автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.12, диссертация на тему:Автоматизированное проектирование математического обеспечения систем сбора и обработки информации

На правах рукописи

Тараненко Марина Александровна

АВТОМАТИЗИРОВАННОЕ ПРОЕКТИРОВАНИЕ МАТЕМАТИЧЕСКОГО ОБЕСПЕЧЕНИЯ СИСТЕМ СБОРА И ОБРАБОТКИ ИНФОРМАЦИИ

05.13.12. Системы автоматизации проектирования (приборостроение)

Автореферат диссертации на соискание ученой степени кандидата-технических наук

Санкт-Петербург - 2003 г.

Работа выполнена в Санкт-Петербургском государственном университете информационных технологий, механики и оптики

Научный руководитель'. доктор технических наук, профессор Коробейников Анатолий Григорьевич

Официальные оппоненты: доктор технических наук, профессор Демин Анатолий Владимирович кандидат технических наук, доцент Почкаев Александр Яковлевич

Ведущая организация: Санкт-Петербургский филиал института Земного магнетизма ионосферы и распространения радиоволн Российской Академии наук

Защита состоится 25 ноября 2003 г. в 15— часов на заседании диссертационного Совета Д.212.227.05 в Санкт-Петербургском государственном университете информационных технологий, механики и оптики.

Адрес: 197101, Санкт-Петербург, Саблинская ул.14, СПб ГУ ИТМО

С диссертацией можно ознакомиться в библиотеке СПб ГУ ИТМО.

Автореферат разослан 24 октября 2003 г.

Ученый секретарь диссертационного Совета

В.И.Поляков

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Автоматизация проектирования - неотъемлемая составляющая современного научно-технического прогресса. Она значительно снижает длительность, трудоемкость и стоимость создания математического обеспечения систем сбора и обработки информации при одновременном повышении его качественного уровня. Учитывая то, что на создание программно-алгоритмического обеспечения уходит больше средств, чем на создание всей системы, снижение трудоемкости разработки и, следовательно, ее стоимости является очень важным аргументом на пути применения систем автоматизированного проектирования (САПР) при разработке математического обеспечения. Работы В.И. Анисимова, В.М. Курейчика, И.П. Норенкова, JI.C. Понтрягина оказали существенное влияние на развитие САПР и послужили базой для создания новых подходов в совершенствовании систем автоматизированного проектирования. Один из направлений создания САПР систем сбора и обработки информации (ССОИ) связан с разработкой множеств задач САПР, охватывающих отдельные задачи проектирования и объединения их в общую сеть. Он имеет ряд недостатков: трудности при модификации, интеграции САПР, единая система оказывается недостаточно эффективной. Второе направление связано с построением базовой системы, на основе которой создаются ее подсистемы, ориентированные на конкретные прикладные задачи. Такой подход оказывается значительнее эффективнее. В диссертационной работе предлагается развитие САПР ССОИ на основе базовой концепции.

Системы сбора и обработки информации получили широкое распространение в научных исследованиях и на производстве. Возрастающие возможности компьютерной техники обеспечивают высокую эффективность сбора, обработки и преобразования данных в информационных, измерительных и управляющих системах. Одной из важных проблем, существующих в ССОИ, является оптимизация обработки по заданному критерию, которым может быть точность, быстродействие и другие характеристики, зависящие от условий эксплуатации и задач, решаемых системой.

Существует достаточно обширная литература, посвященная методам оптимальной (в смысле точности) обработки (фильтрации/оценивания) сигналов (P.E. Калман, П. Эйкофф, А. Голд, Э.П. Сейдж, PJL Стратонович и др.). И задача построения оптимального фильтра для изучаемых процессов может быть в принципе решена, однако, учитывая необходимость компромисса между точностью и быстродействием фильтрации, необходимо проанализировать, насколько простые в реализации, но неоптимальные фильтры, в условиях, близких к наблюдающимся на практике, проигрывают в точности оптимальным фильтрам. Это позволит из ряда алгоритмов фильтрации для конкретных ситуаций выбирать наилучший фильтр с учетом и точности его работы, и загрузки им вычислительных устройств при его многократном применении, что ведет к необходимости разработки

математического обеспечения, позволяющего оценить эффективность применения методов фильтрации.

Разработанные системы автоматизированного проектирования применяются в различных областях, например, при исследованиях магнитного поля Земли, которые с течением времени получают все большую значимость для многих отраслей науки, таких как: навигация, геотектоника и общая геология, геофизика и другие. Требуется получение максимально точных данных о геомагнитном поле, что приводит к необходимости применения в области геомагнетизма ССОИ, способных за короткие сроки обрабатывать полученные данные о геомагнитном поле, обеспечивая оптимизацию по заданному критерию качества.

Перечисленные выше проблемы делают актуальной научную задачу разработки системы автоматизированного проектирования математическою обеспечения ССОИ, позволяющего осуществить выбор оптимального, с точки зрения заданного критерия качества, метода обработки полученной информации и оценить эффективность применения методов оценивания и фильтрации.

Целью диссертационной работы является разработка методов автоматизированного проектирования математического обеспечения ССОИ, позволяющего осуществлять выбор способов оценивания/фильтрации, для повышения качества и эффективности процессов обработки информации.

Задачи исследования. Для достижения указанной цели решаются следующие задачи:

анализ методов фильтрации/оценивания сигнала в ССОИ, исследование математических моделей процессов сбора и обработки информации.

разработка методики выбора метода фильтрации/оценивания данных в ССОИ в условиях различной априорной информации и в зависимости от заданного критерия качества,

разработка и исследование математических моделей автоматизированной ССОИ,

разработка метода' автоматизированного проектирования математического обеспечения ССОИ,

разработка структуры и определение основных функций проектируемого ППП для ССОИ о геомагнитном поле, разработка структуры ССОИ.

Методы исследований. Методы исследования базируются на использовании теории и методов САПР, принципов системного подхода, аппарата линейной алгебры, теории алгоритмов, теории идентификации и оценивания, теории вероятности и математической статистики, теории методов принятия решений, теории и методов измерения геомагнитного поля.

Научная новизна заключается в разработке автоматизированного выбора методов обработки результатов измерений в зависимости от условий измерений, полученных данных и заданного критерия качества. В процессе достижения поставленной цели были решены следующие задачи:

проведен анализ методов обработки информации в ССОИ; разработаны оценки таких характеристик вычислительных алгоритмов, как точность, быстродействие, скорость сходимости вычислительного алгоритма, наличие априорной информации;

разработана автоматизированная методика выбора алгоритма обработки от заданного критерия качества;

разработано математическое обеспечение ССОИ, которое предназначено для сбора и обработки информации, в зависимости от заданного критерия качества;

разработана структура автоматизированной ССОИ.

Основные положения, выносимые на защиту:

1. Автоматизированные методы проектирования систем сбора и обработки информации

2. Методика исследования математических моделей процессов сбора и обработки информации.

3. Методика выбора метода обработки информации в ССОИ.

4. Методы и алгоритмы идентификации математических моделей процессов сбора и обработки информации.

5. Алгоритмы автоматизированного проектирования математического обеспечения процессов сбора и обработки информации, позволяющие в рамках одного ППП сочетать анализ процессов обработки, как объекта автоматизации, анализ и синтез математической модели, синтез алгоритма управления.

6. Структура автоматизированной ССОИ.

Практическая значимость работы. Эффект использования результатов диссертационной работы заключается:

1. В сокращении сроков проектирования математического обеспечения для автоматизированных систем сбора и обработки информации.

2. В оптимизации процедуры обработки информации в ССОИ.

3. В сокращении времени и увеличении точности обработки.

Апробация результатов работы. Основные результаты работы докладывались на научно-технических конференциях и семинарах. Среди них: XXX н.-т. конференции профессорско-преподавательского состава "Автоматизация проектирования, технология элементов и узлов компьютерных систем" 25-28 января, СПб., 1999, Межвузовский научно-технический семинар с международным участием "Автоматизация проектирования, технология элементов и узлов компьютерных систем" (апрель 1998). Полное содержание диссертации обсуждалось на расширенных заседаниях кафедры "Проектирование компьютерных систем" СПбГИТМО (ТУ).

Публикации. Теоретические и практические результаты представленные в диссертации, отражены в 9 печатных работах, список которых приведен в конце автореферата.

Структура и объем диссертационной работы. Диссертация состоит из введения, четырех разделов, заключения, списка литературы из 159 наименований. Основная часть работы изложена на 249 страницах машино-

писного текста, иллюстрированного 19 рисунками, 2 таблицами и приложения.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Введение. Во введении дан анализ состояния проблемы автоматизации ССОИ, обоснована актуальность темы, сформулирована цель и задачи исследования, а также изложена практическая значимость работы и ее научная новизна, приведены сведения о реализации работы, о публикациях и структуре диссертации, представлено краткое содержание глав.

В первом разделе приведен обзор современного состояния систем сбора и обработки информации. Технический прогресс предъявляет высокие требования к процессам сбора и обработки информации. Растущие потребности к качеству измерений приводят к необходимости автоматизации проектирования систем сбора и обработки информации. Автоматизированное проектирование позволяет сократить сроки разработки, улучшить качество разрабатываемой системы, провести анализ тех или иных способов обработки, их эффективности, снижает трудоемкость, а следовательно и стоимость разработки, уменьшает опасность морального устаревания, а также позволяет выявить новые свойства и способности системы, отвечающие требованиям практики.

В результате анализа характерных особенностей современных ССОИ показана объективная необходимость автоматизированного проектирования математического обеспечения ССОИ, удовлетворяющего высоким требованиям, предъявляемым к процессу обработки информации.

Существует два основных метода автоматизации проектирования: модельное проектирование, основанное на типизации моделей и процессов обработки информации, и типовое проектирование, основанное на типизации элементов проектирования объекта.

В настоящее время, автоматизированное проектирование осуществляется в основном в режиме диалога, когда проектировщик и ЭВМ взаимодействуют друг с другом при помощи программных систем, реализующих на ЭВМ методы теории автоматического регулирования и вычислительной математики.

Следующие принципы автоматизации проектирования упрощают разработку и внедрение конкретного программного обеспечения ССОИ и повышают качество созданной системы:

- использование библиотек типовых программных модулей, позволяющих проектировщику разрабатывать прикладное математическое обеспечение путем его конфигурирования из готовых модулей. Все виды информации, необходимой для оценки рациональности применения, поиска модуля по требованиям к выполняемым им функциям, для проведения конфигурирования с другими модулями; а также данные справочного характера заносятся после проведения соответствующих испытаний модуля в его паспорт;

- использование для имитационного моделирования типовых программных модулей, реализующих модели объектов и возмущений (динамические звенья, нелинейности, генераторы случайных последовательностей и т.д.);

- многовариантное проектирование прикладного математического обеспечения и сопоставление вариантов по различным характеристикам;

- разделение программного обеспечения инструментального комплекса на базовые и проблемно - ориентированные подсистемы создает достаточно простые возможности дальнейшего расширения состава проблемно-ориентированных подсистем и увеличение их числа с охватом других этапов и задач проектирования программно-алгоритмического обеспечения ССОИ;

- базовые подсистемы, включающие в себя организационную, информационную, диалоговую подсистемы, подсистемы имитационного моделирования и документирования создаются в виде универсального системного программного обеспечения - системной оболочки инструментального комплекса, ориентированной на разработчика программно-алгоритмического обеспечения ССОИ. Свойства базовых подсистем определяют качество и удобство работы с инструментальным комплексом.

На основании результатов исследований была сформулирована основная цель диссертационной работы - повышение качества и эффективности процессов обработки информации, путем разработки процедур выбора метода фильтрации/оценивания сигнала, с помощью автоматизированного проектирования математического обеспечения ССОИ.

Второй раздел посвящен разработке и исследованию, математического обеспечения моделей автоматизированной ССОИ, анализу методов обработки информации, таких как методы статистического оценивания, регуляризации, фильтрации.

Математическое обеспечение (МО) включает операционную систему (ОС) и пакеты прикладных пр01рамм (ППП). В функции ОС входит управление сбором и обработкой данных. ППП обеспечивают получение оперативной информации, обработку, представление этой информации, реализацию прогностических схем и методик, а также распространение информации потребителю.

Разработанная система специального МО, представленная на рис.1 имеет сложную иерархическую структуру.

Обработка сигналов всегда проводится в условиях априорной неопределенности. Поэтому назначением системы является максимальное уменьшение этой неопределенности за счет целесообразного использования результатов измерений и априорных данных.

В процессе измерения какого-то параметра физического процесса цель - получение его оценки с максимальной точностью на всем интервале значений этого параметра. Формально соответствие алгоритма обработки и цели устанавливается с помощью выбранного критерия качества. Если в измеряемый или оцениваемый параметр, а в - у(у('))— результат оценки, то в качестве критерия может использоваться среднее значение квадрата ошиб-киУ = Мм)-в} , где М - символ вычисления математического ожидания.

Рис. 1. Структурная схема специального математического обеспечения ССОИ.

Обоснованный выбор критерия зависит от назначения синтезируемого алгоритма, от модели источника информации и от других факторов.

Задачи обработки сигналов в зависимости от характера решения у(у(0) можно разделить на три класса.

1. Обнаружение или различение сигналов.

В этом случае параметр д за период наблюдения принимает одно из фиксированных значений в„ ¡=0,1...т.

2. Оценивание параметров сигнала.

Предположим, что параметр в также принимает за время наблюдения одно фиксированное значение, но, в отличии от задачи различения сигналов, в может быть и вектором оцениваемых параметров. Решением у(у(ф и в этом случае является построение оценки параметра 0, т.е. у(у(0)=9, где в - оценка параметра в.

Широким классом задач оценки параметров являются задачи построения оценок функции регрессии или задачи регрессионного анализа.

При этом случайная величина у связана с независимой переменной х следующим образом:

у- вх+у, где V - ошибка измерения.

Задача состоит в построении оценки вектора параметров 0.

Одним из наиболее известных методов статистического оценивания является метод наименьших квадратов (МНК), который предназначен для уточнения ориентировочных значений, определенных предварительно каким-либо другим способом. В случае применения этого метода не требуется никакой априорной информации.

Требование МНК: для того чтобы данная совокупность наблюдаемых

значений у,,у2......у„ была наивероятнейшей, нужно выбрать функцию <р(х)

таким образом, чтобы сумма квадратов отклонений наблюдаемых значений у, от <р(х^ была минимальной:

п

1=1

Сущеавенный недостаюк метода наименьших квадратов и ему аналогичных методов это отсутствие рекуррентности при сравнительной простоте вычислений.

Другим методом статистического оценивания являются марковские оценки, которые считаются оценками обобщенного МНК.

Предположим, что известна ковариационная матрица аддитивного шума:

ШШ]... ШМк)] "

(2)

ъшят...

Тогда правило оценивания опишем формулой:

§= [УУ'УГ^УУ'/. (3)

Формула (3) является марковской оценкой.

В случае гауссовского аддитивного шума марковские оценки и оценки МНК эквивалентны оценкам метода максимального правдоподобия (МП).

Оценка МП определяется как значение параметра, подлежащего оценке, при котором функция правдоподобия принимает наибольшее значение.

Задачу оценивания можно рассматривать как исследование параметров распределения вероятностей.

Суть метода следует из его названия: за оценку параметра принимается такая оценка, которая доставляет максимум функции правдоподобия Цх.в):

в{х) = arg max L{х, в). (4)

Если функция правдоподобия дважды дифференцируемая функция, то условие (4) эквивалентно решению системы:

¿¿М) = 0, (5)

¿¿М)<0. (6)

Решение (5), (6) и есть искомая оценка (в~-ё).

При использовании МНК в настраиваемых моделях можно устанавливать начальные значения параметров в соответствии с наилучшими априорными знаниями и предположениями. При этом, однако, не удается достаточно просто ввести в схему оценивания степень достоверности этих начальных значений. Именно здесь оказывается полезным байессовский подход к оцениванию.

Байесовский фильтр целесообразно использовать лишь в том случае, когда статические характеристики шума, присутствующего при измерениях, а также априорная плотность вероятности р(х") известны или существует возможность их определения после накопления достаточного количества сведений об исследуемом процессе. С точки зрения реализации более простым и удобным является МНК.

3. Оценка сигнала, или фильтрация.

Этот класс задач принципиально отличается от 1 класса тем, что информационный параметр в за время наблюдения может меняться. В частности, в может быть случайным процессом или детерминированным сигналом, связанным с полезным сигналом S(t, 6(t)).

Задача состоит в построении функции оценки y(y(t))= в (t) процесса в(1) по наблюдаемой реализации y(t) =S(t,9ov(t). Знак п означает взаимодействие (сложение или умножение). Если d(t)=S(t), то есть наблюдаемая реализация y(t) является смесью полезного сигнала S(t) и шума v(t), а полезный сигнал совпадает с информационным параметром, то задача фильтрации состоит в оценивании значения S(t) в момент окончания наблюдения.

В общем случае задача фильтрации - построение оценки y(y(t)) требуемого преобразования 7,(S(t)). В задачах линейной фильтрации строящаяся оценка y(y(t)) является линейным преобразованием наблюдения, т.е. y(y(!))=2[x(t)], где Z- оператор линейного преобразования.

' Наиболее распространенными фильтрами являются фильтр Винера и фильтр Капмана.

Фильтр Винера оптимален для сигналов с гауссовским распределением. В качестве априорной информации о данных сигнала используются полагающиеся известными их автокорреляционные функции гу(тгт2) и ru0y(t-т) и соответствующие спектральные плотности Ry(to) и R/co).

При оптимизации фильтра ставится задача приближения к идеальному выходному сигналу f0(t) в виде:

/.(')= )hA'-Mr)dT, (7)

где ho(t-z) - весовая функция заданного фильтра преобразования входного сигнала в выходной.

Реальный выходной сигнал фильтра

/(') = )h{t - Mr)dr = )h(t - тЫ>)+ v(r)]rfr, (8)

-со -<л

где h(t-r) - весовая функция искомого фильтра.

Если шумы объекта и измерения, а также начальное состояние имеют нормальные законы распределения, то фильтр Калмана представляет собой наилучший (в смысле минимума дисперсий ошибки) линейный фильтр независимо от вида распределения и наилучший алгоритм из всех возможных линейных и нелинейных алгоритмов оценивания, однако требует наибольшего объема данных.

Наиболее эффективным (в отношении точности, устойчивости, исходной информации) среди детерминистических методов решения, несмотря на минимальное использование априорной информации (значения погрешностей ö и £, а также прогноз решения у) является метод регуляризации, где ставятся два условия: условие минимизации невязки (9) и условие нормы решения типа (10)

|| Ay-j\\2=min, (9)

\y\2=mm. (10)

у

Это задача условной минимизации, и она решается методом неопределенных множителей Лангранжа, а именно,

\ Ay-j\2L2+a\y\2L2= min, (11)

где а >0 - параметр регуляризации, играющий роль неопределенного множителя Лангранжа. Из условия (11) вытекает уравнение Тихонова:

(аЕ +А*А)уа= A*f, (12)

где Е единичный оператор (Еу=у). Полученное уравнение является уравнением второго рода.

Решение уравнения (12) есть

уг=(«Е + А*А)-'А*/ . (13)

Приведенное рассмотрение методов обработки сигналов позволяет *

заключить, что не существует универсального метода обработки, который ,

можно было бы рекомендовать как наилучший. Использование того или иного <

подхода зависит от вида решаемой задачи и от следующих факторов:

1. Требуемая точность измерений и помехозащищенность системы;

2. Быстродействие регистрирующего устройства и вычислительной | системы;

3. Наличие независимых каналов получения информации о характеристиках сигналов и внешних воздействиях;

4. Возможность получения надежных априорных оценок параметров сигналов.

Методы линейной обработки основываются на развитом теоретическом базисе, обладают высокой точностью и широкими функциональными возможностями. Вместе с тем, в ряде случаев целесообразны специальные методы нелинейной обработки сигналов. '

Важно подчеркнуть, что рекуррентные методы эффективны при I

надежных априорных оценках вектора параметров. Качество априорных оценок оказывает существенное влияние на условия сходимости и '

устойчивости оценок. В общем случае, параметрической идентификации сигналов необходимо условие несмещенности, состоятельности оценок.

Третий раздел посвящен разработке методов -и алгоритмов проектирования математических моделей автоматизированного выбора метода фильтрации/оценивания. !

Накопившийся к настоящему времени опыт решения прикладных задач |

оценивания, нашедший отображение в многочисленных публикациях на эту тему, позволяет утверждать, что не существует универсального алгоритма оценивания, одинаково пригодного для решения любых конкретных задач. На практике приходится добиваться, как правило, разумного компромисса между взаимно конкурирующими критериями качества решения задачи (точность, быстродействие, устойчивость), исходя из тех или иных потребностей.

Различные фильтры дают разную погрешность восстановления полез- 1

ного сигнала. Как правило, более точные фильтры являются более сложными (

устройствами (программами). Реализация более точного цифрового устройства ведет к увеличению объема памяти, а также удлинению времени работы. При '<

построении современных вычислительных систем часто необходимо 1

осуществлять фильтрацию сотен и тысяч сигналов одновременно, отсюда понятна важность и актуальность вопроса обоснованного выбора <

используемых фильтров. Для этого требуется количественно оценить погрешности выделения полезного сигнала при использовании фильтров различных типов и выделить области возможного применения используемых на практике фильтров.

Функционал качества обработки информации:

1. Точность методов оценивания (фильтрации) можно выразить критериями:

а) критерий отношения сигнал-шум на выходе (при предположении, чго шум n(t) - стационарный случайный процесс с нулевым средним (белый шум с двухсторонней спектральной плотностью S„(w)-No/2)). Оптимальный фильтр, максимизирующий отношение сигнал-шум на выходе, называется согласованным фильтром.

б) критерий среднеквадратической ошибки. В данном случае необходимо получить характеристику h(t)=h0„m(t) или частотную характеристику H(iw)=Honm(iw), которая минимизировала бы дисперсию

ошибки Е(е2) (суммарный квадратичный критерий характеризующий

степень адекватности модели исследуемому процессу по всей выборке:

анализирующий квадрат невязки между моделируемым выходом и реальным выходом на каждом шаге, N - число итераций).

2. Сходимость.

Пусть хп - начальная точка поиска, х - искомая точка поиска. Пусть далее в результате работы некоторого алгоритма порождается последовательность точек а1(хв),...,ак(х0),..., скользящая к оптимальной точкех.

Рассмотрим числар и /?, определяемые отношением:

Величина р называется порядком сходимости, а р - коэффициентом сходимости.

3. Быстродействие. Минимум времени на решение задачи обработки можно выразить следующей формулой: Т'=тт{Т~},

где Т, - время решения задачи с использованием /-го алгоритма.

Методика выбора рационального алгоритма по быстродействию включает следующие этапы:

а). Для каждого вычислительного алгоритма, реализующего данную задачу обработки, на основе математического моделирования строится регрессионное уравнение.

б). Конкретизируются параметры задачи, которые необходимо решить, и по ним просчитывается временные оценки всех вычислительных алгоритмов, при помощи которых можно решить задачу обработки информации.

усредненный пошаговый квадратичный критерий

Здесь через lim обозначается верхний предел последовательности ук: lim = lim sub{yK ,y^t,...}.

в). Выбирается алгоритм с минимальной временной оценкой и применяется для решения задачи обработки информации.

3.Количество используемой априорной информации. Любой алгоритм оценивания, претендующий на оптимальность, должен полностью использовать имеющуюся априорную информацию.

Анализируя различные методы обработки, сравнивая их с оптимальным, с точки зрения точности, теоретическим фильтром можно спроектировать алгоритм выбора, обработки информации, в зависимости от требуемой точности. Аналогичным образом определяются приоритеты алгоритмов по сходимости, быстродействию.

В зависимости от выбранной функции качества характер оптимизации различен. Если целью эксперимента является измерение какой-либо величины с наиболее достижимой точностью, то система, обеспечивающая такое измерение, оптимальна по этому критерию. В других случаях возникает необходимость оптимизации по иным критериям, таким как чувствительность, стоимость, вес аппаратуры, время измерения, объем данных, количество приборов и т.д. при заданной точности измерения.

Оптимизация системы в целом существенно зависит от связи и влияния друг на друга различных ее элементов. Если не учитывается связь элементов системы, то оптимальная система может быть построена путем оптимизации каждого из ее элементов в отдельности, однако такая оптимальная система может оказаться не самой удачной.

Современные сложные измерительные системы характеризуются тесной связью различных этапов измерения между собой. Способ получения данных об объекте измерения влияет на метод выбора их обработки, и наоборот, расположение датчиков, режим их работы в значительной степени определяются алгоритмом обработки.

Процедура выбора принадлежит к некоторому классу алгоритмов, которые определяются свободными параметрами, выбираемыми так, чтобы -удовлетворить (настолько хорошо, насколько могут) целям проблемы выбора.

Схема выбора алгоритма представлена на рис.2.

К пространству задач относится набор решаемых задач (данных программы) - X.

Множество алгоритмов, которые необходимо рассматривать, обширно и разнообразно, их можно объединить в пространство алгоритмов, его заполняет набор алгоритмов (программ) - А, которыми можно пользоваться.

51 - отображение выбора, которое каждой конкретной задаче ставит в соответствие алгоритм ее решения (отображение выбора).

Р - вектор значений (результатов измерений) рабочих характеристик алгоритма А, применительно к задаче X.

характеристика алгоритма Рис.2. Схема процедуры выбора алгоритма.

Для выполнения процедуры выбора алгоритма необходимо знание следующей информации об алгоритме:

1. Полное описание алгоритма и класса предполагаемых для решения

задач.

2. Информация о вычислительной сложности, скорости сходимости, оценках ошибки, числе операций на одном шаге и т.д.

Программная подсистема обработки информации производит расчет данных в двух режимах: автоматическом и диалоговом. Результаты расчета отображаются на экране дисплея и печатающем устройстве в форме, удобной для зрительского восприятия (таблицы, графики).

В диалоговом режиме выбор метода происходит по команде оператора, а в автоматическом - последовательным перебором всех методов оценивания / фильтрации, варьируя ими в зависимости от наличия данных и заданного оператором критерия эффективности.

В процессе функционирования могут вызываться различные модули (фильтры) отвечающие за определенный метод обработки.

В четвертом разделе рассмотрена практическая реализация САПР ССОИ о геомагнитном поле, разработана структура ССОИ о геомагнитном поле. Структурный анализ ССОИ позволяет расчленить ее на ряд взаимосвязанных систем, решающих самостоятельные задачи. Основной принцип организации ССОИ - иерархический.

Основные особенности ССОИ о геомагнитном поле: большое число взаимодействующих элементов, составляющих систему; наличие общей задачи и единой цели функционирования; иерархическая структура связей подсистем;

сложность поведения всей системы, связанная со случайным характером внешних воздействий и большим количеством обратных связей; централизация и автоматизация управления в системе; устойчивость к внешним и внутренним помехам и наличие самоорганизации;

надежность системы в целом, обеспечивающая правильность выполнения задач.

В ходе работы был разработан ППП ССОИ о геомагнитном поле, структурная схема которой представлена на рис. 3.

Метод срсдневзвс -шенной фильтраци

Рекуррентные байесовские соотношени

Фильтрация (цифровая)

СУБД

Управ ляюшая система

Сервис

ные програ ммы

Блок Блок

измерителей |еомагнит

кинематических ПЫХ

и динамически*. нзчерще

параметров леи

движущейся характерно

СИС1СМЫ ■ >1 к МПЗ

отсчета. +

связанной с

3-х-коч-

магнитными

преобразователя понен!-

ми и др. иый

датчиками ма! ки-юметр

Блок контроля режимов работы различных у(лроис\в в системе, фиксирующих изменения, отказы и др. нарушения в рабочей системе Блок измери телей МП от объекта Блок измерителей характеристик и параметров сигналов, помех, возмущений

Система прообразов

ателей первичной информа ЦИИ

Рис. 3. Структурная схема ППП автоматизированной ССОИ

Линейные фильтры

Нелинейные фильтры

Фильтр Фильтр

Калмана Винера

Система устройств обработки с целью получения данных о структуре и статических свойствах анализируемых, величин

Монитор в данной системе реализует все функции связи системы с программами, прием и исполнение команд, вводимых с терминала. Банк данных призван обеспечить организацию накопления и оперативного использования геофизических данных. База данных ССОИ содержит информацию о моделях движущегося объекта и информацию о моделях магнитного поля земли на схемах они изображены как блок моделей движущегося объекта и блок моделей МПЗ соответственно. Задание исходных данных на моделирование, управление программами расчетов и информационный обмен между банком данных и компонентами системы осуществляется в интерактивном режиме с помощью системы диалога', которая обеспечивает задание условий движения носителя, структуры и параметров моделируемой системы, режимов и программ моделирования, а также задание видов анализа расчетной информации, способов ее отображения на устройствах вывода. Система получения измерительной информации обеспечивает потребности в измерительной информации всех компонентов системы. Система обработки информации содержит различные программы, обрабатывающие информацию.

Результаты диссертационной работы внедрены в опытную эксплуатацию на научно-производственном предприятии СПбФ ИЗМИР РАН и в учебном процессе СПб ГУ ИТМО. Практическое использование результатов диссертационной работы подтверждено соответствующими документами о внедрении.

Разработанная ССОИ отличается от аналогичных систем введением новых возможностей выбора алгоритмов по критериям точности, быстродействия и др. В результате можно получить наиболее точные данные о исследуемом явлении с максимальной скоростью обработки.

В заключении приведены основные результаты работы.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ И ВЫВОДЫ.

В ходе работы над диссертацией получены следующие результаты:

1. Разработана САПР МО ССОИ.

2. Разработана автоматизированная методика выбора алгоритмов обработки информации. Проведено исследование методов фильтрации исходных данных с целью определения различных факторов, влияющих на качество обработки информации.

3. Выделен комплекс параметров анализа методов обработки информации.

4. Разработаны алгоритмы обработки информации в ССОИ.

5. Разработана автоматизированная система сбора и обработки информации о геомагнитном поле.

6. Приведено обоснование перспективности применения различных методов и алгоритмов при решении задач обработки информации в ССОИ о геомагнитном поле.

По теме диссертации опубликованы следующие работы:

1. Тараненко М.А. Ограничения, накладываемые при проектировании алгоритмов оценивания в системе сбора и обработки информации. Тезисы докладов н.-т. семинара ГИТМО (ТУ). - СПб., 1998.

2. Тараненко М.А., Гатчин Ю.А., Коробейников А.Г. Особенности процесса проектирования математических моделей системы сбора и обработки информации. Тезисы докладов.ХХХ н.-т. конференции профессорско-преподавательского состава "Автоматизация проектирования, технология элементов и узлов компьютерных систем" 25-28 января, СПб., 1999. - стр. 100.

3. Тараненко М.А. Методы оценивания в проектируемой системе сбора и обработки информации. Тезисы докладов, СПб.ГИТМО(ТУ).-СПб, 1998.

4. Тараненко М.А. Автоматизированные методы проектирования программно-алгоритмического обеспечения систем сбора и обработки информации. Межвузовский научно-технический семинар с международным участием "Автоматизация проектирования, технология элементов и узлов компьютерных систем" (апрель 1998)., Тезисы докладов СПб.ГИТМО (ТУ).- СПб, 1998.

5. Тараненко М.А. Особенности построения автоматизированной системы сбора и обработки информации о геомагнитном поле. 1998. Деп. в ВИНИТИ.

6. A.G. Korobeinicov, М.А. Taranenco, Yu..A. Gatchin Designing of arhitecture of software based on knowledge for technological processes of optical cristal growing / X Conferense on laser Optics, October 19-21, 1999, p 171

7. A.G. Korobeinicov, M.A. Tarancnco, Yu..A. Gatchin Production models of knowledge representation in automated control systems of technological processes of optical cristal growing// X Conferense on laser Optics, October 19-21, 1999, p 165.

8. Тараненко M.A., Коробейников А.Г. Метод концептуального моделирования проектирования систем сбора и обработки информации интегрированных автоматизированных устройств управления - В книге "Современные технологии" под ред. С.А.Козлова//СПб.ГИТМО (ТУ), 2001., - с.122-127.

9. Тараненко М.А. Тимошенкова М.Ю. Автоматизированная система мониторинга электромагнитных полей - В книге "Труды международных научно-технических конференций "Интеллектуальные системы (IEEE AIS'03)" и "Интеллектуальные САПР(САБ-2003) ".Научное издание в 3-х томах. М.: Изд-во Физико-математической литературы, 2003, Т.2.-502 е.- ISBN 5-9221-0447-0. стр.61-65

Тиражирование и брошюровка выполнены в учреждении «Университетские телекоммуникации»

197101, Санкт-Петербург, Саблинская ул., 14, тел. (812)233-46-69 Тираж 100 экз. Заказ № 85

îôûl'/l 8636

Введение.

ГЛАВА 1. Обзор состояния вопроса и задачи автоматизации исследования и проектирования программно-алгоритмического обеспечения систем сбора и обработки информации.

1.1. Обзор состояния вопроса.

1.2. Концепция систем автоматизированного проектирования.

1.3. Особенности проектирования программно-алгоритмического обеспечения.

1.4. Методы автоматизированного проектирования программноалгоритмического обеспечения.

1.5. Задачи автоматизации исследования и проектирования ПрОГраММНОалгоритмического обеспечения ССОИ.

1.6. Постановка задачи автоматизации исследования и проектирования программно-алгоритмического обеспечения ССОИ о геомагнитном поле. ^

1.7. Выводы. ^

ГЛАВА 2. Разработка и исследование математических моделей автоматизированной ССОИ.

2.1. Анализ и особенности процесса автоматизированного проектирования математических моделей.

2.2. Принципы и методы разработки математических моделей ССОИ.'.

2.3. Автоматизированные методы исследования математических моделей ССОИ.

2.3.1. Структура и параметры математических моделей ССОИ.

2.3.2. Структурные свойства ССОИ.

2.4. Исследование методов оценивания параметров.

2.4.1. Погрешности измерений.

2.4.2. Статистическая обработка результатов преобразования.

2.4.3. Схема оценивания.

2.4.4. Свойства оценок.

2.4.5. Метод наименьших квадратов.

2.4.6. Марковские оценки.

2.4.7. Метод средневзвешенной фильтрации. ф 2.4.8. Рекуррентные байесовские соотношения.

2.4.9. Оценка максимума правдоподобия.

2.4.10. Оценивание по минимальному среднему риску.

2.5. Обобщенный анализ статистических методов оценивания.

2.6. Методы регуляризации.

2.7. Цифровая фильтрация.

2.7.1. Фильтр Винера.

2.7.2. Фильтр Калмана. 2.8. Выводы.

ГЛАВА 3. Разработка методов проектирования математических моделей автоматизированного выбора методов обработки информации в ССОИ.

3.1. Основные требования, предъявляемые к алгоритмам обработки информации.

3.2. Оценки характеристик вычислительных алгоритмов.

3.3. Автоматизированный выбор метода обработки информации.

3.4. Функционал качества проектирования алгоритма автоматизированного выбора методов обработки информации.

3.5. Разработка алгоритма автоматизированного выбора метода обработки.

3.6. Принципы построения автоматизированной ССОИ.

3.7. Выбор языка программирования и структура пакета прикладных программ проектирования математических моделей ССОИ о геомагнитном поле.

3.8. Разработка структуры ДГС и особенности ее программной реализации.

3.9. Выводы.

Щ ГЛАВА 4. Применение разработанной методики в ССОИ о геомагнитном поле.

4.1. Особенности работы с геомагнитной информацией.

4.1.1. Структура геомагнитного поля.

4.1.2. Средства измерения земного магнетизма.

4.2. Методы измерения геомагнитной информации.

4.3. Задачи, стоящие перед ССОИ о геомагнитном поле.

4.4. Автоматизированная система сбора и обработки информации. 4.5. Структура ССОИ.

4.5.1. Монитор.

4.5.2. Банк данных.

4.5.2.1. База данных.

4.5.2.2. Программное обеспечение.

4.5.3. Система диалога.

4.5.4. Система получения первичной информации.

4.5.5. Система обработки информации.

4.6. Выводы.

Одной из важных проблем настоящего времени является автоматизация проектирования во всех отраслях народного хозяйства. Появление этих проблем обусловлено необходимостью сокращения сроков проектирования при повышении качества, т.к. при длительном проектировании решения морально устаревают до момента их реализации. Кроме того необходимо обеспечить уменьшение затрат труда проектировщиков. На помощь при решении этих проблем спешат технические средства и соответствующее математическое обеспечение, образующие одно из направлений автоматизации проектирования - систему автоматизированного проектирования (САПР), которое осуществляет получение оптимального проектирования решений и их оформление в виде различных стадий проекта. Работы В.И. Анисимова, Л.Б.Абрайтиса, Д.И. Батищева, В.М. Глушкова, Г.Г.Казеннова, В.М.Курейчика, И.П. Норенкова, Л.С.Понтрягина, А.И. Петренко, А.Ф. Прохорова и других оказали существенное влияние на развитие САПР и послужили базой для создания новых подходов в совершенствовании систем автоматизированного проектирования. Разработка САПР включает: разработку пакета прикладных программ (ППП), объединенных в проблемно-ориентированные подсистемы; разработку системного математического обеспечения (МО), объединяющие эти подсистемы в единую управляемую диалоговую систему; реализацию в этой системе определенной иерархической процедуры проектирования, удовлетворяющей требованиям общей теории АП.

Подходы, методы и алгоритмы, разработанные в рамках создания САПР, находят применение в различных прикладных областях. Одной из них являются задачи, связанные с созданием систем сбора и обработки информации (ССОИ).

Прогресс в различных областях науки ставит новые задачи перед ССОИ, существенно возрастает количество обрабатываемой информации, получает распространение распределенная обработка и ориентировка на конечного пользователя, развиваются вопросы типизации процессов обработки, и представление процессов в виде комплексов и пакетов программ.

Анализ отечественной и зарубежной литературы [1,2, 40, 55, 81] свидетельствует, что существующие системы сбора и обработки информации (в частности, о геомагнитном поле), характеризуются, как правило, большим объемом обработки данных, содержащих случайные погрешности и грубые ошибки. Зачастую обработку в таких системах необходимо выполнять за приемлемый промежуток времени или в режиме реального времени и с максимальной точностью.

Несмотря на определенные достижения в области создания автоматизированных ССОИ, их проектирование осуществляется при построении автономных систем регулирования и управления.

Существует два основных направления создания САПР систем (в частности, ССОИ о геомагнитном поле). При первом направлении создается множество частных САПР, охватывающих отдельные виды деятельности проектирования, включенные в единую сеть. Такой подход характеризуется трудностями при модификации таких проблемно-ориентированных САПР. Единая система, полученная путем объединения отдельно разрабатываемых подсистем, как правило, не эффективна, а интеграция системы трудно реализуема. Второе направление связано с построением базовой системы, на основе которой гибко и оперативно формируются ее подсистемы, способные решать конкретные прикладные задачи в широком классе без ограничений на используемые при этом методы и методики решения.

Перспективным является создание автоматизированной ССОИ, способной охватить все этапы обработки информации и проектирования алгоритмического обеспечения, открытой для пользователя, как по расширению реализуемых функций, так и по библиотекам исследуемых алгоритмических модулей.

Постоянно возрастающие требования к качественным характеристикам систем сбора и обработки информации, интенсивно увеличивающаяся концентрация источников излучения различного назначения, и непрерывно усложняющаяся помеховая обстановка, приводят к необходимости исследования потенциальных возможностей существующих алгоритмов обработки сигналов, а также разработке их модификации, учитывающих многие факторы (такие как, априорные знания, критерии качества и т.д.).

ССОИ получили широкое распространение в научных исследованиях и на производстве. Возрастающие возможности компьютерной техники обеспечивают высокую эффективность сбора, обработки и преобразования данных в информационных, измерительных и управляющих системах, однако одной из важных проблем, стоящих перед ССОИ, является оптимизация обработки по заданному критерию, которым может быть точность, быстродействие и другая характеристика, зависящая от условий эксплуатации и задач, решаемых системой.

Существует достаточно обширная литература, посвященная методам оптимальной (в смысле точности) фильтрации сигналов, таких авторов, как Р.Е.Калман, П.Эйкофф, А.Голд, Э.П.Сейдж, Р.Л.Стратонович и др. И задача построения оптимального фильтра для изучаемых процессов может быть в принципе решена, однако, учитывая необходимость компромисса между точностью и сложностью фильтрации, необходимо проанализировать, насколько простые в осуществлении, но неоптимальные фильтры, в условиях, близких к наблюдающимся на практике, проигрывают в точности оптимальным фильтрам. Это позволит из ряда алгоритмов фильтрации для конкретных ситуаций выбирать наилучший фильтр с учетом и точности его работы, и загрузки им вычислительных устройств при его многократном применении, что ведет к необходимости разработки математического обеспечения, позволяющего оценить эффективность применения методов фильтрации.

Разработанные системы автоматизированного проектирования применяются в различных областях, например, при исследованиях магнитного поля Земли, применительно к которым в диссертационной работе будет рассмотрена эффективность разработанной методики.

Широкий спектр задач, возникающих при обработке информации, стимулировал появление разнообразных теоретических методов и подходов. Отсюда возникает проблема выбора на основе введенных критериев наилучшего алгоритма с целью формирования оптимальной процедуры решения конкретной задачи.

Актуальность. Автоматизация проектирования - неотъемлемая составляющая современного научно-технического прогресса. Она может значительно снизить длительность, трудоемкость и стоимость создания программно-алгоритмического обеспечения систем сбора и обработки информации при одновременном повышении его качественного уровня. Учитывая то, что на создание программно-алгоритмического обеспечения уходит большее количество средств, чем на создание всей системы, снижение трудоемкости разработки и, следовательно, ее стоимости является очень важным аргументом на пути автоматизации программно-алгоритмического обеспечения.

Исследования в области геомагнетизма с течением времени получают все большую значимость для многих отраслей науки, таких как: навигация, геотектоника и общая геология, геофизика и другие. Требуется получение максимально точных данных о геомагнитном поле, что приводит к необходимости создания автоматизированных систем сбора и обработки информации, способных за короткие сроки обрабатывать полученные данные о геомагнитном поле, оптимальным способом фильтруя их.

Это делает необходимым создание библиотеки программ, ориентированных на решение определенных практических задач. Отсюда возникает проблема выбора на основе введенных критериев наилучшего алгоритма с целью формирования оптимальной процедуры решения конкретной задачи.

Необходимость при проверке различных гипотез применимости различных алгоритмов в процессе решения трудоемких многопараметрических задач делает актуальным разработку автоматизированных методов проектирования математического обеспечения систем сбора и обработки информации, в частности, информации о геомагнитном поле.

Предметом исследований, проведенных с помощью САПР в диссертационной работе, являются методы и алгоритмы математического моделирования, методы проектирования, синтеза и анализа законов управления процессами сбора и обработки информации.

Цель диссертационной работы - разработка метода автоматизированного проектирования математического обеспечения ССОИ, которое позволяет осуществлять выбор методов оценивания/фильтрации, для повышения качества и эффективности процессов обработки информации.

Для достижения указанной цели решаются следующие задачи: анализ методов фильтрации/оценивания сигнала в ССОИ, исследование математических моделей процессов сбора и обработки информации. разработка методики выбора метода фильтрации / оценивания сигнала в ССОИ в условиях различной априорной информации и в зависимости от заданного критерия качества, разработка и исследование математических моделей автоматизированной ССОИ, разработка метода автоматизированного проектирования математического обеспечения ССОИ, разработка структуры и определение основных функций проектируемого ППП для ССОИ о геомагнитном поле, разработка структуры ССОИ.

Методы исследования базируются на использовании теории и методов САПР, принципов системного подхода, аппарата линейной алгебры, теории алгоритмов, теории идентификации и оценивания, теории вероятности и математической статистики, теории методов принятия решений, теории и методов измерения геомагнитного поля.

Материалы диссертационной работы изложены в четырех главах.

Во введении дан анализ состояния проблемы автоматизации ССОИ, обоснована актуальность темы, сформулирована цель и задачи исследования, а также изложена практическая значимость работы и ее научная новизна, приведены сведения о реализации работы, о публикациях и структуре диссертации, представлено краткое содержание глав.

В главе первой проведен анализ состояния вопроса; определены задачи автоматизации исследования и проектирования систем сбора и обработки информации; проанализированы процессы сбора и обработки информации, как объекты автоматизации; рассмотрены особенности процессов сбора и обработки информации; проведен обзор и анализ существующих САПР процессов сбора и обработки информации у нас и за рубежом, а также тенденции их развития; произведена постановка задачи автоматизации исследования и проектирования процессов сбора и обработки информации.

В результате анализа характерных особенностей современных ССОИ показана объективная необходимость автоматизированного проектирования математического обеспечения ССОИ, удовлетворяющего высоким требованиям, предъявляемым к процессу обработки информации.

В главе второй проведена разработка и исследование методов математического моделирования процессов сбора и обработки информации, произведен анализ процесса разработки и исследования математических моделей сбора и обработки информации, рассмотрены методы разработки и проектирования математических моделей процессов сбора и обработки информации, рассмотрены методы и алгоритмы исследования полученных математических моделей процессов сбора и обработки информации, произведено исследование методов оценивания результатов измерений

Третья глава посвящена разработке методов и алгоритмов проектирования математических моделей автоматизированного выбора метода оценивания, методам оптимизации алгоритма автоматизированного выбора эффективного метода оценивания.

В четвертой главе рассмотрена практическая реализация САПР ССОИ о геомагнитном поле.

Научная новизна заключается в разработке автоматизированного выбора методов обработки результатов измерений в зависимости от условий измерений, полученных данных и заданного критерия качества. В процессе достижения поставленной цели были выполнены следующие задачи: проведен анализ методов обработки информации в ССОИ; разработаны оценки характеристик вычислительных алгоритмов: по точности, быстродействию, скорости сходимости, времени реализации вычислительного алгоритма, по наличию априорной информации; разработана автоматизированная методика выбора алгоритма обработки от заданного критерия качества; разработано математическое обеспечение ССОИ, которое предназначено для сбора и обработки информации, в зависимости от заданного критерия качества; разработана структура автоматизированной ССОИ.

Основные положения, выносимые на защиту.

1. Автоматизированные методы и алгоритмы исследования и проектирования систем сбора и обработки информации

2. Методика исследования математических моделей процессов сбора и обработки информации.

3. Методика выбора метода обработки информации в ССОИ.

4. Методы и алгоритмы идентификации математических моделей процессов сбора и обработки информации.

5. Алгоритмы автоматизированного проектирования математического обеспечения процессов сбора и обработки информации, позволяющие в рамках одного ППП сочетать анализ процессов сбора и обработки, как объекта автоматизации, анализ и синтез математической модели, синтез алгоритма управления.

6. Структура автоматизированной ССОИ о геомагнитном поле.

Основные практические результаты работы заключаются в следующем:

1. Разработана автоматизированная методика построения и исследования математических моделей обработки результатов измерений.

2. Определена структура и разработаны математические модели процессов сбора и обработки информации.

3. Рассмотрены особенности построения и определена структура САПР процессов сбора и обработки информации.

4. Рассмотрены методы оценивания погрешностей измерений, проведен их сравнительный анализ.

5. Разработана структура системы сбора и обработки информации о геомагнитном поле.

6. Разработаны алгоритмы оценивания.

7. Разработана процедура выбора метода оценивания в зависимости от критериев оптимизации.

8. Проведена серия экспериментов с помощью разработанного ППП.

9. Получены статистические данные в ходе экспериментального проектирования о точности, скорости сходимости и других свойствах алгоритмов оценивания.

Эффект использования результатов диссертационной работы заключается:

1. В сокращении сроков проектирования программно-алгоритмического обеспечения для автоматизированных систем сбора и обработки информации.

2. В оптимизации и научном исследовании процессов сбора и обработки информации.

3. В автоматизации выбора алгоритма фильтрации информации.

Апробация результатов диссертационной работы.

Основные положения и результаты докладывались на 2 научно-технических конференциях: XXX н.-т. конференции профессорско-преподавательского состава "Автоматизация проектирования, технология элементов и узлов компьютерных систем" 25-28 января, Спб., 1999, Межвузовский научно-технический семинар с международным участием "Автоматизация проектирования, технология элементов и узлов компьютерных систем" (апрель 1998), заслушивался на заседаниях кафедры ПКС Спб ГУ ИТМО.

Теоретические и практические результаты представленные в диссертации, использованы в 9 научно-технических работах.

Структура и объем диссертационной работы.

Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы из 159 наименований и приложения. Изложена на 249 страницах машинописного текста, иллюстрированного 19 рисунками, 2 таблицами.

4.6. Выводы.

Разработана автоматизированная ССОИ в приложении к геомагнитному полю. Исследованы методы и средства определения магнитного поля Земли.

Разработана структура ССОИ, подробно рассмотрены ее составные части.

Разработанная ССОИ о геомагнитном поле выполняет следующие задачи: автоматический сбор информации, получаемой от различных датчиков (магнитометры и навигационные приборы); отбраковка показаний приборов согласно заданным установкам; вычисление поправок (девиационных, поправок к уровню отсчета и др.) и их введение в измеренные величины; фильтрация динамических помех, возникающих в результате движения носителя (за счет поля вихревых токов, погрешности стабилизирующих устройств и т.п.); преобразование системы координат, необходимое при использовании метода косвенной стабилизации измерительных датчиков магнитометров; статическая обработка полученных данных; представление результатов измерений в удобном для пользователя виде; обеспечение долговременного хранения полученной информации на внешних носителях, проведение геофизической интерпретации результатов геомагнитных измерений и другие расчеты.

Программно-алгоритмическое обеспечение ССОИ обеспечивает автоматизированное выполнение таких функций, как ввод структуры; выбор и задание алгоритмов обработки информации в системе, в зависимости от конкретных условий работы и наличия определенных характеристик данных; получение оценок качества по заданным критериям; оптимизацию структуры и параметров системы; отображение результатов моделирования и другое.

При решении задач обработки геофизических данных на ЭВМ основное внимание обращено на выбор наиболее эффективных алгоритмов обработки с учетом специфических особенностей решаемых задач, таких, как использование большого количества исходных данных, содержащих случайные погрешности и грубые ошибки, неоптимальное задание исходных данных и другое.

1. Андон Ф.И. Оптимизация вычислений в автоматизированных системах обработки данных. Автореферат. Спец. 05.13.11., Киев, 1986.

2. Ляпунов А.А. О специализированных системах программирования для научных исследований. В кн. Теория программирования, ч. 1. Изд. ВЦ СО АН. СССР, Новосибирск, 1972.

3. Бажанова М.М. Системы для решения задач линейной алгебры. В кн.: Труды ВКП-1. Изд. Ин-та Кибернетики АН. УССР, Киев, 1968.

4. Молчанов И.Н., Николенко Л.Д., Кириченко М.П. Об одном пакете прикладных программ для решения системы линейных алгебраических уравнений. Кибернетика, 1972.

5. Аронов В.И., Невельская Э.Я., Самарин B.C. Система поисковой и статистической обработки геологической информации на ЭЦВМ. В кн. Труды Всесоюзного геологоразведочного нефтяного института, 103. Изд-во геологоразведочного нефтяного института, М., 1971.

6. Грищенко Н.М. Организация обработки информации в системах программирования. В кн. Теория автоматов и методы формализованного синтеза вычислительных машин и систем, 5. Изд-ва Ин-та Кибернетики АН. УССР, Киев, 1968.

7. Загацкий Б.А. Архитектура прикладных программ. В кн. Системное программирование., ч.Н. Изд. ВЦ СО АН СССР, Новосибирск, 1973.

8. Тинн К.А., Тыугу Э.Х., Унт М.И. Изд. ВУ СО АН СССР, Новосибирск, 1970.

9. Загацкий Б.А., Савыкина О.А., Темноева Т.А. Планирование вычислительного процесса в системах ФИХАР В кн.: Системы программирования., ч. II, Изд-во ВУ СО АН СССР, Новосибирск, 1973.

10. П.Парсюк И.Н., Сергиенко И.В., Тукалевская Н.И. Универсально-специализированная система обработки данных на ЭВМ (система УСОД) УСИ М., 1974.

11. Климанов В.П., Порховников В.А., Шабанов JI.B. Принцип организации и функционирования пакетов прикладных программ для анализа разветвленной системы массового обслуживания. В кн.: Труды МЭИ, 118. Изд-во Московского энергетического института, М., 1972.

12. Энштейн B.JI. Проблемы автоматизированного проектирования систем управления. В кн. Автоматизация проектирования систем управления. М., 1978, с.6-38.

13. Хотяшов Э.Н. Концепция систем машинной разработки АСУ МАРС. В кн. Автоматизация проектирования систем управления. М., 1981, вып.З, с. 112-126.

14. Teichroen D. Automation of system building. Datamation August, 71, p. 25-30.

15. PROTEE IV Edition - La lettre de la sis, 78, № 1.

16. Евдокимов B.B., Рейнер В.А. Машинный анализ АСУП. М., Статистика, 1980, 222 с.

17. Португал В.М., Семенов А.И. Принципы создания типовой автоматизированной системы управления. Известия Академии наук СССР. Серия экономическая., 1981, №2, с.57-63.

18. Острем К., Виттенмарк Б. Системы управления с ЭВМ. М.: Мир, 1987,480 е.;

19. Солодовников В.В., Плотников В.Н., Яковлев А.В. Основы теории и элементы систем автоматического регулирования. Учебное пособие для вузов. — М.: Машиностроение, 1985, 536с.;

20. Пузырев В. А. Управление технологическими процессами производства микроэлектронных приборов. М.: Радио и связь, 1984.;

21. Ицкович Э.Л., Колпиков Ю.Г., Любимов Ю.Б. Автоматизированный синтез алгоритмов и программ АСУ ТП для распределенной управляющей системы. «КУРС». X Всесоюзное совещание по проблемам управления. Институт проблем управления. -М.: 1986, кн.2

22. Instrumention Reference and Catalog . Test and Measurement Industrial Automation //National Instruments, 1996

23. Скурихин В.И., Дубровский B.B., Шифрин В.Б. АСУ ТП: Автоматизация проектирования комплекса устройств автоматики. Киев: Наукова думка, 1981, 284 с.

24. Соболев B.C., Воронков B.C. Метрологическое автосопровождение виртуальных измерительных средств.//Тр. СпбГЭТУ 1996. Вып.491.

25. Романов В.Н., Соболев B.C., Цветков Э.И. Интелектуальные средства измерений / под ред. д-ра техн. Наук Э.И. Цветкова / М.: Р.Ц. "Татьянин день", 1994, 280 с.

26. Sobolev Vladimir, Tsvetcov Eric. Metrological automatic support in intelligent measurement system // Proceedings of the XIV IMECO World Congress (Tempere 1-6, June 1997) 1997 Vol. V: Finish Society of Automatien Helsinki P.139. 144.

27. Тараканов K.B., Овчаров Jl.A., Тарышкин A.H. Аналитические методы исследования систем. М.: Советское радио, 1974,240 с.

28. Дробышев Ю.П. Оптимизация систем сбора и обработки данных. Диссертация к.т.н. Новосибирск, 1970.

29. Тихонов А.Н., Арсенин В.Я. Методы решения некорректных задач. Уч. пособие для вузов. Изд. 3-е, В.Я. Арсенин, исправленное М.: Наука, Гл. ред. физ-мат. лит, 1986.

30. Яновская Т.Б., Порохова Л.Н. Обратные задачи геофизики. Уч. пособие. Изд. ЛГУ, 1983

31. Гольцман Ф.М. Статистические модели интерпретации. М. Наука, 1971.

32. Египко В.М. Организация и проектирование систем автоматизации научно-технических экспериментов. Киев "Наукова Думка", 1978, 232с.

33. Калман Р.Е. Об общей теории систем управления, в сб. "Теория дискретных оптимальных систем" Труды I Международного конгресса ИФАК, Из-во АН СССР, т.2, 1961, стр.521-547.

34. Проектирование цифровых вычислительных машин. Под ред. С.А.Майорова. Изд-во «Высш. школа», М., 1972

35. П. Эйкхофф Основы идентификации системы управления. М., Изд. Мир, 1975

36. В.Е. Болнокин, П.И. Чинаев Анализ и синтез систем автоматического управления на ЭВМ. Алгоритмы и программы. Справочник.- М.:«Радио и связь», 1991

37. Васильев В., Гуров И. Компьютерная обработка сигналов в приложении к интерферометрическим системам. Спб.: БХВ Санкт-Петербург., 1998 - 240 е., ил.

38. Матов В.И. и др. Бортовые цифровые вычислительные машины и системы. М.: Высш. шк., 1988. - 216 е.: ил.;

39. Метод максимального правдоподобия. В кн.: Справочник по прикладной статистике / Под ред. Э.Ллойда, У.Ледермана — М.: Финансы и статистика, 1989, с. 281-354.

40. Фалькович С.Е., Хомяков Э.Н. Статистическая теория измерительных радиосистем. -М.: Сов. радио, 1981 -287 е., Радиотехнические системы / Под ред. Ю.М. Казаринова-М.: Высшая школа, 1990,496 с.

41. Марков А.А. Исчисление вероятностей. 4-е изд. - М.: ГИЗ, 1924.

42. Романовский В.И. Основные задачи теории ошибок. М.: Гостехиздат, 1947.

43. Колмагоров А.Н. К обоснованию метода наименьших квадратов // УМН. 1946. -Т.1, № 1. - С.57-70.

44. Петров В.В. О методе наименьших квадратов и его экстремальных свойствах «Успехи математических наук», 1954, N 9, вып. 1, стр. 41-62

45. Линник Ю.В. Метод наименьших квадратов и основы теории обработки наблюдений. Физматиз, 1962.

46. Бакушинский А.Б., Гончарский А.В. Некорректные задачи. Численные методы и приложения. -М.: Изд-во МГУ, 1989.

47. Верлань А.Ф., Москалюк С.С. Математическое моделирование непрерывных динамических систем. Киев: Наук, думка, 1988.

48. Иванов В.К., Васин В.В., Танана В.П. Теория линейных некорректных задач и ее приложения.-М.: Наука, 1978.

49. Краснов M.JI., Киселев А.И., Макаренко Г.И. Интегральные уравнения. М.: Наука, 1976.

50. Лаврентьев М.М., Романов В.Г., Шишатский С.П. Некорректные задачи математической физики и анализа. М.: Наука, 1980.

51. Морозов В.А. Регулярные методы решения некорректно поставленных задач. -М.: Мир, 1990.

52. Тихонов А.Н., Гончарский А.В., Степанов В.В., Ягола А.Г. Численные методы решения некорректных задач. М.: Наука, 1990.

53. Васильев В.Н., Гуров И.П. Компьютерная обработка сигналов в приложении к интерферометрическим системам. Спб.: БХВ - Санкт-Петербург, 1998.

54. Верлань А.Ф., Сизиков B.C. Интегральные уравнения: методы, алгоритмы, программы. Киев: Наук, думка, 1988

55. Воскобойников Ю.Е.,Преображенский Н.Г., Седельников А.И. Математическая обработка эксперимента в газовой динамике. Новосибирск: Наука, 1984.

56. Брайсон А., Хо Ю-ши. Прикладная теория оптимального управления. М.: Мир, 1972.

57. Мудров В.И., Кушко В.Л. Метод наименьших модулей. М. Сер. "Мат. киберненика", "Знание", вып. 7,1971

58. Рао С.Р. Линейные статистические методы и их применение. Пер. с англ. М. "Наука", 1968

59. Колмогоров А.Н. Несмещенные оценки. Изв. АН. СССР, (сер. мат.) 14 (1950)303

60. Ван дер Варден Б.Л. Математическая статистика. Пер. с нем. Под ред. Смирнова Н.В. М., ИЛ, 1960

61. Крамер Г. Математические методы статистики. Пер. с англ. Под ред. Колмогорова А.Н. М., ИЛ., 1978

62. Мидцлтон Д. Введение а статистическую теорию связи. Т.2. Пер. с англ. М., Сов. радио, 1962

63. Тихонов В.И. Статистическая радиотехника М., Сов. радио,1966

64. Фалькович С.Е. Оценка параметров сигналов М., Советское радио, 1970

65. Куликов Е.И. Вопросы оценок параметров сигналов при наличии помех. М. Сов.радио, 1969.

66. Браславский В.А., Петров В.В. Точность измерительных устройств. М.: Машиностроение, 1976

67. Калман Р., Бьюси Р., Новые результаты в линейной фильтрации и теории предсказания, Труды Американского общества инженеров-механиков, Техническая механика, 83, №1 (1961)

68. Голд А., Рейдер Б. Цифровая обработка сигналов. М.: Советское радио, 1973

69. Сергиенко И.В. Об одном подходе к классификации задач решаемых на электронных вычислительных машинах. «Кибернетика», 1967, N0 4

70. Сейдж Э.П, МелсаДж. JI. Теория оценивания М., Связь, \916

71. Sorenson H.W., Least-Squares Estimation: from Gauss to Kalman, IEEE Spectrum, 7, 63-68(1970).

72. Луговенко B.H. О разделении геомагнитного поля на аномальную и нормальную составляющие. «Наука», 1969,

73. Пышный В.М. Алгоритмическое обеспечение навигационных систем по геомагнитному полю. Диссертация. Автор к.т.н. 05.11.16. Москва, 1991.

74. Афанасьев Ю.В., Студенцов Н.В. и др. Магнитометрические преобразователи, приборы и установки. Л., Энергия, 1972.;

75. Белоглазов И.Н., Джанджгава Г.И. и др. Основы навигации по магнитным полям. М. Наука, 1985.

76. Гурьев И.С. Адаптивные магнитометрические системы контроля пространственного положения. Л.,Энергоатомиздат, 1985.

77. Смирнов Б.Н. Измерительная техника, 1995 № 11 стр. 34-36. Определение параметров Пуассона подвижного объекта.

78. Гринкевич Г.И. Магниторазведка. М.: Недра, 1987

79. Автоматизированная система сбора, хранения и обработки геолого-геофизических и промышленных данных. Рига, 1990. Мановицкий М. Моделирование систем сбора и обработки данных., М., 1983.

80. Известия высших учебных заведений. Геология и разведка 1989, N9

81. Красовский А.А., Белоглазов И.Н., Чигин Г.П. Теория корреляционно-экстремальных навигационных систем. -М.: Наука, 1979.

82. Справочник по теории автоматического управления/ Под ред. А.А. Красовского. М.: Наука. Гл. ред. физ.-мат. Лит., 1987. - 712 с.

83. Ицкович Э.Л. Контроль производства с помощью вычислительных машин. М.: Энергия, 1975.

84. Шенброт Н.М., Гинзбург М.Я. Расчет точности систем централизованного контроля. М.: Энергия, 1970.

85. Солодовников В.В. Статистическая динамика линейных систем автоматического управления. М.: Физматгиз, 1960.

86. Цыпкин ЯЗ. Теория линейных импульсных систем. М.: Физматгиз, 1963.

87. Ермаков С.М., Жиглевский А.А. Математическая теория оптимального планирования эксперимента. М.: Наука, 1987, 190с.

88. Сергиенко И.В., Парасюк И.Н., Тукалевская Н.И. Автоматизированная система обработки данных. "Наукова Думка", Киев, 1976.

89. Сергиенко И.В., Парасюк И.Н., Михайлишин А.А, Тукалевская Н.И. Некоторые вопросы построения автоматизированных систем обработки статистических данных. Кибернетика ,1970, 3

90. Автоматизированное проектирование систем управления. Сб.ст./ под ред. Трапезникова В.А. М.: Финансы и статистика.,1982, Вып.4

91. Диксон Дж. Проектирование систем: изобретательство, анализ и принятие решения. М. Мир, 1969.

92. Systems and computers in Japan: Formerly systems. Computers. Controls. Silver Spring (Md): Scripta techn, 85. Vol 27 № 1,1996.

93. Липаев В.В. Проектирование математического обеспечения АСУ. М., 1977.

94. Ашимов А.К., Мамиконов А.Г., Кульба В.В. Оптимальные модульные системы обработки данных. Наука, Алма-Ата, 1981.

95. Глушков В.М. Введение в АСУ. Киев, 1974.

96. Мамиконов А.Г. Методы разработки автоматизированной системы управления. М, 1973.

97. Мамиконов А.Г., Косяченко С.А., Кульба В.В. , Цвиркун А.Д. Проектирование подсистем и звеньев автоматизированной системы управления. М, 1975.

98. Горбаченко В.И. и др. Моделирование систем обработки данных на ЭВМ МИР-2. Пенза, 1979.

99. Ю1.Бусленко Н.П., Калашников В.В„ Коваленко И.Н. Лекции по теории сложных систем. — М.: Сов. радио, 1973.

100. Бусленко Н.П. Моделирование сложных систем. М.: Наука, 1978.

101. Основы теории подобия и моделирования. Терминология. М.: Наука, 1973.

102. Снапелев Ю.М, Старосельский В.А. Моделирование и управление в сложных системах. М.: Сов. радио, 1974.

103. Нейлор Т. Машинные имитационные эксперименты с моделями экономических систем. М.: Мир,1975.

104. Голенко Д.И. Статистические модели ув управлении производством. М.: Статистика, 1973.

105. Шеннон Р. имитационное моделирование систем — искусство и наука. М.: Мир, 1978.

106. Анисимов Б.В., Петров В.Я. Организация вычислительных процессов ЦВМ. М.: Высш. Школа, 1977.

107. Питолин М.В. Разработка среды непрерывно-дискретной оптимизации для конструирования специального алгоритмического обеспечения САПР. Автореферат диссертации.

108. Хайт J1., Солдатов В. , Егошин Е. Автоматизированные информационно-измерительные системы испытаний авиационных двигателей. В журнале "Современныетехнологии автоматизации", 1999,№ 1.

109. Петров В.П. Прикладная спектральная теория оценивания. М: Наука, 1982 -^432с.

110. Колмогоров А.Н. Интегрирование и экстраполирование стационарных случайных последовательностей. Изв. АН СССР. Сер. математика, 1941, №1,

111. Wiener N Extrapolation, Interpolation and smoothing of stationary time series — N.Y., 1949

112. Kailath T. A view of three decades of linear filtering theory IEEE Trans. IT-20, 1974, №2, pp. 146-180

113. Kalman R.E. A new approach to linear filtering and prediction problems Jorn. Basic Eng., Mar. 1960, v.82, pp. 34-45

114. Горшков И.С., Курзенев В.П., Перов В.П. Многомерная фильтрация нестационарных случайных процессов по обобщенному критерию на основе фильтра Калмана-Бюси. Автоматика и телемеханика, 1976, № 6.

115. Казаков Е.И. Статистическая теория систем управления в пространстве состояний. М.: Наука, 1975.

116. Медич Д. Статистические оптимальные линейные оценки и управление. М.: Энергия, 1973.

117. Сейдж Э., Меле Дж. Теория оценивания и ее применение в связи и управлении. М.: Связь, 1972.

118. Жданюк Б.Ф. Основы статистической обработки траектории измерений. М.: Сов. радио, 1978 384 с.

119. Леондес К.Т. Фильтрация и стохастическое управление в динамических системах. М.: Мир, 1980-316 с.

120. Казаков И.Е. Статистическая теория систем управления в пространстве состояния. М.: Наука, 1977.

121. Казаков И.Е. Стохастические дифференциальные системы. Анализ и фильтрация. М.: Наука , 1990 630 с.

122. Куржанский А.Б. Управление и наблюдение в условиях неопределенности. М.: Наука, 1977-392 с.

123. Богуславский И.А. Методы навигации и управления по неполной статистической информации. М.: Машиностроение, 1970,256 с.

124. Богуславский И.А. Прикладные задачи фильтрации и управления. М.:Наука, 1982, 199 с.

125. Сейдж Э.П. Уайт И.С. Оптимальное управление системами. М.: Радио и связь, 1982.-392 с.

126. Фомин В.Н. Рекуррентное оценивание и адаптивная фильтрация . М.: Наука, 1984.-286 с.

127. Н.А. Шелухина, К.А. Неусыпин. Коррекция навигационной информации посредством нелинейного фильтра Калмана. В журн. Автоматизация и современные технологии, 2000, №4, стр. 43-46.

128. Лейтман Г. Введение в теорию оптимального управления. М.:Наука, 1970.

129. Медич Дж. Линейные оптимальные оценки и управление. М.:Мир, 1972.

130. Кушнер Г. Стохастическая устойчивость и управляемость. М.:Мир, 1969.

131. Сизиков B.C. Математические методы обработки результатов измерений: Учебник для вузов. Спб: Политехника, 2001. - 240 е.: ил.

132. Ван Трис Г. Теория обнаружения, оценок и модуляции. В 3-х томах. М. Советское радио, 1972.

133. Алгоритмизация процессов обработки информации. Учебное пособие/ С.А. Бидихов., М., 1990.

134. Мякишев Д.В. Проектирование систем обработки данных. Пенза, 1995.

135. Яковлев К.П. Математическая обработка результатов измерений. М., 1953.

136. Морские геомагнитные исследования на НИС "Заря". A.M. Карасик, Л.Г. Касьяненко, Б.М. Цуцкарев и др. М.: 1986.

137. Дж.Райе Матричные вычисления и математическое обеспечение: пер с англ. -М.: Мир, 1984.

138. Статистическая обработка результатов эксперимента на микро ЭВМ и программируемых калькуляторах. А.А. Костылев, П.В. Миляев, Ю.Д. Дорский и др. JL: Энергоатомиздат: Ленинградское отд-е, 1991 -304 с.

139. Почтарев В.И. Нормальное магнитное поле земли. М., 1984.

140. Жиганов С.Н. Разработка и исследование методов повышения точности обработки информации в системе управления воздушного движения в сложной помеховой обстановке. Автореферат. Специальность 05.13.14. Владимир, 2000.

141. Южаков А.А. Алгоритмы предварительной обработки информации. Проектирование. Реализация.: Учебное пособие/ Южаков А.А. Перм. Гос.техн.университет.: Пермь, 1998, 74 с.

142. B.C. Медведев. Методы оптимального оценивания, фильтрации и управления. Линейные системы: Учебное пособие. Часть 1. — М: Изд-во МГТУ, 1996.

143. Васильев В.Н., Гуров И. А. Компьютерная обработка сигналов в приложении к интерферометрическим система Спб.: БХВ - Спб, 1998.

144. Пециляк И.И. Диалого-графическая среда вычислительных пакетов проикладных программ для обработки экспериментальных данных. Автореферат. Специальность 05.13.11. М, 1997.

145. Рудаков П.И., Сафонов В.И. Обработка сигналов и изображений MATLAB 5.x / Под общ. ред. к.т.н. В.Г. Потемкина. М.: ДИАЛОГ-МИФИ, 2000. - 416 с. (Пакеты прикладных программ; Кн.2)

146. Тараненко М.А. Ограничения, накладываемые при проектировании алгоритмов оценивания в системе сбора и обработки информации. Тезисы докладов н.-т. семинара ГИТМО(ТУ). Спб., 1998.

147. Тараненко М.А. Методы оценивания в проектируемой системе сбора и обработки информации. Тезисы докладов, Спб.ГИТМО(ТУ). Спб, 1998.

148. Тараненко М.А. Особенности построения автоматизированной системы сбора и обработки информации о геомагнитном поле. Спб.ГИТМО(ТУ),- Спб, 1998 Деп. в ВИНИТИ.

149. A.G. Korobeinicov, М.А. Taranenco, Yu.A. Gatchin Designing of arhitecture of software based on knowledge for technological processes of optical cristal growing// X Conferense on laser Optics, October 19-21, 1999, p 171.

150. A.G. Korobeinicov, M.A. Taranenco, Yu.A. Gatchin Production models of knowledge representation in automated control systems of technological processes of optical cristal growing// X Conferense on laser Optics, October 19-21, 1999, p 165.

151. Разработана автоматизированная система проектирования алгоритмов обработки информации в ССОИ о геомагнитном поле.

152. Разработана автоматизированная методика выбора метода обработки информации.

153. Проведено исследование методов фильтрации информации с целью определения различных факторов, влияющих на качество обработки информации.

154. Выделен комплекс параметров анализа методов обработки информации.

155. Разработаны алгоритмы обработки информации в ССОИ о геомагнитном поле.

156. Разработана система сбора и обработки информации о геомагнитном поле.

157. Приведено обоснование перспективности применения развитых методов и алгоритмов при решении задач обработки информации в ССОИ о геомагнитном поле.