Отчет о научно-исследовательской работе в рамках федеральной целевой программы «Научные и научно-педагогические кадры инновационной России»
Скачать 1.16 Mb.
|
1.4.3 Технология CUDA В последнее время активно стала развиваться технология высокопроизводительных вычислений CUDA – Computer Unify Design Architecture, суть которой заключается в использовании набора работающих параллельно графических процессоров (GPU) для решения неграфических задач. GPU – специализированное вычислительное устройство, которое:
Преимущества технологии CUDA
Технологию CUDA целесообразно использовать при реализации многоканальных, параллельных систем для анализа ШЧД, например, банка цифровых фильтров. Использование технологии CUDA при аппаратной реализации таких систем позволяет более чем на порядок уменьшить время обработки и, соответственно, повысить производительность. Однако, поскольку стоимость указанных аппаратных средств высока, а требования к производительности, массогабаритным характеристикам систем мониторинга ужесточаются, задача минимизации аппаратных и временных затрат при реализации цифровой фильтрации встаёт всё более остро. 2. Разработка алгоритмов многоканальной цифровой фильтрации в широком частотном диапазоне 2.1 Постановка задачи и общие замечания Как было сказано ранее, характерной чертой ШЧД является наличие большого числа источников излучений, которые могут работать на разной частоте, с разным типом модуляции и т.д. Главная же задача мониторинга заключается в отслеживании и обнаружении излучений от таких источников с минимальными потерями и в реальном масштабе времени. Для этого необходимо одновременно обрабатывать информацию от всех источников, что приводит к огромным аппаратным затратам и не всегда возможно сделать, используя классические методы и алгоритмы ЦОС. При такой параллельной обработке неизбежна многоканальность. Самое простое решение – это применение БПФ. Однако широко известные дефекты БПФ приводят к тому, что при сложных видах модуляции, особенно при использовании их сочетаний, БПФ уже не может удовлетворить потребности в необходимом качестве обработки исследуемых частотных диапазонов. Поэтому в семидесятых годах был предложен метод под названием «банк цифровых фильтров». Со временем банк цифровых фильтров совершенствовался, модифицировался и в настоящее время существует несколько его разновидностей. Рассмотрим классическую структуру банка цифровых фильтров, покажем, как можно его модифицировать и использовать для задач мониторинга широкого частотного диапазона. 2.2 Банк цифровых фильтров Из всего частотного диапазона цифровой фильтр нижних частот выделит узкую полосу, причем для вещественного сигнала нижней границей такого фильтра будет нулевая частота, а для комплексного сигнала нулевая частота будет соответствовать центру полосы пропускания (рис.2.1). На рис.2.1 приведены использованные ниже обозначения характерных точек АЧХ. Дальнейшее обсуждение будем вести для комплексного сигнала, обозначив его частотный диапазон  . Рис. 2.1 – АЧХ цифрового фильтра нижних частот Чтобы выделить другую часть частотного диапазона тем же ФНЧ, нужно гетеродинированием свести к нулю центральную частоту  этого поддиапазона. Тогда (1.2) будет иметь вид: (2.1)Таким способом можно перекрыть весь исследуемый частотный диапазон единственным фильтром, характеристика которого может быть близка к идеальной: обеспечивать минимальное наложение соседних каналов, равномерную частотную характеристику в полосе пропускания и желаемый коэффициент подавления. Пример реальной частотной характеристики двух соседних каналов представлен на рисунке 2.2.  Рис.2.2 – АЧХ двух соседних каналов Сравним (2.2) с классической формулой взвешенного ДПФ:  , (2.2)где  – k-ая гармоника ДПФ в момент времени n, a(i) – коэффициенты весового окна.Полное сходство этих формул демонстрирует дуальность ДПФ, которое можно рассматривать и как спектральное преобразование, и как совокупность цифровых фильтров. Различие этих формул состоит только в длине интервала суммирования, индексе времени при экспоненте и в выборе весовых коэффициентов  и  . Разница в индексе времени при экспоненте вызвана тем, что при гетеродинировании сигнала гетеродин функционирует независимо от сигнала и поэтому привносит в результат анализа некую начальную фазу; при преобразовании Фурье для каждого n выбранные отсчёты сигнала на интервале анализа (–N/2<i<N/2) умножаются на функции базиса, всегда начинающиеся с нулевой фазы.Таким образом, поэлементное произведение  в формуле (2.2) – это операция, выполняемая смесителем; операции же суммирования и взвешивания выполняют функции ФНЧ-фильтра (рис.2.3). Если убрать коэффициенты a(i), останется прямоугольное временное окно, приводящее к трем известным дефектам ДПФ: наложению соседних каналов, неравномерности частотной характеристики и большому уровню боковых лепестков. Попытки устранить все три дефекта весовыми окнами Ханнинга, Ханна, Кайзера и т. п., сохраняющими интервал осреднения, равный количеству спектральных составляющих, дали возможность подавить боковые лепестки, но лишь за счет усиления двух других дефектов [35].  Рис. 2.3 – Многоканальная фильтрация с гетеродинированием Беда всех этих окон в том, что они только сужали интервал анализа во временной области, что неизбежно приводило к расширению полосы частот. Для того чтобы частотные характеристики каналов не перекрывались, интервал, на котором происходит взвешивание сигнала, должен быть больше интервала ДПФ-анализа. Фактически нужно сначала сформировать взвешивающим окном желаемую форму частотной характеристики, а потом проводить ДПФ. Если снять ограничение на длину интервала взвешивания N=M и заменить более простым:  ; L=2, 3, 4,…, т. е. N брать больше, но кратно интервалу ДПФ-анализа, то подбором взвешивающего окна можно задать любую форму частотной характеристики фильтра. Это позволит обеспечить и отсутствие перекрытия соседних каналов, и максимально равномерную характеристику в полосе пропускания. Фактически взвешивающее окно – это импульсная характеристика КИХ-фильтра желаемой формы для одного канала. Использование более длинного весового окна стало возможным за счёт перестановок операций гетеродинирования и суммирования, что вытекает из линейности преобразования Фурье. Это и послужило идеей появления целой группы различных реализаций банка цифровых фильтров: ДПФ с расширенным весовым окном, конвейерного частотного преобразования (КЧП), взвешенного перекрывающегося сложения (ВПС). Отличие этих методов состоит в подходе к упрощению аппаратной реализации банков фильтров [46, 51, 54, 70]. Из множества методов построения банков цифровых фильтров можно выделить группу методов, которые используют механизм объединения субполос, что позволяет выполнять декомпозицию сигнала на частотные полосы неравной ширины. Один из таких методов позволяет синтезировать ДПФ-модулированный банк фильтров с объединением субканалов. Другой важной группой методов построения банков цифровых фильтров являются спектрально-адаптивные методы, в основе которых лежит обработка в спектральной области (спектральный анализ) и принципы адаптивной обработки сигналов. Особенностью этой группы методов является отсутствие строгого алгоритмического описания, т.е. в алгоритмы носят некоторый эмпирический характер. К таким методам относится, например, декомпозиция на эмпирические моды. 2.3 Методы построения банков цифровых фильтров 2.3.1 ДПФ с расширенным весовым окном Первый из этих методов – «ДПФ с расширенным весовым окном», использует БПФ как совокупность описанных выше операций гетеродинирования и суммирования [51]. В этом методе весовые коэффициенты фильтра и их количество выбираются исключительно из соображения получения желаемой частотной характеристики канала. Если число каналов M банка фильтров задано, открытым остается только вопрос выбора коэффициента удлинения L интервала взвешивания. Решить этот вопрос помогают следующие два свойства НЧ-фильтров:
Если взять импульсную характеристику фильтра и «выколоть» каждый второй отсчет (децимация в 2 раза, но не сигнала, а импульсной характеристики), получится фильтр с тем же коэффициентом прямоугольности, но с  . Это свойство можно использовать, например, при синтезе перестраиваемого фильтра с заданной прямоугольностью частотной характеристики.
Рассмотрим зависимость коэффициента прямоугольности от L на примере фильтра Баттерворта. Модуль его частотной характеристики задаётся выражением:  , (2.3)где N – порядок фильтра,  – частота среза. По формуле (2.3) в Matlab произведено моделирование и получена зависимость коэффициента прямоугольности от L. График этой зависимости показан на рисунке 2.4.  Рис.2.4 – Зависимость коэффициента прямоугольности от L Как видно из графика, при стандартных требованиях к коэффициенту прямоугольности  целесообразно задавать параметр L в пределах 13-17.Моделирование в Matlab показало, что обеспечение перекрытия менее 5% требует выбора L ≥16. Естественно, на выбор L влияют и коэффициент пульсации в полосе пропускания, и величина подавления на частотах выше  . Поскольку уровень пульсаций для фильтров Чебышёва существенно больше, чем у фильтров Баттеворта, рассмотрим зависимость величины пульсаций от L для фильтров Чебышёва первого рода [19]: , (2.4)где  – показатель пульсаций, TN – полином Чебышёва n-степени,  – частота среза. Корни полиномов TN(x) вычисляются по формуле [19]:  . (2.5)Параметр определяется из максимально допустимого отклонения  АЧХ в полосе пропускания [19]: (2.6)Исходя из требований к отклонениям АЧХ как в полосе пропускания , так и в полосе задерживания  определяется порядок N (а значит в нашем случае и значение L) как наименьшее целое, удовлетворяющее условию [19]: , (2.7)где Arch – обратный гиперболический косинус. Из рис.2.4 и формулы (2.7) видно, что чем больше L, тем проще обеспечить требуемую равномерность характеристики и коэффициент прямоугольности. Чтобы вернуться к выбранной длине интервала ДПФ-анализа, взвешенная последовательность длины разбивается на L блоков по M отсчетов, после чего эти блоки накладываются друг на друга и поэлементно суммируются. Каждый i-тый отсчет наложенной последовательности  , i=(1,M) определяется выражением: ; (2.8)где , n – номер блока, n=(0,L-1), a() – коэффициенты фильтра. Далее над полученными M отсчетами проводится ДПФ. Поэлементное сложение блоков длины M взвешенной последовательности допустимо, т. к. все используемые в ДПФ комплексные экспоненты укладываются в M отсчетах целое число периодов, поэтому каждый M-тый отсчет умножается на одно и то же значение. Таким образом, перед операцией БПФ произошла неполная операция фильтрации: после взвешивания необходимо бы было просуммировать все отсчёты, а суммировались только отсчёты, отстоящие на M. Доведение до конца операции сложения осуществляется сумматором БПФ. Преимущество такого подхода очевидно: на длине L производится не L БПФ-преобразований, а всего одно. Оценим число операций типа сложение-умножение, приходящееся на один отсчет входного комплексного сигнала. Для КИХ-фильтра, поскольку его коэффициенты вещественные числа, число операций при их умножении на комплексные входные отсчёты равно  . Стандартная оценка числа операций для комплексного БПФ достаточно точно аппроксимируется величиной  [11] комплексных умножений, что соответствует  простых умножений. Тогда на вычисление одного выходного отсчета во всех каналах банка фильтров приходится  операций. Это весьма приближённая оценка, не учитывающая особенностей структуры ПЛИС, приспособленной для ЦОС. Используемая формула для подсчёта количества операций БПФ растёт круче линейной зависимости от M. По технической документации на ПЛИС эта зависимость оказывается гораздо более пологой, чем просто линейная. Поскольку при подобной фильтрации частота на выходе фильтров будет в M раз меньше частоты входного сигнала, следующее преобразование можно выполнять через M входных отсчетов. Фактически это эквивалентно децимации фильтрованного сигнала, а количество операций на один отсчёт будет равно всего  . На практике обычно имеет место перекрытие АЧХ соседних каналов. Перекрытие вызвано тем, что невозможно получить идеально прямоугольную форму АЧХ взвешивающего окна. Это означает, что частотная полоса в каждом канале будет несколько шире, чем Fs/M. Следовательно, после децимации в M раз выходной сигнал будет искажен (рисунок 2.5). Рис. 2.5 – Иллюстрация эффекта наложения при децимации: а) дискретный спектр исходного сигнала, b) дискретный спектр сигнала после децимации в 2 раза Поэтому для устранения нежелательных эффектов децимации будем проводить следующее преобразование не через M, а через M/2 входных отсчетов, создавая таким образом двукратный запас по частоте дискретизации выходного сигнала. Тогда общее число операций на один отсчет частоты дискретизации будет:  . (2.9)Например, при числе фильтров M=32 и L=12 число операций на один отсчет равно 68, а при M=1024 - всего 88. Фактически, определяющим фактором вычислительной сложности является не ДПФ, а цифровой фильтр, от требований к форме которого зависит L. Отметим, что при практической реализации операции над вещественными и мнимыми частями отсчетов проводятся параллельно, также одновременно проводятся операции взвешивания следующей группы отсчетов и БПФ предыдущей при конвейерной организации алгоритма. Параллелизация и конвейеризация и позволяют значительно ускорить анализ. Здесь следует отметить принципиальную разницу между традиционным БПФ-анализом и реализуемым банком фильтров. При обычном вычислении спектра временной интервал между выборками может выбираться произвольно и зависит только от скорости изменения спектра. Для банка фильтров базисные функции Фурье – это опорные частоты гетеродинов, транспонирующих спектр. Поэтому сдвиг во времени в исходном сигнале должен сопровождаться точно таким же сдвигом всех функций базиса. Это связано с тем, что результатом преобразования банком цифровых фильтров является временной процесс и введение в него любых фазовых сдвигов недопустимо. Если же следующий анализ начинается со сдвигом не на M, а на M/2, все нечётные составляющие получают сдвиг фазы на 180 градусов. Их переворот требует дополнительных операций. Из (2.9) не следует, что число каналов ДПФ может быть сколь угодно велико. С ростом M все сложнее получить желаемую форму АЧХ. При достаточно больших M либо вообще невозможно получить взвешивающее окно, обеспечивающее желаемую форму АЧХ, либо его длина чрезмерно увеличивается за счет одновременного увеличения L и M. При практической реализации важно не только количество операции на один входной отсчет, но и длина взвешивающего окна , так как в памяти нужно хранить не только сами весовые коэффициенты окна, но и равное его длине количество комплексных входных отсчетов.На рисунке 2.6 представлена фильтрация гармонического сигнала с линейно нарастающей частотой в трех соседних каналах. Результат получен на банке фильтров, реализованном в ПЛИС Xilinx XC4VLX25, со следующими параметрами: число каналов 1024, максимальная частота дискретизации входного комплексного сигнала 100МГц, длина фильтра 13302.  Рис.2.6 – Фильтрация сигнала с линейно нарастающей частотой в трёх соседних каналах Уточняющее преобразование Выше уже отмечалась двойственность преобразований, осуществляемых банком цифровых фильтров: их результат можно рассматривать и как многоканальную фильтрацию с гетеродинированием и децимацией, и как результат Фурье-преобразования, осуществляющий перевод сигнала из временной области в частотную ("скользящий спектр", периодограмма). Оценить по-достоинству структуру под названием "Банк цифровых фильтров" можно только используя ее и в том, и в другом качестве. Поскольку в задачи мониторинга входят и задача очистки сигнала от шума, и задача выделения сигналов заданной частоты (первичное обнаружение) и формы спектра (классификация цели по виду модуляции), и задачи вторичной обработки (декодирования, измерения параметров и т.п.), двойственность преобразования можно использовать в полной мере. С этой целью и был разработан алгоритм последовательного трехступенчатого преобразования, названного уточняющее преобразование. Алгоритм обработки на каждой ступени определяется как формой сигналов, так и конечной целью наблюдения, однако структура уточняющего преобразования остается единой для большого класса задач мониторинга. Практическая реализация разработанного алгоритма предназначалась для наблюдения за радиолокационной обстановкой, в частности, за радиолокаторами морского базирования. На рис.2.7 представлен типичный сигнал РЛС, использующий три вида модуляции: импульсную, частотную (ЧК) и фазовую (ФМн2). Естественно, рассмотреть в одном масштабе (с одним разрешением по частоте) формат пачек импульсов и внутреннюю структуру каждого импульса невозможно.  Рис.2.7 – Сигнал РЛС Уточнение идеально подходит для случаев, когда требуется более подробно рассмотреть спектральные компоненты в одном из каналов, и нет необходимости детализировать остальную часть спектра. С вычислительной точки зрения наиболее эффективно разбиение M на две равные части, при котором M=m1*m2=m2, где mi- число каналов ДПФ на каждом шаге. Однако это не жесткое условие, так как повторное преобразование производится уже над децимированными отсчетами и не сказывается на скорости обработки.  Рис.2.8 – Уточняющее преобразование над сигналом РЛС Уточняющее преобразование состоит в том, что сигнал выбранного канала повторно подвергается описанному выше БПФ-преобразованию с тем же ФНЧ-фильтром, подверженным децимации в частотной области. В этом случае анализ сигнала разбивается на три этапа: на первом этапе исследователю предъявляется амплитудный спектр (или спектральная плотность мощности) всего частотного диапазона сигнала с достаточно грубым разбиением на каналы (например, на 64 канала). Поскольку сигналы РЛС имеют импульсный характер, регистрируются только максимальные значения. Предусмотрены две формы представления результата: либо в виде спектрограммы (сонограммы), либо в форме графика с временной горизонтальной осью. Выбранный по этому спектру канал вновь разбивается на составляющие. Их количество произвольно, но кратно двум. На этом этапе исследователь может наблюдать уже не только амплитудный спектр сигнала (рис.2.8), но и любую выбранную частотную составляющую. Каждая из этих составляющих может быть выдана в двух формах: либо как предварительно гетеродинированная и отфильтрованная, либо просто в форме сигнала, пропущенного через узкополосный фильтр. Первая форма подразумевает децимацию исходного сигнала, вторая использует восстановление исходного сигнала по децимированным отсчетам. На третьем этапе уже может быть рассмотрена внутренняя структура импульса и определены основные его параметры. Естественно, временной интервал анализа на этом этапе соответствует длительности выбранного импульса. Для оценки возможностей использования уточняющего преобразвания был проведён эксперимент с последовательной трёхступенчатой фильтрацией сигнала, состоящего из суммы четырёх частот. При этом как при первом, так и при втором преобразовании все четыре частоты попадали в один канал. Только третье уточняющее преобразование позволило разделить эти сигналы (рис.2.9) . Как видно из рис.2.9 не произошло искажение ни частоты, которая выделилась в двадцатом канале, ни тех частот, которые просуммировались в третьем канале.  Рис. 2.9 – Сигнал на выходе банка фильтров при входном сигнале, состоящем из четырех частот (три частоты в пятом канале и одна – в двадцатом) Оценка скорости анализа сигнала Рассмотрим реализацию банка фильтров на ПЛИС SPARTAN-3 фирмы Xilinx. Для оценки реального быстродействия банка цифровых фильтров разобьем все операции на две группы: – операции взвешивания входных отсчетов (КИХ-фильтрация); – операции БПФ-анализа. Примем, как и ранее, длину выборки N=M*L, где M=32 – размерность БПФ-анализа (число спектральных коэффициентов), L=10-16 – коэффициент расширения интервала M, выбираемый исходя из требований к крутизне КИХ-фильтра. Оценим временные затраты на операции первой группы. Минимальную скорость обработки можно получить, если при взвешивании входных отсчетов КИХ-коэффициентами использовать всего два множительных устройства: одно для вещественной, другое – для мнимой части. В этом случае взвешивание всех N отсчетов займет ML тактов. Поскольку повторение вычислений происходит со сдвигом (децимацией) на половину длины БПФ – анализа, то на один отсчет входного сигнала будет приходиться M*L/M/2=2L операций. Например, при L=12 на один отсчет входного сигнала должно приходиться 24 такта тактовой частоты ПЛИС. Если эта частота равна 25 МГц, частота дискретизации сигнала может составлять 1 МГц. Поднять предельную частоту анализа можно распараллеливанием операций умножения. SPARTAN-3 XC3S200 имеет 12 встроенных умножителей. Шесть из них заняты процедурой БПФ, остальные могут быть использованы для взвешивания входных отсчетов. Таким образом, на данной микросхеме увеличить быстродействие можно только в три раза. При этом частота дискретизации сигнала составит 2,5 МГц на тактовой частоте ПЛИС 25 МГц, и 6 МГц - на 70 МГц. Существенного увеличения быстродействия можно добиться только при использовании ПЛИС нового поколения (Virtex-4) ориентированных на цифровую обработку сигналов, емкостью не менее 1 млн. системных вентилей и содержащих более сотни умножителей. В стандартной библиотеке таких ПЛИС имеются оптимизированные алгоритмы БПФ, осуществляющие обработку за один такт. При тактовой частоте порядка 400 МГц такой ПЛИС может обеспечить обработку сигнала с частотой дискретизации около 100 МГц. В третьей главе будут рассмотрены методы построения фильтров, позволяющие существенно (зачастую в разы) сократить количество вычислений. При реализации банка фильтров был использован метод теоретико-числового преобразования, который позволил сократить число операций по взвешиванию отсчётов в 1,8 раза. Это позволило увеличить верхнюю граничную частоту преобразования до 150 МГц. Временные затраты БПФ-анализа Алгоритмы БПФ, предлагаемые Xilinx, можно разделить на две группы. Первая группа позволяет за счет распараллеливания вычислений производить обработку таким образом, что за время загрузки очередных N отсчетов происходит выгрузка такого же числа отсчетов, рассчитанных по предыдущей выборке. Иными словами, БПФ вносит только задержку выдачи результата, но не влияет на скорость обработки. Вторая группа алгоритмов не требует распараллеливания вычислений (а, значит, и больших аппаратных затрат), использует порядка 6-10 множительных устройств, а операции загрузки, БПФ и выгрузки производятся последовательно. В этом случае количество тактов, требуемое для БПФ, составляет примерно (2-3)M. Поскольку это число в три-четыре раза меньше времени умножения на КИХ-коэффициенты, БПФ-устройство даже при такой организации вычислений большую часть времени находится в режиме ожидания. Основной недостаток выбранного алгоритма БПФ заключается в сокращении разрядности выходных отсчетов. Стандартная процедура БПФ для исключения переполнений после каждой итерации сдвигает данные на один разряд, что приводит к потере  разрядов в выходном сигнале. При M=1024 от исходной сетки  останется всего 6 разрядов. Такое масштабирование оправдано лишь при взвешивании исходного сигнала прямоугольным весовым окном. Когда используется взвешивание расширенным весовым окном, такое масштабирование становится избыточным. В разработанном проекте масштабирование проводилось лишь на нескольких промежуточных итерациях, благодаря чему динамический диапазон выходного сигнала составляет 212. Библиотека стандартных алгоритмов предлагает и другое решение, когда на каждой итерации проводится коррекция коэффициентов в зависимости от значения старшего разряда результата. Для экономии ресурсов ПЛИС этот алгоритм не использовался. |
) возможно только за счет пропорционального увеличения числа его коэффициентов, т. е. величины L.Похожие:
 | Отчет о научно-исследовательской работе в рамках федеральной целевой... В рамках федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» на 2009-2013 годы | | Отчет о научно-исследовательской работе в рамках федеральной целевой... В рамках федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» на 2009-2013 годы |
| Отчет о научно-исследовательской работе в рамках федеральной целевой... В рамках федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» на 2009-2013 годы | | Отчет о научно-исследовательской работе в рамках федеральной целевой... В рамках федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» на 2009-2013 годы |
| Отчет о научно-исследовательской работе в рамках федеральной целевой... В рамках федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» на 2009-2013 годы |  | Отчет о научно-исследовательской работе в рамках федеральной целевой... В рамках федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» на 2009-2013 годы |
| Отчет о научно-исследовательской работе в рамках федеральной целевой... В рамках федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» на 2009-2013 годы | | Отчет о научно-исследовательской работе в рамках федеральной целевой... В рамках федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» на 2009-2013 годы |
| Отчет о научно-исследовательской работе в рамках федеральной целевой... В рамках федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» на 2009-2013 годы | | Отчет о научно-исследовательской работе в рамках федеральной целевой... В рамках федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» на 2009-2013 годы |
| Отчет о научно-исследовательской работе в рамках федеральной целевой... В рамках федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» на 2009-2013 годы | | Отчет о научно-исследовательской работе в рамках федеральной целевой... Государственное образовательное учреждение высшего профессионального образования |
| Отчет о научно-исследовательской работе в рамках федеральной целевой... Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования | | Отчет о научно-исследовательской работе в рамках федеральной целевой... Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования |
| Отчет о научно-исследовательской работе в рамках федеральной целевой... Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования | | Отчет о научно-исследовательской работе в рамках федеральной целевой... «Разработка новых методов индивидуальной коррекции сводно-радикального статуса при бактериальных инфекциях» |
