автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.16, диссертация на тему:Разработка алгоритмов для моделирования бортовых информационно-измерительных систем на этапе проектирования

ИЖЕВСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ

На правах рукописи

ТРЕШОВ СЕРГЕИ АЛЕКСАНДРОВИЧ

РАЗРАБОТКА АЛГОРИТМОВ ДЛЯ МОДЕЛИРОВАНИЯ БОРТОВЫХ ИШОРМАШОДО-ИЗМЁРОТБЛЬНЫХ СИСТЕМ НА ЭТАПЕ ПРОЕКТИРОВАНИЯ

03.11.16 Информационно-измерительны? системы

Автореферат диссертации на соискание ученой степени

ИЕЕВСК - 1994

Работа выполнена в Ижевском государственном техническом университете

Научньй руководитель:

Официальны;? оппоненты.

Ведущее предприятие:

доктор технических наук профессор I Васильев В. В. I (Москва)

Защита состоится аудитории 1-208в "_

кандидат технических наук доцент Несмелов B.C. Сг. Москва) доктор технических наук, профессор Покровский Ф. Н. Сг, Москва) доетор технических наук профессор Кузнецов П.Г. С.Ижевск) Физико-технический институт уральского отделения Российской Академии наук. г. ИхеЕск

__: 1994 г. в

_"час. "._"мин. на заседании Специализированного Совета Д 064.35.01 "Информационно-измерительные системы" Игевского государственного технического университета по адресу: 426069. г. Ижевск, ул. Студенческая, дом 7

Ваш отзыв в двух экземплярах, заверенный гербовой, печатью, просим направить по указанному адресу.

С диссертацией можно ознакомиться в библиотеке университета

Автореферат разослан " 21 " ^МО-Я

" 1994 г.

Ученый секретарь Специализированного Совета докт. техн. наук, профессор

-У^Гольдфарб В, И.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность. Современная деятельность человека немыслима без применения все . более совершенных информационно-измерительных систем СИИСЗ. являвшихся подсистемами больших комплексов и. чаще всего, определяющих характеристики этих комплексов. Поэтому разработка . эффективных ИИС. вклочаюцая как применение быстродействующей элементной- базы и оптимальных схешых решений, так и использование более совершенного алгоритмического и программного обеспечения, мояет дать существенный экономический эффект.

На любом конкретном этапе развития вычислительной техники существует две возможности увеличения эффективности ИИС. Это -совершенствование структуры, т.е. применение технических решений, уменьшающих время обработки измерительной информации. А также, разработка бьетрых алгоритмов выделения информативных признаков и выбор оптимальных правил принятия решений. Первое : направление, как правило, из-за стоимостных, массо-габаритных и надежностных ограничений приводят к необходимости разработки новой элементной базы, поэтому эффект при проектировании новых ИИС можно получить за счет лучшего алгоритмического к программного обеспечения, где степень свободы разработчика неизмеримо выие.

В данной диссертационной работе рассматриваются вопросы обеспечения эффективности бортовых: ИИС на отапе проектирования и эксплуатации.. Предлагается методика выбора структуры бортовой ИИС, включающая построение модели на язьке имитационного моделирования С типа GPSS, SLAH-II,.SMPL т.п.). применение бенчмарковс-ких программ при выборе микропроцессора, оптимизации структуры ИИС путем выбора группы субоптималькых алгоритмов функционирования ИИС на основе разработки высокоэффективных алгоритмов. кмею-шх вычислительную сложность. исключающую их непосредственное применение в ИИС. но используемых в качестве арбитра в процессе оптимизации. '.' •

; : Цель и задачи исследования. Целью диссертационной f>a6orbi является комплексный подход к решению'задачи увеличения гффектив-ности инф>зрмёционно-язмерительных систем во время их функцкониро-■ вания за счет создания методов и алгоритмов максимального выделения статистической информации об объектах исследования в процессе их изучения на этапе разработки ИИС и в процессе анализа поступающей информации во время эксплуатации ИИС. т. е. з процессе адап-. таи:-' :. Полученная статист'ическзя информация об-объектах распознз-

вания используется как для синтеза группы частных алгоритмов на этапе проектирования бортовых ИИС. так и для управления их структурой и параметрами непосредственно перед применением бортовых ИИС.

Для достижения намеченной цели была поставлены следующие задачи:

1. Разработать метод применения имитационного моделирования на этапе проектирования ИИС с использованием априорной информации об объектах „исследования и. характере задач, ремаемых информационно-измерительной системой;; V

2. Разработать методику увеличения эффективности. - ИИС • на этапе эксплуатации за счет перенесения основных вычислительных . затрат на стационарную вычислительную технику, предполагающую моделирование работы бортовой ИИС перед ее использованием.

3. Для задач моделирования работы ИИС на этапе проектирования и эксплуатации разработать метод совместного использования алгоритмов распознавания, прогнозирования, преобразования Фурье и 1 регулируемого направленного приема для обнаружения и измерения : координат объектов с шушподобным воздействием на среду. В рамках данного методы: > - ■ '.;... . . . .

- разработать непараметрический : последовательный алгоритм распознавания, прогнозирования и фильтрации негауссовских случайных процессов; . ' ••'.•"•

- разработать алгоритм, оценивания функции плотности с использованием метода Парзена с гауссовым ядром;

- разработать метод уменьшения влияния рекуррентного накапливания ошибок при вычислении коэффициентов канонического разложения случайных векторов методом Пугачева.

Методы исследования. В диссертационной работе использованы ' методы теории вероятностей, спектрального анализа, математической статистики и статистического моделирования условных Сапсхггериор-нкхЗ случайных процессов. ; > '

На защиту выносятся следу вдие.осноанш положения.

1. Метод применения . имитационного. моделирования на этзЛе проектирования бортовых ИИС с использованием априорной информации об объектах исследования и о характере задач, решаемых информационно-измерительной системой.

2. Методика увеличения эффективности ИИС на этапе эксплуатации гэ счет вынесения основных вычислительных затрат на стацио-

парную вычислительнуо технику, предполагашуо моделирование работы Аортовой ИИО перед ее использованием.

3. Метод совместного использования алгоритмов распознавания, пролюзирования. преобразования Фурье и регулируемого направленного приема ' для обнаружения и измерения координат объектов с шумоподобным воздействием на среду для задач Моделирования работы • бортовых ШС на этапе проектирования и эксплуатации. В рамках ' данного метода разработаны::

- непараметрический последовательный алгоритм распознавания, прогнозирования и Фильтрации негауссовских случайна процессов;

- алгоритм оценивания функции плотности с использованием , метода Парзена с гауссовым ядром;

- метод уменьшения влияния рекуррентного накапливания ошибок - при вычислении коэффициентов канонического разложения случайных

векторов методом Пугачева.

Научная новизна. Для целей увеличения эффективности ИИС на этапе. эксплуатации и уточнения программно-аппаратной структуры ИИС. во время проектирования предложен комплексный подход к . обработке, случайных процессов.-системно учитывавший современные достижения в.области распознавания, фильтрации и прогнозирования, в рамках которого разработаны: ■

1. Последовательной непараметрнческий алгоритм совместного :решения; задач распознавания, прогнозирования и фильтрации для

, негауссовских случайных , процессов с учетом последействия Ссвязности марковских случайных процессов).

2. Алгоритм прогнозирования,, использугаций метод Пугачева для преобразования случайных : векторов с зависимыми компонентам:! в случайные векторы с независимы® и равномерно распределенными на

; интервале [0.1] компонентами. Прогнозирование реализаций услоеных случайных' векторов осуществляется методом статистических испытаний. . ; . •• '

' 3. Алгоритм ,непарзметрического оценивания функции плотности методом Пзрзена с Гауссовым .ядром и с предварительным кано-' нйчс-ским преобразованием'Пугачева для случайных векторов. . . ; 4. Модифицирован рекуррентный алгоритм Пугачева канонического разложения случайных вс-кторов -*, за счет вклочения з нчго . коррёктируиаей процедуры, основанной на методе обращай охзЯм-,лекием с уточнением элементов обратной матрицы..

.3. На. основе универсального алгоритма распознавания, лрог-

нозирования и фильтрации разработаны методы и алгоритмы решения следующих практических задач;

- выделения скрытых периодичностей при спектральном анализе случайных процессов и уточнения их спектров;

- обнаружения и пеленгации объектов с шумоподобным воздействием на среду и фильтрации ложных пеленгов. '..■•'■•

Практическая ценность. Разработанные в диссертационной работе методы и алгоритмы позволяют уменьшить массу:, бортовых, информационно-измерительных систем за счет перенесения вычислительных затрат на этап сбора и обработки априорной, статистической информации при изучении объектов исследования с целм создания эталонов образов и использования полученных' данных в программно-алгоритмической модели комплекса "бортовая ИИС-стационарная ИИС" на этапе проектирования, что позволяет более точно оценить программно-аппаратные затраты на бортовую ИИС. Во время эксплуатации бортовой ИИС часть вьнислительных затрат переносится в стационарное вычислительное устройство для. анализа поступавшей информации в процессе адаптации бортовой ИИС к изменяощимся внешним условиям и корректировки эталонов образов.

.При этом частные алгоритмы Сцмешше малуо Еычислительнуп сдобность), используемыэ в бортовых ИИС. проектируются с учетом автоматизированного анализа случайных процессов предлагаемым паркетом прикладных программ с последующим моделированием функционирования бортовых ИИС для выбора группы частных алгоритмов.

Рассмотрение и апробация работы, результаты работы проверены экспериментально на кафедре ПР-7 Московского института приборостроения. Основные положения диссертации докладывались и обсуждались на Всесоюзном научно-техническом семинаре "Прогнозирование и диагностика в повышении эффективности производства и оксплуа^-тации РЭА" е г. Москве в 1982 г.. на Всесоюзном совещании "Координатно-чуЕствительные фотоприемники и оптгалектроннъе: устройства на их основе" в г. Барнауле в 1987 г.. на Российской научно-технической конференции "Системный анализ и принятие решений в задачах автоматизированного обеспечения качества изделий приборостроения и радиоэлектроники" в г. Махачкале в .1991 г.. на научно-технических конференциях "Ученые Ижевского механического института производству" в г. Ижевске в 1990 г. и в 1991 г.

Публикации. По теме диссертации опубликовано 8 работ, отранашшх ее основное содержание.

Структура и объем работы. Диссертация состоит из введения, четьрех глав, заключения, списка использованной литературы и двух приложений. Работа содержит 163 страниц машинописного текста. 22 рисунка, 9 таблиц и список использованной отечественной и зарубежкой литературы из 102 наименований.

... КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Введение. Во введении кратко анализируется проблема, обосновывается актуальность работы и ее цель, дается перечень вопросов, выносящихся на защиту.

Первая глава посвящена анализу системных методов проектирования ШС с использованием аппарата имитационного моделирования и методики выбора структуры ШС на основе бенчмарковских программ Также рассмотрены задами, распознавания, прогнозирования и Фильтрации применительно к информационно-измерительным системам.

. Системное проектирование ИИС на базе микропроцессоров пред, полагает следу коте этапы: 1) разработка алгоритмов функционирования ИИС;.2Э определение структуры ИИС; 3) ЕЬйор микропроцессора из возможного ряда и коррекция структуры путем моделирования структуры ИИС.:

"Одним из основных этапов в данной методике является выбор микропроцессора, а главным критерием при этом выборе становится быстродействие микропроцессора. . Наибольшая точность определения применимости какого-либо микропроцессора может быть получена только при анализе использования его для предполагаемого применения. Самым распространенным способом такой оценки язллетсл аппарат бенчмарковских программ. Эта методика дает возможность моделировать ИИС на этапе проектирования. Обеспечивает выбор микропроцессора по быстродействию, позволяет уточнить структуру Ж. К недостаткам методики можно отнести болтуп трудоемкость при разработке бенчмарковских программ и довольно грубув оценку стоимости ИИС. учитьшапщуо только стоимость микропроцессора, хотя значительная часть затрат при проектировании ИИС относится к программному обеспечен!.'«. Если 1ГИС сложна, состоит из большого количества программно управляемых частей, то .пршз^тся методы имитационного моделирования с применением аппарата Е-сетей. чго позволяет осуществить структурный подход к построений модели ИИС. при котором обеспечивается наглядность модели, модульньЯ принцип разработки., • возможность перехода к автоматизированной интерак-

тивной процедуре проектирования.

функционирование кнформациокно-измеритепьных систем предполагает решение задачи классификации измерений, вышненных при различных дестабилизирующих случайных воздействиях. Подобные задачи требуг>т использования статистических методов. . Основнье положения статистической теории.распознавания образов изложены п работах. А,Вальда. Дж. Ту и Р. Гонсалеса. К. . К. Фукунаги. .

Применительно к бортовым ИИС распознавание образов в оснисном рассматривается в форме проверки статистических гипотез. Основные положения теории проверки статистических . гипотез изложены в работах Ван Триса Г. Л. . Кендала М. Дж.. Стьшрга А,, Левина Б. Р.. Лемана Э. и др. . Здесь. необходимо отметить работы Васильева Б. 8.. в которых теория проверки статистических гипотез развита в рамках теории дистанционьсго управления надежность:) и эффективностью радиоэлектронных комплексов.

Основная задача синтеза оптимального алгоритма Функционирования ИИС Скак и других сложных систем) - преодоление недостаточности априорной информации. Различат1 следующие осноькые способы решения этой задачи: 1) методы непараметрической статистики; 2) асимптотические методы; 3) , методы адаптации, использующие обучаидаэ выборки; 4) методы параметрической статистики, основание на принципах »швариантностн.пЬдобиО

В задачах распознавания для.получения оценок функции плотности в конкретных реализациях используют как параметрический, так и непараттрический способ задания:априорнсй информации.

, При иепараметрическом задании функции плотности вироко используют парэеновские оценки. Для одномерного случая, можем записать •-

где х - реализация случайной величины, для которой вычисляется оценка функции плотности и(х), а х^.-'Ы^ГС '-'обучающая- выборка. '• КС*? - некоторая весовая функция. ..называемая ядром, с- Ь -константа, хзрактернзугадая форму, ядра по оси абсцисс. Для прямоугольного ядра параметр обычно конкретизируется - как:

г^е N - число реализаций обучающей -'выборки. При использовании прямоугольного ядра в- / предположении . .уь7.ш1»шь'ыий • функции плот ности изъэстен итерационь-лП способ конкретизации нзраметра Ь. а для малых по объему обучавших вьйорок и гауссова ядра параметр

♦

1) конкретизируют, учитывая вероятностные своЯства обучзвиеП выЗорки через второй мсненг. т.е. ■

.рг^Р""*"««* § С1 >

где Е>х- оценка дисперсии обучатся выборки, а Ох/^- оценка Второго момента обучающей выборки относительно элемента х^ .

Задачи фильтрации и прогнозирования имеет теоретическую общность. т.к. основная идея заключается в синтезе соответствующего фильтра. Создание общей теории прогнозирования связано с именами Винера и-Колмогорова. Существенная часть теории была распространена на векторный случай с дискретным и.непрерывны* временем благодаря работам Винера и Мазани. Хелсона и Лгунденоагера. Розанова, Робертсона. Яглска и др. Идея общей теории прогнозирования для одномерных процессов с. дискретньм зрененем состоит в том. чтобы определить наилучшую аппроксимацию элемента :<п) элементами подпространства Доказано, что минимальную дисперсию М(сг(п))=ог дает ортогональная проекция, т.е..

В практических . реализациях алгоритмов прогнозирования получил широкое распространение метод моделирования апостериорных реализаций случайного процесса по координатным функциям со случайны!«! коэффициентами. основанный на каноническом разложении Пугачева. , Пусть ; хс - дискретный скалярный случаРньй процесс. ; кнеша^й каноническое представление

где У9 г случайный коэффициент; М(уу>=0.

- неслучайная координатная функция. Из СЗ) спёдует.

что элементы а^=0 при у>1. т.е. матрица преобразования [Л] -нигняЯ треугольна^. Использование этогЬ- соотношения предполагает моделирование независимых слу.чзйньк к0зфф<ицие1пов .Ур. имёюотх ПЛОТНОСТЬ;0бйЧ1Ю при!<еняпт методы обратньос фуышйй. •кусочно^лянейАоЯ аля/юкевмашгй.*отбора. -суперпозюий!.'

Во второй глазе рассматривается предлагаем« унвьерсальньй алгоритм непара^тркческого распознавания, прогнозирования и фильтрации. основанный на Метода " оценок Парз?! &. каноническом разложении Пугачева к послеяователыюй Сзальдовской) процедуре принятия реаениЯ.'реалкзованньй по' следующей схеме.

1.1. . Рекуррентное . каноническое преобразование координат наблюдаемого вектора х^ЫТ", . в координаты ^.¿--ПгГ согласно соотношения:

где

а*,- Е)^. V

Здесь ту/1 - элементы ковариационной матрицы. - дисперсия декоррелированной компоненты V,,. - математическое ожидание компонент наблюдаемого вектора х^ТТп.

1.2 Распознавание Спринятие решений) осуществляется сравнением рекуррентно вьнисляемой статистики •

«О у • ^Ы^гЩ^У •• ■ Ум-2/Но)

с порогам! и С^. Здесь НА - гипотеза, А - параметр, учитывающий связность марковского сяучаПного процесса. а «(•) -условная функция плотности относительно гипотезы Н^ Если параметр А не известен априорно, то производится его определение согласно приближенного соотношения, вытекающего из условия статистической независимости компонент вектора:;

которое справедливо при А>Л0- Здесь У|| - реализация: обучающей выЗорки. а 6(14) - некоторый назначаемый порог С точность), зависящий от обьема обучащей выборки. Далее принимается решение 7 Спродолжить наблюдение), если

Сбк* ^.У2;...,УпЛ)ге1к. Ы.2.....п-1 . С5)

Принимается решение г0 (гипотеза о наличии образа Н0). если

Принимается решение (гипотеза о наличии образа Н^). если

; ^1(Уг,...,уп,А)*с1Г1. ; ^ При вьнислении оценок условных функций плотности используется метох Парзенэ. которьй приводит к соотношению:

Л^пН^^Е Д^ . СЮ

где - ненормированные гауссовы ядра, п - размерность вектора

V , а N - число реализаций обучавшей выборки. Пороговыэ значения Ч)ки С1к,к=1,2,... , моделируются в.. соответствии с определением ошибок первого и второго рода, то есть

с^Р{«(Х)2С0/И0}=? «„(У^у. Р=Р{й(Х)£Сгк/Н1> » ¿"«„{У^у.

со1е

где Ук - достаточная статистика, о,0(Ук) и ып(Ук) - функции плотности достаточной статистики при гипотезах Н0 и Н1. Для этого методом Парзена находим распределение достаточной статистики:

рг(У)=-ТГ<27Г>~,/г''1"1 ¿^-^Г5-). где

Здесь ?{-{}-) - ненормированное гауссово ядро. Далее назначается точность 3 и ошибка, например, первого рода а. 11а каждом шаге проверяется условие

|1-Р„(*ИфЗ ., (7)

Если С7) справедливо, то

^У^йпО-Р^Ьа^/г , в противном спучае •

Индекс при Уп. определяет номер шага итерации.

2. На втором этапе производится прогнозирование и С или) фильтрация, реализованные следуадим образом. Учитывая, что компоненты У1( определены, запишем условную функции

распределения в следующем виде; ... V

, . -о

Здесь, опущено обозначение условности функции распределения относительно гипотезы Н^ в предположении принятого решения Прогноз осуществляется в форме рекуррентного решения данного уравнения относительно координаты У(^ш=Ы,к+2,....М. Соответствующие случайные величины независимы и

распределены равномерно на интервале [0.13, что позволяет ,моделироЕать их датчиком случайных чисел . Так как условная

функция распределения неубывающая, то поиск

корня уравнения легко производить методом половинного деления (дихотомий). При этом проверяется условие .

.....ук-.-«>1<5.

где 5 - точность, задаваемая априорно. Если данное условие не Бьгюяняется. то координата изменяется по формуле

Верхний индекс для указывает номер шага итерации. Оценка числителя и знаменателя (8) будет производиться методом Парзенэ. Учитывая, что Еьрахение числителя находится интегрированием многомерной функции плотности по последней координате, парзеновская оценка С6) преобразуется к виду

$ . (10)

где г?1п - определенный интеграл гауссова ядра Таким образом, предлагаемая методика позволяет рекуррентно моделировать апостериорные реализации в требуемом количестве. Соотношения (6) и СЮ) показывает вычислительное единство алгоритмов распознавания. прогнозирования и фильтрации.

Бо второй главе также приводятся модернизированные алгоритмы нзрзеноЕСКого оценивания функция плотности и пугачевского канонического разложения случайных векторов.

Для малых обучащих выборок изьостная конкретизация параметра Ь в СI) методом неравномерных гауссовых ядер, зависящих от вторых моментов относительно элементов обучасщей вьйорки. сг.'рзведливз только для унимодальных законов распределения функции плотности. 8 качестве альтернативного решения предлагается конкретизация параметре Ь в форме:

для одномерного случая и . л л , ,

... .У,.)*^.^.... ^ Ч 4 1 1 .ДО

для «ногомер)юго варианта.

С цельр уменьшения оцибск в рекуррентной процедуре выявления коэффициентов канонического разложения Пугачева предлагается их итерационное уточнзкие. Запишем соотношения канонического разложения Пугачёва СЗ) и С4) в матричной фэрме. Строка п ьатрзда ковариации определяется как

где э^ V т траспоннрованнье п-кш векторы-строки матриц Ап и

соответственно без последнего единичного элемента, а диагональная матраца дисперсий декоррелкрованньк компонент.

Решение CID найдем умножением обеих частей на A^t и т.е. Sir-0»1/» lf«

ir n-1. n-1 i» m

Таким образом, для рекуррентного вычисления строк at матрицы Л^ необходимо последовательно находить обратные для Л;,Аг,Лэ,... Для зтого применяется метод обращения окаймлением, зэклсчавщийся в следуадем. Пусть

га u 1

. П-1 п|

V а |

п , яя

^-Г-1 ч

' " k >'°J

где Лп и Рп_. -матрицы порядка t(n-l)(a-l>]: un> rn - векторы-столбцы; V^.q - аекторы-стрски; а^ и «п - числа. Используя соотношение Л~*Лп=Е и решая полученнуц систему относительно Р^, rn- 1л..ая*получкМ:

р„-гСг - An>nvAVv v - Cv

V-УпСг /ая • V ann- \<£i\ • •

Учитывая нулевур верхнсо часть относительно единичной главной диагонали мзтоу.цы Ап в каноническом разложении Пугачева, западем-

Уточнение элементов обратной матрицы производится следующим итерационным процессом. Пусть в качестве обратной матрицы.»

результате получена матрица Уо. Рассмотрим ал:¡¿ку ' ■

При условии, что delR^sl. элементы обратной матрицы могут быть вьмйсяены сколько угодно точно. Построим, лье последовательности матриц (YK) и {¡у . котсри? определяется по Формулам:

Последовательность матриц (R^ быстро убывает: .

det R^det R0>2 и - litri det 5^=0 . значит

Ilm Rk=0 , a lim ; Yb=A-1. * • к*« *

Имеет место следующая сценкз погрешности:

г«

detCY^A-'iifdot Y0b3~

В третьей главе рассматриваются вопросы применения разработанного алгоритма распозназа«:«?.. прогнози; эвзнип и фипьтрации ъ задачах' обнаружения, пеленгации объектов по их шумовому воздействии па среду и спектрального ¿¡налила случайных сигналов. Такзе предлагается решение задачи . обеспечении надежности инфрмационно-йзмерйтельньк систем.

Доказывается, что предлагаемая методика прогнозигювачия

позволяет получить уточнение спектров случайных сигналов как за счет увеличения интервала Фурье-пресбразоьания. так и за счет согласования временного "окна" анализа с интервалом квази-нериодичности исследуемых временных последовательностей. При этом уменьшается дисперсия ошибки спектрального преобразования при данной длине реализации.

Предлагаемся использовать разработанный алгоритм распознавания и прогнозирования в реализации регулируемого направленного приема СРИП) по следующей схеме. На первом этапе используется процедура РНП с применением алгоритма распознавания, что обеспечивает определение и согласование с исследуемым сигналом реализаций обучающей выборки, необходимых для следующего этапа.-На втором этапе производится ' прогнозирование реализаций случайного процесса каадого приемника сигналов до величины, определенной согласованием интервала анализа с интервалом квазипериодичности либо в предыдущих экспериментах. либо непосредственно на этом этапе. Отмечено, что при прогнозировании для экономия вычислительных операций используются результаты промежуточного счета алгоритма распознавания. Последний ; зтап заключается в применении алгоритма РНП. но уже для реализаций, дополненных элементами прогноза.. Такая методика пеленгации позволяет уменьшить дисперсию ошибки, имевшую место в применении-РНП на первом этапе, что обеспечивает уменьшение амплитуды ложных пеленгов, Еозникагшх из-за ограничений анализируемых реализаций во ременной области.1

Применение предлагаемого алгоритма в задачах надежности позволяет принимать решения о потенциальной качественности С или ' некачественности:) и обеспечивает прогноз' .эволюции- параметров. Исходной информацией являются-обучающие-выборки; полученные в результате испытаний работоспособных и выиэлиих го строя изделий. Преимущество предлагаемого алгоритма .вытекает .из возможности:. обработки результатов наблюдения параметров по. малым обучающим выборкам за счет применения 'модернизированного алгоритма оценивания функции плотности, а также обеспечивается уменьшение ■ ошибок расчетов вследствие. применения, модернизированного канонического. разложения случайных векторов методом Пугачеза с использованием корректирующей процедуры. что - позволяет обрабатывать векторы большой размерности.

В четвертой главе рассматривается методика адаптивной эксп-

луатации комплекса "бортовая ИИС - стационарная ИИС", в которой ,предполагается перенесение значительной части вычислительных затрат на стационарную ИИС за счет создания группы субоптимальных алгоритмов, имевших (-алую вычислительную сложность, для применения на. бортовой ИИС. Тогда, перед применением бортовой ИИС производится моделирование функционирования комплекса "бортовая ИИС - стационарная ИИС",. в результате чего выбираем из группы частных алгоритмов обработки входной информации лучший по характеристикам алгоритм. Представленные результаты модельного эксперимента подтверждают эффективность данной стратегии. Уровень ошибок в среднем лишь на несколько процентов превышает уровень ошибок, полученный применением нэпараметрического алгоритма распознавания в качестве рабочего алгоритма бортовой ИИС. тогда как применение любого алгоритма из группы частных алгоритмов дает ошибки, превышающие этот уровень на несколько десятков процентов на интервалах, где модельные случайные процессы не согласованы с обрабатывающим алгоритмом.

Для этапа , проектирования приведена методика совместного применения имитационной модели бортовой ИИС и разработанной программно-алгоритмической модели, заключающаяся в том. что имитационное моделирование комплекса "бортовая ИИС - стационарная ИИС" предполагает параллельную' имитацию процесса обработки входной • информации . в соответствии с предложенной стратегией адаптивной эксплуатации. .Это позволит, получить более точные данные о. программно-аппаратных затратах, так.как непосредственное применение имитационного моделирования потребует исходных данных, учитывающих наихудшее! в. плане вычислительной сложности сочетание программно-аппаратной структуры и входной информации, которое, могет встретиться в данной системе. Е-сетевая модель бортовой ИИС реализована на языке имитационного моделирования СРБЗ.

В данной главе приводятся также результаты сравнительной проверки/ алгоритмов /распознавания, прогнозирования и фильтрации, которая осуществлена как на модельных статистических данных, так и на реальных.; Проверка показала эффективность разработанных методов и алгоритмов.

В приложение включены пакет прикладных программ, состоящий •из подпрограмм на языке ФОРТРАН, реализующих разработанные в диссертационной работэ методы и алгоритмы, программа на языке ОР5Э, моделирующая бортовую ИИС; и акты, подтверждающие

внедрение результатов исследования в промьшгенност .

. ОСНОВНЬЕ РЕЗУЛЬТАТЫ РАБОТЫ .

1. Предложена методика адаптивного функционирования бортовых ИИС. в которой часть вычислительных затрат перенесена на стационарную ИИС. На бортовой ИИС используется лучший для данных внеш- : них условий алгоритм обработки входной информации, выбираемый пу- : тем моделирования на стационарной ИИС из группы частных, имеющих , малую вычислительную сложность, алгоритмов. Для этапа проектирования бортовых ИКС предлагается совместное применение имитационной модели и программно-алгоритмической модели с целью получения более точной оценки программно-аппаратных затрат на бортовую ИИС при реализации разработанной стратегии адаптизной эксплуатации комплекса "бортовая ИИС - стационарная ИИС". Основой предлагаемо- ' го решения задачи увеличения эффективности функционирования'бортовых ИИС является комплексный ! подход к Г. обработке .случайных процессов, системно учитывающий современные достижения г* области распознавания С обнаружения) .пеленгации,, фильтрации и прогнозирования. в рамках которого разработаны следующие алгоритмы:

1.1. Последовательный непараметрический алгоритм совместного решения задач распознавания, • прогнозирования и. фильтрации , для -негауссовских случайных сигналов с учетом последействия Ссвязности марковских .случайных процессов).

1.2. Алгоритм прогнозирования; испольаущий метод Пугачёва -'.' для преобразования случайных векторов с зависимыми компонентами в слу«айные векторы с независимыми. и равномерно распределенными на" интервале [0,1] компонентами; Прогнозирование реализаций условных случайных процессов осуществляется методом .статистических, испытаний.. ••/'•'."-.•''.

1.3. Алгоритм непараметрического оценивания функции плотности методом Парзена с неравномерным гауссовым.ядром и с предварительны* каноническим:; преобразованием . Пугачева ;для " случайных'. векторов.";'. " V'- \ - •-■• •'-■■.'"'. ' Л

1.4. Разработан экспериментальный метод уточнения' порогов классификации при вальдовско'й.стратегии принятия рещешй. х

"1.3. Модернизирован рекуррентный алгоритм/ Пугачева . канонического разложения случайных¡векторов аа счет, применения, обраще-.-• ния матриц скаймпением.;прй вьшелении матрицы преобразования. ..что позволило". . включить корректирующую процедуру ■•' уточнения ее

элементов.

1.6 На сюнове универсального алгоритма распознавания, прогнозирования и. фильтрации разработаны методы и алгоритмы следующих практических задач: »

' - выделения скрытых периодичностей при спектральном анализе случайных процессов и уточнения их спектров:

- обнаружения. пеленгации . объектов с шумоподобнш воздействием на среду и фильтрации ложных пеленгов;

- индивидуального прогнозирования для обеспечения надежности сложных систем.

2. Создан пакет прикладных программ, реализующий предлагаемые алгоритмы на языке ФОРТРАН, для применения в задачах обнаружения, фильтрации, прогнозирования негауссовских случайных сигналов и обеспечения надежности ИИС.

3. В рамках хоздоговорной темы ПС-603/1111 на кафедре ПР-7" Московского института приборостроения внедрены пакет прикладных программой методика предварительного анализа априорной информации о. среде, объектах исследования и результатах функционирования аналогичных устройств и систем, что позволило уменьшить массу бортовых ИИС -за счет упрощения бортового вычислительного оборудования.

По теме диссертации опубликованы следующие работы:

1. Трефилов O.A.. Васильев Б.В. Последовательньй непграмет-рический алгоритм распознавания для сигналов с ограниченным последействием// Проблема диагностики и управления качеством изделий радиоэлектроники. - М.: ВЗМИ. 1982. ~ С. S-10.

2. Трефилов С.А.,.Васильев Б.В. Непараметрический последовательный алгоритм распознавания, фильтрации и прогнозирования// Тез. докл. Всесоюзного научно-технического семинара "Прогнозирование и диагностика в повышении эффективности производства и эксплуатации РЭА". - М.. 1S82. С. 14.

3. Трефилов С. А. Алгоритм вычисления отношения правдоподобия, в задачах распознавания образов// Проблема. диагностики и управления качеством изделий радиоэлектронники. - М.ВЗМИ. 1982.-С. 23-31.'

- • ■ 4. Трефилов С. А. Некоторые вопросы непараметрического оценивания при распознавании, образов// Тез. докл. Всесоюзного научно-технического семинара "Прогнозирование и диагностика в повышении эффективности производства и эксплуатации РЭА",- М.,

1Ш2. -с. is. ..;■:..

5. Трефилов С.А., Шелковников Ю.К. Алгоритм непараметрического распознавания и фильтрации видеосигнала в сканисторных информационно-измерительных комплексах// Тез. докл. к четвертому всесоюзному совещанию "Координатно-чувствительные фотоприемники и оптоэлектронные устройства на их основе". - Барнаул^ 1937.

6. Трефилов С.А. Непараметрическое задание функции плотности-в генераторах случайных чисел// Тез. докл. научно-технической конференции "Ученые ижевского механического института производству". - Ижевск. 1990.

7. Трефилов С.А., Тарасов В.Г. Применение имитационного моделирования при проектировании микропроцессорных информационно-измерительных систем// Тез. докл. российской научногтехнической конференции "Системный анализ и принятие решений в задачах

♦ автоматизированного обеспечения качества изделий приборостроения и радиоэлектроники'1.-Махачкала. 1991.;

8. Трефилов С.А. Алгоритм канонического разложения Пугачева с уточнением матрицы преобразования// Тез. докл. научно-технической конференции "Ученые ижевского механического института производству". - Ижевск. 1991. , .

*