Алгоритмы пеленгации и распознавания локализованных источников широкополосных излучений на фоне распределенных в пространстве помех тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Коршикова, Жанна Сергеевна

• Коршикова, Жанна Сергеевна
• кандидат технических наук
• 2010

Оглавление диссертации кандидат технических наук Коршикова, Жанна Сергеевна

Список сокращений

Введение

Глава 1. Анализ исходных данных и постановка задачи

1.1. Исследование условий применения системы пеленгации и распознавания

1.2. Аналоги и прототипы

1.3. Робототехнические комплексы и их оснащение

1.4. Спектральные характеристики объектов пеленгации

1.5. Методы формирования диаграмм направленности и принципы построения пассивных акустических информационных систем

1.6. Условия применения пассивного акустического пеленгатора

1.7. Постановка задачи

1.8. Выводы

Глава 2. Пеленгация локализованных источников акустических излучений

2.1. Математические модели и взаимные статистические характеристики сигналов от локализованных акустических излучений 30 объектов и распределенных в пространстве помех

2.2. Информационные системы с временным способом обработки сигналов

2.2.1. Линейные фазированные решетки с аддитивной обработкой сигналов

2.2.2. Мультипликативная обработка сигналов в прореженной фазированной антенной решетке

2.3. Информационные системы со спектральным способом обработки сигналов

2.3.1. Мультипликативная обработка широкополосных сигналов

2.3.2. Пространственная обработка сигналов с выходов многоэлементной приемной системы

2.4. Обоснование квазиоптимального дискриминатора для повышения точности оценки измеряемого параметра

2.5. Выводы

Глава 3. Обоснование информативных признаков для распознавания источников акустических излучений

3.1. Возможные методы решения задач распознавания акустических сигналов

3.2.-Обоснование информативных признаков и сокращение размерности их векторов применительно к нецентрированным параметрам сигнала

3.3. Сравнение классических и регрессионных методов выбора и сокращения размерности векторов информативных признаков сигналов

3.4. Формирование гистограмм распределения длительностей интервалов между нулями как информативного признака

3.5. Синтез нейросетевого алгоритма распознавания типа цели

3.6. Выводы

Глава 4. Экспериментальные исследования и обработка результатов

4.1. Экспериментальные исследования акустических сигналов шагов человека в натурных условиях

4.1.1. Моделирование алгоритма пеленгации акустических сигналов от шагов человека временным способом

4.1.2. Моделирование алгоритма пеленгации акустических сигналов от шагов человека спектральным способом

4.2. Экспериментальные исследования акустических сигналов вертолетов, самолетов и фонового шума в натурных условиях 4.2.1. Моделирование алгоритма получения оценок ЭС акустических сигналов вертолета и самолета методом скользящего суммирования

4.3. Оптимизация параметров и статистические испытания НС

4.3.1. Выбор параметров алгоритма оптимизации НС

4.3.2. Оптимизация топологии НС

4.3.3. Статистические испытания оптимизированных НС

4.3.4. Определение устойчивости НС к аддитивной помехе на входе

4.3.5. Исследование устойчивости НС к изменению значений весовых коэффициентов

4.4. Выводы

Введение диссертации (часть автореферата) на тему «Алгоритмы пеленгации и распознавания локализованных источников широкополосных излучений на фоне распределенных в пространстве помех»

Актуальность проблемы

Актуальной проблемой является внедрение робототехнических систем в решение задач, где высока опасность для жизни человека или, где нужна высокая точность определения местоположения интересующего нас объекта, и, где необходимо облегчить работу оператора пульта управления сложной информационной системы. Современный уровень развития теоретической и технологической базы микроэлектроники, телекоммуникаций, микроэлектромеханики и др. позволяет создавать все более разнообразные и совершенные устройства. Робототехнические комплексы могут решать задачи разведчика, сапера, выдавать информацию о параметрах движения объектов и их координатах, которая используется для управления наиболее важными параметрами систем. Системы, решающие разведывательные задачи, должны быть скрытными, поэтому актуальной задачей является развитие методов пеленгации и классификации объектов применительно к пассивным акустическим системам. Объектами пеленгации могут являться человек перемещающийся шагом по грунту, траве или лужам; колесные, гусеничные военные автомобили; аэродинамические объекты типа самолет и вертолет, которые представляют собой локализованные источники широкополосных излучений.

Цель и задачи исследования

Целью исследований является развитие методов обработки информации для дальнейшего использования в программных модулях системы пеленгации и распознавания локализованных источников широкополосных сигналов на фоне распределенных в пространстве помех в рамках разрабатываемого программно-аппаратного блока надстраиваемой системы пассивной пеленгации и распознавания робототехнической дистанционно управляемой платформы военного назначения, решающей задачи разведчика, сапера или минера.

Для достижения цели в диссертационной работе решены следующие задачи:

- развиты временной и спектральный способы определения угла визирования локализованного широкополосного источника на фоне распределенных в пространстве помех;

- обоснованы алгоритмы выбора и сокращения размерности векторов информативных признаков входных реализаций применительно к нецентрированным параметрам сигнала и проведено сравнение классических и регрессионных методов;

- проведено математическое моделирование алгоритмов обработки входных реализаций сигналов от локализованных источников широкополосных излучений;

- проведены экспериментальные исследования широкополосных акустических сигналов от объектов пеленгации на фоне распределенных в пространстве широкополосных помех; обоснована методика мультипликативной обработки широкополосных сигналов с целью подавления уровней боковых лепестков в синтезированной программным путем диаграмме направленности прореженной антенной решетки;

- обоснованы нейросетевые алгоритмы обработки информации для задачи идентификации типов объектов акустических излучений.

Научная новизна

Научную новизну в диссертационной работе представляют:

- алгоритм подавления боковых лепестков в ДН прореженной АР с мультипликативной обработкой сигналов; алгоритмы формирования ДН акустических пеленгаторов локализованных источников широкополосных излучений на фоне распределенных в пространстве помех на основе спектрального способа обработки сигналов; алгоритмы выбора и сокращения размерности векторов информативных признаков сигнала применительно к нецентрированным параметрам входных реализаций;

- результаты моделирования трактов обработки широкополосных акустических сигналов и нейросетевых трактов при разработке программного модуля системы пеленгации и распознавания.

Положения, выносимые на защиту:

- алгоритм подавления боковых лепестков в ДН прореженной АР с мультипликативной обработкой сигналов;

- алгоритм пеленгации акустических сигналов от шагов человека спектральным способом;

- алгоритмы выбора информативных признаков сигнала и сокращения размерностей векторов нецентрированных параметров информативных признаков нейросетевым способом;

- результаты математического моделирования основных характеристик программной части модуля обработки информации пассивной акустической системы и нейросетевого тракта обработки сигналов.

Методы исследования

При исследовании моделей локализованных источников широкополосных излучений и обосновании алгоритмов временной и спектральной обработки широкополосных сигналов были использованы методы математического анализа, теории вероятностей, математической статистики, теории цепей и сигналов, физические основы акустики.

Обработка экспериментальных данных сигналов и моделирование алгоритмов работы системы производились с применением программного обеспечения SoundForge 7.0, Statistica Neural Networks v4.0e и системы символьных преобразований Matlab 6.5. С помощью программного продукта SoundForge 7.0 были записаны широкополосные сигналы в натурных условиях, а с помощью системы Matlab 6.5 были написаны программные модули и отлажены алгоритмы временной и спектральной обработки широкополосных сигналов локализованных источников акустических излучений на фоне распределенных в пространстве помех для решения задачи пеленгации. Нейросетевые тракты обработки сигналов моделировались и обрабатывались с помощью программных продуктов Matlab 6.5 и Statistica Neural Networks v4.0e для решения задачи распознавания типов объектов на фоне распределенных в пространстве помех.

Адекватность алгоритмов подтверждается многократным моделированием и сравнением результатов расчетов с экспериментальными данными.

Апробация работы

Результаты работы использованы в НИР, проводимые НПЦ СМ МГТУ им. Н.Э.Баумана [4-6], а также внедрены в учебный процесс, проводимый на кафедре СМ-5 «Автономные и управляющие системы» МГТУ им. Н.Э.Баумана в виде курса «Обработка информации в АИУС».

Основные научные результаты, полученные в ходе работы, докладывались на Всероссийской конференции «Проектирование систем и измерительных комплексов» (г. Нижний Тагил Свердловской области, ул. Гагарина, 29, октябрь 2009 г), тема стендового доклада «Измерение угла визирования локализованного источника широкополосных излучений временным и спектральным способами».

Публикации

Материалы по теме диссертации опубликованы в 3-х статьях по «Перечню ВАК.»; и отражены в отчетах НИР:

1) Хохлов В.К., Коршикова Ж.С. Пеленгация локализованного источника акустических излучений на основе знакового корреляционного метода // Вестник МГТУ им. Н.Э. Баумана. Машиностроение. 2008. № 3.

С. 66-74. Коршиковой Ж.С предложен алгоритм определения угла визирования объекта широкополосных излучений на фоне распределенных в пространстве помех на основе знакового взаимокорреляционного метода.

2) Хохлов В.К., Коршикова Ж.С. Пеленгация локализованного источника акустических излучений на основе спектрального метода обработки сигналов // Вестник МГТУ им. Н.Э. Баумана. Приборостроение. 2010. № 1. С. 62-73. Коршиковой Ж.С предложен алгоритм пеленгации определения угла визирования объекта широкополосных излучений на фоне распределенных в пространстве помех на основе спектрального метода.

3) Хохлов В.К., Коршикова Ж.С. Алгоритмы пеленгации акустических излучений шагов человека для роботизированного антитеррористического комплекса // Вопросы оборонной техники. Сер. 16. 2009. Вып. 5-6. С.29-37. Коршиковой Ж.С рассмотрено применение знакового взаимокорреляционного и частотного методов для определения угла пеленга на источник сигнала в акустической системе антитеррористического роботизированного комплекса.

4) Изыскание инженерных и технических решений по созданию малогабаритных телеуправляемых носителей специального назначения: Отчет по НИР (заключ.) / НПЦ СМ МГТУ им. Н. Э. Баумана. Руководитель темы A.M. Щербин. Исполнители Коршикова Ж.С., Перемолотов Ф.С. ГР№ 45661, Инв.№ И. М., 2006. 102 с.

5) Обоснование основных технических требований, предъявляемых к СЭС ПОВТ нового поколения: Научно-технический отчет о составной части НИР (промежуточный) / НПЦ СМ МГТУ им. Н. Э. Баумана. Руководитель темы Попов С.Д. Исполнители Щербин A.M., Коршикова Ж.С., Шпаковский В.В., Коваленко А.Н, Комиссаров В.С, Кузнецов А.Е. ГР № 340789, Инв. № 24. УДК 629.735.054 (083). М., 2007. 166 с.

6) Создание дистанционно управляемого опорно-поворотного устройства для малогабаритного роботизированного комплекса: Отчет по НИР (промежуточный) / НПЦ СМ МГТУ им. Н.Э. Баумана. Руководитель темы Щербин A.M. Исполнители Коршикова Ж.С., Кацан С.И. ГР № 234769, Инв. № 41. М. 2008. 145 с.

В работах [4,5,6] Коршиковой Ж.С. было проведено исследование предметных областей согласно темам НИР, осуществлено сравнение аналогов и прототипов объектов исследования и внедрены предложенные алгоритмы пеленгации и распознавания локализованных источников широкополосных излучений на фоне распределенных в пространстве помех.

Практическая ценность

Практически значимыми результатами работы являются:

- рассмотренные алгоритмы формирования ДН пеленгации объектов широкополосных излучений временным и спектральным способами могут выступать в качестве теоретической и практической базы для разработки программного модуля надстраиваемой пеленгационной системы дистанционно управляемой платформы военного назначения, решающей задачи разведчика, сапера, минера;

- предложенный алгоритм выбора и сокращения размерности векторов информативных признаков на основе метода КМНР с использованием нейросетевого тракта обработки информации распознавания типов объектов акустических излучений для решения задачи идентификации объекта широкополосных излучений.

В первой главе проведен анализ условий применения системы пеленгации и распознавания в составе робототехнического комплекса и обоснование исходных данных для исследования, оговорены ограничения области применения и исходные данные для разработки алгоритмов обработки информации в надстраиваемой системе пеленгации и распознавания робототехнического комплекса дистанционно-управляемой платформы.

Проведено исследование аналогов и прототипов существующих пеленгационных систем и способов обработки принимаемых сигналов. Проанализировано оснащение робототехнических комплексов вспомогательным оборудованием в рамках освещения технического состояния в современном роботостроении.

Исследованы характеристики объектов пеленгации, климатические условия, указан частотный диапазон принимаемых сигналов, отражены требования к тактико-техническим характеристикам пеленгационной системы.

Проведен анализ способов формирования ДН АР временным и спектральным способами обработки сигналов и принципы построения пассивных акустических информационных систем. Осуществлена постановка задачи.

Во второй главе приведены математические модели и взаимные статистические характеристики сигналов от локализованных акустических источников широкополосных излучений на фоне распределенных в пространстве помех. Исследованы временной и спектральный способы определения направления на лоцируемый объект. Рассмотрены линейные фазированные решетки с мультипликативной обработкой сигналов в прореженной фазированной АР (ФАР), обеспечивающие подавление боковых лепестков ДН. Исследованы информационные системы с временным и спектральным способами обработки сигналов.

Приведено обоснование квазиоптимального дискриминатора для повышения точности оценки измеряемого параметра.

В третьей главе приведены возможные методы решения задач распознавания акустических сигналов. Охарактеризованы структурный и неструктурный подходы к решению статистических задач ближней локации (БЛ). Приведено обоснование информативных признаков и сокращение размерности их векторов применительно к нецентрированным параметрам сигнала. Дано сравнение разложения Карунена-Лоэва, его дискретного аналога - метода главных компонент (ГК), метода дискриминантного анализа и метода на основе коэффициентов множественной начальной регрессии (КМНР) для выбора и сокращения векторов ИП акустического сигнала. Обоснованы гистограммы распределения длительностей интервалов между нулями как информативные признаки. Исследованы нейросетевые алгоритмы распознавания типа цели.

В четвертой главе приведены результаты экспериментальных исследований записей акустических сигналов шагов человека в натурных условиях. Показано моделирование алгоритмов пеленгации акустических сигналов от шагов человека временным и спектральным способами. Приведены результаты экспериментальных исследований акустических сигналов самолетов, вертолетов и фонового шума в натурных условиях. Показано моделирование алгоритма получения оценок ЭС акустических сигналов вертолета и самолета методом скользящего суммирования. Приведена методика проведения статистических испытаний и оптимизации нейроалгоритма распознавания типов объектов акустических излучений.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Коршикова, Жанна Сергеевна

Выводы и заключение

В результате исследования развития методов обработки информации для дальнейшего использования в программных модулях системы пеленгации и распознавания локализованных источников широкополосных сигналов на фоне распределенных в пространстве помех в рамках разрабатываемого программно-аппаратного блока надстраиваемой системы пассивной пеленгации и распознавания робототехнической дистанционно управляемой платформы военного назначения, решающей задачи разведчика, сапера или минера можно сделать следующие выводы:

1) Анализ аналогов и прототипов показал целесообразность и актуальность развития методов обработки информации с целью использования в программных модулях алгоритмов программно-аппаратного блока системы пеленгации и распознавания локализованных источников широкополосных сигналов на фоне распределенных в пространстве помех.

2) Дано сравнение методов формирования ДН и показана целесообразность применения фазовых методов обработки сигналов.

3) Развиты временной и спектральный способы определения угла визирования локализованного широкополосного источника на фоне распределенных в пространстве помех.

4) Проведено математическое моделирование алгоритмов обработки входных реализаций сигналов от локализованных источников широкополосных излучений.

5) Знаковые функциональные преобразования входных сигналов незначительно изменяют взаимокорреляционные характеристики при отношении сигнал/помеха а2 > 1 и при этом не происходит подавления сигнала помехой.

6) В алгоритме формирования главного максимума ДН прореженной ФАР путем мультипликативной обработки сигналов происходит полное подавление боковых лепестков в отличии от алгоритма формирования главного максимума ДН непрореженной ФАР с аддитивной обработкой сигналов.

7) При применении временного способа пеленгации локализованного источника акустических излучений изменение уровней боковых лепестков (снижение) осуществляется за счет регулирования частотных характеристик приемных каналов (изменение СПМ сигналов) программным путем, так же использование знакового преобразования значительно упрощает практическую реализацию, однако применение данного способа пеленгации требует введения перестраиваемой задержки при аппаратной реализации.

8) Спектральный способ обработки информации в программно-аппаратном модуле системы пеленгации и распознавания позволяет управлять уровнем боковых лепестков за счет изменения коэффициентов %п в алгоритме обработки ненормированного множителя решетки Сс(в,в0), однако на входе требует осуществление преобразования Фурье.

9) Исследованы алгоритмы распознавания акустических сигналов применится 1,1 ю к не центрированным информативным параметрам входных реализации с применением нейронных сетей.

10) Обоснованы алгоритмы выбора и сокращения размерности векторов информативных признаков входных реализаций применительно к нецентрирокпшым параметрам сигнала и проведено сравнение классических и регрессионных методов.

11) Осуществлено исследование и моделирование рабочих характеристик и параметров НС на основе полученных исходных данных в процессе про ведения испытаний для широкополосных излучений аэродинамических объектов типа самолет и вертолет на фоне распределенных в пространстве помех.

12) С помощью метода контрольной кросс-проверки и метода обратного распространения оптимизированы топология и параметры двухслойно;": НС. Проведены статистические испытания синтезированной НС со следу! >i ми результатами: вероятность правильного распознавания объекта ti iи чсамолет» 0,95, объекта типа «вертолет» - 0,9.

13) ! -о веде по тестирование синтезированной НС на предмет устойчивое к аддитивной помехе на входе и к отклонению параметров сети. Пои > , что L1C обладает большей помехоустойчивостью, сохраняя работоспе \ Г,юсть при ОСШ до 0 дБ. Качество распознавания не меняется при откло!' i: параметров НС до 5% от номинального значения.

Расчч р.'шпле алгоритмы формирования ДН пеленгации объектов широкохк, •' ' IX излучений временным и спектральным способами могут выступать ! ллчестпе теоретической и практической базы для разработки програмлп мо л .пя программно-аппаратного блока надстраиваемой пеленгам. Г; с: л с.мы дистанционно управляемой платформы военного назначен, лю.цой задачи разведчика, сапера, минера.

Про ' .^'пнь.л алгоритм выбора и сокращения размерности векторов информа!, и; л знаков на основе метода КМНР с использованием нейросею ; ра\.а обработки информации распознавания типов объектов акустичс '1 .j г !j 1 шп может быть использован для решения задачи идентифл > . оо i: к га широкополосных излучений.

Список литературы диссертационного исследования кандидат технических наук Коршикова, Жанна Сергеевна, 2010 год

1. Андерсон Т. Введение в многомерный статистический анализ: Пер. с англ. / Под ред. Б.В. Гнеденко. М.: Физматгиз, 1963. 500 с.

2. Баскаков С.И. Радиотехнические цепи и сигналы: Учебник для вузов. Изд. 3-е, перераб. и доп. М.: Высшая школа, 2000. 462 с.

3. Бендат Дж., Пирсол А. Прикладной анализ случайных данных: Пер. с англ. / Под ред. И.Н. Коваленко. М.: Мир, 1989. 540 е.: ил.

4. Быков В.В. Цифровое моделирование в статистической радиотехнике. М.: Советское радио, 1971. 328 с.

5. Галушкин А.И. Нейрокомпьютеры в разработках военной техники США//Зарубеж. радиоэлектроника. 1995. № 5. С. 3-48.

6. Фазовый пеленгатор: пат. 2330304 Рос. Федерация: МПК7 G 01 S 3/46/ В.И. Дикарев, А.Б. Альжанов, Е.А. Коровин; заявл. 19.02.07; опубл. 27.07.08. Бюл. №21.

7. Способ автокорреляционного приема шумоподобных сигналов: пат. 2296432 Рос. Федерация: МПК7 Н 04 L 27/22 / В.И. Дикарев, И.Е.Зайцев, К.Ю. Рюмшин и др.; заявл. 07.10.05; опубл. 27.03.07. Бюл. №9.

8. Фазовый способ пеленгации: пат. 2305295 Рос. Федерация: МПК7 G 01 S 3/46 / В.И. Дикарев, М.П. Теремов; заявл. 16.05.06, опубл. 27.08.07. Бюл. №24.

9. Дуда Р., Харт П. Распознавание образов и анализ сцен: Пер. с англ. /Под ред. B.JI. Стефанюка. М.: Мир, 1976. 511 с.

10. Забавников Н.А. Основы теории транспортных гусеничных машин. М.: Машиностроение, 1975. 448 е.: ил.

11. Кедем Б. Спектральный анализ и различение сигналов по пересечениям нуля // ТИИЭР. 1986. № 11. С. 6-23.

12. Киселев Н.В. Методы построения систем распознавания и классификации негауссовых сигналов. JL: Изд-во ЛГУ, 1986. 185 е.: ил.

13. Коростелев А.А. Пространственно-временная теория радиосистем: Учеб. пособие для вузов. М.: Радио и связь, 1987. 320 е.: ил.

14. Красильников В.А., Крылов В.В. Введение в физическую акустику. М.: Наука, 1984. 400 е.: ил.

15. Левин Б.Р. Теоретические основы статистической радиотехники, В 3-х кн. М.: Сов. радио, 1974. Кн. 1. 552 с.

16. Оппенгейм Э., Шафер Р. Цифровая обработка сигналов. М.: Техносфера, 2006. 856 е.: ил.

17. Оружие России 2004 / Russia's Arms 2004. М.: Военный парад, 2004. 832 с.:ил. ISBN 5-7734-0050-2.

18. Способ пеленгации с учетом корреляционной взаимосвязи между лучами: пат. 2305294 Рос. Федерация: МПК7 G 01 S 3/16, G 01 S 3/28 / В.А. Пахотин, В.Д. Хрипушин, Д.В.Хрипушин и др.; заявл. 27.10.05, опубл. 27.08.07. Бюл. № 24.

19. Печенкин А.О., Ляпин Б.Д. Частотно-модулированные радиопередатчики со спектральной обработкой результирующего сигнала. М.: ЦНИИНТИ, 1982. 121 с.

20. Платонов В.Ф. Динамика и надёжность гусеничного движителя. М.: Машиностроение, 1973. 232 с.

21. Сиберт У.М. Цепи, сигналы, системы, В 2-х частях: Пер. с англ. / Под ред. И.С. Рыжака. М.: Мир, 1988. Ч. 1. 336 с.

22. Скучик Е Основы акустики; В 2-х томах / Пер. с англ. Е. Скучик; Под ред. Л.М. Лямшева. М.: Мир, 1976. Т. 1. 542 с.

23. Сосулин Ю.Г. Теоретические основы радиолокации и радионавигации : Учеб. пособие. М.: Радио и связь, 1992. 304 е.: ил.

24. Справочник по радиолокации; В 4-х томах / Под ред. М.А. Сколника. М.: Сов. Радио , 1976-1979. Т. 4. 376 с.

25. Тутубалин В.Н. Теория вероятностей и случайных процессов: Учеб. пособие. М.: Изд-во МГУ, 1992. 400 с.

26. Уоссерман Ф. Нейрокомпьютерная техника: Теория и практика. М.: Изд-во Мир, 1992. 240 с.

27. Фукунага К. Введение в статистическую теорию распознавания образов: Пер. с англ. М.: Наука, 1979. 368 с.

28. Пеленгатор источников акустических излучений: пат. 2048678 Рос. Федерация: МПК7 G 01 S 3/80 / В.К. Хохлов, И.В. Волчихин, Н.В. Степаненко и др.; заявл. 29.12.93, опубл. 20.11.05. Бюл. №32.

29. Хохлов В.К., Волчихин И.В. Теория и техника пассивных акустических информационных систем: Учеб. пособие. Пенза: Изд-во Пенз. гос. техн. ун-та, 1996. 116 с. : 61 ил., библиогр. 6 назв.

30. Хохлов В.К. Обнаружение, распознавание и пеленгация объектов в ближней локации: Учеб. пособие. М.: Изд-во МГТУ им. Н.Э. Баумана, 2005. 336 е.: ил.

31. Акустика: Справочник / А.П. Ефимов, А.В. Никонов, М.А. Сапожков. В.И. Шоров; Под ред. М.А. Сапожкова. 2-е изд., перераб. и доп. М.: Радио и связь, 1989. 336 е.: ил.

32. Исакович М.А. Общая акустика: Учеб. пособие. М.: Изд-во Наука, 1973. 496 е.: ил.

33. Ржевкин С.Н. Курс лекций по теории звука: Учеб. пособие. М.: Изд-во Московского ун-та, 1960. 336 с.

34. Демидович Б.П., Марон И.А., Шувалова Э.З. Численные методы анализа: Учеб. пособие. М.: Наука, 1967. 368 с.

35. Акулич Л.И. Математическое программирование в примерах и задачах: Учеб. пособие для студентов эконом, спец. вузов. М.: Высшая школа, 1986.319 с.

36. Аоки М. Введение в методы оптимизации: Пер. с англ. М.: Изд-во Наука, 1977. 344 с.

37. Вентцель Е.С. Элементы теории игр. М.: Физматгиз, 1961. 73 с.

38. Галушкин А.И. Теория нейронных сетей: Учеб. пособие для вузов / Общая ред. А.И.Галушкина. М.: ИПРЖР, 2000. Кн.1. 416 с.

39. Розенблатт Ф. Принципы нейродинамики. М.: Мир, 1965. 480 с.

40. Галушкин А.И. Многослойные системы распознавания образов. М.: МИЭМ, 1970. 167 с.

41. Галушкин А.И. Единый подход к решению задач обучения и самообучения систем распознавания образов. // Труды МИЭМ. 1970. № 6. С.104-120.

42. Галушкин А.И. Выбор критериев первичной оптимизации и построение оптимальной модели систем распознавания К классов в режиме обучения // Автоматическое управление и вычислительная техника (распознавание образов): Сборник. (М.). 1972. № 10. С.101-115.

43. Цыпкин Я.З. Адаптация и обучение в автоматических системах. М.: Изд-во Наука, 1968. 399 с.

44. Цыпкин Я.З. Основы теории обучающих систем. М.: Изд-во Наука, 1970. 251 с.

45. Поспелов Д.А. Логические методы анализа и синтеза схем. Изд. 3-е, перераб. и доп. М.: Энергия, 1974. 368 с.

46. Змитрович А.И. Интеллектуальные информационные системы. Минск: НТООО «Тетрасистемс», 1997. 367 с.

47. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. Новосибирск : Изд-во Наука, 1996. 275 с.

48. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия Телеком, 2001. 382 с.

49. Корнеев В.В., Греев А.Ф., Васютин С.В. Базы данных. Интеллектуальная обработка информации. М.: Нолидж, 2000. 352 с.

50. Варакин Л.Е. Системы связи с шумоподобными сигналами. М.: Радио и связь, 1985. 384 с.

51. Гольдберг Л.М., Матюшкин Б.Д., Поляк М.Н. Цифровая обработка сигналов: Учеб. пособие для вузов. М.: Радио и связь, 1990. 256 с.

52. Кей С.М., Марпл С.Л. Современные методы спектрального анализа // ТИИЭР. 1981. Т.69. № 11. С. 5-51.

53. Деч Г. Руководство к практическому применению преобразования Лапласа. М.: Наука, 1965. 287 с.

54. Дженкинс Г, Ватте Д. Спектральный анализ и его приложения / Пер. с англ. В.Ф. Писаренко. М.: Мир, 1971. 317 с.

55. Романюк Ю.А. Основы обработки сигналов: Учеб. пособие. М.: МФТИ, 1989. 92 с.

56. Романюк Ю.А., Лилеин А.Л. Задачи и упражнения по обработке сигналов (Представления и преобразования сигналов): Учеб. пособие. М.: МФТИ, 1991. 88 с.

57. Оппенгейм Э. Применение цифровой обработки сигналов. / Под ред. Э. Оппенгейма; Пер. с англ. A.M. Рязанцева. М.: Мир, 1980. 552 с.

58. Отнес Р., Эноксон Л. Прикладной анализ временных рядов. Основные методы / Пер. с англ. В.И. Хохлова; Под ред. И.Г. Журбенко. М.: Мир, 1982. 429 с.

59. Рытов С.М. Введение в статистическую радиофизику. Случайные процессы. М.: Наука, 1976. 494 с.

60. Сергиенко А.Б. Цифровая обработка сигналов. СПб.: Питер, 2002.608 с.

61. Скляр Бернард. Цифровая связь. Теоретические основы и практическое применение. Изд. 2-е, испр. / Пер. с англ. Е.Г. Грозы, В.В. Марченко, А.В. Назаренко; Под ред. А. В. Назаренко. М.: Издательский дом «Вильяме», 2003. 1104 с.

62. Солонина А.И., Улахович Д.А., Яковлев Л.А. Алгоритмы и процессоры цифровой обработки сигналов. СПб.: БХВ-Петербург, 2002. 464 с.

63. Солонина А.И., Улахович. Д.А., Арбузов С.М. Основы цифровой обработки сигналов. Курс лекций. СПб.: БХВ-Петербург, 2005. 768 с.

64. Угрюмов Е.П. Цифровая схемотехника. СПб.: БХВ-Петербург, 2004. 528 с.

65. Френке JI. Теория сигналов.: Пер. с англ. / Под ред. Д.Е. Вакмана. М.: Сов. радио, 1974. 344 с.

66. Зевеке Г.В., Ионкин П.А., Нетушил А.В. Основы теории цепей: Учебник для вузов. Изд. 4-е, перераб. М.: Энергия, 1975. 752 с.

67. Нейман Л.Р., Демирчан К.С. Теоретические основы электротехники. Л.: Энергия, 1966. Т.1. 522 ; Т.2. 407 с.

68. Атабеков Г.И. Теория линейных электрических цепей. М.: Сов. радио, 1960. 712 с.

69. Поливанов К.М. Теоретические основы электротехники. М.: Энергия, 1972. Т.1. 239 с.

70. Андронов А.А., Витт А.А. Хайкин С.Э. Теория колебаний. М.: Физматгиз, 1959. 916 с.

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

72. Афонский А. А., Дьяконов В. П. Цифровые анализаторы спектра, сигналв и логики / Под ред. проф. В. П. Дьяконова. М.: СОЛОН-Пресс, 2009. 248 с.

73. Дьяконов В. П. Вейвлеты. От теории к практике. Изд. 2-е, доп. и перераб. М.: СОЛОН-Пресс, 2005. 400 с.

74. Даджион Д., Мерсеро Р. Цифровая обработка многомерных сигналов. М.: Мир, 1988. 488 с.

75. Гольденберг Л. М. Цифровая обработка сигналов: Справочник. М.: Радио и связь, 1985. 312 с.

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

77. Хохлов В.К. Обнаружение, распознавание и оценка параметров сигналов: Учеб. пособие. М.: МГТУ им. Н.Э. Баумана, 1993. 92 е.: ил.

78. Мусьяков М.П., Хохлов В.К. Регрессионные системы обнаружения и распознавания случайных сигналов в ближней локации. М.: ЦНИИНТИКПК, 1988. 171 е.: ил.

79. Жовинский В.Н., Арховский В.Ф. Корреляционные устройства. М.: Энергия, 1974. 248с.: ил.

80. Коваленко С.С., Попов А.В., Починский В.Н. Знаковая корреляционная обработка сигналов при локации объектов на фоне помех // Боеприпасы. 2004. №6. С. 97-100.

81. Шахтарин Б.И. Случайные процессы в радиотехнике: Цикл лекций. М.: Радио и связь, 2000. 584 е.: ил.

82. Тихонов В.И., Шахтарин Б.И., Сизых В.В. Случайные процессы. Примеры и задачи: Учеб. пособие для вузов. М.: Радио и связь, 2004. 408 с.

83. Лезин Ю.С. Введение в теорию и технику радиотехнических систем: Учеб. пособие для вузов. М.: Радио и связь, 1986. 280 е.: ил.

84. Глотов В.П. Когерентное рассеяние звука от скоплений дискретных неоднородностей при импульсном излучении // Акустический журнал. -1962. №3. С. 281-284.

85. Е. Г. Зелкин, В. Г. Соколов. Методы синтеза антенн: Фазированные антенные решетки и антенны с непрерывным раскрывом. М.: Сов. радио, 1980. 296 с.

86. Хургин Я. И., Яковлев В. П. Финитные функции в физике и технике. М.: Наука, 1971. 408 с.

87. Шифрин Я.С. Вопросы статистической теории антенн. М.: Сов. радио, 1970. 384 с.

88. Монзинго Р.А., Миллер Т.У. Адаптивные антенные решетки. М.: Радио и связь, 1986. 448 с.

89. Пистолькорс А.А., Литвинов О.С. Введение в теорию адаптивных антенн. М.: Наука, 1991. 200 с.

90. Драбкин А. Л., Коренберг Е. Б. Антенны. М.: Радио и связь, 1992.144 с.

91. Воскресенский Д. И. Проектирование активных фазированных антенных решёток / Под. ред. Д. И. Воскресенского . М.: Радиотехника, 2003. С. 334—351.

92. Вишневский В. М., Ляхов А. И., Портной С. Л. Широкополосные беспроводные сети передачи информации . М.: Техносфера, 2005. 591 с.

93. Проблемы антенной техники / Под ред. Л. Д. Бахрака, Д.И.Воскресенского. М.: Радио и связь, 1989. 368 с.

94. Щелкунов С.А., Фриис Г. Антенны. М.: Сов. радио , 1955. 471 с.

95. Сазонов Д. М. Антенны и устройства СВЧ: Учебник. М.: Высшая школа, 1988. 432 с.

96. Бакулев П.А. Радиолокационные системы. М.: Радиотехника, 2004.320 с.

97. Гришин Ю.П., Ипатов В.П. Радиотехнические системы: Учеб. пособие. М.: Высшая школа, 1990. 496 с.

98. Кук Ч., Бернфельд М. Радиолокационные сигналы : Пер. с англ. / Под ред. В. С. Кельзона. М.: Сов. радио, 1971. 568 с.

99. Атражев М.П., Ильин В. А., Марьин Н.П. Борьба с радиоэлектронными средствами. М.: Воениздат, 1972. 272 с.