9-й Международный симпозиум по электромагнитной совместимости и электромагнитной экологии

Подождите немного. Документ загружается.

231

АНАЛИЗ СИГНАЛОВ С КОРРЕКТИРУЮЩИМ КОДИРОВАНИЕМ ПРИ

ПОГРУЖЕНИИ ДИСКРЕТНОЙ ЗАДАЧИ В НЕПРЕРЫВНУЮ - ПОИСКА

ЭКСТРЕМУМА ФУНКЦИИ НЕПРЕРЫВНОГО АРГУМЕНТА ПРИ

НАЛИЧИИ ШУМОВ

А.

Ф.

РЯЧКО

ОССИЯ

К.

Ю.

ЮМШИН

ОССИЯ

И.

Е.

АЙЦЕВ

ОССИЯ

Санкт-Петербургский государственный политехнический университет, e8@mail.ru

Аннотация. Одним из возможных путей повышения помехоустойчивости систем экологического

мониторинга является переход от анализа сигнала в дискретном канале к анализу сигнала в

дискретно-непрерывном канале связи. В статье рассматриваются особенности решения задачи

технического анализа в дискретно-непрерывном канале связи.

Abstract. One possible way to improve the immunity of environmental monitoring systems is the transition

from signal analysis in a discrete channel for signal analysis in the discrete-continuous channel of

communication. The article discusses the features of the solution of technical analysis in the discrete-

continuous channel of communication.

Особенностью современного состояния и

развития телекоммуникаций является

разносторонняя интеграция видов, служб, систем,

средств, технологий связи, происходящая на фоне

непрерывного сближения и взаимопроникновения

сфер получения, обработки, доставки различных

видов информации при расширении спектра и

повышения качества предоставляемых услуг.

Вследствие этого одним из основных направлений

развития телекоммуникационных систем в

последние годы стало повышение надёжности

передачи информации за счёт совершенствования

канального кодирования. Роль корректирующих

кодов значительно возросла в связи с повсеместным

переходом к цифровым способам передачи

информации. Основные фундаментальные работы,

посвящённые корректирующему кодированию, были

опубликованы в 60-70-е годы прошлого века.

Следует отметить, что в указанный период большое

количество работ отечественных учёных также было

посвящено данной тематике. С 80-х годов в области

развития корректирующих кодов в основном велись

работы не в направлении разработки и

использования новых кодов, а по созданию

конкатенаций существующих кодов и нахождению

эффективных сигнально-кодовых конструкций.

Однако в настоящее время вновь возник интерес к

разработкам в области создания конструктивных

схем и алгоритмов кодирования и декодирования,

дающих возможность приблизиться к границе

Шеннона – турбокодов и кодов с низкой плотностью

проверок на чётность, так называемых LDPC-кодов.

Это позволило значительно снизить величину

соотношения сигнал/шум при приёме, что, в свою

очередь, усложнило задачу обнаружения и

идентификации используемого корректирующего

кода на приёмной стороне.

Будем полагать, что источник сообщений в

системе связи задаётся выходным множеством

сообщений и распределением

вероятности , где - векторное

пространство Хемминга размерности , заданное

над двоичным полем Галуа , и

При использовании корректирующего

кодирования в сообщение вводится

избыточность, использование которой позволяет

обнаруживать и исправлять ошибки при приёме.

Операция, произведённая кодером, осуществляет

отображение множества сообщений на множество

кодовых слов

блочного кода длины , .

В большинстве случаев на практике для

упрощения процедур кодирования и декодирования

в качестве оператора используется

оператора линейного преобразования вектора в :

где – порождающая матрица

линейного кода, .

Линейный код образует -мерное

подпространство линейного пространства и

может быть задано проверочной матрицей ,

такой, что , где

– проверочная матрица линейного,

кода , .

Характеристики кода, задающие его

корректирующие свойства, например минимального

кодовое расстояние или спектр расстояний

, где – количество кодовых слов веса ,

определяются проверочной матрицей

232

В случае использование систематического кода

связь информационных и проверочных символов

кодовых слов описывается выражением

При переходе к полунепрерывному каналу

связи, в котором область значений переменных

принадлежит полю вещественных чисел,

выражение (1) приобретает следующий вид:

где .

Если ввести обозначение , то можно

записать, что

Под воздействием шумов в канале связи

выражение (2) приобретает вид

где интенсивность шума такова, что выполняется

условие:

Тогда идентификация структуры кода, т.е.

определение коэффициентов матрицы ,

сводится к решению системы линейных

алгебраических уравнений (СЛУ) (2) с

приближенными значениями коэффициентов и

проектированию полученных решений относительно

в область определения порождающей матрицы

кода - поле .

Таким образом, задача обнаружения и

идентификации кодов в полунепрерывном канале

связи при наличии шумов может быть сведена к

задаче отыскания экстремума (минимума) функции

невязки на множестве анализируемых кодовых слов

решения системы линейных уравнений относительно

коэффициентов порождающей матрицы,

определяемых над полем вещественных чисел.

Переход от решения целочисленной экстремальной

задачи к задаче поиска экстремума функции

непрерывного аргумента (непрерывная задача

нелинейного программирования) можно

рассматривать как задачу погружения дискретной

задачи в непрерывную [1, 2].

В соответствии с правилом максимального

правдоподобия процедура декодирования сводится к

решению целочисленной экстремальной задачи

где – множество, определённое следующим

образом:

– аналоговый вектор , получаемый

путём преобразования сигнала, наблюдаемого на

выходе непрерывного канала связи.

Например, для гауссовского полунепрерывного

канала без памяти, когда кодовое слово передаётся

составным сигналом с фазовой манипуляцией,

условная плотность определяется как:

Однако при решении поставленной задачи

методы отыскания экстремума непрерывных

функций непосредственно не применяются,

поскольку множество векторов, в котором

определяется экстремум функции правдоподобия,

является дискретным. Это обусловлено тем, что

процедура линейного кодирования традиционно

определяется над конечным двоичным (и не только)

полем. Дискретность множества кодовых слов, на

котором максимизируется функция правдоподобия,

не даёт возможности ввести такие фундаментальные

понятия анализа, как непрерывность, сходимость и

т.д., используемые при поиске экстремума

непрерывных функций.

Известно, что формирование проверочных

символов кодового слова линейного кода в конечном

поле может быть проведено на основе выражения

следовательно,

Общеизвестен переход от униполярных к

биполярным сигналам:

где , .

При указанном преобразовании сложение по

модулю два соответствует обычному

алгебраическому умножению переменных , а

операция логического умножения заменяется

операцией возведения в степень , где

– элемент порождающей код матрицы.

Применив эти преобразования к правой и левой

частям выражения (6), придём к выводу, что -му

уравнению системы (2) соответствует нелинейное

уравнение:

Однако полученное уравнение содержит

неизвестные переменные в показателе степени,

что значительно усложняет вычисления. Кроме того,

происходит изменение исходной области

233

определения переменных

. В связи с этим

предлагается модификация выражения (6):

где определяет произведение всех

по . Теперь отсутствует необходимость изменения

области определения переменной , а выражение (6)

является частным случаем обобщенного выражения

(7) при равном нулю.

Условная плотность в выражении (3), заданная

на дискретном множестве , аппроксимируется

некоторой непрерывной функцией ,

которая совпадает с – условной

плотностью распределения вероятностей

наблюдаемого вектора при условии, что

передавался некоторый вектор , при условии,

что принимает значение из множества .

Указанная аппроксимация строится путём задания

функции во всех точках непрерывного

множества:

когда независимая переменная принимает

значения из . Множество в пространстве

представляет собой многомерную поверхность,

каждая точка которой задаётся системой нелинейных

уравнений (7).

Функцию достаточно просто задать

на множестве , полагая, что

где .

Характерной особенностью функции (9)

является то, что при непрерывном изменении

она становится многоэкстремальной, что в конечном

итоге усложняет задачу построения наиболее

вероятной оценки передаваемого сообщения.

Количество экстремумов функции и их

распределение определяются реализацией

случайного вектора , наблюдаемого на выходе

полунепрерывного канала связи. Подставляя

выражение (7) в (4), получаем для гауссовского

полунепрерывного канала:

В аппроксимирующей процедуре вместо

функции (10) можно использовать функцию:

На рисунке 1 при фиксированной реализации

вектора показан типичный вид поверхности

, возникающей при предлагаемом способе

погружения, когда принимает значения из , а

(

)

Рис1. Вид поверхности .

Использование исчерпывающего перебора

коэффициентов в качестве алгоритма

идентификации возможно только для очень коротких

кодов либо в случае наличия априорной информации

о структуре и параметрах кода, существенно

сокращающей область перебора.

Практическое использование указанного

алгоритма идентификации даже при небольших

длинах кодов сопряжено с чрезвычайно большим

объёмом вычислений при поиске модели с

минимальным значением средней невязки и потому

трудно реализуемо.

Решаемая задача является корректной, если её

решение существует, единственно при любых

входных данных из некоторой области их изменений

и непрерывно зависит от входных данных.

Отыскание классического решения системы (2),

т.е. матрицы , для которой невязка решения равна

нулю,

будет корректно поставленной задачей, если ,

при произвольном из окрестности, определяемой

условием (3). Выполнение условия (4) гарантирует,

что при любых изменениях элементов Х в заданных

пределах матрица СЛУ остаётся невырожденной, а

следовательно, решение существует,

единственно и непрерывно зависит от исходных

данных.

При выполнении условия (12) погрешность

решения

определяется выражением:

234

В обобщённом случае отыскания решения СЛУ,

когда количество кодовых слов, используемых в

качестве уравнений системы, , требуется

найти такое решение , для которого евклидова

норма невязки достигает наименьшего значения на

всем множестве анализируемых кодовых слов:

Используя необходимые условия нахождения

экстремума, получаем систему линейных уравнений

для нахождения коэффициентов :

где

Существуют различные методы решения СЛУ

(14). Их можно разделить на три основных вида:

прямые, итерационные и на основе самоорганизации.

Прямые методы характеризуются тем, что за

конечное число арифметических операций

позволяют получить точное (не считая погрешностей

вычисления) решение системы. Итерационные

методы дают решение СЛУ в виде предела

последовательных приближенных решений,

получаемых в процессе единообразных вычислений.

На практике процесс останавливают на каком-то

приближении, достаточно близком в смысле

требуемой точности к истинному решению. Методы

определения зависимости между проверочными и

информационными символами на основе

самоорганизации процесса вычислений относятся к

виду методов усечённого перебора и (в общем

случае) приводят к истинному решению лишь при

условии, что оно не отбрасывается ни на одном из

этапов усечения перебора.

Выбор конкретного метода решения СЛУ

должен производиться исходя из существующих

временных и аппаратных ограничений,

интенсивности шумов в канале связи и требуемой

точности решения.

Так как коэффициенты системы (14) образуют

симметричную положительно определённую

матрицу, то для её решения можно использовать

вместо метода Гаусса в общем виде метод решения

СЛУ, основанный на разложении матрицы

коэффициентов уравнения. Этот выбор обусловлен

тем, что такой метод является самым экономным из

прямых методов, как по объёму требуемых

вычислений, так и по загрузке памяти ЭВМ. Это

позволяет существенно увеличить порядок

решаемых систем.

Практически уже при небольших значениях

решать задачу определения структуры

кода с помощью известных методов, например

перебора или прямого решения СЛУ, ввиду большой

размерности решаемой задачи становится

неприемлемо. Одним из путей решения этой

проблемы является используемая в итерационных

алгоритмах метода группового учёта аргументов

(МГУА) рационализация схемы перебора.

Условия применимости итерационных

алгоритмов МГУА следующие:

1) структуры линейны по параметру;

2) существует структура , такая, что

3) любая структура из есть либо константа,

либо одна из исходных переменных ,

либо может быть из них получена суперпозицией

структуры .

Для класса линейных полиномов от

переменных структура , зависящая от двух

переменных, может иметь вид

а для класса всевозможных полиномов её можно

задать как структуру следующего вида:

Итерационный алгоритм МГУА оперирует

матрицами частных описаний и структурами ,

соответствующими векторам . Пусть

- вектор, который ставит в соответствие с

приближением -ряда (итерации) приближение

-го ряда:

где .

Если в результате действия оператора на

матрицу

элементы вектора ,

получены по формуле:

где - элементы матрицы

, то структура, соответствующая вектору ,

имеет вид:

В качестве нулевого приближения выбирается

множество структур вида:

Останов алгоритма осуществляется при

выполнении условия:

235

т.е. признаком конца работы алгоритма является

неулучшение качества получаемых структур.

Пример.

В качестве опорной функции в

каждом частном описании возьмем полином второй

степени от двух переменных вида:

а также полиномы, получаемые занулением

коэффициентов , ,

(но не всех трех

одновременно).

Рассмотрим результаты применения

описанного алгоритма идентификации на основе

МГУА при определении значений вектора

коэффициентов в случае наличия линейной

зависимости кодовых символов вида:

Для идентификации использовались 15

фрагментов кодовой последовательности .

Первые пять символов каждого фрагмента

генерировались с использованием датчика случайных

чисел, а шестой символ вычисляется в

соответствии с выражением (2). Десять

фрагментов кода составили обучающую выборку,

пять оставшихся - проверочную .

После первого ряда селекции были отобраны

пять частных описаний по минимальному значению

средней невязки на проверочной выборке:

Значение критерия идентификации для всех

частных описаний примерно одинаково и

колеблется в пределах 1.00 – 1.15. Это означает,

что на первом ряду селекции оптимальное,

наиболее точное на проверочной

последовательности решение получено не было,

т.е. после первого ряда селекции структуру кода

определить нельзя.

На втором ряду селекции были отобраны

следующие частные описания:

Резкое уменьшение значения критерия качества

идентификации у первого частного описания

второго ряда говорит о том, что определена

оптимальная структура модели. Восстанавливая

явный вид частного описания, получим

. Таким образом, в отсутствие помех

структура кода восстановлена однозначно.

Работоспособность предложенного алгоритма

при наличии помех проиллюстрируем примером

идентификации линейной зависимости вида

. Проверочная выборка содержит 20

фрагментов кодовой последовательности, а

обучающая - 10. При этом пять фрагментов из 30

содержат искаженные при приеме символы.

В результате селекции были отобраны 10

лучших частных описаний:

Самым лучшим в смысле наибольшей точности

на проверочной последовательности является

второе частное описание . Необходимо

обратить внимание, что все частные описания,

включающие первую и десятую переменные, имеют

значительно меньшую величину критерия качества

идентификации, чем частные описания, созданные

на основе других переменных. Это - первое, второе,

девятое и десятое частные описания. Значение

критерия селекции для этих частных описаний не

превышает 0.12, тогда как для других частных

описаний оно не менее 0.63.

Поскольку коэффициенты полученной модели

отличаются от множества допустимых значений,

то необходимо применение процедуры

проектирования вещественных значений

236

коэффициентов

в множество . Одним из

наиболее простых операторов проектирования

является

В этом случае описание модели анализируемого

кода приобретает вид

Моделирование ошибок в канале связи

показало, что уверенное определение структуры кода

возможно при величине отношения сигнал/шум

менее 3 дБ и искажении символов более чем у 20%

кодовых слов.

Список литературы

1. Блейхут Р. Теория и практика кодов,

контролирующих ошибки/ пер. с англ. И.И. Грушко,

В.М. Билиновского. – М.: Мир, 1986. – 576 с.

2. Аоки М. Введение в методы оптимизации/

пер. с англ. Э.Б. Дубро. – М.: Наука, 1977. – 344 с.

3. Волков Е.А. Численные методы.– М.: Наука,

1982. – 254 с.

4. Кларк Дж., Кейн Дж. Кодирование с

исправлением ошибок в системах цифровой связи.–

М.: Радио и связь, 1987. – 392 с.

237

СПЕКТРАЛЬНО-ЭФФЕКТИВНЫЕ СИГНАЛЫ НА ОСНОВЕ

ФИНИТНЫХ СПЛАЙНОВ

М.

А.

РЯЧКО

ОССИЯ

С.

Б.

АКАРОВ

ОССИЯ

Санкт-Петербургский Государственный Политехнический Университет, mike_kr@mail.ru

Аннотация. Рассматриваются спектрально-эффективных сигналов на основе финитных сплайнов,

полученные путем многократного использования процедуры дискретной свертки. Приведены формы

энергетических спектров случайных последовательностей сигналов и показан пример практической

реализации устройств формирования.

Abstract. Spectral-efficient signals based on finite splines, obtained by repeated use the procedure of the

discrete convolution is considered in the paper. The energy spectrum of random sequences of signals and an

example of practical implementation of the device formation are shown.

Повышение спектральной эффективности сиг-

налов является важным фактором, определяющим

развитие сетей мобильной и беспроводной связи [1].

Используемые в настоящее время сигналы и ви-

ды модуляции не позволяют достичь предельных

значений пропускной способности С каналов пере-

дачи. Для этого требуется применение спектрально-

эффективных сигналов [2] и сигнально-кодовых кон-

струкций на их основе, приближающихся по своим

спектральным характеристикам к оптимальным. Вид

комплексных огибающих таких сигналов определя-

ется решением оптимизационной задачи в соответст-

вии с критерием минимальной полосы занимаемых

частот и максимальной скорости спада уровня вне-

полосных излучений [3].

К сожалению, при практической реализации

устройств формирования и корреляционных уст-

ройств приема подобных сигналов возникают суще-

ственные трудности. В таких устройствах необходи-

мо иметь отдельные блоки памяти для хранения от-

счетных значений огибающей оптимальных сигна-

лов. Наличие таких блоков существенно снижает

быстродействие модуляторов и демодуляторов сиг-

налов, а также приводит к повышению энергопо-

требления устройств, что особенно критично в сетях

мобильной связи.

В этой связи представляет интерес рассмотреть

возможность поиска спектрально-эффективных сиг-

налов, обладающих близкими к минимально воз-

можным значениям полосы занимаемых частот, вы-

сокой скоростью спада уровня внеполосных излуче-

ний и позволяющих простыми методами реализовать

устройства формирования и приема. При этом ос-

новным требованием является отсутствие в таких

устройствах блоков памяти форм огибающей сигна-

лов.

Рассмотрим спектрально-эффективные сигналы,

построенные на основе использования финитных

сплайнов или близких к ним функций [4]. В основе

процедуры построения таких сигналов лежит много-

кратное (в простейшем случае двукратное) повторе-

ние операции свертки базовых функций.

Рассмотрим прямоугольный видеоимпульс,

имеющий амплитуду А и длительность Т и центри-

рованный относительно начала отсчета времени:

( )

, 2

0, 2

A t T

s t

t T

 ≤









. (1)

Представим

−

кратную свертку

(

)

одинако-

вых прямоугольных видеоимпульсов в форме фи-

нитного сплайна

(

)

[2]. Запишем вид прямо-

угольного видеоимпульса в виде функции

( )

(

)

sin 2

2 2

jux

x e du

∞

−∞

∫

(2)

Для (2) очевидно имеем:

(

)

(

)

x u

ϕ ν

−

 

 

где

(

)

−

 

 

преобразование Фурье функции

( )

(

)

sin 2

. Используя теорему Бореля и сим-

метричность преобразования Фурье, можно запи-

сать:

(

)

(

)

(

)

1 2

x x u

ϕ ϕ ν

−

 

∗ =

 

(3)

Тогда получим:

( ) ( )

( )

sin 2

2 2

jux

x x e du

ϕ ϕ

+∞

−∞

 

∗ =

 

 

∫

(4)

В общем случае для произвольного значения N,

можно записать выражение для сплайна

(

)

( )

sin 2

2 2

jux

x e du

∞

−∞

 

Θ =

 

 

∫

(5)

К примеру, приведем вид функции

(

)

при

1 5

Имеем:

238

( )

sin 2

2 2

jux

x e du

+∞

−∞

 

Θ =

 

 

∫

При

( )

sin 2

2 2

jux

x e du

+∞

−∞

 

Θ =

 

 

∫

При

( )

sin 2

2 2

jux

x e du

+∞

−∞

 

Θ =

 

 

∫

При

( )

sin 2

2 2

jux

x e du

+∞

−∞

 

Θ =

 

 

∫

При

( )

sin 2

2 2

jux

x e du

+∞

−∞

 

Θ =

 

 

∫

На рис.1 показаны значения

(

)

, для

1,...,5

. На этом рисунке длительность сплайнов

для

1,...,5

увеличивается от значений до

, а максимальное нормированное значение фи-

нитного сплайна при изменяется от 1 до 0.5.

Рис.1. Вид финитных сплайнов

(

)

На рис.2 представлены энергетические спектры

случайных последовательностей видеоимпульсов,

форма вещественной огибающей которых имеет вид

финитных сплайнов. По оси ординат отложены нор-

мированные значения энергетического спектра, а по

оси абсцисс – относительная частота (f – f

)T, где f

–

средняя частота спектра сигналов. Как и следовало

ожидать, с ростом

увеличивается ширина первого

лепестка энергетического спектра и увеличивается

скорость спада уровня внеполосных излучений.

0 5 10 15

-160

-140

-120

-100

-80

-60

-40

-20

(f-f

(f)/G

(0), dB

IMP

Рис.2. Энергетические спектры прямоугольного

видеоимпульса (

IMP

) и видеоимпульсов на основе

сплайнов

(

)

при

1,...,5

Как следует из анализа энергетических спектров

таких сигналов, скорость спада уровня внеполосных

излучений оказывается весьма высокой, а ширина

занимаемых частот близка к оптимальной.

Преимуществом таких сигналов по сравнению с

известными является принцип их формирования и

приема, основанный на многократном повторении

операции свертки функций.

На рис. 3 представлена функциональная схема

устройства формирования спектрально-эффективных

сигналов, построенных на основе финитных сплай-

нов. В основе этого устройства лежит согласованный

фильтр с регулируемой обратной связью. Импульс-

ный отклик такого фильтра соответствует (1). С вы-

хода согласованного фильтра

видеоимпульсы поступают на вход линии задержки.

Время задержки отклика фильтра определяется ве-

личиной . Так, при время задержки сигнала

с выхода согласованного фильтра равно .

Рис. 3. Функциональная схема устройства фор-

мирования спектрально-эффективных сигналов на

основе финитных сплайнов.

После выполнения процедуры первой свертки

напряжение с выхода согласованного фильтра по-

ступает опять на его вход и результатом второй

свертки будет отклик согласованного фильтра, кото-

0.1 0.2 0.3

0.4

0.5 0.6

0.7 0.8

0.2

0.4

0.6

0.8

1.2

N= 1

N= 2

N= 3

N= 4

N= 5

239

рый и будет огибающей видеоимпульса. Такой сиг-

нал будет обладать высокой скоростью спада уровня

внеполосных излучений и малую ширину занимае-

мой полосы частот.

Рассмотренной устройство формирования сиг-

налов не имеет блоков памяти значений огибающей

сигналов и обеспечивает высокое быстродействие

модулятора и демодулятора.

Литература

1. Беспроводная цифровая связь. Методы мо-

дуляции и расширения спектра: пер. с англ. / под ред.

В.И. Журавлева.- М.: Радио и связь, 2000 – 520 с.

2. Макаров С.Б., Цикин И.А. Передача дис-

кретных сообщений по радиоканалам с ограничен-

ной полосой пропускания. М.; Радио и связь, 1988.

304 с.

3. Макаров С.Б., Рашич А.В. Метод формиро-

вания спектрально-эффективных OFDM-сигналов на

основе неортогональных базисных функций. НТВ

СПбГПУ, №2, 2009г.

4. Цифровая обработка сигналов и изображе-

ний в радиофизических приложениях. / Под ред.

В.Ф. Кравченко. – М.: ФИЗМАТЛИТ, 2007. – 544 с.

240

ИСПЫТАТЕЛЬНЫЙ КОМПЛЕКС ДЛЯ ОЦЕНКИ ВОЗДЕЙСТВИЯ

СВЕРХКОРОТКОИМПУЛЬСНЫХ ЭЛЕКТРОМАГНИТНЫХ ПОЛЕЙ

НА РАДИОЭЛЕКТРОННУЮ АППАРАТУРУ

Л. О. Мырова

, Россия, В. Н. Корнев

, Россия, В. В. Воскобович

, Россия

ФГУП «МНИРТИ»,

МТУСИ, e-mail: lmyrova@rambler.ru

Аннотация. Приводятся данные о существующих методах и средствах экспериментальной оценки

уязвимости радиоэлектронных систем к действию сверхширокополосных электромагнитных полей.

Abstract. Existent methods and facilities of experimental estimation of radio-electronic systems vulnerabil-

ity to ultra short pulse electromagnetic fields effect data are presented.

Сегодня в мире активно развиваются средства

электромагнитного поражения радиоэлектронных

систем (РЭС), основанные на новых физических

принципах. Это мощные генераторы, излучающие

периодические или однократные сверхкороткие

электромагнитные импульсы (СК ЭМИ). Они обла-

дают сверхширокополосностью и большой им-

пульсной мощностью - десятки МВт в носимом ва-

рианте исполнения с дальностью действия 10…200

м и единиц ГВт при возимом варианте с дально-

стью действия до 10 км.

Опасность данного типа излучения, во-первых,

состоит в том, что при его воздействии на совре-

менные цифровые устройства в их цепях наводятся

сигналы, близкие по своим временным (спектраль-

ным) характеристикам к рабочим. В то же время

уровни уязвимости существующих РЭС от дест-

руктивного воздействия СК ЭМИ составляют

0,5…5 кВ/м при длительности импульса 0,2…1 нс.

При устойчивой тенденции перехода на использо-

вание все более высоких тактовых частот и сниже-

ния питающих напряжений перспективные РЭС

становятся все более восприимчивыми к СК ЭМИ,

так как уже при значительно меньших уровнях по-

мех будет происходить поражение (искажение) ин-

формации, приводящее как к обратимым, так и не-

обратимым отказам РЭС. Во-вторых, СШП –

спектр излучения затрудняет использование эффек-

тивных методов защиты на основе экранировки и

фильтрации помех в проводных линиях.

Поэтому СК ЭМИ являются сегодня новой

серьезной угрозой для современных РЭС. Этим

обусловлены активные работы по данному направ-

лению во многих странах, в том числе США, Гер-

мании, Китае, а также России. В связи с этим в Рос-

сии ведется разработка комплекса стандартов, рег-

ламентирующих требования и порядок проведения

испытаний к действию СК ЭМИ. Ожидаемый срок

ввода стандартов, находящихся в разработке, –

2011–2013год. В настоящее время действует пока

единственный ГОСТ Р 52863-2007 «Автоматизиро-

ванные системы в защищенном исполнении. Испы-

тания на устойчивость к намеренным силовым элек-

тромагнитным воздействиям». Кроме того, основны-

ми трудностями является отсутствие сегодня мобиль-

ных и портативных источников излучения СК ЭМИ

большой мощности, позволяющих проводить оценку

реальной стойкости к действию СК ЭМИ любой части

РЭА в условиях ее реального расположения.

В соответствии с требованиями существующих и

разрабатываемых нормативных документов развити-

ем техники для испытаний радиоэлектронных уст-

ройств и систем различного назначения занимаются

ряд организаций промышленности, РАН и Минобо-

роны. В частности, во ФГУП «МНИРТИ» разработан

и изготовлен единственный в России аттестованный

многофункциональный испытательный комплекс с

перестраиваемыми характеристиками коротких

сверхширокополосных электромагнитных импульсов

для отработки эффективных методов и средств защи-

ты радиоэлектронных изделий от их воздействия.

Комплекс может быть использован как в военной

(в т.ч. в области разработки способов борьбы с терро-

ризмом), так и в гражданской сфере.

Комплекс предназначен для решения следую-

щих задач

- формирование СК ЭМИ в широком диапазоне

параметров;

- экспериментальная оценка устойчивости радио-

электронной аппаратуры к деструктивному воздейст-

вию сверхкоротких импульсов электромагнитного из-

лучения на местах эксплуатации, в том числе, в соот-

ветствии с ГОСТ Р 52863-2007;

- определение уровней уязвимости РЭС различ-

ного назначения к преднамеренному воздействию

мощных импульсных СК ЭМИ;

- отработка методов и средств защиты от пер-

спективных мощных СК ЭМИ, соответствующих тре-

бованиям ГОСТ Р 52863-2007.

Основные параметры комплекса приве-

дены в табл. 1, структурная схема – на рис. 1. Ком-

плекс состоит из излучающей системы с перестраи-

ваемыми характеристиками, измерительной системы