Современные информационные технологии

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ 
ФЕДЕРАЦИИ
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ
БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ
ВЫСШЕГО ОБРАЗОВАНИЯ
«ПОВОЛЖСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ СЕРВИСА»
(ФГБОУ ВО «ПВГУС»)
ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ
ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ
МОСКОВСКОЙ ОБЛАСТИ
«ТЕХНОЛОГИЧЕСКИЙ УНИВЕРСИТЕТ»
(«МГОТУ»)
СОВРЕМЕННЫЕ ИНФОРМАЦИОННЫЕ 
ТЕХНОЛОГИИ
сборник трудов 
по материалам 5-й всероссийской
научно-технической конференции 27 сентября 2019 г.
Под общей научной редакцией
доктора техинческих наук, профессора Артюшенко В.М., 
доктора техинческих наук Воловача В.И.
Москва
2019

УДК 004  
ББК 32.81
С56
Рецензенты:
Богданов Ю.В., д.т.н., профессор;
Ставровский М.Е., д.т.н., профессор;
Семенов А.Б., д.т.н., профессор.
Научный редактор:
Артюшенко В.М. – д.т.н., профессор
Воловач В.И. – д.т.н.
С56
Современные информационные технологии: сборник трудов 
по материалам 5-й всероссийской научно-технической конференции 
27 сентября 2019 г. / под общ. науч. ред. док. техн. наук, проф.
Артюшенко В.М., док. техн. наук Воловача В.И. – М.: Издательство 
«Научный консультант», 2019. – 206 с.
ISBN 978-5-907196-61-2
Предлагаемый сборник научных статей основан на материалах 5-й всероссийской научно-технической конференции «Современные информационные технологии», прошедшей 27 сентября 2019 г. на базе кафедр «Информационный и электронный сервис» (ФГБОУ ВО «ПВГУС») и «Информационные технологии и управляющие системы» («МГОТУ»). Он стал результатом творчества ученых, профессорскопреподавательского состава, сотрудников, студентов, связанных с информационными 
технологиями в различных областях деятельности.
Сборник рассчитан на преподавателей, аспирантов, магистров и бакалавров, а 
также для широкого круга специалистов в области информационных систем.
УДК 681.3 
   ББК 32.81
Сборник научных статей 
подготовлен по материалам, представленным
в электронном виде. Ответственность за содержание
материалов несут авторы.
ISBN 978-5-907196-61-2
‹ «ПВГУС», «МГОТУ», 2019
© Коллектив авторов, 2019
© Оформление. Издательство 
«Научный консультант», 2019

СОДЕРЖАНИЕ
Введение……………………………………………………………..6
Воловач В.И., Еремина Я.В. Моделирование негауссовских 
случайных процессов и величин……………………………………
7
Воловач В.И., Ермолова С.В. Формирование стационарных 
случайных процессов, заданных одномерными ПРВ 
и функцией автокорреляции………………………………………..13
Евдокимова Д.В. Электромагнитная совместимость кабелей 
для приложений 10GBase-T с телекоммуникационными 
устройствами…………………………………………………………
17
Чернова А.А. Устойчивость кабелей для приложений 
10GBase-T к внешним помехам........................................................25
Ковалева О.В., Соловьева Л.А. Схемы измерения 
параметров экранирования симметричных кабелей для СКС……
33 
Ковалева О.В., Соловьева Л.А. Результаты измерения 
параметров экранирования симметричных кабелей для СКС……
43 
Струкова А.В. Конические картографические проекции, 
применяемые при управлении воздушным движением………….51
Корнеева Е.В., Артюшенко В.М. Моделирование плотности 
распределения вероятностей огибающей отраженного
сигнала………………………………………………………………57
Стреналюк Ю.В. Основные аспекты методики научного
исследования…………………………………………………………
61
Кучеров Б.А. Анализ особенностей учета системы 
ограничений ресурсов при распределении средств 
управления космическими аппаратами……………………………67
Пирогов М.В. Использование СУБД ACCESS для учета 
медицинской деятельности в районных и участковых 
медицинских организациях…………………………………………
72
Пирогов М.В. Инновационные решения для ресурсного 
калькулятора клинико-статистических групп заболеваний 
в 2019 году……………………………………………………………
80
Пирогов М.В. Оценка эффективности деятельности врачей 
круглосуточного стационара с использованием электронных 
таблиц Excel…………………………………………………………88
Сидорова Н.П., Логачева Н.В. Информационные 
технологии поддержки он-лайн образования……………………..96
3

Сидоров Ю.Ю. Использование технологии мультиагентных 
систем для решения задачи диагностики состояния 
технического объекта……………………………………………….101
Сальников О.Н. Анализ и использование метрик для оценки 
качества моделей в задачах машинного обучения………………..106
Ковалева О.В., Кузьменко И.С. Нейронные сети для анализа 
пространственных данных…………………………………………111
Супель А., Хвостов П.М., Игнатьев К.Е. Оценка 
эффективности проектирования трехмерных 
полигональных моделей как способа визуализации 
иллюстративной информации………………………………………
115
Строганова С.М. Анализ проблем и решений 
сосуществования и взаимодействия беспроводных 
технологий в не лицензируемом диапазоне……………………….120
Аббасова Т. С., Гунина Е.В., Любова А.С., Елькин С.В. 
Анализ преимуществ объединения интернета вещей 
и технологии блокчейн……………………………………………..135
Аббасова Т. С., Елькин С.В., Любова А.С., Гунина Е.В. 
Анализ вредоносного трафика и системы доменных имен………140
Аббасова Т. С., Любова А.С., Гунина Е.В., Елькин С.В. 
Внедрение нейросетевых технологий в процесс обработки 
и интеграции информации.…………………………………………145
Логачева Н.В., Сидорова Н.П. Организация практикума 
по проектному управлению для студентов технических 
направлений подготовки……………………………………………153
Исаева Г. Н., Теодорович Н. Н. Методы обеспечения 
безопасности передачи данных в беспроводных сетях………….159
Воловач В.И., Иванов В.В., Будилов В.Н., Яницкая Т.С. 
Настройки файлового сервера виртуального контроллера 
домена Ит-инфраструктуры…………………………………………
167
Иванов В.В., Воловач В.И., Будилов В.Н., Яницкая Т.С. 
Исследование преобразователя девиации частоты на базе 
комбинационного генератора………………………………………. 171
Карташевский В.Г., Поздняк И.С. Обнаружение аномального 
трафика на основе анализа статистических характеристик………
177
Орлов С.П., Пилецкая А.В. Методы машинного обучения 
диагностической нейронной сети для контроля 
железнодорожного пути……………………………………………181
4

Тяжев А.И., Воловач В.И. Применение процессоров БПФ 
для построения модемов OFDM для радиоканалов 
с замираниями сигналов…………………………………………….. 184
Хвостов П.М., Супель А., Игнатьев К.Е. Совершенствование 
системы управления компанией «OlympTrade» на основе 
внедрения веб-приложения…………………………………………191
Вороной А.А., Клюев Д.С., Соколова Ю.В., Шатров С.А. 
Анализ полоскового вибратора, конформно 
расположенного на диэлектрическом цилиндре………………….194
Вороной А.А., Клюев Д.С., Соколова Ю.В., Шатров С.А. 
Анализ полосковой кольцевой антенны, расположенной 
на диэлектрическом цилиндре………………………………………
197
Теодорович Н.Н., Исаева Г.Н. Виды систем умного дома……….200
5

ВВЕДЕНИЕ
В предлагаемом сборнике научных трудов рассматривается широкий круг вопросов, связанных с использованием информационных 
систем и технологий для организации учебного процесса учреждения, 
использования технологии мультиагентных систем для решения задачи диагностики состояния технического объекта, использование 
СУБД ACCESS для учета медицинской деятельности в районных и 
участковых медицинских организациях.
Проанализированы вопросы, связанные с ЭМС кабельного оборудования для приложений 10GBase-T с телекоммуникационными 
устройствами, схемы и результаты измерения параметров экранирования симметричных кабелей для СКС, конические картографические 
проекции, применяемые при управлении воздушным движением.
Проанализированы проблемы использования метрик для оценки 
качества моделей в задачах машинного обучения, нейронных сетей 
для анализа пространственных данных, внедрения нейросетевых технологий в процесс обработки и интеграции информации.
Рассмотрены вопросы, связанные с методами обеспечения безопасности передачи данных в беспроводных сетях, исследованием 
преобразователя девиации частоты на базе комбинационного генератора, применением процессоров БПФ для построения модемов OFDM для 
радиоканалов с замираниями сигналов, анализом полоскового вибратора, конформно расположенного на диэлектрическом цилиндре, а 
также полосковой кольцевой антенны, расположенной на диэлектрическом цилиндре.
Материалы данного сборника будут интересны не только бакалаврам и магистрам таких специальностей как: «Информационные 
системы и технологии», «Прикладная информатика», «Управление в 
технических системах», но и аспирантам специальностей «Системный анализ, управление и обработка информации», «Теоретические 
основы информатики», а также для широкого круга специалистов в 
области информационных технологий.
6

МОДЕЛИРОВАНИЕ НЕГАУССОВСКИХ СЛУЧАЙНЫХ 
ПРОЦЕССОВ И ВЕЛИЧИН
Воловач В.И.,
д.т.н.,
Еремина Я.В.,
аспирант кафедры «Информационный и электронный сервис»
Поволжский государственный университет сервиса («ПВГУС»),
Россия, г. Тольятти
Рассмотрены математические методы, позволяющие моделировать негауссовские случайные процессы и величины. Проанализированы модели и описание негауссовских коррелированных процессов в виде порождаемых гауссовским шумом.
Ключевые слова: математическое моделирование, случайные величины, 
негауссовские процессы, функция автокорреляции, дискретные величины.
Введение. Методам формирования и моделирования случайных 
величин (СВ) и процессов с заданной плотностью распределения вероятностей (ПРВ) посвящено много научных публикаций [1-5]. Для 
получения реализации случайных величин используются независимые стандартные СВ с равномерным распределением на отрезке [0, 1]
ߛ~Rav[ܽ, ܾ], ܽ= 0, ܾ= 1,
и гауссовские независимые СВ ߦ~ܰ(݉, ߪଶ), где ݉, ߪଶ– соответственно, математическое ожидание и дисперсия.
Здесь Rav – математический знак равномерного распределения 
случайной величины на заданном отрезке.
Для моделирования случайных величин применяются методы 
нелинейного преобразования, суперпозиции, кусочной аппроксимации, Неймана и многие другие [6-10].
Рассмотрим и проанализируем наиболее распространенные методы.
Метод нелинейного преобразования случайных величин. Он 
основан на определении ПРВ СВ ߦ= ߰(ߟ), полученной от  нелинейного преобразования СВ ߟ.
Преобразование ߰(ݔ) считается гладким, монотонно возрастающим ߰Ԣ(ݔ) > 0, где (Ԣ) – математический знак производной по 
времени, если у него существует обратное преобразование, так что 
ݔ= ߰Ԣ(ݕ).
7

Так как для функций распределение СВ ߦи ߟсправедливо равенство
ܨ
క(ݔ) = ܨ
ఎ[߰ିଵ(ݔ)],
(1)
то продифференцировав, получим 
ܹ
క(ݔ) = ܹ
ఎ[߰ିଵ(ݔ)] ௗటషభ(௫)
ௗ௫
.
Положив в выражении (1) ߰(ݔ) = ܨ
ఎ(ݔ), получаем ܨ
క(ݔ) = ݔ.
То есть случайная величина ߦимеет равномерное распределение.
В результате, если случайную величину ߟпреобразовать нелинейным преобразованием, равным ее функции распределения, то получим на интервале [0, 1] равномерно распределенную СВ.
Если в выражении (1) положить 
߰(ݔ) = ܨିଵ(ݔ),
где ܨ(ݔ) – заданная функция распределения, а 
ߟא Rav[0, 1], ܨ
ఎ(ݔ) = ݔ,
то получим, что СВ ߦимеет заданное распределение
ܨ
క(ݔ) = [ܨିଵ(ݔ)]ିଵ= ܨ(ݔ).
Это правило лежит в основе метода формирования СВ имеющую заданную функцию распределения. 
Заметим, что в этом случае необходимо сделать нелинейное 
преобразование ߦ= ܨିଵ(ߛ), означающее решение уравнения в виде
ܨ(ߦ) = ߛ, ߛא Rav[0, 1].
Рассмотрим пример. Пусть требуется сформировать случайную 
величину с ПРВ
௫
௔ξ௔మି௫మ,
ݔא [0, ܽ);
ܹ(ݔ) = ቊ
0,
ݔ[0, ܽ).
Интегрируя ܹ(ݔ), получим выражение для функции распределения
ܨ(ݔ) =
ଵ
௫
଴
݀ݐ= 1 െ
ଵ
௔׬
௧
ξ௔మି௧మ
௔ξܽଶെݔଶ.
Отсюда получаем уравнение
1 െට௔మି௫మ
௔మ
= ߛଵ, ߛଵא Rav[0, 1],
из которого следует моделирующий алгоритм
ߦ= ܽඥ1 െߛଶ,
где ߛ= 1 െߛଵ.
Широкое распространение получил метод суперпозиций, который применяется для формирования случайных величин с ПРВ вида
8

ܹ(ߦ) = σ
݌௜ܹ
௜(ߦ)
௡
௜ୀଵ
, ݌௜> 0, σ
݌௜= 1
௡
௜ୀଵ
.
(2)
Он производиться за два шага.
На первом шаге осуществляется реализация дискретной СВ, 
принимающей с вероятностями ݌௞значения 1, ݊
ത
ത
ത
ത
ത. Здесь прямая черта 
сверху означает усреднение по множеству. 
На втором шаге, после получения значения ݇формируется величина с ПРВ ܹ
௞(ߦ), значение которой и принимается в качестве ߦ.
Модели (2) называются смесями ПРВ ܹ
ଵ(ߦ), … , ܹ
௡(ߦ).
Рассмотрим пример формирования случайной величины, имеющей ПРВ
ܹ(ߦ) =
଴,ହ
ଶఙమቅ+ exp ቄെ
(కି௠)మ
ଶఙమቅቃ,
ఙξଶగቂexp ቄെ
(కା௠)మ
где ߪ– среднеквадратическое отклонение (СКО) случайной величины.
Как видно, ܹ(ߦ) представляет собой смесь двух гауссовских 
ПРВ с равными дисперсиями ߪଶ, средними ±݉и весовыми коэффициентами ݌ଵ= ݌ଶ= 0,5.
В соответствии с методами суперпозиции алгоритм формирования случайной величины имеет вид
ߦ= ߪ௫+ ߛ௠,
где ݔא ܰ(0, 1), а ߛ௠принимает равновероятно два значения ±݉.
Модели и описание негауссовских коррелированных процессов в виде порождаемых гауссовским шумом. Как правило, для негауссовских процессов известны одномерная ПРВ и функция корреляции. При такой априорной информации негауссовский процесс 
݊(ݐ) удобно представить как результат комбинированного преобразования, имеющего линейный и нелинейный характер, белого гауссовского шума [11-14]:
݊(ݐ௞) = ܨ{σ
ܣ௞௟
௡
௟ୀଵ
ߦ௟},
(3)
что соответствует схеме, представленной на рисунке 1, где ЛФ – линейный фильтр; БНП – блок нелинейного (безынерционного) преобразования. 
Рис. 1. Структурная схема комбинированного преобразования белого 
гауссовского шума
9

Линейный фильтр соответствует преобразованию
ߟ௞= σ
ܣ௞௟
௡
௟ୀଵ
ߦ௟,
в котором ۃߟۄ = 0; ۃߟଶۄ = 1; ۃߟ௞ߟ௟ۄ = ܤ଴ఎ(|݇െ݈|).
Нелинейный элемент соответствует БНП с характеристикой 
ܨ(ߟ), обратная функция которой ܳ(ߦ) является однозначной, причем 
ௗொ(క) 
ௗక
> 0.
При заданных ܹ
௡(݊) и ܤ௡(߬) характеристики оператора выражения (3) находятся в следующей последовательности:
1. По заданной ПРВ определяют ܨ(ߟ) из нелинейного дифференциального уравнения
ܹ
ఎ.ଵ(ߟ) = ܹ
௡.ଵ[ܨ(ߟ)]
ௗி(ఎ) 
ௗఎ,
где ܹ
ఎ.ଵ(ߟ) = ܰ(0, 1);
ܨ(0) = 0;
ௗி(ఎ) 
ௗఎ
> 0.
2. По заданной корреляционной функции ܤ௡(߬) и найденной характеристике БНП ܨ(ߟ) вводят функцию ܤ଴ఎ, связанную с ܤ௡(߬) соотношением
ܤ௡(߬) = σ
ܥ௠
ଶ
ஶ
௠ୀ଴
஻బ.ആ
೘(ఛ)
௠! ,
где ܥ௠=
ଵ
ξଶగ׬
ܨ(ߟ) ܪ௠(ߟ)exp{െ0,5ߟଶ}
ஶ
ିஶ
݀ߟ;
ܪ௠(ߟ) – полиномы Эрмита.
Иногда, более точно вычислить ܤక(߬) удается прямым методом 
в замкнутой форме:
ܤక(߬) =
ଵ
ଶగටଵି஻బആ
మ׭
ܨ(ߟ௞)ܨ(ߟ௟) ×
ஶ
ିஶ
× exp ൜െ
ఎೖ
మିଶ஻బആఎೖఎ೗ାఎ೗
మ
ଶ(ଵି஻బആ
మ)
ൠ݀ߟ௞݀ߟ௟.
Характеристику линейного фильтра, заданного матрицей ԡܣ௞௟ԡ,
можно определить из соотношения
ܤ଴ఎ(|݇െ݈|) == σ
ܣ௞௠ܣ௟௠
௡
௠ୀଵ
.
Удобство подобного описания состоит в следующем.
Поскольку {݊} является продуктом нелинейного и монотонного 
преобразования последовательности {ߟ}, то распределение ܹ
௡௛связано с гауссовской ПРВ ܹ
ఎ௛соотношением
ܹ
௡(݊ଵ, … , ݊௛) = ܹ
ఎ(ߟଵ, … , ߟ௛) ς
ௗொ(௡ೖ)
௛
௞ୀଵ
.
ௗ௡೓
Пусть для ПРВ ܹ
ఎ௛справедливо разложение
10