Разработка и исследование методов мягкого декодирования цифровых данных для повышения эффективности беспроводных сенсорных сетей тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Дамдам Мохаммед Абдуллах Яхья

• Дамдам Мохаммед Абдуллах Яхья
• кандидат наук
• 2023

Оглавление диссертации кандидат наук Дамдам Мохаммед Абдуллах Яхья

ВВЕДЕНИЕ

ГЛАВА 1. МОРФОЛОГИЧЕСКИЙ СИНТЕЗ ЭЛЕМЕНТОВ СЕНСОРНЫХ СЕТЕЙ В УСЛОВИЯХ ПРИМЕНЕНИЯ СРЕДСТВ

ИЗБЫТОЧНОГО КОДИРОВАНИЯ

1.1. Анализ технологических особенностей построения сенсорных сетей на основе морфологического синтеза

1.2. Обзор основных методов помехоустойчивого кодирования

1.3. Модели формирования оценок надежности двоичных и недвоичных 19 символов кодовых векторов

1.4. Статистические характеристики МРС на базе исследования имитационных моделей

1.5. Суть перестановочного декодирования и его свойства

1.6. Вывод по главе

ГЛАВА 2. ИЗБЫТОЧНОЕ КОДИРОВАНИЕ В СИСТЕМЕ

МАЛОМОЩНЫХ БЕСПРОВОДНЫХ СЕНСОРНЫХ СЕТЕЙ

2.1. Введение

2.2. Оценка требуемой минимальной передаваемой мощности сенсорным узлом

2.2.1. Минимизация передаваемой мощности

2.2.2. Аналитическое моделирование процедуры передачи данных и расчет энергетических потерь

2.3. Корректирующие коды в системе формирования ЭВК

2.4. Применение избыточных кодов для экономии энергии

2.4.1. Минимальная требуемая мощность передачи сигналов

2.4.2. Потребляемая мощность декодера

2.4.3. Расчет критического расстояния

2.5. Значения критических расстояний для различных реализованных декодеров

2.6. Вывод по главе

ГЛАВА 3. ПРИНЦИПЫ ПОСТРОЕНИЯ МНОГОМЕКРНЫХ

КОДОВ

3.1. Построение кодов размерности 2D и 3D с проверкой четности

3.2. Пример реализации 2D и 3D

3.3. Вывод по главе

ГЛАВА 4. ИСПОЛЬЗОВАНИЕ НЕДВОИЧНЫХ ИЗБЫТОЧНЫХ

КОДОВ В СОВРЕМЕННЫХ СИСТЕМАХ ОБРАБОТКИ ДАННЫХ

4.1. Модели формирования мягких решений символов недвоичных кодов в системе каскадных кодеков

4.1.1. Обзор методов сравнения гистограмм в системе выработки МРС

4.1.2. Результаты испытаний имитационной модели с АБГШ

4.2. Формирование МРС в системе каскадных кодеков

4.3. Алгоритм формирования кластера

4.4. Принцип перестановочного декодирования

4.5. Защита номера кластера, схема вариационных приближений

4.6. Вывод по главе

ЗАКЛЮЧЕНИЕ

СПИСОК СОКРАЩЕНИЙ

СПИСОК ЛИТЕРАТУРЫ

Приложение А. Графическое представление кластеров кода РС (7,3,5).. 119 Приложение Б. Акт об использовании результатов диссертационной

работы

ВВЕДЕНИЕ

Введение диссертации (часть автореферата) на тему «Разработка и исследование методов мягкого декодирования цифровых данных для повышения эффективности беспроводных сенсорных сетей»

Актуальность темы исследования.

Беспроводные сенсорные сети (БСС) в настоящее время рассматриваются для многих предметных областей в качестве эффективных телекоммуникационных решений сбора первичной информации в системе промышленных и сельскохозяйственных объектов, наблюдения за датчиками (сенсорами) систем обеспечения транспортной безопасности, многочисленных приложений в медицине, процедур мониторинга окружающей среды, дорожного трафика, реализации концепции Интернета вещей и однозначно отвечающих перспективам развития высоких технологий. В таких системах избыточные коды (ИК) являются классическим средством, используемым для повышения надежности передачи цифровых данных и поэтому объективно влияющих на снижение требуемой передаваемой мощности передатчиков сенсорных узлов (СУ), получившим название в общей теории телекоммуникаций энергетический выигрыш кода (ЭВК). Однако снижение мощности передатчика объективно требует дополнительного энергопотребления в приемных СУ при реализации процедуры исправления ошибок в их процессорах.

Если дополнительная потребляемая мощность при работе декодера превосходит экономию передаваемой мощности из-за использования ИК, тогда такой код не будет энергоэффективным по сравнению с системой, в которой используется безызбыточное кодирование. Для защиты цифровых данных в БСС в зависимости от их конструктивных особенностей могут применяться различные ИК, параметры которых оптимизируются по критериям максимума исправляющей способности и минимума сложности реализации процедуры декодирования.

Разнообразие способов практического использования БСС однозначно указывает на актуальность проблем снижения энергопотребления СУ при реализации декодирования ИК. Поэтому одной из центральных задач проводимых исследований является оценка снижения энергетических затрат при реализации процедуры декодирования различных ИК в ходу функционирования СУ.

Асимптотические оценки мягких декодеров показывают, что они способны обеспечить ЭВК в 3 дБ относительно жестких методов обработки цифровых данных ИК, что указывает на их перспективность применения в системе БСС. При этом важно использовать такие методы формирования МРС, которые не требуют большого расхода заряда элемента питания СУ и формируют оценки надежности в целочисленном формате. Известно, что целочисленный формат МРС значительно проще в реализации и проигрывает действительным оценкам МРС по параметру ЭВК всего около 0,2 дБ.

Степень разработанности темы исследований.

Исследования в области БСС целесообразно разделить на два основных направления. Первое из них может быть связано с исследованием алгоритмов и методов функционирования БСС в качестве сетевой технологии. На данном направлении наиболее важные теоретические и практические результаты связываются с работами Кучерявого А.Е., Киричка Р.В., Прокопьева А.В., Абилова А.В., Парамонова А.И., Аль-кадами Н.А., Баскакова С.С. Heinzelman W. Бакина Е.А., Евсеева Г.С., Varaiya P., Koubaa A. и др. Работы указанных авторов в основном связаны с изучением вопросов маршрутизации данных, оценки эффективности работы БСС в зависимости от плотности СУ, оценки проблем предотвращения коллизий, многошаговой маршрутизации двух адресных пакетных данных и методов множественного доступа к среде передачи. Таким образом, вопросы защиты данных в БСС с использованием средств помехоустойчивого кодирования в сочетании с методами мягкой обработки цифровой информации, изучены недостаточно полно и имеют важное практическое значение, особенно в сетевых структурах БСС с изменяемой топологией СУ при логистической необходимости установки их на различных подвижных объектах.

Следует указать, что наиболее заметной работой в области использования средств ИК в системе БСС является работа авторов Sheryl L. Howard, Christian Schlegel, и Kris Iniewski, которые справедливо оценивали показатели ЭВК для различных ИК. Однако и в данном случае методы мягкого декодирования данных

анализу не подвергались и соответствующие приемники цифровых данных не синтезировались.

С целью повышения эффективности обмена данными в БСС должны быть минимизированы временные затраты на получение статистических характеристик используемых каналов связи. Очевидно прямое применение турбокодов (параллельные и последовательные версии), известных систем многопорогового декодирования данных и хорошо изученных кодов с малой плотность проверок на четность с их большими длинами кодовых векторов для БСС малопригодны. Для достижения, требуемого ЭВК целесообразно использовать мягкие неалгебраические алгоритмы декодирования двоичных и недвоичных кодов совместно с итеративными преобразованиями, относящимися не к каждому символу кодовых векторов, а только к той части, от которой в наибольшей степени зависит правильное восстановление данных, в том числе, на основе произведения двоичных кодов различной размерности.

Цели и задачи исследования.

Целью диссертационной работы является разработка и исследование методов мягкого декодирования избыточных кодов для повышения энергетической эффективности систем обмена данными в беспроводных сенсорных сетях.

Для достижения поставленной цели необходимо решить следующие задачи:

1. На основе морфологического синтеза оценить место БСС в общей структуре различных систем обработки цифровых данных, выявить перспективные направления их развития.

2. Оценить особенности формирования мягких решений двоичных символов на основе модификации параметров двоичного стирающего канала связи в системе БСС для реализации перестановочного декодирования блоковых ИК.

3. Выявить рациональные методы формирования мягких решений в системе обработки недвоичных символов для реализации мягкого декодирования недвоичных избыточных кодов.

4. Оценить возможности мягкого декодирования недвоичных кодов Рида -Соломона (РС) в системе БСС.

Объект и предмет исследования.

Объектом исследования являются беспроводные сенсорные сети с защитой, обрабатываемой в них цифровой информации с использованием средств помехоустойчивых кодов. Предметом исследования являются алгоритмы мягкого декодирования таких кодов с возможным итеративным преобразованием обрабатываемых данных.

Соответствие работы рассматриваемым специальностям.

Область исследований и содержание диссертационной работы соответствует пунктам 1 и 18паспорта специальности 2.2.15. Системы, сети и устройства телекоммуникаций:

- п. 1 - разработка и совершенствование методов исследования, моделирования и проектирования сетей, систем и устройств телекоммуникаций;

- п. 18 - разработка научно-технических основ создания сетей, систем и устройств телекоммуникаций и обеспечения их эффективного функционирования.

Научная новизна

1. Развит метод перестановочного декодирования для технологий БСС отличающийся применением быстрой коррекции показателей мягких решений в процедуре их итеративных преобразований.

2. Показана возможность снижения вычислительных затрат при декодировании цифровых данных отличающаяся готовым результатом порождающей матрицы эквивалентного кода для любой произвольной перестановки символов, априори вычисленной и внесенной в когнитивную карту декодера.

3. Предложена модель оценки энергетического выигрыша кода, отличающаяся возможностью пересчета этого параметра в критическое расстояние обеспечения надежной связи с соседним элементом сети.

4. Доказана эффективность процедуры списочного декодирования недвоичных кодов РС, отличающаяся кластеризацией небольшого количества кодовых векторов из их общего счетного множества.

Теоретическая значимость работы

Теоретическая значимость исследования заключается в строгом обосновании метода разбиения пространства недвоичных кодов РС на кластеры, номера которых упорядочиваются лексикографически. При этом комбинации всех образованных кластеров подобны комбинациям базового кластера с номером ноль через систему ключевых кодовых векторов известных приемнику априори. Это позволяет осуществлять мягкое списочное декодирование линейных кодов с использованием единственного списка, а разработанные на этой теоретической основе алгоритмы обладают простотой реализации и могут быть применены при модификации современных и разработке перспективных информационно-управляющих комплексов (ИУК) реального времени.

Практическая ценность работы

Заявленные в диссертации и научно обоснованные теоретические положения избыточного кодирования и расчетные методики в курсе лекций учебной дисциплины «Теория информации и кодирования» для студентов, обучающихся по программе специалитета 10.05.02 «Информационная безопасность телекоммуникационных систем», специализация №9 «Управление безопасностью телекоммуникационных систем и сетей», а также программное обеспечение разработанных имитационных моделей систем передачи двоичных и недвоичных данных в лабораторных занятиях учебной дисциплины «Общая теория связи 2» и учебной дисциплины специалитета «Сети и системы передачи информации», для студентов, обучающихся по направлению 11.03.02 «Инфокоммуникационные технологии и системы связи».

Методы исследования

Для решения поставленных задач и достижения обозначенной цели применены методы системного анализа, отдельные элементы алгебры теории групп, колец и полей, абстрактной алгебры, методы математического моделирования, теории вероятности и теории управления, численные методы.

Основные положения, выносимые на защиту

1. Получены сравнительные характеристики различных методов

кодирования данных в БСС, позволяющих оценить потерю мощности сигнала при увеличении расстояния между элементами сенсорных сетей.

2. Предложена технология перестановочного декодирования двоичных блоковых систематических кодов, обеспечивающая снижение вычислительных затрат за счет использования когнитивной карты декодера с априори вычисленными порождающими матрицами эквивалентных кодов.

3. Учитывая широкое распространение в системах управления технологий БСС, показана целесообразность применения каскадного кодирования на основе кодов РС и их декодирование с использованием аппарата кластерного разбиения общего пространства кодовых векторов.

4. Предложена рациональная конструкция системы проверок на четность команд управления в формате кодов размерности 2D и 3D.

Степень обоснованности и достоверности результатов работы

Результаты работы базируются на использовании общепринятой методологии исследований в области теории управления, общей теории связи, аргументированным применением известных научных положений теории построения помехоустойчивых кодов, корректным привлечением методов математической статистики, теории вероятностей и исследования операций апробации созданного программно-аппаратного комплекса и подтверждаются соответствием результатов теоретических и экспериментальных исследований.

Апробация результатов работы

Результаты работы опубликованы в 9 печатных трудах, в числе которых 3 статьи в журналах, входящих в перечень ВАК, 1 научная статья в научном журнале, индексированном в Scopus, 5 трудов и тезисов докладов на Международных и Всероссийских научно-технических и научно-практических конференциях.

Личный вклад автора

В совместных работах автор проводил рассуждения по обоснованию актуальности темы исследования и выработке концептуальных направлений совершенствования аппаратных решений в процедуре поиска эквивалентных

кодов, выполнял вывод аналитических соотношений, проведение расчетов, составление математических моделей и проведение испытаний имитационных моделей, обобщение и интерпретацию результатов таких испытаний. Персоналии, выполнявшие совместные исследования и имеющие отношение к теме диссертационной работы, представлены поименно в качестве соавторов конкретных совместных публикаций.

Структура и объем работы

Диссертация состоит из введения, четырех глав, заключения, списка сокращений, списка литературы и двух приложений, содержит 124 страниц машинописного текста, в том числе 33 рисунков и 5 таблиц. Список литературы включает в себя 133 наименования. В приложениях к диссертации представлены графические аналоги представления кластеров кода РС(7,3,5) в системе декартовых координат и копия акта внедрения результатов диссертационной работы.

ГЛАВА 1. МОРФОЛОГИЧЕСКИЙ СИНТЕЗ ЭЛЕМЕНТОВ СЕНСОРНЫХ

СЕТЕЙ В УСЛОВИЯХ ПРИМЕНЕНИЯ СРЕДСТВ ИЗБЫТОЧНОГО

КОДИРОВАНИЯ

1.1. Анализ технологических особенностей построения сенсорных сетей на основе морфологического синтеза

Сенсорные сети - это сети из множества устройств, которые снабжены датчиками и способны синхронно обмениваться информацией между собой и с внешней средой. Они используются в разных областях, включая медицину, промышленность, транспорт, реализацию высоких технологий и т.п. В целях обеспечения высокой достоверности, обрабатываемых в таких сетях данных могут быть использованы алгоритмические и кодовые методы защиты цифровых данных от помех.

Классификация сенсорных сетей может включать в себя [65, 128]:

1. Узловые сенсорные сети (node-based sensor networks). В таких сетях устройство обработки информации происходит в узлах сети.

2. Беспроводные сенсорные сети (wireless sensor networks). В таких сетях используются беспроводные технологии передачи данных.

3. Интеллектуальные сенсорные сети (intelligent sensor networks). Это сети, в которых устройства обработки информации оснащены искусственным интеллектом.

4. Большие сенсорные сети (large-scale sensor networks). Эти сети включают множество узлов, расположенных на большом пространстве.

5. Мобильные сенсорные сети (mobile sensor networks). Это сети, в которых узлы перемещаются, например, в случае применения беспилотных автомобилей.

6. Окружающие сенсорные сети (ambient sensor networks). Это сети, устанавливаемые в окружающей среде, например, для контроля загрязнения воздуха.

7. Сенсорные сети, управляемые событиями (event-driven sensor networks). В таких сетях сбор и передача информации происходит по мере возникновения определенных событий.

Сенсорные сети с автономным источником питания - это сети, в которых используются датчики и другие устройства сбора информации, работающие от

автономного источника питания (АИП). Такие сети используются для мониторинга и управления процессами в различных сферах, например, в промышленности, сельском хозяйстве, медицине и т.д.

Важно отметить, что в сенсорных сетях с АИП, датчики и другие устройства сбора информации размещаются на удаленных объектах без доступа к электропитанию. Это позволяет осуществлять мониторинг и управление процессами на больших расстояниях и в труднодоступных местах.

Для обеспечения автономной работы датчиков и устройств сбора информации используются различные типы источников питания, включая солнечные панели, которые позволяют заряжать элементы питания. Кроме того, для экономии энергии АИП используются различные методы энергосбережения, например, снижение частоты работы устройств и переход в режим дежурного приема [123, 130].

Вся информация, собранная датчиками и другими устройствами сбора информации, передается в центральную систему управления, где анализируется и используется для мониторинга и управления процессами. Таким образом, сенсорные сети с автономным источником питания играют важную роль в автоматизации и оптимизации различных процессов.

Стационарные сети с промышленным источником питания - это специализированные электрические системы, которые используются в промышленности для обеспечения энергией различных производственных объектов. Такие сети могут быть как внутренними, так и наружными, и охватывать как один отдельный объект, так и целый комплекс производственных объектов.

Промышленные источники питания, используемые в таких сетях, обычно имеют достаточно большую мощность и высокую степень надежности, что позволяет обеспечить непрерывную работу производственных объектов. Кроме того, такие системы могут включать в себя различные элементы автоматизации и контроля, что повышает их эффективность и удобство использования.

Стационарные сети с промышленным источником питания могут использоваться в самых разных отраслях промышленности - от машиностроения до электроэнергетики и нефтехимии. В каждом случае такая система должна быть разработана и построена с учетом конкретных требований производственных объектов и обеспечения их непрерывной работы.

С целью рационального использования технологий БСС, целесообразно

использовать методологию морфологического синтеза, позволяющую составить карту инцидентности и выявить возможные неиспользованные ресурсы такой сетевой технологии. Пример подобной матрицы приведен в таблица 1.1.

Таблица 1.1

Пример матрицы инцидентности морфологического анализа

.............................................................................. Маршрутизация Коллизий Многошаговая маршрутизация Множественный доступ Помехоустойчивое кодирование Мягкие методы декодирования Когнитивная технология

Промышленность + + +

Сельское хозяйство + + +

Мониторинг + + + + +

Интернет вещей + + +

Медицина +

Стационарные БСС + + +

Мобильные БСС + + +

Из таблицы 1.1. видно, что в системе проанализированных БСС могут использоваться избыточные коды [128], которые не применяют технологию мягкого декодирования, позволяющую существенно повысить информационную надежность, обрабатываемых цифровых данных. В последующем возможно появление иных технологических решений, позволяющих развивать карту инцидентности с целью совершенствования процедуры функционирования БСС. Например, обеспечения ЭВК в 3 дБ, позволяет снизить мощность передатчика БСС в 2 раза, что однозначно экономить ресурс АИП. С другой стороны, использование технологию ПД позволяет отказаться от поиска порождающей матрицы эквивалентного кода для каждой принятой комбинации, а по заранее вычисленным перестановкам символов кодового вектора и внесенным результатам вычисления в когнитивную карту декодера осуществить процесс декодирования без производства матричных вычислений, заменяя его на продуктивный поиск нужной матрицы в когнитивной карте. Подобный подход является важной составляющей в экономии ресурса АИП. Асимптотические оценки мягких декодеров показывают, что они способны обеспечить ЭВК в 3 дБ относительно жестких методов обработки цифровых данных ИК, что указывает на их перспективность применения в системе БСС.

Таким образом, анализ матрицы инцидентности в соответствии с данными, полученными из известных научных публикаций, относящихся к построению

БСС, показал, что эффективные средства рационального использования АИП в формате помехоустойчивых кодов, рассматривался в единственной работе и изучался без учета известных технологий мягкого декодирования цифровых данных, включая метод ПД. Применение подобных средств способно повысить эффективность использования АИП.

1.2. Обзор основных методов помехоустойчивого кодирования

Современные методы помехоустойчивого кодирования складываются из трех основных направлений: блоковые коды, непрерывные или сверточные коды, полярные коды, а также их различные комбинации [93, 94, 103, 108]. Рассматриваемая классификация избыточных кодов в соответствии с их конструктивными свойствами представлена на рисунке 1. 1.

Рисунок 1.1 - Классификация основных направлений развития систем избыточного

кодирования

Основное внимание в диссертационной работе уделяется методам построения блоковых кодов, которые позволяют реализовать способ перестановочного декодирования и по этой причине обработка непрерывных (сверточных) кодов не рассматривается. При этом полярные коды позволяют получить мягкие решения, но для этого требуется сложный вычислительный процесс, связанный с оценкой условных вероятностей по методу Бхаттачария [96, 100, 100], что технологически не очень подходит к задаче построения БСС.

Блоковые коды - это класс помехоустойчивых кодов, которые можно описать парой чисел (п, к). В процессе кодирования блок из к символов сообщения преобразуется в больший блок из п символов кодового слова, образованного с использованием элементов данного алфавита. Если алфавит состоит только из двух элементов (0 и 1), код является двоичным и включает только двоичные разряды. В таком коде всегда можно указать начало и конец кодовой комбинации [85, 86]. Это свойство полезно в системе с переспросами и при пороговом декодировании [104, 109, 111]. Данные коды в наибольшей степени приспособлены для адаптивных систем [36].

Наиболее простым способом преобразования к информационных символов в п-мерный кодовый блок является обращение к таблице соответствий, в которой каждому набору информационных слов соответствует единственный набор из п кодовых слов. Однако при построении кодов с длинными блоками, например, кода (127, 92), построение таблицы соответствия становится слишком трудоемкой процедурой, а ее хранение в памяти кодека требует существенных аппаратных затрат. В этом случае, более эффективным методом кодирования является использование так называемой порождающей матрицы О [38].

V, *12 •

в = V 2 = ^22 • " V 2 „ > (11)

V _ Л1 ^2 • •• Ъп _

где V - вектор кодового пространства, у у - компоненты этого вектора. В матричном виде генерация кодового слова примет вид:

и = т ■ в, (1.2)

где т - информационный вектор.

Таким образом, порождающая матрица О полностью определяет кодовый вектор, при этом кодеру необходимо хранить только ее компоненты, что существенно экономит объем памяти устройства.

При декодировании принятого кодового вектора, как правило, используют проверочную матрицу Н. Для каждой порождающей матрицы (к х п) существует матрица Н размером (п - к) х п, такая, что строки матрицы О ортогональны к строкам матрицы Н [115]. Иными словами, ОН = 0. Представим порождающую матрицу в систематическом виде:

с=[р; ¡к], (1.3)

где Р - массив четности, входящий в состав порождающей матрицы, 1к -единичная матрица, размерностью (к х к).

Чтобы матрица Н удовлетворяла требованиям ортогональности систематического кода, ее компоненты записываются в следующем виде:

Н = [1п.к \ РТ]. (1.4)

Поскольку проверочная матрица Н создана так, чтобы удовлетворять условиям ортогональности, она позволяет проверять принятые векторы на предмет их принадлежности заданному набору кодовых слов [115]. и будет кодовым словом, генерируемым матрицей О, тогда и только тогда, когда выполняется равенство:

и • НТ = 0. (1.5)

Для определения характера ошибки в принятом векторе Я необходимо вычислить синдром Предположим, что из канала связи поступил вектор Я, содержащий ошибки:

Я = и + е, (1.6)

где е - вектор ошибки, внесенной каналом связи. Тогда синдром принятого сигнала будет определяться следующим образом:

5 = Я• НТ . (1.7)

При отсутствии ошибок в принятом векторе, то есть при е = 0 ^ Я = и, синдром равен нулю. В противном случае, если 5 Ф 0, переданный вектор был искажен в канале связи, а значение синдрома 5 позволит установить характер

этого искажения. Зная характер ошибки, декодер пытается ее локализовать и исправить, либо, если его мощности недостаточно для этого, он посылает запрос на перевыдачу этого сообщения [32, 89]. Используя уравнения (1.6) и (1.7), можно представить синдром 5 в следующем виде [24]:

Согласно выражению (1.8) произведение кодового вектора и проверочной матрицы равно нулю, получим выражение:

Уравнение (1.9) дает взаимно однозначное соответствие между синдромным вектором 5 и вектором ошибки е. Зная значение вектора ошибки е, достаточно вычесть (эквивалентно сложению для двоичных символов) его из принятого вектора Я, таким образом, ошибка будет исправлена [55].

Рассмотренный синдромный подход к декодированию блоковых кодов является обобщенным способом, и для декодирования некоторых кодов описанных действий будет недостаточно [112]. Так при декодировании недвоичных кодов, таких как, например, кодов Рида - Соломона, синдром позволит только локализовать ошибку, а для ее исправления потребуется вовлечение дополнительного математического аппарата [12, 113, 122].

Если в телекоммуникационных системах (ТКС) из состава ИУК используется помехоустойчивый код Сп, к, й, где п - длина кодовой комбинации, к - число

информационных разрядов, а й - метрика Хемминга, то достаточно вносить в комбинацию кода t >(й +1)/2 ошибок, чтобы сорвать работу кодека или перевести ТКС в режим повторения информации по запросам. Целесообразность рассмотрения задачи синтеза в данном случае обусловлена практической необходимостью проектирования систем, функционирование которых предполагается при применении противником средств, специально разработанных для подавления проектируемой системы. В указанных выше условиях б -оптимальная система способна обеспечивать субоптимальные режимы функционирования декодера, например, за счет использования режима мягкой

(1.8)

£ = е • Нт .

(1.9)

обработки данных и исправления стираний, а не только режима исправления ошибок [1, 3, 4, 50, 56, 78,87, 90, 118].

В новых условиях декодер формирует максимально возможное число стертых позиций [9, 65, 77, 99] для минимизации ошибочного декодирования данных (декодирование за пределами конструктивных возможностей кода). Обычно близкие к этому алгоритмы алгебраического декодирования используют сведения о весовой структуре кода.

Список литературы диссертационного исследования кандидат наук Дамдам Мохаммед Абдуллах Яхья, 2023 год

СПИСОК ЛИТЕРАТУРЫ

1. Аджемов А. С., Санников В. Г. Общая теория связи. Учебник для вузов.

- М.: Горячая линия - Телеком, 2018. - 624 с.

2. Акимов О. Е. Дискретная математика: логика, группы, графы, фракталы.

- М.: издатель АКИМОВА, 2005. - 656 с.

3. Андреев В. А. Многомодовые оптические волокна: Теория и приложения на высокоскоростных сетях связи. - М.: Радио и связь, 2004. - 246 с.

4. Андреев В. А., Бурдин В. А., Попов Б. В., Польников А. И. Строительство и техническая эксплуатация волоконно-оптических линий связи : Учеб. для вузов.- М.: Радио и связь, 1995. 198 с.

5. Антонов А. В. Системный анализ: учебник, - М, : Высшая школа, 2004.

- 454 с.

6. Анфилатов В. С., Емельянов А. А., Кукушкин А. А. Системный анализ в управлении: учеб. Пособие. - М. : Финансы и статистка, 2006. - 368 с.

7. Бабанов Н. Ю., Гладких А. А., Наместников С. М., Шахтанов С. В. Свойства циклических структур в системе перестановочного декодирования избыточных кодов / Автоматизация процессов управления. - 2020. - №2(60). - С. 101 - 108.

8. Бакурова А.Д., Саид Басем А.С., Бакуров Д.Д. Процедура поиска множества вырожденных матриц в системе перестановок двоичного блокового кода // 2-я Всероссийская конференция: Современные технологии обработки сигналов. доклады конференции. 2019. С. 128-132.

9. Битнер В. И., Михайлова Ц.Ц. Сети нового поколения NGN : учеб. пособие для вузов. - М. : Горячая линия - Телеком, 2011. - 225 с.

10. Блейхут Р. Быстрые алгоритмы цифровой обработки сигналов. - М., 1989.- 448 с.

11. Борисов В. В., Круглов В. В., Федулов А. С. Нечеткие модели и сети. -М. : Горячая линия - Телеком, 2017. - 284 с.

12. БурдинА .В. Моделирование маломодовых оптических волокон с уменьшенной дифференциальной модовой задержкой в «С»-диапазоне длин волн// Труды учебных заведений связи № 1, 2016 СПбГУТ 2016 С. 32-37

13. Бурдин А. В. Маломодовый режим передачи оптических сигналов по многомодовым волокнам: приложения в современных инфокоммуникациях. -Самара: ПГУТИ, 2011. - 274 с.

14. Бурдин А. В., Бурдин В. А., Андреев В. А. Моделирование кварцевых многомодовых оптических волокон транспортных сетей связи нового поколения // Прикладная фотоника. - 2014 № 2. - С. 24 - 47

15. Васильев А. Б., Воронин В. Г., Камынин В. А., Лукиных С. Н., Наний О. Е. Механизмы потерь в одномодовых волоконно-оптических линиях связи. Методическое и учебное пособие. / Москва, МГУ. 2016 - 43с.

16. Васильев К. К. Методы обработки сигналов : учеб. пособие. -Ульяновск, УлГТУ, 2001. - 78 с.

17. Васильев К. К., Глушков В. А., Дормидонтов А. В., Нестеренко А.Г. Теория электрической связи: учебное пособие. - Ульяновск: УлГТУ, 2008. - 286 с.

18. Васильев К. К., Служивый М. Н. Математическое моделирование систем связи. - Ульяновск : УлГТУ, 2010. - 128 с.

19. Вернадский В. И. Биосфера мысли и наброски. - М. : Изд. Дом «Ноосфера», 2001. - 244 с.

20. Вернер М. Основы кодирования. - М. : Техносфера, 2004. - 288 с.

21. Вечканов В. В., Киселев Д. В., Ющенко А. С. Адаптивная система нечеткого управления мобильным роботом // Мехатроника. - 2002. - № 1. - С. 2026.

22. Волков Л. Н., Немировский М. С., Шинаков Ю.С. Основы цифровой радиосвязи: базовые методы и характеристики : учеб. пособие. - М. : Эхо Тредз, 2005. - 392 с.

23. Волкова В. Н., Денисов А. А. Основы теории систем и системного анализа : - СПб.: Изд-во Политехнического университета, 2005. - 520 с.

24. Ганин Д.В., Дамдам М. А. Я., Савкин А.Л.. Перестановочное декодирование в маломощных беспроводных сенсорных сетях. // Автоматизация процессов управления. - 2022. - № 1 (68). - С.54-61.

25. Ганин Д. В., Тамразян Г. М., Шахтанов С. В., Саид Б., Бакурова А.Д. Процедура поиска множества вырожденных матриц в системе перестановок двоичного блокового кода. // Автоматизация процессов управления. - 2019. - № 4 (58). - С.82-89.

26. Ганин Д. В., Шахтанов С. В. Перестановочное декодирование в системе произведения избыточных кодов. // Сборник научных трудов III Научного форума «Телекоммуникации: теория и технологии» ТТТ-2019. Проблемы техники и технологий телекоммуникаций ПТиТТ-2019. XXI международная научно-техническая конференция. - Казань: КНИТУ-КАИ, 2019. - Т.1 - С.145-147.

27. Гасанов Э. Э., Кудрявцев В. Б. Теория хранения и поиска информации. -М: Физматлит, 2002. - 288 с.

28. Гладких А. А. Основы теории мягкого декодирования избыточных кодов в стирающем канале связи. - Ульяновск : УлГТУ, 2010. - 379 с.

29. Гладких А. А. Перестановочное декодирование как инструмент повышения энергетической эффективности систем обмена данными // Электросвязь. - 2017. -№ 8. - С. 52-56.

30. Гладких А. А., Ал Тамими Т.Ф.Х. Концепция когнитивной обработки данных в системе перестановочного декодирования недвоичного избыточного кода / Электросвязь. - № 9. - 2018, С. 69-74.

31. Гладких А. А., Климов Р. В., Чилихин Н. Ю. Методы эффективного декодирования избыточных кодов и их современные приложения. - Ульяновск: УлГТУ, 2016. - 258 с.

32. Гладких А. А., Овинников А.А., Тамразян Г. М. Математическая модель когнитивного перестановочного декодера / Цифровая обработка сигналов. -2019.- № 1. - С.14-19.

33. Гладких А. А., Пчелин Н. А., Шахтанов С. В. Минимизация объема памяти когнитивной карты декодера в системе поиска эквивалентных кодов // Радиотехника. - 2018. - № 6. - С. 38-41.

34. Гладких А. А., Шагарова А. А., Шахтанов С. В. Перестановочное декодирование недвоичного избыточного кода на базе когнитивного подхода. // Сборник докладов XXIV Международной научно-технической конференции «Радиолокация, навигация, связь». - Воронеж, 2018. - Т.1. - С.230-240.

35. Гладких А. А., Шахтанов С. В. Вероятностные оценки метода перестановочного декодирования двоичных избыточных кодов. // Сборник научных трудов X Юбилейной Всероссийской научно-практической конференции (с участием стран СНГ), посвящённый 60-летию УлГТУ «Современные проблемы проектирования, производства и эксплуатации радиотехнических систем». - 2017.

- Ульяновск: УлГТУ. - С.138-143.

36. Гладких А.А., Бакурова А.Д., Меновщиков А.В., Саид Б.А.С., Шахтанов С.В. Фрактальная кластеризация групповых кодов в системе вложенных полей Галуа // Журнал автоматизация процессов управления. 2020. № 4 (62). С. 85-92.

37. Голуб Дж., Ван Лоун Ч. Матричные вычисления. - М.: Мир, 1999 - 548

с.

38. Голубничая, Е. Ю. Слотовая маршрутизация данных в кластерных беспроводных сенсорных сетях на основе временной синхронизации головных узлов кластеров / Е. Ю. Голубничая, Б. Я. Лихтциндер // Системы синхронизации, формирования и обработки сигналов. - 2018. - Т. 9. - №3. - с. 68-74.

39. Давыдов И. Ю., Козлов Д.А., Шахтанов С. В., Шибаева М.Ю. Перестановочное декодирование в системе комбинаций кодовых конструкций при оценке биометрических данных. // Автоматизация процессов управления. - 2019.

- № 2 (56). - С.85-92.

40. Дамдам М.А.Я. Гибридный алгоритм мягкого декодирования кодов Рида-Соломона\\ В сборнике: Вузовская наука в современных условиях. сборник материалов 54-й научно-технической конференции: в 3 ч. Ульяновск, 2020. С. 223-226.

41. Дамдам М.А.Я.Имитационное моделирование работы декодера По Алгоритму С Провокацией Стертого Элемента // сборник трудов XXV Международной научно-технической конференции посвященной 160-литию со дня рождения А. С. Попова. Том 6 2019г.

42. Дамдам М.А.Я.Анализ функционирования декодеров каскадных кодов всистеме оптических каналов связи // сборник «Проблемы техники и технологии телекоммуникаций» ПТиТТ-2019г. Том 1.

43. Дамдам М.А.Я.Метод снижения сложности декодирования недвоичных избыточных кодов DSPA - 2020 // 22-ой Международной конференции. Сер. "Цифровая обработка сигналов и ее применение" Москва, 2020. С. 237-242.

44. Дамдам М.А.Я.Совершенствование алгоритма декодирования кода Рида-Соломона на базе когнитивной метафоры // Сборник: Радиолокация, навигация, связь. сборник трудов XXVI Международной научно-технической конференции: в 6 т., Воронеж, 2020. С. 216-221.

45. Деев В. В. Методы модуляции и кодирования в современных системах связи. - СПб. : Наука, 2007. - 267 с.

46. Драко А. М., Романенко Д. М. Особенности нейросетевого декодирования линейных блочных кодов // Труды БГТУ. - 2015. - № 6. - Физико-математические науки и информатика. - С. 166-170.

47. Зигангиров Д. К., Зигангиров К. Ш. Декодирование низкоплотностных кодов с проверочными матрицами, составленными из перестановочных матриц, при передаче по каналу со стираниями // Проблемы передачи информации. - 2006. - Т. 42, № 2. - С. 44-52.

48. Зяблов В.В., Коробков Д.Л., Портной С.Л. Высокоскоростная передача сообщений в реальных каналах. - М.: Радио и связь, 1991. - 288 с.

49. Ибрагимов Р.З., Фокин В.Г. Исследование устойчивости оптических систем на линиях с одномодовыми волокнами без компенсации хроматической дисперсии // Телекоммуникации, №8, 2015. - С. 40 - 43.

50. Ирвин Дж., Харль Д. Передача данных в сетях: инженерный подход: Пер. с англ. - СПб.: БХВ-Петербург, 2003. - 448 с.

51. Камино Дж. Стандарты внутриобъектового многомодового волокна // Первая миля. - 2019. - №3. - С. 42 - 47.

52. Карташевский В. Г., Мишин Д. В. Итерационное декодирование турбокодов в канале с памятью // Тез. докл. 3-й Междунар. конф. «Цифровая обработка сигналов и ее применение» - М., 2000. - С. 152-155.

53. Карташевский В. Г., Мишин Д. В. Прием кодированных сигналов в каналах с памятью. - М. : Радио и связь, 2004.- 239 с.

54. Клименко И.С., Теория систем и системный аналаиз: учебное пособие. -М. : КНОРУС, 2021. - 264 с.

55. Кловский Д. Д. Передача дискретных сообщений по радиоканалам. - М.: Связь, 1969. - 375 с.

56. Когновицкий О. С., Охорзин В. М. Теория помехоустойчивого кодирования. Ч 1. Циклические коды. - СПб.: СПбГУТ, 2015. - 84 с.

57. Когновицкий О. С., Охорзин В. М., Небаев И. А. Теория помехоустойчивого кодирования. Ч 2. Сверточные коды. Турбокоды. - СПб.: СПбГУТ, 2015. - 64 с.

58. Комашинский В. И., Комашинский Д. В. Когнитивная метафора в развитии телекоммуникационных и индустриальных сетевых инфраструктур, или первые шаги к постинформационной эпохе // Технологии и средства связи. -2015.- № 1. С. 62-66.

59. Комашинский В. И., Соколов Н. А. Когнитивные системы и телекоммуникационные сети // Вестник связи. - 2011. - № 10. - С. 4-8.

60. Конопелько В. К., Липницкий В. А. Теория норм синдромов и перестановочное декодирование помехоустойчивых кодов. -3-е изд.-М.:Едиториал УРСС, 2012. - 176 с.

61. Королев А. И. Коды и устройства помехоустойчивого кодирования информации. - Минск: Бестпринт, 2002. - 286 с.

62. Листвин А.В., Листвин В.Н., Швырков Д.В. Оптические волокна для линий связи // Москва 2003 - 106 с.

63. Мардер Н.С. Современные телекоммуникации. - М. : ИРИАС, 2006. -348 с.

64. Морелос-Сарагоса Р. Искусствопомехоустойчивого кодирования. Методы, алгоритмы, применение. - М. : Техносфера, 2005.-320 с.

65. Николаев Д.Б., Мартынов А.П., Фомченко В.Н. Технические средства и методы обеспечения безопасности информации : Учебное пособие. Саров ФГУП «РФЯЦ - ВНИИЭФ», 2015. - 394 с.

66. Овечкин Г.В., Зубарев Ю.Б Помехоустойчивое кодирование в цифровых системах передачи данных // Электросвязь. - 2008. - № 12. - С. 58-61.

67. О'Коннор Дж., Макдермотт И. Искусство системного мышления: необходимые знания о системах и творческом подходе к решению проблем: пер. с анг. - М. : Альпина Бизнес Букс, 2006. - 256 с.

68. Осокин А.Н., Мальчуков А.Н. Теория информации: учебное пособие. -Томск: Изд-во Томского политехнического университета, 2014. - 208 с.

69. Патент № 2672300, Российская Федерация, СПК Н03М 13/05, G06F 11/10. Перестановочный декодер с памятью. / Гладких А.А., Ганин Д.В., Сорокин И.А., Шамин А.А, Шахтанов С.В.; заявитель и патентообладатель Государственное бюджетное образовательное учреждение высшего образования Нижегородский государственный инженерно-экономический университет (ГБОУ НГИЭУ); - № 2017114324, заявка 24.04.2017, публикация 24.10.2018, бюл. № 30, приоритет 24.04.2017.

70. Патент № 2743854, Российская Федерация, СПК Н03М 13/05, Н03М 13/3784. Генератор комбинаций двоичного эквивалентного кода // Гладких А.А., Саид Б.А.С., Бакурова А.Д.; заявитель и патентообладатель федеральное государственное бюджетное образовательное учреждение высшего образования «Ульяновский государственный технический университет»; - № 2019140308, заявка 6.12.2019, публикация 1.03.2021, бюл. № 20, приоритет 6.12.2019.

71. Прангишвили И.В. О методах эффективного управления сложными системами // Тр. 5-й междунар. конф. «Когнитивный анализ и управление развитием ситуаций» (CASC'2005) / ИПУ РАН. - М., 2005. - С. 7-15.

72. Пчелин Н.А., Дамдам М. А. Я., Аль-Месри А.С.А., Брынза А.А. Парадигма нейросетевого декодирования недвоичных избыточных кодов. // Автоматизация процессов управления. - 2021. - № 1 (63). - С.74-81.

73. РД 45.047-99 Руководящий документ отрасли Линии передачи волоконно-оптические на магистральной и внутризоновых первичных сетях ВСС России. Техническая эксплуатация М. - 45 с.

74. Рекомендация МСЭ-Т G.651.1 Характеристики многомодового волоконно-оптического кабеля. ITU: Международный союз электросвязи // Швейцария, Женева, 2017 - 28 с.

75. Рекомендация МСЭ-Т G.652 Характеристики одномодового волоконно-оптического кабеля. ITU: Международный союз электросвязи // Швейцария, Женева, 2017 - 28 с.

76. Саид Б.А.С. Алгоритм работы генератора комбинаций эквивалентного кода в системе перестановочного декодирования // Сборник материалов 54-й научно-технической конференции: Вузовская наука в современных условиях. в 3 ч. Ульяновск, 2020. С. 233-236.

77. Саид Б.А.С. Декодирование с провокацией стертого элемента // в сборнике «Современные проблемы проектирования, производства и эксплуатации радиотехнических систем». Ульяновск. УлГТУ. 2014. № 9. С. 92-95.

78. Саид Б.А.С. роль ошибок первого и второго рода в системе формирования мягких решений символов // в сборнике «Современные проблемы проектирования, производства и эксплуатации радиотехнических систем». Ульяновск. УлГТУ. 2021. С. 117-121.

79. Саид Б.А.С. Метод формирования мягких решений в системе оптических линий связи // Цифровая обработка сигналов и ее применение. DSPA - 2020. Доклады на 22-ой Международной конференции. Сер. «Цифровая обработка сигналов и её применение» Москва, 2020. С. 247-252.

80. Саид Б.А.С. Мягкая обработка данных в системе оптических линий связи // Сборник научных трудов. Современные проблемы проектирования,

производства и эксплуатации радиотехнических систем. Ульяновск, 2020. С. 145147.

81. Саид Б.А.С. Оценка вероятностных характеристик перестановочного декодирования // сборник трудов XXVI Международной научно-технической конференции: Радиолокация, навигация, связь. в 6 т.. Воронеж, 2020. С. 316-321.

82. Саид Б.А.С. Оценка эффективного метода перестановочного декодирования двоичных избыточных кодов // Материалы XXI Международной научно-технической конференции 2019. III Научный форум телекоммуникации: теория и технологии ТТТ-2019. С. 184-185.

83. Саид Б.А.С. Работа декодера на основе лексикографического подхода // Сборник трудов XXV Международной научно-технической конференции, посвященной 160-летию со дня рождения А.С. Попова. Радиолокация, навигация, связь. В 6-ти томах. 2019. С. 6-9.

84. Саид Б.А.С. Работа декодера с циклическим сдвигом на основе лексикографического подхода // в сборнике «Современные проблемы проектирования, производства и эксплуатации радиотехнических систем». Ульяновск. УлГТУ. 2018. № 11. С. 169-172.

85. Саид Басем А.С. Вычисление множества вырожденных матриц в системе перестановочного декодирования // Сборник научных трудов. Современные проблемы проектирования, производства и эксплуатации радиотехнических систем. 2019. С. 177-181.

86. Скляр Б. Цифровая связь. Теоретические основы и практическое применение - 2-е изд., испр. - М. : Издательский дом «Вильямс», 2003. - 1104 с.

87. Тезадов Я., Отраднов С., Голубятников Е., Мандрик А., Коротков Н. Оборудование 200G в региональных и магистральных ВОЛС: компромисс цены и дальности передачи // Первая миля. - 2019. - №3. - С. 66 - 68.

88. Трещиков В.Н., Наний О.Е. Новое поколение DWDM - систем связи // Фотон-экспресс. - 2014. - №4 (116). - С. 18 - 23.

89. Флах П. Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знание из данных / пер. с англ. А.А. Слинкина. -М. : ДКМ Пресс, 2015. - 400 с.

90. Фокин Г. А. Принципы и технологии цифровой связи. Основы расчетов : учебное пособие /; СПбГУТ. - СПб., 2014. - 151 с.

91. Ярушкина Н.Г. Основы теории нечетких и гибридных систем: учебное пособие. - М. : Финансы и статистика, 2004. - 320 с.

92. Dondossola, Giovanna, FabrizioGarrone, and J Szanto. 2011. "Cyber Risk Assessment of Power Control Systems — A Metrics Weighed by Attack Experiments," July, 1-9. https://doi.org/10.1109/PES.2011.6039589.

93. A. Balatsoukas-Stimming, M. B. Parizi, and A. Burg, "LLR-based successive cancellation list decoding of polar codes," IEEE Transactions on Signal Processing, vol. 63, no. 19, pp. 5165-5179, Oct 2015.

94. Bashkirov A.V., Pirogov A.A., Makarov O.V., Beletskaya S.Y., Glotov V.V. Program Realization of Simulation Tools of Low-density coders: effective architecture of a decoder for massive parallel computations on graphic processors // Journal of Physics: Conference Series. The proceedings International Conference "Information Technologies in Business and Industry". 2019. C. 022001.

95. Carrasco R., Johnston M. A. Non-binary error control coding for wireless communication and data storage. J. Wiley & Sons, Ltd, 2008. 302 p.

96. Chen L., Carrasco R.A. Efficient list decoder for algebraic-geometric codes // Presented at 9th International Symposium on Communication Theory and Application (ISCTA'07). Ambleside, Lake district, UK, 2007.

97. Chen L., Carrasco R.A., Chester E.G. Performance of Reed-Solomon codes using the Guruswami-Sudan algorithm with improved interpolation efficiency // IET Communications, April 2007. Vol. 1, no 2. pp. 241-250.

98. Doyle L. Essentials of Cognitive Radio. Cambridge University Press, 2009. 252 p.

99. E. Arikan, "Channel polarization: A method for constructing capacity achieving codes for symmetric binary-input memoryless channels," IEEE Transactions on Information Theory, vol. 55, no. 7, pp. 3051-3073, July 2009.

100. Erasure Coding in Windows Azure Storage / C. Huang, H. Simitci, Y. Xu, A. Ogus, B. Calder, P. Gopalan,J. Lin, S. Yekhanin // IEEE Transactions on Information Theory, Sept. 2010. Vol. 5б, Is. 9.

101. Fang, Xi, SatyajayantMisra, GuoliangXue, and Dejun Yang. 2012. "Smart Grid — The New and Improved Power Grid: A Survey." Communications Surveys & Tutorials, IEEE 14 (January): 944-S0. https://doi.org/10.1109/SURV.2011.101911.00087.

102. Fischer, Jonatan, Sergio González, Mario Herrán, Marcos Judewicz, and Daniel Carrica. 2013. "Calculation-Delay Tolerant Predictive Current Controller for Three-Phase Inverters" PP (January): 1. https://doi.org/10.1109/TII.2013.2276104.

103. Gladkikh A. A., Andriyanov N.A., Volkov Al. K., Volkov An. K., Shakhtanov S.V. Development of Network Training Complexes Using Fuzzy Models and Noise-Resistant Coding // International Conference on Aviamechanical Engineering and Transport (AviaENT 2019), 2019. pp 373-379.

104. Gladkikh A. A., Ganin d. V., Menovshchikov A. K., Shakhtanov S.V., Shibaeva M.J. Permutational Cognitive Decoding of Nonbinary Redundant Codes and Their Statistical Characteristics // Journal of Mechatronics, Automation and Identification Technology Vol. 4, No.1, (2019). pp. 2S -33.

105. Gladkikh A. A., Ganin D. V., Pchelin N. A., Shakhtanov S. V., OchepovskyA. V. Coding Methods and Permutation Decoding in the Systems for Network Processing of Data // International Journal of Control and Automation Vol. 13, No.1, (2020), pp. 93-110.

106. Gladkih A.A., Damdam M.A.Y., Al-Mesri A.S.A., Volkov A.K. Solution of transport safety problems based on biometric systems with error-correcting coding procedures. // сборник: JOP Conference Series: et al 2020 J. Phys.: Conf. Ser. 1661 01203б (1-б). Available online at https://iopscience.iop.org/article/10.1088/742-б59б/1бб1/1/01203б^, doi:https://doi.org/10.1088/17433-6596/1661/1/012036

107. Gladkikh A.A., VolkovAl.K., VolkovAn.K., Saeed B.A.S., Yudaev V.V. The concept biometric system development based on modern error correcting coding // JOP Conference Series: Metrological Support of Innovative Technologies. Krasnoyarsk Science and Technology City Hall of the Russian Union of Scientific and Engineering Associations. Krasnoyarsk, Russia, 2020. C. 32036.

108. Gladkikh A.A., Mishin D.V., Chilikhin N.Y. Improving efficiency of fiber optic communication systems with the use of lexicographic decoding of polar codes // PROCEEDINGS OF SPIE. Optical Technologies for Telecommunications 2017, 20-23 November 2017. - Volume 10744. - pp/ 1-15.

109. Gladkikh A.A., Mishin D.V., Chilikhin N.Y., Ibragimov R. Z. Methods of coherent networks matching with codecs computational capabilities // Proc. SPIE 11146, Optical Technologies for Telecommunications 2018, 1114605 (24 June 2019); https://doi.org/10.1117/12.2526538.

110. Genga, Yuval, OlutayoOyerinde, and JacoVersfeld. 2021. "Iterative Soft-Input Soft-Output Bit-Level Reed-Solomon Decoder Based on Information Set Decoding." SAIEE Africa Research Journal 112 (June): 52-65. https://doi.org/10.23919/SAIEE.2021.9432893.

111. I. Dumer and K. Shabunov, "Soft-decision decoding of reed-muller codes: recursive lists," IEEE Transactions on Information Theory, vol. 52, no. 3, pp. 12601266, March 2006.

112. Koetter R., Vardy A. Algebraic soft-decision decoding of Reed-Solomon codes // IEEE Transactions on Information Theory, Nov. 2003.Vol. 49, no. 11. pp. 2809-2825.

113. Koike-Akino, Toshiaki, Ye Wang, D.s Millar, Keisuke Kojima, and Kieran Parsons. 2019. Neural Turbo Equalization to Mitigate Fiber Nonlinearity. https://doi.org/10.1049/cp.2019.0803.

114. Kuijper M., Nepp D. Erasure codes with simplex locality // IEEE Transactions on Information Theory (under revision), arXiv:1209.3977[cs.IT], 2013.

115. Kwang-Cheng Chen, Prasad R. Cognitive radio networks. Wyley, 2009. 359

p.

116. Li, Huiping, and Yang Shi. 2014. "Network-Based Predictive Control for Constrained Nonlinear Systems With Two-Channel Packet Dropouts." Industrial Electronics, IEEE Transactions On 61 (March): 1574-82. https://doi.org/10.1109/TIE.2013.2261039.

117. Liu, Bryan, Shuangyang Li, YixuanXie, and Jinhong Yuan. 2019a. "Deep Learning Assisted Sum-Product Detection Algorithm for Faster-than-Nyquist Signaling." 2019 IEEE Information Theory Workshop, ITW 2019. https://doi.org/10.1109/ITW44776.2019.8989271.

118. Liu, Ye-Hua, and David Poulin. 2019. "Neural Belief-Propagation Decoders for Quantum Error-Correcting Codes." Physical Review Letters 122 (May). https://doi.org/10.1103/PhysRevLett.122.200501.

119. Mori R., Tanaka T. Non-binary polar codes using Reed-Solomon codes and algebraic geometry codes // IEEE Information Theory Workshop (ITW), 2010. pp. 1-5.

120. Naeem, Muddasar, Giuseppe De Pietro, and Antonio Coronato. 2022. "Application of Reinforcement Learning and Deep Learning in Multiple-Input and Multiple-Output (MIMO) Systems." Sensors . https://doi.org/10.3390/s22010309.

121. Peng X.H. Erasure-control Coding for Distributed Networks // IEE Proceedings on Communications, 2005. Vol. 152. pp. 1075-1080.

122. S. Kudekar, S. Kumar, M. Mondelli, H. D. Pfister, E. jSajsoglu, and R. L. v Urbanke, "Reed-muller codes achieve capacity on erasure channels," IEEE Transactions on Information Theory, vol. 63, no. 7, pp. 4298-4316, July 2017.

123. Sanchez, Jose, Raphael Caire, and N Hadjsaid. 2013. ICT and Power Distribution Modeling Using Complex Networks. 2013 IEEE Grenoble Conference PowerTech, POWERTECH 2013. https://doi.org/10.1109/PTC.2013.6652388.

124. Sasoglu E., Telatar E., Arikan E. Polarization for arbitrary discrete memoryless channels // Proc. IEEE Information Theory Workshop ITW, 2009. pp. 144148.

125. Sinurat, Robin, Muhamad RizkiMaulana, Khoirul Anwar, and Nanang Ismail. 2020. "Study on Error Correction Capability of Simple Concatenated Polar Codes."

International Journal on Advanced Science, Engineering and Information Technology 10 (3): 899-904. https://doi.org/10.18517/ijaseit.10.3.10677.

126. Sinurat, Robin, Muhamad RizkiMaulana, Khoirul Anwar, and Nanang Ismail. 2020. "Study on Error Correction Capability of Simple Concatenated Polar Codes." International Journal on Advanced Science, Engineering and Information Technology 10 (3): 899-904. https://doi.org/10.18517/ijaseit.10.3.10677.

127. Sridhar, Siddharth, Adam Hahn, and ManimaranGovindarasu. 2012. "Cyber-Physical System Security for the Electric Power Grid." Proceedings of the IEEE 100 (January): 210-24. https://doi.org/10.1109/JPROC.2011.2165269.

128. Sheryl L. Howard, Christian Schlegel, and Kris Iniewski. Error Control Coding in Low-Power Wireless Sensor Networks: When Is ECC Energy-Efficient // Hindawi Publishing Corporation EURASIP Journal on Wireless Communications and Networking Volume 2006, Article ID 74812, Pages 1-14 DOI 10.1155/WCN/2006/74812.

129. Taghavi M.H., Siegel P.H. Adaptive methods for linear programming decoding // IEEE Trans. Inform. Theory, 2008. Vol. 54, № 12. pp. 5396-5410.

130. Tang, Siyun, Li Chen, and Xiao Ma. 2012. "Progressive List-Enlarged Algebraic Soft Decoding of Reed-Solomon Codes." IEEE Communications Letters 16 (6): 901-4. https://doi.org/10.1109/LCOMM.2012.042512.112511.

131. Tian C., Aggarwal V., Vaishampayan V.A. Exact-Repair Regenerating Codes via Layered Erasure Correction and Block Designs // Proceedings of IEEE International Symposium on Information Theory (ISIT), 2013. pp. 1431-1435.

132. Trifonov, "Efficient design and decoding of polar codes," IEEE Transactions on Communications, vol. 60, no. 11, pp. 3221-3227, November 2012.

133. Xu, Weihong, Xiaosi Tan, YairBe'ery, Yeong-LuhUeng, Yongming Huang, You Xiaohu, and Chuan Zhang. 2020. "Deep Learning-Aided Belief Propagation Decoder for Polar Codes." IEEE Journal on Emerging and Selected Topics in Circuits and Systems PP (May): 1. https://doi.org/10.1109/JETCAS.2020.2995962.

Приложение А Графическое представление кластеров кода РС (7,3,5)

500

1000

1500

2000

500

1000

1500

2000

1200 1000 800 600 400 200

500 1000 1500 2000 2500

1200 1000

500

1000

1500

2000

2500

0

0

0

0

lOOO BOO 600 400 2OO O

5OO

lOOO

l5OO

2OOO

25O

O

l2OO lOOO BOO 600 400 2OO O

SOO

lOOO

lSOO

2OOO

O

l5OO lOOO 5OO O

5OO

lOOO

l5OO

2OOO

25OO

O

Приложение Б

АКТ об использовании результатов диссертационной работы

об использовании результатов диссертационной работы Дамдам Мохаммед Абдуллах Яхья «Разработка и исследование методов мягкого декодирования цифровых данных для повышения эффективности беспроводных сенсорных сетей»

Комиссия в составе:

декана радиотехнического факультета УлГТУ к.т.н. доцента Кадеева Д.Н.; заведующего кафедрой «Радиотехника, телекоммуникации и защита информации (РТиЗИ)» д.т.н. доцента Дементьева В.Е.; доцента кафедры РТиЗИ к.т.н. доцента Елягина C.B.

составила настоящий акт в том, что научные результаты, полученные Дамдам М. А. Я. в диссертационной работе, внедрены в учебный процесс по направлению подготовки студентов информационных технологий и систем связи на кафедре РТиЗИ федерального государственного бюджетного образовательного учреждения высшего образования «Ульяновский государственный технический университет» в следующем виде:

- в монографии: Методы эффективного декодирования избыточных кодов и их современные приложения / A.A. Гладких, Р.В. Климов, Н.Ю. Чилихин. - Ульяновск: УлГТУ, 2016. - 258 с. (ссылка на с. 14)

- заявленные в диссертации и научно обоснованные теоретические положения избыточного кодирования и расчетные методики в курсе лекций учебной дисциплины «Теория информации и кодирования» для студентов, обучающихся по программе специалитета 10.05.02 «Информационная безопасность телекоммуникационных систем», специализация №9 «Управление безопасностью телекоммуникационных систем и сетей»;

- программное обеспечение разработанных имитационных моделей систем передачи двоичных и недвоичных данных в лабораторных занятиях учебной дисциплины «Общая теория связи 2» и учебной дисциплины специалитета «Сети и системы передачи информации».

Эффективность от внедрения состоит в совершенствовании учебного процесса и его учебно-методического обеспечения.

АКТ

Доцент кафедры РТиЗИ к.т.н. доцент

Декан радиотехнического факультета к.т.н. доцент

Заведующий кафедрой РТиЗИ д.т.н. доцент

/

«i Ч» марта 2023