Methods for recovery input signals of nonlinear nonstationary dynamic systems

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

The problem of input signals recovery is one of the key problems in many branches of science and technology: in measurement technology for dynamic measurements; in control tasks, where the control is based on the input signal (stabilization task); in tasks of image restoration and filtering, etc., which determines the relevance of the development of methods of input signal recovery. The relevance of development of input signal recovery methods is increasing every year and becomes the most pronounced at operation of measuring and control systems in extreme and harsh operating conditions. Non-stationarity and nonlinearity in these conditions are the most pronounced, accounting of which is a prerequisite for the creation of new and improvement of existing information-measuring and control systems. The paper proposes methods for determining the input signal of nonlinear dynamic systems described by the Volterra functional series. The methods are based on the solving of a nonlinear integral equation, which is defined by a finite segment of the Volterra series. The input signal recovery is carried out under the assumption that the integral transforms of Volterra kernels possess factorization based on Borel's theorem, which leads to a nonlinear algebraic equation. Recovery methods of continuous nonlinear dynamic systems described by a finite Volterra series and their discrete analog are considered. When recovering the input signal, for continuous systems the integral Laplace transform is applied, for discrete systems the Z-transform is applied. An example of a mathematical solution to the problem of restoring a discrete one-dimensional signal is given, illustrating the efficiency and effectiveness of the developed methods. The results of studies on restoring signals of nonlinear dynamic systems will be useful to specialists engaged in theoretical research and mathematical modeling in the field of digital signal processing and vector analysis of electrical circuits.

About the authors

L. R. Fionova

Penza State University

Email: lrfionova@mail.ru
ORCID iD: 0000-0001-6131-6904
SPIN-code: 5526-0214

N. P. Krivulin

Penza State University

Email: krivulin@bk.ru
ORCID iD: 0000-0002-1955-8472

N. V. Moiko

Penza State University

Email: nataliyavalentinovna@yandex.ru
SPIN-code: 1067-1221

References

  1. Грановский В. А. Динамические измерения: теория и метрологическое обеспечение – вчера и сегодня. Датчики и системы, (3(201)), 57–72 (2016). https://www.elibrary.ru/xhfkcr
  2. Сизиков В. С. Прямые и обратные задачи восстановления изображений, спектроскопии и томографии с MatLab. Учебное пособие. Лань, Санкт-Петербург (2017). https://elibrary.ru/ytyjex
  3. Кусайкин Д. В., Поршнев С. В., Сафиуллин Н. Т. Методы восстановления дискретных сигналов. Основы теории, программные инструменты, анализ точности. Лань, Санкт-Петербург (2021).
  4. Хургин Я. И., Яковлев В. П. Финитные функции в физике и технике. Книжный дом «ЛИБРОКОМ», Москва (2019).
  5. Бойков И. В., Кривулин Н. П. Аналитические и численные методы идентификации динамических систем: монография. Изд-во ПГУ, Пенза (2016).
  6. Бойков, И. В., Кривулин H. П., Абрамов С. В., Маланин В. П., Кикот В. В. Восстановление входных сигналов вихретоковых преобразователей перемещения при термоударных воздействиях. Измерительная техника, (11) 61–67 (2018). https://doi.org/10.32446/0368-1025it.2018-61-67 ; https://www.elibrary.ru/vtgtpm
  7. Щербаков М. А. Итерационный метод оптимальной нелинейной фильтрации изображений. Известия высших учебных заведений. Поволжский регион. Технические науки, (4(20)), 43–56 (2011). https://elibrary.ru/ovyzzp
  8. Бычков Ю. А., Соловьев Е. Б., Щербаков С. В. Непрерывные и дискретные нелинейные модели динамических систем. Лань, Санкт-Петербург (2018).
  9. Краснов М. Л., Киселев А. И., Макаренко Г. И. Операционное исчисление. Теория устойчивости. Задачи и примеры с подробными решениями. Ленанд, Москва (2018).
  10. Ганичева А. В. Основы теории функции комплексной переменной. Операционное исчисление. Лань, Санкт-Петербург (2023).
  11. Бойков И. В., Кривулин Н. П. Идентификация параметров нелинейных динамических систем, моделируемых полиномами Вольтерра. Сибирский журнал индустриальной математики, 21(2(74)), 17–31 (2018). https://doi.org/10.17377/SIBJIM.2018.21.202 ; https://www.elibrary.ru/xwtuhr
  12. Бойков И. В., Кривулин Н. П. Восстановление характеристик нестационарных динамических систем по трём тестовым сигналам. Измерительная техника, (3), 9–15 (2020). https://doi.org/10.32446/0368-1025it.2020-3-9-15 ; https://www.elibrary.ru/fyxhau
  13. Тихонов А. Н., Арсенин В. Я. Методы решения некорректных задач. Hаука, Москва (2022).
  14. Проскуряков И. В. Сборник задач по линейной алгебре. Лань, Санкт-Петербург (2010).

Supplementary files

Supplementary Files
Action
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».