WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

На правах рукописи

Тихонов Эдуард Прокофьевич

СИНТЕЗ И АНАЛИЗ ВЕРОЯТНОСТНО-ИТЕРАЦИОННЫХ МЕТОДОВ, АЛГОРИТМОВ И АНАЛОГО-ЦИФРОВЫХ СРЕДСТВ ИЗМЕРЕНИЯ

Специальность:

05.11.16 – Информационно-измерительные и управляющие системы (приборостроение)

АВТОРЕФЕРАТ

диссертации на соискание учёной степени доктора технических наук

С-Петербург 2009 г.

Работа выполнена в Санкт-Петербургском государственном электротехническом университете «ЛЭТИ» им. В.И.Ульянова (Ленина)

Официальные оппоненты:

доктор технических наук, профессор Антонюк Евгений Михайлович доктор технических наук, профессор Русинов Леон Абрамович доктор технических наук, профессор Филаретов Геннадий Фёдорович

Ведущая организация: ОАО НИИ Электромера (НИИ Электроизмерительных приборов г. Санкт-Петербург)

Защита состоится _____________ 2009 г. в _____ часов на заседании Совета по защите докторских и кандидатских диссертаций Д 212.238.06 Санкт-Петербургского государственного электротехнического университета «ЛЭТИ» им. В.И. Ульянова (Ленина) по адресу: Санкт-Петербург, ул. Профессора Попова 5.

С диссертацией можно ознакомится в фундаментальной библиотеке СПбГЭТУ.

Автореферат разослан «____»___________2009 г.

Учёный секретарь Совета по защите докторских и кандидатских диссертаций ___________ Боронахин А.М.

ОБЩАЯ ХАРАКТЕРИСТИКА ДИССЕРТАЦИИ

Актуальность темы. Сформировавшиеся устойчивые тенденции в увеличении доли методов цифровой обработки, передачи, и хранения информации неизбежно связаны с развитием и совершенствованием аналого-цифровых средств измерения (в дальнейшем — АЦСИ), включающих преобразователи форм информации. Повышение уровня значимости цифровых измерений и обработки информации в медико-технических приложениях непосредственно стимулирует развитие теории и дальнейшее совершенствование АЦСИ на базе электронных средств. Совершенствование АЦСИ не ограничивается только улучшением их параметров и характеристик, например, таких как быстродействие, точность, многофункциональность, актуальной проблемой является создание нового класса адаптивных и самоорганизующихся АЦСИ с качественно новыми расширенными функциональными возможностями для решения разнообразных медико-технических задач. Однако к настоящему времени возникло определённое противоречие между прогрессирующим развитием микроэлектроники, математико-имитационными методами исследования и теоретико-методологическим подходом, устанавливающим общий фундамент для разработки новых методов, алгоритмов и структур функционирования АЦСИ с реализацией данных методов и алгоритмов как посредствам последовательной программной интерпретации на фиксированных структурах, так и на структурно программируемых, аппаратно перестраиваемых последовательнопараллельных и параллельных АЦСИ. Параллельная аппаратно-программная реализация методов и алгоритмов, потребность в автоматизации самих процессов проектирования так же являются мощными стимулами для дальнейшего развития методико-алгоритмического базиса АЦСИ. Сама специфика функционирования АЦСИ в условиях воздействия помех и при случайных входных сигналах, обуславливает формирование вероятностного подхода к задаче синтеза в рамках теории нелинейной динамики. Нелинейностью происходящих в АЦСИ динамических процессов в условиях воздействия помех объясняется отсутствие, кроме фрагментарных разработок, единого подхода к решению задачи синтеза и анализа АЦСИ, обеспечивающего расширение их потенциальных возможностей. Поэтому созрела необходимость на базе теоретически обоснованного единого принципа измерения в решении проблемы синтеза и анализа вероятностно-итерационных методов, алгоритмов и структур не только для такого известного класса АЦСИ, как АЦП, а и для нового класса адаптивных АЦСИ с элементами самоорганизации с введением случайного опорного процесса (СОП) с априорно заданными свойствами. При этом должны быть решены задачи синтеза и анализа математических моделей, занимающих определённые уровни иерархии между метамоделями и схемотехническими моделями (микромоделями), а именно на уровне динамических макро- и, занимающих некоторое промежуточное положение, мезомоделей, разрешающих противоречия, возникающие между необходимой при проектировании конструктивной детализации с учётом влияющих факторов и степенью обобщения при описании основных метрологических свойств АЦСИ. Не менее важный круг вопросов связан со сравнительным анализом метрологических характеристик известных типов АЦП с целью оптимизации их структур при воздействии помех, а так же при проектировании различных ранее отсутствующих модификаций АЦП. Актуальность темы диссертации подтверждается тем, что значительный объём исследований осуществлён на базе работ, выполненных в соответствии с постановлениями правительства НИР и ОКР, включая и инициативные работы, в период с 1968 по 2008 г.г., которые внедрены в промышленность с существенным экономическим эффектом.

Основной решаемой проблемой является разработка методов и алгоритмов как для адекватного описания и исследования известного класса АЦП, так и для синтеза и анализа нового поколения алгоритмов и структур АЦСИ, в том числе биомедицинского назначения, обладающих ранее отсутствующими качеством работы, высокой эффективностью и функциональными возможностями.

Объект исследования — аналого-цифровые средства измерения (АЦСИ).

Предмет исследования — вероятностно-итерационные методы, алгоритмы и структуры аналого-цифровых средств измерения, включая аналитикоимитационный метрологический анализ и результаты приложений.

Цель работы: комплексное решение проблемы синтеза и анализа вероятностно-итерационных методов, алгоритмов функционирования аналого-цифровых средств измерений, направленное на улучшение метрологических характеристик при расширении функциональных возможностей известных АЦП, создание структур качественно новых аналого-цифровых средств измерений, их практическую реализацию и промышленное освоение.

Для достижения поставленной цели при расширении области применения и повышения уровня эффективности проектирования АЦСИ на базе современных электронных средств необходимо:

обосновать единый подход к формальному описанию АЦСИ и решению задачи синтеза на основе вероятностно-итерационного метода и алгоритма оптимизации с введением СОП;

осуществить анализ свойств, включая сходимость к измерительному уравнению, вероятностно-итерационного алгоритма функционирования АЦСИ с СОП и оценить его потенциальные метрологические характеристики;

разработать на базе вероятностно-итерационного алгоритма идеальные и реальные, т.е. с учётом влияющих факторов, формальные алгоритмы функционирования известных типов АЦП, позволяющих оптимизировать их структуру на этапе проектирования с учётом системных требований в реальных условиях применения;

выполнить на базе единого подхода синтез новых алгоритмов и реализующих их модифицированных структур АЦП широкого применения, в том числе, в стоматологии и в медицинской диагностике по биоэлектрическим показателям;

осуществить аналитико-имитационный анализ метрологических свойств известных и вновь разработанных типов АЦП с учётом влияющих факторов;

выполнить синтез и анализ на базе вероятностно-итерационного метода алгоритмов и соответствующих структур АЦСИ, включая АЦП, с вероятностной адаптивной временной дискретизацией;

осуществить синтез и анализ новых методов и алгоритмов функционирования с использованием СОП и разработать на их основе адаптивные структуры АЦСИ применительно к решению широкого круга медико-технических задач, включая радиоизотопные измерения, измерения в цифровой рентгеновской диагностике, а так же измерения формы сигналов при подавлении энергии физических процессов (полей) окружающей среды;

разработать и создать на базе предложенных и исследованных методов и алгоритмов уникальные приборы, системы и измерительно-вычислительные комплексы с функциями адаптации и самоорганизации для применения в различных отраслях народного хозяйства и медицинских приложениях.

Методы исследования. Основой для синтеза и анализа методов и алгоритмов является теория вероятностей и случайных процессов, синергетика, методы оптимизации и нелинейная динамика, метрологический анализ, имитационное моделирование. Экспериментальные исследования проведены при проведении государственных и межведомственных испытаний спроектированных, разработанных и изготовленных промышленных образцов АЦСИ по специально разработанным и утверждённым методикам, а так же при их эксплуатации и проведении исследований реальных технических и биологических объектов.

Научная новизна полученных результатов заключается в разработке и исследовании:

обобщённого подхода к синтезу методов, алгоритмов и структур АЦСИ на базе известного принципа неподвижной точки в вероятностно-итерационных алгоритмах оптимизации с введением СОП;

обобщённого анализа вероятностно-итерационного алгоритма для установления аналитической связи между свойствами сходимости вероятностноитерационных алгоритмов и методическими погрешностями синтезируемых в соответствии с данным алгоритмом АЦСИ;

синтеза и анализа аналитических макро- и мезо- алгоритмов АЦП, в соответствии с которыми и посредствам имитационного моделирования, выполнено теоретико-прикладное исследование и определены условия оптимизации метрологических характеристик с учётом воздействия влияющих факторов известных типов АЦП, в том числе, с сигма-дельта модуляцией;

синтеза и анализа модифицированных методов, алгоритмов и вновь предложенных типов АЦП, включая запатентованный способ и устройство аналогоцифрового преобразования сопротивление-код, благодаря которому экспериментально идентифицирована впервые разработанная физико-математическая модель твёрдых тканей зубов;

метода и вероятностно-итерационных алгоритмов временной адаптивной дискретизации, в соответствии с которыми предложены и созданы на уровне изобретений структуры АЦП с адаптивной временной дискретизацией, обладающих свойствами поиска и отслеживания усреднённого интервала дискретизации в зависимости от вероятностных характеристик сигнала и помех, при заданной абсолютной или относительной погрешности восстановления;

модифицированных адаптивных алгоритмов временной дискретизацией на базе метода Ньютона, обладающие повышенной скоростью сходимости;

адаптивных методов, алгоритмов и структур АЦСИ с СОП (случайным опорным сигналом), в соответствии с которыми, в том числе в соавторстве, созданы на уровне изобретений для медико-технических приложений способы и средства радиоизотопных измерений, поверки и контроля измерительных компараторов и четырёхполюсников, а так же измерения омических сопротивлений электрических цепей, находящихся под напряжением;

вероятностно-итерационного метода, адаптивного алгоритма и структуры АЦСИ с СОП с функцией самоорганизации для измерения форм случайных сигналов и подавления энергии физических процессов и полей окружающей среды, а также для решения ряда других актуальных задач по результатам измерения параметров спектральной функции сигнала.

Достоверность научных положений и выводов подтверждается согласованностью результатов теоретических и экспериментальных исследований на модельных и реальных сигналах со сравнительной оценкой эффективности полученных результатов, а также протоколами, актами приёмки и другими документами Государственных и Межведомственных испытаний промышленных образцов и последующей эксплуатацией на государственных предприятиях при проведении сложных научно-промышленных исследований.

Практическую ценность работы представляют следующие полученные в диссертационной работе результаты.

1. Методы, алгоритмы и разработанные на их основе структуры АЦСИ для медико-технических приложений, включающие:

алгоритмы аналого-цифрового преобразования известных типов АЦП, способствующих адекватному выбору из множества выпускаемых серийно типов АЦП и создающие оптимальные условия для автоматизации проектирования АЦСИ;

алгоритмы и структуры модифицированных вариантов АЦП, обладающих новым качеством для решения медико-технических задач, в частности, при исследовании твёрдых тканей зубов посредствам разработанного и изготовленного микропроцессорного прибора «Дентометр» и методики его применения в компьютерных технологиях для биомедицинских исследований;

методы, алгоритмы и структуры адаптивных АЦСИ, используемых в информационных технологиях для решения задач вероятностной обработки информации, реализующих требования оптимального измерения и сжатия информации;

методы, алгоритмы и структуры адаптивных АЦСИ с СОП, решающих задачи оптимального измерения и вероятностной обработки случайных сигналов, используемых в информационно-измерительных и диагностических системах;

метод, алгоритм и структура перспективной адаптивной АЦСИ с функцией самоорганизации на базе СОП для решения задачи измерения формы и подавления энергии процессов (полей) окружающей среды, а также для решения целого ряда дополнительных задач, таких как, например, обнаружения изменения различных (акустических, электромагнитных) процессов (полей) окружающей среды.

2. Способы реализации и структуры АЦСИ на уровне авторских свидетельств и патентов, в том числе с СОП, для решения различных задач медикотехнического приложения в том числе: в стоматологии при исследовании твёрдых тканей зубов и свойств пломбировочных материалов; для рентгеновской диагностики в медицине; в радиоизотопных измерениях расходов и плотности пароводяной смеси в теплофизических стендах безопасности ИСБ-ВВЭР, предназначенных для экспериментальных исследований тепло-гидравлических процессов, происходящих в первом контуре АЭС при аварийных ситуациях; при контроле микросхем на выходе автоматических, производственных линий; при измерении и контроле омических сопротивлений электрических цепей обмоток электрогенераторов, находящихся под высоким напряжением; при проведении экспериментальных исследований технологического процесса в условиях Магнитогорского и ОрскоХалиловского металлургических заводов.

Научные положения, выносимые на защиту:

1. Обобщённый подход к синтезу и анализу вероятностно-итерационных методов, алгоритмов и структур, ориентированных на разработку и проектирование на современной элементной базе аналого-цифровых измерительных средств, в том числе, с функцией адаптации и самоорганизации.

2. Синтез и аналитико-имитационный анализ с учётом воздействия влияющих факторов методов, алгоритмов и структур аналого-цифровых преобразователей известных, модифицированных и новых типов с улучшенными метрологическими характеристиками, расширенными функциональными возможностями и с анализом результатов внедрения.

3. Метод синтеза, алгоритмы и аналого-цифровые средства вероятностной адаптивной дискретизации с расширенными функциональными возможностями в условиях минимальной априорной информации о вероятностных характеристиках сигнала при сохранении заданной относительной или абсолютной погрешности полиномиального восстановления сигнала с аналитико-имитационным метрологическим анализом и результатами внедрения в промышленности.

4. Алгоритмы с результатами аналитико-имитационного метрологического анализа и реализующие их адаптивные средства с функцией самоорганизации для измерения вероятностных параметров и характеристик сигналов, доведённых до промышленного внедрения, а также для измерения формы входного сигнала при активном компенсационном подавлении энергии физических процессов (полей) окружающей среды.

Апробация работы. Основные результаты работы докладывались и обсуждались на: конференции по автоматическому контролю и методам электрических измерений (Новосибирск, 1966); семинарах Научного Совета по проблемам электрических измерений и информационно-измерительных систем при отделении механики и процессов управления АН СССР (Москва, 1970 и 1972); симпозиуме странСЭВ по проблеме автоматизации исследований и обработки данных эксперимента (Москва, 1971 г.); семинаре в институте Промышленной автоматики и измерений (Вроцлав, ПНР, 1971) с участием Института прикладной кибернетики (Варшава), Вроцлавского политехнического института, Варшавского политехнического института, Главицкого политехнического института, Института электротехники (Варшава), Института автоматизации энергетических систем (Вроцлав) ВНИИ Электроизмерительных приборов (Ленинград, СССР); I Всесоюз. конфер. «Теория и практика измерения статистических (вероятностных) характеристик» (Ленинград, 1972); I Всесоюз. конфер. «Методы и средства преобразования сигналов» (Ленинград, 1973); конференции «Методы и средства преобразования сигналов» (Рига, 1978 г.);

Всесоюз. симпоз. «Методы представления и аппаратурный анализ случайных процессов и полей» (III в 1970, IV в 1971, V в 1972, VI в 1973, IX в 1976, X в 1978, XI в 1980); I и II Всесоюз. симпоз. Статистические измерения и применение микромашинных средств в измерениях; семинаре по стохастическим методам аналогоцифрового преобразования (Вильнюс 1982 г., Рига 1984 г.); Института электроники и вычислительной техники АН Латв. ССР (Рига 1977); семинарах Института проблем управления (Москва, 1980) и кафедры «Автоматика» МЭИ (Москва, 1980); Республ. научно-техн. конфер. «Структурные методы повышения точности, быстродействия и чувствительности измерительных устройств и систем» (Киев, 1981); Всесоюз. конфер. «Измерительно-информационные системы ИИС – 81» (Львов, 1981); Всесоюз. конфер. «Перспективные методы планирования и анализа экспериментов при исследовании случайных полей и процессов» (Москва, 1982);

IV Всесоюз. конфер. «Проблемы метрологического обеспечения систем обработки измерительной информации» (СОИИ-IV) (Москва, 1982); V Всесоюз. Симпоз.

«Проблемы создания преобразователей формы информации» (Киев, 1984); VIII Всесоюз. конфер. «Планирования и автоматизация эксперимента в научных исследованиях» (Ленинград, 1986); Республ. Научно-техн. конфер. «Применение вычислительной техники и математических методов в автоматизации научных исследований» (Тернопль-Киев, 1987); V Всесоюз. Симпоз. «Динамические измерения» (Ленинград, 1988); III Всесоюз. конфер. «Перспективные методы планирования и анализа экспериментов при исследовании случайных полей и процессов» (Москва, 1988); Всесоюз. нуч.-техн. конфер. «Измерительные информационные системы (ИИС-89)» (Ульяновск, 1989); Конфер. «Методы и микроэлектронные средства цифрового преобразования и обработки сигналов, SIAP – 89» (Рига, 1989); International Scientific Conference “Intelligent Systems and Information Technologies in Control” (Pskov, 2000); XXXIII научная и учебно-методическая конфер. СПбГУ ИТМО (С.-Петербург, 2004).

Личный вклад автора. Все научные результаты, изложенные в диссертации, получены лично автором. Соавторство относится преимущественно к разработке структурных схем устройств, реализующих предложенные автором диссертации алгоритмы, и некоторые второстепенные исследования их свойств. Реализация и внедрение при проектировании и испытаниях предложенных автором методов и алгоритмов измерения в промышленных приборах и системах осуществлялось под руководством и непосредственном участии автора. В конструировании, изготовлении, настройке, отладке и в приёмно-сдаточных испытаниях этих приборов и систем непосредственно принимали участие сотрудники научноисследовательского отдела, лаборатории, конструкторского отдела и опытного производства ВНИИЭП, за что автор выражает им глубокую признательность. Отдельные системы и блоки комплекса К-741 и система поверки ИВКМ-3М были разработаны совместно с институтом Проблем управления, СЭИ СО АН и ВНИИМ им. Д.И. Менделеева. Автор приносит глубокую благодарность коллегам кафедры «Биомедицинской электроники и ОС» ГЭТУ за доброжелательную поддержку, и особую благодарность проф. д.т.н. Э.И. Цветкову и проф. д.т.н. З.М. Юлдашеву за постоянное внимание и ценные советы по изложению отдельных научных результатов диссертации.

Публикации. По теме диссертации опубликовано свыше 130 научных работ, в том числе, 23 статьи опубликованы в журналах и изданиях, определенных ВАК Минобрнауки РФ, получено 54 а.с. и патентов. Результаты проведённых в диссертации исследований использовались в НИР, ОКР и хоздоговорных работах, включены в научно-технические отчёты (гос. регистрация за №№71057591, 73015923, 73015924, 77039564, 80047022, 81052343 и др.), технические описания, методики и инструкции по поверки АЦСИ, разработанных и освоенных в промышленности под руководством и непосредственном участии автора диссертации.

Объём работы. Работа состоит из введения 6 глав, заключения, списка литературы из 276 наименований, приложения, изложена на 330 листах машинописного текста, включающего 310 листов основного содержания диссертации, содержит рисунка и 10 таблиц.

СОДЕРЖАНИЕ ДИССЕРТАЦИИ Во введении обоснована актуальность диссертации, определён предмет и цели исследований, а также кратко описано содержание диссертации по главам. В частности, отмечено, что расширение области применения цифровых измерений и обработки информации в медико-технических приложениях непосредственно стимулирует развитие теории и дальнейшее совершенствование структур АЦСИ. Однако к настоящему времени возникло определённое противоречие между прогрессирующим развитием микроэлектроники, вычислительной техники, математикоимитационными методами исследования и теоретико-методологическим подходом, устанавливающим единый фундамент для разработки новых методов, алгоритмов и структур АЦСИ с расширенными функциональными возможностями.

В первой главе в соответствии с системным подходом к процессу проектирования выявлены основные факторы и взаимосвязи, которые необходимы для формального построения моделей АЦСИ. Проанализирован системный подход к проектированию и выделена проблема синтеза и анализа методов, алгоритмов и структур АЦСИ. Выделен комплекс требований для организации и выполнения процесса проектирования по иерархическому принципу, нижний уровень которого определяется микроэлектронной элементной базой. Оценено состояние проблемы синтеза и анализа формальных методов, алгоритмов функционирования и структур АЦСИ. Кратко проанализирован вклад отечественных учёных в развитие формализованного исследования систем: Э.И. Цветкова, В.Я. Розенберга, П.А. Арутюнова, А.П. Стахова и др.. Отмечено, что формальное описание любой системы, включая и АЦСИ, является перманентной проблемой и требует приложения определённых дополнительных математических средств разрешения противоречия между общностью описания и необходимостью решения задачи проектирования конкретной АЦСИ с учётом всех ограничений и влияющих факторов. Для успешного решения проблемы формального адекватного описания АЦСИ в соответствии с системным принципом необходимо выполнить структуризацию и соответствующую классификацию множества АЦСИ, т.е. разбиения множества АЦСИ по выполнению главной полезной функции (ГПФ), определяющей назначение соответствующего класса АЦСИ. Результаты классификации применительно к решаемым в диссертации задачам приведены на рис.1, а оценка новизны и состояние рассмотренных задач — на рис.2. В основу всех выделенных классов АЦСИ заложен способ функционирования в соответствии с обобщённым представлением вероятностноитерационного алгоритма. При этом вероятностно-итерационный алгоритм в частном случае может быть представлен в детерминированной форме, в зависимости от вида принятой модели описания входных сигналов при отсутствии помех.

Рис. 1. Классы и подклассы рассматриваемых в диссертации задач по проблеме синтеза и анализа методов, алгоритмов и структур аналого-цифровых измерительных систем Использование, в известных работах метамодели, как правило, не позволяет непосредственно получить количественные данные по определению и расчёту в динамике результатов функционального и структурного взаимодействия элементов, входящих в тот или иной блок АЦСИ, с учётом влияющих факторов, в том числе, при воздействии помех. Как показывает практика, в большинстве случаев для рассматриваемых в диссертации задач состояние в статике и работу в динамике АЦСИ можно адекватно описать в виде вероятностно-итерационных алгоритмов, представленных на рис.3. Разработка синтеза и анализа подобных алгоритмов, в которых осуществляется адекватный учёт параметров и характеристик элементов измерительной цепи реального АЦСИ, является в настоящее время актуальной проблемой. Проблема непосредственно вытекает из-за нелинейности используемых в них преобразований в условиях воздействия помех, развивающихся в пространстве и во времени, для формального описания которых требуется соответствующий математический аппарат. Именно из-за наличия операции сравнения с мерой, связанной с процессом аналого-цифрового преобразования, адекватным математическим аппаратом описания их функционирования являются соответствующие отображения, при которых для дискретно изменяющегося времени задаётся правило, определяющее изменение уравновешивающей величины в последующий момент времени по результатам сравнения её с сигналом на предыдущем моменте времени (такте итерации). Этот математический аппарат в своём развитии обнаруживает целый ряд принципиально новых трудно обнаруживаемых свойств, которые наблюдаются не только при описании АЦСИ, а и в других областях, включая физику, химию, биологию, экономику. Поэтому, несмотря на существенный прогресс в развитии технологий проектирования АЦСИ, в том числе АЦП, долгое время фактически отсутствовали их адекватные математические модели описания.

Рис.2 Оценка новизны и состояние рассмотренных в диссертации задач.

По отношению к метамоделям класс математических моделей в виде отображений отнесён к следующему уровню иерархии, т.е. к макромоделям, в которых раскрывается аналитически преобразования до уровня, необходимого при проведении подробного имитационного моделирования в условиях воздействия влияющих факторов с учётом особенностей реализации на современной элементной базе.

Установлено, что в пределах класса макромоделей решение проблемы разработки адекватных математических моделей позволяет перейти к подклассам алгоритмов для описания функционирования одного и того же АЦСИ, начиная от идеального математического описания, до алгоритма, учитывающего в той или иной степени подробности искажения, присущие реальным элементам и блокам, входящим в измерительную цепь. Такой подход усложняет формальный анализ, однако он существенно облегчает адекватный расчёт и метрологический анализ на стадии проектирования с учётом искажений и помех не только отдельного измерительного блока, а и в целом АЦСИ. Кроме того, разработка адекватных математических моделей способствует совершенствованию средств и приёмов функционального (имитационного) моделирования электронных АЦСИ.

Рис. 3 Аналитические и программные модели исследования аналого-цифровых средств измерения.

Во второй главе решается задача синтеза и анализа алгоритма с СОП. Этот алгоритм формально можно представить в дискретные моменты времени в виде вероятностно-итерационного алгоритма dpj n 1 t dpj nt anj xj nt, nt,dpj nt,d0 j, j=1,2,…L, (1) j где xj nt, nt,dpj nt,d0 j – производная от априори заданного пре j образования j{…} по регулируемому (уравновешивающему) параметру или заданной функции от него (для многомерного варианта––это градиент); t – величина временного такта итерации; dpj n 1 t и dpj nt – искомые j-е значения уравновешивающего параметра на (n+1) и n-ом тактах итерации (уравновешивания, измерения); аnj – некоторая j-я «фокусирующая» последовательность коэффициентов уравновешивания, определяющая закон изменения уравновешивающего параметра на n-ом такте уравновешивания (измерения или итерации) либо anj a const ; xj nt и nt – значения последовательностей, образован j ных на n-ом такте измерения от входного сигнала и СОП с априори известными характеристиками; d0j–априори заданные параметры; n=0,1,…. Начальные данные искомых значений уравновешивающего параметра обычно принимаются равными нулю. Преобразование j{…} в алгоритме (1) определяет функцию меры или критерий качества, характеризующий отклонение уравновешивающей величины от измеряемого параметра или установленной характеристики входного x(nt) и СОП (nt). Последовательности x(nt) и (nt) формируются в результате временной дискретизации из входного и опорного сигнала соответственно и описываются в зависимости от решаемой конкретной задачи выбранной математической моделью.

Входной и опорный сигнал может быть представлен в виде реализации квазистационарного и квазиэргодического случайного процесса или в некоторых случаях детерминированной последовательностью с заданными ограничениями. Детерминированный случай рассматривается, например, при имитационном моделировании для изменяющихся во времени сигналов.

Алгоритм (1) минимизирует заданный критерий качества и соответствует исходной метамодели, составляющую основу для синтезируемых алгоритмов функционирования конкретных АЦСИ. Однако этот алгоритм будет представлять интерес для технических приложений в том случае, если будут найдены общие ограничения на входящие в формулу переменные и преобразования, обеспечивающие в соответствии с принципом сжатых отображений его сходимость к обобщённому измерительному уравнению lim M x nt, nt,d0 pj,d0 j 0, d0pj[dpjmin,dpjmax], х j n которое соответствует эквивалентному условию оптимизации d0 pj nt arg min M x nt, nt,dpj nt,d0 j, х d pj где M x nt, nt,dpj nt,d0 j – оператор усреднения по указанным x случайным переменным установленного критерия качества, формирующего в результате усреднения соответствующую функцию регрессии.

Из исходного вероятностно-итерационного алгоритма (1) синтезируется множество конкретных алгоритмов, реализующих измерительные уравнения для рассматриваемых в диссертации АЦСИ. Следуя общей логике в соответствии с поставленными в техническом задании требованиями на проектируемое изделие, решение задачи синтеза сводится к поиску по известным входным воздействиям конкретного вида преобразования j{…}, удовлетворяющего заданным условиям и выходным результатам. Задача же анализа — это исследование свойств, в первую очередь метрологических свойств, алгоритма функционирования проектируемого изделия. Решение задачи синтеза и анализа по мере конкретизации её постанови в зависимости от решаемой медико-технической задачи, а также уровня обобщения, носит иерархический характер. Результатом синтеза на верхнем уровне иерархии является получение исходного обобщённого алгоритма со свойствами, присущими всему множеству его различных модификаций. К этим свойствам для реализации условий сходимости относятся:

выполнение неравенства для граничных точек отрезка (области) [dpjmin,dpjmax]:

j x nt, nt,dpj min nt,d0 j j x nt, nt,dpj max nt,d0 j 0;

условие монотонности на [dpjmin,dpjmax] производной функции регрессии 2 x nt, nt,d0 pj,d0 j 0, j где 2... – результат двойного дифференцирования функции регрессии.

j Эти свойства гарантируют, что диапазон [dpjmin,dpjmax] содержит единственный простой корень функции регрессии и, тем самым обеспечивается единственность решения в заданном диапазоне обобщённого уравнения. При синтезе алгоритмов для поиска минимума и, следовательно, решения соответствующей измерительной задачи, как правило, требуется раздельное преобразование входного сигнала и опорной меры при контроле в установленном смысле в процессе выполнения функции измерения степени их расхождения — абсолютной погрешности измерения. Однако возможен контроль при адаптивных измерениях относительной погрешности измерения. В работе выполнено формальное исследование метрологических свойств алгоритма (1) с привлечением теории нелинейных систем. Получена оценка сходимости данного алгоритма в среднем и определена её связь с систематической погрешностью. В результате анализа аналитически выведена оценка финальной дисперсии сходимости адаптивного вероятностно-итерационного алгоритма, определяющей характеристику случайной методической погрешности измерения. В соответствии с неравенством Буняковского-Шварца получена нижняя граница для финальной дисперсии, которая позволяет оценивать с метрологических позиций потенциальные свойства синтезируемых вероятностно-итерационных измерительных алгоритмов.

В третьей главе на основании общего подхода разработаны методы синтеза и анализа алгоритмов аналого-цифрового преобразования и выполнено теоретикоприкладное исследование метрологических характеристик различных типов АЦП минимизацией с точностью до кванта равномерного критерия, зависящего от входного сигнала и уравновешивающей величины.

Установлено, что множество существующих алгоритмов аналого-цифрового преобразования, связанных с разновидностями и особенностями их реализации, формируется из алгоритма (1). При этом существенную роль играет способ получения информации посредствам функции сравнения о принадлежности искомого значения входного сигнала выбранному подинтервалу отрезка [0, E0] на i-ом такте выполнения его разбиения, так как сама функция сравнения является результатом дифференцирования равномерной меры отклонения входного сигнала от уравновешивающей величины. Учёт в математических моделях вида реальной функции сравнения и способа обработки результатов сравнения приводит к новым алгоритмам, в том числе близким по своей структуре к алгоритмам функционирования, так называемых, нейронных сетей.

Исходными данными для алгоритмического описания аналого-цифрового преобразования являются:

1. входной сигнал в виде постоянного сигнала х0, принимающего случайные значения на отрезке 0х0 Х0 (обычно Е0=Х0);

2. фокусирующая последовательность аn=Е02-n, n =1,2,…N, с априори заданным значением диапазона преобразования Е0=q2N либо в виде аn=q =const для всех n (q-значение кванта);

3. уравновешивающий параметр dр(nt)= Е(nt) для n=1,2,…, 2N, где Е(nt) – уравновешивающая физическая величина;

4. производная от обобщённого преобразования в зависимости от функции сравнения. которая конкретизируется в виде E02nh х0 Е nt E02n ;

E02n sign Е nt х0 ;

x nt, nt,d0,dp nt .

qsign Е nt х0 ;

qh Е nt х0, для алгоритма поразрядного уравновешивания с индикаторной или знаковой функцией сравнения и соответственно для следящего или считывания алгоритма. В представленной формуле: х(nt)=x0; (nt)=0; d0=0; dp(nt)=E(nt); sign[…] и h[…] – соответственно знаковая и индикаторная функции сравнения, описывающих математически разновидности идеальной функции сравнения сравнивающих устройств (нуль-органов); E(nt) – уравновешивающая физическая величина (напряжение, ток, сопротивление и т. п.) на n-ом такте преобразования (уравновешивания). Знаковая и индикаторная функции сравнения определяются следующим образом 1 при 1 при sign 0 при 0 и h .

0 при 1 при Начальное значение уравновешивающей физической величины E(0) =0.

Минимизация соответствующей функции потерь для конкретного алгоритма аналого-цифрового преобразования осуществляется посредствам различных модификаций алгоритма (1). В частности, синтезированы адекватные алгоритмы поразрядного уравновешивания c индикаторной и знаковой функциями сравнения, которые без учёта влияющих факторов для n=1,2,…,N и временного шага t=представляются в виде Е(n+1) = E(n)+аn h[x – Е(n)–аn] и Е (n+1) = Е(n) + аn sign[х – E(n)].

В соответствии с этими алгоритмами осуществлён и выполнен последующий анализ идеально-информационных алгоритмов вида К(nt)= К[(n–1)t] + 2N-n h{Квс + (N) – К[(n–1)t]–2N-n }, К(nt)= К[(n–1)t] + 2N-n sign {Квс + (N)– К[(n–1)t] }, К(nt)= Е(nt )/q; К[(n–1)t] = Е[(n–1)t]/q; и Квс = [х/q] –целая часть результата деления входного сигнала на квант; q=2-N E0 – величина кванта при заданном числе двоичных разрядов N; (N) – величина для установленного кванта погрешности усечения, соответствующая дробной части деления х на q, то есть х= (Квс + )·q.

С учётом помех выполнено аналитико-имитационное исследование, так называемых, реально-информационных алгоритмов. На рис. 4 приведён пример градуировочной характеристики, полученной в результате имитационного моделирования алгоритма поразрядного уравновешивания (первый график). График показывает градуировочную характеристику для 4-х разрядов при воздействии на процесс преобразования мультипликативной и аддитивной помехи (4 разряда установлены только для наглядности). Рассмотрена также задача рационального выбора числа разрядов для достижения наилучшей помехоустойчивости исследуемого алгоритма в целом. Решение данной задачи находится в результате анализа приведённого на рис. 4 второго графика изменения приведённого значения с.к.о. погрешности преобразования в зависимости от изменения числа разрядов при фиксированном значении с.к.о. инструментальной помехи.

25.0,12.0,6.0,3.0,6 1.0.0,Разрядность алгоритма 0.0,0.0,0.0,0.0,0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0, с.к.о. приведённой к кванту погрешности Рис.4. Первый график описывает градуировочную характеристику, связывающую входной случайно изменяющийся по равномерному закону распределения сигнал (ось «х»), с сигналом после преобразования с учётом воздействия помех.

Второй график характеризует связь с.к.о. приведённой к кванту помехи и с.к.о.

приведённой к этому же значению кванта погрешности преобразования для различного числа разрядов.

В соответствии с алгоритмом (1) решена также задача синтеза и анализа по известной структуре сигма-дельта АЦП адекватного алгоритма его функционирования в виде аналитического отображения E nt E n 1 t sign E n 1 t , (2) x с.к.о. приведённой к кванту помехи t где t ; E(nt) и Е[(n–1)t]– значение физической величины, наприdt f t мер, напряжения, которое накапливается на интеграторе за период t тактовой частоты ft; = Е0; 01, если 0хЕ0. и =х/Е0.

По полученному алгоритму проведены исследования метрологических характеристик сигма-дельта АЦП, в том числе, с учётом воздействия помех. Исследования проводилось с целью установления и анализа особых свойств сигма-дельта АЦП, определяющих его высокую помехоустойчивость. Результаты имитационного моделирования, иллюстрирующие основные свойства исследуемого алгоритма, приведены на рис.5.

Data(M+2, j):=p ; Dat a(M +2, j):=p+k; Da ta(M+2,j):=p +2* k; Da ta(M+2,j): =p+3*k ;

Data (M+2,j ):=p; Dat a(M+2,j):=p+k; Data(M+2,j):=p+2*k; Da ta(M+2,j):=p+3* k;

а) б) Data (M+2,j ):=p ;

Data (M+2,j ):=p ;

Da ta(M+2,j):=p+k; Da ta(M +2,j): =p+k;

Dat a(M+2, j):=p+2 *k;

Dat a(M+2, j):=p+2 *k;

Dat a(M+2, j):=p+3 *k;

Dat a(M+2, j):=p+3 *k;

Рис.5. Матричная реконструкция двумерных фазовых портретов погрешности преобразования, полученные в результате моделирования для алгоритма сигмадельта АЦП при линейно изменяющемся входном сигнале в отсутствии (а) и при воздействии помех (б). В обозначениях столбцов и строк матриц (а) и (б) для соответствующих значений входного сигнала указаны гистограммы погрешности преобразования, изменяющихся в пределах аттрактора, при отсутствии и при воздействии помехи соответственно. Входной сигнал изменяется линейно.

В результате аналитико-имитационного анализа, в частности, установлено и найдено:

существование аттрактора;

условие построения градуировочной характеристики посредствам достижения равенства усреднённого значения знаковой функции входному сигналу в стационарной точке аттрактора;

влияние аддитивной помехи на сходимость и существование стационарной точки в условиях воздействия помех.

Некоторые результаты проведённого в диссертации метрологического анализа алгоритма в условиях воздействия помех иллюстрируются рис. 6.

На основании решения задачи синтеза разработаны модифицированные алгоритмы последовательного действия со случайной уравновешивающей величиной и предложен стохастический пространственный АЦП. Выполнен сравнительный анализ предложенных алгоритмов и приведены структуры АЦП, реализующие данные алгоритмы. Выполнено также аналитическое описание параллельнопоследовательных и параллельных алгоритмов. Приведены по синтезированным алгоритмам функционирования двухтактных и многотактных АЦП результаты моделирования их функционирования в статике и динамике.

25 Гауссовская помеха Var3;

Уравновешивающая величина Var2;

22Цифровое усреднение Var1.

20171512107520,00 0,25 0,50 0,75 1,Рис. 6. Гистограммы и аппроксимирующие их плотности распределения вероятностей помехи, уравновешивающей величины и результата цифрового усреднения.

В четвёртой главе в рамках общего подхода предложены и исследованы различные модифицированные методы, алгоритмы и структуры аналого-цифрового преобразования с примерами применения в системах для медицинских приложений, в частности, синтезированы мажоритарные алгоритмы вида E n 1 t E nt d ,an, s где ,an x E n s t,n ; d – целое, как правило, не чётное число так тов сравнения при мажоритарной выборке входного сигнала с уравновешивающей an d h ,an s величиной; d – допустимые варианты функции sd sign an s сравнения;

d1 d d 1, x E n s t an x E n s t an h h и d h an s1 s1 i или d 1, sign x E n st d sign s1 s 1 при 0d1d.

Аналитически доказан с иллюстрацией посредствам имитационного моделирования эффект повышения помехоустойчивости АЦП при использовании мажоритарных алгоритмов. Благодаря проведённым исследованиям найдены новые функциональные возможности мажоритарных алгоритмов и структур соответствующих АЦП, в том числе выявлены особенности модифицированных нейроподобных алгоритмов АЦП, у которых функция сравнения описывается, так называемой, «функцией активации»—монотонной непрерывно дифференцируемой на (0,1] или [-1,1] функцией. В отличие от индикаторных и знаковых алгоритмов аналого-цифрового преобразования при применении «нейроподобных» алгоритмов получается результат преобразования с переменным квантом, что приводит к повышению их помехоустойчивости. Алгоритмы с «функциями активации» могут реализовать и мажоритарную обработку входного сигнала, как по пространству, так и по времени в соответствии с формулой E0 d1 d E[(n i 1)t] E (n i)t s (n i)t j (ni)t E (n i)t, s 2n j1 i1 xj где d1 и d2 число операций сравнения, выполняемых при пространственном и последовательно-временном способах поступления составляющих векторного сигнала на входы сравнивающих устройств. s{…} – функция активации, описывающая реальную операцию сравнения. Количество сравнивающих устройств определяется заданным числом пространственных источников векторного сигнала. Комбинированный мажоритарный принцип сравнения можно использовать и для других алгоритмов аналого-цифрового преобразования, например, для следящего алгоритма.

В соответствии с решаемой задачей предложен модифицированный многоканальный время-импульсный алгоритм преобразования, используемый в телеметрической системе для электроэнцефалографических исследований, структурная схема которого, разработанная в соавторстве на уровне изобретения [46], представлена на рис.7. В рассматриваемом случае применение унифицированных микросхем АЦП не позволяет получить результативный технико-экономический эффект.

Особенность алгоритма аналого-цифрового преобразования в подобной системе состоит в том, что в ней совмещается операция аналого-цифрового преобразования с широтно-импульсной модуляцией многомерного сигнала и с телеметрической передачей информации. При этом непосредственно цифровой код не передаётся по радиоканалу, а используется новый принцип многоканального время-импульсного аналого-цифрового преобразования электроэнцефалограммы (ЭЭГ), образующий по существу новое качество.

Согласно рис.7 устройство содержит: электроды 1 в том числе референтный электрод; блок коммутации и усиления биопотенциалов ЭЭГ 2; первый коммутатор 3 на N+2 входа; устройство управления 4; автономный источник питания 5; первый аналоговый ключ 6; второй аналоговый ключ 7; первый групповой усилитель 8;

второй коммутатора 9; N+2 разделительные конденсаторы 10; суммирующее сопротивление 11; второй групповой усилитель 12; блок преобразования информации 13; передатчик 14; антенну передатчика 15; приёмник 16; антенну приёмника 17; блок обработки и регистрации информации 18. Блок преобразования информации 12 включает: сравнивающее устройство 19; генератор пилообразного напряжения 20; формирователь сигнала нормированной длительности 21.

УК КлКлУФ СУ ДМ С БПИ Пер ГПН R Пр 4 АИП УУ БОИ Рис.7. Телеметрическая система для электроэнцефалографических исследований На основании разработанного в диссертации подхода предложен также способ [47] и, реализующая его микропроцессорная АЦСИ «Дентометр» для измерения сопротивления твёрдых тканей биообъектов, в которой используется многодиапазонный микропроцессорный АЦП сопротивление-код. Данный АЦП, в соответствии с разработанным автором диссертации способом, реализует адаптивный мажоритарный алгоритм с нелинейной обратной связью. Разработанный и изготовленный образец предназначен для измерения сопротивления твёрдых тканей биообъектов и непосредственно использован в стоматологии для измерения резистентности твёрдых тканей зубов посредствам постоянного зондирующего электрического сигнала (ЗС). Благодаря предложенному алгоритму удалось существенно улучшить метрологические характеристик системы, что позволило получить новые результаты при исследовании твёрдых тканей зубов. В частности, как показано в данной главе, удалось впервые разработать и экспериментально идентифицировать в соответствии с предложенной методикой на специальной установке физико-математическую модель твёрдых тканей зубов.

В пятой главе в соответствии с общим подходом предложен и исследован вероятностный метод, адаптивные алгоритмы и структуры АЦСИ с адаптивной временной дискретизацией сигналов. При этом выполнен теоретический анализ и выявлены свойства временной вероятностной адаптивной дискретизацией сигналов при полиномиальной интерполяции случайного входного сигнала. Особенность метода заключается в том, что на основании накопления информации по предыдущим результатам измерения уточнение погрешности восстановления происходит для текущего интервала дискретизации в соответствии с вероятностноитерационным алгоритмом поиска оптимального интервала дискретизации вида t n1 tn a t,tn , , n где [t(n+1)] и (tn) – значения искомого интервала дискретизации на n+1-ом и n-ом шаге итерации с ограничениями по максимуму и минимуму; t – исходный минимальный шаг дискретизации, например, t=1; t, n ,0 – соответст вующее преобразование, связанное с величиной отклонения текущей погрешности t,tn t, y t, tn восстановления от её заданной величины 0; – текущая погрешность восстановления входного сигнала y(t)=х(t)+(t) (где (t) аддитивная помеха) посредствам некоторой, априори заданной, функции восстановления (t) на интервале дискретизации (tn); [(t,tn)] – функция, определяющая меру погрешности (t,tn) на интервале дискретизации (tn).

В усложнённом алгоритме можно так же учитывать информацию о более удалённых значениях искомого интервала дискретизации. При выполнении анализа рассмотрены вопросы по выбору вида функции восстановления и оценено влияние вида функции восстановления на свойства адаптивного алгоритма. Найдены условия установления оптимального интервала дискретизации 0, для которого в среднем на интервале задания сигнала y(t) выполняется равенство усреднённого значения погрешности восстановления сигнала её заданному значению. Выполнено исследование адаптивного алгоритма дискретизации для конкретных условий и ограничений характера сходимости алгоритма. Выбор функции восстановления, а также установление в явном виде преобразований, входящих в адаптивные алгоритмы, диктуется рядом дополнительных требований, например, помехоустойчивостью, эффективностью сжатия данных, сложностью реализации алгоритма, а также скоростью сходимости к оптимальному интервалу дискретизации. Эти требования зависят от выбора функции качества и функции меры, характеризующей погрешность восстановления или интерполяции сигнала. Для квадратической и равномерной функций качества и меры, характеризующей погрешность восстановления, возможны четыре варианта алгоритмов в зависимости от сочетания преобразований […] и […]:

для [] = и []= , следует [(n+1)]=(n)–0{[t*,(n)]–0};

для []=sign и []=, следует [(n+1)]=(n)–0sign{[t*,(n)]–0};

для []= и []=2, следует [(n+1)]=(n)–0{{[t*,(n)]}2–02};

для []=sign и []=[]2, следует [(n+1)]=(n)–0sign{{[t*,(n)]}2– 02}.

В соответствии с общим теоретическим подходом выполнена оценка вероятностных характеристик погрешности полиномиальной интерполяции случайного сигнала с целью установления её влияния на условия сходимости адаптивных алгоритмов дискретизации. В частности, показано, что погрешность сходимости в среднем на n такте итерации определяется формулой n V n1 V 0 10R ,, R , t, t, где 0m ;

0m V(n)=(n) – 0m; М{…}– оператор усреднения по случайным переменным (…);

V(0) – начальное отклонение искомого интервала от его установившегося значения 0m для полинома восстановления m-го порядка; R , M R ,.

Для обеспечения сходимости полученного уравнения шаг итерации 0 дол 0 R , жен быть таким, чтобы . Аналитически оценка, определяющая характеристику случайной составляющей погрешности, при оптимальном выборе 0 N R , , шага поиска выведена в виде следующей приближён ной формулы для финальной дисперсии t,0m 0 D V N R , где N=const выбирается для обеспечения требуемой погрешности установления интервала дискретизации.

Разработаны также рекомендации по выбору шага итерации 0 и выполнены расчёты по определению темпа роста оптимального интервала дискретизации с ростом степени интерполирующего полинома при фиксированной относительной погрешности восстановления 0. Установлены также некоторые особенности вероятностных адаптивных алгоритмов, в частности, оценены их фрактальные свойства и проведены дополнительные исследования вероятностного алгоритма адаптивной временной дискретизации с кусочно-ступенчатым восстановлением, в том числе, для сравнительной оценки установившихся значений оптимальных интервалов дискретизации при различных видах автокорреляционных функций сигналов. Рассмотрены модифицированные адаптивные алгоритмамы дискретизации и структурам реализующих их устройств. Как показали исследования, вероятностные адаптивные алгоритмы дискретизации имеют следующие два основных недостатка:

медленная сходимость к оптимальному значению интервала дискретизации, соответствующая в зависимости от заданной погрешности восстановления нескольким десяткам шагов итерации;

зависимость оптимального интервала дискретизации от заданной абсолютной погрешности восстановления, что приводит к изменению интервала дискретизации в зависимости от изменения динамического диапазона входного сигнала.

Второй недостаток сравнительно легко устраняется простой модификацией исходного адаптивного алгоритма в виде [t(n+1)]=(tn)–{{ {m(t*)}, 0{у(t)}}}, где у(t) – входной сигнал; 0 – заданная относительная погрешность восстановления, так как в соответствии с условиями сходимости алгоритма, получаем для вывода градуировочной характеристики равенство M 0M y t .

y t,0m y 4,4,4,3,3,3,3,00 2,2,2,2,1,1,1,1,0,0,0,0,-0,-0,Рис. 8. Результат моделирования адаптивного алгоритма для определения интервала дискретизации.

Более сложной является задача, направленная на устранение первого недостатка. Предложенный в диссертации метод адаптивной дискретизации позволят использовать для ускорения сходимости модификации метода Ньютона в различных вариациях, но с определённой спецификой, заключающейся в наличии различных версий алгоритма, связанных с выбором вида функции восстановления, заданием различных комбинаций функций меры и способов определения заданной по1122334455667788991010111112121313141415151616171718грешности восстановления. При этом множество различных вариаций алгоритмов определяется потребностью решения соответствующих технических задач и способами реализации. Ввиду усложнения алгоритма аналитический вывод случайной составляющей погрешности и определение переходного процесса в явном виде при установлении искомого интервала дискретизации для модификации метода Ньютона затруднителен, поэтому в диссертации исследование выполнено на базе имитационного моделирования. На рис.8 приведён пример результата имитационного моделирования для изменяющегося гармонического сигнала (график 1) алгоритма адаптивной дискретизации для m=1 (график 3) и для m=0 (график 2), характеризующих изменение интервала дискретизации при скачкообразном изменении частоты. График 2 на рисунке соответствует результату моделирования для коррекции фокусирующей последовательности аn, определяющий шаг поиска на n-ом такте итерации. Для решения подавляющего числа практических задач целесообразно использовать алгоритм с кусочно-линейной интерполяцией, так как с последующим увеличением степени интерполирующего полинома, как это показано в данной главе, рост сложности алгоритма нелинейно возрастает по сравнению с получаемым эффектом сжатия информации. Поэтому для моделирования в качестве примера рассматривался алгоритм с кусочно-линейной интерполяцией, т.е. при m=1. При этом, для определения шага поиска аn на n-ом такте итерации целесообразно выбрать равномерную меру приближения при m=0, а для интерполяции сигнала — квадратичную меру приближения. Как показывает результат анализа, иллюстрация которого представлена на рис. 8, величину интервала дискретизации можно использовать также для измерения частоты входного гармонического сигнала, используя соответствующую связь частоты гармонического сигнал с интервалом дискретизации.

В качестве примера на рис. 9 приведена структурная схема АЦП поразрядного уравновешивания с адаптивным выбором временного интервала дискретизации при кусочно-ступенчатым восстановлении. В соответствии с рис. 9 устройство содержит: вентиль 1; реверсивный счётчик 2; сборку 3; схему сравнения 4; триггеры 5 – 9 распределителя; схемы совпадений 10 – 13 для отключения разрядов; цифроаналоговый преобразователь 14; триггер цикла 15; тактовый генератор 16; схемы совпадения 17 и 18 тактовых импульсов; формирователь 19; схему записи 20; схему сброса 21; датчик напряжения ошибки 22; разрядные схемы совпадения 23 – и триггер управления 27 датчиком ошибки. На эту схему получено авторское свидетельство, в соответствии с которым изготовлен впервые адаптивный аналогоцифровой преобразователь Ф-770. Этот преобразователь успешно эксплуатировался в НАТИ (г. Москва) при испытании тракторов.

В шестой главе рассмотрен вероятностно-итерационный метод, адаптивные алгоритмы и структуры систем с СОП. Предложенные и исследованные алгоритмы, предназначены для решения задач, основанных на получении измерительной информации путем установления отношения эквивалентности. Отношения эквивалентности устанавливается между исследуемым объектом, о свойствах которого априорно известны только самые общие сведения и ограничения и некоторым образцовым или опорным объектом, например в виде СОП с априорно заданными свойствами. При этом в качестве образцового объекта может быть использован дополнительно введённый физический объект или некоторая математическая модель.

В последнем случае описание этой модели осуществляется также программно со всеми вытекающими отсюда преимуществами, причём свойства этой модели должны быть в установленном смысле эквивалентны свойствам исследуемого объекта.

Рис. 9. Преобразователь напряжения в цифровой код с адаптивным выбором интервала дискретизации при кусочно-ступенчатом восстановлении.

Для построения конкретных адаптивных вероятностно-итерационных макроалгоритмов, предназначенных для решения соответствующих измерительных задач необходимо, прежде всего, определиться с их техническим приложением и в зависимости от этого раскрыть соответствующие операторы, входящие в метаалгоритм (рис.3). Если речь идёт об измерении вероятностных характеристик, в частности, о функции распределения вероятностей (ФРВ), то соответствующие алгоритмы на уровне макромодели принимают вид:

для алгоритма d n 1 dpj n d sign n x n sign n sj 0 pj dpj для алгоритма d n 1 d n d sign n x n sign n sj0 n, pj pj dpj dpj где d n 1 d n – измеряемые значения аргументов искомой ФРВ на pj pj n+1 и n тактах итерации (шагах поиска); j=1,2,…N – число измеряемых ординат ФРВ; d – постоянная величина шага поиска, причём, d=(dmax – dmin)/N0; (dmax – dmin) – заданный диапазон изменения регулируемого параметра (в данном случае аргумента ФРВ); N0=const – заданное число уровней квантования диапазона изменения аргумента ФРВ, причём, N0>>1; sign[…] – знаковая функция; s0j – априорно заданные значения параметров (аргументов) для ФРВ СОП (n); t=1.

В соответствии с общими требованиями сходимости для установившегося значения аргумента получим условия эквивалентности, определяющие измерительные уравнения:

для алгоритма 1: F d0 j F s0 j ;

x для алгоритма 2: 1 2F d0 j 1 2F d0 j s0 j , x для симметричных ФРВ; F d0 j F s0 j d0 j, j=1,2,…,N.

x Модификации алгоритмов для решения различных технических задач предложены в ряде авторских свидетельствах, в основу которых положен разработанный автором диссертации вероятностно-итерационный алгоритм с СОП.

Рассматриваются и исследуются применение метода измерения с СОП для медико-технических приложений. Известно, что основу средств медицинской диагностики составляют бесконтактные методы измерения, использующие эффекты взаимодействия зондирующих физических сигналов (ЗС) или полей с исследуемым объектом. К ЗС (полям) относятся ультразвуковые, электромагнитные, рентгеновские, радиоизотопные сигналы (поля). Некоторые трудности возникают при выявлении степени изменения ЗС в зависимости от патологического состояния диагностируемых объектов, в том числе внутренних органов тела человека.

Указанные трудности вызваны со следующими причинами:

нелинейным характером взаимодействия ЗС с исследуемым объектом;

низкой чувствительностью ЗС к изменению свойств и состояния диагностируемого объекта;

особенностью преобразования в датчиках энергии ЗС в электрический сигнал;

низким уровнем отношения мощности сигнала к мощности помехи.

Известно, что особую роль в медицине играют рентгеновские ЗС, причём прогрессирующее положение занимают цифровая рентгенография и томография.

В диссертации показано, что именно для этого случая перспективным методом решения задачи диагностики является метод, основанный на вероятностноитерационном алгоритме с СОП. Как показала практика использования радиоизотопных измерений с -излучением, применение алгоритма с СОП уменьшает не только инструментальные погрешности, а и динамическую составляющую погрешности измерения.

В математической форме алгоритм с СОП для рентгеновского ЗС для i-го канала при фиксированном векторе луча просвечивания z = (l,) имеет вид ki n 1 t ki nt i i nt exp i z ki nt i0 nt exp i max ki nt , где ki(nt) и ki[(n+1)t] – цифровой эквивалент или результат измерения искомой функции плотности на n – ом и n+1 – ом тактах итерации; t – временной интервал, через который опрашивается выход i-го датчика; i – случайная пуассоновская величина, соответствующая появлению электрического импульса в момент опроса i – го канала; i0 - случайная пуассоновская величина, соответствующая появлению электрического импульса в опорном канале, совпадающем с моментом опроса i-го канала; i – заданная постоянная величина или постоянная уравновешивания для iго канала; i z – искомая функция плотности; imax – максимальное значение плотности, которое может принимать функция плотности при рентгеновском обследовании для i-го канала, сформированное на фантоме; и – заданные постоянные величины.

При исследовании алгоритма в аналитической форме, подтверждённые имитационным моделированием и экспериментами при излучениях, найдены оценки характеристик погрешности, как в статике, так и в динамике, и получены ответы на вопросы по:

существованию сходимости в установленном смысле измеряемого параметра k(nt) к его стационарному значению (неподвижной точке);

количеству тактов, определяющих время сходимости или переходный процесс от начального к стационарному значению искомого параметра;

оценке финальной дисперсией, характеризующей случайную составляющую погрешность измерения при числе тактов итерации n .

Рассмотрена и решена задача применения метода измерения с СОП для активного подавления и распознавания формы процессов окружающей среды. Сущность метода измерения и способа компенсация энергии физического процесса (поля) состоит в следующем. В соответствии с методом измерения с СОП посредствам самонастраивающегося СОП (поля), по установленному начальному значению числа членов ряда частот (размерности сетки частот), фаз и амплитуд формируется конечное начальное число исходных косинусных гармонических составляющих, из которых суммированием синтезируется опорный электрический сигнал, который и преобразуется в СОП (поле). Посредствам излучения в окружающую среду, преобразованным в СОП (поле) синтезированным опорным электрическим сигналом, осуществляется соответствующее воздействие на физический процесс (поле) окружающей среды. В реальном масштабе времени специальными датчиками выполняется обратное преобразование результата взаимодействия СОП (поля) с физическим процессом (полем) окружающей среды в электрический композиционный сигнал. Полученный электрический композиционный сигнал корректируются в соответствии с выбранным итерационным алгоритмом усреднения, например, экспоненциальным сглаживанием. В результате коррекции осуществляется для установленной размерности сетки частот самонастройка для каждой косинусной составляющей СОП его начальных значений параметров — амплитуды и фазы. По полученным косинусным гармоническим составляющим со скорректированными параметрами вновь суммированием синтезируется на следующем временном такте уже скорректированный СОП и соответственно физический процесс (поле), которым посредствам излучения воздействуют на физический процесс (поле) окружающей среды. По результатам скорректированного воздействия СОП на текущем такте и последующих тактах итерации непрерывно повторяют описанные выше действия и, после переходного процесса, осуществляется за счёт самонастройки параметров составляющих косинусных сигналов компенсация энергии физического процесса (поля) окружающей среды, синтезированным СОП (полем).

В результате самонастройки параметров косинусных составляющих СОП, получают в реальном масштабе времени измеренные значения фаз и амплитуд косинусных составляющих и форму физического процесса (поля) окружающей среды и, тем самым, энергию окружающей среды в динамике, которой компенсационно подавляют энергию физических процессов (полей) окружающей среды.

Благодаря применению итерационного алгоритма, для установленной размерности сетки частот в соответствии с предложенным методом и способом по принципу отрицательной обратной связи выполняется самонастройка параметров косинусных составляющих СОП в соответствии со следующей системой A n 1 t A nt m m N nt , A nt cos itn nt cos mnt nt i i m i1 и n 1 t nt m m N nt , A nt cos itn nt sin mnt nt i i m i1 где A n 1 t и A nt – амплитуды косинусных составляющих опорного m m сигнала для m-ой гармоники частоты на n+1 и n-ом временных тактах итерации длительностью t; n1 t и nt – фазы косинусных составляющих m m опорного сигнала для m-ой гармоники частоты на n+1 и n-ом временных тактах итерации длительностью t; (nt) – физический процесс окружающей среды, преобразованный в электрический сигнал; Ai nt cos itn i nt – i-ая косинусная составляющая опорного сигнала;

N nt A nt cos itn nt – композиционный электрический i i iсигнал, получаемый в результате воздействия преобразованным в физический эквивалент опорным сигналом, равным суперпозиции N косинусных составляющих, на физический процесс окружающей среды (nt); – масштабирующий коэффициент, определяющий шаг итерации; A 0 t 0 и 0 t 0– начальные m m значения амплитуд и фаз косинусных составляющих опорного сигнала для m=1,2,…,N.

В диссертации доказано, что условие компенсации для m=1,2,3,…,N при n определяется системой равенств фаз и амплитуд по каждой частотной составляющей сигнала nt ;

m m, A nt B.

m m и приведена структура АЦСИ, реализующая метод и способ измерения, и компенсации энергии физического процесса (поля) окружающей среды. На данную структуру в соавторстве подана заявка на изобретение способа и устройства для измерения, активного подавления и распознавания формы физических процессов (полей) окружающей среды. Алгоритм и способ предложен автором диссертации. На рис.10 приведены в качестве иллюстрации результаты моделирования предложенного алгоритма для активного подавления и распознавания формы процессов окружающей среды по опорному сигналу.

2,Ошибка компенсации 1,Входной сигнал Число тактов 1,Опорный сигнал 1,1,0,0,0,0,-0,-0,-0,-1,-1,-1,-1,Изменение фазы -2,Изменение амплитуды 0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 1Рис.10. Графики, иллюстрирующие компенсацию входного сигнала, опорным сигналом, состоящим из трёх гармоник и эволюцию параметров гармоники при адаптации.

В заключение диссертации излагаются основные результаты теоретических исследований и практических разработок, которые позволили не только теоретически обосновать и исследовать известные аналого-цифровые структуры, например, АЦП, а и создать на уровне изобретения и внедрить в промышленность с существенным технико-экономическим эффектом новые технические решения и АЦСИ.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ 1. Разработан и исследован в соответствии с вероятностно-итерационным методом и алгоритмом со случайным опорным процессом (СОП) единый подход к решению задачи синтеза и анализа широкого класса АЦСИ.

2. На основе теоретического анализа вероятностно-итерационного алгоритма установлена аналитическая связь между свойствами сходимости итерационных алгоритмов с СОП и методическими погрешностями, функционирующих в соответствии с данными алгоритмами АЦСИ.

3. Синтезированы и исследованы адекватные алгоритмы, описывающие в динамике известные типы АЦП, включая и АЦП с сигма-дельта модуляцией, имеющие до этого только фрагментарное или не адекватное, приближённое математическое описание, что позволило получить новые результаты при исследовании их метрологических характеристик, в том числе, при оптимизации выбора числа разрядов в условиях воздействия помех.

4. Разработаны различные модифицированные методы, динамические алгоритмы функционирования и предложены новые типы АЦП для медикотехнических приложений, включая запатентованный способ аналого-цифрового преобразования сопротивление-код, благодаря которому была экспериментально идентифицирована впервые разработанная автором физико-математическая модель твёрдых тканей зубов;

5. Разработан и исследован вероятностный метод адаптивной временной дискретизации, алгоритмы и структуры АЦП, обладающие свойствами адаптации в условиях дефицита априорной информации о вероятностных характеристиках входного сигнала при заданной функции восстановления и абсолютной или относительной погрешности восстановления.

6. На базе метода Ньютона разработаны и исследованы посредствам метода имитационного моделирования адаптивные алгоритмы временной дискретизацией, имеющие высокую скорость сходимости, позволяющую осуществлять ускоренную функцию адаптации в зависимости от изменения в процессе функционирования АЦСИ вероятностных характеристик входного сигнала.

7. В рамках разработанного общего подхода поставлена и решена задача синтеза и анализа методов, алгоритмов и предложены на уровне изобретений структуры АЦСИ с СОП, которые нашли применение при поверке и контроле измерительных компараторов и четырёхполюсников, при измерении омических сопротивлений электрических цепей, находящихся под напряжением, в радиоизотопных измерениях, а также в стоматологии.

8. В рамках предложенного метода измерений с СОП разработан и исследован вероятностно-итерационный метод, адаптивный алгоритм и структура АЦСИ для измерения форм случайных сигналов, с получением эффекта подавления энергии физических процессов и полей окружающей среды, который в перспективе может найти широкое применение, как в медицине, так и при охране окружающей среды.

9. Предложенные, разработанные и исследованные новые адаптивные методы и алгоритмы измерения параметров и характеристик случайных процессов (полей), в том числе с СОП, послужили основой для получения целого ряда изобретений и патентов, как лично автором, так и в соавторстве, многие из которых внедрены в промышленных АЦСИ: Ф-770, Ф-790, К-741, ИВКМ-3М используемых для решения ряда важных научно-производственных задач.

10. Основные научные результаты диссертации, были получены и использованы в ряде работ, выполненных при непосредственном участие и под руководством автора в соответствии с постановлениями правительства: постановления ГКНТ СМ СССР №400 от 15.10.70 г., проблемы 0.18.088а, 0.18.088а3 (гос.рег. №71057591 и №73015924), № 563 от 28.12.72 г. задание 2.03.25, проблема 0.18.091.г3.(гос.рег.№ 73015923); в соответствии с целевой комплексной программой 0.Ц.001 «Создание атомных реакторов на тепловых и быстрых нейтронах для энергетических процесссов», проблема 01.03.Н3, по постановлению ГКНТ Госплана СССР № 446/242 от 09.12.80 и РАН СССР № 10103-121 от 23.01.81г., а также при выполнении ряда НИР, ОКР и хоздоговорных работ, включая «Исследование и разработка научнообоснованных методов и автоматических средств аттестации точностных характеристик испытательных систем» (тема 7550 7518 10, утверждённая начальником ГНТУ Минприбора) и «Исследование качества краевого прилегания пломбировочных материалов при пломбировании зубов с применением прибора «Дентометр» и компьютерных технологий» (Договор на НИР НОУ «С.-Петербургский Институт Стоматологии, 2007 г) с доведением результатов работ до государственных и межведомственных испытаний. По теме отдельных разделов диссертации под руководством автора были защищены кандидатские диссертации Селивановой М.П. «Алгоритмическое и программное обеспечение аналого-цифровых средств бесконтактного измерения параметров двухфазных потоков» (1990 г.), Гусевым А.Н. «Метод и аппаратно-программные средства определения динамических характеристик радиоизотопных информационно-измерительных систем» (1991 г.) и др.

Основные публикации по теме диссертационной работы В перечне журналов и изданий, рекомендуемых ВАК для публикации материалов докторских диссертаций:

1.Тихонов Э.П. Модифицированные алгоритмы и классификация аналогоцифровых преобразователей (часть 2) [текст] // Информационно-управляющие системы – 2009, № 2 (39) – с. 17–23.

2.Тихонов Э.П. Модифицированные алгоритмы и классификация аналогоцифровых преобразователей (часть1) [текст]// Информационно-управляющие системы – 2009, № 1 (38) – с.2–9.

3.Тихонов Э.П. Алгоритмическое описание и сравнительный анализ свойств сигма-дельта АЦП (часть II) [текст] // Информационно-управляющие системы – 2007, № 5 (30) – с.3-4.Тихонов Э.П. Алгоритмическое описание и сравнительный анализ свойств сигма-дельта АЦП (часть I) [текст]// Информационно-управляющие системы – 2007, № 4 (29) – с.2-12.

5.Тихонов Э.П. Аналитико-имитационное исследование и оптимизация алгоритмов аналого-цифрового преобразования в условиях воздействия помех (часть 2) [текст] // Информационно-управляющие системы – 2007, № 3 (28) с.2–14.

6.Тихонов Э.П. Аналитико-имитационное исследование и оптимизация алгоритмов аналого-цифрового преобразования в условиях воздействия помех (часть 1) [текст] // Информационно-управляющие системы – 2007, № 2 (27) с.12– 21.

7.Тихонов Э.П. Стохастический пространственный аналого-цифровой преобразователь и его связь с нейронными структурами [текст] // Информационноуправляющие системы – 2007, № 1 (26), с.8-18.

8.Иванов В.Н., Тихонов Э.П. Исследование алгоритмов аналого-цифрового преобразования при воздействии аддитивной помехи [текст] // Информационноуправляющие системы – 2006, № 4 (23), с.17-28.

9.Тихонов Э.П. Микро- и макроморфология в формировании генезиса твёрдых тканей зубов [текст] // Институт стоматологии – 2005, № 2 (27), с.73-77.

10.Тихонов Э.П. Физико-математическая модель зуба на базе электрического зондирующего сигнала и её роль в решении проблем диагностики [текст] // Институт стоматологии – 2004, №3 (24), с.74-76.

11.Иванова Г.Г., Тихонов Э.П., Чибисова М.А. Сравнительный анализ исследования дентина зуба рентгеновским и электрическим методами [текст] // Институт стоматологии – 2004, № 1 (22), с.94-99.

12.Тихонов Э.П. Идентификация физико-математической модели твёрдых тканей зубов на основе зондирующих сигналов [текст] // Научно-технический вестн.

Вып. №13. Оптические технологии в фундаментальных и прикладных исследованиях – «Интеграция-2004». Гос. Университет, ИТМО. СПб, 2004, с.128-134.

13.Тихонов Э.П.Алгоритмы обработки сигналов в медицинской диагностике с использованием опорного случайного процесса [текст] // Информационноуправляющие системы, – 2003, № 4, с.43– 51.

14.Тихонов Э.П., Селиванова М.П. Основные принципы, области применения и перспективы развития измерений с опорным случайным процессом [текст] // Измерения, контроль, автоматизация (с 2000 г. издаётся в виде "журнала в журнале" "Датчики и системы") – 1990, №3 с. 3-6.

15.Селиванова М.П., Тихонов Э.П. Сравнительный анализ и выбор оптимального алгоритма радиоизотопного измерения плотности [текст] // Автометрия – 1990, №3, 69-72.

16.Селиванова М.П., Тихонов Э.П. Радиоизотопный метод измерения плотности с опорным случайным процессом [текст] // Измерительная техника – 1989, №12. с.

23-25.

17.Селиванова М.П., Тихонов Э.П. Метод измерения плотности двухфазных сред в динамике [текст] // Автоматика – 1989, №5, 79-83.

18.Тихонов Э.П. Средства статистических измерений [текст] // Приборы и системы управления (с 2000 г. журнал "Приборы") – 1975, №5, с. 22-23.

19.Тихонов Э.П., Цветков Э.И. Измерения вероятностных характеристик и оценка качества изделий [текст] // Измерительная техника, 1976, №1, с. 20-22.

20.Тихонов Э.П.Об одном способе построения коррелометров [текст] // Приборы и системы управления (с 2000 г. журнал "Приборы") – 1979, №3, с. 22-23.

21.Тихонов Э.П. Измерения с опорным случайным процессом [текст] // Метрология – 1985, №10, с.20-29.

22.Тихонов Э.П. Исследование помехоустойчивости адаптивных алгоритмов измерения с опорным случайным процессом [текст] // Метрология – 1988, №2, с. 1622.

23.Богомаз Н.П., Тихонов Э.П. Метод выбора параметров аналого-цифрового преобразователя поразрядного уравновешивания для динамического режима работы [текст] // Метрология – 1989, № с.7-12.

Авторские свидетельства 24.А.с. № 225963, МПК G 05f, G06j. Кл. 21с, 46/50; 42m, 3/00 Способ квантования сигнала по времени, Г.И.Кавалеров, Э.П.Тихонов. – №1102990/26-24: Заявл.

12.09.66; (Не опубликовано в открытой печати).

25.А.с. № 235412, Кл. 42m4, 7/52; МПК G 06g, Устройство для измерения функции распределения случайных сигналов, Э.П Тихонов. – №1203876/18-24; Заявл.

18.12.67; Опубл. 16.01.69; Бюл. №5.

26.А.с. № 297975, МПК G 06j 3/00; H 03k 13/20, Преобразователь напряжения в цифровой код, Э.П.Тихонов. – №1391800/18-24; Заявл. 050170; Опубл. 11.03.71;

Бюл. №10.

27. А.с. № 307409, МПК G 06g 7/52, Устройство для измерения средних значений, Э.П.Тихонов. – №1414486/18-24; Заявл. 20.03.70; Опубл. 21.06.71; Бюл. №20.

28. А.с. № 338904, М. Кл. G 06f 15/34, Устройство для измерения корреляционной функции случайных сигналов, Э.П.Тихонов. – №1462407/18-24; Заявл. 06.07.70;

Опубл.15.05.72; Бюл. №16.

29.А.с. № 354431, М. Кл. G 06g 7/52, Устройство для измерения функции распределения случайных сигналов, Э.П Тихонов. – №1427060/18-24; Заявл. 08.04.70;

Опубл. 09.10.72; Бюл. №30.

30. А.с. № 365826, M. Кл. H 03k 13/02, Аналого-цифровой преобразователь, Г.Г.

Живилов, Э.П. Тихонов. – №1623120/26-9; Заявл. 01.03.71; Опубл. 08.01.73; Бюл.

№6.

31. А.с. №429426, М. Кл. G 06f 15/34, Устройство для вероятностного определения временного сдвига, Э.П.Тихонов. – № 1803087/18-24 Заявл. 30.06.72; Опубл.

21.11.73; Бюл. №46.

32.А.с. №450179, М. Кл. G 06f 15/34, Адаптивный коррелометр, Э.П.Тихонов. – №1856401/18-24; Заявл. 07.12.72; Опубл. 15.11.74; Бюл. №42.

33. А.с. № 450181, М. Кл. G 06f 15/36, Многоканальный статистический анализатор, Л.В.Тихомиров, Э.П.Тихонов. – №1941511/18-24; Заявл. 13.07.73; Опубл.

15.11.74; Бюл. №42.

34.А.с. № 619930, М. Кл.2 G 06 G 7/52, Многоканальное устройство для определения функции распределения, В.А.Прянишников, Л.В.Тихомиров, Э.П.Тихонов. – №2408660/18-24; Заявл. 27.09.76; Опубл. 15.08.78; Бюл. №30.

35.А.с. № 723587, М. Кл.2 G 06 F 15/36, Устройство для определения функции распределения, Б.К.Лещёв, Э.П.Тихонов. – №2547354/18-24; Заявл. 28.11.77; Опубл.

25.03.80; Бюл. №11.

36. А.с. № 805358, М. Кл.3 G 06 G 7/52, Устройство для определения экстремальных значений случайных процессов/ Г.Г. Живилов, Н.М. Сметанин, Э.П. Тихонов. – № 2682708/18-24; Заявл. 10.11.78; Опубл. 15.02.81; Бюл. №6.

37. А.с. №1057868, Кл. G 01 R 17/10, Устройство для измерения омических сопротивлений электрических цепей, находящихся под напряжением переменного тока/ Л.И.Достов, К.В.Петров, А.А.Разумовская, Э.П.Тихонов. – №3456593/18-21; Заявл. 24.06.82; Опубл. 30.11.83; Бюл. №44.

38. А.с. №1384001, A1 МКИ G01 N 23/02. Радиоизотопное устройство измерения плотности в динамике/ А.Н.Гусев, Э.П.Тихонов, (СССР). – №3986224/31-25; Заявл. 22.10. 85; (Не опубликовано в открытой печати).

39. А.с. №1474567, A1, МКИ G 01 R 31/28. Способ поверки измерительных компараторов и устройство для его осуществления/ Н.Б.Богомаз, С.В.Призенко, Э.П.Тихонов, (СССР).– №4267859/24-21; Заявл. 25.06. 87; Опубл. 23.04.89; Бюл.

№15.

40. А.с. №1517534, A1 МКИ G01 N 23/02. Радиоизотопное устройство измерения плотности в динамике/ Г.Г.Живилов, Э.П.Тихонов. – №4327368/31-25; Заявл.

16.11.87; (Не опубликовано в открытой печати).

41. А.с. №1521030, A1 МКИ G 01 N 23/02. Радиоизотопное устройство измерения плотности в динамике/ Г.Г.Живилов, Э.П.Тихонов. – №4348513/25-25; Заявл.16.11.87; (Не опубликовано в открытой печати).

42.А.с. №1594461, A1, МКИ G 01 R 31/28. Установка для поверки измерительных четырёхполюсников/ С.В.Призенко, Э.П.Тихонов, Е.А.Якушенко.– №4383829/2421; Заявл. 24.12.87; Опубл. 23.09. 90; Бюл. №35.

43. А.с. №1817541, A1 МКИ G 01 N 9/24. Радиоизотопное устройство измерения плотности в динамике/ М.П.Селиванова, Э.П.Тихонов. – №4799426/9-24; Заявл.6.03.90; (Не опубликовано в открытой печати).

Патенты и решения о выдачи патента 44. Пат. 2.057.448 Франция, H03 k 13/00, Dispositif convertissur analogiquenumrique/ Kavalerov Geny Ivanovich, Nechuikin Viktor Mikhailovich, Vadim Vasilievich Ostrovtrkhov, Petrov Alexandr Vasilievich, Tikhonov Eduard Prokofievich, Data de depot 20 aot 1969, 14 h 7 mn. Data de la dcision de dlivrance 26 avril 1971.

45. Пат. 1275935 Англия, H03K 13/02, Analog-to-digital converter / Geny Ivanovich Kavalerov, Viktor Mikhailovich Nechuikin, Vadim Vasilievich Ostrovtrkhov, Alexandr Vasilievich Petrov, Eduard Prokofievich Tikhonov. Application № 45794/69, Filed Sept. 1969, Complete Specification published 1 June 1972.

46. Решение о выдаче патента на полезную модель, МПК 7 А 61 В 5/04, Устройство для электроэнцефалографических исследований / Васильцов В.Н., Иванов В.Н., Корзенёв А.В., Слезин В.Б., Тихонов Э.П., Шамрий В.К., (РФ).– №2004133722/22(036680); Заявлено 11.11.2004.

47. Пат. RU №230608, C2, МПК А61В 5/053. Способ и устройство для диагностики состояния твёрдых тканей зубов биообъектов / Иванова Г.Г., Иванов В.Н., Касумова М.К., Мчедлидзе Т.Ш., Тихонов Э.П. (РФ). – №2005137558/14(041955); Заявлено 28.11.2005; Опубл. 10.08.2008; Бюл. №22.

А также более 80 публикаций в других изданиях и авторских свидетельствах.




© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.