Автоматизированное управление процессом обнаружения нарушителя границ объектов транспортной инфраструктуры тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Губернаторов Олег Николаевич

• Губернаторов Олег Николаевич
• кандидат наук
• 2023

Оглавление диссертации кандидат наук Губернаторов Олег Николаевич

Введение

Глава 1 Исследование процесса обнаружения нарушителя при попытке незаконного проникновения на территорию объекта транспортной инфраструктуры, в том числе с помощью беспилотных летающих аппаратов

1.1 Применение автоматизированных информационных систем при охране границ объектов транспортной инфраструктуры

1.2 Анализ угроз безопасности объектов транспортной инфраструктуры и процесс обнаружения попытки незаконного проникновения на их территорию

1.3 Анализ средств и методов автоматизированного обнаружения нарушителя безопасности на объекте транспортной инфраструктуры

1.4 Обзор и анализ существующих алгоритмов многоканальной обработки сигналов акустических микрофонных решеток

1.5 Пространственное разрешение акустических микрофонных решеток

1.6 Супернаправленные акустические микрофонные решетки

для ближней зоны

1.7 Метод минимизации среднеквадратичной ошибки MVDR

или метод Кэпона (Capon)

1.8 Адаптивный метод подавления боковых лепестков в диаграмме

направленности акустических микрофонных решеток

Выводы к главе

Глава 2 Моделирование акустических микрофонных решеток

2.1 Типы систем направленного приема акустических сигналов

2.2 Классификация акустических условий приема информации в зависимости

от типа действующей помехи

2.3 Оценка необходимого числа каналов при работе с точечными источниками помех

2.4 Моделирование акустической магнитной решетки с учетом частотного спектра русской речи

2.5 Моделирование кольцевой акустической магнитной решетки

2.6 Алгоритм лучеформирования на базе задержки и суммирования

2.7 Диаграмма направленности микрофонных решеток

2.8 Моделирование круглой акустической микрофонной решетки

с двумя слоями расположения микрофонов

2.9 Моделирование линейной эквидистантной акустической

микрофонной решетки

2.10 Методика взаимодействия беспилотных летательных аппаратов

с автоматизированной базовой станцией при обнаружении нарушителей

Выводы к главе

Глава 3 Результаты серии экспериментов на модели акустической микрофонной решетки для системы автоматизированного обнаружения нарушителя границ объекта транспортной инфраструктуры

3.1 Результаты моделирования акустической микрофонной решетки для автоматизированной системы обнаружения нарушителя

3.2 Моделирование линейной неэквидистантной

акустической микрофонной решетки

3.3 Моделирование линейной неэквидистантной акустической микрофонной решетки для речевого диапазона

3.4 Выбор аппаратной платформы для системы акустического пеленга. Проблема выбора и оценки аппаратных платформ

3.5 Варианты вычислительных платформ

Выводы к главе

Глава 4 Программно-аппаратный комплекс для проведения испытаний

4.1 Исследование точности акустического пеленга в реальных условиях

4.2 Перечень оборудования для проведения испытаний систем акустического

пеленга

Выводы к главе

Заключение

Список литературы

Приложение

Приложение

Введение диссертации (часть автореферата) на тему «Автоматизированное управление процессом обнаружения нарушителя границ объектов транспортной инфраструктуры»

ВВЕДЕНИЕ

Автоматизированное управление процессом обнаружения нарушителя границ объектов транспортной инфраструктуры является актуальной научно-технической задачей, реализация которой позволяет разработать и внедрить новые автоматизированные программно-аппаратные решения, оптимизирующие и повышающие эффективность имеющихся технологических процессов на объектах транспортной инфраструктуры и решать задачи мониторинга таких объектов, в особенности в системах обеспечения безопасности при обнаружении нарушителей по акустическому пеленгу. Защита границ объектов транспортной инфраструктуры регулируется законодательством: Федеральным законом «О безопасности критической информационной инфраструктуры Российской Федерации» от 26.07.2017 №187-ФЗ.

Особую актуальность в последнее время получило применение цифровой обработки сигнала в многоканальных системах. Кроме того, миниатюризация, удешевление и улучшение характеристик микрофонов делают системы, основанные на массивах таких микрофонов, высоко конкурентными на фоне одиночных, но более дорогих, например, электретных или конденсаторных аналогов. Применение массивов микрофонов позволяет решать задачу, связанную с определением направления на источник сигнала (пеленга) благодаря возможности формирования узкой диаграммы направленности. Все это в совокупности привело к увеличению распространения систем, использующих акустический пеленг для решения определенного класса задач автоматизированной защиты.

В течение последних пятнадцати лет появляется все большее количество систем, использующих акустический пеленг для определения положения говорящего человека. Такие системы зачастую комбинируют с видеоканалом. Информация о положении источника сигнала, полученная на основе анализа аудиоданных, используется для наведения видеокамеры.

Применение акустического пеленга совместно с видеоканалом можно использовать в системах контроля доступа. Такие решения обладают уникальными характеристиками, поскольку позволяют формировать высококачественный аудиоканал с возможностью увеличения соотношения сигнал - шум за счет пространственной селективности акустической микрофонной решетки, а также обеспечивают наведение на источник сигнала подвижной камеры, что обеспечивает уникальные эксплуатационные возможности такой системы. Ввиду невозможности использования методов и существующих средств наземных технологий для объектов транспортной инфраструктуры необходима разработка новых методов и моделей, которые позволят на базе современных технологий решить задачу по автоматизации идентификации объектов, что, в свою очередь, подтверждает актуальность выбранной темы исследования.

Степень разработанности темы исследования. Существенный вклад в формирование и развитие автоматизированных систем управления на транспорте и обеспечения безопасности объектов транспортной инфраструктуры внесли следующие отечественные ученые: А. И. Китов, В. П. Исаев, А. А. Ляпунов,

A. И. Берг, В. М. Глушков, А. П. Нырков, С. С. Соколов, Н. П. Бусленко,

B. Н. Пугачев, В. И. Городецкий, В. С. Семенихин, а также зарубежные ученые: И. Джонсон, Р. Кальман, С. Бир, Г. Крон. В сфере исследования и применения акустической идентификации в различных отраслях существенный вклад внесли следующие авторы: А. А. Хорев, А. А. Грушо, Е. Е. Тимонина, С. П. Расторгуев, А. Ю. Щербаков, П. Д. Зегжда и др.

Объектом исследования является процесс автоматизированного обнаружения нарушителя при попытке незаконного проникновения на территорию объектов транспортной инфраструктуры.

Предметом исследования являются: модели, методы, алгоритм и комплекс программно-аппаратных средств, способных осуществлять акустический пеленг при обнаружении нарушителя границ объекта транспортной

инфраструктуры, в том числе с применением беспилотных летательных аппаратов.

Целью диссертационного исследования является повышение защищенности объектов транспортной инфраструктуры при попытке незаконного проникновения, в том числе с использованием беспилотных летательных аппаратов.

Для достижения поставленной цели были сформулированы и решены следующие научные задачи:

1. Анализ угроз безопасности объекта транспортной инфраструктуры и процесса обнаружения попытки незаконного проникновения на территорию объектов транспортной инфраструктуры, в том числе с использованием беспилотных летательных аппаратов (БПЛА).

2. Моделирование акустической микрофонной решетки с учетом частотного акустического спектра, воспроизводимого человеком и БПЛА, для автоматизированного обнаружения нарушителя.

3. Разработка методики автоматизированного обнаружения нарушителя при взаимодействии БПЛА с автоматизированной базовой станцией.

4. Экспериментальное исследование акустического пеленга в различных условиях.

5. Разработка и апробация программно-аппаратного комплекса автоматизированного обнаружения нарушителя, совмещающего взаимодействие акустической микрофонной решетки (МР) с БПЛА.

Научная новизна диссертационной работы заключается в следующем:

1. Модель акустической микрофонной решетки, учитывающая частотный спектр, позволяющая исследовать сигнал с различной пространственной конфигурацией, отличающаяся от существующих повышенной дальностью и точностью пеленга.

2. Методика автоматизированного обнаружения нарушителя границ объекта транспортной инфраструктуры при взаимодействии БПЛА с базовой станцией, разработанная впервые.

3. Результаты серии экспериментов на модели акустической микрофонной решетки как части системы автоматизированного обнаружения нарушителя границ объектов транспортной инфраструктуры, получены впервые.

Теоретическая значимость работы выражается в дальнейшем развитии методов и моделей, направленных на автоматизацию процессов обнаружения нарушителя при попытке незаконного проникновения на территорию объектов транспортной инфраструктуры.

Практическая значимость заключается в следующем:

1. Модель акустической микрофонной решетки, учитывающая частотный спектр, позволяет моделировать сигнал с различной пространственной конфигурацией при обнаружении нарушителя.

2. Методика автоматизированного обнаружения нарушителя при взаимодействии БПЛА с базовой станцией позволяет повысить скорость реагирования на действия нарушителя.

3. Результаты серии экспериментов на модели акустической микрофонной решетки как части системы автоматизированного обнаружения нарушителя границ объектов транспортной инфраструктуры, позволяют выбрать наиболее подходящую микрофонную решетку (МР) для конкретных условий эксплуатации.

Методы исследования. Работа выполнена с применением моделей и методов теории волн и параллельной обработки сигналов, статистических методов, методов построения и анализа многофакторных процессов.

Положения, выносимые на защиту:

1. Модель акустической микрофонной решетки, учитывающая частотный спектр, позволяющий моделировать сигнал с различной пространственной конфигурацией.

2. Методика автоматизированного обнаружения нарушителя объекта транспортной инфраструктуры при взаимодействии БПЛА с базовой станцией.

3. Результаты серии экспериментов на модели акустической микрофонной решетки как части системы автоматизированного обнаружения нарушителя границ объектов транспортной инфраструктуры.

Достоверность основных научных результатов обеспечивается

применением апробированных общенаучных и специальных методов исследований и подтверждена взаимной проверкой результатов полученных расчетов с использованием разработанных моделей и путем проверки моделированием на конкретных объектах транспортной инфраструктуры.

Полученные научные результаты используются в учебном процессе в Федеральном государственном бюджетном образовательном учреждении высшего образования «Государственный университет морского и речного флота имени адмирала С. О. Макарова» при чтении лекций, а также при проведении практических занятий у магистров по направлению 10.04.01 «Информационная безопасность». Также результаты получили внедрение в организациях: АО «НТЦ «Формула Защиты», ООО «КБ «Парадокс» и Комендатуре военных сообщений железнодорожного участка и станции Санкт-Петербург главный.

Апробация научно-исследовательских результатов. Основные теоретические и практические результаты исследования диссертации обсуждались и докладывались на следующих научно-технических конференциях:

1. International Science Conference on Business Technologies for Sustainable Urban Development, SPbWOSCE, 2018 г.

2. XXI Санкт-Петербургская международная конференция «Региональная информатика (РИ-2018)», 2018 г.

3. XI Санкт-Петербургская межрегиональная конференция «Информационная безопасность регионов России (ИБРР-2019)», 2019 г.

4. Межвузовская научно-практическая конференция студентов, аспирантов и молодых ученых «Развитие инфраструктуры внутреннего водного транспорта: традиции, инновации (РИИВТ-2020)», 2020 г.

5. IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering, ElConRus, 2021-2022 гг.

Личный вклад соискателя. Все главы диссертационной работы написаны лично автором. Результаты исследований получены им самостоятельно либо при его непосредственном участии.

Публикации по теме диссертации. Публикации по теме исследования отражены в десяти научных статьях, из них три статьи из перечня изданий, рекомендованных ВАК Минобрнауки РФ, две статьи проиндексированы в наукометрической базе данных Scopus. Получено свидетельство о государственной регистрации программы для ЭВМ.

Структура и объем работы. Работа состоит из введения, четырех глав, списка литературы, включающего 92 наименования, 37 таблиц, 62 рисунка и 2 приложения, общий объем работы 159 страниц.

ГЛАВА 1 ИССЛЕДОВАНИЕ ПРОЦЕССА ОБНАРУЖЕНИЯ НАРУШИТЕЛЯ ПРИ ПОПЫТКЕ НЕЗАКОННОГО ПРОНИКНОВЕНИЯ НА ТЕРРИТОРИЮ ОБЪЕКТА ТРАНСПОРТНОЙ ИНФРАСТРУКТУРЫ, В ТОМ ЧИСЛЕ С ПОМОЩЬЮ БЕСПИЛОТНЫХ ЛЕТАЮЩИХ

АППАРАТОВ

1.1 Применение автоматизированных информационных систем при охране границ объектов транспортной инфраструктуры

Одной из систем, применяющих средства автоматизации, является система охраны территории объекта. Использование ее в качестве технического средства позволяет реализовать следующие задачи:

- возможность автоматической идентификации контролируемых объектов с использованием пеленгаторов и / или голосового обмена в целях идентификации;

- автоматизация получения информации, необходимой для работы системы управления доступом;

- автоматизация передачи информации об обстановке в районе объекта и предупреждений о нарушителях территории;

- возможность автоматизированной передачи по каналам связи информации о нарушении территории и значительном снижении погрешностей определения координат и элементов движения контролируемых объектов.

1.2 Анализ угроз безопасности объектов транспортной инфраструктуры и процесс обнаружения попытки незаконного проникновения

на их территорию

В течение последних пятнадцати лет транспортная отрасль нашей страны стремительно развивается, опережая по отдельным показателям в развитии многие страны. Неслучайно поэтому с завидной и частой регулярностью появляются новые угрозы, в том числе транспортной безопасности. Существующие угрозы в транспортной отрасли заставляют решать задачу

противодействия им комплексно: заранее анализировать, прогнозировать, обнаруживать, оперативно реагировать в зависимости от складывающейся ситуации.

В данном случае необходимо рассмотреть вопрос повышения защищенности объектов транспортной инфраструктуры при попытке незаконного проникновения с использованием беспилотных летательных аппаратов. В глобальном смысле под защищенностью того или другого объекта понимается достижение определенной изначально заданной степени безопасности и способность противостоять конкретным, четко сформулированным угрозам.

Защищенность объекта - это определенный уровень организационно-правовых мер, технических и физических средств, а также действий персонала, направленных на недопущение противоправных посягательств на объект, устранение или существенное снижение всевозможных угроз.

В процессе оценки защищенности объекта, как правило, оценивается его защищенность по определенным видам угроз и уровням системы безопасности.

Существует множество потенциальных угроз для совершения актов незаконного вмешательства в транспортной сфере. Типовыми из которых являются следующие: захват, взрыв, блокирование, хищение, размещение или попытка размещения на объектах транспорта взрывных устройств и веществ захвата или взрыва критического элемента объекта транспорта, а также поражение опасными веществами. Некоторые из этих угроз представляют особый интерес для потенциальных нарушителей. Однако они являются характерными также для конкретных объектов, в том числе транспортной инфраструктуры, поэтому перечень их должен быть индивидуален.

Совершенствование защищенности объектов транспорта заключается во всестороннем анализе всех элементов. В итоге, в исследования потенциальных угроз и нарушителей входит множество сведений о численности, оснащенности, подготовленности и тактике действий. Большинство из перечисленных показателей, в свою очередь, должны характеризоваться определенными

значениями или вероятностями их наступления (как минимум низкими, средними, высокими значениями).

Все ранее перечисленные угрозы и показатели нарушителей являются составными частями одного целого - базовой модели нарушителя, включающей анализ многих критериев, факторов, показателей и формируемой под конкретный объект транспортной инфраструктуры. Для количественной оценки можно рассмотреть вероятность реализации определенных угроз с учетом численности, оснащенности, подготовленности, осведомленности и типа нарушителя, соответственно до и после применения организационно-технических мер. В таблице 1.1 представлен анализ потенциальных угроз на объекты транспортной инфраструктуры.

Таблица 1.1 - Анализ потенциальных угроз на объекте транспортной инфраструктуры

Тактика действий нарушителя Вероятность наступления

очень низкая низкая средняя высокая очень высокая

Угроза захвата

Силовое нападение - - 0,45 - -

Скрытое проникновение - - - 0,75 -

Обманное проникновение - - 0,5 - -

Внешний одиночный - - - 0,6 -

Внешний групповой - - 0,35 - -

Внутренний одиночный - 0,15 - - -

Внутренний групповой - 0,1 - - -

Комбинированный - 0,05 - - -

Угроза взрыва

Силовое нападение - - 0,35 - -

Скрытое проникновение - - 0,5 - -

Обманное проникновение - - 0,4 - -

Внешний - - 0,35 - -

Тактика действий нарушителя Вероятность наступления

очень низкая низкая средняя высокая очень высокая

одиночный

Внешний групповой — — 0,3 — —

Внутренний одиночный — 0,1 — — —

Внутренний групповой — 0,1 — — —

Комбинированный — 0,03 — — —

Угроза поражения опасными веществами

Силовое нападение — — — 0,5 —

Скрытое проникновение — — — 0,65 —

Обманное проникновение — — 0,35 — —

Внешний одиночный — — 0,32 — —

Внешний групповой — — 0,3 — —

Внутренний одиночный — 0,05 — — —

Внутренний групповой — 0,05 — — —

Комбинированный — 0,02 — — —

Угроза блоки ювания

Силовое нападение — — — 0,6 —

Скрытое проникновение — — — — 0,8

Обманное проникновение — — — 0,65 —

Внешний одиночный — — — 0,6 —

Внешний групповой — — 0,35 — —

Внутренний одиночный — — 0,2 — —

Внутренний групповой — 0,1 — — —

Комбинированный — 0,05 — — —

Основные службы объекта транспортной инфраструктуры и взаимодействие их с автоматизированной системой управления приведены на рисунках 1.1 и 1.2.

Рисунок 1.1 - Службы автоматизированной системы управления

Рисунок 1.2 - Структура АИС

Различают следующие системы автоматического обнаружения нарушителя границ объектов транспортной инфраструктуры в заданном секторе:

- оптические (состоят как минимум из одного из базовых оптических элементов);

— радиолокационные (использование метода, основанного на излучении радиоволн и регистрации их отражений от объектов);

— акустические (использование звука для определения расстояния и направления его источника или отражателя);

— радиочастотные (принцип передачи и приема радиоволн для определения расстояния, скорости и относительного угла движения объектов, которые находятся в поле обнаружения);

— по температурной аномалии (использование тепловизоров);

— обнаружение с помощью света (лидар).

Радиолокационное обнаружение.

Эффективность и качество обнаружения с использованием радиолокационных станций характеризуются следующими параметрами:

Зона радиолокационного обзора — область источника облучения и приема / обработки отраженных сигналов;

Прием сигналов происходит в условиях естественных или искусственных помех случайного характера, соответственно, прием сигналов — это случайное явление, изучаемое в теории вероятности.

Разрешающая способность — характеристика, которая определяет возможность разделять близко расположенные цели;

Точность радиолокационных измерений — характеристика, которая зависит от допущения грубых, систематических или случайных ошибок.

Грубая ошибка — результат грубого просчета оператора или неисправности аппаратуры.

Систематическая ошибка — результат действия факторов на протяжении длительного времени (возмещается калибровкой аппаратуры).

Случайные ошибки — это результат случайно произошедших событий (невозможно учесть заранее).

Помехозащищенность — это совокупность помехоустойчивости и скрытности.

Помехоустойчивость — это способность противостоять помехам.

Скрытность — это способность противостоять разведке.

Пропускная способность — это характеристика, выражающая способность обеспечивать одновременную работу с рядом объектов.

Надежность — это способность непрерывной работы в течение необходимого времени.

Степень получения и обработки информации автоматизированная, если получатель информации — вычислительное устройство, полуавтоматическая, если получатель — человек.

Системы обнаружения, основанные на применении радиолокационных станций, не обеспечивают стабильной эффективности, так как многое зависит от влияния помех. Следовательно, существуют значительные ограничения для производительной работы.

Сложность работы на загруженных участках, на которых используется несколько радиолокационных станций одновременно, состоит в том, что возникает вероятность совпадения частотных диапазонов.

Ограничения работы при наличии крупных отражающих объектов в радиусе работы радиолокационной станции заключаются в наличии вероятности возникновения эффекта мнимого изображения (на экране появляется объект, расположенный в другом месте).

При наличии большого количества близких объектов существует вероятность возникновения эффекта многократного отражения (на экране видны несколько ложных объектов).

Радиочастотное обнаружение.

Радиоволна — распространяющееся в пространстве возмущение электромагнитного поля с частотами до 3 ТГц, которая распространяется в пространстве без искусственного волновода.

Радиоволны широко применяются для обнаружения объектов и определения координат, что обусловлено следующими свойствами:

— распространение со скоростью света, вне зависимости от времени суток и метеорологических условий;

— отражение от любых объектов, встречающихся на пути распространения;

— прямолинейное распространение в однородной среде;

— поглощение энергии сопровождает процесс распространения в среде отличной от воздуха;

— дифракция наиболее сильна в случае, когда препятствия по размеру сравнимы с длиной волны;

— интерференция;

— способность прохождения через некоторые неметаллические материалы, при минимальном их отражении.

Следует отметить, что не все свойства имеют исключительно положительный характер. С точки зрения обеспечения эффективности обнаружения интерференция играет обратную роль в случае, когда на пути встречаются плоские металлические предметы (дорожные знаки, рекламные щиты и т. д.).

Оптическое (видео) обнаружение.

Оптическое обнаружение — это применение систем видеонаблюдения в качестве средств обнаружения.

Видеонаблюдение — это процесс, который осуществляется оптико-электронными устройствами, которые, в свою очередь, предназначены для визуального контроля / автоматического анализа.

Система видеонаблюдения — это программно-аппаратный комплекс, в который входят видеорегистраторы, видеокамеры, мониторы, объективы, усилители и прочие устройства. Система видеонаблюдения, охватывающая большую зону, должна включать в себя устройства, обладающие наивысшими характеристиками, что делает ее в первую очередь достаточно дорогостоящей.

Основным недостатком данного метода является сильная зависимость от факторов окружающей среды. Также существует проблема зависимости увеличения дальность обнаружения от сужения зоны поиска. Помимо этого системы, использующие данный метод обнаружения, подразумевают применение видеоаналитики.

Акустическое обнаружение.

Акустические датчики работают по схеме:

- прослушивание - распознание уникальных звуковых сигнатур различных типов БВС;

- анализ - сравнение распознанных образцов с базой данных (при наличии совпадения происходит запись идентифицирующей информации);

- идентификация - обнаружение акустических сигнатур БВС (уровень ложных срабатываний зависит от имеющейся базы данных);

- оповещение.

К преимуществам данных систем относятся: возможность интеграции, доступность по цене, возможность обнаружения БВС малого веса; обнаружение БВС с отсутствием радиочастотной связи; обнаружение по температурной аномалии.

По температурной аномалии (использование тепловизоров).

Тепловидение - это метод, позволяющий обнаруживать объекты в полной темноте и различных погодных условиях. Тепловизор - это устройство для наблюдения за распределением температуры, которое может быть использовано и для гражданских объектов без каких-либо ограничений.

Принцип действия заключается в регистрации и анализе температур поверхность объектов, которые находятся в радиусе действия устройства. Результатом является картина распределения температур.

Радиус действия - это характеристика, определяющая дальность видимости цели, и которая определяется дальностью обнаружения, распознавания и идентификации.

Обнаружение - это выявление некого объекта без возможности определить какой именно.

Распознавание - безошибочное определение объекта при четких его очертаниях.

Идентификация - возможность охарактеризовать объект. Данный принцип сложно применять для обнаружения малогабаритных (раскрыть) БВЗ, велика вероятность возникновения ошибок первого и второго рода.

Обнаружение с помощью света (лидар).

Лидар - технология дистанционного зондирования, использующая лазерный импульс для сбора измерений. В сочетании с системами GPS лидар -это инструмент для обеспечения точных геопространственных измерений. Принцип работы лидара заключается в распространении световой волны для дальнейшего считывания отражения от объекта. В результате работы лидара получается некая карта местности.

Данная система также имеет ряд преимуществ и недостатков. К преимуществам относятся: высокая скорость сбора данных, высокая точность сбора данных, высокое проникновение, возможность использования в любое время суток (ночью, в солнечный день) без потери свойств, высокое разрешение полученного изображения, отсутствие геометрических искажений, не зависит от человеческого фактора, высокая степень интеграции.

Недостатки применения системы: стоимость; зависимость от метеорологических условий (дождь, туман, снег), большой трафик данных, требующий либо больших вычислительных ресурсов, либо времени для обработки, а также наличие ограничений по высоте.

В таблице 1.2 выполнен обзор готовых решений задачи обнаружения БВС гражданского применения, откуда видно, что существующие системы обнаружения используют методы, основанные на анализе радиоволн.

Таблица 1.2 - Системы обнаружения БВС

Производитель Система Радиус обнаружения, км Обнаружение оператора Тип детекции

АО Н1Ш «Алмаз» Атака-DBS 1,5 - Радиочастотная

ООО ТАиП Стриж-3 3 + Радиочастотная

Скворец 1,5 - Радиочастотная

Снегирь 1,5 + Радиочастотная

НИИ «Вектор» ЭГИДА 20 + Полуактивная радиолокация

Защита 20 +

ООО «АнтиДрон» АнтиДрон 1,5 + Радиочастотная

АО НПЦ «Элвис» РЛС «Енот» 2,5 + Радиолокация

Производитель Система Радиус обнаружения, км Обнаружение оператора Тип детекции

Лаборатория Касперского КаБрегеку Апйёгопе 4 + Полный комплекс

Габариты БВС становятся все меньше, при этом некоторые модели уже применяют маскировку под окружающую среду, что значительно снижает эффективность обнаружения БВС системами, которые основаны на традиционных методах (оптическом, радиолокационном, радиочастотном).

В результате проведенного исследования поставлена задача по разработке системы, основанной на акустическом методе обнаружения с последующей видеоверификацией. В дальнейшем данная система может быть использована в качестве дополнительного модуля для систем обнаружения БВС, основанных на других методах обнаружения. Комплексная система позволит минимизировать риск возникновения ошибок первого и второго рода, что позволит использовать ее в качестве технического средства обеспечения транспортной безопасности.

Список литературы диссертационного исследования кандидат наук Губернаторов Олег Николаевич, 2023 год

- 94 с.

52. ГОСТ Р 50777-2014. Извещатели пассивные оптико-электронные инфракрасные для закрытых помещений и открытых площадок. Общие тех -нические требования и методы испытаний. - М.: Стандартинформ, 2014. - 36 с.

53. ГОСТ Р 51558-2014. Средства и системы охранные телевизионные. Классификация. Общие технические требования. Методы испытаний (с изм. № 1).

- М.: Стандартинформ, 2014. -23 с.

54. Членов, А. Н. Новые направления применения видеотехнологий в системах безопасности / А. Н. Членов [и др.] // Вестник Московского энергетического института. - 2009. - № 3. - С. 88-93.

55. Синилов, В. Г. Результаты анализа и обработки данных о ложных срабатываниях ТС ОПС / В. Г. Синилов, А. А. Антоненко, Л. И. Савчук // Охранные извещатели, приемно-контрольные приборы и системы передачи извещений: сб. науч. тр. - М.: ВНИИПО МВД СССР, 1991. - С. 123-128.

56. Рябцев, Н. А. Анализ способов нейтрализации тревожной сигнализации систем охраны категорированных объектов [Электронный ресурс] / А. Н. Членов [и др.] // Технологии техносферной безопасности. - 2017. - Вып. 3 (73). - С. 271279. - Режим доступа: http://agps- 2006.narod.ru/ ttb/2017-3/34-03-17.ttb.pdf (дата обращения: 28.02.2020).

57. Пиготт, С. Выводы инспекции - в кн.: Проблемы ложных срабатываний и меры английской полиции по борьбе с ними / С. Пиготт / Пер. с англ. - М.: ВЦП НТЛ и Д, 1981. - 43 с.

58. Шепитько, Г. Е. Проблемы охранной безопасности объектов / Г. Е. Шепитько; под ред. проф. В. А. Минаева. - М.: Русское слово, 1995. - Ч 1. -352 с.

59 Шепитько, Г.Е. Проблемы безопасности объектов: учеб. пособие / Г. Е. Шепитько, И. И. Медведев. - М.: Академия экономической безопасности МВД России, 2006. - 199 с.

60. ГОСТ Р 56102.1-2014. Системы централизованного наблюдения. Ч. 1: Общие положения. - М.: Стандартинформ, 2014. - 8 с.

61. ГОСТ Р 56102.2-2015. Системы централизованного наблюдения. Ч. 2: Подсистема объектовая. Общие технические требования и методы испытаний. -М.: Стандартинформ, 2010. - 11 с.

62. Рябцев, Н. А. Особенности применения технических средств безопасности на объектах высоких категорий / Н. А. Рябцев, А. Н. Федин, Н. Г. Метелева // Алгоритм безопасности. - 2018. - № 5. - С. 32-34.

63. Королев, В.Ю. Математические основы теории риска: учеб. пособие / В. Ю. Королев, С. Я. Шоргин, В. Е. Бенинг. - М.: Физматлит, 2011. - 620 с.

64. Гмурман, В. Е. Теория вероятностей и математическая статистика: учеб. для СПО. - 12-е изд. - М.: Юрайт. 2016. - 480 с.

65. Волхонский, В. В. Особенности разработки структуры средств обнаружения угроз охраняемому объекту / В. В. Волхонский, А. Г. Крупнов // Научно-технический вестник Санкт-Петербургского государственного университета информационных технологий, механики и оптики. - 2011. - № 4(74). - С. 131136.

66. Волхонский, В. В. Способ оценки вероятности пресечения проникновения на объект / В. В. Волхонский // Информатизация правоохранительных органов : сб. тр. IX междунар. конф. - М.: МВД России, 2000. - С. 113-119.

67. Шепитько, Г.Е. Исследование характеристик модели нарушителя / Г. Е. Шепитько // Технические средства охраны: сб. научн. тр. - М.: ВНИИПО МВД России. - 1992. - С. 41-49.

68. Мокшанцев, А. В. Модели, методы и алгоритмы поддержки принятия управленческих решений при поиске и обнаружении пострадавших под завалами, образующимися в результате чрезвычайных ситуаций, аварий, пожаров и взрывов [Электронный ресурс] / А. В. Мокшанцев, И. М. Тетерин, Н. Г. Топольский // Технологии техносферной безопасности. - 2013. - Вып. 5 (51).

- Режим доступа: http://agps-2006.narod.ru/ttb/2013-5/19-05- 13.ttb.pdf (дата обращения: 28.02.2020).

69. Шаровар, Ф. И. Пожаропредупредительная автоматика / Ф.И. Шаровар. -М.: Специнформатика-СИ. - 2013. - 556 с.

70. Членов, А. Н. Групповой извещатель для тревожной сигнализации / А. Н. Членов [и др.] // Пожары и чрезвычайные ситуации: предотвращение, ликвидация.

- 2011. - № 1.- С. 42-46.

71. Горбунов, В. А. Эффективность обнаружения целей. / В. А. Горбунов. - М.: Воениздат. - 1979. - 160 с.

72. Вентцель, Е. С. Теория вероятностей: учебник / Е. С. Вентцель. - 12-е изд., стер. - М.: ЮСТИЦИЯ, 2018. - 658 с.

73. Динамическое программирование в экономических задачах: учебное пособие / А.В. Лежнёв - М.: Бином, 2010. - 176 с.

74. Математическое программирование в экономике: учеб. пособие / А. В. Юденков. - М.: Финансы и статистика, 2010. - 240 с.

75. Никитин, А. А. Современные модификации акустических извещателей / А. А. Никитин, А. В. Климов // Охрана: служба, технические средства, экономика.

- М.: НИЦ «Охрана» МВД России. - 2010. - № 3. - С. 74-78.

76. Рябцев, Н. А. Новый межгосударственный стандарт на акустические извещатели разбития стекла. Что в нем нового для производителей и потребителей? / А. В. Климов [и др.] // Алгоритм безопасности. - 2017. - № 4. - С. 4649.

77. Рябцев, Н. А. Новая система классификации средств обнаружения для особо важных объектов / Н. А. Рябцев, О. Г. Точилова, В. А. Козлов // Алгоритм безопасности. - № 3. - 2018. - С. 70-71.

78. Дивина, Т. В. Основные методы анализа экспертных оценок / Т. В. Дивина, Е. А. Петракова, М. С. Вишневский // Экономика и бизнес: теория и практика. -2019. - № 7. - С. 42-44.

79. Cooke, R.M. Procedures guide for structured expert judgement, s. l. / R. M. Cooke, L. H. J. Gossens. - University of Technology Delft. - 1999.

80. Дилигенский, Н. В. Нечеткое моделирование и многокритериальная оптимизация производственных систем в условиях неопределенности: техно -логия, экономика, экология / Н. В. Дилигенский, Л. Г. Дымова, П. В. Севастьянов.

- М.: Изд-во «Машиностроение-1», 2004. - 397 с.

81.Gupta, N. M. Fuzzy sets theory and its applications: a survey / N. M. Gupta, R.K. Ragade // Multivariable Technol. Syst.Proc.4th IFAC Int. Symp.1977. - Oxford, 1978. - Pp. 247-259.

82. Nuyen, H. Theoretical aspects of fuzzy control / H. T. Nguyen, M. Sugeno, R. M. Tong, R. R. Yager - New York: John Wiley and Sons Inc. - 1995. - 267 p.

83. Tryon, R. C. Cluster analysis / R. C. Tryon. - London: Ann Arbor Edwards Bros, 1939. - 139 p.

84. Олдендерфер, М. С. Кластерный анализ: в кн. Факторный, дискри-минантный и кластерный анализ / М. С. Олдендерфер, Р. К. Блэшфилд / Пер. с англ. / Под ред. И. С. Енюкова. - М.: Финансы и статистика, 1989. - 215 с.

85. Айвазян, С.А. Прикладная статистика: Классификация и снижение размерности / С. А. Айвазян [и др.]. - М.: Финансы и статистика, 1989. - 607 с.

86. Рябцев, Н. А. Современные аспекты организации охраны объектов и имущества различных категорий [Электронный ресурс] / А. В. Климов [и др.] // Технологии техносферной безопасности. - 2017. - Вып. 2 (72). - С. 336-343. -Режим доступа: http://agps-2006.narod.ru/ttb/2017-2/22-02-17.ttb.pdf (дата обращения:28.02.2020).

87. Рябцев, Н. А. Влияние особенностей охраняемого объекта на выбор конкретного типа акустического извещателя / Н. А. Рябцев // ИнформОхрана. 2015. - № 9. - С. 21-24. - Режим доступа: http://www.nicohrana.ru/ informohrana.html (дата обращения: 28.02.2020).

88. Рябцев, Н. А. Перспективы развития средств обнаружения несанкционированного проникновения в помещения и хранилища ценностей [Электронный ресурс] / А. В. Климов, Н. А. Рябцев, А. Н. Федин // Технологии тех-носферной безопасности. - 2016. - Вып. 4 (68). - С. 288-294. - Режим доступа: http://agps-2006.narod.ru/ttb/2016-4/29-04-16.ttb.pdf (дата обращения: 28.02.2020).

89. Кузьмин, Ю. Б. Оценка уровня автоматизации предприятия / Ю. Б. Кузьмин // Нефтяное хозяйство. - 2009. - № 10. - С. 104-107.

90. Определение уровня автоматизации технологических объектов [Электронный ресурс]. - 2015. - Режим доступа: https://helpiks.org/4- 44750.html (дата обращения: 28.02.2020).

91. ГОСТ 31817.1.1-2012. Системы тревожной сигнализации. Ч. 1: Общие требования. Разд. 1: Общие положения (IEC 60839-1-1:1998 Alarm systems. Part 1: General requirements. Section one: General). - Москва: Стандартинформ, 2012. -17 с.

92. Рябцев, Н. А. Взрывобезопасные извещатели тревожной сигнализации [Электронный ресурс] / А. Н. Членов [и др.] // Технологии техносферной безопасности». - 2017. - Вып. 3 (73). - С. 266-270. - Режим доступа: http://agps-2006.narod.ru/ttb/2017-3/33-03-17.ttb.pdf (дата обращения: 28.02.2020).

ПРИЛОЖЕНИЕ 1

1. ПО для моделирования и оценки эффективности акустических МР (ч. 1)

clear all % close all

N = 16;

GRID = ([0 110 210 300 380 420 465 495 505 535 580 620 700 790 890 1000])/1000; GRID2 = ([0 71*1 71*2 71*3 71*4 71*5 71*6 71*7 71*8 71*9 71*10 71*11 71*12 71*13 71*14 71*15])/1000; % GRID = ([0 15 35 85 130 200])/1000; Y coord % GRID2 = ([0 67 67*2 67*3 67*4 67*5 67*6])/1000;

f=[300 400 500 600 700 800 1000 2000 3000 4000 5000 6000]; AK = [0.8 1 0.9 0.8 0.7 0.6 0.5 0.45 0.4 0.35 0.2 0.15 0.1]; % f=f(1); % AK=AK(1); v=340.29; lambdai=v./f; main=0; angle=180;

%build grid diagramm j=0;

maxSideloab_db=zeros(length(f), 1); maxSideloab_db2=zeros(length(f), 1); width_3db=zeros(length(f), 1); width_3db2=zeros(length(f), 1); x = -angle/2:0.1:angle/2; Diagramm=zeros(length(x),1);

Diagramm2=zeros(length(x),1); for lambda = lambdai j=j+i; i=0;

for angleX=x i=i+1;

D=sum(exp((GRID/lambda)*1j*2*pi*sind(main)).*exp((GRID/lambda)*1j*2*pi*sind( angleX)));

D2=sum(exp((GRID2/lambda)* 1j*2*pi* sind(main)).*exp((GRID2/lambda)* 1j *2*pi* si nd(angleX)));

Diagramm(i)=abs(D)/N*AK(j); Diagramm2(i)=abs(D2)/N*AK(j); end

Diagramm = Diagramm/max(Diagramm); Diagramm2 = Diagramm2/max(Diagramm2); [maxSideloab_db(j),width_3db(j)] = getDiagMetric(x,Diagramm,-3); [maxSideloab_db2(j),width_3db2(j)] = getDiagMetric(x,Diagramm2,-3);

figure(10); plot(x, Diagramm); figure(11); plot(x, Diagramm2);

PolarAngles=(-angle/2)*pi/180:pi/1800:(angle/2)*pi/180; figure(12);

polar(PolarAngles,Diagramm'); figure(13);

polar(PolarAngles,Diagramm2');

figure(14); subplot(2,1,1);

plot(f, maxSideloab_db, 'b', f, maxSideloab_db2, 'r');

х1аЬе1('Частота, Гц');

у1аЬе1('Побочный максимум, дБ');

title('YpoBeHb максимального побочного лепестка ДН');

legend('Неэквидистантная МР','Эквидистантная МР');

grid on;

subplot(2,1,2);

plot(f, width_3db, 'b', f, width_3db2, 'r'); х1аЬе1('Частота, Гц'); у1аЬе1('Ширина основного лепестка, °');

title('Зависимость ширины основного лепестка на уровне -3 дБ от частоты'); ^е^('Неэквидистантная МР','Эквидистантная МР'); grid on;

end

figure(12);

polar(PolarAngles,(Diagramm./max(Diagramm))');

% figure(15); % plot(Integral); % xlabel('log2q'); % ylabel('Площадь S');

% title('Зависимость площади диаграммы S от log2q'); % grid on;

% figure(10); % plot(x, Diagramm);

% figure(11); % plot(x, Diagramm2);

% figure(12);

% plot(f, maxSideloab_db, 'b', f, maxSideloab_db2, 'r');

1. ПО для моделирования и оценки эффективности акустических МР часть 2.

clear all % close all number = 0; for N=[1024] number = number+1;

% GRID = ([0 15 35 65 100 145 205 275])/1000; % GRID = ([30 130 200 250 300 370 470])/1000; % GRID = ([0 15 35 85 130 200])/1000; Y coord % GRID2 = ([0 67 67*2 67*3 67*4 67*5 67*6])/1000;

l = 1000/1000;

i=0:N-1;

GRID = l/(N-1)*i; GRID2 = l/(N-1)*i; % f=[1000]; % AK = [1];

f=[70 100 150 200 300 400 500 600 700 800 1000 2000 3000 4000 5000 6000]; AK = [0.05 0.2 0.6 0.8 1 0.9 0.8 0.7 0.6 0.5 0.45 0.4 0.35 0.2 0.15 0.1];

v=340.29; lambdai=v./f; main=0; angle=180;

%build grid diagramm

J=0;

maxSideloab_db=zeros(length(f), 1); maxSideloab_db2=zeros(length(f), 1 ); width_3db=zeros(length(f), 1 ); width_3db2=zeros(length(f), 1 ); x = -angle/2:0.1:angle/2; Diagramm=zeros(length(x),1 ); Diagramm2=zeros(length(x),1); for lambda = lambdai

J=J+1; i=0;

for angleX=x i=i+1;

D=sum(exp((GRID/lambda)*1J*2*pi*sind(main)).*exp((GRID/lambda)*1J*2*pi*sind( angleX)));

D2=sum(exp((GRID2/lambda)* 1J *2*pi*sind(main)).*exp((GRID2/lambda)* 1J *2*pi*si nd(angleX)));

Diagramm(i)=Diagramm(i)+abs(D)/N*AK(J); Diagramm2(i)=Diagramm2(i)+abs(D2)/N*AK(J); end

%[maxSideloab_db(j),width_3db(j)] = getDiagMetric(x,Diagramm,-3); %[maxSideloab_db2(j),width_3db2(j)] = getDiagMetric(x,Diagramm2,-3);

figure(10); plot(x, Diagramm); figure(11); plot(x, Diagramm2);

PolarAngles=(-angle/2)*pi/180:pi/1800:(angle/2)*pi/180; figure(12);

polar(PolarAngles,Diagramm'); figure(13);

polar(PolarAngles,Diagramm2');

figure(14); subplot(2,1,1);

plot(f, maxSideloab_db, 'b', f, maxSideloab_db2, 'r'); subplot(2,1,2);

plot(f, width_3db, 'b', f, width_3db2, 'r'); end

figure(12);

polar(PolarAngles,(Diagramm./max(Diagramm))'); Integral(number) = trapz(x, Diagramm./max(Diagramm)) end

figure(15); plot(Integral); xlabel('log2q'); у1аЬе1('Площадь S');

title('Зависимость площади диаграммы S от log2q'); grid on; % figure(10);

% plot(x, Diagramm); % figure(11); % plot(x, Diagramm2);

% figure(12);

% plot(f, maxSideloab_db, 'b', f, maxSideloab_db2, 'r');

2. ПО для построения ДН акустических МР.

clear all;

Nx=8;

Ny=8;

dx=0.04;

dy=0.04;

f0=3000;

v=340.29;

lambda0=v/f0;

ix = 0;

iy = 0;

% A=zeros(180); for elev=-90:90 iy=iy+1;

ix=0;

for azim=-90:90 ix=ix+1;

phaseX=2*pi * (dx/lambda0)* sind(azim)*cosd(elev);

phaseY=2*pi * (dy/lambda0)* sind(elev);

a=0;

k=0:Ny-1; kk=0:Nx-1;

a=sum(sum(exp(1j*k*phaseX))*exp(1j*kk*phaseY)); % for k=0:Ny-1 % for kk=0:Nx-1

% a=a+exp( 1j*k*phaseX)*exp(1j *kk*phaseY);

% end

% end

% A(ix,iy)=abs(a)/(Nx*Ny);

A(ix,iy)=10*log10((abs(a)./(Nx*Ny)).л2); end end

fïgure(2);

surf(-90:90,-90:90,A); k=1:8;

phaseX=2*pi*(1/2)*sind(0); X=exp(1j *k*phaseX)';

phaseI=2*pi*(1/2)*sind(12);

I=exp( 1j *k*phaseI)';

XX=X+I;

R=0.5*XX*XX';

S=X;

%Wopt=(RЛ-1*S)/sqrt(conj(S)'*RЛ(-2)*S/8);

%Wopt=[1.121*exp(1j*pi*0.02V) 1.041*exp(1j*pi*0.044) 0.945*exp(1j*pi*0.042) 0.8VV*exp(1j*pi*0.018) 0.8VV*exp(1j*pi*(-0.018)) 0.945*exp(1j*pi*(-0.042)) 1.041 *exp(1j *pi*(-0.044)) 1.121 *exp( 1j *pi*(-0.02V))] ;

%Wopt=[0.892*exp(1j*pi*-0.004) 1.046*exp(1j*pi*-0.034) 1.109*exp(1j*pi*0.016) 0.938*exp(1j*pi*0.030) 0.938*exp(1j*pi*(-0.030)) 1.109*exp(1j*pi*(-0.016)) 1.046*exp(1j*pi*(-0.034)) 0.892*exp(1j*pi*(0.004))];

N=Nx;

dx=0.1;

v=340.29;

f0=100:10:5000;

k=0:N-1;

main=0;

interference=40;%-50.5;%-52.0;%-22.7;

K=sum(exp(k'* 1J *2*pi*(dx.*f0/v)*sind(main)).*exp(k'* 1J *2*pi*(dx.*f0/v)*sind(interfe

rence)))/N;

K=repmat(K,N,1);

W=(exp(k'* 1J *2*pi*(dx.*f0/v)* sind(-interference))./exp(k'*1J*2*pi*(dx.*f0/v)*sind(main))).*K;

for i=1:15 for J=1:N

K=sum(exp(k'*1J*2*pi*(dx.*f0(i)/v)*sind(main)).*exp(k'*1J*2*pi*(dx.*f0(i)/v)*sind(i nterference)))/N;

%sum(exp(k'* 1J *2*pi*(dx.*f0(i)/v)*sind(main)).*exp(k'* 1J *2*pi*(dx.*f0(i)/v)*sind(int erference)))*i/15/N;

W(J,i) = (exp(k(J)*1J*2*pi*(dx*f0(i)/v)*sind(-interference))./exp(k(i)*1J*2*pi*(dx*fD(i)/v)*sind(main)))*K;

end end

[m,n]=size(f0); v=331;

lambda0=v./f0;

AInLine=zeros( 1801 ,n);AInLineb=zeros( 1801 ,n);AInLinebb=zeros(1801 ,n); i=0;

for angleX=-90:0.1:90 i=i+1;

phaseX=2*pi*(dx./lambda0)*sind(angleX);

b=0;bb=0;bbb=0;

for k=0:Nx-1

b=b+exp(1j*k.*phaseX).*exp(1j*2*pi*k*(dx./lambda0)*sind(0)); bbb=bbb+exp(1j *k. *phaseX).*exp( 1j *2*pi*k*(dx./lambda0)*sind(-12)); bb=bb+exp( 1j *k.*phaseX).*exp( 1j *2*pi*k*(dx./lambda0)*sind(main)).*(1 -W(k+1,:));%*conj(Wopt(k+1)); end

AInLine(i,:)=abs(b)/Nx; AInLineb(i,:)=abs(bb)/Nx; AInLinebb(i,:)=abs(bbb)/Nx; end

% i=0;AInLineRezult=zeros( 1801 ,n); % for angleX=-90:0.1:90 % i=i+1;

% phaseX=2 *pi*(0.5)* sind(angleX) ; % b=0; % for k=0:Nx-1

% b=b+exp(1j*k.*phaseX).*exp(1j*2*pi*k*(dx./lambda0)*sind(-12)); % end

% AInLineRezult(i,:)=abs(b)/Nx; % end

phaseX=2*pi*(0.5)*sind(12);

k=0:Nx-1; F0=exp( 1j *k.*phaseX);

F0

phaseX=2*pi*(0.5)*sind(12);

b2=exp( 1j*k. *phaseX).*exp(1j *2*pi*k.*(0.5)*sind(-12));

b2

X=F0./b2; W=X

i=0;AInLineRezult=zeros(1801,1); for angleX=-90:0.1:90 i=i+1;

phaseX=2*pi*(0.5)*sind(angleX); b=0;

for k=0:Nx-1

b=b+exp( 1j *k.*phaseX)*W(k+1); end

AInLineRezult(i)=abs(b)/Nx; end

angleX=-90:0.1:90; figure(1);

surf(f0,angleX,AInLine); xlabel('4acTOTa, Гц'); ylabel('Yro^ zlabel('D(f,phi), отн.ед.');

Ше('Диаграмма направленности МР для разных частот источника сигнала'); grid on;

figure(4)

a=0:2*pi/3600:pi;

polar(a,AInLineb(:,find(f0==300)),,,b'); hold on;

polar(a,AInLineb(:,find(f0==500))','r'); polar(a,AInLineb(:,find(f0==1000))','g'); hold off;

figure(3);

%plot(angleX,AInLine(: ,find(f0==4100)),'r',angleX,AInLineRezult(:,find(fD==4100)),'g

%plot(angleX,AInLine(: ,find(f0==4100)),'r',angleX,AInLineb(:,find(fD==4100)),'g',angl eX,AInLineb(:,find(f0==2500)),,b',angleX,AInLineb(:,find(fD==2000)),,k,,angleX,AInL ine(: ,find(fD==2000)),'c',angleX,AInLine(: ,find(fD==2500)),'m');

3. ПО для моделирования геометрии линейной неэквидистантной МР.

clear all;close all; N=16;

Diagramm=zeros( 180,1); Diagramm1=zeros( 180,1); DiagrammRef=zeros( 180,1); DiagrammRef1=zeros(180,1); k=0:N-1; v=340; l=1/(N-1); d=l*k; f0=600; f1=2700;

lambda0=v/f0; lambda1=v/f1; dt = d *(1/lambda0); dt1 = d *(1/lambda1); i=0;

dalpha=1;

gain=0;

gain1=0;

angleX 1=-90: dalpha: 90;

for angleX=-90:dalpha:90 i=i+1;

D=sum(exp(dt* 1j *pi*sind(angleX))); DiagrammRef(i)=abs(D)/N; D1=sum(exp(dt1*1j*pi*sind(angleX))); DiagrammRef1 (i)=abs(D 1 )/N;

end

G=0;G1=0;

while ( gain < 7 || gain1 < 7 ) Diagramm=zeros( 180,1); Diagramm 1=zeros(180,1); d_test = d + l *(rand(1,N)-0.5); dt = d_test *(1/lambda0); dt1 = d_test *(1/lambda1); i=0;

for angleX=-90:dalpha:90 i=i+1;

D=sum(exp(dt* 1j *pi*sind(angleX))); D1=sum(exp(dt1*1j*pi*sind(angleX)));

Diagramm(i)=abs(D)/N; Diagramm1(i)=abs(D 1 )/N; end

DiagrammS = Diagramm;

TF = islocalmax(DiagrammS);

DiagrammD = DiagrammS(TF);

DiagrammD = [DiagrammD; DiagrammS(1)];

[m, ind1] = max(DiagrammD);

max 1 =DiagrammD(ind 1);

DiagrammD(ind 1) = -Inf;

[m, ind2] = max(DiagrammD);

max2=DiagrammD(ind2);

gain = max([max1 max2])/min([max1 max2]);

G=[G gain];

DiagrammS = Diagramm1;

TF = islocalmax(DiagrammS);

DiagrammD = DiagrammS(TF);

DiagrammD = [ DiagrammD; DiagrammS(1)];

[m, ind1] = max(DiagrammD);

max 1 =DiagrammD(ind 1);

DiagrammD(ind1) = -Inf;

[m, ind2] = max(DiagrammD);

max2=DiagrammD(ind2);

gain1 = max([max1 max2])/min([max1 max2]);

G1=[G1 gain1];

%figure(3); %hold on;

%plot(angleX1,[ Diagramm DiagrammRef]); %plot(G); end gain hold off; figure(1)

plot(d_test,ones(N),'r*'); figure(2);

angleX=-90: dalpha: 90;

plot(angleX,[ Diagramm DiagrammRef]);

figure(4);

angleX=-90: dalpha: 90;

plot(angleX,[Diagramm1 DiagrammRefl ]);d_test

ПРИЛОЖЕНИЕ 2

СВИДЕТЕЛЬСТВО о государственной регистрации программы для ЭВМ

№2021616309

ЦФМАС.00001-01 Модуль расчета разборчивости речи.

Формантнып подход

Правообладатель: Акционерное общество «Научно-технический центр «Формула защиты»(ЯС)

Автор(ы): Губернаторов Олег Николаевич (КЦ)

Заявка №2021615633 Дата поступления 20 апреля 2021 Г. Дата государственной регистрации в Реестре программ для ЭВМ 20 апреля 2021 Г.

Руководитель Федеральной слу жбы по интеллектуальной собственности

ДОКУМЕНТ ПОДПИСАН ЭЛЕКТРОННОЙ

ПОДПИСЬЮ