- вперше розроблена інформаційна технологія аналізу сумішей сигналів, що містять шум. Технологія відрізняється стійким оцінюванням параметрів моделі в умовах невизначеності, викликаної: адитивним шумом у виходах та входах, малою розмірністю вибірки даних, неповнотою рангу матриць плану та змішування, властивостями вектора сингулярних чисел матриці входів;

- отримав подальший розвиток рекурсивний метод розв'язання лінійної задачі найменших квадратів шляхом модифікації методу Гревіля, що забезпечило обчислювально ефективну обробку даних у ковзному робочому вікні для виродженої та близької до виродженої матриці входів;

- вдосконалений метод розв'язання задачі розрідженої апроксимації пошуком відповідностей шляхом використання тесту Грібонваля для побудови лінійної моделі при малих рівнях шуму та базисах, що задовольняють умові Грібонваля, а інакше - шляхом використання критеріїв вибору моделі;

- вперше запропонована цільова функція для методу виділення прихованих джерел з лінійної суміші, що стійко функціонує в умовах адитивного шуму у виходах та малої довжини навчальної вибірки, відрізняється використанням мінімальної довжини опису та модифікованого методу пошуку відповідності;

- вдосконалений метод пригнічення активних завад в неоднорідній антенній системі з малим числом елементів за рахунок використання модифікованого методу Гревіля. Вдосконалений метод пригнічення активних завад для однорідної антенної системи за рахунок використання цільової функції на основі мінімальної довжини опису при виділенні прихованих джерел;

- отримав подальший розвиток метод визначення вмісту радіонуклідів в об'єктах навколишнього середовища для спектрів довільного радіонуклідного складу, виміряних у фіксованій геометрії, за рахунок використання критеріїв вибору лінійної моделі оптимальної складності для зниження відносної погрішності визначення активності;

- вперше запропонований метод визначення вмісту радіонуклідів в об'єктах навколишнього середовища, спектри яких виміряні в нефіксованій геометрії, що відрізняється використанням вдосконаленого методу пошуку відповідностей для більш точного виявлення радіонуклідного складу.

Практичне значення отриманих результатів. На основі розвинених методів розроблено програмні засоби, що забезпечують стійке оцінювання параметрів лінійних моделей в умовах різного типу невизначеностей, для базової інформаційної технології аналізу сумішей сигналів, що містять шум:

У вступі обґрунтовано актуальність теми дисертаційної роботи, сформульовано мету і задачі дослідження, визначено наукову новизну і практичне значення отриманих результатів, зазначено особистий внесок здобувача.

Перший розділ присвячений огляду сучасного стану проблеми аналізу даних методами апроксимації та виділення прихованих джерел за допомогою лінійних за параметрами моделей (ЛМ) вигляду:

де (и₁,и₂,...,и_N) = ^N - вектор параметрів (₁(z), ₂(z),..., _N(z))=x^N - вектор значень базисних функцій _j від z. Базисні функції (БФ) можуть бути нелінійними, а z - скаляром або вектором.

Розглянутий ряд актуальних практичних задач, де з фізичних міркувань відомо, що входи і вихід зв'язані ЛМ. Це задача визначення вмісту радіонуклідів в об'єктах навколишнього середовища та задача пригнічення активних радіо завад, які в даний час для ряду важливих випадків вирішуються незадовільно.

Для ефективного розв'язання цих та аналогічних задач потрібне удосконалення і адаптація методів аналізу даних лінійними моделями в рамках підходу апроксимації та виділення прихованих джерел.

Задача апроксимації (ЗА) розглядається як відновлення функції (1) шляхом оцінки за L парами спостережень входу х_i^N і виходу y_i D_L={(х_i, y_i)}_i=1,L. Значення y_i спотворені адитивним шумом _i (y_i = y₀ + _i); у загальному випадку це також справедливо для х_i.

Задача найменших квадратів (ЗНК) полягає у відшуканні вектора параметрів *, що мінімізує нев'язку RSS = ||Х-y||₂ (де y^L, Х^LN - матриця входів):

Якщо відомо, що всі параметри _j в (1) значущі - всі входи х_j значуще впливають на у, розв'язок ЗНК дається виразом *=Х⁺y, де Х⁺ - псевдообернена Х.

Отримання стійкого розв'язку ЗНК (при det(Х)=0 та Х, що не містить шуму) можливо, коли ряд власних чисел має виражений перепад. Якщо ж ряд власних чисел спадає монотонно, то для розв'язання задачі (2) використовують методи регуляризації.

Якщо не відомо, які саме БФ сформували спостережуваний вихід, розв'язок ЗА отримують методами вибору моделі та розрідженої апроксимації.

Вибір моделі складності sN (s - число ненульових параметрів в (1)), при якій помилка відновлення функції мінімальна, здійснюється на основі перебору моделей (тобто складу БФ) і мінімізації критеріїв вибору моделі. Найбільш відомими критеріями є: AIC (Akaike, 1974), C_P (Mallows, 1973), SIC (Sugiyama, 2002), L_Y (Yu, 2001).

Методи вибору моделі зазвичай дають субоптимальний розв'язок ЗА через обчислювальну неможливість повного перебору моделей складності s N.

Оптимальний розв'язок ЗА для у, який не містить шуму, при L<N (зазвичай, L<<N и s<<N) у разі повного базису {_j} (що дозволяє точне представлення у) може бути отримано на основі розрідженої апроксимації (Mallat, Zhang, 1989).

При цьому здійснюється пошук представлення виходу у з найбільшою можливою розрідженістю *, вимірюваною за нормою l₀ (за числом ненульових елементів , ||||₀=s):

Розв'язок розрідженої ЗА (3) отримують методом пошуку відповідності (МПС) (matching pursuit). Достоїнства МПС: оптимальність для деяких типів базисів {} (Mallat, Zhang, 1993); низька обчислювальна складність у порівнянні з методами l₁-апроксимації (Chen, 1995) та m-членним розкладанням (DeVore, 1998), (Temlyakov, 2002). Іншим способом розв'язання розрідженої ЗА є застосування методу прямої покрокової регресії (Hocking, 1976). При розв'язанні за допомогою МПС розрідженої ЗА із у, що містить шум, виникає проблема останову. Перспективним є застосування тесту Грібонваля (Gribonval, 2005) для перевірки розв'язку розрідженої ЗА на оптимальність.

У задачах виділення прихованих джерел (ВПД) дані представлені вибіркою L векторів виходів D_L={y_i}_i=1,L. Зазвичай, y_i^N. Відомо, що вектор виходів у пов'язаний з вектором входів (джерел) x^N лінійною моделлю: у=Aх, де A^NN, rank(A)=N, матриця змішування - невідома. Задача полягає у відновленні L спостережених векторів х (матриці X) за L спостереженнями у (за матрицею Y^LN) шляхом відшукання розділяючої матриці W=(w₁,…,w_N)^TNN та виконання X=WY.

Для розв'язання задачі ВПД відомі методи використовують апріорні припущення про джерела: їх статистичну незалежність (аналіз незалежних компонент ICA), розрідженість (аналіз розріджених компонент SCA), некорельованість (аналіз головних компонент РСА). Недоліком цих методів є відсутність урахування шумів. В результаті проведеного аналізу виявлено, що запропоновані за останні десятиріччя підходи до стійкої оцінки параметрів лінійних моделей ураховують ряд класів невизначеностей та властивостей матриць входів та змішування. Проте систематизація нових методів недостатня, багато задач вимагають розробки та удосконалення методів для роботи в реальному часі, з різними типами невизначеностей. Тому актуальна розробка інформаційної технології аналізу даних для різних типів невизначеностей як на основі аналізу існуючих методів, так і шляхом їх розвитку задля підвищення обчислювальної ефективності, більш обґрунтованого врахування шуму, здатності працювати з вибірками малого обсягу.

Другий розділ присвячений удосконаленню методів стійкого оцінювання параметрів лінійних моделей для розв'язання задач апроксимації та виділення прихованих джерел. Розроблені: обчислювально ефективний та стійкий до неповноти рангу X метод PRGM розв'язання ЗНК для ковзного часового вікна; метод ВПД на базі запропонованої цільової функції BSSMDL, модифікація МПС (ММПС) для стійкої роботи за наявності шуму в у.

Метод PRGM розроблений для обчислювально ефективного розв'язання ЗНК при rank(X)N та нестаціонарних даних, де для визначення параметрів ЛМ необхідно використовувати тільки зразки даних, що знаходяться в ковзному робочому вікні розміром M. Для усунення впливу вектора входів х, що вийшов за межі вікна, на основі формул збурення псевдооберненої матриці (Кириченко, 1997) отримані вирази для модифікації P_k+1 та Q_k+1 при k>M:

де q₁ = (I-b_kх^T_k+1)q₁ стовпчик матриці X⁺_k=(q₁|D_k), відповідний х, що вийшов за межі вікна; вертикальна риска позначає конкатенацію стовпчика.

Для врахування х^Т_k+1, що поступає на вхід, у роботі запропоновано використовувати вдосконалений метод Гревіля (Zhou, 2002):

де N_eff - константа на рівні машинної точності. Знайдене b_k+1 використовується для обчислення и_k+1 = и_k + b_k+1(y_k+1-х^T_k+1и_k).

PRGM знижує обчислювальну складність визначення и для кожного вікна з O(NM²), що відповідає традиційному Гревілю, до O(N³) (розмір вікна M>N). Реалізація та експериментальне дослідження PRGM розглянуті в розділах 3 та 5.

Для подолання недоліку методу пошуку відповідностей за наявності шуму - необхідності завдання порогу на значення залишку e=y-Ф, Ф={_j}, ФХ для останову - запропонований модифікований метод пошуку відповідностей ММПС.

Модифікація полягає у використанні для останову тесту Грібонваля (11), а при його непридатності - останову за критерієм вибору моделі.

Тест Грібонваля (11) може застосовуватись при виконанні умови Грібонваля:

Тут j1J, j1 індексує елементи підпростору для всіх можливих card(J)-членних розкладань y (card(J)=1,...,s, j1=1,...,card(J)).

Якщо умова (8) виконується, починаючи з f₀=0 (f_k^L), ММПС на (k+1)-му проході:

§ обчислює f_k+1 = f_k+_k+1k+1, вибираючи _k+1^LХ та _k+1, що мінімізують ||e_k-||²:

§ перевіряє тест Грібонваля:

Тут |e|₁ = (|e,_j|²)^1/2, де - e,_j найбільший скалярний добуток e та _j; |e|_2(k+1) = (_j2(k+1)|e,_j|²)^1/2 - сума 2(k+1) найбільших скалярних добутків.

Якщо (11) задовольняється, то *=(₁,₂,...,_k+1) є розв'язок з максимально можливою розрідженістю та найменшою помилкою апроксимації, і ММПС зупиняється. При невиконанні умови Грібонваля ітераційний процес (10) в ММПС зупиняється при CR(k+1)CR(k), де CR(k) - значення критерію вибору моделі на проході k.

Для боротьби з нестійкістю методів ВПД при малому обсязі вибірки та наявності адитивного шуму у виходах розроблена цільова функція BSSMDL, заснована на алгоритмічній взаємній інформації. Вважаємо, що взаємна інформація між джерелами менша, ніж у їх сумішей. У роботі запропоновано для обчислення алгоритмічної взаємної інформації використовувати мінімальну довжину опису даних універсальною моделлю nMDL, або змішаною моделлю gMDL (Bin Yu, 1998):

Запропонована цільова функція BSSMDL для розділення двокомпонентної суміші має такий вигляд:

де Y^L2 - матриця виходів, Yw₁=x*₁ - вектор оцінки сигналу джерела x*₁^L, MDL() - функція, значенням якої є довжина опису даних (наприклад (12) або (13)), x*₁^L - вектор оцінки сигналу першого джерела, x*₂^L - вектор оцінки сигналу другого джерела, w₁ - рядок розділяючої матриці, відповідний першому джерелу, Н₂ - лінійна модель для апроксимації x*₂.

Оптимізаційна задача відшукання w₁* для виділення першого джерела:

На кожній ітерації оптимізаційної процедури здійснюється побудова лінійної моделі Н₁ для апроксимації поточної оцінки x₁*=Yw₁*, та лінійної моделі Н₂ для апроксимації x₂*=Yw₂*, де w₁* і w₂* - оцінки w₁ і w₂, отримані на поточній ітерації оптимізації. Для побудови моделей Н₁ та Н₂, стійких до шуму, пропонується використовувати ММПС з остановом за тестом оптимальної розрідженості Грібонваля.

Третій розділ присвячений розробці базової інформаційної технології аналізу даних з використанням лінійних моделей (ІТЛМ) для задач апроксимації та виділення прихованих джерел.

ІТЛМ (рис. 1) включає як відомі методи (розділ 1), так і розроблені в дисертації (розділ 2), і дає засоби вибору адекватного методу для розв'язання задач шляхом врахування їх особливостей - даних, що аналізуються, та типів невизначеностей (спотворення шумами Х, спотворення шумами виходу у та ін.). На рис.1 ND - число датчиків, МДО - мінімальна довжина опису, _i - сингулярні числа матриці X^TX.

Ряд блоків ІТЛМ реалізований здобувачем у вигляді програмних модулів. Реалізація блоку методів побудови моделі ModelSelection і блоку розрідженої апроксимації SparseRegression містить функції: формування вибірки даних; обчислення критеріїв вибору моделі; перебору моделей. Реалізація блоку стійкого розв'язання ЗНК StableLSPSolution містить функції: методу Гревіля, вдосконаленого методу Гревіля, PRGM, усіченого SVD. Реалізація блоку виділення прихованих джерел AIT-BSS містить функції: обчислення значень цільової функції BSSMDL, формування моделі за даними сумішей, обчислення довжини опису.

Блоки ІТЛМ PCA та ICA реалізовані як оброблювальні модулі програмного нейрокомп'ютера SNC. Метод визначення вмісту радіонуклідів при нефіксованій геометрії вимірювань, заснований на ММПС (з остановом за критерієм вибору моделі), реалізований у ПО спектрометра "Вектор" на мові С процесора С196.

Четвертий розділ присвячений застосуванню розробленої ІТЛМ у задачі визначення вмісту радіонуклідів в об'єктах навколишнього середовища та експериментальному дослідженню модифікованого методу пошуку відповідностей ММПС.

Проведено експериментальне дослідження ефективності розробленої ІТЛМ в задачі визначення вмісту радіонуклідів в об'єктах навколишнього середовища при фіксованій геометрії вимірювань (ФГ), для якої функції відгуку детектора (ФВД) відомі. Одній спектральній лінії зіставлялася одна ФОД . Для L-канального спектрометра набір функцій ц_j j=1,…,N формує Х розмірністю LN, де N=L. Оскільки спектр гамма випромінювання (вихід у) формується як лінійна модель з БФ ц_j і потрібно знайти параметри моделі, ІТЛМ відносить задачу до апроксимаційних та пропонує методи вибору моделі. Знайдені параметри лінійної моделі спектра, які відповідають відібраним методами вибору моделі БФ, пропорційні активностям гамма-випромінюючих елементів.

Для дослідження розробленого методу визначення вмісту радіонуклідів у ФГ були сформовані спектри, до складу яких входили гамма-випромінюючі елементи ⁶⁰Со, ¹³⁷Cs, ¹³⁴Cs, ⁵⁸Mn, для яких піки повного поглинання окремих спектральних ліній перекриваються. Для таких спектрів традиційні методи вікон (МВ) та послідовних вирахувань (МПВ) виявляють елементи, що реально не входять у спектр, що знижує точність оцінки активностей радіонуклідів.

Лінійна за параметрами модель, що включає зазначені п'ять складових (⁶⁰Со містить дві спектральні лінії) була дійсною моделлю (TRUE). Повна (FULL) модель включала N=10 БФ, де окрім БФ TRUE включені ще п'ять додаткових ФВД. Показником точності відновлення вектора параметрів була середня помилка відновлення дійсного вектора параметрів и₀ (ПВП): E||и₀ - и*||², де и* - оцінка вектора параметрів ||||² - квадрат норми Евкліда, E - математичне очікування по реалізаціях шуму.

Практично у всьому діапазоні рівнів власного шуму (РВШ) метод найменших квадратів з моделлю TRUE дає мінімальні значення ПВП, з моделлю FULL - максимальні (рис.3). ММПС з дослідженими критеріями вибору моделі (Маллоуза C_P, Акаїке AIC, Бін Ю gMDL, L_Y) при наростанні РВШ дають ПВП гірше, ніж ПВП TRUE, але краще від ПВП FULL. У великому діапазоні параметрів шуму ПВП за критерієм Маллоуза C_P є близьким до ПВП дійсної моделі TRUE і є кращим за решту критеріїв.

В умовах обробки спектрів довільного радіонуклідного складу відносна погрішність визначення цезію ¹³⁷Cs склала: для розробленого методу 3 %, для МВ та МПВ 19 %, 12 % відповідно.

Проведено експериментальне дослідження розробленої ІТЛМ в задачі визначення вмісту радіонуклідів в об'єктах навколишнього середовища при нефіксованій геометрії вимірювань (НФГ), яка відрізняється тим, що невідоме співвідношення кількості гамма-квантів, що припадає на кожну з трьох характерних областей спектру, та його зв'язок з активністю радіонукліда. Для врахування цих особливостей в роботі запропоновано зіставляти кожній області окрему функцію . Тому для L-канального спектрометра набір функцій ц_j j=1,…,N формує Х розмірністю LN, де N=3L. Застосування ІТЛМ дозволило віднести цю задачу до розрідженої ЗА, для розв'язання якої використовується метод ММПС.

Для дослідження розробленого методу визначення вмісту радіонуклідів при НФГ були сформовані спектри, до складу яких входять гамма-випромінюючі елементи ⁶⁰Со, ¹³⁷Cs, ¹³⁴Cs, ⁵⁸Mn. На відміну від ФГ, різні частини ФВД масштабувалися по-різному. Із спектрів окремих елементів формувався сумарний спектр, до якого був доданий адитивний шум з нормальним розподілом та у² = 0.0, 5.5, 11.0,..., 104.5.

Аналіз залежності ПВП від РВШ при N=20, 30, 40 показав, що ПВП для ММПС з остановом за критеріями вибору моделі у всьому діапазоні шумів менше ПВП FULL, але більше ПВП TRUE. При N=30, 40 ПВП L_Y для МПС з остановом за критерієм мінімальної довжини опису L_Y у всьому діапазоні шумів менше ПВП C_P та ПВП AIC.

Досліджувалось також виявлення точкового джерела гамма-випромінювання (цезій ¹³⁷Cs) на фоні розподіленого джерела з вищою енергією (калій ⁴⁰K з 51 % активності ¹³⁷Cs), що є актуальною задачею при вимірюваннях в НФГ. Відносна погрішність визначення параметра, пропорційного активності ¹³⁷Cs, склала для МВ - 92 %, для МПВ - 85 %. Для розробленого ММПС з остановом за критерієм L_Y відносна погрішність склала 12 %.

Проведено експериментальне порівняння точності відновлення вектора параметрів ММПС при останові за критеріями вибору моделі та тестом Грібонваля (11). Сигнал, сформований лінійною за параметрами моделлю з базисом Гауса, що задовольняє (8), спотворювався шумом з нормальним розподілом, РВШ=²={0.0, 0.07,...,0.63}. Виявлено, що поки складність моделі, отриманої за критеріями вибору моделі, збігається з істинною: РВШ0.07 для C_P та РВШ0.14 для MDL, ПВП критеріїв вибору моделі мала і близька до ПВП за тестом Грібонваля (рис.5). Коли складність моделі стає менше істинної, ПВП критеріїв вибору моделі значно більше ніж ПВП за тестом Грібонваля. Проте, при РВШ1.2 тест Грібонваля не задовольняється і тому не застосовується в ММПС, тоді як критерії вибору моделі дозволяють оцінити параметри ЛМ.

П'ятий розділ присвячений застосуванню розробленої ІТЛМ в задачі пригнічення активних завад в неоднорідній та однорідній антенних системах.

У неоднорідній антенній системі в сигналах N антенних елементів додаткових каналів переважають активні завади, а складова корисного сигналу мала. Тільки один з каналів - основний - містить корисний сигнал. Той факт, що всі входи значуще впливають на вихід та можлива близькість матриці входів до виродженості, а також нестаціонарність вибірки обумовлюють вибір ІТЛМ методу PRGM для розв'язання задачі пригнічення активних завад.

Якість пригнічення завад оцінювалася за допомогою коефіцієнта пригнічення КП = КАЗ_вх/КАЗ_вих, де КАЗ_вх - коефіцієнт активної завади на вході основного каналу, КАЗ_вих - на виході методу пригнічення. Досліджувалася залежність КП від рівня власних шумів в додаткових каналах (РВШД) при фіксованому рівні шумів основного (РВШО) каналу (центровані випадкові величини з гаусовим розподілом). Число обумовленості, що визначає ступінь виродженості матриці Х, без шуму - 10³. При РВШД={1.610-⁹,…,2.510-⁸} та КАЗ_вх = 5 для PRGM отримано КП = 9.6.

Для обернення матриці за методом Гауса (на рис. 7 позначене LMS) та розкладанням за сингулярними числами (SVD) спостерігаються значення КП<1, що відповідає підсиленню завади (рис. 7). При зростанні КАЗ_вх з 9.010³ до 1.210⁷ та РВШД = РВШО = 0.1 для методу PRGM КП = 9.19 і є постійним, тоді як для LMS та SVD КП падає з 8.7 до нуля.

В однорідній антенній системі сигнальна інформація у всіх антенних каналах є суміш трьох складових - корисного сигналу, активних завад, та власного шуму каналу, що робить використання PRGM не ефективним. Проте, розділення суміші та виділення складової корисного сигналу відповідає пригніченню завади, тому ІТЛМ відносить задачу пригнічення завад в такій постановці до задач ВПД.

З міркувань швидкодії та врахування нестаціонарності сигналів у задачах такого типу використовують мінімально можливий розмір вибірки (L<10²), тому ІТЛМ вибирає метод, заснований на BSSMDL. Якість пригнічення завад оцінювалася за допомогою відношення сигнал-шум (ВСШ) на виході методу: SNR=10log₁₀(||x||²/||xx*||²), де x^L - вектор дійсного сигналу, x*^L - вектор оцінки сигналу, отриманий в результаті роботи алгоритму розділення суміші.

Експериментально досліджена залежність ВСШ від рівня власного шуму каналів (РВШК) для методів PCA, FastICA та BSSMDL. При розділенні за допомогою BSSMDL для обчислення K() за (12), кожній компоненті суміші (y₁ та y₂) зіставлялася лінійна модель (Н₁ та Н₂) з радіальними БФ. Для PRGM y₁ зіставлялася лінійна модель, де як БФ використовувалася y₂ (імітувалася неоднорідна антенна система).

Суміш складалася з імпульсного сигналу з одиничною амплітудою тривалістю 5 відліків та сигналу завади - реалізації випадкового процесу тривалістю L=100 відліків з рівномірним розподілом. Аналіз залежностей ВСШ від РВШК={0, 0.01,…,2.56} показує, що ВСШ BSSMDL перевищує ВСШ FastICA при малих РВШК, а також ВСШ РСА та PRGM - у всьому діапазоні власних шумів (рис.9). Наприклад, при зростанні РВШК від 0.005 до 2.56, ВСШ падає: для BSSMDL з 70.84дБ (при 0.005) до 16.8 дБ (при 2.56), для FastICA - з 59.27 до 16.8 дБ, для РСА - з 12.6 до 11.09 дБ, для PRGM - з 15.2 до 12.87 дБ.

Досліджувалася залежність ВСШ від L, де сигнали джерел - пилкоподібний сигнал одиничної амплітуди та реалізація випадкового процесу з нормальним розподілом, нульовим середнім та одиничною дисперсією. Аналіз результатів показав, що ВСШ для BSSMDL перевищує ВСШ для ICA при числі зразків, меншому ніж 10³. ВСШ для BSSMDL та ICA перевищує ВСШ для PCA у всьому досліджуваному діапазоні числа зразків. Таким чином, BSSMDL є ефективним методом розділення сумішей при малому числі зразків даних.

Досліджувалась залежність ВСШ від рівня активної завади (РАЗ). При = 5 метод BSSMDL забезпечує постійне ВСШ при різному РАЗ, що перевищує ВСШ для FastICA, РСА та PRGM. Так, при рівні власних шумів 10-² при зміні рівня активної завади від 0.25 до 2048 BSSMDL забезпечує постійне ВСШ 70 дБ, тоді як ВСШ FastICA не перевищує 54 дБ, а в більшій частині діапазону рівня шумового сигналу дорівнює 40 дБ. Показники ВСШ методів РСА та PRGM нерівномірні та менші ніж для FastICA. Для PCA при =15 (рис. 10) і РАЗ від 10 до 10³ ВСШ росте, а при зростанні РАЗ з 10³ до 10⁵ ВСШ є постійним. Для алгоритмів ICA та BSSMDL ВСШ не залежить від РАЗ.