"Цифровая обработка сигналов" - научно-технический журнал

"Цифровая обработка сигналов" №3-2026 год : рефераты статей

Трошин О.С., Шипко В.В.
Блочный адаптивный детектор с градиентно-статистическим дескриптором ключевых точек разноспектральных изображений, получаемых кадровой гиперспектральной аппаратурой // Цифровая обработка сигналов. 2026. №3. С. 3-10.

Аннотация:
В статье представлен алгоритм детектирования и описания ключевых точек, предназначенный для решения задач точного совмещения разноспектральных изображений. Актуальность работы обусловлена применением кадровой гиперспектральной аппаратуры на борту беспилотных летательных аппаратов, где последовательная регистрация кадров в условиях угловых отклонений (крен, тангаж, рыскание) приводит к взаимным геометрическим искажениям спектральных снимков. Приведены результаты сравнительного анализа, демонстрирующие преимущество разработанного подхода при детектировании и описании ключевых точек на синтезируемых и реальных разноспектральных изображениях.

Ключевые слова:
детектор, дескриптор, ключевые точки, гиперспектральные изображения, геометрическая коррекция, совмещение изображений.

Об авторах:
Трошин О.С., адъюнкт ВУНЦ ВВС «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина», г. Воронеж, e-mail: oleg.s.94@mail.ru

Шипко В.В., д.т.н., доцент кафедры ВУНЦ ВВС «Военно-воздушная академия им. проф. Н.Е. Жуковского и Ю.А. Гагарина», г. Воронеж, e-mail: shipko.v@bk.ru

Бехтин Ю.С., Жгутов П.Е.
Восстановление искаженных изображений на основе применения автоэнкодеров в субполосах вейвлет-преобразования // Цифровая обработка сигналов. 2026. №3. С. 11-16.

Аннотация:
Статья посвящена разработке и оценке эффективности метода восстановления оригинала зашумленных изображений на основе сверточных автоэнкодеров, расположенных в субполосах быстрого вейвлет-преобразования. В ходе исследований обучены несколько моделей автоэнкодеров для разных типов вейвлетов из семейства Добеши и симлетов. Объем обучающей выборки составил десять тысяч искусственно зашумленных цветных изображений, для искажения которых использовалась модель аддитивного белого Гауссовского шума. Проверка работоспособности предложенного метода проводилась имитационным моделированием на ЭВМ обученных моделей автоэнкодеров с использованием датасета из тестовых изображений. Оценка эффективности восстановления оригинала выполнялась с помощью объективных метрик качества – корня из среднеквадратичной ошибки (RMSE), пикового отношения сигнал-шум (PSNR), а также индекса структурного сходства SSIM и визуального анализа.

Ключевые слова:
восстановление изображений, зашумленное изображение, вейвлет-преобразование, сверточный автоэнкодер, дискретное вейвлет-преобразование, вейвлет Добеши, симлет, аддитивный белый Гауссовский шум (АБГШ), среднеквадратичное отклонение, пиковое отношение сигнал-шум, индекс структурного сходства.

Об авторах:
Бехтин Ю.С., д.т.н., профессор кафедры АИТУ РГРТУ им. В.Ф. Уткина, e-mail: yuri.bekhtin@yandex.ru

Жгутов П.Е., аспирант кафедры АИТУ РГРТУ им. В.Ф. Уткина, e-mail: zhgutovp@mail.ru

Будко А.Ю., Гайда Т.А., Понимаш З.А.
Применение нейросетевых алгоритмов для сопоставления данных бортовой камеры и спутниковой съёмки в видимом диапазоне // Цифровая обработка сигналов. 2026. №3. С. 17-23.

Аннотация:
В настоящее время в мире происходит активная разработка технологий систем информационно-навигационного обеспечения беспилотных авиационных систем (БАС) на базе систем технического зрения и алгоритмов искусственных нейронных сетей (ИНС). Одним из направлений развития таких систем является обеспечение локализации и навигации БАС при потере сигнала глобальной навигационной спутниковой системы (ГНСС). Наиболее актуальна данная тематика в сферах безопасности, картографирования и кадастра, агрономии, при мониторинге пожаров, чрезвычайных ситуациях и в охране. В настоящей работе для определения текущего местоположения летательного аппарата в условиях отсутствия сигнала ГНСС предлагается использовать модель ИНС, обученную извлекать близкие по косинусному расстоянию векторы скрытых признаков для изображений участка местности, полученных с борта БАС, и данных дистанционного зондирования Земли этого участка местности. Для этого разработана процедура обучения ИНС прогнозированию геометрической метрики пересечения двух изображений, предложены статистические метрики оценки качества прогнозов в контексте навигационной задачи и проведено исследование эффективности различных архитектур ИНС в качестве экстракторов признаков при работе с изображениями видимого диапазона. В заключительной части статьи приведены качественная и количественная оценка эффективности исследованных архитектур ИНС.

Ключевые слова:
беспилотная авиационная система (БАС), система навигации, искусственная нейронная сеть, интеллектуальный алгоритм навигации, корреляционно-экстремальная навигационная система, методы сопоставления изображений, машинное обучение, методы обучения искусственных нейросетей.

Об авторах:
Будко А.Ю., с.н.с. Научно-исследовательского института робототехники и процессов управления Южного Федерального Университета, доцент каф. Электротехники и мехатроники Южного Федерального Университета, email: abudko@sfedu.ru

Гайда Т.А., инженер Научно-исследовательского института робототехники и процессов управления Южного Федерального Университета, email: gaidatat@mail.ru

Понимаш З.А., инженер Научно-исследовательского института робототехники и процессов управления Южного Федерального Университет, email: ponimashz@mail.ru

Журин Ю.В., Бакшеева К.А., Ожегов Р.В., Кинёв Н.В., Кошелец В.П., Гольцман Г.Н.
Программная обработка терагерцовых тепловых изображений лица для выявления стабильных зон активации потовых желез под воздействием стресса // Цифровая обработка сигналов. 2026. №3. С. 24-29.

Аннотация:
В статье представлен программный инструмент, разработанный для обработки терагерцовых тепловых изображений лица человека, полученных в ходе контролируемого психофизиологического эксперимента. В эксперименте однопиксельный детектор с частотой 500 ГГц в сочетании с двухзеркальной сканирующей системой формирует последовательность низкоразрешенных тепловых кадров (700 x 51 пиксель) лица испытуемого в условиях релаксации и стрессовых когнитивных и физических нагрузок. Целью обработки является автоматическое обнаружение и межкадровая группировка аномальных зон, характеризующихся вертикальными низкочастотными пульсациями, которые чаще всего наблюдаются в центральной области лба над бровями. Рабочей гипотезой служит предположение, что спиральные потовые протоки могут изменять электромагнитный отклик кожи в субтерагерцовом диапазоне при симпатической активации; оно задаёт выбор диапазона и области поиска устойчивых пространственных зон. Программа реализует практичный эвристический многоэтапный алгоритм, включающий нормализацию динамического диапазона путем сопоставления гистограммы с опорным кадром, построение внутренней маски лица, полосовую фильтрацию в Фурье-пространстве для усиления характерной пульсации, усиление морфологических пиков, обнаружение связанных компонентов ярких пятен и надежную группировку пятен по кадрам в стабильные логические зоны на основе близости центров и согласованности площадей. В результате для каждого субъекта получается компактный набор неперекрывающихся логических зон, которые визуализируются в виде хронологических коллажей, содержащих как исходные нормализованные тепловые фрагменты, так и соответствующие участки с усиленной пульсацией. Результаты демонстрируют устойчивое выделение стабильных пространственных зон с характерной рябью (центральная зона лба присутствует до 100 % кадров) и дают наглядный инструмент для последующего количественного анализа.

Ключевые слова:
терагерцовая визуализация, тепловые изображения, цифровая обработка сигналов, потовые железы, стресс, полосовой фильтр, быстрое преобразование Фурье, эвристический алгоритм.

Об авторах:
Журин Ю.В., инженер кафедры общей и экспериментальной физики Института физики, технологии и информационных систем МПГУ, e-mail: Xenon-Pro@mail.ru

Бакшеева К.А., ст. преп. кафедры общей и экспериментальной физики Института физики, технологии и информационных систем МПГУ, e-mail: baksheeva.kseniya@mail.ru

Ожегов Р.В., к.ф.-м.н., старший научный сотрудник Института физики, технологии и информационных систем МПГУ, доцент Национального исследовательского университета «Высшая школа экономики», e-mail: ozhegov_roman@mail.ru

Кинёв Н.В., к.ф.-м.н., старший научный сотрудник Института радиотехники и электроники им. Котельникова РАН, e-mail: nickolay@hitech.cplire.ru

Кошелец В.П., д.ф.-м.н., главный научный сотрудник Института радиотехники и электроники им. Котельникова РАН, e-mail: valery@hitech.cplire.ru

Гольцман Г.Н., д.ф.-м.н., профессор, заведующий кафедрой общей и экспериментальной физики Института физики, технологии и информационных систем МПГУ, профессор Национального исследовательского университета «Высшая школа экономики», e- e-mail: goltsman10@mail.ru

Балезин О.С., Михайлишин В.В., Мартынов В.Б., Иванова Н.В.
Предварительная обработка рентгенограмм стоп человека для ортопедического анализа с использованием искусственного интеллекта // Цифровая обработка сигналов. 2026. №3. С. 30-36.

Аннотация:
Статья посвящена цифровой обработке рентгенограмм стоп для получения унифицированных изображений в прямой и боковой проекциях, предназначенных для дальнейшего использования в практической деятельности врачей лучевой диагностики, травматологов и ортопедов, а также при обработке больших массивов рентгенограмм в научных целях. В исследовании использованы рентгенограммы стоп в прямой и боковой проекциях 76 пациентов. Для обработки данных применялся язык программирования Python. Модель глубокого обучения для классификации вида проекции рентгенограммы реализована с использованием библиотеки PyTorch, а обработка изображений выполнялась с помощью библиотек OpenCV и PIL. Проведена характеристика рентгенограмм стоп человека в прямой и боковой проекциях. Разработана методика получения унифицированных изображений стоп, включающая центрирование костной структуры и удаление подложки. Методика получения унифицированных снимков состоит из двух этапов: классификации вида проекции рентгенограммы и последующей обработки изображения с учетом его типа. Обработанные изображения сохраняли диагностически значимую и релевантную информацию о костной структуре стопы человека. Для дальнейшего решения технических задач, включая автоматизированное выделение костных структур, обоснована возможность применения моделей семантической сегментации. В ходе работы разработана автоматизированная методика обработки рентгенограмм стоп человека, позволяющая получать унифицированные изображения в прямой и боковой проекциях. Методика может быть использована в дальнейшем для экспертной разметки рентгенограмм, а также в технических целях, включая автоматизированную предобработку изображений.

Ключевые слова:
рентгенограмма стопы, обработка изображений, искусственный интеллект, сверточная нейронная сеть, унификация изображений, автоматизация, ортопедия.

Об авторах:
Балезин О.С., лаборант-исследователь отдела цифровых технологий реабилитации ФГБУ ФНОЦ МСЭ и Р им. Г.А. Альбрехта Минтруда России, e-mail: balezin_oleg@bk.ru

Михайлишин В.В., начальник отдела цифровых технологий реабилитации ФГБУ ФНОЦ МСЭ и Р им. Г.А. Альбрехта Минтруда России, e-mail: doompro@mail.ru

Мартынов В.Б., заведующий отделением-врач-травматолог-ортопед, травматолого-ортопедическое отделение ФГБУ ФНОЦ МСЭ и Р им. Г.А. Альбрехта Минтруда России

Иванова Н.В., заместитель руководителя управления научной деятельности, ФГБУ ФНОЦ МСЭ и Р им. Г.А. Альбрехта Минтруда России; e-mail: nivanova2504@yandex.ru

Поляков Е.В.
Гибридный конвейер обработки биомедицинских изображений для автоматизированной диагностики в онкогематологии // Цифровая обработка сигналов. 2026. №3. С. 37-41.

Аннотация:
Представлена архитектура и результаты экспериментальной верификации гибридного алгоритмического комплекса для автоматизированного морфологического анализа микроскопических изображений препаратов крови и костного мозга в онкогематологии. Предложенное решение основано на последовательной интеграции детерминированных методов цифровой обработки сигналов и вероятностных моделей глубокого обучения. Методологической новизной является многофункциональное применение одностадийного детектора YOLO, выполняющего задачи локализации, классификации и автоматической верификации эталонной разметки для сегментационных моделей, что позволяет сократить трудоёмкость экспертного аннотирования на 60-70 %. Для обеспечения интерпретируемости алгоритмических выводов в систему интегрирован модуль объяснимого искусственного интеллекта с расчётом количественных метрик Faithfulness и Sensitivity. Реализован замкнутый адаптационный контур «анализ – коррекция – дообучение» по принципу human-in-the-loop. Экспериментальная проверка на репрезентативной клинической выборке подтвердила высокую точность сегментации (mIoU = 0,896) и полное согласие с экспертной разметкой в задаче бинарной классификации (k = 1,0). Количественная верификация методов XAI продемонстрировала клиническую релевантность генерируемых объяснений. Результаты пилотного внедрения показали сокращение времени первичного анализа препарата на 40 % и повышение межэкспертной согласованности до 0,92. Разработанный комплекс обеспечивает воспроизводимость, аудируемость и объективность морфологической оценки, соответствуя современным требованиям к интеллектуальным системам поддержки принятия врачебных решений в онкогематологии.

Ключевые слова:
онкогематология, гибридный конвейер обработки изображений, глубокое обучение, YOLO, верификация ground truth, объяснимый искусственный интеллект, «человек в цикле», цифровая морфология.

Об авторах:
Поляков Е.В., к.т.н., доцент, доцент кафедры компьютерных систем и технологий Национального исследовательского ядерного университета «МИФИ», e-mail: evpolyakov@mephi.ru

Еремеев В.А., Копцева С.Д.
Структурное восстановление спутниковых изображений Земли на основе их статистического и нейросетевого анализа // Цифровая обработка сигналов. 2026. №3. С. 42-45.

Аннотация:
Рассматривается задача устранения на спутниковых изображениях структурных искажений, обусловленных различием передаточных характеристик фотоприемных элементов бортового сенсора и изменением их во времени.

Ключевые слова:
дистанционное зондирование Земли, радиометрическая коррекция, устранение полос, сверточные нейронные сети. аппарат.

Об авторах:
Еремеев В.А., НИИ «Фотон», к.т.н., с.н.с., РГРТУ, e-mail: foton@rsreu.ru

Копцева С.Д., НИИ «Фотон» инженер, РГРТУ, e-mail: foton@rsreu.ru

Еремеев В.В., Ларионов C.М.
Частотно-текстурные признаки для нейросетевого анализа гиперспектральных снимков, основанные на перепадах яркости и однородных областях // Цифровая обработка сигналов. 2026. №3. С. 46-51.

Аннотация:
Рассматривается подход к решению одной из основных задач нейросетевого семантического анализа – классификация объектов наблюдаемой сцены. Предлагаются частотно-текстурные признаки для классификации объектов поверхности Земли по данным гиперспектральных снимков. Первый из предлагаемых признаков показывает согласованность направлений перепадов яркости внутри анализируемого участка изображения, за счет чего позволяет отличать регулярные и стахостические текстуры. Второй измеряет структурную сложность текстурной границы через количество переходов между уровнями яркости. Третий характеризует площади однородных областей. Предлагаемые частотнотекстурные признаки объединяются с текстурными признаками Харалика и выступают в качестве входных данных для искусственной нейронной сети. По результатам проведенных экспериментальных исследований, использование предлагаемых частотно-текстурных признаков позволило повысить точность классификации объектов по данным гиперспектральной съемки в среднем на ~7.31 %.

Ключевые слова:
частотно-текстурные признаки, градиент, однородные области, нейросетевая классификация, гиперспектральные снимки.

Об авторах:
Еремеев В.В., профессор, д.т.н., директор НИИ «Фотон» РГРТУ, e-mail: foton@rsreu.ru

Ларионов C.М., аспирант кафедры «Космические технологии» РГРТУ, e-mail: sergej.larionov.94@mail.ru

Якимов В.Н.
Вычисление первых производных корреляционной и взаимной корреляционной функций на основе цифровой обработки сигналов с применением бинарно-знакового аналого-стохастического квантования // Цифровая обработка сигналов. 2026. №3. С. 52-59.

Аннотация:
Рассмотрена задача повышения оперативности вычисления оценок первых производных корреляционной и взаимной корреляционной функций (КФ и ВКФ) при цифровой обработке сигналов. Основу решения данной задачи составляет применение бинарно-знакового аналогостохас-тического квантования в процессе первичного преобразования анализируемого сигнала в цифровую форму. Это позволило осуществить переход от обработки многоразрядных отсчетов в случае равномерной дискретизации сигнала к обработке отсчетов, имеющих значения равные только плюс и минус единица. Существенным результатом такого перехода стала разработка математического обеспечения для вычисления оценок первых производных КФ и ВКФ, основными операциями которого являются логические операции и простые операции суммирования и вычитания. Выполнение операций цифрового умножения не требуется, что снижает мультипликативную сложность цифровых вычислительных процедур. На основе данного математического обеспечения разработано алгоритмическое обеспечение для вычисления цифровых оценок первых производных КФ и ВКФ. Оно реализовано в виде метрологически значимого программного модуля в соответствии с требованиями, предъявляемыми к программному обеспечению средств измерений. С использованием имитационного моделирования гармонического состава анализируемых сигналов и их преобразования с применением бинарно-знакового аналогостохастического квантования проведены экспериментальные исследования алгоритмического обеспечения и тестовые испытания модуля. Они подтвердили, что разработанный подход к вычислению оценок первых производных КФ и ВКФ позволяет осуществлять вычисление этих оценок с высокой точностью и без систематической ошибки. Модуль может использоваться в составе метрологически значимого программного обеспечения для комплексного анализа сигналов.

Ключевые слова:
корреляционная функция, взаимная корреляционная функция, первая производная, бинарное стохастическое квантование, быстрые алгоритмы.

Об авторах:
Якимов В.Н., д.т.н., профессор Самарского государственного технического университета, e-mail: yvnr@hotmail.com

Стародубов Д.А., Глухов А.Ю., Кириллова К.В., Петров С.А.
Сложно-функциональный блок для вычисления собственных чисел и векторов матрицы корреляции // Цифровая обработка сигналов. 2026. №3. С. 60-67.

Аннотация:
В задачах пеленгования, локации, мониторинга окружающей обстановки выделяется отдельный класс методов сверхразрешения, в основе которых лежит выделение подпространств сигнала и шума с использованием разложения матрицы корреляции на собственные числа и вектора. Ввиду широкого распространения автономных малогабаритных мобильных систем, задача исследования аппаратной реализации методов, в том числе их оптимизации по минимуму вычислительных затрат и обеспечения энергоэффективности, является весьма актуальной. В современных условиях наиболее перспективным является применение в качестве основных вычислителей СБИС с параллельной (матричной) архитектурой типа ПЛИС или специальных полузаказных или заказных СБИС. В работе проведено исследование методов вычисления собственных чисел и векторов матрицы корреляции, рассматривается архитектура и результаты исследования СФ-блока для вычисления собственных чисел и векторов для применения в системах реального времени на базе СБИС.

Ключевые слова:
многоканальная система, антенная решетка, матрица корреляции, собственные числа, собственные вектора, шумовое подпространство, фиксированная точка, сложнофункциональный блок, ПЛИС, СБИС.

Об авторах:
Стародубов Д.А., инженер-программист 3 кат., ФГУП «ВНИИА» НПЦ «Гидросвязь», e-mail: Starodubov.dan@yandex.ru

Глухов А.Ю., к.т.н., начальник группы, ФГУП «ВНИИА» НПЦ Гидросвязь», e-mail: AYuGlukhov@yandex.ru

Кириллова К.В., инженер-программист, ФГУП «ВНИИА» НПЦ «Гидросвязь», e-mail: kseniya.rogozhnikova@mail.ru

Петров С.А., к.т.н., начальник НИО, ФГУП «ВНИИА» НПЦ «Гидросвязь», e-mail: sergeialekseevichpetrov@yandex.ru

Землянухин С.Ю., Покаместов Д.А., Рогожников Е.В.
Прекодирование в нисходящих каналах низкоорбитальных спутниковых систем с многопользовательским MIMO // Цифровая обработка сигналов. 2026. №3. С. 68-75.

Аннотация:
В работе исследуется эффективность алгоритмов прекодирования для подавления межпользовательской интерференции в нисходящих каналах низкоорбитальных спутниковых систем связи с многопользовательским MIMO. Рассмотрены методы прекодирования Zero-Forcing (ZF), Adaptive Regularized Zero-Forcing (ARZF) и метод прекодирования на основе квазиньютоновского алгоритма L-BFGS с использованием известной матрицы обнаружения Conjugate Detection (QN CD). Для реалистичного моделирования канала использовался генератор стохастических моделей каналов QuaDRiGa. Показано, что метод QN CD обеспечивает прирост спектральной эффективности до 15 % по сравнению с ARZF. Результаты моделирования демонстрируют монотонное улучшение спектральной эффективности в процессе итераций L-BFGS и высокую устойчивость метода к пространственной корреляции канала.

Ключевые слова:
низкоорбитальная спутниковая система, MU-MIMO, прекодирование, ARZF, QN CD, L-BFGS оптимизация, Conjugate Detection, спектральная эффективность, SINR, пространственная корреляция.

Об авторах:
Землянухин С.Ю., аспирант кафедры ТОР Томского государственного университета систем управления и радиоэлектроники, e-mail: sergzemlyanukhin@yandex.ru

Покаместов Д.А., к.т.н., доцент кафедры ТОР Томского государственного университета систем управления и радиоэлектроники, e-mail: dmaltomsk@mail.ru

Рогожников Е.В., к.т.н., доцент, зав. кафедрой ТОР Томского государственного университета систем управления и радиоэлектроники, e-mail: udzhon@mail.ru

Ганин Д.В.
Асимптотические границы средств перестановочного декодирования и их адаптивная интерпретация // Цифровая обработка сигналов. 2026. №3. С. 76-80.

Аннотация:
Повышенные требования к скорости обработки цифровой информации в современных телекоммуникационных системах уровня 5G и выше потребовали применения в таких системах коротких избыточных кодов, чтобы уложиться в требования (по самой жесткой оценке) к задержке оперативных данных, не превышающей 10^-3 с [1]. Этого можно достичь за счет уменьшения длины избыточных кодов. Естественно, что с уменьшением длины кодовых векторов, применяемых для защиты цифровых данных от ошибок, объективно снижаются их возможности по исправлению ошибок. В указанных условиях возникает целесообразность применения средств перестановочного декодирования (ПД), которые обладают повышенной корректирующей способностью относительно известных алгоритмов повышения достоверности цифровых данных в виде кодов с низкой плотностью проверки на четность или полярных кодов. При этом, как правило, не рассматривается ряд негативных факторов отрицательно влияющих на возможности перестановочных декодеров по достижению конечного результата. Например, появление ошибок первого и второго рода в оценке мягких решений символов кодовых векторов, или предельные возможности метода распространения доверия в алгоритмах повышения индексов мягких решений, а также степень влияния методов модуляции цифровых данных на возникновение указанных ошибок. В работе дается комплексная оценка негативных факторов, влияющих на результат ПД, показываются возможности гибкой адаптивной обработки данных в таких системах без перенастройки режима передатчика.

Ключевые слова:
перестановочное декодирование, беспилотные средства, метод распространения доверия, преднамеренная помеха.

Об авторах:
Ганин Д.В., к.э.н., доцент кафедры «Инфокоммуникационные технологии и системы связи» ГБОУ ВО Нижегородский государственный инженерно-экономический университет, e-mail: ngiei135@mail.ru