Помощь в учёбе, очень быстро...
Работаем вместе до победы

Аппроксимационные методы и технологии для построения информационно-измерительных систем промышленного контроля, испытаний и диагностики

Диссертация: Аппроксимационные методы и технологии для построения информационно-измерительных систем промышленного контроля, испытаний и диагностики
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Разработка специализированных измерительных систем и устройств для аппроксимации КФ и СФ ортогональными рядами связана с разрешением ряда противоречий. Естественное стремление к снижению порядка модели приводит к усложнению базисных функций. В свою очередь, сложные многопараметрические базисы эффективны только при осуществлении оптимальной подстройки их параметров. Включение в структуру систем… Читать ещё >

Содержание

  • ГЛАВА 1. АППРОКСИМАЦИОННЫЙ ПОДХОД К РАЗРАБОТКЕ МЕТОДОВ И СИСТЕМ ИЗМЕРЕНИЯ, КОНТРОЛЯ, ИСПЫТАНИЙ И ДИАГНОСТИКИ
    • 1. 1. Развитие, становление и современное состояние аппроксимационных методов и технологий
    • 1. 2. Проблемы промышленных измерений, контроля, испытаний, диагностики
    • 1. 3. Принципы и свойства аппроксимационного подхода к решению измерительных задач
    • 1. 4. Аппроксимационные методы и средства статистических измерений
      • 1. 4. 1. Обобщенный спектрально-аналитический метод обработки случайных сигналов
      • 1. 4. 2. Методы и средства аппроксимационного корреляционно-спектрального анализа стационарных случайных процессов
      • 1. 4. 3. Методы и средства аппроксимационного анализа нестационарных случайных процессов
    • 1. 5. Обратные измерительные задачи и аппроксимационные подходы к их решению

Аппроксимационные методы и технологии для построения информационно-измерительных систем промышленного контроля, испытаний и диагностики (реферат, курсовая, диплом, контрольная)

Технический прогресс и развитие промышленности связаны с созданием и внедрением гибких производственных систем, автоматизированных систем управления технологическими процессами, многоуровневых систем комплексных испытаний, оперативного контроля и диагностики основного и вспомогательного производственного оборудования, коммуникационных и транспортных средств. Создание, эффективное использование и совершенствование таких систем возможны только на базе современных достижений в области информационно-измерительной и вычислительной техники с привлечением передовых информационных технологий, оптимальных методов математической обработки и системного подхода к всему комплексу решаемых задач.

Задачи промышленного контроля, испытаний и диагностики связаны с необходимостью проведения измерений при рабочих режимах функционирования оборудования, в связи с чем возникают проблемы, обусловленные случайным характером и зачастую ограниченным объемом экспериментальных данных, необходимостью получения результатов обработки и принятия решений в минимальные сроки. Решению таких проблем способствует привлечение априорной информации в форме аналитических моделей исследуемых зависимостей и разработка соответствующих статистических методов обработки и анализа данных.

Вместе с тем, построение математических аналитических моделей по результатам измерений является конечной целью широкого круга исследовательских и диагностических задач. Модель выступает как системная интерпретационная конструкция, объединяющая объект, субъект, цели и условия измерений, контроля, испытаний. На основе аналитических моделей осуществляется решение многих измерительных и контрольно-диагностических задач в промышленности, а также интерпретация результатов физических, химических, химико-аналитических и других экспериментов [2, 13, 16, 28, 33, 34, 41, 44, 56, 72, 95, 100, 107, 170, 185, 186, 208]. «История методологии математического моделирования убеждает: она может и должна быть интеллектуальным ядром информационных технологий» [186, с.7].

В последние десятилетия сформировалось направление, связанное с разработкой и построением измерительных систем, предполагающих * включение математических моделей непосредственно в их рабочий контур [19, 21, 41, 44, 73, 141, 163, 170, 224, 232, 246]. В рамках этого направления разработаны различные аппроксимационные ИИС для анализа вероятностно-статистических характеристик случайных процессов и полей, определения состава и свойств веществ, идентификации, контроля, диагностики и прогнозирования состояния технических систем [19, 141, 224, 233]. Основным достоинством таких систем является компактная, удобная для пользователя форма представления результатов, что позволяет их обоснованно интерпретировать и при необходимости включать непосредственно в процедуры дальнейших аналитических преобразований и расчетов.

Информационно-измерительные технологии в современном производстве все в большей мере ориентируются на реализацию концепции поддержки полного жизненного цикла изделий на базе CALS (Continuous Acquisition Life-cycle Support) технологий, основой которой служит представление и сопровождение информационной модели изделия, включающей в себя все данные об изделии и окружающей его инфраструктуре. Поскольку в рамках CALS технологий в единую цепочку объединяются этапы проектирования, производства и эксплуатации, информационная модель изделия должны строиться и редактироваться по данным мониторинга жизненного цикла изделия, моделей помех и влияющих факторов.

Наибольшее применение и развитие методы аппроксимации получили в задачах статистического анализа случайных процессов и полей. Разработан широкий спектр различных по назначению методов, алгоритмов, специализированных и многофункциональных статистических ИИС [4, 11, 21, 30, 41, 107, 163, 170, 185, 218, 242, 246]. Многообразие подходов, методов и технических решений, в свою очередь, породило ряд проблем, сдерживающих дальнейшее развитие и внедрение аппроксимационных методов и средств. В этом ряду стоят проблемы создания общетеоретических и методологических основ разработки и исследования аппроксимационных статистических анализаторов, формализации процессов обоснованного выбора моделей и критериев их соответствия моделируемым объектам и на этой основе построения высокоэффективных методов и систем оперативного статистического анализа, диагностики и контроля.

Существует класс измерительных задач, связанных с определением характеристик детерминированных сигналов [А1, 39, 63, 95, 100, 116, 147]. Такие задачи характерны для оперативного технического контроля оборудования и параметров технологических процессов в промышленности, энергетике, транспорте. Примерами могут служить измерения интегральных характеристик периодических сигналов (средних, средневыпрямленных и среднеквадратических значений, активной, реактивной и полной мощности), характеристик переходных процессов и режимов работы энергоагрегатов, машин и механизмов [Al, А2, 63, 116].

Основная проблема в этом классе задач состоит в обеспечении необходимого быстродействия контрольно-измерительных процедур, обусловленного требованиями к оперативности контроля и диагностики. Повышение быстродействия за счет увеличения производительности вычислительных средств ведет к прогрессирующему удорожанию средств измерений и обработки [10, 77, 125,]. Привлечение аппроксимационного подхода к данным измерительным задачам, с одной стороны, способствует эффективному их решению, с другой стороны, обеспечивает общеметодологическую платформу для унификации средств измерений и их метрологического анализа [27, 111−113, 136, 201, 202, 206].

Еще одной важной сферой приложения аппроксимационного подхода являются обратные задачи. В информационно-измерительной технике с решением обратных задач связаны процедуры коррекции результатов измерений, направленные на устранение влияния аппаратной функции (редукция к идеальному прибору) и разделение эффектов от влияния отдельных факторов, а также процедуры интерпретации результатов косвенных измерений в спектрометрии, дифрактометрии, хроматографии, томографии [17, 25−28, 36, 104, 140, 210]. Такие задачи относятся к классу некорректных, и требуют для своего решения применения специальных методов регуляризации [12, 18, 26, 46, 48, 50, 133, 203, 211]. В математической физике и классической теории некорректных задач к проблеме построения аналитических аппроксимаций стали обращаться лишь в последние годы [79, 85, 89, 134, 177, 181, 204 206]. В инженерной практике и разработке методов и средств ИИТ аппроксимационные методы не нашли должного распространения, хотя достоинства их отмечались многими специалистами [13, 85, 89, 104, 111 113,201 202].

При всем разнообразии рассмотренных выше задач важной и актуальной является проблема обобщения подходов к их решению. Использование аппроксимационного подхода, как обшей платформы для построения методологического, математического и алгоритмического обеспечения ИИС, дает предпосылки системного объединения через математическую модель априорной информации, выражающей физическую сущность решаемой задачи, структуры и характеристик измерительных средств и методов, а также процедуры осуществления измерений и интерпретации их результатов.

Учитывая это, следует признать актуальным дальнейшее развитие аппроксимационных методов решения измерительных задач и разработку на их основе ИИС различного назначения. Важным является обобщение подходов к аппроксимационным и примыкающим к ним задачам идентификации, регуляризации, фильтрации, оценивания, распознавания и создание на этой платформе основ методологии синтеза и исследования методов, алгоритмов и инструментальных средств в области информационно-измерительной, контрольно-диагностической и испытательной техники.

Диссертация представляет собой обобщение более чем двадцатипятилетнего опыта работы автора в области разработки и исследования аппроксимационных статистических ИИС, методов и систем обработки результатов аналитических экспериментов, разработки специализированных средств определения характеристик процессов и агрегатов в электроэнергетике.

Работа выполнялась в рамках комплексных научно-технических программ «Надежность конструкций», утвержденных приказами № 659 от 13.11.81 и № 641 от 10.10.86 Минвуза РСФСРкомплексной программы «Новые технологии и оборудование отраслей народного хозяйства» (раздел 2.3, позиция 2.33), утвержденной приказом № 6 от 18.12.91 Государственным комитетом высшего образования РФкомплексной программы «Новейшие технологии» (позиция 02.02.06), утвержденной приказом № 28 от 07.03.97 ГКНТ РФкомплексной программы Минвуза РСФСР и АН СССР «Автоматизация научных исследований», утвержденной приказом № 149 от 25.12.80 ХНО Минвуза РСФСР, а также связана с выполнением ряда хоздоговорных НИР и договоров о творческом сотрудничестве, проводившихся под научным руководством и при непосредственном участии автора в 1976;2003г.г. (х/д №№ 92/75- 113/77- 59/81- 8/83- 70/84-К-97- 17/87-К-398- 418/02- 420/02- 58/03).

Цель работы. Теоретическое обобщение и разработка новых методов, алгоритмов, аппаратных и программных средств, основанных на принципах аппроксимации исследуемых зависимостей и их функциональных характеристик аналитическими моделями. Разработка методологических основ построения специализированных ИИС для оперативного анализа случайных процессов, измерения интегральных характеристик сигналов и параметров динамических систем, восстановления функциональных зависимостей по результатам измерения их косвенных проявлений.

Основные задачи и направления исследований:

— обоснование и анализ проблем, связанных с развитием и разработкой новых концепций и методов, основанных на аппроксимационном подходе к решению измерительных задач, и построением на их основе информационно-измерительных и контрольно-диагностических систем и комплексов;

— синтез и анализ оптимальных методов оперативного оценивания параметров моделей функциональных характеристик случайных сигналов;

— разработка и анализ методов решения обратных задач на основе аппроксимаций оцениваемых зависимостей аналитическими моделями;

— разработка простых и быстродействующих методов и алгоритмов для определения характеристик детерминированных сигналов;

— разработка и исследование вычислительных алгоритмов обработки измерительных сигналов в режиме реального времени;

— построение специализированных ИИС и анализ эффективности их функционирования.

Методы исследования, используемые в диссертации, основаны на системном подходе к решаемой проблеме, на положениях теории систем, теории измерений, теории вероятности и математической статистики, теории случайных процессов и полей, теории оптимизации и аппроксимации, теории идентификации с привлечением методов аналитического, статистического и имитационного моделирования.

Структура и содержание работы. Диссертация состоит из введения, шести глав, заключения и приложений.

6.4. Основные результаты и выводы.

6.4.1. В главе рассмотрены оригинальные разработки, выполненные лично автором и при его участии, защищенные авторскими свидетельствами и реализованные во внедренных ИИС, специализированных измерительных устройствах и программных продуктах, построенные на основе разработанных методов и алгоритмов. следовательно, и 5СЛ до любой заданной величины. Что.

Определены основные параметры устройств, обеспечивающие заданные показатели качества результатов измерений.

6.4.2. Общим свойством разработанных в предыдущих главах алгоритмов является то, что их реализация базируется на небольшом объеме базовых процедур, таких как линейная фильтрация, нелинейные функциональные преобразования, масштабирование, усреднение и простейшие арифметические операции. Это свойство позволяет создавать измерительные средства различного назначения, используя набор типовых функциональных блоков и подсистем, и переносить ранее полученные технические решения на последующие разработки.

6.4.3. Специализированные устройства для аппроксимации КФ конечно-параметрическими моделями представляют собой автокомпенсационные структуры с взаимосвязанными каналами автоподстройки параметров, и требуют анализа их динамических свойств и определения статистических свойств получаемых оценок. Конкретизация общей методики исследования замкнутых структур, рассмотренной в разделе 2.5, позволила сформулировать условия устойчивости разработанных систем и получить предельные соотношения для погрешностей оценок измеряемых характеристик.

6.4.4 Разработка специализированных измерительных систем и устройств для аппроксимации КФ и СФ ортогональными рядами связана с разрешением ряда противоречий. Естественное стремление к снижению порядка модели приводит к усложнению базисных функций. В свою очередь, сложные многопараметрические базисы эффективны только при осуществлении оптимальной подстройки их параметров. Включение в структуру систем замкнутых контуров автоподстройки снижает преимущества, обусловленные свойствами ортогональных базисов. Предложено комплексное решение задачи аппроксимации с использованием двух базисных систем. Разработана и проанализирована система, осуществляющая одновременную оценку коэффициентов разложения АКФ в базисах функций Лагерра и ортогонализированных экспоненциальных функций. Другим вариантом комплексирования аппроксимационных анализаторов является объединение подсистем, обеспечивающих оценивание параметров функцией заданного вида и оценивание коэффициентов разложения исследуемой функции в многопараметрическом базисе. Разработана система, объединяющая двухпараметрический аппроксиматор и анализатор КФ (СФ) в базисе ортогонализированных экспоненциальных функций, синтезированных таким образом, что нулевая функция совпадает по виду с функцией заданного вида, параметры которой оценивает коррелометр с аппроксимацией двухпараметрическими моделями. В этом случае последующие члены ряда выступают в роли поправок к первоначальной модели и улучшают ее приближение к оцениваемой характеристике.

6.4.5. На основе принципа итерационного усреднения построены устройства для циклической оценки значений функциональных характеристик. Отсутствие аналого-цифровых и время-импульсных преобразователей в устройстве позволяет обеспечить высокое быстродействие, характерное для аналоговых систем. На основе устройств для циклического оценивания значений функциональных характеристик разработан класс специализированных устройств для аппроксимации различных функциональных характеристик сигналов.

ЗАКЛЮЧЕНИЕ

.

Общая характеристика результатов диссертационной работы.

Совокупность теоретических и прикладных результатов, полученных в диссертационной работе, можно квалифицировать как научное обоснование технических решений для развития перспективного направления в области создания ИИС различного назначения на единой методологической основе, реализующей аппроксимационный подход к решению измерительных задач.

В работе рассмотрены основные принципы и особенности аппроксимационного подхода к решению измерительных и контрольно-диагностических задач, проанализированы эволюция и современное состояние теории и приложений методов аппроксимации в ИИТ. Сформулированы проблемы и задачи исследований в направлениях измерения характеристик сигналов, анализа случайных процессов, решения некоторых классов обратных задач, являющихся базовыми при осуществлении контроля, испытаний и диагностики объектов в условиях их нормального функционирования.

Разработаны методы и реализующие их алгоритмы для оценивания вероятностных характеристик случайных процессов, определения характеристик детерминированных сигналов, решения обратных задач на основе аппроксимаций оцениваемых зависимостей аналитическими моделями.

Разработана и апробирована методика аналитического оценивания метрологических характеристик аппроксимационных алгоритмов и реализующих их средств.

На основе разработок и исследований, проведенных в диссертации, созданы и внедрены специализированные ИИС для решения задач контроля, испытаний и диагностики, а также отдельные методики, алгоритмы и программы.

Научная новизна результатов работы состоит в том, что в диссертации впервые поставлена и решена комплексная задача построения информационно-измерительных систем различного функционального назначения на основе единого подхода и единой формы представления результатов измерения. При этом:

— на основе анализа предметных областей выявлены и исследованы модели, информативные в отношении важных фундаментальных свойств многочисленных явлений, процессов и объектовпредложены обобщающие в определенных классах модели корреляционных и структурных функций случайных процессов и полей;

— на основе развития принципа аппроксимации подлежащих оцениванию функциональных характеристик параметрическими математическими моделями, разработаны новые методы, алгоритмы и аппаратные средства для оперативного определения характеристик детерминированных сигналов, стационарных и нестационарных случайных процессов, обработки и интерпретации результатов косвенных измерений;

— разработан метод формирования ортогональных функций и полиномов на основе ряда дробно-рациональных параметрических моделей, позволяющий синтезировать адекватные классу корреляционных и структурных функций базисные системы;

— разработан метод и средства, его реализующие, для экспериментального оценивания значений среднеквадратической погрешности аппроксимации функциональных характеристик, позволяющий формализовать процедуру выбора модели и определения характера экстремума погрешности;

— разработан метод параметрической адаптации к свойствам исследуемых процессов весовой функции в критерии взвешенной среднеквадратической погрешности аппроксимации, позволяющий повысить точность оценивания;

— разработаны методы параметрической оптимизации ортогональных базисов, используемых для модельного представления функциональных характеристик экспериментальных зависимостей;

— на основе методов регуляризации разработаны оригинальные способы стабилизации фильтров Калмана и адаптации их параметров к свойствам исходных данных;

— на основе метода моментов разработаны алгоритмы решения обратных задач, эффективность которых подтверждена на примерах оценивания характеристик распределения размеров частиц в дисперсных многофазных потоках;

— обоснована единая методологическая основа для разработки и метрологической аттестации методов и средств определения интегральных характеристик детерминированных сигналов.

Практическая ценность результатов исследований заключается в разработке конкретных программных и аппаратных средств, а также в том, что:

— собранная и структурированная библиотека моделей различных функциональных характеристик случайных процессов и моделей аналитических сигналов позволяет решать широкий круг прикладных задач обработки и интерпретации экспериментальных данных;

— разработанные методы и алгоритмы аппроксимационного анализа послужили основой построения ИИС для определения математических моделей функциональных характеристик случайных процессов, измерения интегральных характеристик периодических сигналов, восстановления зависимостей по результатам косвенных измерений;

— на основе методов решения некорректных обратных задач разработаны устойчивые регуляризованные фильтры Калмана;

— на основе итерационно-усредняющих алгоритмов разработаны циклические анализаторы корреляционных, спектральных, структурных характеристик;

— предложенная методика аналитического исследования и экспериментального оценивания погрешностей аппроксимационных анализаторов позволяет решать задачи оптимального планирования экспериментов.

Апробация работы. Разделы и положения диссертационной работы докладывались и обсуждались на сорока пяти Международных, Всесоюзных, республиканских симпозиумах и конференциях, в том числе на I и II Международных конференциях «Информационные технологии в моделировании и управлении» (Санкт-Петербург, 1996 г., 2000 г.), II, IV и V Международных конференциях «Проблемы управления и моделирования в сложных системах» (Самара, 2000 г., 2002 г., 2003 г.), Международной конференции «Надежность и качество в промышленности, энергетике и на транспорте» (Самара, 1999 г.), Международной научно-технической конференции «Микропроцессорные системы автоматики» (Новосибирск, 1996 г.), Международной научно-практической конференции «Ашировские чтения» (Самара, 2002 г.), Всесоюзных научно-технических конференциях «Информационно-измерительные системы» (Баку, 1977 г.- Куйбышев, 1983 г.- Винница, 1985 г.- Ташкент, 1987 г.- Ульяновск, 1989 г.- Ленинград, 1991 г.- Москва, 1994 г.), научно-технической конференции с международным участием «Радиотехнические системы (навигации, связи), средства измерения и новые информационные технологии» (Красноярск, 1992 г.), III Всероссийской конференции с международным участием (Таганрог, 1996 г.), Всесоюзной научно-технической конференции «Применение статистических методов в производстве и управлении».

Пермь, 1984 г.), Всесоюзной конференции «Перспективы и опыт внедрения статистических методов в АСУТП» (Тула, 1987 г.).

Использование результатов диссертации. Результаты диссертационной работы были использованы и внедрены:

1) в рамках НИР по хоздоговорам с Институтом теплои массообмена (ИТМО) АН БССР (г. Минск) в виде ИИС для анализа корреляционных характеристик и блока определения автокорреляционной функции;

2) в рамках НИР-ОКР по хоздоговорам с предприятием п/я М5912 в виде алгоритмов и программ ЦВМ для рентгеновского анализа в составе системы автоматизации рентгеновских дифрактометров;

3) в рамках НИР по хоздоговору № 70/84-К-97 на предприятии п/я А3231 в виде алгоритмов и программ для определения структурных характеристик случайных процессов;

4) в лаборатории статистического моделирования факультета вычислительной математики МГУ использованы результаты разработки и исследования регуляризованных фильтров Калмана и алгоритмы рентгеноспектрального исследования деформированных поликристаллов;

5) в учебном процессе Самарского государственного технического университета при подготовке инженеров по специальности 190 900 -«Информационно-измерительная техника и технологии» в виде лекционного материала по дисциплинам: «Методы обработки измерительной информации», «Анализ данных и планирование эксперимента», «Моделирование процессов и систем», а также заданий и методических указаний по выполнению курсовых и дипломных проектов;

6) в рамках НИР по хоздоговорам с ЗАО «Волгоспецстрой» (г.Самара) в виде методики и программного обеспечения системы моделирования элементов гидротехнических сооружений.

Публикации. По теме диссертации опубликовано 76 научных работ, в том числе 2 монографии, 36 статей в журналах и сборниках, 38 авторских свидетельств.

Вклад автора в разработку проблемы. Все основные научные положения, обобщения, выводы и рекомендации, изложенные в диссертации, получены автором лично. Алгоритмические, аппаратные и программные средства для реализации предложенных методов разработаны под его руководством и при непосредственном участии. В работах, опубликованных в соавторстве с Лизу новым В.В., Хавлиным О. В., Трубиным В. А., Рафаловичем А. А. Солощевым В.А., автор выступал как разработчик теоретических основ и оригинальных методов аппроксимационных измерений, а соавторы осуществляли разработку и реализацию аппаратных средств и программного обеспечения, анализ свойств методов и систем, отраженных в опубликованных материалах. В работах, опубликованных в соавторстве с Волковым И. И., Прохоровым С. А., Мотовым В. В., автор развивал идеи аппроксимационного подхода применительно к корреляционному анализу стационарных случайных процессов. В частности, ему принадлежит идея использования критерия минимума взвешенной среднеквадратической погрешности и ее реализация при построении адаптивных корреляционных анализаторов и методов оценивания числовых корреляционных характеристик, им предложен метод экспериментальной оценки среднеквадратической погрешности аппроксимации корреляционных функций. В работах, опубликованных в соавторстве с Мелентьевым B.C., автору принадлежит идея обобщения широкого спектра методов и средств измерения интегральных характеристик периодических сигналов и параметров переходных процессов в рамках единого подхода и обобщенная методика метрологического анализа этих методов и средств.

Показать весь текст

Список литературы

  1. А1.Батищев В. И., Мелеитьев B.C. Цифровые методы измерения интегральных характеристик периодических сигналов: Монография. Самара: Самар.гос.техн.ун-т, 2002. 96с.
  2. А2.Батищев В. И., Мелентьев B.C. Процессорные средства измерений характеристик периодических сигналов: Монография. Самара: Самар.гос.техн.ун-т, 2002. 165с.1. Статьи
  3. АЗ.Батищев В. И. Аппроксимационный подход к оцениванию характеристик взаимосвязи случайных процессов со стационарными приращениями // Изв. вузов. Северо-Кавказский регион. Технические науки, 2003, № 2. С.14−25.
  4. А4.Батищев В. И. Аппроксимативный структурный анализ случайных процессов со стационарными приращениями// Вестник СамГТУ, Сер. техн. науки, Самара, 2002. Вып. 14. С.38−50.
  5. Аб.Батищев В. И. Построение устойчивых решений одного класса диагностических задач // Информационные технологии в моделировании и управлении: Труды Международной конференции. Санкт-Петербург: Изд. СПбГТУ, 1996.
  6. А7.Батищев В. И. Обработка данных и идентификация спектров в вибродиагностике // Вестник СамГТУ, Сер. техн. науки, Самара, 2000. -Вып.8. С.109−115.
  7. А8.Батищев В. И. Принципы построения стабильных регуляризованных фильтров Калмана // Вестник СамГТУ, Сер. физ.-мат. науки, Самара, 2000. — Вып.9. С.151−156.
  8. А9.Батищев В. И. Сравнительный анализ методов аппроксимации корреляционных функций параметрическими моделями / Куйбышев, политехи, ин-т, Куйбышев, 1980. 5с. Деп. в ВИНИТИ. 12.12.80, № 5263-В80.
  9. А11. Батищев В. И., Батищева О. М. Методы математического моделирования в задачах оперативного контроля технологических процессов // Высокие технологии в машиностроении: Материалы международной научно-технической конференции. Самара, 2002. С.241−244.
  10. А13. Батищев В. И., Волков И. И., Панфилов Г. А. Аппроксимативный метод экспериментальной оценки характеристик распределения размеров капель в газожидкостных потоках / Куйбышев, политехи, ин-т, Куйбышев, 1981. 4с. Деп. в ВИНИТИ. 09.11.81, № 1700-В81.
  11. А14. БатищевВ.И., Волков И. И., Панфилов Г. А. Оценка параметров модели плотности распределения частиц по размерам на основе критерия моментов / Куйбышев, политехи, ин-т, Куйбышев, 1981. 6с. Деп. в ВИНИТИ. 09.11.81, № 1702-В81.
  12. А15. БатищевВ. И, Галкин В. Я., Жуковский Е. Л., ТрубинВ.А. Методы корректной обработки дифрактограмм // В кн.: Численный анализ методы и алгоритмы. М.: Изд. МГУ, 1986. С. 100−111.
  13. А16. БатищевВ.И., Мелентьев B.C. Измерительно-моделирующие технологии определения параметров энергообъектов // Изв. вузов. Электромеханика. 2003, № 4. С.66−69.
  14. А17. БатищевВ.И., Мелентьев B.C. Измерительно-моделирующий подход к определению интегральных характеристик периодических сигналов // Изв. вузов. Электромеханика. 2003, № 6. С.54−67.
  15. А23. Батищев В. И., Солощев В. А., Лизунов В. В. Имитатор аппаратной части систем измерения, контроля и регулирования // Системы контроля и управления на основе микро-ЭВМ: Сборник научных трудов. Куйбышев, КптИ, 1983.-С.97−102.
  16. А24. Батищев В. И., Трубин В. А. Исследование метода статистической регуляризации применительно к задаче определения параметров кристаллической решетки / Куйбышев, политехи, ин-т, Куйбышев, 1986. 22с. Деп. в ВИНИТИ. 01.04.86, № 2249-В86.
  17. А26. Батищев В. И., Трубин В. А. Погрешности определения формы дифракционной линии рентгенографических исследований / Куйбышев, политехи. ин-т, Куйбышев, 1986. 17с. Деп. в ЦНИИТЭИ приборостроения, № 3172−86.
  18. А27. Батищев В. И., Хавлин О. В. Алгоритмы и программно-аппаратное обеспечение автоматизированного определения MX рентгеновских ИВК / Самарский политехи, ин-т, Самара, 1991. 26с. Деп. в ВИНИТИ. 10.09.91, № 6349-В91.
  19. А30. Батищев В. И., Хавлин О. В. Принципы построения и состав комплекса модулей для рентгеновских ИИС // Методы и средства контроля состояния и ресурса конструкций и систем: Сб. научн. трудов. Куйбышев, 1988. С. 128 -135.
  20. А31. Батищев В. И., Хавлин О. В. Структурно-алгоритмические методы оптимизации метрологических характеристик измерительных каналов в РДИИС / Самарский политехи, ин-т, Самара, 1991. 10с. Деп. в ВИНИТИ. 10.09.91, № 3650-В91.
  21. АЗЗ. Волков И. И., Батищев В. И. Метод оптимизации параметров разложения корреляционных функций в базисе ортогональных функций
  22. Лагерра в темпе эксперимента / Куйбышев, политехи, ин-т, Куйбышев, 1979. 5с. Деп. в ВИНИТИ. 06.04.79, № 1215-В79.
  23. А34. Волков И. И., Батищев В. И. Метод повышения точности аппроксимативных взаимных спектрально-корреляционных анализаторов // Изв. вузов СССР. Приборостроение. T. XXII, — 1979, № 8. С. 17−22.
  24. А35. Волков И. И., Батищев В. И. Применение ортогонализированных экспоненциальных функций в аппроксимативном корреляционном анализе // Изв. вузов СССР. Радиоэлектроника. T. XXIII, — 1980, № 5, с.66−68.
  25. A36. Волков И. И., Батищев В. И. Рекуррентный алгоритм вычисления параметров разложения корреляционных функций в ряд по ортогональным функциям Лагерра // Изв. вузов СССР. Приборостроение. T. XXII, — 1980, № 7 С.29−33.
  26. А37. Волков И. И., Прохоров С. А., Батищев В. И. Способ построения аппаратуры для определения методических погрешностей аппроксимации корреляционных функций // Изв. вузов СССР. Приборостроение. T. XXI, — 1978, № 8. С.24−29.
  27. А38. Куликовский К. Л., Батищев В. И., Хавлин О. В. Система комплексного метрологического обеспечения рентгеновских САНИ // Вестник СамГТУ, Сер. техн. науки, Самара, 1993. Вып.1,. С.45−48.1. Авторские свидетельства
  28. А39. А.с. 1 046 902 СССР, МКИ НОЗ В 19/00. Цифровой генератор гармонических колебаний / А. А. Рафалович, А. В. Крыжановский, В. И. Батищев, А. И. Чертыковцев (СССР). № 3 359 341/18−09- Заявлено 25.11.81. 0публ.07.10.83. Бюлл.№ 37. Зс.
  29. А40. А.с. 1 062 730 СССР, МКИ G06 G 7/52. Устройство для оценки математического ожидания нестационарного случайного процесса /
  30. В.И.Батищев, В. В. Лизунов (СССР). № 3 446 831/18−24- Заявлено 31.05.82. Опубл.23.12.83. Бюлл.№ 47. 4с.
  31. А41. А.с. 1 070 571 СССР, МКИ G06 G 7/19. Циклический коррелометр / В. И. Батищев, А. А. Рафалович (СССР). № 3 500 703/18−24- Заявлено 18.10.82. Опубл.30.01.84. Бюлл.№ 4. 4с.
  32. А42. А.с.1 117 659 СССР, МКИ G06 G 7/19. Устройство для определения структурной функции / В. И. Батищев, В. В. Лизунов, А. А. Рафалович, В. А. Солощев (СССР). № 3 617 367/24−24- Заявлено 05.07.83. Опубл.07.10.84. Бюлл.№ 37. 5с.
  33. А43. А.с.1 130 852 СССР, МКИ G06 G 7/19. Устройство для определения параметров модели структурной функции / В. И. Батищев, В. В. Лизунов (СССР). № 3 597 179/24−24- Заявлено 30.05.83. Опубл.23.12.84. Бюлл.№ 47. 9с.
  34. А44. А.с.1 164 620 СССР, МКИ G01 R 23/16. Цифровой анализатор спектра /
  35. A.А.Рафалович, А. В. Крыжановский, В. И. Батищев (СССР). № 3 638 919/2421- Заявлено 05.09.83. 0публ.30.06.85. Бюлл.№ 24. 5с.
  36. А45. А.с.1 164 743 СССР, МКИ G06 G 7/19. Устройство для оценки производной корреляционной функции случайного процесса /
  37. B.И.Батищев, В. К. Семенычев, В. В. Лизунов (СССР). № 3 695 913/24−24- Заявлено 30.01.84. 0публ.30.06.85. Бюлл.№ 24. Зс.
  38. А46. А.с.1 167 624 СССР, МКИ G06 G 7/19. Устройство для оценки производной структурной функции случайного процесса / В. И. Батищев, В. В. Лизунов, О. В. Хавлин, А. И. Чертыковцев (СССР). № 3 684 847/24−24- Заявлено 02.01.84. Опубл. 15.07.85. Бюлл.№ 26. Зс.
  39. А47. А.с.1 211 758 СССР, МКИ G06 F 15/36. Устройство для определения параметра степенной модели среднего значения случайного сигнала / В. И. Батищев, О. В. Хавлин, В. В. Лизунов (СССР). № 3 794 477/24−24- Заявлено 25.07.84. Опубл. 15.02.86. Бюлл.№ 6. Зс.
  40. А48. А.с.1 236 503 СССР, МКИ G06 F 15/36. Устройство для определения модели структурной функции случайного процесса / В. И. Батищев, В. В. Лизунов (СССР). № 3 743 154/24−24- Заявлено 08.05.84. Опубл.07.06.86. Бюлл.№ 21. 4с.
  41. А49. А.с. 1 295 423 СССР, МКИ G06 G 7/19. Устройство для определения коэффициентов разложения структурной функции / В. И. Батищев,
  42. B.В.Лизунов, Е. П. Коробова (СССР). № 3 959 331/24−24- Заявлено 01.10.85. 0публ.07.03.87. Бюлл.№ 9. Зс.
  43. А50. А.с. 1 295 424 СССР, МКИ G06 G 7/19. Устройство для определения структурной функции / В. И. Батищев, В. В. Лизунов (СССР). № 3 961 445/2424- Заявлено 09.10.85. 0публ.07.03.87. Бюлл.№ 9. Зс.
  44. А51. А.с. 1 317 652 СССР, МКИ Н03 Н 21/00. Регуляризованый фильтр Калмана / В. И. Батищев, В. А. Трубин (СССР). № 3 985 955/24−24- Заявлено 02.12.85. Опубл. 15.06.87. Бюлл.№ 22. Зс.
  45. А52. А.с. 1 418 728 СССР, МКИ G06 F 13/26. Устройство для сопряжения двух магистралей / В. И. Батищев, В. В. Лизунов, В. А. Солощев, А. И. Чертыковцев (СССР). № 4 187 290/24−24- Заявлено 28.01.87. 0публ.07.03.87. Бюлл.№ 31. 8с.
  46. А53. А.с. 1 429 899 СССР, МКИ Н03 Н 17/04. Регуляризованый дискретный фильтр / В. И. Батищев, В. А. Трубин, И. В. Пушкарева (СССР). № 4 168 936/24−24- Заявлено 29.12.86. 0публ.08.06.88. Бюлл.№ 25. 5с.
  47. А54. А.с.446 884 СССР, МКИ G06 g 7/19. Устройство для определения показателя затухания аппроксимирующей экспоненциальной корреляционной функции случайного процесса / И. И. Волков, В. В. Мотов,
  48. C.А.Прохоров, В. И. Батищев (СССР). № 1 801 835/18−24- Заявлено 27.06.72. Опубл. 15.10.74. Бюлл.№ 38. 2с.
  49. А55. А.с.463 121 СССР, МКИ G06 g 7/19. Коррелятор / И. И. Волков,
  50. B.В .Мотов, С. А. Прохоров, В. И. Батищев (СССР). № 1 932 239/18−24- Заявлено 14.06.73. Опубл.05.03.75. Бюлл.№ 9. 2с.
  51. А56. А.с.504 206 СССР, МКИ G06 G 7/19. Коррелятор / И. И. Волков,
  52. C.А.Прохоров, В. И. Батищев, В. В. Мотов (СССР). № 2 074 908/18−24- Заявлено 14.11.74. Опубл.25.02.76. Бюлл.№ 7. Зс.
  53. А57. А.с.517 027 СССР, МКИ G06 G 7/19. Устройство для определения интервала корреляции / И. И. Волков, С. А. Прохоров, В. В. Мотов,
  54. A.П.Токарев, В. И. Батищев (СССР). № 209 935/24- Заявлено 20.01.75. Опубл.05.06.76. Бюлл.№ 21. 4с.
  55. А58. А.с.522 507 СССР, МКИ G06 G 7/52. Устройство для оценки интервала корреляции / И. И. Волков, С. А. Прохоров, В. И. Батищев (СССР). № 2 085 136/24- Заявлено 18.12.74. Опубл.25.07.76. Бюлл.№ 27. Зс.
  56. А59. А.с.529 462 СССР, МКИ G06 G 7/19. Коррелометр с аппроксимацией ортогональными функциями Лагерра / И. И. Волков, С. А. Прохоров,
  57. B.И.Батищев (СССР). № 2 160 031/24- Заявлено 28.07.75. 0публ.25.09.76. Бюлл.№ 35. Зс.
  58. А60. А.с.550 647 СССР, МКИ G06 G 7/19. Двухканальный коррелятор / И. И. Волков, С. А. Прохоров, В. В. Мотов, В. И. Батищев (СССР). № 2 158 430/24- Заявлено 18.07.75. Опубл. 15.03.77. Бюлл.№ 10. 2с.
  59. А61. А.с.552 619 СССР, МКИ G06 G 7/19. Коррелометр / И. И. Волков,
  60. C.А.Прохоров, В. И. Батищев (СССР). № 2 305 064/24- Заявлено 29.12.75. Опубл.ЗО.ОЗ.77. Бюлл.№ 12. Зс.
  61. А62. А.с.583 453 СССР, МКИ G06 G 7/19. Взаимный коррелятор / И. И. Волков, В. В. Мотов, С. А. Прохоров, В. И. Батищев (СССР). № 2 302 741/18−24- Заявлено 24.12.75. 0публ.05.12.77. Бюлл.№ 45. Зс.
  62. А64. А.с.619 931 СССР, МКИ G06 G 7/52. Взаимный коррелятор / И. И. Волков, В. В. Мотов, В. И. Батищев, С. А. Прохоров (СССР). № 2 429 377/18−24- Заявлено 15.12.76. 0публ.03.07.78. Бюлл.№ 30. 4с.
  63. А65. А.с.643 906 СССР, МКИ G06 G 7/19. Коррелятор с аппроксимацией двухпараметрическими моделями / И. И. Волков, С. А. Прохоров, В. И. Батищев (СССР). № 2 406 333/18−24- Заявлено 27.09.77. Опубл.25.01.79. Бюлл.№ 3. 4с.
  64. А66. А.с.648 993 СССР, МКИ G06 G 7/19. Устройство для оценки квадратичного интервала корреляции / И. И. Волков, В. И. Батищев (СССР). № 2 429 378/18−24- Заявлено 15.12.76. 0публ.25.02.79. Бюлл.№ 7. Зс.
  65. А67. А.с.658 493 СССР, МКИ G01 R 23/16. Устройство для измерения составляющих взаимной спектральной плотности / И. И. Волков, В .В .Мотов, С. А. Прохоров, В. И. Батищев (СССР). № 23 004 740/18−21- Заявлено 29.12.75. Опубл.25.04.79. Бюлл.№ 15. 4с.
  66. А68. А.с.684 559 СССР, МКИ G06 G 7/19. Взаимный коррелятор / И. И. Волков, В. В. Мотов, В. И. Батищев, С. А. Прохоров (СССР). № 2 406 332/18−24- Заявлено 27.09.76. Опубл.05.09.79. Бюлл.№ 33. Зс.
  67. А69. А.с.693 393 СССР, МКИ G06 G 7/19. Коррелятор / И. И. Волков, В. И. Батищев (СССР). № 2 497 209/18−24- Заявлено 16.06.77. Опубл.25.10.79. Бюлл.№ 39. 4с.
  68. А70. А.с.693 394 СССР, МКИ G06 G 7/19. Устройство для определения интервала корреляции / И. И. Волков, В. И. Батищев (СССР). № 2 506 834/1824- Заявлено 13.07.77. Опубл.25.10.79. Бюлл.№ 39. Зс.
  69. А71. А.с.703 836 СССР, МКИ G06 G 7/19. Устройство для оценки интервала корреляции / И. И. Волков, В. И. Батищев (СССР). № 2 544 106/1824- Заявлено 16.11.77. Опубл. 15.12.79. Бюлл.№ 46. Зс.
  70. А72. А.с.732 908 СССР, МКИ G06 G 7/19. Устройство для определения параметров аппроксимирующей экспоненциально-косинусной корреляционной функции / И. И. Волков, В. И. Батищев (СССР). № 2 539 997/18−24- Заявлено 03.11.77. 0публ.05.05.80. Бюлл.№ 17. 4с.
  71. А73. А.с.750 509 СССР, МКИ G06 G 7/19. Ортогональный коррелятор / И. И. Волков, В. И. Батищев (СССР). № 2 617 143/18−24- Заявлено 17.05.78. Опубл.23.07.80. Бюлл.№ 27. 4с.
  72. А74. А.с.807 329 СССР, МКИ G06 G 7/19. Коррелятор с аппроксимацией двухпараметрическими моделями / И. И. Волков, В. И. Батищев (СССР). № 2 606 501/18−24- Заявлено 18.04.78. Опубл.23.02.81. Бюлл.№ 7. 6с.
  73. А75. А.с.964 657 СССР, МКИ G06 G 7/19. Устройство для определения коэффициентов разложения структурной функции / В. И. Батищев, В. В. Лизунов (СССР). № 3 262 007/18−24- Заявлено 18.03.81. Опубл.07.10.82. Бюлл.№ 37. 4с.
  74. А76. А.с.974 379 СССР, МКИ G06 G 7/19. Ортогональный коррелятор / И. И. Волков, В. И. Батищев (СССР). № 3 283 176/18−24- Заявлено 28.04.81. Опубл. 15.11.82. Бюлл.№ 42. Зс.1. Тезисы докладов
  75. All. Батищев В. И. Восстановление профиля импульсного сигнала в дефектометрии // Теория цепей и сигналов: Тез.докл. III Всероссийской конф. с междунар. участием. Таганрог, 1996.
  76. А79. Батищев В. И., Волков И. И., Черкасский Е. П. Статистическая ИИС для автоматизации физического эксперимента // Автоматизация экспериментальных исследований: Тез. докл. Всесоюзн. конф. -Куйбышев, 1978.
  77. А82. Батищев В. И., Рафалович А. А. Об одном методе реализации анализаторов характеристик случайных процессов // Информационно-измерительные системы 83: Тез.докл. Всесоюзн. научн.-техн.конф. -Куйбышев, 1983. С. 155−156.
  78. А83. Батищев В. И., СолощевВ.А., Лизунов В. В. Имитатор аппаратной части систем измерения, контроля и регулирования // Планирование и автоматизация эксперимента в научных исследованиях: Тез. докл. VII Всесоюзн. конф. -М., 1983.
  79. А86. Батищев В. И., Трубин В. А. Метод статистической регуляризации в ИИС для исследования тонкой структуры поликристаллов // Информационно-измерительные системы 83: Тез.докл. Всесоюзн. научн.-техн.конф. — Куйбышев, 1983. С. 188.
  80. А87. Батищев В. И., Хавлин О. В. Базовый ИВК для систем автоматизации рентгенодифрактометрических исследований // Измерительные информационные системы: Тез. докл. Всесоюзн. научн.-техн. конф. -Ленинград, 1991. С. 181.
  81. А88. Батищев В. И, Хавлин О. В. К выбору нормированных MX мультимикропроцессорных рентгеновских ИИС // Метрологическое обеспечение ИИС и АСУ ТП: Тез. докл. III Всесоюзн. научн.-техн. конф. -Львов, 1990. С. 62.
  82. А89. Батищев В. И., Хавлин О. В. Методика и базовые технические средства для оценки метрологических характеристик рентгеновских ИИС // Измерительные информационные системы 89: Тез. докл. Всесоюзн. научн.-техн. конф. — Ульяновск, 1989. С. 55.
  83. А91. Батищев В. И., Хавлин О. В. Программно-алгоритмическое обеспечение методики автоматизированной оценки MX рентгеновских ИВК // Системы контроля параметров электронных устройств и приборов: Тез. докл. Республ. научн.-техн. конф. Киев, 1990. С.31−32.
  84. А92. Батищев В. И., Хавлин О. В. Регулярная фильтрация в дифрактометрическом эксперименте // Диагностика и коррекция погрешностей преобразователей технологической информации: Тез. докл. Республ. научн.-техн. конф. Киев, 1989. С.109−110.
  85. А93. Батищев В. И., Хавлин О. В., Трубин В. А. Автоматизированная система для получения и интерпретации данных прочностных исследований // Надежность и долговечность машин и приборов: Тез. докл. II Всесоюзн. научн.-техн. конф. Куйбышев, 1984. С.13−14.
  86. А96. Батищев В. И., Лизунов В. В. Разработка методов статистической обработки информации // Информационно-измерительные системы 83: Тез. докл. Всесоюзн. научн.-техн.конф. — Куйбышев, 1983. С. 155.
  87. А97. Батищев В. И., Мелентьев B.C. Анализ метода измерения активной мощности по мгновенным значениям сигналов // Методы и средства измерений (Computer-Based Conference): Тез. докл. II Всероссийской научно-технической конференции Н.Новгород. 2000. С. 14.
  88. А98. Батищев В. И., Хавлин О. В. Автоматизированная обработка данных рентгеноструктурного анализа металлов и сплавов // Применение статистических методов в производстве и управлении: Тез. докл. Всесоюзн. научн.-техн. конф. Пермь, 1984.
  89. А99. Батищев В. И., Хавлин О. В. Автоматизированный поверочный комплекс для анализа метрологических характеристик рентгеновских ИИС // Метрологическое обеспечение ИИС и АСУТП: Тез. докл. И Всесоюзн. конф. 4.1. Львов, 1988. С. 34.
  90. А102.Батищев В. И., Хавлин О. В. Методы обработки данных в аналитических ИИС // Информационно-измерительные системы 94: Тез. докл. науч.-техн. конференции -Москва, 1994.
  91. А103.Батищев В. И., Хавлин О. В. Особенности реализации алгоритмов управления на микропроцессорных структурах в робототехническйх системах // Робототехника для экстремальных условий: Тез. докл. науч.-техн. конференции. Санкт-Петербург. 1996.
  92. А104.Батищев В. И., Хавлин О. В. Принципы построения программно-конфигурируемых ИИС на основе базового микропроцессорного модуля // Метрологическое обеспечение ИИС и АСУТП: Тез. докл. Н Всесоюзн. конф. 4.2. Львов, 1988. С. 35.
  93. Научно-технические отчеты и рукописные работы
  94. А106.Разработка и исследование локальных средств сбора, обработки и регистрации измерительной информации: Отчет о НИР (заключительный) / КптИ- руководитель К. Л. Куликовский, отв. исполн. В.И.Батищев- №ГР 79 000 260 Инв.№Б970 423. Куйбышев, 1981, 56с.
  95. А.Ж. К вопросу повышения точности оценок параметров на основе оптимального планирования точности измерителей. // Автометрия, 1999, № 4, с. 124−129.
  96. А.Ж. Повышение информативности измерений для стохастических динамических систем на основе спектральной плотности мощности входного сигнала. // Автометрия, 1999, № 1, с.77−93.
  97. О.В., Розенбаум A.M. Прогнозирование состояния технических систем. -М.: Наука, 1990. 125с.
  98. .И., Кириллова Т. Б., Адасовская М. А. Метод анализа случайных сигналов в диагностике состояния. // Проблемы управления и информатики, 1994, № 1−2, с.86−92.
  99. Н.Н., Трофимлюк О. Г. Сдвиг, свертка и корреляционная функция дискретных сигналов в произвольном базисе. // ДАН СССР, 1980, т.250, № 1, с.47−51.
  100. Алгоритмы и программы восстановления зависимостей / Под ред. В. Н. Вапника. М.:Наука, 1984. 816с.
  101. К.А. Восстановление импульсных характеристик датчиков и испытательных воздействий с помощью обратного континуального вейвлет-преобразования // Датчики и системы, 2002, № 4, с.2−6.
  102. К.А. Модели и алгоритмы вейвлет-обработки сигналов датчиков с применением лифтинга. Теоретические основы лифтинга // Датчики и системы, 2002, № 1, с.3−9.
  103. К.А. Модели и алгоритмы вейвлет-обработки сигналов датчиков с применением лифтинга. Численное моделирование // Датчики и системы, 2002, № 2, с.2−5.
  104. Т.А. Экспериментальный анализ. М.: Машиностроение, 1991. 340с.
  105. О.Е., Демин В. П., ИванюкИ.П. Применение высокочастотных ортогональных фильтров для построения коррелометров. // Радиотехника и электроника, 1977, т. ХХП, № 12, с.2523−2531.
  106. А.С. Дискретизационные методы регуляризации некоторых интегральных уравнений I рода. // Методы численного анализа и оптимизации. Новосибирск: Наука, 1987, с.263−297.
  107. А.С., Солодуша С. В., Таиров Э. А. Математические модели нелинейной динамики на базе рядов Вольтерра и их приложения // Изв. РАЕН, сер. МММИУ, т.1, 1997, № 2, с.115−125.
  108. П.А. Теория и применение алгоритмических измерений. -М.: Энергоатомиздат, 1990, 256с.
  109. Н.М. Вейвлет-анализ: основы теории и примеры применения. // Успехи физических наук, 1996, т.166, № 11, с.1145−1170.
  110. Н., Рао К.Р. Ортогональные преобразования при обработке цифровых сигналов. -М.: Связь, 1980. 248с.
  111. Базовые комплексы для автоматизации аналитической рентгеновской аппаратуры / Г. Н. Александров, Е. Н. Владимиров, В. В. Ланцов и др. // Приборы и системы управления, 1986, № 8, с. 17−19.
  112. А.Б., Гончарский А. В. Некорректные задачи. Численные методы и приложения. М.: Изд-во МГУ, 1989. — 199с.
  113. В.Ф., Бахмутский А. В., КотликБ.А. Измерительно-моделирующие системы. М., 1986. — 45с. (ТС-5: Обзор.информ./ЦНИИТЭИприборостроения- Вып.5).
  114. З.А., Урецкий Д. С., Баширова А. Г. Анализ спектра механических колебаний при вибрационных испытаниях. // Измерительная техника, 1996, № 1, с.18−22.
  115. БебихН.В., Денисов А. И. Взаимная спектрально-корреляционная обработка сигналов в различных ортогональных базисах. // Изв. вузов, Радиоэлектроника, 1983, т.26, № 3, с.3−7.
  116. Дж., Пирсол А. Прикладной анализ случайных данных. -М.:Мир, 1989.-540с.
  117. Дж., Пирсол А. Применение корреляционного и спектрального анализа: Пер. с англ. М.: Мир, 1983. — 312с.
  118. Д., Дженкинс Г. Анализ временных рядов. Прогноз и управление. М.: Мир, 1974. — Т. 1 — 406с., — Т.2 — 197с.
  119. Г. И. Теория восстановления сигналов: О редукции к идеальному прибору в физике и технике. М.: Сов. радио, 1979. -272с.
  120. В.Н., Гуров И. П. Компьютерная обработка сигналов в приложении к интерферометрическим системам. Спб.: БХВ — Санкт-Петербург, 1998.
  121. А.Ф., Абдусатаров Б. Б., Игнатенко А. А., Максимович Н. А. Методы и устройства интерпретации экспериментальных зависимостей при исследовании и контроле энергетических процессов. Киев: Наук, думка, 1993.
  122. А.Ф., Москалюк С. С. Математическое моделирование непрерывных динамических систем. Киев: Наук, думка, 1988.
  123. Вибрационная диагностика зарождающихся дефектов / Ф. Я. Болицкий, М. А. Иванов, А. Г. Соколова, Е. И. Хомяков. Наука, 1984. — 119с.
  124. С.Я. Статистическая обработка результатов исследования случайных функций. М.: Энергия, 1979. — 320с.
  125. В.А., Будячевский И. А. Автоматизация синтеза моделей объектов машиностроения на основе систем представления знания // Машиноведение, 1989, № 1, с.5−10.
  126. И.И., Агеев А. С. Рекуррентные алгоритмы статистической идентификации линейных динамических объектов // Автоматика и телемеханика, 1982, № 3, с.50−53.
  127. И.И., Прохоров С. А. Способ повышения точности аппроксимации корреляционных функций ортогональными функциями Лагерра // Изв. вузов СССР. Приборостроение. T. XVII, -1974, № 7, с.68−72.
  128. И.И., Семенычев В. К. Оценка корреляционных характеристик нестационарных по математическому ожиданию случайных сигналов // Изв. вузов СССР. Радиоэлектроника. 1984, № 4, с.38−42.
  129. Ю.Е., Преображенский Н. Г., Седельников А. И. Математическая обработка эксперимента в молекулярной радиодинамике. Новосибирск: Наука, 1984. — 240с.
  130. Т.А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. Спб.: Питер. — 2000.
  131. И. Анализ и обработка данных: специальный справочник. -СПб: Питер, 2001.-752с.
  132. P.M. Математические модели в задачах обработки сигналов. -М.: Горячая линия-Телеком, 2002. 83с.
  133. М.Д., Соколова А. Г. Виброакустическая диагностика машин и механизмов. М.: Машиностроение, 1987. — 288 с.
  134. М.Д., Гетманов В. Г. Использование алгоритма аппроксимации в цифровом фазометре. // Измерительная техника, 1987, № 9, с. 41.
  135. Е.П., Челпанов И. Б., Шевляков Г. Л. Робастное приближение функций в условиях неопределенности // Автоматика и телемеханика, 1979, № 4, с.51−60.
  136. Л.М. Цифровая обработка сигналов. М.: Радио и связь, 1990.-256с.
  137. Е.Д. Коррелометры с аппроксимацией. М.: Энергия, 1971.-96с.
  138. В.А., Сирая Т. Н. Методы обработки экспериментальных данных при измерениях. Л.: Энергоиздат. Ленингр.отд., 1990. — 228с.
  139. А.И. Метод сплайнов и решение некорректных задач теории приближений. М.: Изд-во МГУ, 1983.
  140. Г. И., Димаров С. А. Быстрое взаимное преобразование спектров в базисах дискретных функций Уолша и экспоненциальных функций. // Электронное моделирование, 1985, т.7, № 2, с.41−47.
  141. А.А. Некорректные задачи цифровой обработки информации и сигналов. -М.: Радио и связь, 1984. 160с.
  142. В.В. Системный анализ в экспериментальных исследованиях. Учеб.пособ. Новосибирск, НГТУ, 2001. 99с.
  143. В.Ф., Аксенов Н. Н. Применение метода регуляризации в задачах оценивания. // Проблемы управления и информатики, 1994, № 1−2, с.66−75.
  144. В.А., Чаплыга В. М., Кедровский И. В. Методы и средства обработки диагностической информации в реальном времени. Киев: Наукова думка 1986. — 222с.
  145. А.С., Кон А.И., Мирионов В. А., Хмелевцев С. С. Лазерное излучение в турбулентной атмосфере. М.: Наука, 1976. — 277с.
  146. В.А. Использование подвыборок и понятия устойчивости в задаче определения общего вида искомой зависимости // Заводская лаборатория, 1987, № 1, с.48−53.
  147. B.C. Фильтрация измерительных сигналов. JL: Энергоатомиздат, 1990.
  148. Ф.Ф. Комбинированные цифро-аналитические методы обработки данных экспериментов. // Материалы III Международной школы по автоматизации научных исследований. Пущино: 1990. С. 52 -77.
  149. Ф.Ф., Бикташев В. Н. и др. Адаптивные численно-аналитические методы обработки данных биологического эксперимента, основанные на ортогональных разложениях. М.: НИВЦ АН СССР, 1991.
  150. Н.Г., Сенин А. И. Ортогональные и квазиортогональные сигналы. М.: Связь, 1977. 224с.
  151. Десять главных тенденций в области управления технологическими процессами. // Приборы и системы управления, 1999, № 5/
  152. Э. Методы анализа данных. М.: Финансы и статистика, 1985. -357с.
  153. Н.В. Анализ и структуризация фундаментальных свойств, характеристик и проблем управления сложными системами // Изв. СНЦ РАН, 2000, т.2, № 1, с.72−80.
  154. И. Десять лекций по вейвлетам. Ижевск: НИЦ «Регулярная и хаотическая динамика», 2000. — 464с.
  155. И.Р., Ломтев Е. А. Проектирование ИИС для измерений параметров электрических цепей. М.: Энергоатомиздат, 1997.
  156. С.А., Фельдман М. С., Фирсов Г. И. Методы автоматизированного исследования вибраций машин. — М.: Машиностроение, 1987.— 224с.
  157. И.М., Иванов О. В., Нечитайло В. А. Вейвлеты и их использование // УФН, 2001, т.171, № 5, с.465−501.
  158. В.П. Вейвлеты. От теории к практике. М.: COJIOH-P, 2002. — 448с.
  159. Н.Г. Прикладные методы анализа данных и знаний. -Новосибирск: Изд-во ин-та матем. СО РАН, 1999. 270с.
  160. Н.Г. Эмпирическое предсказание. Новосибирск: Наука, 1979, 124с.
  161. JI.A. Преобразования Фурье, Уолша, Хаара и их применение в управлении, связи и других областях. М.: Наука, 1989. -496 с.
  162. B.C. Математическое моделирование в технике / Под ред. В. С. Зарубина, А. П. Крищенко. М.: Изд-во МГТУ им. Н. Э. Баумана, 2001.-496с.
  163. В.Н. Метод моделей в задачах многофакторных измерений. // Измерительная техника, 1999, № 6, с.3−8.
  164. В.Н., Назарчук З. Т. Реализация метода моделей в задачах многофакторных измерений // Измерит. техника, 2002, № 2, с.5−8.
  165. В.Н. Интеллектуальные средства измерений. // Приборы и системы управления, 1986, № 2, с.21−23.
  166. Г. А., Кривошеев И. А., Чашкин Ю. Р. О доверительной границе систематической погрешности модели, аппроксимирующей экспериментальные данные // Измерительная техника, 2000, № 7, с.8−11.
  167. В.П. Вычислительно-информационные технологии математического моделирования // Автометрия, 2000, № 1, с.3−16.
  168. Информационно-структурные принципы совершенствования средств измерения / Крысин Ю. М., Михеев М. Ю., Семочкина И. Ю., Чувыкин Б. В. Пенза, 1999. — 132с.
  169. А. Распространение и рассеяние волн в случайно-неоднородных средах. Теория и применение// ТИИЭР,-1977.-Т.65, № 7, с.46−82.
  170. А.С., Шимлянникова JI.M., Уникель А. П. Применение тройной свертки в методе аппроксимации формы профилей рентгеновских дифракционных линий. Зав. лаб., 1980, № 10, с.903−906
  171. М.Н. и др. Экспериментальные характеристики флуктуаций радиоизлучения облаков на миллиметровых волнах. // Изв. вузов СССР, Радиофизика, 1976, т. 19, № 11, с. 1644−1649.
  172. М.Н., Стацкий А. А. Экспериментальные характеристики флуктуаций радиоизлучения облачной атмосферы на сантиметровых волнах. Изв. вузов СССР, Радиофизика, 1979, т.22, № 4, с.407−413.
  173. JI.B. Канатов И. И. Алгоритм быстрой корреляционной обработки сигналов, манипулированных по фазе функциями Виленкина-Кристенсона. // Изв. вузов, Радиоэлектроника, 1986, т.29, № 4, с.81−86.
  174. В.А. Цифровая обработка случайных колебаний. М.: Машиностроение, 1986. — 80с.
  175. О.А. О методе квазиподобных оценок в задачах идентификации нелинейных объектов. // Автометрия, 1986, № 6, с.25−32.
  176. О.А., Фофанов Ю. В. Об одном алгоритме структурной идентификации нелинейных зависимостей. // Автометрия, 1986, № 6, с.20−25.
  177. Р.Л., Рао А.Р. Построение динамических стохастических моделей по экспериментальным данным. М.: Наука, 1983. — 384с.
  178. Дж. Системология. Автоматизация решения системных задач. -М.: Радио и связь, 1990.
  179. КноррингВ.Г. Развитие репрезентационной теории измерений // Измерение, контроль, автоматизация, 1980, № 11−12, с.3−9.
  180. Н.Н. Приближенно-аналитический метод решения одного класса задач обработки измерений // Автометрия, 1981, № 6, с.21−28.
  181. А.Н. Рассеяние энергии при локальной изотропной турбулентности // ДАН СССР. 1941. — Т.32. Вып.1. — с. 19−21.
  182. Е.А., Ясенский В. М. Некоторые вопросы применения структурных функций для определения геометрических параметров анизотропии турбулентного поля // Исследование изменчивости гидрофизических полей в океане. М.: Наука, 1974, с.129−131.
  183. А.Ф., Цветков Э. И. Спектральный и корреляционный анализ нестационарных случайных процессов. М.: Изд. стандартов, 1970. -104с.
  184. В.И., Андреев В. Г. Оптимизация АР-моделей процессов с полимодальным спектром. // Изв. вузов, Радиоэлектроника, 1996, т.39, № 5, с.43−48.
  185. П.С., Петров А. А. Принципы построения моделей. М.: Изд. МГУ, 2000.
  186. С.Д. Прикладные математические модели: от электродинамики, радиоастрономии. до информатики, телекоммуникации // Зарубежная радиоэлектроника, 2001, № 6.
  187. КрошкинА.Н. Соотношения для оценки нестабильности частоты и погрешностей временной синхронизации // Измерительная техника, 2000, № 10, с.33−37.
  188. Е.И. Методы измерения случайных процесов. М.:Радио и связь, 1986.-272с.
  189. К.Л., Купер В. Я. Методы и средства измерений: Учеб.пособие. М.: Энергоатомиздат, 1986. — 448с.
  190. М.С. Цифровая обработка сигналов. Процессоры, алгоритмы, средства проектирования. Спб.: Политехника, 1998.
  191. С.А. Метод аппроксимации возрастающих или убывающих сигналов, функций и экспериментальных зависимостей в задачах обработки информации // Системы управления и обработки информации: Межвузовский сборник. Нижний Новгород, 1997, с.128−135.
  192. С.А. Нелинейные модели измерительных преобразователей на классах сигналов (обзор) // Метрология, 2000, № 3, с.22−39.
  193. С.А. Статистические модели и методы в измерительных задачах. Нижн. Новгород: Изд. НГТУ, 2000. 120с.
  194. С.А., Чалый В. В. Дробно-степенная аппроксимация экспериментальных зависимостей // Электронное моделирование, 1996, № 2, с.12−16.
  195. М.М., Романов В. Г., Шишатский С. П. Некорректные задачи математической физики и анализа. М.: Наука, 1980.
  196. И.С. Логические методы построения математических моделей. Новосибирск: Наука, 1980, 190с.
  197. Г. С. Методы обработки разнотипных экспериментальных данных. Новосибирск: Наука, 1981 — 160с.
  198. В.В. Вопросы использования прикладного структурного анализа при обработке измерительной информации / Куйбышев, политехи, ин-т, Куйбышев, 1984, 21с. Деп. в ЦНИИТЭИ приборостроения 29.04.85, № 2851.
  199. У.С., Цзе-Чжа-Мин. Теория нестабильности генераторов, основанная на структурных функциях // ТИИЭР, 1976, т.64, № 12, с.5−12.
  200. А.И. Методология анализа и робастной оптимизации в системах контроля качества и измерительных задачах // Измерительная техника, 2002, № 7, с.6−13.
  201. ЛьюнгЛ. Идентификация систем. Теория для пользователя. М.: Наука, 1991,432с.
  202. А.Г., Митрофанов Г. М., Середа В.-А.И. Аппроксимационный подход при динамическом анализе многоканальных сейсмограмм.
  203. Модельные представления // Геология и геофизика, 1991, № 10, с.97−106.
  204. А.Г., Митрофанов Г. М., Середа В.-А.И. Аппроксимационный подход при динамическом анализе многоканальных сейсмограмм.
  205. Оценивание параметров // Геология и геофизика, 1991, № 11, с. 117 127.
  206. А.Г., Митрофанов Г. М., Середа В.-А.И. Аппроксимационный подход при динамическом анализе многоканальных сейсмограмм.
  207. Прикладные аспекты // Геология и геофизика, 1992, № 4, с. 112−122.
  208. Дж.Х., Рейдер Ч. М. Применение теории чисел в цифровой обработке сигналов. М.: Радио и связь, 1983. — 264с.
  209. . Методы и техника обработки сигналов при физических измерениях: Пер. с франц. В 2-х томах. М.: Радио и связь, 1983. -Т.1,312с.-Т.2, 256с.
  210. В.П., Егоров И. Н., Карасев В. А. Измерение, обработка и анализ быстропротекающих процессов в машинах. М.: Машиностроение, 1987. — 208с.
  211. А.Н. Флуктуации в колеательных системах. М.:Наука, 1968.-660с.
  212. Марпл-мл. С. А. Цифровой спектральный анализ и его применение. Пер. с англ. М.: Мир, 1990. — 584с.
  213. Матвеев J1.Т. Структурные функции вертикальной скорости воздушного потока и новый способ расчета коэффициента турбулентности в свободной атмосфере. Труды ГГО, 1958, в.78, с.98−107.
  214. Математическое обеспечение сложного эксперимента. Т.1. Обработка измерений при исследовании сложных систем / Белов Ю. А., Диденко В. П., Козлов Н. Н, Ляшко И. И., Макаров В. Л., Цитрицкий О. Е. Киев: Наук, думка, 1982. — 304с.
  215. Математическое обеспечение сложного эксперимента. Т.2. Математические модели при измерениях / Белов Ю. А., Диденко В. П., Козлов Н. Н, Ляшко И. И., Макаров В. Л., Цитрицкий О. Е. Киев: Наук, думка, 1983.-264с.
  216. Математическое обеспечение сложного эксперимента. Т. З. Основы теории математического моделирования сложных радиотехнических систем / Белов Ю. А., Диденко В. П., Козлов Н. Н, Ляшко И. И., Макаров В. Л., Цитрицкий О. Е. Киев: Наук, думка, 1985. — 272с.
  217. Математическое обеспечение сложного эксперимента. Т.4. Приближенные методы решения задач математического моделирования сложных радиотехнических систем / Белов Ю. А.,
  218. В.П., Козлов Н.Н, Ляшко И. И., Макаров В. Л., Цитрицкий О. Е. Киев: Наук, думка, 1986. — 264с.
  219. Мелик-Шахназаров A.M., Маркатун А. Г., Дмитриев В. А. Измерительные приборы со встроенными микропроцессорами. — М.: Энергоатомиздат, 1985.-240с.
  220. Методическое и программное обеспечение автоматизированного эксперимента в динамике машин. / Под ред. С. А. Добрынина. М.: Наука, 1989.-293с.
  221. Методы цифрового моделирования и идентификации стационарных случайных процессов в информационно-измерительных системах / А. Н. Лебедев, Д. Д. Недосекин, Г. А. Стеклова, Е. А. Чернявский. -Л.:Энергоатомиздат. Ленингр. отд-ние, 1988. 64с.
  222. Г. Я. Аппаратурное определение характеристик случайных процессов. М.: Энергия, 1972. — 456с.
  223. Г. Я. Микропроцессоры в измерительных приборах. — М.: Радио и связь, 1984. 160с.
  224. Г. Я. Характеристики стохастический взаимосвязи и их измерение. М.: Энергоиздат, 1982. — 320с.
  225. А.В., Кайда А. И. Вопросы проектирования систем диагностирования. Л.: Энергоатомиздат, 1985. — 112с.
  226. Н.Н. Математические задачи системного анализа. М.: Наука, 1981.-487с.
  227. А.С. Турбулентность и микроструктура в океане // Успехи физ.наук. 1973. — Т.109, Вып.2, с.333−354.
  228. В.А. Регулярные методы решения некорректно поставленных задач. М.: Наука. 1987.
  229. Нагорнов В.П. К вопросу аналитического определения параметров тонкой кристаллической структуры с помощью функций Гаусса и
  230. Коши. — В кн.: Автоматизированные методы рентгеновского анализа. Л. Машиностроение, Л.О., 1984, вып.32, с.24−28.
  231. Н.Г. Измерение: планирование и обработка результатов. — М.: ИПК. Изд. стандартов, 2000. 304с.
  232. Н.Г. Метрология. Основные понятия и математические модели: Учеб. пособие для вузов — М.: Высш. шк., 2002. 348с.
  233. А.С. Модель или алгоритм: новая парадигма информационной технологии // Информационные технологии, 1997, № 4.
  234. Ф. Математические аспекты компьютерной томографии. -М.: Мир, 1990.140. Нахмансон М. С., Таткин Л. З. Системы автоматизации научныхисследований в области рентгеновского анализа // Измерение, контроль, автоматизация. — 1982. Вып.2, с.57−62.
  235. Д.Д. и др. Информационные технологии интеллектуализации измерительных процессов. СПб., Наука, 1995.
  236. Непараметрические модели коллективного типа / А. В. Лапко, В. А. Лапко, М. И. Соколов, С. В. Ченцов. Новосибирск: Наука, 2000. -144с.
  237. В.Н. Измерения в живой природе и проблемы создания искусственного интеллекта // SCM'2001: Сборник докладов Международной конференции по мягким вычислениям и измерениям. СПб.: СПбГЭТУ, 2001, т.1, с.21−30.
  238. Ю.Е. Эффективные методы в нелинейном программировании. М.: Радио и связь, 1989. — 302 с.
  239. A.M., Фазылов Ш. Х. Методы и алгоритмы обработки разнотипных данных. Ташкент: Фан, 1987. — 195с.
  240. А.Ф., Суслов С. К., Уваров В. В. Классические ортогональные полиномы дискретной переменной. М.: Наука, 1985. -215с.
  241. А.С., Шпак А. Н. Система исследования периодических сигналов в промышленности на основе метода вейвлет-анализа // Зарубежная радиоэлектроника, 2002, № 8.
  242. О.Н., Фомин А. Ф. Основы теории и расчета информационно-измерительных систем. М.: Машиностроение, 1991. -333с.
  243. В.В. Решение задач аппроксимации с помощью персональных компьютеров. М.: МИКАП, 1994. — 382с.
  244. Обобщенный спектрально-аналитический метод обработки информационных массивов. Задачи анализа изображений и распознавания образов / Ф. Ф. Дедус, С. А. Махортых, М. Н. Устинин, А.Ф.Дедус- Под. общ. ред. Ф. Ф. Дедуса. М. Машиностроение, 1999. -357с.
  245. A.M., Яглом A.M. Микроструктура турбулентного потока // Прикладная математика и механика. 1951. — Т. 15, Вып.1, с.2−26.
  246. В.И., Санников В. Г., Свириденко В. А. Сжатие данных в системах сбора и передачи информации. М.: Радио и связь, 1985. -184с.
  247. С.П. Синтез структур и оптимизация параметров систем обработки информации. Саратов: Изд-во Саратовского университета, 1989. — 150с.
  248. П.П., ТузЮ.М. Интеллектуальные измерительные комплексы. // Приборы и системы управления, 1989, № 7, с. 15−16.
  249. Ортогональные ряды и приближение функций. / Под ред. С. М. Никольского. М.: Наука, 1983. — 244с.
  250. Г. С. Приобретение знаний интеллектуальными системами. Основы теории и технологии. М.: Наука, Физматлит, 1997. — 112с.
  251. JI.A. Пинус Н. З., Шметер С. М. Аэрологические исследования изменчивости коэффициента преломления атмосферы для УКВ. Л.: Гидрометеоиздат, 1960. — 103с.
  252. Г. П. Математическое описание фликкерных флуктуаций частоты с помощью модифицированных структурных функций. // Изв. вузов, Радиофизика, 1979, т.22, № 12, с. 1535−1537.
  253. А.П. Введение в теорию базисов всплесков. СПб.: Изд-во СПбГТУ, 1999.- 131с.
  254. М.С., Яглом A.M. О линейном экстраполировании случайных процессов со стационарными п-ми приращениями // Докл. АН СССР. 1954. — Т.94, № 3, с.385−388.
  255. Я. Теория измерений для инженеров. М.: Мир, 1989. -335с.
  256. Г. М., Дзыкановская В. П., Шимлянникова Л. М. К расчету истинного профиля рентгеновских дифракционных линий. Второе приближение метода аппроксимации // Кристаллография, 1975, т.20, с.10−16.
  257. В.Н. Спектральный анализ в дискретных ортогональных базисах. Минск: Наука и техника, 1978. — 136с.
  258. М.И., СизиковВ.С. Повышение разрешающей способности измерительных устройств путем компьютерной обработки результатов измерений. // СПб: Изд-во ИТМО, 1992.
  259. И.В. Системный подход и общесистемные закономерности. М.: СИНТЕГ, 2000. — 500с.
  260. И.В., Абрамова Н. А. и др. Поиск подходов к решению проблем. М.: СИНТЕГ, 1999. — 284с.
  261. И.В., Пащенко Ф. Ф., Бусыгин Б. П. Системные законы и закономерности в электродинамике, природе и обществе. М.: Наука, 2001.-525с.
  262. Н.Г., Сидельников А. И. Оптимизация спектральных измерений на основе методов регуляризации. Журнал прикладной спектроскопии, 1981, т.35, вып.4, с.552−559.
  263. С.В. Организация измерительных процессов в условиях неопределенности. Регуляризующий байесовский подход // SCM'98: Труды Международной конференции по мягким вычислениям и измерениям. СПб.: 1998, с.30−44.
  264. С.А. Аппроксимативный анализ случайных процессов. 2-е изд., перераб. и доп. — Самара, СНЦ, РАН, 2001. — 380с.
  265. С.А. Математическое описание и моделирование случайных процессов. Самара, СГАУ, 2001. — 329с.
  266. Ю.П. Математические методы интерпретации эксперимента. Учеб. пособие для вузов. М.: Высш. шк., 1989. — 351с.
  267. Ю.П. Методы математического моделирования измерительно-вычислительных систем. М.: Физматлит, 2002. — 384с.
  268. П., Гоулд Б. Теория и применение цифровой обработки сигналов. -М.: Мир, 1978. 848с.
  269. В.А. Методы вероятностного анализа океанологических процессов. JL: Гидрометеоиздат, 1979. — 280с.
  270. А.Ф., Сергеев Г. А. Вопросы прикладного анализа случайных процессов. М.: Сов. радио, 1968. — 256с.
  271. С.В. Аппроксимация аналитического сигнала в виде несимметричного пика с помощью модифицированной производной логисты // Журнал аналитической химии, 1997, т.52, № 9, с.908−912.
  272. С.В., Стромберг А. Г. Классификация математических моделей аналитических сигналов в форме пиков // Журнал аналитической химии, 2000, т.55, № 11, с. 1144−1148.
  273. В.Н., Соболев B.C., Цветков Э. И. Интеллектуальные средства измерений. / Под ред. Э. И. Цветкова. М.: РИЦ. «Татьянин день», 1994.-280 с.
  274. А.Б., Гечеле П. П. Аппроксимация формы широких линий ЯМР. Изв. АН Каз.ССР. Сер. — физ.-мат., 1984, № 6. с.61−64.
  275. В.П. Многобазисные представления сигналов. В кн.: Вопросы обработки сигналов в системах пассивной радиолокации. Междувед. тематич. научн. сборник. Вып.1 (VI). Таганрог, 1982. с.80−84.
  276. С.М., Кравцов Ю. А., Татарский В. И. Введение в статистическую радиофизику. -М.: Наука, 1978.
  277. . Характеристики нестабильности фазы и частоты сигналов высокочастотных генераторов. Итоги развития за 15 лет // ТИИЭР, 1978, т.66, № 9.
  278. СадыховР.Х., Чеголин П. М., Шмерко В. П. Методы и средства обработки сигналов в дискретных базисах. Минск: Наука и техника, 1987. -296с.
  279. А.А., Михайлов А. П. Математическое моделирование: Идеи. Методы. Примеры. 2-е изд., испр. — М.: Физматлит, 2001. -320с.
  280. И.В. и др. Устойчивый метод оценивания параметров линейного фильтра. // Измерительная техника, 1999, № 9, с. 19−22.
  281. А.Г., Крохин В. В. Метрология. М.:Логос, 2000. 408с.
  282. Г. А., Романенко А. Ф. Структурный анализ нестационарных случайных процессов. // Нелинейные и оптимальные системы. М.: Наука, 1971, с.420−429.
  283. B.C. Использование регуляризации для устойчивого вычисления преобразования Фурье. // Ж. вычисл. матем. и матем. физики, 1998, т.38, № 3, с.376−386.
  284. B.C. Математические методы обработки результатов измерений: Учебник для вузов.- СПб: Политехника, 2001. 240с.
  285. В.А., Чуновкина А. Г., Чурсин А. В. Повышение качества измерений планированием измерительной процедуры. // Измерительная техника, 1999, № 10, с.9−13.
  286. Д.А., Барат В. А. Применение вейвлет-преобразования для анализа сигналов с импульсными составляющими // Измерительная техника, 2000, № 8, с.43−45.
  287. Н.М., Хуснутдинов Г. Н. Итерационно-усредняющие алгоритмы измерения вероятностных характеристик случайных процессов // Методы представления и аппаратурный анализ случайных процессов и полей: Тез.докл. VIII Всесоюзн.симп. -Л.: 1975.-С.49−55.
  288. B.C. Потенциальная точность интеллектуальных измерительных систем. // Приборы и системы управления, 1991, № 4, с. 18−20.
  289. И.М., Статников Р. Б. Выбор оптимальных параметров в задачах со многими критериями. М.:Наука, 1981.
  290. Современные методы идентификации / Под. ред. П. Эйкхоффа, -М.:Мир, 1983.-400с.
  291. А.И., Спиваковский A.M. Основы теории и методы спектральной обработки информации. — Л.: Изд. Лен. ун-та, 1986. -272с.
  292. Сохай Г. Р.Л., Маракас Дж.Н. Ортогональность экспоненциальных затухающих функций // ТИИЭР, 1988, т.76, № 12, с.85−87.
  293. П.К. Унифицированный подход к технике измерительных систем для испытаний и оценивания. Краткий обзор // Приборы и системы управления, 1998, № 7, с.72−91.
  294. В.Н., Страхов А. В. Аппроксимационный подход к решению задач гравиметрии и магнитометрии. 1. Основная вычислительная проблема регуляризация систем линейных алгебраических уравнений // Российский журнал наук о Земле, 1999, т.1, № 4, с.271−299.
  295. В.Н., Страхов А. В. К теории регуляризации линейных некорректных задач гравиметрии и магнитометрии // Вестник ОГГГГН РАН: Электронный научно-информационный журнал, 1999, № 1(7), М.: ОИФЗ РАН, 1999, с.28−74.
  296. А.Г., Романенко С. В. Аппроксимация вольт-амперного сигнала, имеющего форму несимметричного пика, модифицированной бигауссовой функцией // Электрохимия, 1995, т.31, № 11, с. 1261−1265.
  297. А.Г., Романенко С. В., Романенко Э. С. Систематическое исследование элементарных моделей аналитических сигналов в виде пиков и волн // Журнал аналитической химии, 2000, т.55, № 7, с.687−697.
  298. В.И. Распространение волн в турбулентной атмосфере. -М.: Наука, 1967.-364с.
  299. В.И., Мастеренко Д. А. Рекуррентное робастное оценивание в автоматизированных информационных системах // Измерительная техника, 1997, № 4, с.23−26.
  300. А.Н., Арсенин В. Я. Методы решения некорректных задач. -М.: Наука, 1986.-288с.
  301. А.Н., Гончарский А. В., Степанов В. В., ЯголаА.Г. Регуляризующие алгоритмы и априорная информация. М.: Наука, 1983.-200с.
  302. A.M. Введение в обобщенную спектральную теорию сигналов. -М.: Сов. радио, 1978.
  303. A.M., Трахтман В. А. Основы теории дискретных сигналов на конечных интервалах. М.: Сов. радио, 1975. — 208с.
  304. Ю.Н., Макаров А. А. Статистический анализ данных на компьютере / Под ред. В. Э. Фигурнова М.: ИНФРА-М, 1998. — 528с.
  305. А.Е. Проблемы математического моделирования в условиях неполной информации.// ЗР, 1997, № 9, с.39−47.
  306. В.И. Скользящие режимы в задачах оптимизации и управления. -М.:Наука, 1981, 386с.
  307. С.Е., Хомяков Э. Н. Статистическая теория измерительных систем. -М.: Радио и связь. 1981. 288с.
  308. И.Б. Анализ случайных процессов с использованием функций Уолша. // Радиотехника и электроника, 1977, T. XXII, № 4, с.720−728.
  309. В.Н. Рекуррентное оценивание и адекватная фильтрация. -М.:Наука, 1984.-288с.
  310. И.М. Структурная функция лунного рельефа по радиолокационным данным // Изв. вузов СССР. Радиофизика. 1983, № 10.-с.1194−1204.
  311. Фундаментальные проблемы теории точности / Под ред. В. П. Булатова, И. Г. Фридлендера. СПб.: Наука, 2001. — 504с.
  312. Х.Ф. Теория секвентивного анализа. Основы и применения. -М.: Мир, 1980.-574с.
  313. Х.Ф., ХеннингФ. Передача информации ортогональными функциями. М.: Связь, 1975.
  314. М.П. Измерительные информационные системы: Структуры и алгоритмы, системотехническое проектирование. — М.: Энергоатомиздат, 1985. 440с.
  315. М.П. Интеллектуальные функции измерительных информационных систем (ИИС). // Приборы и системы управления, 1992, № 3, с. 16−19.
  316. Э.И. Алгоритмические основы измерений. Санкт-Петербург: Энергоатомиздат, 1992. — 254с.
  317. Э.И. Интеллектуальные измерительные средства: Методы повышения точности / SCM'2001: Сборник докладов Международной конференции по мягким вычислениям и измерениям. СПб.: СПбГЭТУ, 2001, т.2, с.45−48.
  318. Э.И. Методические погрешности статистических измерений. Л.: Л.О., Энергоатомиздат, 1984. — 144с.
  319. Э.И. Нестационарные случайные процессы и их анализ. — М.: Энергия, 1973.- 128с.
  320. Э.И. Основы теории статистических измерений. 2-е изд., перераб. и доп. — Л.: Энергоатомиздат, Л.О., 1986. — 256с.
  321. Э.И. Процессорные измерительные средства. — Л.: Энергоатомидат, 1989. 220с.
  322. Я.З. Основы информационной теории идентификации. М.: Наука, 1984.-320с.
  323. Е.А., Недосекин Д. Д., Алексеев В. В. Измерительно-вычислительные средства автоматизации производственных процессов. Л.: Энергоатомиздат, 1989. — 272с.
  324. С.А. Прикладная метрология в вопросах и ответах. М.: Изд-во стандартов, 1990. — 192с.
  325. Э.К. Особенности динамики циклических преобразователей информации // Информационно-измерительная техника: Труды ун-та, Вып.25 / Пенза: Изд-во Пенз. гос. ун-та, 2000, с.38−47.
  326. ШрейдерЮ.А., Шаров А. А. Системы и модели. М.: Радио и связь, 1982.
  327. П. Основы идентификации систем управления. М.: Мир, 1975. — 684с.
  328. A.M. Корреляционная теория процессов со случайными стационарными «-ми приращениями // Математический сборник. -1955. — Т.37, Вып.1. с. 141−186.
  329. A.M. О локальной структуре поля температур в турбулентном потоке. ДАН СССР, 1949, т.69, № 6, с.743−746.
  330. A.M. Эффективное решение линейных аппроксимационных задач для процессов со случайными стационарными п-ми приращениями. // ДАН СССР, 1954, т.98, № 2, с. 189−192.
  331. Anderson B.D.O., Moore J.BV., Hawkes R.M. Model approximation via prediction error identification. Automatica, 1978, vol.14 pp. 615 622.
  332. Gilbert E. The computation of correlation and spectral functions by orthogonal filtering. Communications an Electronics, 1960, n.46.
  333. Godfrey K.R., Correlation methods. Automatica, 1980, vol. 16 pp. 527 -534.
  334. Goodwin G.C. Experiment design for system identification. In Encyclopedia of Systems and Control (M.Singh, ed.). Pergamon Press, Oxford. 1987.
  335. Kushuer H.J., Huang H. Asymptotic properties of stochastic approximations witth constant coefficients. SIAMJ. Control and Optimization. 1981, vol. 12 pp.346 370.
  336. Lampard D.G. A new method of stationary correlation functions of stationary time series. Proceedings of the Institution of Electrical Engineers, v. 102, part C, March, 1955, London n.l.
  337. Lin D.W. On digital implementation of the fast Kalman algorithm. IEEE Trans Acoustics, Speech and Signal Processing, 1984, vol. ASSP-32 pp. 9−18.
  338. Mallat S., Hwang W.L. Singularity Detection and Processing with Wavelets // Technical Report, 1991.
  339. Motulsky H. The link between error bars and statistical significance // Graph Pad Insight, Autumn, 2000, p.4.
  340. Sato Т., Sasak K., Nakamura V. Real-time bispectral analysis of gear nois and its application to contactless diagnosis. IASA (Journal of the Acoust. Soc. Of America). 1977. V. 62, n.2, pp. 382−387.
  341. Soderstrom T. Model structure determination. In Encyclopedia of Systems and Control (M. Singh, ed.). Pergamon Press, Elusford, N.Y., 1987.
  342. Stoica P., Soderstrom T. Optimal instrumental variable estimation and approximate implementation. IEEE Trans. Automatic Control, 1983, vol. AC-28 pp. 757−772.
  343. Wahlberg B. On model reduction in system identification. Proc. Americ. Control Conf., Seattle, Wash., 1986.
  344. Young P.C. Parameter estimation for continuous-time models. A survey. Automatica, 1981, vol. 17 pp. 23−29.
Заполнить форму текущей работой

Пора сдавать?