в задаче анализа эффективности режекции и обеления пассивных помех // Математическое и программное обеспечение вычислительных систем: Межвузовский сборник научных трудов.- Рязань: РГРТУ, 2006. С. 50-52.

73. Блейхут Р. Быстрые алгоритмы цифровой обработки сигналов. Пер. с англ. М.: Мир, 1989.—448 с.

74. Микушин A.B., Сединин A.B. Адаптивный алгоритм подавления различных типов помех на основе цифрового обеливающего фильтра. 3-я МНТК студентов, аспирантов и молодых специалистов СНГ. Техника и технология связи. Украина, Одесса, 2000 г.

75. Микушин A.B., Попов Г.Н., Сединин A.B., «Применение обеливающих Афильтров для измерения и подавления помех в системах мобильнойсвязи». 6-ая МНТК, АПЕП—2002 г.

76. Кошевой В.М. Оценивание корреляционных матриц // Радио техника и электроника. 1986. № ю. С. 1964-1974.

77. Кошевой В.М. Рекуррентный алгоритм оценивания корреляционных матриц стационарной структуры // Радиотехника и электроника. 1985. № 8. С. 1657-1660.

78. Кошевой В.М. Исследование эффективности адаптивной обработки на основе составного фильтра // Изв. вузов. Радиоэлектроника. 1988. Т. 31. №7. С. 93-95.

79. Андреев В.Г., Воскресенский A.B. Оптимизация коэффициентов авторегрессионных фильтров обработки и моделирования сигналов конечной длительности // Радиоэлектроника. 2003. № 2. С. 76-80.

80. Ван Трис Г. Теория обнаружения, оценок и модуляции. Обработка сигналов в радио- и гидролокации и прием случайных гауссовых сигналов на фоне помех.— Т. 3: Пер. с англ. Под ред. В.Т. Горяинова.— М.: Советское Радио, 1977.—664 с.

81. Кириллов С.Н., Слесарев A.C. Быстрый алгоритм поиска и обнаружения фазоманипулированного сигнала спутниковой системы передачи информации, адаптивный к действию узкополосных помех // Вестник Рязанского государственного радиотехнического университета.— № 1.— Выпуск 27.— Рязань: РГРТУ, 2009.— С. 3-7.

82. Райе Дж. Матричные вычисления и математическое обеспечение: Пер. с англ. М.: Мир, 1984.— 264 с.

83. Систолические структуры / Под. ред. У. Мура, Э. Маккейба, Р. Уркхарта: Пер. с англ. М.: Радио и связь, 1993.— 416 с.

84. Дженкинс Г., Ватте Д. Спектральный анализ и его приложения.— Сан-Франциско, Лондон, Амстердам.— 1969: Пер. с англ. (в двух томах).— М.:

Мир, 1971.

85. Treicher J. R., Johnson C. R., Larimore M. G. Theory and design of adaptive fi Iters.— New York: John Wiley and Sons, Inc., 1987. — 342 p.

86. R W McMillan and I Kohlberg. A Probabilistic Model of the Radar Signal-to-Clutter and Noise Ratio. Proceedings of IEEE COMCAS, Tel Aviv, Israel, November 2009.

87. Канащеиков А.И., Меркулов В.И. Защита радиолокационных систем от помех. Состояние и тенденции развития. М.: Радиотехника, 2003. — 416 с.

88. Драгалин К.В., Казаков В.Д., Канащенков А.И., Меркулов В.И., Самарии О.Ф, Чернов М.В. Способы и алгоритмы помехозащиты радиолокационных систем от многоточечных нестационарных помех // Зарубежная радиоэлектроника. 2001. № 2. — с. 3-52.

89. Ширман Я.Д. Теория и техника обработки радиолокационной информации на фоне помех. М.: Радио и связь, 1981. —416 с.

90. Куликов Е.И. Оценка параметров сигналов на фоне помех / Е.И. Куликов, А. П.Трифонов. М.: Сов. радио, 1978. — 296 с.

91. Сергиенко А.Б. Цифровая обработка сигналов: учебник для вузов. - 2-е изд. - СПб. Литер, 2006. — 606 с.

92. Трифонов А.П., Шинаков Ю.С. Совместное различение сигналов и оценка их параметров на фоне помех. М.Радио и связь, 1986.— 264 с.

93. Зверев В.А., Стромков А.А. Выделение сигналов из помехи

численными методами. H. Новгород: ИПФ РАН, 2001. — 188 с.

94. Лихарев В.А. Цифровые методы и устройства в радиолокации. - М.: Сов.радио, 1973. — 456 с.

95. Тихонов В. И. Оптимальный прием сигналов / В. И. Тихонов. М.: Радио и связь, 1983. — 320 с.

96. Тихонов В. И. Статистическая радиотехника / В. И. Тихонов. М.: Радио и связь, 1982. — 624 с.

97. Тартаковский А. Г. Обнаружение сигналов со случайными моментами появления и исчезновения / А. Г. Тартаковский // Проблемы передачи информации. 1988, - Т. 24. № 2. С.39-50.

98. Зюко А.Г. Помехоустойчивость и эффективность систем передачи информации / А.Г. Зюко, А.И. Фалько, И.П. Панфилов и др.; Под ред. А.Г. Зюко. —М.: Радио и связь, 1985. 272 с.

99. Малышев И.П. Субоптимальная обработка сложных сигналов при действии гауссовского шума и сосредоточенных по спектру помех.// И. И. Малышев, В.М. Зинчук, В.И. Шестопалов и др. Вопросы радиоэлектроники. Серия ТРС, 1973, вып.З, с. 14—24.

100. Вайнштейн Л.А., Зубаков В.Д. Выделение сигналов на фоне случайных помех. М.: Сов. Радио, 1960. — 448 с.

101. Андерсон Т. Введение в многомерный статистический анализ. М.: Физматгиз, 1963.— 500 с.

102. Андреев В.Г., Белокуров В.А. Моделирование магнитометрических сигналов бесплатформенных инерциальных навигационных систем // Вестник Рязанского государственного радиотехнического университета.— № 1.— Выпуск 43,— Рязань: РГРТУ, 2013.— С. 45-49.

103. Гантмахер Ф.Р. Теория матриц.— 4-е изд.— М.: Наука: Гл. ред. физ.-мат. лит., 1988.— 552 с.

104. Андреев В.Г. Оптимизация авторегрессионных моделей мешающих радиоотражений // Изв. вузов. Радиоэлектроника.— 2008.— Т. 51.— №7.— С. 40-47.

105. Андреев В.Г., Нгуен Т.Ф., Нарбеков А.Ю. Адаптивная фильтрация комбинированных помех // Вестник Рязанского государственного радиотехнического университета.— № 3.— Выпуск 45.— Рязань: РГРТУ, 2013.—С. 38-41.

106. Андреев В.Г., Нгуен Т.Ф. Программа для адаптивного алгоритма подавления комбинированных помех: свидетельство РФ № 2014662891 о гос. регистрации программ для ЭВМ / ФГБОУ ВПО «Рязанский государственный радиотехнический университет».— М.: ФСИС, 2014.— (Заявка 2014660658 от 10 декабря 2014 г.)

107. Нгуен Т.Ф. Адаптивный алгоритм подавления комбинированных помех с коррекцией коэффициентов вектора обработки // Сборник статей Электронного периодического научного журнала «SCI-ARTICLE.RU», 2014.—

С. 44-48. Режим доступа: http://sci-article.ru/stat.php?i= 1396695824.

108. Стренг Г. Линейная алгебра и её применения. — М.: Мир, 1980.—

454 с.

109. Андреев В.Г., Нгуен Т.Ф. Быстрый адаптивный алгоритм подавления комбинированных помех // Вестник Рязанского государственного радиотехнического университета.— № 3.— Выпуск 49.— Рязань: РГРТУ, 2014.—С. 50-44.

110. Нгуен Т.Ф. Быстрый адаптивный алгоритм подавления комбинированных помех с изменяющейся мощности шума // Сборник статей Электронного периодического научного журнала «SCI-ARTICLE.RU», 2014.— С. 222-227. Режим доступа: http://sci-article.ru/number/09_2014.pdf.

111. Кошелев В.И., Андреев В.Г. Синтез АРСС—моделей эхо-сигналов // Изв. вузов. Радиоэлектроника.— 1993.— Т.36.— №7.— С. 8-13.

112. Андреев В.Г. Оптимизация авторегрессионных моделей радиоотражений // Вестник Рязанского государственного радиотехнического университета.— № 1.— Выпуск 35.— Рязань: РГРТУ, 2011.— С. 12-15.

113. Нгуен Т.Ф., Андреев В.Г. Адаптивный быстродействующий алгоритм подавления комбинированных помех // Научный резерв: сборник статей триместрового военно-научного журнала. — № 14 — Рязань: 2014 — С. 60-61.

114. Беллман Р. Введение в теорию матриц: Пер. с англ./ Под ред В.Б. .Лидского. М.: Наука. Главная редакция физико-математической литературы,

1976.—352 с.

115. Воеводин В.В., Кузнецов Ю.А. Матрицы и вычисления.— М.: Наука. Главная редакция физико-математической литературы, 1984.— 320 с.

116. Андреев В.Г., Нгуен Т.Ф. Адаптивный алгоритм подавления комбинированных помех с изменяющейся мощностью некоррелированной компоненты // Вестник Рязанского государственного радиотехнического университета.— № 1.— Выпуск 47.— Рязань: РГРТУ, 2014.— С. 47-50.

117. Нгуен Т.Ф. Адаптивный алгоритм подавления комбинированных помех с изменяющейся мощностью шума // Тезисы докладов 43-й научно-технической. Рязань: РГРТУ, 2014.

118. Нгуен Т.Ф. Оценка вычислительных затрат при реализации адаптивного алгоритма подавления комбинированных помех // Сборник научных трудов по материалам Международной научно-практической конференции «Наука, образование, общество: проблемы и перспективы развития», ISBN 978-5-4343-0517-4. Тамбов: Изд-во ТРОО «Бизнес-Наука-Общество», 2014. Часть 1—С. 100-101.

119. Бакулев П.А. Радиолокационные системы.- М.: Радиотехника, 2004.-

319с.

120. Проектирование радиолокационных приемных устройств: Учеб. пособие для радиотехн. спец. вузов / А.П. Голубков, А.Д. Далматов, А.П. Лукошкин и др.; Под ред. М.А. Соколова. М.: Высшая шкога, 1984.—

335 с.

121. Кован С.Е., Лихарев В.А., Страхова Л.А. Синтез алгоритмов обнаружения сигнала на фоне коррелированных помех в частотной области // Радиоэлектроника. Изв. высш. учеб. заведений. 1985. Т28. № 7. С. 28-32.

122. Андреев В.Г., Нгуен Т.Ф. Адаптивное подавление комбинированных помех при помощи рекуррентной процедуры // Сборник научных трудов по материалам Международной научно-практической конференции «Наука и образование в XXI веке», ISBN 978-5-4343-0377-4. Тамбов: Юком, 2013. Часть 25—С. 9-10.

123. Андреев В.Г., Нгуен Т.Ф. Влияние мощности некоррелированной мешающей процессов при подавления комбинированных помех // Сборник докладов 61-й Международной молодежной научно-технической конференции «Молодежь. Наука. Инновации», ISBN 978-5-8343-0392-3. Владивосток: Мор.гос.ун-т, 2013. Т. 1—С. 103-106.

124. Бакулев П.А., Степин В.М. Особенности обработки сигналов в современных обзорных РЛС (обзор) // Радиоэлектроника. Изв. высш. учеб. заведений.— 1986.— Т. 29.— № 4.— С. 4-22.

125. Кошелев В.И., Андреев В.Г. Оптимизация АР—моделей процессов с полимодальным спектром // Изв. вузов. Радиоэлектроника.— 1996.— Т.39.— №5,— С. 43-48.

126. Бакулев П.А., Сосновский A.A. Радиолокационные и

радионавигационные системы.— M.: Радио и связь, 1994.— 296 с.

127. Андреев В.Г., Нгуен Т.Ф. Оптимизация рекуррентной процедуры расчета коэффициентов фильтра подавления комбинированных помех // Вестник Рязанского государственного радиотехнического университета.— № 4.— Выпуск 46,— Рязань: РГРТУ, 2013. Часть 2— С. 27-30.

128. Автоматизированные системы управления воздушным движением: справочник / В.И. Савицкий, В.А. Василенко, Ю.А. Владимиров, В.В. Точилов; под ред. В.И. Савицкого.— М.: Транспорт, 1986.— 192 с.

129. Бакут ГТ.А. Методы определения границ точности в задачах оценивания неизвестных параметров / П.А. Бакут, В.П. Логинов, Ю.П. Шумилов // Зарубежная радиоэлектроника. - 1978. - № 5. - С 3-36.

130. Боровков A.A. Математическая статистика: оценка параметров, проверка гипотез. - М., Физматлит, 1984.— 472 с.

131. Udgment under Uncertainty: Heuristics and Biases / Daniel Kahneman, et al. — 21st. — Cambridge University Press, 2005. — 555 p

132. Гмурман В. E. Теория вероятностей и математическая статистика -М., Высш.шк., 2003.— 479 с.

133. Кремер Н.Ш. Теория вероятностей и математическая статистика: Учебник для вузов. — 2-е изд., перераб. и доп.— М.: ЮНИТИ-ДАНА, 2004.— 573 с.

134. Котоусов A.C. Теоретические основы радиосистем. Радиосвязь,

радиолокация, радионавигация - М.: Радио и связь, 2002.— 224 с.

135. Баевский P.M., Кириллов О.И., Клецкин С.М. Математический анализ измерений сердечного ритма при стрессе.— М.: Наука, 1984.— 221 с.

136. Андреев В.Г ., Нгуен Вьет Шон. Построение моделей вариабельности сердечного ритма для прогнозирования состояния здоровья человека // Биотехнические, медицинские и экологические системы и комплексы: Тез. докл. XVIII всероссийской научно-технической конференции студентов, молодых ученых и специалистов. Рязань: РГРТУ, 2006. С. 169-171.

137. Мусатов В.И. Актуальность применения Холтеровского монито-рирования артериального давления и ЭКГ в диагностике сложных нарушений ритма сердца и проводимости и артериальной гипертонии у детей и подростков [Электронный ресурс].- Режим доступа: http://www.incart.ru/article_print.jsp?id= 10473.

138. http://www.rae.ru/upfs/?section=content&op=show_article&article_id=41

06

139. Берсенева А.П., Берсенев Е.Ю., Ешманова А.К., Денисов Л.А., Баевский P.M. Анализ вариабельности сердечного ритма в оценке состояния здоровья у людей, работающих в условиях хронического стресса // Вариабельность сердечного ритма: Теоретические аспекты и практическое применение.- Ижевск, 2008. - Т. VI - С. 34-36.

140. Иванов Г.Г. Новые методы электрокардио-графии / Г.Г. Иванов,

C.B. Грачев, A.JI. Сыркин. - M.: Техносфера, 2007.— 552 с.

141. Мониторинг биомедицинских сигналов в автоматизированных комплексах ранней диагностики / В.А. Фесечко, В.Л. Ткаченко, Ю.С. Синекоп и др. // Электроника и связь. Тематический выпуск «Электроника и нанотехнологии».— 2010.— №2.— С. 154-160.— (URL: http://archive.nbuv.gov.ua/portal/natural/eis/2010_2/25_Fesechko.pdf).

142. Нгуен Т.Ф. Влияние мощности шумов на контроль состояния здоровья человека по пульсу // Тезисы докладов XXVI Всероссийской научно-технической конференции студентов, молодых ученых и специалистов «Биомедсистемы», ISBN 978-5-7722-0276-0. Рязань: РГРТУ, 2013.—С. 154-156.

143. Способ диагностирования сердечнососудистой системы: патент №2442529 Российской Федерации МПК7 А61В5/0295, А61В5/0452.— Заявл. 02.07.2010, №2010127374/14 / В.И. Кошелев, В.Г.Андреев, A.A. Кирьяков, Е.В. Коновалов // Опубл. 20.02.12 в Бюл. № 6.

144. Кошелев В.И., Андреев В.Г. Спектральный анализ кардиоинтервалограмм // Теория и техника передачи, приема и обработки информации: тезисы докладов III Международной конференции.— Харьков-Туапсе, 1997,—С. 324-325.

145. Кошелев В.И., Андреев В.Г. Спектральный анализ коротких последовательностей кардиоинтервалов // Цифровая обработка сигналов и ее применения: Материалы докладов 1 Международной конференции. Москва,

1998,- Т. VI.-С. 256-259.

146. Шабанов Д.В. Исследование методов обработки ЭЭГ сигналов с целью решения задач классификации в медицинских диагностических системах. / Диссертация на соискание ученой степени кандидата технических наук. Таганрог, 2007.— 147 с.

147. Сергиенко А.Б. Цифровая обработка сигналов.— М.— С.Пб: Питер, 2006.- 750 с.

148. Нгуен Т.Ф. Подавления комбинированных помех при обработке кардиосигналов// Сборник статей XVIII Международной научно-практической конференции «Информационно-вычислительные технологии и их приложения», ISBN 978-5-94338-681-7. Пенза: РИО ПГСХА, 2014.— С. 73-76.

149. Федотов A.A., Акулов С.А. Измерительные преобразователи биомедицинских сигналов систем клинического мониторинга.— М.: Радио и связь, 2013.— 250 с.

150. Андреев В.Г., Нгуен Т.Ф. Обработка кардиосигналов на фоне комбинированных помех // Вестник Рязанского государственного радиотехнического университета.— № 2.— Выпуск 48.— Рязань: РГРТУ, 2014.—С. 60-64.

Приложение I. Условные обозначения, аббревиатуры,

сокращения и термины

Список условных обозначений Знаки

* — знак комплексного сопряжения; х — знак блока умножения (умножителя); О — нулевой вектор-столбец.

Латинские символы

а — вектор коэффициентов нерекурсивного фильтра; aopt — вектор оптимальной обработки aw — вектор параметров обеляющего фильтра aq — коэффициенты авторегрессионного фильтра; В — матрица;

С— пространство комплексных чисел;

С2 — комплексное 2-мерное пространство;

D — вероятность правильного обнаружения;

D — средняя вероятность обнаружения полезных сигналов;

d{k) — требуемый сигнал;

diag — оператор диагонализации вектора;

Ei — квадраты длин векторов невязок между точным а и известным решениям;

— квадраты длин векторов невязок между точным а и предлагаемым решениям;

F — вероятность ложной тревоги;

FT— относительная частота;

FST— относительная частота сигнала;

(Л:) — вектор весовых коэффициентов фильтра га - канала;

— знак транспонирования и комплексного сопряжения; I — единичная матрица;

i — крайний левый вектор-столбец единичной матрицы; i — мнимая единица; к — дискретное время; К — электронный ключ / — спектральный отсчёт; L — количество спектральных отсчётов; М— количество каналов адаптивного фильтра; М — эвристическая дополнительная матрица га — 1) индекс канала фильтра,

2) число изменений мощности некоррелированных помех,

3) число наблюдения;

N— 1)число весовых коэффициентов фильтра, 2)число шагов итерационного алгоритма; Nm — число весовых коэффициентов фильтра га-го канала; (2d — ошибки дисперсии;

Рп — относительная мощность некоррелированных помех;

Рс — мощность коррелированных помех;

— мощность комбинированных помех;

Рп — оценка мошности некоррелированных мешающих компонентов;

Рг — оценка мошности комбинированных помех; ц — порядок нерекурсивного фильтра;

— отношение сигнал-шум;

£ — спектральная плотность мощность г — вектор корреляционной последовательности;

И — корреляционная матрица комбинированных помех с размером

(<7+1)х(<7+1);

К — корреляционная матрица комбинированных помех с размером дх^; Кс — корреляционная матрица коррелированных помех с размером

Ы.с — корреляционная матрица коррелированных помех с размером

(<7+1)х(*+1)

Я^к — коэффициент корреляции между j-м и к-м отсчётами; Яо.о — оценка дисперсии входного процесса

Яе — оператор выделения действительной части комплексного числа; гч — коэффициент корреляции #-го порядка; Т— период повторения зондирующих импульсов; т — знак транспонирования; л; — вектор входных отсчетов;

и, — /-собственные векторы матрицы Е1 — квадраты длин векторов

невязок между точным а и приближённым решениям;

VI — приближённое значение крайних левого вектора-столбца матрицы для известного метода;

у2 — приближённое значение крайних левого вектора-столбца матрицы для предлагаемого метода;

XV* — матрица обратной матрицы К через &-шагов; х„ — дискретные цифровые отсчёты входного процесса; у„ — дискретные цифровые отсчёты входного процесса; ъх — линии задержки на период Т;

Ъ — число обусловленности нормированной к своей дисперсии автокорреляционной матрицы Я центрированных интервалограмм; 2г — число обусловленности Ъ для здоровых людей; 2ъ — число обусловленности Ъ для больных людей;

Греческие символы

АРГ— относительная ширина спектра помехи;

А/^Г— относительная ширина спектра сигнала;

£ — вектор невязок;

X,- — ¿-е собственное число матрицы;

ц — выигрыш в эффективности;

X — поправочный коэффициент;

X — поправочный двумерный вектор;

^пе —дисперсия возбуждающего комплексного белого гауссовского шума контрольной параметрической модели; X — знак блока суммирования (сумматора);

Список аббревиатур

LMS — Least Mean Square (Критерий наименьших квадратов);

NLMS — Normalized Least Mean Square (Критерий наименьшего

среднеквадратичного отклонения);

RLS — Recursive Least Squares (Рекурсивный алгоритм наименьших квадратов);

APr — Affine Projections (Аффинный алгоритм проекций);

FAPr— Fast affine Projections (Быстрый аффинный алгоритм проекций);

FK — Fast Kaiman (Быстрый алгоритмы Калмана);

FTF — Fast Transversal Filter (Быстрый поперечный фильтр);

FAEST — Fast a Posteriori Error Sequential Technique (последовательная оценка

апостериорной ошибки);

АР — авторегрессия, авторегрессионный;

АЧХ — амплитудно-частотная характеристика;

БИС — Большая интегральная схема;

БИХ — Бесконечная импульсная характеристика;

ВК — Весовой коэффициент;

СИМ — спектральная плотность мощности (энергетический спектр);

СБИС — Сверхбольшая интегральная схема;

КИХ — Бесконечная импульсная характеристика;

КИГ — кардиоинтервалограмма

ЛОМ — Лемма об обращении матриц;

ЛЗ — линия задержки;

ЭКГ — электрокардиограмма

ПЛИС — Программируемая логическая интегральная схема; ОСРВ — Операционная система реального времени;

ЦОС — Цифровая обработка сигналов;

ЦСП — Цифровый сигнальный процессор;

ЦПОС — цифровый процессор обработки сигналов;

Список сокращений

англ. — английский; д-р — доктор; канд. — кандидат; техн. — технический; т.п. — тому подобное; др. — другие;

Приложение II. Копии актов внедрения

о внедрении результатов диссертационной работы

на соискание учёной степени кандидата технических наук по специальности 05.12.04 — «Радиотехника, в том числе системы и устройства телевидения» аспиранта республики Вьетнам Нгусн Тьен Фат в учебный процесс Федерального государственного бюджетного образовательного учреждения высшего профессионального образования «Рязанский; государственный радиотехнический университет» (ФГБОУ ВПО «РГРТУ»-, РГРТУ)

Настоящий акт составлен о том, что результаты диссертационной роботы Т.Ф. Нгуена, а именно:

1) методика построения адаптивных фильтров подавления комбинированных помех с изменяющейся мощностью некоррелированного шума;

2) рекуррентные адаптивные алгоритмы обработки радиотехнических сигналов на фоне комбинированных помех при изменении мощности их некоррелированной компоненты

внедрены в учебный процесс РГРТУ и используются в учебном курсе «Проектирование цифровых фильтров» (лектор Б.Г. Андреев), реализованы в виде программных средств моделирования и обработки радиотехнических сигналов, применяемых обучающимися по направлению «Радиотехника» студентами при выполнении дипломных проектов, а также магистрантами и аспнра1гтами кафедры радиотехнических систем при работе над диссертациями.

Применение созданных программных средств в учебном процессе, а также » учебно-исследовательской практике обучаемых повышает качество их подготовки, сокращает время освоения теоретических и практических вопросов моделирования и обработки радиотехнических сигналов.

Декан факультета радиотехники и

телекоммуникаций, доцент

Заведующий кафедрой радиотехнических систем, профессор

Председатель методической комиссии факультета радиотехники и

телекоммуникаций,доцент

IO.II. Грншаев

УТВЕРЖДАЮ

1Й ДИРЕКТОР

Жирьяков А.А.

2015 г.

о внедрении результатов диссертационной работы на соискание учёной степени кандидата технических наук по специальности 05 Л 2,04 — «Радиотехника, в том числе системы и устройства телевидения» аспиранта республики Вьетнам Нгуен Тьен Фат в разработки ООО «САНИ».

Научно-техническая комиссия в составе:

начальника лаборатории В.И. Спирков

ведущего специалиста А.В, Кирьяков

составила настоящий акт о том, что получены новые научно-технические результаты, изложенные в диссертационной работе Т.Ф. Нгуена и состоящие в следующем: V,

— метод обработки кардиосигналов на фоне комбинированных помех с изменяющейся мощностью некоррелированного шума внедрён в разработки.

Результаты диссертационной работы реализованы в виде программного обеспечения, устройств первичной обработки и внедрены в разработки по теме «Диагностический комплекс БипУ».

Использование новых научных результатов диссертационной работы Нгуена Т.Ф. позволило улучшить технические характеристики

диагностической системы и повысить достоверность результатов неинвазивной медицинской диагностики.

Члены научно-технической комиссии

_ В.И. Спирков А,В* Кирьяков