ОЦІНЮВАННЯ ДАНИХ В ТЕЛЕМЕТРИЧНОМУ КАНАЛІ,  ВРАЖЕНОМУ ХАОТИЧНО-ІМПУЛЬСНИМИ ПЕРЕШКОДАМИ

А. Ю. Воловик; В. М. Кичак; А. Ю. Савицький; В. І. Макогон

doi:10.32782/2521-6643-2025-1-69.31

А. Ю. Воловик Вінницький національний технічний університет https://orcid.org/0000-0002-8772-9843
В. М. Кичак Вінницький національний технічний університет https://orcid.org/0000-0001-7013-3261
А. Ю. Савицький Вінницький національний технічний університет https://orcid.org/0009-0000-3490-6300
В. І. Макогон Вінницький національний технічний університет https://orcid.org/0000-0001-7176-2676

DOI: https://doi.org/10.32782/2521-6643-2025-1-69.31

Ключові слова: лінійна динамічна система, хаотична імпульсна перешкода псевдобайєсівський фільтр, субоптимальна процедура оцінювання

Анотація

Проблемою багатьох телеметричних систем є невідповідність між високою швидкістю передачі даних і достовірністю їх прийому в умовах впливу імпульсних перешкод, характерних для різноманітних середовищ передачі інформації. Оскільки, завдяки стрімкому розвитку технологій, телеметрія додатково стала відігравати ключову роль в забезпеченні належного рівня надійності та гарантуванні заданого ступеня безпеки складних технологічних об’єктів та систем, така невідповідність стає все більш критичною.Стаття присвячена проблемі синтезу пристроїв оцінювання стану лінійних стаціонарних динамічних систем, що працюють в умовах шуму та збурень у каналі спостережень. В роботі розглядається комбінований вплив гаусівського шуму та хаотичних імпульсних перешкод на точність фільтрації повідомлень у цифровому телеметричному каналі. Метою дослідження є підвищенні точності оцінювання повідомлень в телеметричному каналі, враженому хаотично-імпульсними перешкодами з помірним зростанням обчислювальних витрат.В загальному випадку, ефективність використання методів синтезу пристроїв оптимального оцінювання залежить від повноти апріорної інформації відносно математичної моделі процесів, що мають місце у об'єкті контролю, статистичної інформації щодо властивостей діючих завад та механізму утворення вихідних даних. Для задач такого класу стандартним рішенням є оптимальний фільтр Калмана, який демонструє найвищу якість збіжності оцінок до істинних значень. Якщо дані поточного стану системи спостережень відсутні, малодостовірні або не відповідають прийнятим моделям то задача синтезу стає не некоректно сформованою. Для вирішення цього протиріччя, в представленій роботі запропонована адаптація моделі каналу спостережень до умов появи різноточних вихідних даних включно з аномальними. На основі скоректованої моделі синтезовано псевдобайєсівський мультигіпотезний алгоритм оцінювання в якому закладений механізм розрахунку апостеріорної ймовірності появи ХІП, а на його основі запроваджено пропорційне зважування вихідних оцінок. На основі результатів цифрового статистичного моделювання проведено порівняльний аналіз точності розглянутих алгоритмів оцінювання. Інформаційним джерелом для оцінки відносної точності вибраний сигнальний залишок, що утворюється, як різниця між еталонним телеметричним сигналом та оцінкою враженою ХІП, отриманою за допомогою відповідних фільтрів. Результати чисельного моделювання підтверджують ефективність запропонованого підходу.

Посилання

1. Wang W., Zhang Y., Wang X., Xu H., Tian H. Design of Reconfigurable Real-Time Telemetry Monitoring and Quantitative Management System for Remote Sensing Satellite in Orbit. IEEE 3rd Advanced Information Technology, Electronic and Automation Control Conference (IAEAC). 2018. P. 1293–1297. doi:10.1109/IAEAC.2018.8577765
2. Konyha J. Off-grid telemetry system for hydrate inhibition on gas wells. Proceedings of the 2015 16th International Carpathian Control Conference (ICCC), Hungary: Szilvasvarad. 2015. P. 220–223.
3. Rice M., A. Davis A., Bettweiser C. Wideband channel model for aeronautical telemetry. IEEE Transactions on Aerospace and Electronic Systems. 2004. Vol. 40(1). P. 57–69. doi: 10.1109/TAES.2004.1292142.
4. Ban H., Peng T., Lin D. A Novel Channel Estimation Method for UAV in High-Capacity CDMA Network. IEEE 6th International Conference on Computer and Communications. 2020. P. 1-7. doi:10.1109/ICCC51575.2020.9345055.
5. Elbashir A., Sayar A. A Redundant Telemetry Link System for Uncrewed Aerial Vehicles. Engineering, Environmental Science. Published in Scalable Computing. 2024. Vol. 25(6). P. 5714–5721. doi:10.12694/scpe.v25i6.2602.
6. Carden F., Henry R., Jedlicka R. Telemetry Systems Engineering. Boston: Artech House. 2002. 628 p.
7. Webster J.G. Measurement, Instrumentation, and Sensors Handbook. CRC Press. 1999. 2487 p.
8. Giri D. V., Tesche F. M. Classification of intentional electromagnetic environments (IEME). IEEE Transactions on Electromagnetic Compatibility. 2004. Vol. 46(3). P. 322–328. doi: 10.1109/TEMC.2004.831819.
9. Tcheumeleu R.T., Pouhed D. Analysis of methods for classification of intentional electromagnetic environments. International Conference on Electromagnetics in Advanced Applications (ICEAA).2015. P. 1385–1388.
10. Sabath F. System oriented view on High-Power Electromagnetic (HPEM) Effects and Intentional Electromagnetic Interference (IEMI). Conference: General Assembly of the URSI. 2008. Vol. 29. P. 381–385.
11. Sabath F. Classification of Electromagnetic Effects at System Level. Ultra-Wideband, Short Pulse Electromagnetics 9. Springer: 2010. P. 325–333.
12. Yang D., Y. H., Kollman R. Analysis of High-Power RF Interference on Digital Circuits. Electromagneti cs. 2006. Vol. 26(1). P. 87–102.
13. Lawrence R., Kaufman H. The Kalman Filter for the Equalization of a Digital Communications Channel. IEEE Transactions on Communication Technolog. 1971. Vol. 19(6). P. 1137–1141. doi:10.1109/TCOM.1971.1090786.
14. Rice M., Satorius E. Equalization Techniques for Multipath Mitigation in Aeronautical Telemetry. Proc. of IEEE Military Communications Conference. 2004. P. 65-70. doi: 10.1109/MILCOM.2004.1493248.
15. Williams I., Saquib M. Analysis of Performance Limitations with Linear Adaptive Equalizers for Aeronautical Telemetry Applications. Proc. of The European Telemetery Conferenc. 2010. P. 120-126.
16. Dalle Mese E., Corsini G. Adaptive Kalman filter equalizer. Publication: Electronics Letters. 1980. 16(14). https://doi.org/10.1049/el:19800381
17. Shmaliy Y. S., Zhao S. Optimal and Robust State Estimation Finite Impulse Response (FIR) and Kalman Approaches. Hoboken, New Jersey: John Wiley & Sons, Inc. 2022. 460p
18. McGuire M., Simaю M. Low-order Kalman filters for channel estimation. IEEE Pacific Rim Conference on Communications, Computers and signal Processin. 2005. P. 352–355. doi:10.1109/PACRIM.2005.1517298.
19. Volovyk A., Kychak V. Detection Filter Method in Diagnostic Problems for Linear Dynamic Systems. Visnyk NTUU KPI Seriia – Radiotekhnika Radioаparatobuduvannia. 2021. Vol. 84. P. 30–39. doi:10.20535/RADAP.2021.84.30-39.
20. Volovyk A. Yu., Kychak V. M., Havrilov D.V. Discrete Kalman Filter Invariant to Perturbations. Acta Polytechnica Hungarica. 2021. Vol. 18(10). P. 21–41. doi:10.12700/APH.18.10.2021.10.2.
21. Wang X, Zhu F. Robust recursive estimation for the errors-in-variables nonlinear systems with impulsive noise. Sci Rep. 2025. Vol. 15(1). 6031. https://doi.org/10.1038/s41598-025-89969-z.
22. Кичак В. М. Методи та пристрої обробки радіосигналів бортових авіаційних систем посадки / В. М. Кичак, Ю. М. Воловик, А. Ю. Воловик.– Вінниця: ВНТУ, 2011. – 208. с.