Диплом, курсовая, контрольная работа
Помощь в написании студенческих работ

Развитие методов обработки информации в масс-спектрометрии для изотопного и элементного анализа

Диссертация: Развитие методов обработки информации в масс-спектрометрии для изотопного и элементного анализа
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Масс-спектрометрия является универсальным аналитическим измерительным методом, а во многих случаях — единственным методом прецизионного контроля состава вещества в любых агрегатных состояниях: газообразном, твердом или жидком. Масс-спектрометрические методы позволяют анализировать как собственно состав образца, так и состав примесей в нем, причем чувствительность масс-спектрометрии к примесям… Читать ещё >

Содержание

  • Глава 1. Структура масс-спектрометрических сигналов и методы 15 их обработки. Формулировка задач исследования
    • 1. 1. Структура масс-спектрометрического сигнала
    • 1. 2. Этапы обработки масс-спектрометрической информации
    • 1. 3. Основные теоретические предпосылки обработки масс- 18 спектрометрической информации на отдельных этапах
    • 1. 4. Формулировка задач исследований
  • Выводы по главе
  • Глава 2. Адаптивные методы отбраковки «выбросов» в масс- 36 спектрометрических сигналах
    • 2. 1. Постановка задач
    • 2. 2. Метод минимума квадрата медианного отклонения
    • 2. 3. Оценка дисперсии
    • 2. 4. Оценка первой и второй производной
    • 2. 5. Нахождение минимума медианного отклонения
    • 2. 6. Алгоритм метода минимизации квадрата медианного 44 отклонения, модифицированного для обработки масс-спектрометрического сигнала
    • 2. 7. Моделирование «загрязненного» сигнал и обработка данного 46 сигнала с применением описанных выше методов
    • 2. 8. Анализ результатов моделирования
    • 2. 9. Алгоритмы отбраковки «выбросов» в масс- 49 спектрометрическом анализе газов в статическом режиме
    • 2. 10. Метод отбраковки «выбросов» в масс-спектрометрическом 55 анализе веществ в твердой фазе
  • Выводы по главе
  • Глава. З Методы и алгоритмы цифровой фильтрации шумов и помех в масс-спектрометрических сигналах
    • 3. 1. Введение и постановка задачи
    • 3. 2. Цифровая фильтрация наводок и шумов методом прямого и обратного преобразований Фурье
    • 3. 3. Цифровая фильтрация наводок и шумов с помощью фильтров Чебышева
    • 3. 4. Предварительная очистка сигнала от шумов с помощью вейвлет-фильтров
    • 3. 5. Фильтрация масс-спектрометрических сигналов методом прямого и обратного дискретного вейвлет-преобразования
    • 3. 6. Многоуровневое вейвлет- преобразование
    • 3. 7. Вейвлет реконструкция
    • 3. 8. Реконструкционные фильтры
    • 3. 9. Выбор оптимального количества уровней декомпозиции
    • 3. 10. Алгоритм на основе свертки с функцией формы пика для фильтрация наводок от питающей сети в масс-спектрометрических сигналах
    • 3. 11. Сглаживание масс-спектрометрических сигналов методом наименьших квадратов на основе ортогональных полиномов
    • 3. 12. Алгоритм метода наименьших квадратов на основе ортогональных полиномов и скользящего окна
    • 3. 13. Сравнение алгоритмов сглаживания экспериментальных масс-спектрометрических данных в скользящем окне
  • Выводы по главе
  • Глава 4. Методы и алгоритмы обнаружения масс-спектрометрических пиков на фоне шумов и дрейфа базовой линии
    • 4. 1. Метод максимального правдоподобия в задачах обработки масс-спектрометрических сигналов
    • 4. 2. Алгоритмы обнаружения пиков инвариантные к изменению базовой линии, основанные на свертках с производными четных порядков функции формы пиков
    • 4. 3. Обнаружение спектральных линий в изотопном масс-спектрометре с непрерывной разверткой
  • Выводы по главе
  • Глава 5. Оценка параметров масс-спектров в условиях недостаточного разрешения прибора и влияния инерционности измерительного канала с большой постоянной времени
    • 5. 1. Оценка параметров масс-спектрометрических пиков методом свертки экспериментальных данных с производными гауссовых функций
    • 5. 2. Примеры работы метода свертки экспериментальных данных спроизводными гауссовых функций
    • 5. 3. Оценивание параметров масс-спектрометрических пиков с учетом влияния инерционности измерительного канала с большой постоянной времени
    • 5. 4. Спектральные преобразования в приспособленном базисе для оценки параметров масс-спектров
    • 5. 5. Оценка амплитуд масс-спектрометрических пиков при известных положениях на оси масс и известных полуширинах
    • 5. 6. Признаки «наложения пиков для сигналов масс-спектрометрических приборов»
  • Выводы по главе 5
  • Глава 6. Программное обеспечение обработки масс-спектров

6.1 Программное обеспечение системы регистрации масс-спектрометров МИ-1201 с непрерывной разверткой для контроля продукта на промышленном предприятии ядерно-топливного цикла (комплекс программ MAC-13).

6.2 Программное обеспечение для определения изотопного состава аргона в автоматизированном комплексе на базе массспектрометра МИ 1201 ИГ

6.3 Оценка групповых средних в задаче определения возраста платиносодержащих минералов масс-спектрометрическим методом

6.4 Программное обеспечение для оценки микро количеств гелия в геологических и археологических образцах в масс-спектрометре с постоянным магнитом и непрерывной разверткой по электрическому полю (комплекс программ Не-4)

6.5 Аппаратно-программный комплекс транспортабельного хромато-масс-спектрометра

6.6 Программный комплекс обработки масс-спектров в технологическом контроле чистоты фуллеренов

6.7 Программные комплексы обработки масс-спектров модернизированных и разрабатываемых вновь отечественных масс-спектрометров

Выводы по главе

Глава 7. Принципы организации аппаратного обеспечения автоматизированных масс-спектрометрических приборов.

7.1 Организация интерфейсных подсистем

7.2 Измерительно-вычислительные комплексы для регистрации ионных токов и управления магнитным полем в специализированных масс-спектрометрах МТИ-350Г и МТИ-350Т

7.3 Измерительно-вычислительный комплекс для изотопного анализа веществ в газовой фазе на масс-спектрометре

МИ 1201 В и в твердой фазе на масс-спектрометре МИ1201Т для задач геохронологии

7.4 Измерительно-вычислительный комплекс для оценки микро количеств гелия в геологических и археологических образцах

7.5 Измерительно-вычислительный комплекс для определения возраста платиносодержащих минералов на масс-спектрометре МИ1320, модифицированного для работы с электроотрицательными ионами

7.6 Измерительно-вычислительный комплекс для определения массовых долей изотопов урана и плутония в системе технологического контроля на предприятии ядерно-топливного цикла

Выводы по главе

Развитие методов обработки информации в масс-спектрометрии для изотопного и элементного анализа (реферат, курсовая, диплом, контрольная)

Масс-спектрометрия является универсальным аналитическим измерительным методом, а во многих случаях — единственным методом прецизионного контроля состава вещества в любых агрегатных состояниях: газообразном, твердом или жидком. Масс-спектрометрические методы позволяют анализировать как собственно состав образца, так и состав примесей в нем, причем чувствительность масс-спектрометрии к примесям превышает возможности любых других аналитических методов. В настоящее время масс-спектрометрия продолжает стремительно развиваться как в направлении создания новых методов и методик анализа, так и в создании современных приборов и приборных комплексов, отвечающих всем признакам и требованиям технического прогресса нашего времени. Масс-спектрометры являются основными измерительными средствами в высокоточных элементных и изотопных исследованиях и измерениях, в технологиях микроэлектроники, в производстве особо чистых веществ, в геохронологии (прогнозировании месторождений полезных ископаемых), производстве и контроле ядерного горючего в ядерно-топливном цикле и в большой номенклатуре научных исследований.

Современный масс-спектрометр для элементного и изотопного анализа является гибридным комплексным прибором, аналитические возможности которого определяются тем, насколько оптимально измерительные функции в нем разделены между его аналитической (физической) и аппаратно-программной частями. Функции аппаратно-программного комплекса масс-спектрометра состоят в сборе, обработке и идентификации информации, поступающей от его аналитической части. При этом задачи программных средств масс-спектрометров, предназначенных для обнаружения и оценки параметров полезных сигналов, выявленных из необработанных сигналов, содержащих шумы и наводки, а также для фильтрации сигналов, состоят в обеспечении требуемой точности анализа и в снижении нагрузки на аналитическую часть масс-спектрометра, обеспечивающего решение прецизионных задач анализа.

Вопросам обработки сигналов различного типа посвящено множество теоретических исследований в области математической статистики и ее прикладных направлений. Как правило, это — общетеоретические исследования, они не привязаны к конкретным сигналам. Зачастую очень привлекательные в теоретическом плане подходы оказываются непригодными для определенных конкретных задач. Для разработки оптимальных методов, позволяющих наиболее точно и быстро оценить параметры реальных масс-спектрометрических сигналов, необходимо изучение существующих и вновь появляющихся подходов к обработке сигналов и ранжирование их возможностей по отношению именно к задачам масс-спектрометрического эксперимента.

Это связано, прежде всего, с тем, что ряд параметров масс-спектрометрических сигналов отличаются от параметров сигналов, изучаемых в других областях их обработки. К таким параметрам относятся: аппаратные функции, которыми описываются формы пиков, возникающих в масс-спектрометрах, а также параметры шумов, присутствующих в масс-спектрометрических сигналах, которые обусловлены не только шумами, возникающими в электронных трактах, но и шумами, связанными с физическими процессами, происходящими в масс-спектрометрах. Особо следует выделить такую характерную особенность масс-спектрометрических сигналов, как наложение друг на друга спектральных пиков близких масс, возникающее из-за недостаточной разрешающей способности аналитической части масс-спектрометра. Существующие методы обработки масс-спектрометрических данных в настоящее время имеют ряд недостатков, затрудняющих в достаточной мере использовать преимущества цифровой обработки информации для повышения основных параметров масс-спектрометрических приборов. Новые и полезные практические результаты при обработке масс-спектрометрических сигналов могут быть получены с применением еще мало используемых в масс-спектрометрии перестраиваемых ортогональных и вейвлет преобразований, которые можно адаптировать к характеру анализируемых сигналов или к их информативным признакам.

В связи с этим, развитие и совершенствование алгоритмических методов, направленных на повышение разрешающей способности с одной стороны, а также на повышение точности оценок параметров масс-спектрометрических сигналов в условиях значительных специфических шумов и «выбросов» (повышение чувствительности) — с другой стороны, и позволяющих существенно улучшить важнейшие параметры масс-спектрометра без изменения его аналитической части, безусловно, является весьма актуальной задачей.

Цель работы. Целью данной работы, является развитие и совершенствование методов обработки масс-спектрометрической информации, которые должны позволить обеспечить требуемую точность, а также абсолютную и изотопическую чувствительность приборов в условиях шумов и дрейфа базовой линии, недостаточного разрешения «наложившихся» пиков близких масс и влияния динамических свойств измерительного канала. Развиваемые методы в первую очередь должны быть внедрены в масс-спектрометрические комплексы для геохронологии и автоматизации технологических процессов на предприятиях ядерно-топливного цикла.

Методика исследований. При проведении исследований использовались методы спектрального анализа, статистического оценивания и фильтрации, а также методы компьютерного моделирования и экспериментальные исследования.

Достоверность результатов подтверждена результатами математического моделирования и лабораторными исследованиями на предприятиях, использующих разработанное программное обеспечение для масс-спектрометрических приборов.

Научная новизна состоит в создании и исследовании новых методов, алгоритмов и комплексов обработки масс-спектрометрической информации, направленных на повышение точности и разрешающей способности массспектрометрических приборов для изотопного и элементного анализа.

Созданы следующие новые методы и алгоритмы:

• Отбраковки выбросов составляющих до 40% от объема выборки данных без искажения формы сигналов;

• Фильтрации, позволившей впервые для масс-спектрометрических сигналов реализовать оптимальный поиск количества уровней дискретного вейвлет-преобразования и существенно сократить объем данных (более чем в 30 раз) для дальнейшей обработки.

• Обнаружения масс-спектрометрических и оценки параметров одиночных и наложивишихся пиков на основе сверток с производными четных порядков функции формы пика, обеспечивающих надежное обнаружение при отношении сигнала к шуму 4 и выше и значительном дрейфе базовой линии, а также повышение эффективной разрешающей способности в 4 и более раз при разрешающей способности аналитической части от 1.5 до 1000.

• Оценки наличия примесей с неизвестными массами в изотопном масс-спектре стандарта. Метод реализует впервые предложенный в масс-спектрометрии спектральный анализ в приспособленном базисе, который позволяет оценить факт наличия примеси, отличающейся по массе менее чем на 0.01%.

• Коррекции формы масс-спектрометрических пиков, искаженных инерционностью измерительной системы. Методы основаны на предложенных впервые формулах для математического описания формы пиков реальных сигналов в условиях инерционности регистрации, дало возможность выявить цикличность образования геологических образцов определенного вида.

Практическая ценность работы состоит в том, что созданные методы и алгоритмы использовались в разработках следующих серийно выпускаемых и модернизированных масс-спектрометров: МИ-1320, МИ-1321, МИ-3304, МИ-3306, МИ-350Г, МИ-350Т, МИ1201 (модернизация для атомной промышленности), М1201ИГ и М1201АГ (модернизация для геохронологии). Работоспособность и эффективность работы комплексов подтвердили экспериментальные работы пользователей масс-спектрометрических приборов различных типов (имеются акты внедрения). Разработанные математические методы, алгоритмы и программные средства могут быть использованы также для разработки новых типов масс-спектрометров для ядерно-топливного цикла (примесного, сублиматного, анализатора легких газов) и геохронологии.

На защиту выносятся:

1. Новый алгоритм фильтрации масс-спектрометрических сигналов на основе прямого и обратного многоступенчатого дискретного вейвлет-преобразования с адаптивным определением частоты среза.

2. Математическое описание формы масс-спектрометрических пиков, искаженных инерционностью системы регистрации.

3. Алгоритмы обнаружения и оценки параметров одиночных и «наложившихся» пиков в масс-спектре на основе производных четных порядков функции описывающей форму пика.

4. Новые алгоритмы отбраковки до 40% ложных выбросов в масс-спектрометрических сигналах на основе минимизации квадрата медианного отклонения в скользящем окне отсчетов масс-спектрометрического пика.

5. Методы оценки наличия «мультиплетности» в масс-спектрометрических сигналах.

6. Алгебраический метод определения амплитуд «наложившихся» пиков изотопного масс-спектра, в котором известны массы и разрешающая способность.

7. Метод оценки наличия примесей с неизвестными массами в изотопном масс-спектре стандарта, в котором существуют пики с известными массами.

8. Программные и автоматизированные измерительно-вычислительные комплексы масс-спектрометров различных типов, применяемые для изотопного и элементного анализов в лабораториях геохронологии и на предприятиях ядерно-топливного цикла.

АПРОБАЦИЯ И ПУБЛИКАЦИИ.

Материалы диссертации докладывались на: заседаниях Координационного научно-технического совета по масс-спектрометрии (КНТС-М) Минатома РФ в.

1999;2006 годах. The 2nd (1999) и 3nd (2000)International Conference DIGITAL.

SIGNAL PROCESSING AND ITS APLICATION Moscow. 12nd International.

Symposium on Modular Information Computer Systems and Networks ICSNET'99.

1999, June 29−30, Moscow. XVI симпозиуме по геохимии изотопов имени академика А. П. Виноградова, Москва, ноябрь, 2001 г. Международной Школе-Семинаре по автоматизации и компьютеризации в науке и технике ACS' 2002. Москва ноябрь 2002 г. Первой (2002) и Второй (2005) Всероссийской конференции. Аналитические приборы. Санкт-Петербург. VII конференции АНАЛИТИКА СИБИРИ и ДАЛЬНЕГО ВОСТОКА-2004г. Новосибирск. На втором (2005 год) и на третьем (2007 год) Съездах Всероссийского масс-спектрометрического общества.

По теме диссертации опубликовано 25 статей, глава в монографии и одно учебное пособие.

Выводы по главе 7.

1 .На основе анализа структур организации систем измерительно-вычислительных комплексов в масс-спектрометрических приборах различных типов систем установлены наиболее перспективные в настоящее время типы интерфейсных подсистем. По совокупности таких критериев как, производительность обмена данными, модульность, простота построения, универсальность информационного протокола критериев для автоматизации изотопных масс-спектрометров, используемых в технологии производства на предприятиях ядерно-топливного цикла целесообразным является использование шины CAN (Controller Area Network). Основными аргументами такого выбора стали высоконадежный алгоритм передачи и развитая система обработки ошибок, хорошая поддержка систем реального времени и систем, управляемых событиями, мультимастерность, ориентация на распределенные системы управления, широкая аппаратная поддержка протокола и сравнительно невысокая цена CAN-устройств. Шина CAN по этим же причинам была выбрана и для автоматизации транспортабельных масс-спектрометров с квадрупольным анализатором.

2.Разработан и исследован измерительно-вычислительный комплекс для регистрации ионных токов и управления магнитным полем в специализированных масс-спектрометрах МТИ-350Г, МТИ-350Т и др. Комплекс имеет ряд преимуществ по сравнению с серийно выпускаемыми комплексами для масс-спектрометров МИ-1201 Сумского завода. В том числе по более низкому уровню шумов электрометрического усилителя, большей точностью и быстродействием применяемых в комплексе аналого-цифровым преобразователям по сравнению с преобразователями напряжения в частоту в Сумских приборах. Кроме того, стабилизация магнитного поля с.

237 помощью датчика Холла позволяет существенно упростить катушку обратной связи в цепи регулирования тока электромагнита.

3.Разработан ряд измерительно-вычислительных комплексов для автоматизации измерений в изотопной масс-спектрометрии. В комплексах реализованы ряд новых для масс-спектрометрии технических решений в аппаратном и программном обеспечении, позволивших сократить время и повысить точность анализа. В том числе: ускоренное управление магнитным полем в системе с перерегулированием, учет динамических свойств регистрирующих каналов, программная компенсация просчетов импульсов при регистрации ионных токов в счетном режиме.

4.Комплексы внедрены в практику измерений в научно-исследовательских организациях геологического профиля и на промышленных предприятиях ядерно-топливного цикла Государственного Комитета по атомной энергии. Внедрение комплексов дало возможность успешно решить ряд научных и технических задач. В том числе обеспечение автоматического вычисления возраста «молодых» образований геологических образований калий-аргоновым методом. Установление цикличности в образовании геологических пород определенного района при определении возраста платиносодержащих минералов. Установление достоверности происхождения археологических золотых образцов гелиевым методом. Повышение точности и производительности измерений в технологическом контроле при переработке ядерного топлива на производственном комбинате «Маяк».

Заключение

.

Развитие и совершенствование методов обработки информации, направленных на повышение разрешающей способности и на повышение точности параметров масс-спектрометрических сигналов в условиях значительных специфических шумов и ложных выбросов (повышение чувствительности), позволяет улучшить аналитические возможности масс-спектрометрических приборов практически без изменения аналитических подсистем приборов. Проведенная работа по развитию и совершенствованию методов обработки информации позволила выявить и структурировать основные технологические звенья процесса обработки сигналов масс-спектрометрического эксперимента. Разработанные и исследованные комплексы алгоритмов обработки масс-спектрометрической информации являются звеньями технологической последовательности обработки информации. Они дают возможность: отбраковывать ложные выбросы, снижать влияние шумов и помех на точность масс-спектрометрических измерений, производить обнаружение спектральных пиков в условиях дрейфа базовой линии, производить разделение «наложившихся» пиков в условиях недостаточного разрешения, учитывать влияние динамических свойств измерительного тракта, выполнять вычислительные процедуры, необходимые для решения задач геохронологии, технологического контроля на предприятиях ядерно-топливного цикла, идентифицировать вещества для аналитической химии. Новизной обладают как отдельные разработанные алгоритмы, так и совокупность алгоритмов, объединенных в комплексы. В результате выполнения работы:

1.Создан комплекс программных и алгоритмических методов обработки масс-спектрометрических сигналов, который позволяет повысить в несколько раз разрешающую способность и чувствительность приборов без изменения их физических частей.

2.Предложен комплекс методов, выявляющих «мультиплетность» в массивах данных масс-спектрометрических сигналов. Предложенный комплекс дает возможность повысить быстродействие обработки и сократить объем используемой памяти.

3.Проведен анализ факторов, влияющих на форму масс-спектрометрического пика изотопного масс-спектрометра в условиях влияния инерционности измерительного канала с большой постоянной времени. На основе этого анализа предложены математические формулы, позволяющие описать форму пика, искаженного влияния инерционности измерительного канала. Сравнение формы масс-спектрометрических пиков, описываемых по предложенным формулам, и реальных данных показало близкое их сходство. Сравнение произведено с использованием статистических критериев.

4.На основе предложенных формул, описывающих форму масс-спектрометрического пика, разработан алгоритм, позволяющий в 3−4 раза сократить время оценки параметров одиночных пиков в изотопном масс-спектре в процедуре настройки на центр пика.

5.Предложен метод отбраковки до 40% ложных выбросов для обработки сигналов изотопных масс-спектрометров, работающих в различных экспериментах. Метод основан на модифицированном для обработки масс-спектрометрических сигналов алгоритме минимизации квадрата медианного остатка. В отличии традиционной медианной фильтрации, предложенный метод не искажает форму спектрального пика.

6. Предложенные в работе программные и алгоритмические позволили получить существенные научные результаты в области геохронологии, в частности информацию о полицикличности образования минералов платиновой группы из россыпных проявлений Урала и Тиммана, а также о происхождении новейших магматических образований.

7.Предложенные методы и комплексы позволили повысить чувствительность и разрешающую способность в различных серийных и модернизированных масс-спектрометрических приборах, применяемых в геохронологии и на предприятиях ядерно-топливного цикла.

8. Большинство рассмотренных методов и алгоритмов легли в основу программного обеспечения измерительно-вычислительных масс-спектрометрических комплексов. Комплексы прошли испытания и используются в масс-спектрометрических лабораториях институтов РАН, а также в технологических процессах на предприятиях Агентства Российской федерации по атомной энергии.

Из проведенной работы следуют основные выводы:

1. Свертка масс-спектра с производными четных порядков функции, описывающей форму одиночного пика, дает в скользящем окне возможность надежного обнаружения пиков при соотношении сигнала к шуму три и более, и, кроме того, оценивать положения и ширину отдельных пиков в мультиплетах. Для оценки амплитуд отдельных пиков в мультиплетах используется, предложенная в работе итерационная процедура, которая быстро сходится.

2. Определение скорости изменения энтропии дает возможность сделать оценку оптимального уровня декомпозиции при проведении дискретного вейвлет-преобразования и синтезировать адаптивный к априорной полосе шума алгоритм фильтрации масс-спектрометрических сигналов. Синтезированный таким образом алгоритм позволяет, кроме того, уменьшить в 20 и более раз объем данных для дальнейшей обработки без искажения полезной составляющей информации.

3.

Введение

параметров инерционного и колебательного звена в формулу, описывающую масс-спектрометрический пик с плоской вершиной, искаженного инерционностью системы регистрации дает возможность восстановить первоначальную форму пика.

4. Предложенный в работе алгебраический метод определения амплитуд «наложившихся» пиков изотопного масс-спектра, в котором известны массы и разрешающая способность позволяет определять амплитуды «наложившихся «пиков при разнице в массовых числах до 0.0005 а.е.м.

5. Использование спектрального представления масс-спектрометрических пиков в базисе, приспособленном к сигналу стандартного образца, позволяет оценить наличие примеси с массой, отличающейся менее чем 0.01% от массы пика с известной массой.

Показать весь текст

Список литературы

  1. Justusson B.1. Median Filters on deterministic Signal. Math. Inst. Stokholm. 1981.145p
  2. Justusson B.I. Median Filtering. Digital signal processing. Math. Inst. Stokholm.1981. 238 p
  3. П. Робастность в статистике М.: Мир, 1984. 303 с.
  4. David J. Olive. Applied Robust Statistics. Southern Illinois University, Department of Mathematics, Preprint M-02−006 January 16, 2007. http://www.math.siu.edu/olive/run.pdf.
  5. Efron, В., Hastie, Т., Johnstone I., Tibshirani, R. (2004), «LeastAngle Regression» (with discussion), The Annals of Statistics, 32, 407−45 lp.
  6. Friedman J. A variable span smoother. Stanford Tech. Rep (5) (1984). 32−56p
  7. Siegle A. Robust regression using repeated medians. Biometrika, 69 (1982) p 4351
  8. , P.J. (1984), «Least Median of Squares Regression,» Journal of the American Statistical Association, 79, 871−880p.
  9. Coifman R.R., Meyer Y., Wickerhauser MV. Wavelet Analysis and Signal Processing// Wavelets and Their Applications / Ruskai et al. (ed.). Boston Jones and Bartlett, 1992., 153 — 178 p.
  10. Daubechies I. Orthonormal basis of compactly supported wavelets // Comm. Pure Appl. Math, Vol. 46, 1988,. 909 996p.
  11. Jawerth B, Sweldens W. An Overview of Wavelet Based Multiresolution Analysis// SIAM Rev., Vol. 36, Nr. 3, 1994, Pp. 377 -412p.
  12. Vetterli M. Wavelet and filter banks for diskrete-time signal processing // Wavelets and Their Applications / Ruskai et al. (ed.). Boston: Jones and Bartlett, 1992. p.
  13. Donoho, D. L, «Progress in wavelet analysis and WVD: a ten minute tour,» in Progress in wavelet analysis and applications, Y. Meyer, S. Roques, pp.109−128. Frontieres Ed 1993.
  14. , D.L. (1995), «De-Noising by soft-thresholding,» IEEE Trans, on Inf. Theory, vol. 41, 3, 613−627 p.
  15. Donoho, D.L.- I.M. Johnstone (1994),"Ideal spatial adaptation by wavelet shrinkage," Biometrika, vol 81,. 425−455 p. Гульбинас P. Ю.
  16. А.И., Кноте К. Метод адаптивного получения информативных признаков в задаче классификации биосигналов //Управление, информатика и вычислительная техника: Известия СП6ГЭТУ. Вып. 1. С-Пб.: Издательско-полигр. центр СП6ГЭТУ, 1998, С. 26 -29.
  17. А.И., Спиваковский A.M. Основы теории и методы спектральной обработки информации: Учеб. пособие. Л.: Изд-во Ленингр. ун-та, 1986. 272 с.
  18. Адаптивный метод формирования диагностических признаков в информационно-измерительных системах // Оборонная Техника:
  19. Ежемесячный научно-техн. сб. № 6−7. / АА. Алексеев, А. И. Солодовников, A.M. Спиваковский, К. Кноте. 1998. С. 66- 69.
  20. А. И., Канатов И. И., Спиваковский А. М. Синтез ортогональных базисов на основе обобщенного спектрального ядра.//Ленинград гос. ун-т. —Л., 1976.— Вып.2.— с.99−112.
  21. , S. (1989), «A theory for multiresolution signal decomposition: thewavelet representation,» IEEE Pattern Anal, and Machine Intell., vol. 11, no. 7, 674−693p
  22. Mallat, S. (1998), A wavelet tour of signal processing, Academic Press 350 p
  23. Д., Моулер К., Нэш С. Численные методы и программное обеспечение. М.: Мир, 2001. — 576 с.
  24. Н. С. Численные методы . М.: Наука, 1973. — 630 с
  25. JI. В. Адаптивный вейвлет-анализ сигналов // Научное приборостроение. 1998. — Т. 9, № 2. — С. 30−37,1971, v. С-20,р.1045−1051.
  26. JI. В. Спектральный анализ сигналов в базисе вейвлетов // Научное приборостроение. 2000. — Т. 10, № 3. — С. 70−77.
  27. Ю. И., Басин Ю. Г. Алгоритмы приспособленного базиса в задачах распознавания образов. — Изв. АН СССР, Техническая кибернетика, № 2, 1970, с. 145−161.
  28. А. П. Введение в теорию базисов всплесков. СПб.: СПбГТУ, 1999.- 132 с.
  29. Н. М. Вейвлет-анализ: основы теории и примеры применения // Успехи Физических Наук. 1996. — Т. 166, № 11. — С. 1145−1170
  30. A.M., Трахтман В. А. Основы теории дискретных сигналов на конечных интервалах. М.: Сов. Радио, 1975. 208 с
  31. И. Я., Стечкин С. Б. Основные конструкции всплесков // Фундаментальная и прикладная математика. 1997. — Т. 3, № 4. — С. 9 991 028.
  32. В.П. Вейвлеты. От теории к практике. М.: COJIOH-Пресс, 2004.- 400 с.
  33. Дьяконов В.П. MATLAB 6/6.1/6.5 + Simulink 4/5 в математике и моделировании. М.: COJIOH-Пресс, 2003. — 456 с.
  34. В. И., Грибунин В. Г. Теория и практика вейвлет -преобразования.- СПб.: ВУС, 1999.- 180 с
  35. А. В. О систематизации вейвлет-преобразований // Вычислительные методы и программирование. 2001. — Т. 2, № 2. — С. 133-.
  36. JI. А., Пономарёв В. А., Попечителев Е. П. Матричные операторы связи дискретных спектров Фурье и Уолша."Автометрия", 1977,141, с41−44.
  37. И. М., Иванов О. В., Нечитайло В. А. Вейвлеты и их использование // Успехи физических наук. 2001. — Т. 171, № 5. — С. 465−561.
  38. В.Н. Спектральный анализ в дискретных ортогональных базисах. Мн.: Наука и техника, 1978. 136 с.
  39. Coifman R.R., Meyer Y., Wickerhauser MV. Wavelet Analysis and Signal Processing// Wavelets and Their Applications / Ruskai et al. (ed.). Boston:
  40. Jones and Bartlett, 1992. Pp. 153 178.
  41. Daubechies I. Orthonormal basis of compactly supported wavelets // Comm. Pure Appl. Math., Vol. 46, 1988. pp. 909 996.
  42. Daubechies I. Ten Lectures on Wavelets, CBMS-NSF Regional Conf. Series in Appl. Math., Vol. 61. SIAN, Philadelphia, 1992. 357 p.
  43. Jawerth В., Sweldens W. An Overview of Wavelet Based Multiresolution Analysis// SIAM Rev., Vol. 36, Nr. 3, 1994. Pp. 377 -412.
  44. Vetterli M. Wavelet and filter banks for diskrete-time signal processing // Wavelets and Their Applications / Ruskai et al. (ed.). Boston: Jones and Bartlett, 1992. Pp. 17- 52.
  45. А. В. Классы преобразований нестационарного сигнала в информационно-измерительных системах. III. Время-масштабные (вейвлет-) преобразования для спектрально-временного анализа // Научное приборостроение. 2002 — Т. 12, № 3. — С. 68−82.
  46. А.И. Синтез полных систем ортонормированных функций, имеющих алгоритм быстрого преобразования. // Вопросы теории систем автоматического управления: Межвуз. сб. Л.: Изд-во Ленингр. ун- та, 1978. Вып. 4. С. 94−105.
  47. Е. 3. Линейная и нелинейная регрессия. М.: Финансы и статистика, 1981. — 302 с.
  48. Френке J1. Теория сигналов/Пер. с англ. Под ред. Д. Е. Вакмана. М., 1974 344 с.
  49. X. Передача информации ортогональными функциями / Пер. с анг. Под ред. А. И. Сенина и Н. Г. Дядюнова. М., 1975. 272 с.
  50. А. В. Классы преобразований нестационарного сигнала в информационно-измерительных системах. II. Время-частотные преобразования // Научное приборостроение. 2002 — Т. 12, № 2. — С. 59−70.
  51. А. И., Канатов И. И., Спиваковский А. М. Методы обобщенных спектральных преобразований в задачах оперативного сжатия информации. —В кн.: Вопросы кибернетики: Автоматизация экспериментальных исследований. М., 1979, Вып. 62, с. 19−35.
  52. R. N. Bracewell, The Fourier and Its Application, 2. rev. ed. New York, NY: McGraw-Hi 11, 1986.
  53. В. А. Методы оптимальных решений в распознавании изображений. М.: Наука, 1976, -328с.
  54. Ту Дж., Гонсалес Р. Принципы распознавания образов.1. М.: Мир, 1978.-411с.
  55. Ю. П. и др. Применения метода В. JI. Рвачева к теории фильтрации сигналов и распознаванию образов, докл. АН СССР, 1981, т.259, № 4. — с.823−835.
  56. Л. Р., Шафер Р. В. Цифровая обработка речевых сигналов:
  57. Пер. с англ./под ред. М. В. Назарова и Ю. Н. Прохорова. -М.: Радио и связь1981.- 496с.
  58. Rao К. R., Revuiri К., Ahmed N. Generalised autocorrelation theorem. «Electron. Lett."1973,9, N10 212−214.
  59. С. А. Классификаторы на основе нейронных структур. «Зарубежная радиоэлектроника «№ 8, 1992— 135−155.
  60. Jam А-К.- Patt. Rep. Theory and Appi., v. 30, NY: Sringer Verlag, 1988.
  61. Breimann L., Friedman J. H.- Wadsworth International Group, Belmont, CA, 1986.
  62. Quihlan J. R.- Int. J. Man-Machine Studies, 1987, v.27.
  63. Lippman R. S.- IEEE SSP Mag., 1987, v.4, Apr.
  64. Ackley D. H., Hinton G.E.- Cognitive Science, 1985, v.9, Ni.
  65. Giles C. L., Maxwell Т.- Man-Machine studies, 1987, v.27.
  66. H.- Обучающиеся машины. —M.: Мир, 1980.
  67. Farlow S.- Self-Organizing Methods in Modeling.- Marcel Dekker, 1984.
  68. Hand D. S.- Kernel Discriminant Analysis.- New York, 1985.
  69. Renals S., Rohwer R.- In: Proc. Int. Conf. on Neural Net.
  70. M. А., Браверманн Э. M. Метод потенциальных функций в теории обучения машин.- М.: Наук, 1970.-384с.
  71. А. Бюллетень гос. ВАК РФ, 1999 142 с. 13.
  72. В. Связь между преобразованиями Уолша-Адамара и Хаара, ТИИЭР, № 5, 1969.
  73. В.В., Заруцкий И.В Оценка амплитуд «наложившихся» масс-спектрометрических пиков при известных положениях на оси масс и известных полуширинах алгебраическим метод ом.//Научное приборостроение Т. 17, 2007 г.,№ 1 2007 С. 98.-102.
  74. Дж., Пирсол А. Применение корреляционного и спектрального анализа/Пер. с англ. —М.: Мир, 1983., -312с.
  75. Г., Ватте Д. Спектральный анализ и его приложения. Вып.1/Пер. с англ. —М.: Мир, 1971. 31 бс.77. — Садыхов P. X., Чеголин П. М., Шмерко В. П. Методы и средства обработки сигналов в дискретных базисах. — Минск: Наук и техника, 1987. 296с.
  76. Марпл-мл. С. Л. Цифровой спектральный анализ и его приложения/ Пер с англ, —М.: Мир, 1990, 584с.
  77. Заруцкий И. В Манойлов. В. В, Кузьмин А. Г Галль JI. H, Кретинина А. В, Михновец П. В Чиж Е. П, Новый хромато-Масс-спектрометр ТХМС //Научное приборостроение 2005. Т. 15, № 4. С. 56−64. 8с.
  78. Боденштайн Г, Преториус X. М. Выделение признаков из электроэнцефалограммы методом адаптивной сегментации. ТИИЭР, 1977, т.65, № 5, с.59−71.
  79. А. Методы классификации сигналов на основе приспосабливаемых спектральных ортогональных преобразований. Диссертация на соискание ученой степени кандидата технических наук. СПбГЭТУ, 2005 г, 120 стр.
  80. , D.L. (1993), «Progress in wavelet analysis and WVD: a ten minute tour,» in Progress in wavelet analysis and applications, Y. Meyer, S. Roques, pp. 109−128. Frontieres Ed.
  81. , D.L. (1995), «De-Noising by soft-thresholding,» IEEE Trans, on Inf. Theory, vol. 41, 3, pp. 613−627.
  82. Donoho, D.L.- I.M. Johnstone (1994),"Ideal spatial adaptation by wavelet shrinkage,» Biometrika, vol 81, pp. 425−455.
  83. Donoho, D.L.- I.M. Johnstone (1994), «Ideal de-noising in an orthonormal basis chosen from a library of bases,» CRAS Paris, Ser I, t. 319, pp. 1317−1322.
  84. Donoho, D.L.- I.M. Johnstone, G. Kerkyacharian, D. Picard (1995), «Wavelet shrinkage: asymptopia,» Jour. Roy. Stat. Soc, series B, vol. 57 no. 2, pp. 301−369.
  85. , S. (1989), «A theory for multiresolution signal decomposition: the wavelet representation,» IEEE Pattern Anal, and Machine Intell, vol. 11, no. 7, pp. 674−693.
  86. , S. (1998), A wavelet tour of signal processing, Academic Press.
  87. Центральный научно-исследовательский институт информации и технико-экономических исследований в атомной науке и технике.
  88. . Теория и техника обработки сигналов при физических измерениях. М Мир, 1983 Т1 280 с
  89. Заруцкий И. В, .Манойлов В. В Аппаратно-программный комплекс транспортабельного хромато- масс-спектрометра ТХМС. Научное приборостроение, 2003, том 13, № 4 с 47- 54
  90. И. Десять лекций по вейвлетам (пер. с англ.) Ижевск, НИЦ «Регулярная и хаотическая динамика» «, 2001, 464
  91. Н.А., Фертман А.Д. Автоматизированный анализ экспериментальных данных с применением вейвлет-преобразования Приборы и техника эксперимента, 2003 г № 6 стр 47−54
  92. Чуй К. Введение в вейвлеты. Мир, 2001, 456 стр
  93. Goswami J.C., Chan А.К. Fundamentals of wavelets. N/Y: John Willey & Sons, 1999
  94. Mallat S // IEEE Trans. On Inform Theory. 1991. V 37. p 1019
  95. Coifman, R.R.- M. V Wickerhauser, «Entropy-based algorithms for best basis selection,» IEEE Trans, on Inf. Theory, vol. 38 (1992), № 2,pp. 713−718
  96. Mallat, S., A wavelet tour of signal processing, Academic Press. 1998 452 p
  97. Cuiwei L., Chonxcun Zh., Changfeng T.// IEEE Trans. On Biomedical Engineering. 1995 v 42 p21
  98. D.L. // IEEE Trans/ on Inform. Theory. 1995, V 41. p 613−627
  99. Ю2.Дудкин В. А., Оленин Ю. А. Математические и имитационные моделисейсмических сигналов // «Проблемы объектовой охраны»: Сб. науч. тр. -Вып. 2: Пенза, 2001. С. 74−79.
  100. , G.- Т. Nguyen Wavelets and Filter Banks, Wellesley-Cambridge Press. 1996, 346p
  101. .Р. Теоретические основы статистической радиотехники. М. «Радио и связь» 1989, 652 стр
  102. К.А. Модели и алгоритмы вейвлет-обработки сигналов датчиков с применением лифтинга. 4.1. Теоретические основы лифтинга, 4.2. Численное моделирование // «Датчики и системы», 2002, № 1. С. 3−9. — № 2. -С. 2−5.
  103. Ш. Разников В. В., Разникова М. О. Информационно-аналитическая масс-спектрометрия. М.: Наука, 1991. — 248 с.
  104. Колмогоров А. Н, Фомин С. В. Элементы теории функций и функционального анализа. М.: Наука, 1972. — 496с.
  105. Г. И. Теория восстановления сигналов. М.: Сововетское радио, 1979. — 272 с.
  106. Справочник по вероятностным расчетам, М., Воениздат, 1970 г., 536 с.
  107. В.П. Справочник по MathCAD PLUS 6.0 PRO. М.: СК Пресс, 1997.-336 с.
  108. В.М. Численные методы (линейная алгебра и нелинейные уравнения). М.: Высш. шк., 2000. — 266 с.
  109. Ю.В. Теория оценивания параметров в измерительных экспериментах. СПб Спб гос. ун-т, 1997. — 300 с
  110. А.Н., Арсенин В. Я. Методы решения некорректных задач -Москва: Наука, 1986, стр. 9−18, 53−58, 71−80, 168−179
  111. Дж., Малькольн М., Моулер К. Машинные методы математических вычислений/Перевод с английского Москва: Мир, 1980, стр. 210−227-
  112. А.Н. Введение в' вычислительную линейную алгебру -Новосибирск: Наука, сибирское отделение, 1991 стр. 75−88-
  113. Ю.В., Метод наименьших квадратов и основы теории обработки наблюдений, Москва: Физматгиз, 1962, глава 3,.
  114. В.В., Заруцкий И. В. Отбраковка «выбросов и оценка параметров масс-спектрометрических сигналов для прецизионного изотопного анализа. //Научное приборостроение, 2002, том 12, № 3 стр. 6773.
  115. В.В., Заруцкий И. В., Предварительная очистка масс-спектрометрических сигналов сигнала от шумов с помощью вейвлет-фильтров, //Научное приборостроение 2007. Т.17, № 1 С. 115.-120
  116. Абденби А, Солодовников А. И., Манойлов В. В., Заруцкий И. В.,
  117. Спектральные преобразования в приспособленном базисе для разделенияналожившихся» пиков и фильтрации масс-спектрометрических сигналовf
  118. Научное приборостроение 2007. Т.17, № 1 С. 103.-114
  119. Klimowsky R.I., Wenkatarghan R., McLafferty F.W. A small on line computer system for high resolution mass spectrometry // Org. Mass. Spectr. 1970. V. 4. P. 17−39.
  120. B.M. и др. Модернизация системы регистрации масс-спектрометров МИ1201 с непрерывной разверткой // Научное приборостроение. 2003. Т. 13, № 2. С. 64−72.
  121. Savitsky A., Golay M.J. Smoothing and Differntion of Data by simplified least squares procedures // Analytical Chemistry. July 1964. V. 36, N 8. P. 1627−1639.
  122. A.JI. и др. Автоматизация обработки масс-спектрометрической информации. М.: Энергия, 1978. 182 с.
  123. . Теория и техника обработки сигналов при физических измерениях. М.: Мир, 1983. Т. 1 —280 с.
  124. Манойлов В. В, Аракелянц М. М., Чернышев И. В. Программное обеспечение для определения изотопного состава аргона в автоматизированном комплексе на базе масс-спектрометра МИ 1201 ИГ «Научное приборостроение» 1999, том 9, № 4, 84−95
  125. С. Reinsch, «Smoothing by spline functions», Numer. Math. 10 (1967), ppl77−183
  126. Заруцкий И. В, Манойлов В. В, Шубин В. М., Воронин Б. М. Модернизация системы регистрации масс-спектрометров МИ 1201 с непрерывной разверткой // Научное приборостроение. 2003. Т. 13, № 2. С. 64−72
  127. Ю.А. и др. //Научное приборостроение, 1999 том 9, № 2 стр. 19−25,139. .Косарев Е. Л. Шенноновский предел сверхразрешения и его достижение при восстановлении сигналов. // Приборы и техника эксперимента 1994, № 6, стр.88−95
  128. С.Г. Погрешности измерений «Энергия» 1975 г.
  129. Микросхемы АЦП и ЦАП.- М. Издательский дом «Додэка XXI» 2005 432 е.: ил.
  130. С.Н. Методы обработки результатов измерений. «Статистика» 1971 г.
  131. В.В., Костоянов А. И., Манойлов В. В., Ефис Ю.М, Родионов М. В. Масс-сиектрометрический комплекс для определения изотопного состава трудноионизируемых металлов «Приборы и техника эксперимента «2000, № 1 с.101−103
  132. В. В .Костоянов А. И., Иванов Д. Ю., Полицикличность образования минералов платиновой группы из россыпных проявлений Урала и Тиммана. Геохимия, 2003 г, № 6 с 595 -607.
  133. Манойлов В. В Аппаратура систем автоматизации аналитических приборов СКБ и Института аналитического приборостроения Российской академии наук «Научное приборостроение» 1999, том 9, № 3, 93−104
  134. К.В. Промышленные сети: цели и средства // Современные технологии автоматизации. 2002. — № 4. — С. 6−16.
  135. Д. О прошлом и будущем систем управления // Мир компьютерной автоматизации. 2000. — № 2. — С. 16−21.
  136. А. Промышленные сети // Мир компьютерной автоматизации. -2000, № 2. С. 22−29.
  137. МАТ 281. Manual. Bremen: Finnigan Mat GmbX, 1993. — 140 p.
  138. Element-2. Service Manual / Electronics. Bremen: Finnigan Mat GmbX, 1999.
  139. MAT 95XL. Functional Description Manual. Rev. C. Bremen: Finnigan Mat GmbX, Issue 2/1999.154. Документация ELAN 6000
  140. А. Стандарты GPIB, 488.2 и SCPI и их влияние на развитие автоматизации измерений // Мир компьютерной автоматизации. 2000. — № 1.- С. 44−52.
  141. К.Э. Интерфейсы открытых систем. М.: Горячая линия-Телеком, 2000. — 256 с161.. Фролов А. В., Фролов Г. В. Локальные сети персональных компьютеров. Использование протоколов IPX, SPX, NetBIOS. М.: Диалог-МИФИ, 1995. -160 с
  142. Ан П. Сопряжение ПК с внешними устройствами. М.: ДМК Пресс, 2003.- 320 с
  143. А. Интерфейсы последовательной передачи данных. Стандарты EIA RS-422A/RS-485 // Современные технологии автоматизации. 1997. — № 3. -С. 110−119.
  144. Гук М. Аппаратные интерфейсы ПК. СПб: Питер, 2003. — 528
  145. К.В. Промышленные сети: цели и средства // Современные технологии автоматизации. 2002. — № 4. — С. 6−16.
  146. Д. О прошлом и будущем систем управления // Мир компьютерной автоматизации. 2000. — № 2. — С. 16−21.
  147. А. Промышленные сети // Мир компьютерной автоматизации. -2000, № 2. С. 22−29.
  148. Г., Пиани Д. Цифровые системы автоматизации и управления. -СПб: Невский Диалект, 2001. 557 с
  149. Техническое задание «Разработка программного обеспечения масс-спектрометра МТИ-350Г» Новоуральск: УЭХК, 2000. — инв. № 16/5482. — 8 с
  150. Гук М. Аппаратные средства IBM PC. СПб: Питер, 2000. — 816 с.
  151. Д.В. Измерительно-вычислительный комплекс масс-спектрометра МТИ-350Г. Диссертация на соискание степени кандидататехнических наук. УЭХК, Институт аналитического приборостроения РАН, Санкт-Петербург, 2006 г., 216 стр
  152. В.В., Костоянов А. И., Манойлов В. В., Ефис Ю. М., Родионов М. В. Масс-спектрометрический комплекс для определения изотопного состава трудноионизируемых металлов «Приборы и техника эксперимента «2000, № 1 с.101−103
  153. В.В., Мелешкин А.С, Новиков Л. В., Корнильев С. О., Воронин Б. М. Аппаратное обеспечение систем автоматизации изотопных масс-спектрометров. // Приборы и техника эксперимента, 1997, № 3 с 162−163.
  154. Weichert D.H., Russel R.D., Blenkinsop J.P. A method for digital recording of mass-spectra.- «Can.J.Phys» 1967, vol. 45, № 8 pp.2609−2619
  155. Klimowski R.I., Venkatraghawan R., McLafferty F.W. A small online computer system for high resolution mass spectrometry .- «Org. Mass Spectrometry», 1970, vol.4, pp 17−39
  156. Merritt J.C., Issenberg В., Bazinet M.L. Fast scanning of high resolution mass spectra.- «An. Chem», 1965 vol. 37, № 8, pp 1039−1044
  157. В.В., Могильницкий A.M., Русинов Л. А., Певзнер А. С. Автоматизированная система регистрации и статистической обработки изотопных отношений . 2-я Всесоюзная конференция по масс-спектрометрии (тезисы докладов) Л., «Наука», 1974 г. стр.60−61.
  158. В.В., Могильницкий A.M., Русинов Л. А., Певзнер А. С. Экспериментальное определение динамической погрешности преобразователя напряжение-код. «Известия ВУЗов «Приборостроение» т. XVIII, 1975 г., № 6., стр. 26−30.
  159. В.В., Могильницкий A.M., Русинов Л. А., Певзнер А. С. Организация автоматизированной измерительной системы для регистрации и обработки данных в изотопной масс спектрометрии. Сборник статей «Системы автоматизации научных
  160. В.В., Могнльницкий A.M., Гуревич A.JL, Русинов JT.A. Повышение точности оценок в автоматических системах измерения изотопных отношений. Известия ВУЗов «Приборостроение» том XX, N 7, 1977 г. стр. 2226.
  161. В.В., Русинов JI.A. Информационно-измерительная система для автоматизации изотопного масс-спектрометрического анализа. «Информационно-измерительная техника». Межвузовский сборник научных трудов, вып. 7 1977г. Стр. 77−91.
  162. В.В. Обработка информации изотопных масс-спектров в реальном масштабе времени. Международная конференция «Научприбор СЭВ-78 «(тезисы докладов) М., 1978 г. стр. 23−24.
  163. В.В. Обработка результатов измерения изотопных отношений в реальном масштабе времени. «Приборы для научных исследований». Материалы международной научно -технической стран-членов СЭВ. М., 1980 стр. 30−34.
  164. В.В., Сапожков Л. К., Аналитические информационно-измерительные системы. Глава в монографии «Приборы контроля окружающей среды» Атомиздат, 1980 г. стр. 45−71.
  165. В.В., Гольдин А. А., Исаков Ю. А., Либерман А.З, Берестецкий А. А. Автоматизация измерений ионных токов в изотопной масс-спектрометрии. Третья Всесоюзная конференция по масс-спектрометрии (тезисы докладов). Ленинград, 1981 г., стр. 89−90.
  166. В.В., Гольдин А. А., Исаков Ю. А., Либерман А. З. Автоматизация измерений ионных токов изотопного масс-спектрометра МИ-1320. «Приборы и техника эксперимента» № 4, 1983 г., стр. 89−93.
  167. В.В., Белов В. Д., Чубинский И. В., Шустров Н. Б., стробоскопическая система измерений время-пролетного масс-спектрометра наоснове аппаратуры КАМАК. «Приборы и техника эксперимента» № 2, 1987 г. стр 90−91.
  168. Манойлов В. В, Ланин Е. В, Новиков Л. В. Архитектура нового поколения систем автоматизации на основе стандарта VME, встраиваемых в приборы для научных исследований. Новости ИАИ Выпуск 4 (61) 1987 г, стр.15−20.
  169. Манойлов В. В, Агапитов О. В, Новиков Л. В, Фирсов А. А. Состояние разработок и производства изделий в стандарте VME. VII Всесоюзный симпозиум «Модульные информационно-вычислительные системы «Новосибирск 1989 г. Тезисы докладов стр. 68−69,
  170. Манойлов В. В, Виноградов В. И, Фирсов А. А. Модульная аппаратура связи на световодах для многоуровневых распределенных сис тем сбора и обработки данных. «Научное приборостроение «, том 1, № 1, 1991 г.стр. 83−89.
  171. Manoilov V. V, Zabelina S. V, Lanin E.V. Interface chips for VME Boards on the ASIC technology LASARRAY. Proceedings of the International symposium «Electronic instrumentation in physics Dubna, 1991 p 53−59.
  172. Manoilov V. V, Abliazov V. I, Gerbylev V. S, Smelianskiy I. L, Ivanova S.A. Hybrid versions of automated systems units for scientific instruments Proceedings of the International symposium «Electronic instrumentation in physics Dubna, 1991 p 73−79.
  173. B.B. Системы автоматизации аналитических приборов. Измерительные и аналогово-цифровые подсистемы. Учебное пособие. СПБГЭТУ 1993 г. 61 стр.
  174. В.В., Сирвидас С. И., Новиков Л. В. Адаптивные оценки ионного тока в комбинированном канале.// Научное приборостроение. Том 4, № 1−2,1994 г. стр.88−94.
  175. В.В., Сирвидас С.И. Regularization and high resolution in spectrometry’s instruments 11-Международный симпозиум по проблемам модульных информационно-вычислительных систем и сетей (abstracts) РАН, МГУ М., Санкт-Петербург 1995 г., р 50.
  176. В.В., Сирвидас С.И. The Software Outliers' Eliminator and Noise Smoother for Spectral Data. 7th International school -seminar on automation and computing in science, engineering and industry РАН, МГУ, Ялта, 1996, p 32.
  177. В. В. Костоянов А.И., Ефис Ю. М., Родионов М. В. Масс-спектрометрический комплекс для определения изотопного состава трудноионизируемых металлов. XV Симпозиум по геохимии изотопов имени академика А. П. Виноградова Научный совет по.
Заполнить форму текущей работой

На отлично!