🚀 Новая статья на Хабре!

Мы провели экспериментальное исследование цифрового предыскажения (DPD) для LTE-сигналов на SDR-платформе РИТМ SDR USRP.

Что делали:
🔹Исследовали влияние нелинейностей усилителя мощности на LTE OFDM-сигналы
🔹Реализовали алгоритм DPD на FPGA с IP-ядром DPDex-IP
🔹Провели адаптацию коэффициентов предыскажения в реальном времени через замкнутый контур обратной связи

Результаты:
✔️RMS EVM снизился на 72,5%, Peak EVM на 57%, MER вырос на 11,7 дБ
✔️Значительно улучшилась линейность амплитудных и фазовых характеристик усилителя
✔️Снизился уровень внеполосных излучений на ~15 дБ

Вывод: DPD на FPGA эффективно компенсирует нелинейности усилителей в LTE/4G/5G-системах и показывает потенциал SDR-платформ для адаптивных радиосистем нового поколения.

👉 Подробнее на Хабре

🧑‍🎓 Кстати, 10 июня у нас вебинар «Тестирование и отладка систем связи при помощи РИТМ SDR USRP»

🏢 Экспонента

Друзья, в 10:00 начинаем вебинар «Тестирование и отладка систем связи при помощи РИТМ SDR USRP»

👉 Ссылка на трансляцию

🗯 Пишите вопросы в комментариях трансляции — вам ответят на них в конце эфира.

Будет интересно, подключайтесь!

🚀 КНИТУ-КАИ: программа повышения квалификации по платформе Engee

В Казанском национальном исследовательском техническом университете им. А.Н. Туполева стартовала программа дополнительного профессионального образования «Сквозные цифровые технологии. Основы работы с платформой Engee».

✍️ Слушатели познакомятся с возможностями платформы Engee, освоят программирование на языке Julia, научатся работать с данными, строить визуальные модели и создавать модели динамических систем.

Среди авторов программы — ассистент каф. ПЛА Дмитрий Савинов и ведущий инженер ЦИТМ «Экспонента» Николай Капырин.

🎓 По итогам обучения участники получат компетенции в области цифрового моделирования и разработки программного обеспечения для инженерных задач, востребованные в современной промышленности и высокотехнологичных отраслях.

🏢 Экспонента

Не успели на вебинар? У нас есть все записи!

Все онлайн мероприятия мы сохраняем в нашей группе вк и на сайте, чтобы вы могли вернуться к ним в любое время.

Записи последних трансляций:
⭐️Создание пользовательских приложений в Engee
⭐️Возможности Engee для моделирования Систем управления

🏢 Экспонента

🤩🤩 Автоматизация циклических испытаний с Engee

На Хабре вышел новый кейс о том, как Engee можно использовать для автоматизации испытательных стендов.

Вместе с Институтом физики твердого тела имени Ю.А. Осипьяна Российской академии наук (ИФТТ РАН) мы реализовали единый программный контур для установки циклических испытаний композитных материалов: настроили сбор данных с тензодатчика и датчика перемещения в реальном времени, управление сервоприводом по Modbus и автоматическое сохранение результатов для дальнейшего анализа.

👉 В статье рассказываем, с какими задачами столкнулись в проекте, как организовали обмен данными через COM и Arduino, почему была выбрана такая архитектура и как Engee помогает объединить управление оборудованием и сбор измерений в одной среде.

🔗 Статья на Хабре

🏢 Экспонента

Друзья, долгожданный анонс! 🔥

Сегодня мы открываем набор в нашу новую летнюю школу — Школу анализа инженерных данных.

Инженерных данных становится всё больше. Моделирование, испытания, измерения, телеметрия — почти любой проект сегодня оставляет после себя огромный массив информации. Вопрос уже не в том, где взять данные, а в том, как с ними работать.

На практике всё часто выглядит знакомо: несколько скриптов, Excel, Jupyter Notebook, десяток графиков, ручная обработка и папка с файлами, в которой через пару месяцев уже сложно разобраться даже автору.

До какого-то момента этого хватает. Но когда проект становится сложнее, такой подход начинает тормозить разработку.

Именно поэтому мы решили посвятить новую школу инженерному анализу данных.

Будем говорить не столько об инструментах, сколько о подходах. О том, как подготовить данные к анализу, как находить в них закономерности, как строить воспроизводимые расчёты и как сделать так, чтобы результаты можно было использовать не один раз, а на протяжении всего жизненного цикла проекта.

По большому счёту, школа про одну простую вещь — как встроить анализ данных в инженерный процесс. Чтобы он перестал быть набором разрозненных скриптов и превратился в такой же полноценный этап разработки, как моделирование, испытания или верификация.

Присоединяйтесь 💙

🧑‍🎓 Формат: онлайн, еженедельные лекции и разборы
⭐️ Обучение бесплатное, по итогам выдаём сертификат.
⏳ Старт Школы – с 24 августа 2026 г.

📎 Подробнее о программе и регистрация

🤩🤩 Оптимизация распределения потоков в системах массового обслуживания

Как эффективно распределять потоки в сложных сетях: интернет-трафике, логистических системах, сервисах и call-центрах?

Такие задачи ежедневно решают инженеры, проектирующие цифровую инфраструктуру, транспортные сети и системы обработки данных.

В современном цифровом мире — от глобальных сетей передачи данных до логистических цепочек и систем обработки транзакций — мы постоянно сталкиваемся с необходимостью эффективного управления потоками. Как обеспечить бесперебойную работу интернет-соединений при пиковых нагрузках? Как оптимизировать маршруты доставки товаров в мегаполисе? Как спроектировать call-центр, чтобы клиенты не ждали ответа? Ответы на эти вопросы лежат в области теории массового обслуживания — математической дисциплины, изучающей системы, где заявки (пакеты данных, клиенты, транспортные средства) поступают на обслуживание, образуя очереди.

В основе — классическая теория массового обслуживания и модель M/M/1, которая показывает важный эффект: когда нагрузка приближается к пределу, очереди начинают расти очень резко (не линейно, а "взрывным" образом). Поэтому простого равномерного распределения потоков часто недостаточно.

Далее сетевые системы рассматриваются как графы с матрицами пропускных способностей и потоков, а задача распределения нагрузки формулируется как задача оптимизации. Цель — минимизировать задержки и не перегружать отдельные каналы.

В результате получается инструмент, который помогает находить узкие места в сети и более разумно распределять нагрузку 🔧

👉 Полный разбор, математика и примеры в статье на Хабре

🏢 Экспонента

📹 Новое видео в курсе «Основы цифровой обработки сигналов»

Вышел шестой модуль «Быстрое преобразование Фурье (БПФ)».

Видео рассматривает оптимизированную версию алгоритма дискретного преобразования Фурье (ДПФ) — быстрое преобразование Фурье (БПФ).

Темы:
✔️особенности поворачивающих множителей
✔️прореживание отсчётов во времени
✔️анализ схемы "бабочка" для 8-ми отсчётов
✔️преимущества перед ДПФ с точки зрения вычислительной сложности

Практические примеры собраны в интерактивном скрипте Engee, где происходит сравнение алгоритма "бабочка" с вычислением ДПФ для сигнала из 8-ми отсчётов.

Где смотреть:
🔗 Академия Engee — полный доступ к материалам и интерактивным моделям
🔗 Видеоплатформы: VK | Rutube | YouTube | Дзен

🏢 Экспонента