автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.18, диссертация на тему:Исследование и разработка диагностики состояния радиотехнической системы в рабочем режиме

На правах рукописи

---тусиг^--

Сидько Иван Владимирович

ИССЛЕДОВАНИЕ И РАЗРАБОТКА ДИАГНОСТИКИ СОСТОЯНИЯ РАДИОТЕХНИЧЕСКОЙ СИСТЕМЫ В РАБОЧЕМ РЕЖИМЕ

Специальность 05.13.18- Математическое моделирование, численные методы и комплексы программ,

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидат технических наук

□□34451Ю

Таганрог - 2008

003445110

Работа выполнена в Технологическом институте Южного федерального университета в г Таганроге на кафедре Радиоприемных устройств и телевидения

НАУЧНЫЙ РУКОВОДИТЕЛЬ

ОФИЦИАЛЬНЫЕ ОППОНЕНТЫ

ВЕДУЩАЯ ОРГАНИЗАЦИЯ

доктор технических наук, профессор, Галустов Г Г (ТТИЮФУ, г Таганрог)

доктор технических наук, профессо Чернухин Ю В (ТТИ ЮФУ, г Таганрог) кандидат технических наук, старш научный сотрудник Черчаго А Я (ЗАО ОКБ "РИТМ", г Таганрог)

ФГУП "ТНИИС", г Таганрог

Защита состоится " 28 " августа 2008г в 1420 часов на заседании диссертационного совета Д 212 208 22 в Таганрогском технологическом институте Южного федерального университета по адресу 347928, г. Таганрог, Ростовской области, пер Некрасовский, 44, ауд Д-406

С диссертацией можно ознакомиться в зональной научной библиотеке Южного федерального университета по адресу Ростов-на-Дону, ул Пушкинская, 148

Отзыв на автореферат, заверенный гербовой печатью организации, просим направлять по адресу 347928, Ростовская область, г Таганрог, ГСП-17А, пер Некрасовский, 44, ученому секретарю диссертационного совета Д 212 208 22

Автореферат разослан 2008 г

Ученый секретарь диссертационного совета, доктор технических наук

Целых А

ОБШАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы:

Одним из основных направлений радиоэлектроники, которое предназначено для сбора и обработки информации на основе приема искусственных и естественных радиоизлучений является радиоконтроль (РК)

Для обеспечения высоких оперативности и достоверности РК все более широкое применение находят методы пространственно-временной обработки информации при решении таких задач как поиск, обнаружение, разрешение, пеленгование, определение местоположения источников радиоизлучений (ИРИ)

Для решения большинства из перечисленных задач РКвозникает необходимость в использовании многоканальных технических средств К числу основных устройств, определяющих основные характеристики многоканальных технических средств, следует отнести фазированные антенные решетки (ФАР) и многоканальные супергетеродинные приемные устройства (МСПУ)

Вопросы построения одноканальных супергетеродинных приемных устройств в интересах РК в настоящее время хорошо отработаны как в теоретическом, так и практическом планах

Однако при построении МСПУ состояние как теории, так и практики не в полной мере удовлетворяет требованиям настоящего времени При этом одной из наиболее актуальных проблем является задача устранения неидентичности характеристик каналов МСПУ за счет неидеальности аппаратурной реализации и влияния климатических и механических воздействий

Широко используемые в настоящее время пути решения данной задачи связаны 1) с использованием схемотехнических и конструкторско-технологических приемов, 2) а также с использованием методов диагностики состояния радиотехнической системы (РТС) в рабочем режиме

Первый из вышеперечисленных путей является малоперспективным, поскольку требует создания прецизионной аппаратуры в условиях, когда темпы достижений в области схемотехники и технологии отстают от темпов ужесточения технико-эксплуатационных требований к МСПУ

Второй путь широко используется и приводит к решению поставленной задачи, но только в условиях стационарной радиообстановки при невысоких требованиях к пропускной способности комплекса радиоконтроля (КРК) КРК в настоящее время как обязательную составную часть аппаратуры включают в себя диагностические средства (комплексы)

Среди известных работ, посвященных данной тематике, можно выделить направление, использующие принцип разделения во времени режимов работы и измерения (контроля), отраженные в работах В А Долгова,

А С Касаткина, В Н Сретенского, В Д Кудрицкого и других Существенны недостатками разделения во времени режимов работы и контроля являете снижение готовности КРК, потеря информации о РО на период проведени контроля, уменьшение достоверности контроля из-за получения оценок в КРК диагностической системе эпизодически Жесткие требования к готовности надежности современных КРК обуславливают переход к распараллеливани выполнения задач диагностики и работы

Вопросам построения диагностических систем, позволяющи классифицировать состояния РТС в рабочем режиме, в литературе уделен недостаточно внимания Данные обстоятельства указывают н необходимость разработки и анализа моделей систем диагностики состояни РТС без использования режимов разделения во времени

Таким образом, тема диссертации, посвященная компьютерном моделированию и анализу алгоритмов диагностики состояни радиотехнических систем в рабочем режиме, является достаточн актуальной.

Целью работы является

Построение математических моделей алгоритмов диагностики состоян линейной системы в рабочем режиме, формирование набора эффективны признаков, используемых в устройствах классификации состояния линейны трактов, исследование возможности оптимизации временных и пространственны параметров классификаторов состояний линейных систем

Основные задачи диссертации вытекают непосредственно из её цели:

1 Формирование и обоснование системы эффективных признако используемых в моделях алгоритмов классификации состояния линейной систем без отключения из рабочего режима

2 Синтез и обоснование решающего правила для классификатора состояни линейной системы

3 Исследование возможности оптимизации временных и пространственны параметров классификаторов состояний линейной системы

4 Построение модели диагностической системы и экспериментальна проверка качества диагностики на ее основе

5 Разработка пакета программ для экспериментального исследован предложенных моделей и методов

Решение поставленной задачи проводится в несколько этапов:

1 Определение моделей сигналов РТС

2 Разработка алгоритма формирования классификационных признаков

3 Исследование влияния времени обучения и распознавания размерности признакового пространства на показатели эффективност классификатора

4 Экспериментальное исследование показателей качества разработанны алгоритмов при классификации математических моделей сигналов РТС

Научная новизна. В работе получен ряд новых результатов, которые сводятся к следующему

1. Разработана методика формирования системы признаков на основе корреляционного метода измерения импульсной характеристики модели линейного тракта радиотехнической системы

2 Предложена методика диагностики состояния модели линейного тракта радиотехнической системы без отключения ее из рабочего режима

3 Разработан комплекс программ математического моделирования диагностики состояния линейной системы в рабочем режиме

4 Выявлены закономерности показателей эффективности классификатора от времени обучения и распознавания, от размерности признакового пространства

Практическая ценность состоит в возможности использования результатов работы для решения практических задач техники и науки

- определены условия целесообразности использования предложенных алгоритмов в компьютерных системах диагностики состояния РТС,

- обеспечено получение улучшенных точностных характеристик при использовании программ параметрической классификации шумоподобных сигналов

Реализация результатов работы. Результаты, полученные в работе, были использованы в учебном процессе при проведении лабораторных работ, курсовом проектировании по дисциплинам "Устройства приема и преобразования сигналов", "Радиоприемные устройства сверхвысоких частот", "Основы компьютерного проектирования" на кафедре Радиоприемных устройств и Телевидения Технологического института Южного федерального университета Результаты, полученные в кандидатской диссертации, реализованы в разработках отдела 24 НКБ моделирующих и управляющих систем ЮФУ (г Таганрог) в рамках х/д 324057 при создании радиолокационного измерителя характеристик морского волнения (РИВ200), предназначенного для снабжения гидросамолета Бе-200

Методы исследования основаны на использовании численных методов, методов теории вероятности и математической статистики, статистической теории распознавания образов, функционального анализа

Основные положения, выносимые на защиту, следующие:

- математические модели сигналов линейных трактов радиотехнических систем,

алгоритм формирования системы эффективных признаков на основе корреляционного метода измерения импульсной характеристики линейной системы,

- зависимости дисперсий оценок признаков и ошибки распознавания от времени обучения, размерности признакового пространства,

- результаты моделирования разработанных алгоритмов диагностики состояния

линейных трактов без отключения из рабочего режима

Апробация работы. Основные положения диссертационной работ обсуждались и докладывались

-на VIII Всероссийской научной конференции студентов и аспирантов «Техническ кибернетика, радиоэлектроника и системы управления» (Таганрог, ТРТУ, 2006 г)

- на международной научной конференции «Статистические методы в естественны гуманитарных и технических науках» (Таганрог, ТРТУ, 2006 г )

- на 1Л1 научно-технической конференции (Таганрог, ТРТУ, 2006 г )

- на 6-й Всероссийской научно-практической конференции студентов, аспирантов молодых ученых «Молодежь XXI века-будущее Российской науки» (Ростов Дону, ЮФУ, 15 мая 2008г.)

- на Всероссийской научно-технической конференции с международным участие "Компьютерные и информационные технологии в науке, инженерии управлении"«Ааи Тех-2008»( Таганрог, ТТИ ЮФУ, 6 06.2008)

Публикации. Основные научные результаты диссертации опубликованы в ти статьях, 3-х тезисах докладов

Структура диссертации. Диссертационная работа состоит из введен] четырех разделов, заключения и приложений, включающих 5 наименований Работа изложена на 151 стр текста, 36 рисунках, 7 таблицах, списка литературы и 114 наименований и приложений

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ ПО ГЛАВАМ

Во введении обоснована актуальность темы, сформулирована цел приведены задачи исследования, научная новизна диссертационной работы полученные результаты, дана краткая аннотация работы.

В первой главе — "Анализ известных методов диагностики состоян радиотехнической системы без отключения из рабочего режима" да теоретический обзор зарубежной и отечественной научной литературы по данно тематике и сделаны выводы о приоритетных направлениях развития Анали методов технической диагностики показал, что сигналы, получаемые пр исследовании состояния РТС можно отнести к векторными случайным процессами С учетом перспективности применения для диагностики РТС методо статистической теории распознавания образов является актуальной задач разработки моделей сигналов, адекватных с точки зрения использования эт моделей для распознавания Произведен анализ методов теории распознавай образов, применяемых для решения задач диагностики Установлено, ч большинство методов распознавания и способов оценки их эффективност разработаны для случая неограниченно возрастающих объемов обучающих

контрольных выборок процессов В связи с этим, необходима разработка новых методов диагностики, ориентированных на конечное (в том числе и малое) число обучающих и контрольных выборок, те методов оптимизации временных и пространственных параметров систем распознавания

Вторая глава — "Постановка задачи диагностики и анализ структуры радиотехнической системы " посвящена вопросам постановки задачи технической диагностики, анализа структуры РТС с учетом системы диагностики ее состояния Рассматриваются вопросы схемотехнической реализации многоканальных приемных устройств со встроенной системой диагностики состояния Здесь же рассматриваются вопросы формирования признаковых пространств, позволяющих строить системы диагностики Математическую модель исследуемой РТС целесообразно представить импульсной характеристикой узкополосной линейной системы В качестве основного метода получения вектора диагностически значимых признаков предлагается корреляционный метод измерения импульсной характеристики линейной системы, суть которого в следующем Импульсную характеристику целесообразно получать в виде реакции у(1) исследуемой линейной системы на стационарный широкополосный шум (рис 1) На рис 1 линия задержки, схема умножения и интегратор образуют коррелометр Процесс на его выходе будет пропорционален взаимно корреляционной функции процессов, поступающих на его вход

Рис 1 Структурная схема корреляционного измерителя импульсной характеристики модели линейной системы

В работе показано, что если х(1) и статистически независимы, то рабочий сигнал з2(1) не влияет на результат измерения и может быть выбран достаточно малым Исследуемая линейная система не выключается из работы, поэтому на ее входе кроме процесса х(1) будет так же рабочий сигнал б^) Корреляционная связь между входным и выходным сигналами определяется при помощи соотношения Винера — Ли

Кху(т) = ]кт-Я) Д^ДУЛ, (1)

—00

где Яхл(/1) - автокорреляционная функция процесса (шума) на входе линейной системы, Ь(г)— импульсная характеристика исследуемой линейной системы, ^(г)-взаимно корреляционная функция входного х(1) и выходного у© процессов

линейной системы

Если х(1) — широкополосный шум, имеющий равномерный спектр в полосе часто значительно превышающей полосу пропускания исследуемой системы, то можн заменить автокорреляционную функцию шума в выражении (1) импульсно характеристикой - автокорреляционной функцией идеального "белого" шум О0£(А), где 5(Л)~ функция Дирака, О0 - масштабный коэффициент При этом

Как следует из выражения (2) взаимная корреляционная функция непосредственн дает выражение для оценки импульсной характеристики Ь(г) Подобны корреляционные измерения обычно можно выполнять во время нормальной работ системы Снижение случайных помех, свойственное корреляционному метод позволяет использовать весьма малые испытательные сигналы х(1), не нарушающи по существу нормальный режим работы системы (отношение си™ал/шум >50 дБ)

Так как предположение о нормальности распределения выходного сигнал предполагает искать систему эффективных признаков в рамках корреляционно теории, - необходимо определить автокорреляционную функцию Я№(т) выходног процесса у(0 Корреляционные функции выходных сигналов линейных систе могут быть определены из общего выражения, связывающего корреляционну функцию Яуу(т) выходного сигнала у(0 и корреляционную функцию Яхх(т) входног сигнала х(1) Учитывая, что в данном случае входной сигнал х(0 - "белый шум", т для линейных систем с постоянными параметрами можно определит корреляционную функцию на выходе системы с точностью до постоянног множителя по ее импульсной характеристике

где йо - постоянный коэффициент (спектральная плотность мощности шума заданной полосе), И(т) - импульсная характеристика диагностируемой линейно системы

Так же в данной главе была рассмотрена методика оценивания параметре диагностической системы и проведено исследование возможности оптимизаци временных и пространственных параметров систем распознавания Произведе анализ существующих методов оптимизации систем распознавания Выяснено, что достаточной мере эти методы разработаны лишь для случая параметрическо априорной неопределенности относительно закона распределения признаков Учитывая, что анализу подвергаются процессы на выходе узкополосных линейнь радиотехнических трактов, можно полагать закон их распределения нормальным

В третьей главе - "Разработка алгоритмов параметрическог распознавания состояния радиотехнической системы" приведены данные формировании моделей сигналов различных классов для оценки значений признаке каждого класса В качестве моделей сигналов действующих на выходе РТ предложено использовать нормальные случайные процессы с экспоненциально косинусной автокорреляционной функцией (АКФ) Такие процессы характерны дл

(2

линейных систем второго и более высоких порядков. Нарушения в работе избирательных систем, связанные с изменением по различным причинам (температура, влажность и т.д.) номиналов элементов данной системы, зачастую приводят к ухудшению избирательных свойств системы: расширению полосы пропускания, уменьшению крутизны склонов амплитудно-частотной характеристики, уменьшению соотношения сигнал/шум на выходе системы и т.д. Параметр, наиболее ёмко описывающий данный класс нарушений в работе избирательной системы является добротность. Поэтому в качестве варьируемого параметра была выбрана добротность.

-120 г

I

0.6 0 8 1 12 1 А 16

«ГЧ х10"

Рис. 2 Амплитудно-частотные характеристики модели линейной системы по

классам.

Любые изменения номиналов элементов диагностируемой системы непосредственно отражаются на форме АКФ, поэтому в качестве вектора признаков предлагается использовать вектор отсчётных значений автокорреляционной функции процессов на выходе модели линейной системы:

(пТ0) = —!— X Ь(ГГ0 МО + п)Т0 ], (3)

N-11"

где N - количество отсчётных значений ОД импульсной характеристики линейной системы взятые с интервалом дискретизации Т0.

Произведен выбор и обоснование разделяющих поверхностей решающих правил, рассмотрены возможные подходы к решению задачи выбора решающего правила и осуществлён сравнительный анализ предложенных решающих функций. На основании проведённого анализа, а так же вследствие того, что в качестве вектора признаков используются отсчётные значения автокорреляционной

функции нормального случайного процесса, прошедшего чере узкополосную линейную систему, в соответствии с теорие статистических решений, принято целесообразным выбрать решающе правило, эквивалентное байесовскому решающему правилу, построенном на основании критерия минимума расстояния в виде

а1(х) = 1пр(И1)-1цс1|-1[(х-т1)'с;,(х-ш1)] (

где 1=1,2, ,М, С„ т, - ковариационная матрица и вектор математического ожидани образов 1-го класса, М - число классов образов, |С,| - определитель ковариационно

матрицы Причем образ х зачисляется в класс о,, если для него выполняете —► -*

условие с1,(х) > ёДх) при всех J # 1 Для реализации решающей функции необходим для каждого класса хранить вектор средних, ковариационную матрицу, скаля Ковариационная матрица С, является симметричной и положительн полуопределенной Ее диагональный элемент счесть дисперсия к-го элемента вектор образов Элемент с,* не стоящий на диагонали матриц, представляет собо корреляцию случайных переменных х, и хк Если эти элементы статистичес независимы, то элемент с,к=0 Таким образом, элементы скк располагаемые по главно диагонали ковариационной матрицы представляют собой дисперсию к-го элеме] вектора образов или иначе - значение первого отсчета автокорреляционной функци к-го образа Остальные (неглавные) диагонали ковариационной матри представляют собой последующие отсчетные значения автокорреляционных функци процессов на выходе линейной системы Структурная схема параметрическог классификатора случайных процессов представлена на рис 3

Классификация

Рис 3 Структурная схема параметрического классификатора

Методами цифрового моделирования найдены зависимости математически ожиданий и среднеквадратических отклонений признаков от времени обучения классификации На основе полученных зависимостей получены оценки достаточны объемов обучающих и контрольных выборок для достижения заданных показателе качества алгоритмов классификации

В четвертой главе - "Исследование алгоритмов параметрической классификации с целью диагностики состояния системы" рассмотрены вопросы моделирования алгоритмов параметрической классификации на ЭВМ В результате моделирования работы системы диагностики при классификации случайных процессов с нормальными одномерными плотностями распределения вероятностей и различными корреляционными функциями разработаны оптимальные алгоритмы, на основе которых создан комплекс программ обучения и классификации (рис 4, рис 5), определены значения суммарных вероятностей ошибки классификации при различных объемах обучающих и контрольных выборок и различных размерах признакового пространства

В ходе численного моделирования корреляционного метода измерения импульсной характеристики линейной системы, были получены зависимости среднеквадратического отклонения оценок нормированной импульсной характеристики при различных соотношениях (С/Ш) В качестве моделей сигналов РТС в работе рассматривались модель непрерывного гармонического колебания, последовательность радиоимпульсов, последовательность радиоимпульсов с линейной частотной модуляцией

В результате моделирования было показано, что корреляционный метод позволяет получать результаты измерения высокой точности и не требует при этом отключения линейной системы из работающих комплексов Жесткому контролю были подвергнуты статистические характеристики диагностируемых процессов

В результате моделирования численными методами оптимальных алгоритмов классификации были получены зависимости ошибок классификации от числа объектов обучения по классам (рис 6)

Были получены оценки статистической погрешности результатов моделирования алгоритмов параметрического распознавания, построенных на решающем правиле оптимального байесовского классификатора, и определены вероятности ошибок по классам по выборкам, объем которых варьировался от 10 до 100 Определено понятие статистической погрешности цифрового моделирования работы параметрических классификаторов при решении задачи классификации случайных процессов, определены вероятности ошибок распознавания по классам (табл 1)

Таблица 1

Условный класс сигналов

1 2 3 4

Р ош 0,05 0,09 0,1 0 08

Был произведен сравнительный анализ показателей качества параметрических алгоритмов диагностики, определены границы вероятностей ошибочной классификации для алгоритма основанного на решающем правиле "1 ближайший сосед" в сравнении с алгоритмом, базирующемся на решающем правиле классификатора Байеса

С

Задание номиналов неизменных элементов моделируемой системы

Задание номиналов варьируемых элементов системы г^

Рассчёт дискретной импульсной

характеристики ЛС

Сохранение в файл данных - Оценок векторов мзт ожиданий М/*дп 4-х классов - Стэка усредненных нормированных ковариационных матриц для четырёх классов

Формирование Д-коррелированного процесса на входе Л С в виде массива х11ТЛ1 Рк}]

Формирование массива процессов урТо.1 с экспоненциально-косинусной

импульсной характеристикой реализуя процедуру фильтрации массива хрТо.1 РкЦ ликемной системой с импульсной характеристикой вида ь^т,)

Вычисление оценки вектора математуческих ожиданий А<{г* процессов

Нахождение массива оценок нормированной импульсной характеристики ЛС А, («Г, 1 Л^О-^уЕ*^1 МЫ('*Г)Тв 1 Р,4\

1 '

Рис 4 Структурная схема алгоритма подпрограммы обучения диагностической

системы

Рис 5 Структурная схема алгоритма подпрограммы классификации

Рис. 6. Зависимости оценок суммарных вероятностей ошибок классификации от\ числа объектов обучения по классам

Полученные при моделировании зависимости позволяют обоснованно с точк! зрения аппаратурных и временных затрат подходить к выбору количества отечете сигнала для формирования одного признака и объемов обучающих выборо. необходимых для классификации процессов с заданной достоверностью.

В заключении сформулированы основные научные и практически результаты работы.

Приложения к диссертации содержат комплексы программ для расчег.| характеристик и моделирования алгоритмов параметрической классификаци] случайных процессов.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1 Разработан алгоритм получения оценок диагностически значимых признаков на основе корреляционного метода измерения импульсной характеристики линейной системы

2 Предложена методика построения признаковых пространств, позволяющая повысить вероятность правильной диагностики при использовании параметрических алгоритмов классификации

3 Разработаны математические модели алгоритмов параметрической классификации состояния линейного тракта радиотехнической системы Определены показатели качества разработанных алгоритмов

4 Получены зависимости основных показателей качества разработанных алгоритмов от времени обучения, распознавания и размерности признакового пространства, позволяющие оптимизировать временные и пространственные параметры систем технической диагностики

5 Показано, что применение корреляционного метода для получения оценок диагностически значимых признаков не требует отключения системы из работающего комплекса на период контроля

6 Результаты численного моделирования оптимальных алгоритмов классификации показывают, что разработанный пакет программ для диагностики состояния линейных систем без их отключения из рабочего режима, может использоваться в ряде различных смежных областей, требующих решения задач встроенного контроля и диагностики состояния систем

ОСНОВНЫЕ РЕЗУЛЬТАТЫ ДИССЕРТАЦИИ ОПУБЛИКОВАНЫ В

РАБОТАХ

1 И В Сидько Генерирование случайных процессов с заданными статистически характеристиками // Материалы VIII Всероссийской научной конференц студентов и аспирантов «Техническая кибернетика, радиоэлектроника и систел управления» - Таганрог ТРТУ, 2006 г - с 34-35

2 И В Сидько Метод диагностики линейных систем без их отключения работающих комплексов // Материалы VIII Всероссийской научн конференции студентов и аспирантов «Техническая кибернетш радиоэлектроника и системы управления» — Таганрог ТРТУ, 2006 г.- с 35-36

3 И В Сидько Измерение импульсной переходной характеристи корреляционным методом // Материалы международной научной конференц «Статистические методы в естественных, гуманитарных и технических наука ч 4 - Таганрог Изд «Антон», ТРТУ, 2006 г - с 50-55

4 И В Сидько Генерирование случайных процессов с известны статистическими характеристиками // Материалы международной научн конференции «Статистические методы в естественных, гуманитарных технических науках», ч 4 - Таганрог Изд «Антон», ТРТУ, 2006 г - с 55-58

5 И В Сидько Использование псевдослучайного шума при измерении импульсн характеристики линейной системы // Материалы международной начн конференции «Проблемы развития естественных, технических и социальн систем», ч 4-Таганрог Изд «Антон», ТТИ ЮФУ, 2007 г - с 71-76

6 И В Сидько Измерение импульсной характеристики корреляционным методо // Известия ТРТУ №9 специальный выпуск «Материалы LII научно-техническ конференции» -Таганрог ТРТУ, 2006 г -с 31-32

7 Галустов Г Г, Сидько И В Оценивание импульсной характеристики линейн системы в рабочем режиме //Ежемесячный научно-технический, информацион аналитический и учебно-методический журнал Телекоммуникации №4, 2008 г 13-17

8 ИВ Сидько Контроль последовательности равномерно распределенных чисел выходе модели генератора, реализованного по схеме сдвигового регистр Известия ЮФУ Технические науки №1,2008 г-с 30-35

В работе [7], опубликованной в соавторстве, лично Сидько ИВ принадлеж

следующие результаты - моделирование корреляционного метода измерен

импульсной характеристики линейной системы

Соискатель - Сидько И В

Типография Технологического института Южного федерального университета в г Таганроге 347928, Таганрог, ГСП- 17А,ул Энгельса, 1

ВВЕДЕНИЕ

1. АНАЛИЗ ИЗВЕСТНЫХ МЕТОДОВ ДИАГНОСТИКИ СОСТОЯНИЯ РАДИОТЕХНИЧЕЧСКОЙ СИСТЕМЫ БЕЗ ОТКЛЮЧЕНИЯ ИЗ РАБОЧЕГО РЕЖИМА.

1.1. Известные методы диагностики состояния, нарамстрнмсское оценивание

1.2. Модели сигналов используемых при диагностических исследованиях для предварительного обучения системы диагностики

1.3. Анализ методов теории распознавания образов, применяемых для решения задач диагностики

1.4. Методы распознавания, основанные на теории статистических решений

Выводы по материалам первой главы

2. ПОСТАНОВКА ЗАДАЧИ ДИАГНОСТИКИ II АНАЛИЗ СТРУКТУРЫ РАДИОТЕХНИЧЕСКОЙ СИСТЕМЫ.

2.1. Постановка задачи диагностики

2.2. Анализ структуры радиотехнической системы с учётом системы диагностики сё состояния

2.3. Рассмотрение методики оценивания параметров системы диагностики

2.4. Вопросы оптимизации временных и пространственных параметров диагностической системы

Выводы но материалам второй главы

3. РАЗРАБОТКА АЛГОРИТМОВ ПАРАМЕТРИЧЕСКОГО РАСПОЗНАВАНИЯ СОСТОЯНИЯ РАДИОТЕХНИЧЕСКОЙ СИСТЕМЫ.

3.1. Формирование моделей сигналов различных классов для оценки значений признаков каждого класса

3.2. Выбор вектора признаков для распознавания состояния системы

3.3. Выбор и обоснование разделяющих поверхностен и решающих правил

3.4. Исследование влияния размерности вектора признаков па эффективность классификации

Выводы по материалам третьей главы

4. ИССЛЕДОВАНИЕ АЛГОРИТМОВ ПАРАМЕТРИЧЕСКОЙ КЛАССИФИКАЦИИ С ЦЕЛЬЮ ДИАГНОСТИКИ СОСТОЯНИЯ СИСТЕМЫ.

4.1. Методы моделирования устройств обработки сигналов

4.2. Моделирование работы систсмы диагностики

4.3. Моделирование алгоритмов параметрического распознавания

4.4. Сравнительный анализ показателен качества алгоритмов параметрической классификации

4.5. Оценка статистической погрешности результатов моделирования

В настоящее время возникает необходимость в разработке простых, эффективных и достаточно надежных методов диагностики (распознавания) объектов и систем по текущей информации о выходных сигналах. Это сводится к выбору определяющих параметров-признаков, подлежащих измерению и контролю, и методов обработки полученной информации.

Одним из основных направлений радиоэлектроники, которое предназначено для сбора и , обработки информации на основе приема искусственных и естественных радиоизлучений является радиоконтроль (РК).

Для обеспечения высоких оперативности и достоверности РК все более широкое применение находят методы пространственно-временной обработки информации при решении таких задач как поиск, обнаружение, разрешение, пеленгование, определение местоположения источников радиоизлучений (ИРИ).

Для решения большинства из перечисленных задач РК возникает необходимость в использовании многоканальных технических средств. К числу основных устройств, определяющих основные характеристики многоканальных технических средств, следует отнести фазированные антенные решетки (ФАР) и многоканальные супергетеродинные приемные устройства (МСПУ).

Вопросы построения одноканальных супергетеродинных приемных устройств в интересах РК в настоящее время хорошо отработаны как в теоретическом, так и практическом планах.

Однако при построении МСПУ состояние как теории, так и практики не в полной мере удовлетворяет требованиям настоящего времени. При этом одной из наиболее актуальных проблем является задача устранения неидентичности характеристик каналов МСПУ за счет неидеальности аппаратурной реализации и влияния климатических и механических воздействий.

Широко используемые в настоящее время пути решения данной задачи связаны: 1) с использованием схемотехнических и конструкторско-технологических приемов, 2) а также с использованием методов диагностики состояния радиотехнической системы (РТС) в рабочем режиме.

Первый из вышеперечисленных путей является малоперспективным, поскольку требует создания прецизионной аппаратуры в условиях, когда темпы достижений в области схемотехники и технологии отстают от темпов ужесточения технико-эксплуатационных требований к МСПУ.

Второй путь широко используется и приводит к решению поставленной задачи, но только в условиях стационарной радиообстановки при невысоких требованиях к пропускной способности комплекса радиоконтроля (КРК). КРК в настоящее время как обязательную составную часть аппаратуры включают в себя диагностические средства (комплексы).

Среди известных работ, посвященных данной тематике, можно выделить направление, использующее принцип разделения во времени режимов работы и измерения (контроля), отражённые в работах В.А.Долгова, А.С.Касаткина, В.Н.Сретенского, В.Д. Кудрицкого и других. Существенным недостатками разделения во времени режимов работы и контроля является снижение готовности КРК, потеря информации о РО на период проведения контроля, уменьшение достоверности контроля из-за получения оценок в КРК и диагностической системе эпизодически. Жёсткие требования к готовности и надёжности современных КРК обуславливают переход к распараллеливанию выполнения задач диагностики и работы.

Вопросам построения диагностических систем, позволяющих классифицировать состояния РТС в рабочем режиме, в литературе уделено недостаточно внимания. Данные обстоятельства указывают на необходимость разработки и анализа моделей систем диагностики состояния РТС без использования режимов разделения во времени.

Таким образом, тема диссертации, посвященная компьютерному моделированию и анализу алгоритмов диагностики состояния радиотехнических систем в рабочем режиме, является достаточно актуальной.

Целью работы является:

Построение математических моделей алгоритмов диагностики состояния линейной системы в рабочем режиме; формирование набора эффективных признаков, используемых в устройствах классификации состояния линейных трактов; исследование возможности оптимизации временных и пространственных параметров классификаторов состояний линейных систем.

Основные задачи диссертации вытекают непосредственно из сё цели:

1. Формирование и обоснование системы эффективных признаков используемых в моделях алгоритмов классификации состояния линейной системы без отключения из рабочего режима.

2. Синтез и обоснование решающего правила для классификатора состояния линейной системы.

3. Исследование возможности оптимизации временных и пространственных параметров классификаторов состояний линейной системы.

4. Построение модели диагностической системы и экспериментальная проверка качества диагностики на её основе.

5. Разработка пакета программ для экспериментального исследования предложенных моделей и методов.

Решение поставленной задачи проводится в несколько этапов:

1. Определение моделей сигналов РТС

2. Разработка алгоритма формирования классификационных признаков.

3. Исследование влияния времени обучения и распознавания, и размерности признакового пространства на показатели эффективности классификатора.

4. Экспериментальное исследование показателей качества разработанных алгоритмов при классификации математических моделей сигналов РТС.

Научная новизна. В работе получен ряд новых результатов, которые сводятся к следующему:

1. Разработана методика формирования системы признаков на основе корреляционного метода измерения импульсной характеристики модели линейного тракта радиотехнической системы.

2. Предложена методика диагностики состояния модели линейного тракта радиотехнической системы без отключения её из рабочего режима.

3. Разработан комплекс программ математического моделирования диагностики состояния линейной системы в рабочем режиме.

4. Выявлены закономерности показателей эффективности классификатора от времени обучения и распознавания, от размерности признакового пространства.

Прастическая ценность состоит в возможности использования результатов работы для решения практических задач техники и науки: определены условия целесообразности использования предложенных алгоритмов в компьютерных системах диагностики состояния РТС;

- обеспечено получение улучшенных точностных характеристик при использовании программ параметрической классификации шумоподобных сигналов.

Реализация результатов работы. Результаты, полученные в работе, были использованы в учебном процессе при проведении лабораторных работ, курсовом проектировании по дисциплинам: "Устройства приёма и преобразования сигналов", "Радиоприёмные устройства сверхвысоких частот", "Основы компьютерного проектирования" на кафедре Радиоприёмных устройств и Телевидения Технологического института Южного федерального университета.

Результаты, полученные в кандидатской диссертации, реализованы в разработках отдела 24 НКБ моделирующих и управляющих систем ЮФУ (г. Таганрог) в рамках х/д 324057 при создании радиолокационного измерителя характеристик морского волнения (РИВ200), предназначенного для снабжения гидросамолёта Бе-200.

Методы исследования основаны на использовании численных методов, методов теории вероятности и математической статистики, статистической теории распознавания образов, функционального анализа.

Основные положения, выносимые на защиту, следующие:

- математические модели сигналов линейных трактов радиотехнических систем; алгоритм формирования системы эффективных признаков на основе корреляционного метода измерения импульсной характеристики линейной системы; зависимости дисперсий оценок признаков и ошибки распознавания от времени обучения, размерности признакового пространства; результаты моделирования разработанных алгоритмов диагностики состояния линейных трактов без отключения из рабочего режима.

Апробация работы. Основные положения диссертационной работы обсуждались и докладывались:

-на VIII Всероссийской научной конференции студентов и аспирантов

Техническая кибернетика, радиоэлектроника и системы управления» (Таганрог, ТРТУ, 2006 г.)

- на международной научной конференции «Статистические методы в естественных, гуманитарных и технических науках».(Таганрог, ТРТУ, 2006 г.)

- на Ы1 научно-технической конференции.(Таганрог, ТРТУ, 2006 г.)

- на 6-й Всероссийской научно-практической конференции студентов, аспирантов и молодых учёных «Молодёжь XXI века-будущее Российской науки» (Ростов-на-Дону, ЮФУ, 15 мая 2008г.)

- на Всероссийской научно-технической конференции с международным участием: "Компьютерные и информационные технологии в науке, инженерии и упфъъпыит"«КомТех-2008»{ Таганрог, ТТИ ЮФУ, 6.06.2008)

Публикации. Основные научные результаты диссертации опубликованы в 5-ти статьях, 3-х тезисах докладов.

Структура диссертации. Диссертационная работа состоит из введения, четырёх разделов, заключения и приложений, включающих 5 наименований. Работа изложена на 151 стр. текста, включает 36 рисунков, 7 таблиц, список литературы из 115 наименований и 4 приложений.

Выводы по материалам четвёртой главы

В результате моделирования работы классификаторов, при классификации случайных процессов с нормальными одномерными плотностями распределения вероятностей и различными корреляционными функциями определены значения суммарных вероятностей ошибок классификации при различных объемах обучающих и контрольных выборок, различных размеров признакового пространства и различном количестве объектов обучения.

Осуществлено моделирование корреляционного метода измерения импульсной характеристики линейной системы. Установлено, что статистическая погрешность измерения нормированной импульсной характеристики не превышает 3%, методическая погрешность составляет порядка 2%. Измерения импульсной характеристики производилось по 96000 точек, частота дискретизации 48 кГц.

Произведен сравнительный анализ показателей качества предложенного и известного алгоритма параметрической классификации. Были установлены теоретические пределы вероятности ошибки 1-БС правила в сравнении с вероятностью ошибки Байесовского правила. Байесовская вероятность ошибки — наименьшая. Ошибка 1-БС правила превышает ошибку Байесовского правила не более, чем в 2 раза, что подтверждают результаты численного моделирования. Практическим неудобством в реализации 1-БС правила является то, что для достижения указанных границ необходимо сохранять в памяти большое количество образов, о которых известно принадлежность их некоторому классу. Кроме того, при осуществлении классификации необходимо вычислять расстояние между каждым классифицируемым образом и всеми образами, хранящимися в памяти системы, что существенно ■ сказывается на вычислительных затратах.

Определены понятия и численные значения статистической погрешности моделирования работы диагностической системы при решении задачи классификации объектов наблюдения.

Алгоритм классификации эффективно работает при объёмах обучающей выборки признаков , начиная от 10.20, при однократной процедуре предъявления контрольной выборки. Увеличение размерности вектора признаков приводит к уменьшению вероятности ошибки, однако более эффективным способом снижения вероятности ошибочной классификации является повышение количества векторов признаков, по которым принимается решение.

Результаты численного моделирования показывают, что разработанный комплекс программ может иметь область применения, выходящую за рамки исследования диагностических сигналов РТС. Разработанные алгоритмы могут быть использованы при построении любых диагностических систем, где объектом исследований являются нормально распределённые шумоподобные сигналы.

ЗАКЛЮЧЕНИЕ

В диссертационной работе рассмотрен комплекс теоретических и практических вопросов связанных с построением признаковых пространств, выбором оптимальных решающих правил классификаторов состояния линейных систем. Основную научную и практическую новизну имеют результаты моделирования корреляционного метода измерения импульсной характеристики линейной системы, подтвердившие возможность получения оценок вектора диагностически значимых признаков, при этом показавшие, что на данные оценки не оказывает влияния стационарный аддитивный сигнал, действующий на входе системы; результаты оптимизации временных и пространственных параметров диагностической системы имеют высокую научную и практическую ценность.

В работе получен ряд результатов:

1. Разработан алгоритм получения оценок диагностически значимых признаков на основе корреляционного метода измерения импульсной характеристики линейной системы.

2. Предложена методика построения признаковых пространств, позволяющая повысить вероятность правильной диагностики при использовании параметрических алгоритмов классификации.

3. Разработаны математические модели алгоритмов параметрической классификации состояния линейного тракта радиотехнической системы. Определены показатели качества разработанных алгоритмов.

4. Получены зависимости основных показателей качества разработанных алгоритмов от времени обучения, распознавания и размерности признакового пространства, позволяющие оптимизировать временные и пространственные параметры систем технической диагностики.

5. Показано, что применение корреляционного метода для получения оценок диагностически значимых признаков не требует отключения системы из работающего комплекса на период контроля.

6. Результаты численного моделирования оптимальных алгоритмов классификации показывают, что разработанный пакет программ для диагностики состояния линейных систем без их отключения из рабочего режима, может использоваться в ряде различных смежных областей, требующих решения задач встроенного контроля и диагностики состояния систем.

1. Миленький A.B. Классификация сигналов в условиях неопределенности (Статистические методы самообучения в распознавании образов). М.: Сов. радио, 1975. — 328 с.

2. Ту Дж., Гонсалес Р. Принципы распознавания образов. М.: Мир, 1978.-132 с.

3. Вапник В.Н., Червоненкис А.Я. Теория распознавания образов (статистические проблемы обучения). -М.:Наука, 1975. — 416 с.

4. Шибанов Г.И. Распознавание в системах автоконтроля. М.: Машиностроениеие, 1973. - 424 с.

5. Дружинин В.В., Конторов Д.С. Проблемы системологии. М.: Сов. радио, 1976.-350 с.

6. Сенин А.Г. Распознавание случайных сигналов. Новосибирск: Наука. Сибирское отделение, 1974. - 76 с. •

7. Васильев В.И. Распознающие системы: Справочник. 2-е изд., перераб. и доп. Киев: Наукова думка, 1983. — 423 с.

8. Фу К. Структурные методы в распознавании образов / Пер. с англ. Под ред. М.А. Айзермана. М.: Наука, 1977. — 319 с.

9. Журавлев Ю.И. Непараметрические задачи распознавания образов //Кибернетика. 1986. №6. С. 83 103.

10. Леман Э. Проверка статистических гипотез / Пер. с англ. Под ред. Ю.В.Прохорова. М.: Наука, 1979. - 408 с.34 .Биргер И. А. Техническая диагностика. — М.: Машиностроение, 1978. -240 с.

11. Голуб Дж., Ван Лоун Ч. Матричные вычисления: Пер. с англ. — М.: Мир,1999.-548 с.

12. Айвазян С. А., Ешоков И.С., Мешалкин Л. Д. Прикладная статистика: Основы моделирования и первичная обработка данных: Справ изд. М.:Финансы и статистика, 1983. - 471 с.

13. Исакссон А., Веннберг А., Зеттерберг Л. Машинный анализ ЭЭГ-сигналов на основе параметрических моделей. ТИИЭР. 1981. Т. 61. № 4. С.55 - 68

14. Корн Г. Электронные аналоговые и аналого-цифровыевычислительные машины. М.: Мир, 1967. - С. 239-245

15. Рубичев H.A. Оценка и измерение искажений радиосигналов. М.:

16. Советское радио, 1978.-С. 15-25.43 .Распознавание образов: Теория и приложения. М.: Наука, 1977. 128 с.4 4. Моисеев H.H., Иванилов IO.JL, Столярова Е.М. Методы оптимизации. М.: Наука, 1978. - 352 с.

17. Гладкий B.C. Вероятностные вычислительные модели. М.: Наука, 1973.-300 с.

18. Колмогоров А.Н. Основные понятия теории вероятностей. 3- изд. -М.:1. ФАЗИС, 1998.- 144с.

19. Мелешкин С.Н. Алгоритм экспериментальной оценки качества регрессионных зависимостей. 11 Материалы международной научной конференции «Оптимальные методы решения научных и практических задач», ч. 2.-Таганрог: Изд-во Антон, ТРТУ, 2005. с. 47-52.

20. Фомин В.Н. Математическая теория обучаемых опознающих систем. -Л.: Изд-во ЛГУ, 1976. 235 с.5 4. Омельченко В.А. Основы спектральной теории распознавания сигналов.-Харьков: Вища школа, 1983. 159 с.

21. Мирский Г.Я. Аппаратурное определение характеристик случайных процессов. Изд. 2-е перераб. и доп. — М.: Энергия, 1972. — 456 с.

22. Бб.Цыпкин Я.З. Основы теории обучающихся систем. М.:Наука,1970.- 252с.

23. Завьялов Ю.С., Квасов Б.И., Мирошниченко В.Л., Методы сплайн-функций. -М.: Наука, 1980, 352 с.58 .Мартынов Н. Н. Введение в MatLab 6.-М.: КУДИЦ-ОБРАЗ, 2002. -352 с.

24. Ануфриев И.Е. Самоучитель MatLaB 5.3/б.х-СПб.: БХВ-Петербург, 2004.-736с.60 .Вентцель Е. С. Теория вероятностей: Учеб для вузов.—7-е изд. стер. — М.: Высш. шк,, 2002. 575 с.

25. Галустов Г. Г. Моделирование случайных процессов и оценивание их статистических характеристик. М.: Радио и связь. 1999. — 119 с.

26. Патрик Э. Основы теории распознавания образов. — М.: Сов.радио. 1980-408 с.

27. Разумный В.М. Оценка параметров автоматического контроля — М.: Энергия, 1975-80 с.

28. Кривицкий Б.Х Автоматические системы радиотехнических устройств.-М.: Энергоиздат, 1962.-664с.

29. Пестряков В.Б., Афанасьев В.П. и др. Шумоподобные сигналы в системах передачи информации-М.: Сов. Радио, 1973. -424с.

30. Шибанов Г.П., Артеменко А.Е. и др. Контроль функционирования больших систем. М.: Машиностроение, 1977. - 360с.

31. Баумгарт В.Ф. Автоматизация контроля радиоприёмников. М.: Связь 1970.-84 с.

32. Быков В.В. Цифровое моделирование в статистической радиотехнике. -М: Сов. Радио, 1971.-328 с.72 .Галустов Г.Г. Укрупнение описания случайных процессов с целью их классификации// "Вопросы медицинской электроники". —, Вып.6. Таганрог, 1986.-С. 57-62.

33. Бакалов В.П. Цифровое моделирование случайных процессов. М.: САЙНС-ПРЕСС, 2002. - 88с: ил.7 6.Банди Б. Методы оптимизации. Вводный курс: Пер. с англ. — М.: Радио и связь, 1988. 128с.

34. Бахвалов Н.С., Жидков Н.П., Кобельков Г.М. Численные методы -М.'Лаборатория Базовых Знаний, 2000. 624 с: ил.

35. Бусленко Н.П. Моделирование сложных систем. М. Наука, 1988. -132 с.

36. Бусленко Н.П., Калашников В.В., Коваленко И.Н. Лекции по теории сложных систем. М.: Сов. радио, 1973. - 440 с.

37. Житецкий J1.C, Файзенберг J1.C. Об информационном подходе к оценкеполезности признаков при статистическом распознавании образов //Техническаякибернетика. 1983. №4-С. 120.

38. Каханер Д., Моулер К., Нэш С. Численные методы и программное обеспечение: Пер. с англ. Изд. второе, стереотип. - М.: Мир, 2001. - 575 с.

39. Киселев Н.В., Сечкин В.А. Техническая диагностика методами нелинейного преобразования. Д.: Энергия, 1980. - 108 с.

40. Клиот-Дашинский М.И. Алгебра матриц и векторов. Учебники для вузов. Специальная литература 3-е изд., стер. — СПб.: Изд-во Лань, 2001. — 160 е.91 .Колмогоров А.Н., Фомин СВ. Элементы теории функций и функционального анализа. -М.: Наука, 1981. 543 с.

41. Крамер Г. Математические методы статистики. Пер. с англ. A.C. Монини и A.A. Петрова под ред. академика А.Н. Колмогорова. Изд. 2-е, стереотипное. -М.: Мир, 1976. 648 с.

42. Корн Г. Моделирование случайных процессов на аналоговых и аналого-цифровых машинах. Пер. с англ. Е.В. Доброва и И.Б.Гуревича под ред.В.П. Яковлева. М.: Мир, 1968. - 298 с.

43. Миллер Б.М., Панков А.Р. Теория случайных процессов в примерах и задачах. М.: Физматлит, 2002. - 320 с.

44. Мирский Г.Я. Характеристики стохастической взаимосвязи и их измерения. М.: Энергоиздат, 1982. - 320 с.

45. Пугачев B.C. Теория вероятностей и математическая статистика: Учеб. пособие. 2-е изд. испр. и дополн. - М.: ФИЗМАТЛИТ, 2002. - 496 с.

46. Пугачев B.C. Теория случайных функций. -М.: Физматгиз, 1962. — 884 с.

47. Пугачев B.C., Синицын И.Н. Теория стохастических систем: Учеб. Пособие. М : Логос, 2000. - 1000 с.

48. Фомин Я.А., Савич A.B. Оптимизация системы распознавания многомерных нормальных совокупностей // Радиотехника. 1985. Т.40. №12. С.8-11.

49. ИЗ.Элиенс Антон. Принципы объектно-ориентированной разработкипрограмм. 2-е издание. : Пер. с англ. М. : Вильяме, 2002. - 496 с. ил. -Парал. тит. англ.

50. Rogowitz В., Treinish L. Data visualization: the end of the rainbow. IEEE