Математическое и алгоритмическое обеспечение интеллектуальной поддержки принятия решений в автоматизированных системах сбора и обработки стохастической информации

Новикова, Нелля Михайловна

Системный анализ, управление и обработка информации (по отраслям)

автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Математическое и алгоритмическое обеспечение интеллектуальной поддержки принятия решений в автоматизированных системах сбора и обработки стохастической информации

доктора технических наук: Новикова, Нелля Михайловна
город: Воронеж
год: 2005
специальность ВАК РФ: 05.13.01

Диссертация по информатике, вычислительной технике и управлению на тему «Математическое и алгоритмическое обеспечение интеллектуальной поддержки принятия решений в автоматизированных системах сбора и обработки стохастической информации»

Автореферат диссертации по теме "Математическое и алгоритмическое обеспечение интеллектуальной поддержки принятия решений в автоматизированных системах сбора и обработки стохастической информации"

На правах рукописи

НОВИКОВА Нелля Михайловна

МАТЕМАТИЧЕСКОЕ И АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В АВТОМАТИЗИРОВАННЫХ СИСТЕМАХ СБОРА И ОБРАБОТКИ СТОХАСТИЧЕСКОЙ ИНФОРМАЦИИ

Специальности: 05.13.01 - Системный анализ, управление и обработка

информации, 05.13.06 - Автоматизация и управление технологическими процессами и производствами

АВТОРЕФЕРАТ

диссертации на соискание ученой степени доктора технических наук

Воронеж-2005

Работа выполнена в Воронежском государственном техническом университете

Научный консультант Заслуженный деятель науки и техники РФ,

доктор технических наук, профессор Подвальный Семён Леонидович

Официальные оппоненты: доктор технических наук, профессор

Сухорукое Юрий Сергеевич;

Заслуженный деятель науки РФ, доктор технических наук, профессор Шахнов Вадим Анатольевич;

доктор технических наук, профессор Федянин Виталий Иванович

Ведущая организация Федеральное государственное унитарное

предприятие научно-исследовательский институт "Вега" г. Воронеж

Защита состоится 24 июня 2005 г. в 16 00 часов в конференц-зале на заседании диссертационного совета Д.212.037.02 Воронежского государственного технического университета по адресу 394026, г. Воронеж, Московский просп., 14.

С диссертацией можно ознакомиться в библиотеке Воронежского государственного технического университета.

Автореферат разослан мая 2005 г.

Ученый секретарь диссертационного совета

Федорков Е.Д.

<616 с/

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. На современном этапе научно-технического прогресса создаются крупномасштабные технические комплексы и различные типы автоматизированных производств. Широкое развитие получают эргатиче-ские (человеко-машинные) системы управления процессами и производствами, построенные на основе взаимодействия автоматизированных систем управления различных уровней, использовании компьютеров, видеотерминалов, типизации программного и технического обеспечения, построения баз данных. При создании таких систем необходим учет человеческого фактора, который призван повысить эффективность работы, как человека, так и системы путем изменения взаимодействия между человеком и техническими средствами. Отсюда возникла актуальная проблема исследования взаимодействия человека с машиной в единой системе и возможностей человека-оператора не только как звена системы "человек-машина", но и как активного субъекта деятельности. Развитие эргатических систем потребовало изучения проблемы отображения и обработки информации в условиях усложняющихся задач управления и интенсивности их решения. В настоящее время помимо использования уникальных психофизиологических свойств человека по визуальному восприятию информации ставится вопрос об эффективном использовании мыслительных способностей человека. Возникает задача автоматизации интеллектуальной поддержки принятия решений в системе управления.

тикой. Это множество подходов можно разбить на два больших класса: маши-ноцентрический подход (используется разработчиками техники) и антропоцентрический подход (используется психологами труда и инженерными психологами). Первые исследования в 40-50-х годах базировались на машиноцентриче-ском подходе -"от машины (техники) к человеку." При этом человека рассматривали как простое звено системы, были получены некоторые его характеристики, например, параметры передаточной функции (Шеридан Т., Феррел У.. Цибулевский И.Е.). Развитие космонавтики, авиации, автоматизированных систем управления показало ограниченность машиноцентрического подхода, и возникла необходимость создания антропоцентрического подхода -"от человека к машине (технике)." Этот подход был разработан в 60-70-х годах (Ломов Б.Ф., Галактионов А.И., Губинский А.И., Венда В.Ф., Павлов В.В. и др.). Главной задачей данного подхода становится проектирование деятельности человека-оператора. В 80-90-х годах антропоцентрический подход стал одной из ведущих теоретических позиций в зарубежных исследованиях (Шеридан Т., Кап-tovitz В., Levis.А. и др.). В них решение проблем проектирования и эксплуатации эргатических систем предлагается с учетом когнитивных процессов операторской деятельности.

Следовательно, возникает проблема формализованного описания деятельности человека-оператора, разработки математических моделей, структурных решений и алгоритмов, предназначенных для интеллектуализации принятия решений в автоматизированных системах управления сбором и обработкой стохастической информации, методов и устройств для оценки работоспособности человека с целью повышения оперативности и эффективности управления Решению этих важных задач посвящена данная работа.

Диссертационная работа выполнялась в ВГТУ по комплексной программе "Вычислительные системы и программно-аппаратные комплексы" и на кафедре технической кибернетики и автоматического регулирования ВГУ в рамках договоров с Федеральным государственным унитарным предприятием "Воронежский научно-исследовательский институт связи" по теме "Исследование методов оценки эффективности обработки информации в сложных системах" (номер гос. регистрации 01870056886).

Цель и задачи работы. Целью диссертации является разработка научных основ формализованного описания работы человека-оператора в автоматизированных системах сбора и обработки стохастической информации, а также методов оценки работоспособности, как человека, так и системы.

Для достижения этой цели потребовалось решить следующие задачи: - разработать структуру деятельности и метод синтеза математических моделей человека-оператора, пригодных для исследования пороговых и временных характеристик в задачах обнаружения и распознавания сигналов, а также рабочего аппарата для проектирования и оценки эффективности автоматизированных систем;

; „1,4 i (.-.О* "v< »

! » > • • !>Ч I • N * 2

•«« яГ

- разработать алгоритмы и математические модели работы человека-оператора, как при дефиците времени, так и без дефицита времени на приятие решения в задачах обнаружения сигналов;

- разработать тематические модели и алгоритмы интеллектуальной поддержки принятия решений в задачах радиолокационного распознавания сигналов;

- построить имитационную модель процесса распознавания зрительных образов, предъявляемых человеку-оператору на телевизионном экране;

- разработать методику и выполнить экспериментальные исследования математических моделей с целью оценки их эффективности и достоверности;

- создать методы и устройства для экспресс-анализа зрительного утомления, психофизиологического состояния и оценки работоспособности человека-оператора.

Методы исследования. Для решения поставленных в диссертации задач использовались методы теории вероятностей, математической статистики, теории статистических решений, теории информации, статистического моделирования, теории матриц, инженерной психологии, психофизики и физиологии зрения, имитационного моделирования на ЭВМ.

Научная новизна. В работе получены следующие новые научные результаты:

- вероятностно-временная непараметрическая модель работы человека-оператора при обнаружении сш налов, отличающаяся тем, что учитывает сенсорные шумы, утомляемость зрительного анализатора, психофизиологические особенности человека, и позволяющая оценить эффективность работы системы в условиях внешнего воздействия шумов и помех;

- законы распределения яркостного порога человека-оператора и времени принятия решения при обнаружении сигналов, отличающиеся тем, что параметры этих законов зависят от характеристик помех, и это позволило выявить ранее неизвестные критичные для работы человека-оператора параметры коррелированных помех;

- робастный алгоритм управления, отличающийся тем, что обеспечивает условную вероятность нахождения выходной переменной в установленном допуске и дает возможность оценить точность вероятностно-временной модели в условиях воздействия неконтролируемых возмущений;

- законы распределения дифференциальных порогов чувствительности по яркости и по размерам, отличающиеся тем, что они оценивают предельные возможности человека в задаче распознавания сигналов и используются для инженерных расчетов вероятностных характеристик среднестатистического оператора;

- математическая модель вероятностного распознавания сигналов, отличающаяся тем, что в сложном алгоритме работы человека учитывает оценку среднего значения наблюдаемого параметра, что дает возможность использовать её для формализованного описания работы человека-оператора в системах

обработки стохастической информации;

- алгоритмы принятия решений человеком-оператором в задаче распознавания флуктуирующих сигналов по нескольким однородным наблюдениям, а также по нескольким равновероятным признакам, отличающиеся тем, что учитывают байесовскую процедуру обработки информации и консерватизм человека-оператора и используются для автоматизации интеллектуальной поддержки принятия решений;

- алгоритм распознавания флуктуирующих по яркости сигналов, отличающийся тем, что используется сравнение яркостей "по среднему," что и позволило реализовать его в виде электронного устройства;

- имитационная модель работы человека-оператора при распознавании зрительных образов, предъявляемых на телевизионном экране, отличающаяся тем, что обеспечивает двухальтернативное и многоальтернативное распознавание и выявляет наиболее информативные признаки изображений, и используется для построения классификаторов объектов;

- способ и устройство для измерения зрительного утомления человека-оператора, а также устройство для исследования психофизиологических характеристик, состояния нервной системы и скорости передачи информации в зрительно-двигательной системе, отличающиеся тем, что обладают высокой чувствительностью, достоверностью и точностью измерений, что позволяет использовать эти устройства на рабочем месте для экспресс-анализа работоспособности человека-оператора.

Практическая значимость и результаты внедрений. Разработанная методология формализованного описания работы человека-оператора позволяет проектировать и эффективно эксплуатировать автоматизированные системы управления с учетом ограничений, налагаемых участием человека.

Вероятностно-временная непараметрическая модель работы человека-оператора, разработанная в диссертации, используется для получения робаст-ных алгоритмов управления, оценки помехозащищенности и пропускной способности систем, где информация предъявляется человеку на индикаторах различного типа, включая дисплеи компьютеров.

Методы составления алгоритмов работы человека-оператора и имитационных моделей распознавания и классификации сложных сигналов и объектов, разработанные в диссертации, могут быть использованы при проектировании систем связи, а также автоматизированных систем поддержки принятия решений и управления.

Способы и устройства для диагностирования зрительного утомления и психофизиологического состояния человека-оператора, разработанные в диссертации, находят широкое применение в автоматизированных системах управления технологическими процессами, в аэронавигации и на железнодорожном транспорте.

Результаты диссертации внедрены в:

Федеральном государственном унитарном предприятии "Воронежский научно-исследовательский институт связи" использование вероятностно-временной непараметрической модели, классификатора сигналов, программного продукта по обеспечению поддержки принятия решений человеком-оператором, методов и устройств для измерения зрительного утомления и психофизического состояния человека-оператора позволило повысить надежность распознавания в каналах связи на 15%, увеличить пропускную способность системы "индикатор-оператор" на 10%, установить оптимальный режим работы операторов систем связи; Воронежском филиале ЦентрАэронавигации исполь-> зуют методы и устройства для оценки зрительного утомления и психофизиоло-

гического состояния авиадиспетчеров, что привело к повышению безопасности воздушного движения и дало экономический эффект 300000 рублей; некоммерческой организации "Маркетинговый центр Реформа" внедрены программы и алгоритмы для оценки объёма внимания, скорости передачи информации в зри-1ельной системе человека при работе с персональным компьютером, а также программы и алгоритмы принятия решений человеком-оператором в системе обработки информации. Это привело к повышению производительности труда операторов на 15%. Экономический эффект от внедрения составляет 500000 рублей; рефрижераторном депо ст. Лиски Юго-Восточной железной дороги используют методы и устройства для измерения зрительного утомления; устройство для оценки состояния высшей нервной деятельности, внимания, скорости передачи информации в глазо-двигательной системе человека-оператора; электронное устройство для распознавания цветовых сигналов, что повысило производительность труда операторов на 20%; ОАО "Воронежсинтезкаучук" внедрены математические модели принятия решений человеком-оператором в системах обработки информации, устройство для распознавания сигналов, программный продукт по исследованию работоспособности и восприятию информации человеком-оператором, как с экрана дисплея, так и с индикаторов, отображающих текущую информацию Внедрение результатов диссертационной ' работы привело к повышению производительности труда операторов на 20%,

системы на 15%. Экономический эффект от внедрения составил 500 000 рублей.

Результаты диссертационных исследований используются в учебном процессе факультета прикладной математики, информатики и механики Воронежского государственного университета.

Основные положения, выносимые на защиту. На защиту выносятся следующие новые научно-обоснованные результаты:

гивности работы человека-оператора при обработке стохастической информа ции, как при дефиците времени на принятие решения, так и без дефицита времени; результаты оценки помехозащищенности, робастности управления и пропускной способности человека-оператора, полученные на основании вероятностно-временной непараметрической модели;

- математические модели работы человека-оператора в задаче вероятностного распознавания сигналов; закон распределения дифференциальных порогов человека-оператора при различении отметок сигналов, как без шумов, так и при наличии шума; алгоритм принятия решения человеком-оператором при распо- < знавании флуктуирующих по яркости и размерам сигналов; алгоритмы интеллектуальной поддержки принятия решений при распознавании флуктуирующих сигналов по нескольким однородным наблюдениям и равновероятным признакам: алгоритмы принятия решения в игровой ситуации, а также электронное устройство, реализующее эти алгоритмы;

- байесовская модель распознавания зрительных образов (телевизионных изображений) человеком-оператором; закон распределения порогов чувствительности человека-оператора; математическая модель работы человека-оператора при распознавании телевизионных изображений истинных объектов при наличии ложных; математическая модель распознавания маскированных объектов; математическая модель работы человека-оператора при многоальтернативном распознавании зрительных образов;

- методы и устройства для диагностирования состояния и оценки работоспособности человека-оператора в эргатической системе- способ и устройство для экспресс-анализа и измерения зрительного утомления: устройство для исследования психофизиологических характеристик человека-оператора

Аппобация работы. Основные положения и результаты диссертационной работы докладывались и обсуждались на 26-ти научно-технических конфе ренциях различного уровня, в том числе, на 7, 8 World Multi-Conference on Systemic, Cybernetics and Informatics (SC1-2003) USA, (SC1-2004) USA. IV-IX Международных научно-технических конференциях "Радиолокация, навигация, связь" (Воронеж, 1998-2003), I-V Международных конференциях "Кибернетика и технологии XXI века" (Воронеж, 2000-2004), научных семинарах кафедры кибернетики Московского государственного института электроники и математики (технический университет) (Москва, 1979-1986), научных сессиях Воронежского государственного университета (Воронеж, 1982-2005).

Публикации. По теме диссертации опубликовано 66 работ, получено 3 авторских свидетельства на изобретения. Личный вклад автора: в [1]-предпожена непараметрическая модель и экспериментальные данные, подтверждающие непараметричность визуального обнаружения; в [5,17-19]-обоснован новый метод измерения зрительного утомления, предложены способы расширения функциональных возможностей устройств, в [8]- синтезирован статистический алгоритм распознавания изображений; в [12] разработана методика экспериментов, предложен алгоритм; в [15J синтезирована непараметрическая модель при импульсных помехах; в [16] получены характеристики модели; в

[20,22]-разработаны методы получения шумовых напряжений с заданными законами распределения; в [21,23-26]- разработана методика и проведены эксперименты; в [27]-получена формула для расчета яркостного порога человека-оператора при воздействии помех и оценена помехоустойчивость системы; в [30]-получен закон распределения времени обнаружения сигналов человеком и предложен метод оценки эффективности работы человека-оператора при обработке стохастической информации, как при дефиците времени на принятие решения, чак и без дефицита времени; в [34]-нредложен закон распределения времени обнаружения и съема плоскостных координат цели человеком-оператором; в [35,36,38]-разработана методика экспериментов и получен закон распределения порогов человека-оператора; в [39]-осущсствлсна постановка задачи математического моделирования и разработаны методики экспериментов; в [42]- разработаны методы оптимизации системы "индикатор-оператор"; в [44]-синтезирована математическая модель работы человека-оператора при многоальтернативном распознавании изображений; в [48]- осуществлена постановка задачи и разработана математическая модель порогового визуального обнаружения; в [65]- разработана методика оценки помехозащищенности системы на основании вероятностно-временной модели человека-оператора.

Структура и объем работы. Диссертация состоит из введения, пяти глав, основных выводов по диссертации, приложения и списка литературы из 307 наименований. Материал диссертации изложен на 320 страницах, содержит 97 рисунков и 59 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении рассмотрена актуальность проблемы, цель работы, методы исследования, научная новизна и практическая значимость диссертации, основные научные положения и результаты, выносимые на защиту, апробация работы.

Первая глава посвящена системному анализу эргатичсских систем управления. Приводится классификация автоматизированных систем управления по различным признакам: по иерархической струн-1 л ре управления, по территориальному размещению, по реактивности, по характеру управляемого процесса. Следует отметить, что системы управления, используемые в военном деле, требуют более детального изучения. Источником информации для всех эр-гатически\ систем, применяемых в авиации, флоте, связи, управлении силами, являются автоматизированные системы сбора и обрабо1КИ сюхастической информации, в том числе и радиолокационной информации (АСУ СОРЛИ). Рассмотрены задачи и этапы обработки радиолокационной информации. Наиболее подробно рассмотрены задачи первичной и вторичной обработки радиолокационной информации. Исследована роль человека и функции, которые он выполняет в зависимости от степени автоматизации и реативносш системы. Представлена классификация типов операторской деятельности и показано, что наименее исследована деятельность человека-оператора в системах обработки стохастической информации. 13 этой главе рассмотрено общее состояние проблемы моделирования рабош человека-оператора н сложных человеко-

машинных системах. Поскольку функции оператора весьма разнообразны, отсюда и многообразие моделей Многообразие моделей также свидетельствует о крайней сложности объекта исследования. Однако следует отметить, что известные модели (Губинский А И , Павлов В.В. и др ) не рассматривают процессы принятия решений на сенсорно-перцептивном уровне. На основании законов психофизики и физиологии зрения модель работы человека-оператора должна содержать когнитивную подсистему, решающую подсистему, блок внутренней информации, учитывающий внимание, мотивацию, эмоциональное состояние, и исполнительную подсистему Обосновано применение пороговых и временных характеристик для описания такой модели.

В данной главе рассмо грены методы диагностики психофизиологического состояния и работоспособности человека-оператора при работе с системами отображения информации Известные методы диагностики из-за их сложности не применимы па рабочем месте человека-оператора. Основная часть информации (92%) воспринимается зрительным анализатором, поэтому возникает задача измерения зрительного \ томления и состояния нервной системы в процессе работы человека-оператора.

Во второй главе рассматривается методическое обеспечение и технология экспериментов по оцениванию состояния эргатических систем. Структура

деятельности человека-оператора при обработке стохастической информации и распознавании зрительных образов представлена в виде схемы на рис.1. На этом рисунке введены следующие обозначения: 1 - восприятие 1-го признака наблюдаемого сигнала и фона; 2 -восприятие и-го признака наблюдаемого сигнала и фона; 3 - формирование целостного образа сигнала; 4 - эталонный образ сигнала, хранящийся в памяти; 5 - памягь о подобных ситуациях; 6 - целевая установка, 7 - тип решения, задаваемый ситуацией работы; 8 -формирование решения; 9 - решение. Система процессов, осуществляющих свял, входа и выхода этой схемы, неизвестна, но может быть исследована путем привлечения С1а1ис1Ической теории принятия решения и построения математической модели работы человека-оператора. Из физиологии зрения известно, что обработка поступающей информации рецептивными полями сетчатки глаза и нейронными структурами головного мозга человека является сложнейшим, многоэтапным, иерархическим и многоканальным процессом В качестве рабочей гипотезы предполагается, что оператор, обнаруживающий и распознающий сигнал, предъявляемый на экране индикатора, на фоне помех представляет собой систему связи с пороговым и решающим устройством. Обосновано описание такой модели методами непараметрической статистики. Исходя из этого, разработана методика экспериментов по определению основных характеристик непараметрической модели. Основными характеристиками являются- вероятность правильного обнаружения, вероятность ложных тревог, яр-

Рис 1 Структу ра деятельности человека-оператора

костные пороги человека-оператора и время обнаружения сигнала. Эксперименты проводились для различных типов индикаторов с большой группой обученных операторов в типовой рабочей обстановке. Для индикатора типа А измерялись психометрические функции человека-операюра, i.e. зависимостей вероятности правильного обнаружения от интенсивности сигналов при различных вероятностях ложных тревог. Для индикатора кругового обзора (ИКО) разработана методика экспериментов для получения яркостных пороговых и временных характеристик, как без шумов, так и при действии шумов и помех.

Обосновано предположение о том, что в задачах распознавания сигналов и изображений, а также принятия решений в системах управления адекватным описанием работы человека-оператора является математическая модель, использующая байесовский подход. Помимо ранее рассмотренных характеристик, для этой модели необходимо знать дифференциальные пороги или пороги различения, характеризующие разрешающую способность зрительного анализатора человека. Дифференциальные пороги при распознавании отметок цели по яркости и по размерам оценивались методом последовательных приращений, разработанным автором. Воздействие шума на индикатор вызывает увеличение средней яркости экрана Оценка приращения яркости определялась по формуле

= + (1)

В этой формуле полином, аппроксимирующий модуляционную

i-i

характеристику трубки, ог- дисперсия, Г^ +1 j - гамма-функция.

Приведены также математические расчеты воздействия шума на яркость отметок. Показано, что распределение флуктуаций яркости отметок подчиняется нормальному закону. Все математические расчеты подтверждены экспериментальными исследованиями. Методика экспериментов по определению дифференциальных порогов при воздействие шума учитывает эти расчеты

Принятие решения является центральным процессом на всех уровнях пе-рераб01ки информации человеком-оператором. Рассматривается методика серий экспериментов, отличающихся принципиально различными начальными условиями, для алгоритмизации процесса принятия решения человеком-оператором при наблюдении двух изображений с флуктуирующими параметрами в большом числе предъявлений. Исходя из современных представлений психологии восприятия, в диссертационной работе рассматриваются методики экспериментов по определению пороговых и вероятностных характеристик человека-оператора при распознавании объектов, предъявляемых на телевизионном экране. На основе теории n-кратною повторения эксперимент и с учётом зри тельного утомления получена формула для необходимого числа измерений

п>\1Ц\-р )\182р . (2)

В этой формулер- состоятельная и несмещенная оценка вероятности р, 8 =(р-р')/р'- относительная ошибка, 1и = \[2Ф~'(и), Ф~'(и) - обратная функция Лапласа, и - доверительная вероятность.

В данной главе рассмотрена проблема зрительного утомления и методы его измерения. Приведены результаты экспериментов по выявлению зрительного утомления путём измерения реобазы, хронаксии, критической частоты слияния мельканий (КЧСМ) и времени реакции защитного мигательного рефлекса. При развитии утомления реобаза увеличивается на 15%, хронаксия на 20% после 5 часов работы. Среднеквадратичное отклонение реобазы очень велико и составляет <т=10,5, хронаксии - <г=0,5 Эти методы имеют малую чувствительность, невысокую точность и требуют много времени на проведение измерений. КЧСМ после 1,5 часов работы понижается на 7%, ( а-1,5), а время реакции защитного мигательного рефлекса возрастает на 30% ( <т=0,25). Приведено подробное описание способа, устройства для измерения зрительного утомления по времени реакции защитного мигательного рефлекса. Новый способ отличается высокой достоверностью, чувствительностью и точностью. Исполь-з>я этот способ, можно оценить развитие утомления в процессе работы человека-оператора. Результаты измерений представлены в табл. 1.

Время реакции защитною мигательного рефлекса (в миллисек.) I аблица I

Номера измерений До работы После 1 часа работы После 2-х часов работы

1 72,0 90,4 148,3

2 12,Ъ 90,0 148,8

3 71,9 89,9 148,1

4 72,1 90,0 148,3

5 71,8 89,7 147,7

6 72,0 90,1 148,5

7 72,2 90,2 147,6

8 71,7 89,8 147,9

9 71,9 89,6 148,3

10 72,1 90,1 148,4

Среднее 72,0 90,0 148,2

Дисперсия 0,033 0,057 0,065

Приводится описание устройства для измерения психофизиологических характеристик человека-оператора: объёма внимания, скорости передачи информации в зрительно-двигательной системе, состояния нервной системы. С помощью ною устройства исследовались рассмотренные характеристики большой группы операторов с применением буквенных и цифровых тестов, а именно, тест-таблиц Анфимова и Ландольта. Разработанное устройство решает задачу диагностирования состояния человека и профессионального отбора операторов с соответствующими характеристиками. Разработанные методики и устройства используются на рабочем месте человека-оператора для экспресс -

анализа утомления и работоспособности. Это все вместе может помочь предотвратить аварии, связанные с человеческим фактором.

Третья глава посвящена экспериментальному исследованию и математическому моделированию работы подсистемы "человек-оператор" при обнаружении сигналов, наблюдаемых па экране индикаторов типа А и кругового обзора на фоне шумов и помех. Целью математического моделирования является разработка алгоритма, который использует человек-оператор в задаче обнаружения сигналов. Для решения этой задачи использовались статистические процедуры: параметрические и непараметрические. Предполагается, что чело-I век-оператор работает как оптимальный приемник и задача ставится следую-

щим образом. 11усть на вход приемного устройства в течение времени [О, I ] поступает реализация случайного процесса х(0 = N(0 или х(0 = N(1) +8(0, ,62). Здесь N0) - реализация нормального стационарного процесса с нулевым средним и функцией корреляции К(т); 8(в, ,02) - квазидстерминированный сигнал, т.е. сигнал известной формы, содержащий неизвестный неэнергетический параметр 0 (время прихода), распределенный с плотностью вероятности ъг(в) на интервале [в,,в2]. Исходя из у словий эксперимента предполагается, что распределение равномерное, тенда №(9) = 1/0. В качестве квазидетерминированного сигнала использовалась сигнальная функция вида 8(0,,02) = Аехр[-(8, -02)2 /2], где А -амплитуда сигнала Форма этой функции совпадает с формой выбросов шума, т.к. использовался согласованный фильтр для обнаружения сигнала. Кроме того, функция корреляции шума имела такую же форму, как и сигнальная функция. Случайный процесс моделировался как гауссовский методом скользящего суммирования с шагом дискретизации 0,1 при ошибке погрешности 5%. Длина реализации случайного процесса содержала 100 отсчетов. Число реализации, по которым определялась вероятность обнаружения сигнала и вероятность ложной тревоги, было равным 100, как и в эксперименте с группой операторов, при каждом отношении сигпап/шум. На основании сравнения эксперимента!!,пых результатов, полученных с группой обученных операторов, с резулыатами ими' тационного моделирования байесовского оптимального обнаружителя и обнаружителя максимального правдоподобия получено, что эти обнаружители не описывают адекватно работу человека-оператора. Применение статистических критериев подтверждает это при уровне значимости 0,05. В этой главе рассматриваются непараметрические алгоритмы обнаружения сигнала на фоне аддитивного гауссова шума, а именно: знаковый, знаковый двухвыборочпый алгоритм, ранговые алгоритмы Вилкоксона и Ван-дер-Вардена, а также модифицированный знаково-ранговый алгоритм. Методами статистического моделирования на ЭВМ получены характеристики знакового двухвыборочного алгоритма и знаково-рангового алгоритма при тех же исходных условиях работы, чю и для человека-оператора. Па рис. 2 представлены (в виде зависимостей вероятностей обнаружения сигнала от отношения сигнал/шум) результаты имитационного моделирования обнаружителя максимального правдоподобия (прямая 1), зна-

Рис 2. Результаты ими1ационною моделирования

ково-рангового обнаружителя (2), знакового двухвыборочного обнаружителя (3) и экспериментальные данные, полученные для человека-оператора (4). Сравнение результатов статистического моделирования с результатами натурного эксперимента показало, что поведение человека-оператора можно описать, используя модель непараметрического знакового двухвыборочного обнаружителя. Применение статистических критериев и доверительного оценивания

подтверждает это при уровне значимости 0,05. Исследования непараметрической модели работы человека-оператора показали, что зависимость вероятности обнаружения сигнала от отношения сигнал/шум для него можно представить в виде:

х.-»=ха+(8/о)Н, (3)

где Б/с - отношение сигнал/шум, Н - некоторый коэффициент, характерный для человека-оператора, хц - вероятность ложной тревоги, х, _р - вероятность обнаружения сигнала, выраженные в квантилях нормального распределения нормированной случайной величины. Зависимость между ха и Н можно представить в виде

Н = -0,17х„ +0,32 (4)

для сигналов с известным временем прихода Для сигналов с неизвестным временем прихода

дс„ = - 2,5Н + 0,75. (5)

Произведенные расчеты показали, что непараметрическая модель работы человека-оператора близка по эффективности модели двухвыборочного знакового обнаружителя. Сравнение экспериментальных результатов с данными, рассчитанными по формулам (3) - (5), показало, что расхождение между ними составляет в срсднем 16,75 %, что свидетельствует о достаточно точном описании работы человека-оператора непараметрическими алгоритмами. Это расхождение является вполне удовлетворительным для сложных экспериментов с участием гр>ппы операторов. В этой главе рассмотрены результаты исследования работы человека-оператора при обнаружении сигналов, наблюдаемых на экране индикатора кругового обзора на фоне шумов и помех. На основании экспериментальных данных автором получено подтверждение закона Вебера-Фехнера для операторов, обнаруживающих сигнал на экране ИКО с движущейся линией развертки. Анализ яркостных характеристик обнаружения, приведенный в работе, показал, что вероятность правильного обнаружения слабого

сигнала на фоне движущейся линии развертки хорошо описывается нормальным законом распределения

F(lg В) = (1 / j2nolgg) J exp[-(lg В - lg Д50 )2 / 2(т,2еЯ ]rf(lg 5), о

г де В50 - величина яркости сигнала, вероятность обнаружения которого равна 50 %; эта величина называется пороговым сигналом Среднеквадратичное отклонение ciigB пороговой величины и пороговый контраст К50 зависят от яркости луча Вл. В работе показано, что CTigB = CTigK изменяется таким образом, что зависимость вероятности обнаружения от IgAB также может быть выражена функцией нормального распределения

igie

F(lgAB) = (1/%/2лчтlg4e) J exp[-(lgДй - lgД550)2 / 2ст2 ^ (lg Дй) (6)

и поэтому полностью харак|ериз>ется двумя парамефами lg ДВ50 и C|g4B-

Исследование работы человека-операюра мри воздействии активных маскирующих помех представляет большой практический интерес. В качестве маскирующей помехи была выбрана хаотическая импульсная помеха (ХИП). В работе получено семейство яркостных характеристик обнаружения при различных параметрах помехи, которые выражаются интегральной функцией нормального распределения (6) или в системе координат квантилей нормального распределения в виде:

Г = (lg ДВ) / Oig да- (lg АВ5о) / a,g дь при lg ДВ > lg ДВ50- 2alg&B

J (7)

Х|.р=х„ при lg ДВ < lg ДВ50-20igAB

и поэгому полностью описываются яркостным порогом оператора IgABso, среднеквадратичным отклонением о^п и вероятностью ложных тревог ха. Автором найден нормальный закон распределения яркост по го порога человека-операюра и показано, что порог возрастает с увеличением амплитуды и длительности импульсов помехи Тхип, и уменьшается с увеличением среднего периода межимпульсных интервалов Тср При воздействии ХИП с нормальным законом распределения амилшуд яркостный порог человека-оператора уменьшается с ростом Охип- Из экспериментов получено, что воздействие помех не ннияет на algABl т.е. = const для всех яркостных характеристик. Помеха не увеличивала суммарный шум системы «индикатор-оператор». Как показали эксперименты, изменение параметров помехи не влияло на вероятности ложных тревог. Как и ранее, подтверждается правомочность описания работы человека-оператора с помощью непараметрической модели. Расчеты показали, что расхождение между экспериментальными и рассчитанными но формуле (7) данными составило 24,9 % для ХИП с постоянной амплитудой и 20,9 % для ХИП со случайной амплитудой, а это говорит о достаточной точности модели. Между величиной относительного яркостного порога и визуально восприни-

маемой яркостью экрана, учитывающей суммарное воздействие ХИП, получена зависимость в виде:

ДВ50хил / ДВ50 = - 0,4 + (0,054 ДВчип ^ип) / "С (8)

для ХИП с постоянной амплитудой и

ДВ50 хил / ДВ5о = 2 + (0,08 ДВхип Тхип) / а хип Тс';5 (9)

для ХИ11 с нормальным законом распределения амплитуд.

Формулы (6) - (9) могут быть использованы для оценки помехоустойчивости системы «индикагор-оператор». Одновременно с яркостными характери-С1иками измерялись временные характеристики работы человека-оператора В резулыаге экспериментов получено, что как для индикаюра типа А, гак и для ИКО время принятия решения является случайной величиной имеющей нормальное распределение

1в т

= (!/>&„,)/ (10) о

Математическое ожидание нормального закона ^ Т5о и есть время принятия решения, которое характеризует поведение человека-оператора в задаче обнаружения сигнала. Нормальное распределение характеризуется двумя параметрами ^ Т?о и 0|еГ, которые зависят от условий эксперимента и от индивидуальности чстовска-оператора. Эти параметры усреднялись по группе операторов. Для индикатора типа А было получено, что при ограничении времени наблюдения закон распределения (10) не изменялся, уменьшались в среднем в два раза параметры этого закона. Эго уменьшение можно объяснить тем, что оператор из-за дефицита времени вынужден уменьшать время колебаний, сомнений, повторного анализа и друшх задержек в принятии решения. Алгоритм работы оператора изменяется при дефиците времени. Работу оператора при дефиците времени можно описать с помощью линейной вероятностно-временной модели

= + кРЛ{1 - ОД)], (11)

где Р0(Т11) - вероятность обнаружения при ограничении времени наблюдения, Ра - вероятность обнаружения при свободной работе, (Г,) - вероятность того, что время принятия решения / меньше времени наблюдения Т4,к — коэффициент, определяемый экспериментально.

Для ИКО был получен нормальный закон времени принятия решения при обнаружении сигналов любой яркости как без воздействия помех, так и при воздействии ХИП. Усредненное по операторам время принятия решения зависит от контраста сигнала с фоном и описывается выражением, подобным формуле Пьерона, дающей зависимость времени реакции человека от интенсивности раздражи: ел я

(Т5П).Р = а К" + Т„, (12)

где Т0; а; п - параметры, зависящие от плотности помехи на экране ИКО. Величина Т0 в миллисекундах есть время принятия решения при больших величинах контраста К > 50. Это время минимально при отсутствии помех Т0 min = 300 мс, что хорошо согласуется с известными нейрофизиологическими данными о сохранении в памяти следа изображения в течение 250 - 350 мс. Параметры обнаружения а; Т„; n; 0|gT коррелируют с пороговым контрастом К», откуда следует, что наиболее опасной является импульсная помеха с плотностью N = 7-103 импульсов за один оборот развертки ИКО. Одновременное измерение времени принятия решения и яркостного порога человека-оператора позволило получить математическое выражение, связывающее вероятность обнаружения, яр-костный порог оператора и время принятия решения в задаче обнаружения сигналов на фоне помех

)/(Г„),]. (13)

Полученные функциональные зависимости используются для оценки помехозащищенности и потенциальной эффективности вероятностно-временной модели системы "индикатор-оператор" при воздействии организованной импульсной помехи. Выявлены наиболее опасные параметры помехи, при которых коэффициент помехозащищенности уменьшается от 1 до 0,3 по сравнению с работой оператора в отсутствии помех. На основании шенноновско-го подхода получена оценка пропускной способности человека-оператора в задаче обнаружения сигналов. Зависимость пропускной способности С от яркости сигнала В„+с представлена на рис. 3. Получено, что она составляет 10дв.ед./с без воздействия помехи (кривая 1) и уменьшается в 2-10 раз при воздействии ХИП с различными параметрами (кривые 2-4).

Анализ работы авюматизированной сисгемы сбора и обработки стохастической информации показал, что управление в такой системе является роба-стным. На основе экспериментальных данных, всроятностно-допускового критерия и методов регрессионного анализа получено уравнение управления

F{u)-Pt= 0. (14)

Здесь F(u) = P{(y/u6 [А,В]} вероятность нахождения выходной переменной в заданном допуске [А, В\, Ра - вероятность, задаваемая качеством функционирования объекта. В результате решения уравнения (14) получены значения управляющей переменной в определенных интервалах, подтверждающие роба-

Рис. 3. Пропускная способность человека-оператора

стность управления.

В четвертой главе представлены результаты экспериментальных исследований и синтез алгоритмов принятия решений человеком-оператором в задаче вероятностного распознавания сигналов. Предельные возможности человека-оператора при распознавании сигналов определяются его дифференциальными порогами. Экспериментальные и теоретические исследования, проведенные с большой группой операторов, показали, что дифференциальный порог различения двух отметок цели по яркости для каждого оператора является случайной величиной, подчиняющейся нормальному закону распределения. Распределение среднего значения порога по операторам тоже подчиняется нормальному закону. Для инженерного расчёта дифференциального порога АВ по яркости получена формула (15), дающая хорошее совпадение с экспериментальными результатами, полученными с большой группой (30 человек) операторов

где /?„, - яркость первой отметки в кд/м2, Вф - яркость фона в кд/м2. Величина Р является индивидуальным параметром оператора. Эта величина определялась из эксперимента; ее значения флуктуируют по нормальному закону с математическим ожиданием, равным 0,38 и дисперсией, равной 0,1. Вероятность принятия решения при распознавании яркостных отметок по одному предъявлению для среднестатистического оператора определяется формулой

Воздействие шума не изменяет нормального закона распределения яркостного дифференциального порога. Помимо яркостных порогов, измерялись дифференциальные пороги различения отметок по размерам. Получен нормальный закон распределения дифференциального порога по радиальным размерам для одного оператора с математическим ожиданием МДг = 0,248 мм и среднеквадратичным отклонением о^ =0,15 мм, а также нормальный закон распределения по ансамблю операторов с МДг =0,233 мм и ал1 =0,122мм. Воздействие шумов не изменяет закон распределения дифференциальных порогов по радиальным размерам. Математическая модель различения яркостных отметок по размерам может быть представлена в виде

где и/(5) - плотность нормального распределения вероятностей величины поро-(а 5. Величина 5„ - математческое ожидание порога. Эта величина является 50 %-ным порогом 650. Экспериментально найдено, что 05 в среднем равно

(15)

(16)

(17)

0,03 мм, а распределение 850 по операторам описывается нормальным законом распределения с математическим ожиданием М850 = 0,25 мм и среднеквадратичным отклонением <3ш~ 0,15 мм. Эта модель дает хорошее совпадение с экспериментом и может служить основой для расчета вероятностей обнаружения и распознавания человеком-оператором отметок цели по их размерам. Дифференциальный порог оператора на уровне 50 % различения отметок по размерам в условиях воздействия шумов имеет тот же порядок, что и порог в отсутствии шумов. Порог, определяемый на уровне 90 %, уменьшается с увеличением яркостей отметок. Этого следовало ожидать, так как слабые вспышки пятен шума визуально меньше искажают размеры ярких изображений.

С целью выявления в сложном алгоритме работы оператора общего и преобладающего логического начала и для алгоритмического обеспечения интеллектуальной поддержки принятия решений рассмотрены результаты трех серий экспериментов. Было исследовано, как изменяется вероятность правильного и ошибочного решения от числа предъявлений в трех различных ситуациях: 1) при распознавании окружностей, нарисованных на бумаге; 2) при наблюдении отметок на индикаторе А; 3) при наблюдении отметок на индикаторе в режиме секторного обзора. Анализ результатов экспериментов для этих ситуаций показывает, что оператор принимает решения по одному и тому же алгоритму, различающемуся может быть во второстепенных деталях. Для выяснения возможного конкретного механизма принятия решений, полученные данные сравнивались с работой «автомата по среднему». Обнаружено, что результаты работы оператора зависят от разрешенной формы принятия решений. Если оператору разрешается высказывать неопределенные решения («отметки равны», «не знаю, какая из них цель»), то он работает лучше «автомата по среднему», имеющему тот же порог по одному предъявлению. Лучше в том смысле, что вероятность правильного решения по «п» предъявлениям у оператора больше, чем у автомата. Получены инженерные формулы (18) и (19) для расчета вероятностных характеристик (зависимостей вероятностей правильного и ошибочного решений от числа предъявлений) для среднестатистического оператора с поправками, учитывающими индивидуальные психофизиологические свойства операторов.

где с = 0,05 - некоторый психофизиологический параметр оператора, определенный экспериментально для группы операторов.

Если оператор принимал только категорическое решение, независимо от ситуации, то в этом случае его результаты работы достаточно хорошо описываются алгоритмом работы «автомата по среднему». Для расчета вероятностных характеристик среднестатистического оператора получены формулы (20) и (21). Вероятность правильного решения

(19)

= (20) Вероятность неправильного решения

(2i)

Величина поправки С, учитывающая индивидуальные психофизиологические свойства оператора и усредненная по операторам, составила С = 0,095. Для практического использования полученных результатов производится их усреднение по операторам и начальным условиям. Результаты усреднения представлены на рис. 4, где по оси абсцисс отложена обобщенная координата М\ г

у =-vi начальных условии, по оси ординат - вероятность правильного решения. Прямая 1 получена для индикатора типа А, прямая 2 - для окружностей, прямая 3 - для индикатора секторного обзора. Результаты усреднения аппроксимируются прямыми линиями. Группировка экспериментальных данных вокруг прямых лишний раз говорит о том, что в сложном алгоритме работы оператора большой удельный вес имеет оценка среднего значения величины наблюдаемого параметра отметки по п предъявлениям.

На основании анализа данных, полученных в 3-х сериях экспериментов, выдвигается предположение о том, что человек-оператор при принятии решения по п предъявлениям использует процедуру Байеса для оценки апостериорной вероятности гипотез. Предположим, что оператор при каждом новом предъявлении уточняет, переоценивает свое представление о вероятности того, что передается изображение Sh и просмотрев «п» предъявлений, по полученному представлению о величине вероятности Р = (D/S) принимает окончательное решение. По существу, оператор наблюдает некоторую разницу Д = xt - х2 параметров двух изображений. Наблюдение Д > 0 назовем событием D. Ясно, что вероятность правильного решения не может быть больше, чем наибольшая реализация апостериорной вероятности. Это уменьшение можно охарактеризовать введением некоторого коэффициента к, который назван коэффициентом консерватизма человека-оператора. Вероятность принятия правильного решения по «п» предъявлениям оценивается формулой

Р„ = 1 / {1 + K(l-Pi) / Р.)"]"}. Pi =Р ( D/S ). (22)

Рис. 4. Зависимость вероятности правильного решения от условий эксперимента

Эмпирически подобрана формула для приблизительной оценки зависимости

коэффициента консерватизма человека-оператора от начальных условий для

t °>54 „„

среднее raí истического оператора f¡—Ö~5 '

Показано, что найденная формула (22) может применяться как для малого п<5, так и для большого п>30 числа предъявлений и, следовательно, достаточно хорошо офажает лотику работы человека-оператора, независимо от времени дей-спзия оперативной памяти. Индивидуальность оператора отражена в этой формуле в значении Р] - здесь проявляется физиологическая сторона: порог различения, и в значении коэффициента консерватизма к - здесь отражается различный подход оператора к процедуре принятия решения (уровень ответственности, степень обученное™ и т.п.) Формула (22) сравнивается с работой автомата "по среднему" и с автоматом "простого голосования". Это сравнение показывает, что алгоритмы различения сигналов у человека-оператора значительно эффективнее, чем описанные простые алгоритмы. Полученные формулы (22) и (23) дос!аточно хорошо отражают логику работы человека-оператора, и поэтому мог> i быть применены для оценки эффективности системы "индикатор-оператор".

В данной главе представлены результаты экспериментов, на основании которых синтезирован алгоритм принятия решения человеком-оператором при распознавании цели по нескольким равновероятным флуктуирующим параметрам Теоретической предпосылкой для проведения экспериментов служат методы статистической теории распознавания образов. На экране индикатора человек-оператор наблюдал две яркостные отметки, которые характеризовались тремя при ¡паками: яркостью, размером и местоположением (дистанцией). Перед началом эксперимента оператору давалось точное определение цели. Цель -это та отметка, которая в среднем больше, ярче и ближе к центру экрана индикатора. Ставилась задача: правильно определить цель как можно в большем числе случаев и определить, какой признак встречается большее число раз у отметки, которую он считал целью. Время распознавания ограничивалось временем предъявления (5с.). Качественные результаты эксперимента заключались в том, что после опыта, состоящего из 200-300 предъявлений, операторы называли признак цели, который появлялся чаще других. Количественно работа оператора характеризовалась вероятностью правильного решения Рпр и вероятностью появления признака отметки при правильном решении Р [Пт] прав, т.е. Р[Ъ] прао - вероятность появления признака "яркость" , Р[х] „рав - вероятность появления признака "размер" и P[R] „ра„ - вероятность появления признака "дистанция". Были рассмотрены вероятности принятия правильного решения как по двум, 1ак и по трем признакам. Анализ экспериментальных данных показывает, что при распознавании цели как по двум, так и по трем признакам, среднее значение вероятности правильного решения за весь опыт (200-300 предъявлений) Р тем больше, чем больше априорные вероятности появления признаков. Во

чсе\ случаях ее можно принять раиной априорной вероятности преобладающего признака. С увеличением числа признаков, особенно от одного до двух веро-

ятность правильного решения Р резко увеличивается и затем плавно стремится к 1. В результате экспериментальных исследований и статистического анализа вероятностей Р[Пт] п(в11 получено, что ценность признаков для оператора не изменяется в течение работы. Предполагается, что число предъявлений и число равновероятных признаков одинаково влияют на принятие решения. Вероятность принятия правильного решения оператором по «ш» признакам оценивается формулой

Рт=1/{1+[((1-Р,)/Р1Г]к}, (24)

где Р| - вероятность распознавания цели по одному признаку'; к - коэффициент консерватизма оператора, как и ранее. Для наших исследований характерно, что во всех случаях дисперсия флуктуирующих признаков намного больше физиологического порога человека-оператора. I !оскольку рассматривается не пороговое различение, то в экспериментах в большинстве случаев Р| = Ра[,р„ор„. Проведено сравнение экспериментальных результатов с рассчитанными по формуле (24), а также с алгоритмами работы автомата по" среднему" и авюма-га "простого голосования". В результате сравнения получено, что алгоритм работы человека-оператора значительно эффективнее, чем рассмотренные алгоритмы простых автоматов и достаточно точно описывается формулой (24). Совокупное 11. формул (16), (17) и (22)- (24) составляет ашоритм для автоматизации интеллектуальной поддержки принятия решений в автоматизированной системе управления и обработки информации.

При наблюдении отметок цели на экране индикатора возможные схемы принятия решения человеком-оператором можно разделить на два класса: категоричные и вероя 1 постные. При принятии вероятностных решений человек-оператор может рассматриваться как оценщик условных вероятностей наблюдаемого события или как оценщик апостериорных вероятностей гипотез. В этом случае оператору может помочь принять решение байесовская процедура обработки вероятностной информации. Для того чтобы человек-оператор следовал этой процедуре необходимо, чтобы он не просто решал задачу распознавания, а участвовал в игре с наградой и наказанием за принятые решения. Операторы были обучены понятию условной вероятности и ознакомлены с теоремой Байеса. Для моделирования поведения человека-оператора в игровой ситуации в условиях, близких к реальной работе оператора, была исследована специально разработанная модель распознавания отметок целей по их яркости. Предполагалось, что оператор в последовательности из «п» предъявлений анализирует, какая отметка ярче, поэтому была принята упрошенная модель распознавания всего по одному бинарному фактору. Вместо наблюдения отметок на экране индикатора исследования проводились на статистической модели, генерирующей последовательность бинарных событий. Распознавание тогда будет эквивалентно карточной игре, легко понятной оператору. Анализ результатов экспериментов показал, что принятие решения оператором зависит от апостериорной вероятности гипотез, величины )г| -разницы между числом карт красной и черной масти г = к - г в наблюдаемой последовательности из «п» предъявлений и длины игры Ь (количества предъявлений, необходимых для принятия

решений). Если характеризовать информационное содержание последовательности предъявлений и их количество, которое кажется оператору достаточным для принятия решения, величиной апостериорной вероятности гипотезы, то из анализа экспериментов следует, что оператор чаше всего принимает решение при Р= 0,8. Величина |z| имеет нормальный закон распределения для всех операторов с M|z| = Зио,1= 1,65. В экспериментах получено, что длина игры имеет распределения Релея с МЬ - 9, 5,6. На основании выявленных в экспериментах механизмов работы оператора автором предложена электронная схема автомата, распознающего две флуктуирующие по яркости отметки. На математической модели автомата методом Монте-Карло с помощью таблицы случай-пых чисел было сыграно 280 игр. Сравнение работы автомата с результатами работы оператора показывает, что хотя средняя длина игры у человека и автомата одного порядка (Mbairl = 8, Mbuncp ~ 9), но оператор принимает решение по большему числу предъявлений (5-^7), т.е. затрачивает больше времени на принятие решения. Автомат более эффективно использует короткие игры (Ь = Зч-5), i с. затрачивает меньше времени на принятие решения. Однако, автомат допускает больше ошибок, чем человек-оператор. Усредненная вероятность ошибочного решения для обученного оператора Р= 0.15, в то время как для автомата Р„ш а[п ~ 0,25. Таким образом, оператор работает значительно лучше автомата, умеет извлекать дополнительную информацию и из других параметров наблюдаемой последовательности и при принятии решения использует байесовскую процедуру обработки информации.

Пятая глава посвящена имитационному моделированию процесса распознавания изображений человеком-оператором. Человек успешно решает задачи по распознаванию изображений, поэтому понятна необходимость использования человека в качестве элемента эргатических систем управления, в состав которых входят телевизионные экраны как средства отображения информации. Инженерно-психологическое проектирование таких систем возможно, когда известны алгоритмы работы человека-оператора при распознавании образов.

В данной главе анализируются пороговые характеристики человека-оператора при распознавании телевизионных изображений макетов кораблей. Из психологии восприятия (Шехтер М.С.) известно, что существует четыре уровня распознавания. Эксперименты показали, что процесс распознавания можно разбить на 4 информативных уровня: "обнаружение", "корабль", "группа", "тип". Для всех типов объектов были получены зависимости уровней распознавания от пороговых апертурных размеров для одинаковых исходных условий эксперимента. Из анализа этих зависимостей получено, что наименее информативным оказался уровень I "обнаружение" - минимальные апертурные пороговые размеры (2 -s- 4,5). Наиболее информативный уровень - это уровень IV, когда оператор принимает окончательное решение Этот уровень характеризуется максимальными пороговыми размерами (7 -г 14,5). Анализ экспериментальных данных позволил выявить оптимальные условия для распознавания Для оптимальных условий эксперимента и для всех уровней распознавания найден закон распределения пороговых апертурных размеров, который являет-

ся релсевским. Применение статистических критериев подтверждает это при уровне значимости 0,05.

При построении имитационной модели процесса распознавания изображений человеком-оператором необходимо решить следующие задачи:

- оценить различные способы представления изображений в ЭВМ и выбрать оптимальный;

- выбрать алгоритмы распознавания, наиболее близкие к алгоритму работы человека и реализовывагь его на ЭВМ;

- сравнить данные, полученные для имитационной модели, с экспериментальными и оценить достоверность полученных моделей.

Исходя из требований данной задачи, было использовано матричное представление изображений. Имитационная модель была построена на основе статистической теории распознавания образов.

Задача распознавания изображений ставилась следующим образом: имеются изображения объектов, составляющие множество А, и ряд изображений объектов, относящихся к множеству В. Объекты множества В имеют определенное количество признаков, идентичных признакам множества А. Изображения множества А назовем истинными целями, а множества В - ложными. При распознавании попарно предъявляются один объект из множества А - цель, и один объект из множества В - ловушка. При моделировании производилось поочередное сравнение одной цели с одной из ловушек (двухальтернативное распознавание). Всего было использовано три ловушки, которые отличались между собой тем, что имели разную меру сходства с истинной целью. Цель является представителем класса изображений 5Ь а ловушки - класса Бт- Задача распознавания состоит в отнесении предъявляемого изображения к классу или Б;. Моделирование задачи распознавания условно разбивается на четыре этапа. На первом этапе решается задача выделения характерных признаков из полученных исходных данных и снижения размерности векторов образов. Второй этап связан с представлением исходных данных, составляющих обучающую выборку, на основании которой строится эталонное описание классов. Третий этап состоит в отыскании оптимальных решающих процедур, необходимых для идентификации и классификации. На четвертом этапе оценивается достоверность статистической модели распознавания изображений. На первом этапе с целью уменьшения содержательной избыточности из исходного изображения выделялся информационный фрагмент. Этот фрагмент представлялся матрицей размера 26 х 2Л. Процедуры выбора признаков и формирования признакового пространства зависят от конкретной задачи. В данной работе для снижения размерности исходного признакового пространства было использовано преобразование Грама-Шмидга над матрицами изображений. Размерность матрицы понижалась до 24 х 24. Целью обучения является проверка на нормальность закона распределения признаков и вычисление оценок максимального правдоподобия вектора средних аки ковариационной матрицы М Применение критерия со2 показывает, что многомерный закон распределения признаков является нормальным при уровне значимости 0,05. Полученные оценки являются не-

смещенными и состоятельными. На основании теории статистических решений с учетом априорной информации и данных обучения решение принимается по следующему правилу. Выборка (хь ... , х„) относится к р-мерному нормальному закону с параметрами (а:, М2) (классу Я?), если выполняется неравенство

Ё„ -а,)тМГ'(х, -а,)-(х, -а2)тМ;'(х, -а2)] +

(25)

+ ^ к^еШ, /ёеШ2)>1пс,

и к р-мерному нормальному закону с параметрами (а|, М,)(классу 8]), если выполняется неравенство, противоположное (25). Здесь Еп- оценка логарифма отношения правдоподобия. В случае равных ковариационных матриц решающее правило преобразуется к следующему виду:

£„ = "(а2 - а,)'' Л/г'[-5>, - а, - а{] > 1п с. (26)

2 «ы

В задаче распознавания изображений выборки наблюдений имеют большую размерность. Это приводит к тому, что М становится вырожденной, а задача распознавания - некорректно поставленной. Чтобы обойти эту трудность, автором предложен и обоснован способ использования обобщенной обратной матрицы, которая является, матрицей Мура. Матрица Мура используется в выражениях (25) и (26) вместо М'1. В задаче распознавания образов используется критерий максимального правдоподобия, в соответствии с которым следует положить с=1. Правило принятия решения (26) в этом случае будет таково: изображение 5, принадлежит классу 8,(8,£ 8|), если Еп >0, в противном случае 8,6 82. Решающее правило обычно не обеспечивает безошибочной классификации. Вероятности ошибок классификации первого рода а0 и второго рода Ро выражаются формулами а0 =1 — Р ,„($;), (30 = 1 — Р (2> > где Р (П (£) - функция

распределения логарифма отношения правдоподобия. Поскольку вероятности ошибок ао и Ро в аналитическом виде не выражаются, поэтому для получения оценок аир был использован статистический эксперимент по методу Монте-Карло. В результате итерационной процедуры оценки <Хд и вероятностей ошибок аир вычисляются по следующим формулам:

«д = ^[а(<И + «г-1)Оо-1]. Рд^ГР^' + ^-ПРо-,]. (27)

где СС«»4£ач; р<с?,=4:Ь«.

1 г>=] 1 Ч=1

Здесь А11 - частота неправильного отнесения выборки из класса 8| к классу 82;

- частота неправильного отнесения выборки из класса 82 к классу 8ь Т - число пар обучающих выборок, О» - минимальное количество итераций.

В данной главе представлены результаты экспериментальных исследований, проведенных с группой операторов, по распознаванию истинных объектов при наличии ложных. Рассматриваются результаты экспериментов, когда цель

распознается в паре с ловушками 1, 2, 3, имеющими различную меру сходства с целью. Было проведено 5 групп измерений, отличающихся начальными условиями. В результате экспериментов выявлены оптимальные условия для распознавания: постоянный ракурс, равный 90°, максимальная освещенность, равная 50 люксам, светло-голубой стационарный фон, и наиболее сложные: нестационарный фон (белые и черные дымы на светло-голубом фоне). Наибольшую трудность решение задачи распознавания вызывает в том случае, когда цель предъявляется в паре с ловушкой 1, имеющей с ней максимальную меру сходства. Вероятности распознавания цели с ловушками 2 и 3 практически совпадают.

Для оптимальных начальных условий была построена имитационная статистическая модель, которая реализуется посредством трех программ. Целью про1раммы 1 является построение признакового пространства. Программа 2 моделирует автоматическое распознающее устройство. Программа 3 осуществляет много альтернативное распознавание. Как в результате натурных экспериментов, так и в результате работы программ 1 и 2, получены вероятности распознавания цели Рцц, ловушки Рлл, усредненное по Рц„ и Р.,, значение вероятности правильного распознавания, и вероятности ошибок первого рода (или ложная тревога), когда ловушки принимались за цель - Рш„ и второго рода (или пропуск цели), когда цель принималась за ловушку - Р^ . Оценки вероятностей ошибок йд и Рд вычислялись по формулам (27) и являлись оценками достоверности рассматриваемой статистической модели. Для рассмотренной модели, как и для человека-оператора, наиболее трудным объектом для распознавания является ловушка 1. В диссертационной работе представлены исследования по оценке достоверности предложенной модели и приведены вычисленные оценки вероятностей ошибок а и р в зависимости от объема обучающих выборок при различных объемах контрольной выборки и различных размерностях вектора признаков Применение статистических критериев Смирнова и Вилкоксона, а также использование интервальных оценок позволяет сделать вывод о том, что при уровне значимости 0,05 процесс распознавания изображений человеком можно описать с помощью построенной имитационной статистической модели. Для выявления наиболее информативных призьаков были проведены экспериментальные исследования распознавания телевизионных изображений маскированных объектов при оптимальных начальных условиях. Поскольку ловушка 1 наиболее полно имитирует цель, то эксперименты проводились по распознаванию цели в паре с ловушкой 1. Из экспериментов следует, что наиболее информативным признаком является корма и форма палубной надстройки, как со стороны кормы, так и носа. Исходя из этого, были изготовлены маски: маска I -закрыта корма и часть палубной надстройки, примыкающей к корме; маска 2 -закрыта часть палубной надстройки со стороны носа. Из анализа экспериментальных данных получено, что распознавание при наличии маски 1 является наиболее неблагоприятным. Для человека-оператора использование маски 1 уменьшает вероятность правильного распознавания на 12,2%, а вероятность ошибок увеличилась на 30,7%. Использование маски 2 оказывает меньшее

влияние Для модели получено, что использование маски 1 уменьшает вероятность распознавания, в среднем, на 23,5%, а маски 2 - на 11,5 %. Статистический анализ данных, полученных в натурном эксперименте с группой операторов, и в экспериментах с имитационной статистической моделью, показал, что, как при использовании маски 1, так и маски 2, предложенная статистическая модель достаточно хорошо описывает поведение человека-оператора в задаче распознавания маскированных объектов.

В данной главе рассматривается математическая модель работы человека-оператора при многоальтернативном распознавании телевизионных изображений целей и ловушек. Проводились экспериментальные исследования работы человека-оператора при распознавании группы объектов, состоящей из б и 3 кораблей. Анализ результатов экспериментов показал, что вероятности как правильного, гак и ошибочного распознавания группы объектов из б-ти и 3-х кораблей, практически совпадают. В диссертационной работе рассматриваются формулы и алгоритмы много альтернативного распознавания. Приводится подробное описание программы 3, реализующей имитационную статистическую модель на ПЭВМ. Рассмотрена работа статистической модели для 3-х альтернативного распознавания: класс целей; класс ловушки 1; класс ловушек 2 и 3, что соответствует эксперименту по распознаванию 3-х объектов. Анализ результатов работы статистической модели показал, что различия между вероятностными кривыми для 2-х и 3-х альтернативного распознавания не значимы согласно критерию Смирнова при уровне значимости 0,05. Исходя из этого, оценка достоверности 3-х альтернативного распознавания производилась тем же методом, что и для 2-х альтернативного распознавания. Статистический анализ результатов работы имитационной модели и человека-оператора показывает, что статистическая модель достаточно точно описывает поведение человека-оператора в задаче много альтернативного распознавания зрительных образов группы объектов.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

В диссертационной работе решена крупная научная проблема, имеющая научное и практическое применение. Основные результаты теоретических и экспериментальных исследований по разработке математического и алгоритмического обеспечения интеллектуальной поддержки принятия решений в автоматизированных системах сбора и обработки стохастической информации и по оценке работоспособности эргатических систем, полученные в диссертации, можно обобщить следующим образом.

I. Системный анализ эргатических систем управления показал, что наименее изученной является деятельность оператора-наблюдателя в автоматизированных системах обработки стохастической информации, являющихся источником информации для АСУ военного назначения. Приведен анализ и классификация математических моделей работы человека-оператора в различных системах. Оценены преимущества и недостатки математических моделей. Показано, что наиболее перспективным для формализованного описания деятельности человека-оператора является имитационное статистическое моделирование.

2. Разработана структура деятельности человека-оператора при обнаружении и распознавании сигналов и изображений, предъявляемых на экране индикаторов различных типов на фоне шумов и помех, а также на телевизионном экране. Эта структура является основой для построения имитационной статистической модели работы человека-оператора в эргатических системах управления.

3. Показано, что адекватным описанием работы человека-оператора в задаче обнаружения сигналов является математическая модель, использующая непараметрические методы статистики. Разработана методика экспериментов по определению основных характеристик этой модели. Основными характеристиками являются: вероятность правильного обнаружения, вероятность ложных тревог, яркостные пороги человека-оператора и время обнаружения сигнала.

4. Синтезирована математическая модель работы человека-оператора при обнаружении сигналов. Эксперименты, проведенные с большой группой операторов, и статистическое имитационное моделирование на ЭВМ показали, что алгоритм работы человека-оператора можно описать с помощью непараметрической модели. Получено представление непараметрической модели в виде уравнений (3) - (5), с помощью которых оценивается эффективность работы оператора и системы.

5. Для индикатора кругового обзора получена непараметрическая модель, которая адекватно описывает поведение человека-оператора в задаче обнаружения сигнала на фоне шумов и хаотических импульсных помех. Эта модель учитывает яркостный порог оператора, а также сенсорные шумы зрительной системы человека (8) - (9). Она позволяет оценить эффективность работы человека-оператора при обнаружении сигналов на фоне коррелированных помех и дает возможность проектировать человеко-машинные системы данного класса при формализованном описании человека.

6. Время принятия решения человеком-оператором при обнаружении сигналов является случайной величиной, имеющей нормальный закон распределения (10), параметры которого зависят от характеристик помех и от контраста сигнала с фоном. Уменьшение вероятности обнаружения при дефиците времени можно оценить с помощью разработанной автором линейной модели (11). Учет времени принятия решения и яркостного порога позволил выявить ранее неизвестные критичные для работы человека-оператора параметры коррелированных помех, что должно учитываться при создании автоматизированных систем управления сбором и обработкой стохастической информации Синтезирована вероятностно-временная модель работы человека-оператора (13), учитывающая его психофизиологические особенности. С помощью этой модели определена оценка помехозащищенности систем обработки информации. Получены параметры маскирующих помех, которые подавляют систему. Оценена пропускная способность человека-оператора, она равна 10 дв.ед/с без воздействия помех и уменьшается в 2 - 10 раз при воздействии хаотической импульсной помехи. Построены робастные алгоритмы управления и оценено качество функционирования системы при воздействии неконтролируемых возмущений.

7. В задаче вероятностного распознавания сигналов определены дифференциальные пороги, характеризующие предельные возможности человека-оператора Разработаны новые методики экспериментов по определению порогов с учетом свойств индикаторов, используемых в системах обработки информации. Дифференциальные пороги, как по яркости, так и по размерам являются случайными величинами и имеют нормальный закон распределения. При воз-действии шумов закон распределения не изменяется. Получены инженерные формулы (18) - (21) для расчета вероятностных характеристик для среднестатистического оператора с поправками, учитывающими индивидуальные психофизиологические свойства операторов.

8. Разработаны алгоритмы принятия решений человеком-оператором при распознавании флуктуирующих сигналов по большому числу однородных наблюдений и по нескольким равновероятным флуктуирующим признакам. Доказано, что человек-оператор использует байесовскую процедуру обработки информации при принятии решений. Получена совокупность формул (16), (17). (22) - (24), составляющая алгоритм для автоматизации интеллектуальной поддержки принятия решений в автоматизированных системах управления сбором и обработкой стохастической информации

9. Разработана математическая модель принятия решений человеком-оператором при обработке вероятностной информации в игровой ситуации. На основании этой модели синтезирован алгоритм распознавания флуктуирующих ,ю яркости отметок. Этот алгоритм реализован в виде электронного устройства. Проведено сравнение работы человека-оператора и устройства.

10. В результате проведения экспериментальных исследований работы чртовека-оператора при распознавании зрительных образов были получены пороговые характеристики и выявлены четыре информационных уровня распознавания. Получен релеевский закон распределения пороговых апертурных размеров распознаваемых объектов для всех уровней распознавания. Предложена имитационная модель работы человека-оператора, распознающего телевизионные изображения. Рассмотрено двухальтернативное, многоальтернативное распознавание и распознавание маскированных объектов. Соответствующие имитационные модели реализованы на ЭВМ методами статистического моделирования. Осуществлена оценка достоверности распознавания. Проведено сравнение результатов натурных экспериментов с характеристиками имитационной модели. Применение статистических критериев говорит об отсутствии значимых различий между ними. Предложенная модель адекватно описывает поведение человека-оператора в задачах распознавания зрительных образов.

11. С целью диагностирования состояния и оценки работоспособности человека-оператора в автоматизированных системах управления сбором и обработкой стохастической информации разработан новый способ и устройство тля измерения зрительного утомления по времени реакции защитного мигательного рефлекса. С помощью этого способа и устройства возможно проводить экспресс-анализ утомления зрительного анализатора человека-оператора на рабочем месте. Статистическая оценка результатов измерений зрительного томления по предложенному способу показала высокую чувствительность.

достоверность и объективность нового способа.

12. Рассмотрены методы исследования состояния нервной системы и скорости передачи информации в зрительно-двигательной системе. Для профессионального отбора операторов разработано устройство, автоматизирующее измерение этих характеристик. Это устройство обладает широкими функциональными возможностями, используется непосредственно на рабочем месте оператора для контроля его психофизиологического состояния и для оценки работоспособности Использование методов и устройств, разработанных автором, повысит надежность и эффективность автоматизированных систем управления.

Полученные результаты имеют большое практическое значение и могут быть использованы в различных приложениях: в кибернетике - для построения математических моделей сложных автоматизированных систем управления; в радиолокации и промышленном телевидении - для оптимизации и оценки эффективности системы "индикатор-оператор"; в системах связи - для увеличения пропускной способности каналов связи и оценки эффективности обработки информации в сложных системах; в аэронавигации - для повышения безопасности полетов; в инженерной психологии - для разработки методик экспериментов с учетом утомления и состояния нервной системы испытуемых; в медицине - для диагностики состояния зрительного анализатора и глазных болезней.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ ДИССЕРТАЦИИ ОПУБЛИКОВАНЫ В СЛЕДУЮЩИХ РАБОТАХ: Публикации в изданиях, рекомендуемых ВАК РФ

1. Будко В.Н., Клементьев Ф.М., Новикова Н.М Непараметрпческая модель обнаружения сигналов, наблюдаемых человеком-оператором на экране ЭЛТ на фоне шумов // Радиотехника и электроника. - 1978. - Т.23, № 11. - С. 2439 - 2442.

2. Новикова Н.М. Пропускная способность человека-оператора при обнаружении сиг-11алов на фоне помех // Изв. вузов МВ и ССО СССР. Радиоэлектроника. - 1978. - Т.21, № 9. -С. 97-99.

3. Новикова Н.М. Математическая модель человека-оператора, обнаруживаю! него сигнал на фоне шума // Изв. вузов МВ и ССО СССР. Радиоэлектроника. - 1982. - Т25, № 1. -С. 91-93.

4. Новикова НМ Пороговые характеристики оператора при обнаружении яркостного сигнала на фоне помех //Психологический журнал РАН,- 1991.-Т.12,№4.-С. 100- 106.

5. Новикова Н.М., Будко В.Н. Способ и устройство для определения зрительного утомления оператора// Изв. высш. учеб. заведений. Электроника - 2002. №2. - С.95-99.

6. Новикова Н.М. Автоматизация исследований психофизиологических характеристик человека-оператора// Изв. высш. учеб. заведений. Электроника - 2002. №3. - С.74-77.

7. Новикова Н.М. Электронное устройство для радиолокационного распознавания сигналов по яркости // Изв. высш. учеб. заведений. Электроника - 2002. №5. - С.89-94.

8. Новикова НМ, Прасолова А.Е. Распознавание сложных изображений нейросете-выми и статистически оптимальными алгоритмами // Нейрокомпьютеры: разработка, применение. -2004. №4. - С28-33.

9. Новикова Н.М. Синтез алгоритмов принятия решений человеком-оператором в задаче распознавания яркостных сигналов // Изв. высш. учеб. заведений. Электроника - 2004. №2.-С.61-68.

10. Новикова НМ Методы измерения зрительного утомления в системе "человек-дисплей" // Системный анализ и управление в биомедицинских системах- М., 2004.- Т.З, № 3. -С. 245-249.

11. Новикова НМ Робастное управление в автоматизированной системе сбора и обработки радиолокационной информации // Системы управления и информационные техно-ложи: М„ 2004.№4(16). -С. 82-84.

12. Новикова Н.М., Подвальный СЛ. Методы интеллектуальной поддержки принятия решений в автоматизированной системе обработки информации //Системы управления и информационные технологии: М., 2004. №4(16).-С. 45^48.

13. Новикова Н.М. Многоальтернагивное распознавание изображений человеком-оператором // Системы управления и информационные технологии: М., 2004. № 5с (17). - С. 98-100.

14. Новикова Н.М. Вероятностно-временная модель обнаружения сигналов человеком-оператором //Системный анализ и управление в биомедицинских системах: М., 2004.-Т.З, № 4. - С326-330.

15. Новикова НМ., Подвальный СЛ. Имитационная модель работы человека-оператора как звена обработки информации // Систолы управления и информационные технологии: М., 2005. №1(18).- С. 92-95.

16. Новикова НМ., Подвальный СЛ. Характеристики статистической модели распознавания зрительных образов человеком-оператором // Информационные технологии. -2005.- № 5. - С27-32.

Авторские свидетельства

17. А.с. 1217333 СССР, МКИ3 А61 ВЗ/06. Устройство для исследования зрительного анализатора / В.Н. Будко, НМ. Новикова (СССР) Кг 3720481/28 - 14; Заявлено 03.04.84; Опубл. 15.03.86. Бюл„ 1986. № 10.2 с

18. А .с. 1544370 СССР, МКИ3 А61 В5/16. Способ определения зрительного утомления / Н.М. Новикова, В.Н. Будко (СССР) № 4241271/28 - 14; Заявлено 05.05.87; Опубл.

23.02.90. Бюл., 1990. №7.2 с.

19. А.с. 1664284 СССР, МКИ' А61 В5/16. Устройство для психофизиологических исследований / Н.М. Новикова, В.Н. Будко (СССР) № 4718572/14; Заявлено 11.07.89; Опубл.

23.07.91. Бюл., 1991.№27.4с.

Статьи

20. Будко В.Н., Новикова Н.М., Невежин Ю.В. Метод и устройство для получения выборочных значений шумового напряжения и возможности его применения // Применение методов вычислительной математики и вычислительной техники для решения научно-исследовательских и народно-хозяйственных задач: Сб. науч. тр. - Воронеж: ВГУ, 1969. - С. 164-166.

21. Будко В.Н., Невежин Ю.В.. Новикова Н.М. Распознавание по одному параметру простейших сигналов, наблюдаемых на фоне шумов // Радиоэлектроника: Сб. науч. тр.- Воронеж: ВГУ, 1970.-С. 83-91.

22. Будко В Л., Новикова Н.М.. Костина ЗА. Изменение средней яркости луча электронно-лучевой трубки при воздействии шума // Радиоэлектроника: Сб. науч. тр.- Воронеж:

ВГУ, 1970.-С. 92 -95.

23. Новикова Н.М., Костина ЗА Вероятность обнаружения отметки цели оператором на экране яркостного индикатора при действии непрерывных помех // Радиоэлектроника; Сб. науч. тр.-Воронеж: ВГУ, 1973.-С. 16-20.

24. Новикова Н.М., Костина З.Л., Невежин Ю.В. Закон распределения яркостного разностного порога человека-оператора в системе «человек-ЭЛТ» // Проблемы инженерной психологии и эргономики: Сб. науч. тр. -.Ярославль: ЯрГУ, 1974- Вып. 1. С. 160-165

25. Костина З.А., Невежин Ю.В., Новикова H. M Исследование процесса принял« решения человеком-оператором при распознавании флуктуирующих сигналов // Проблемы инженерной психологии и эргономики: Сб. науч.тр.-М.: МГУ, 1974 -Вып.2.-С. 172-174.

26. Клементьев Ф.М., Новикова Н.М. Влияние хаотических импульсных помех на обнаружение отмелей цели оператором на экране яркостного индикатора // Вопросы рассеяния и оптимального приема радиоволн: Сб. науч. тр. - Воронеж: ВГУ, 1975 - С. 29 - 33.

27. 11овикова Н.М., Будко В.Н. Об эффективности визуального обнаружения импульсных сигналов на фоне хаотических импульсных помех человеком-оператором // Повышение помехоустойчивости и эффективности радиоэлектронных систем и устройств. -Горький: ГПИ, 1977.- Выа 2. - С34-40.

28. Новикова Н.М. Оценка воздействия импульсных помех на систему «индикатор-оператор»// Радиопередающие устройства: Сб. науч. тр. - Воронеж: ВПИ, 1978. - С. 49 - 53.

29. Novikova N.M. Capacity of the man-observer detecting the signals at the interference // Radio electronics and Communications Systems -1978. -V21, № 9.- P. 105-107.

30. Будко B.H., Новикова Н.М. Об эффективности функционирования системы «РТС - человек-оператор» при наличии помех и дефиците времени на принятие решения // Повышение помехоустойчивости и эффективности радиоэлектронных систем и устройств. -Горький: ГТТИ, 1979. - Вып. 3. - С.65 -67.

31 Новикова Н.М. Оценка эффективности системы «инцикагор-операгор» при воздействии шума// Теория и практика построения человеко-машинных систем: Сб. науч. тр,-М.: МИЭМ, 1979.-С. 37-38.

32. Novikova N.M. Mathematical model of the man-observer detecting a signal at the noise // Radio electronics and Communications Systems - I982.-V.25,№ 1.-P.85-87.

33. Новикова H.M. О распознавании телевизионных изображений человеком- оператором // Теория и практика построения человеко-машинных систем: Сб. науч. тр. - М.: МИЭМ, 1982.-С. 41-43.

34. Экспериментальное определение времени обнаружения и съема плоскостных координат цели операторами автоматизированных систем сбора и обработки / Г.В. Ложкин, Н.М. Новикова, В.В. Спасенников, Л.А. Юрпин // Вопросы оптимизации системы отбора и подготовки военных специалистов: Сб. науч. тр.-Киев: ВВРТУ, I983.-C.31-32.

35 Новикова Н.М., Шкраб А С. Контрастное пороговое различение сигналов человеком-оператором // Труды Ленингр. мех. ин-та. Сер. IV,-1984. - С. 61 - 68.

36. Новикова Н.М., Шкраб А.С. Пороговое распознавание телевизионных изображений человеком-оператором // Труды Ленингр. мех. ин-та. Сер. II. -1985. - С. 186 -191.

37. Новикова Н.М. Пространственная обработка яркостного сигнала в зрительной системе человека/Воронеж: ВГУ, 1986. - 38 с. - Деп. в ВИНИТИ 17.07.86,№5224-В86.

38. Новикова Н.М., Шкраб А.С. Распознавание маскированных объектов, предъявляемых на телевизионном экране, человеком-оператором // Труды Ленингр. мех. ин-та. Сер.

VI.-1986.-С. 61 -66.

39 Новикова Н.М., Будко В.Н. Математическое моделирование инерционных процессов в зрительном анализаторе человека / Воронеж: В ГУ, 1986. - 39 с. - Деп. в ВИНИТИ 25.12.86, №8878-В86.

40 Новикова Н.М Моделирование работы человека-оператора при распознавании флуктуирующих сигналов / Воронеж: ВГУ, 1988. - 22 с. - Деп. в ВИНИТИ 27.04.88, № 3296-В88.

41. Новикова Н.М Характеристики порогового различения сигналов человеком-оператором / Воронеж: ВГУ, 1988. - 21 е.- Деп. в ВИНИТИ 23.06.88, №4956-В88.

42. Н.М. Новикова, Будко В.Н. Оптимизация адаптивной системы «индикэтор-оператор» в условиях дефицита времени '/ Методы исследования нестационарных и адаптивных систем- Сб. науч. тр. - Воронеж- ВГУ, 1989.-С. 23- 26.

43. Новикова Н.М. Имитационное моделирование надежности человека-оператора / Воронеж: ВГУ, 1989. -16 с. - Деп. в ВИНИТИ 15.06.89, № 3982-В89.

44. Новикова Н.М. Шкраб А.С. Распознавание телевизионных изображений группы объектов человеком-оператором // Труды Ленингр. мех. ин-та Сер. VI. - Л., 1990. - С. 91 - 96.

45. 11овнкова Н.М. Исследование алгоритма обработки вероятное гной информации человеком-оператором/Воронеж: ВГУ, 1990. 26 с. - Деп. в ВИНИТИ 12.03.90,№ 1349-В90

46. Новикова Н.М. Моделирование процесса принятия решения человеком-оператором / Воронеж: ВГУ, 1990. -19 с. - Деп. в ВИНИТИ 30.07.90, № 4315-В90.

47. Новикова Н.М. Идентификация системы «индикатор-оператор» в задаче обнаружения а гнала/Воронеж: ВГУ, 1991.-21 с.-Деп. в ВИНИТИ 17.06.91,№ 2514-В91.

48. Новикова Н.М., Данилова Л.В. Математическая модель порогового визуального обнаружения / Воронеж: ВГУ, 1992. - 14 с. - Деп. в ВИНИТИ 21.07.92, № 2392-В92.

49. Новикова Н М. Исследование процесса распознавания изображений человеком-оператором / Воронеж: ВГУ, 1993. -16 е.- Деп. в ВИНИТИ 7.04.93, № 873-В93.

50. Новикова Н.М. Оценка эффективности программного обеспечения автоматизированного комплекса инженера-технолога при взаимодействии человека и ЭВМ / Воронеж: ВГУ, 1994. - 10 с. - Деп. в ВИНИТИ 11.04.94, № 865-В94.

51. Новикова Н.М. Имитационное моделирование процесса распознавания изображений человеком-оператором / Воронеж: ВГУ, 1994. - 10 е.- Деп. в ВИНИТИ 20.09.94, № 2222-В94.

52. Новикова Н.М. Непарамегрическая модель работы человека-оператора при обнаружении сигнала//Высокие технологии в технике, медицине и образовании: Сб. науч. тр. -Воронеж: ВГТУ, 1995. - С. 113 -116.

53 Новикова Н.М. Оценка методов представления изображений в ЭВМ / Воронеж: ВГУ, 1995,- 11 с. Деп. в ВИНИТИ 10.05.95, № 1309.

54. Новикова Н.М. Математическая модель работы человека-оператора при распознавании изображений //Оптимизация и моделирование в автоматизированных системах: Сб. науч. тр. - Воронеж: ВГТУ, 19%. - С. 156 -160.

55. Новикова Н.М. Математическая модель многоканального непараметрического обнаружителя /' Радио и волоконная оптическая связь. Локация и навигация: Сб материалов

Воронеж: ВНИИС, 1997.-С.772 776.

56. Новикова Н.М. Исследование механизма работы человека-оператора при распознавании сложных сигналов / Воронеж: ВГУ, 1997. - 18 с. - Деп. в ВИНИТИ 28.04.97, №

1418-В97.

57.11овикова H М. Статистическое моделирование распознавания изображений человеком-оператором / Воронеж: ВГУ, 1998. - 27 с. -Деп в ВИНИТИ 20.07.98. № 2249-В98.

58. Новикова Н.М. Оценка достоверности статистической модели распознавания изображений // Радиолокация, навигация, связь: Сб. материалов. - Воронеж: ВНИИС, 1998.— Т.2.-С. 579-588.

59. Новикова Н.М. Корреляционный метод распознавания изображений человеком-оператором // Оптимизация и мод елирование в автоматизированных системах: Сб. науч. тр. Воронеж: ВГТУ, 1998.-С.12&-132.

60. Новикова Н.М. Статистическая модель распознавания изображений //Оптимизация и моделирование в автоматизированных системах: Сб науч. тр.- Воронеж: ВГТУ, 1999-С.14—J8.

61. Новикова Н.М. Характеристики достоверности многоальтернашвного распознавания изображений // Радиолокация, навигация, связь: Сб. материалов - Воронеж. ВНИИС, 2000.-Т.1,-С. 1167-1173.

62. Новикова Н.М. Многоапьтернативное распознавание изображений Ч Прикладные задачи моделирования и оптимизации: Сб. науч тр - Воронеж: ВГТУ, 2000.-Ч 1 С 74-80.

63. Новикова Н.М. Оптимизация характеристик статистической модели распознавания изображений человеком-оператором // Кибернетика и технологии XXI века: Сб. материалов. - Воронеж: ВНИИС, 2000- С.203 -211

64. Novikova N М Statistical Model of Observer by Images Recognition // Proceedings of JIJS (SCJ-2003) - Orlando, Honda, USA. - P.20-26.

65. Новикова H.M., Будко B.H. Оценка помехозащищенности системы "индикатор-оператор" // Радиолокация навигация, связь (RLNS-2003): Об. материалов. - Воронеж: ВНИИС, 2003.-T.3.-C.1373 -1378.

66. Новикова Н.М. Алгоритмы принятия интеллектуальных решений в системах обработки информации // Теория и техника радиосвязи Воронеж: ВНИИС, 2003 - Вып.). -С.100-106.

Подписано в печать 16.05.2005. Формат 60x84/16. Бумага для множительных аппаратов. Усл.печ.л. 2,0. Тираж 90 экз. Заказ .

Воронежский государственный технический университет 394026 Воронеж, Московский просп., 14

•10359

РНБ Русский фонд

2006-4 12661

(г

Оглавление автор диссертации — доктора технических наук Новикова, Нелля Михайловна

Введение.

Глава 1.Системный анализ эргатических систем управления.

§1.1. Классификация автоматизированных систем управления.

§1.2. Роль человека-оператора в автоматизированных системах управления.

§1.3. Математические модели работы человека-оператора в автоматизированных системах управления.

§ 1.4. Характеристики человека-оператора как элемента автоматизированной системы сбора и обработки стохастической информации.

§1.5. Методы диагностирования состояния и работоспособности человека-оператора в автоматизированных системах управления.

Выводы по главе 1.

Глава И. Методическое обеспечение и технология эксперимента по оцениванию состояния эргатических систем.

§2.1. Структура деятельности и имитационная статистическая модель человека-оператора в автоматизированных системах сбора и обработки радиолокационной информации.

§2.2. Технология экспериментов по оцениванию статистических и временных характеристик имитационной модели человекаоператора в решении стохастических задач.

§2.3. Алгоритмическое содержание экспериментов по оцениванию пороговых характеристик человека-оператора в задаче вероятностного распознавания сигналов.

§2.3.1. Методика экспериментов по оцениванию пороговых характеристик человека-оператора при распознавании сигналов в условиях воздействия шумов.

§2.4. Алгоритмы интеллектуальных решений в автоматизированных системах обработки информации.

§2.5. Определение пороговых и вероятностных характеристик человека-оператора при распознавании объектов, предъявляемых на телевизионном экране.

§2.6. Зрительное утомление и методы его измерения.

§2.7. Объективный способ и устройство для оценки зрительного утомления человека-оператора.

§2.8. Методы и устройство для исследования психофизиологических характеристик человека-оператора. k Выводы по главе II.

Глава III. Анализ и синтез математических моделей и алгоритмов работы подсистемы "человек-оператор" в АСУ СОРЛИ при обнаружении сигналов.

§3.1. Идентификация системы "индикатор-оператор" в задаче обнаружения сигналов.

§3.2. Непараметрическая модель работы человека-оператора при обнаружении сигналов.

§3.3. Непараметрическая модель и алгоритмы работы человекаоператора при обнаружении яр костных сигналов.

§3.4. Временные характеристики человека-оператора в задаче об* наружения сигналов.

§3.5 Оценка помехозащищенности и эффективности звена "индикатор-оператор" в АСУ СОРЛИ.

§3.6. О пропускной способности человека-оператора при обнаружении сигналов на фоне помех.;.

§3.7 Робастное управление в автоматизированной системе сбора и обработки стохастической информации.

Выводы по главе III.

Глава ^.Алгоритмизация принятия решений человеком-оператором в задачах распознавания сигналов в автоматизированных системах сбора и обработки стохастической информации.

§4.1. Пороговые характеристики человека-оператора при распознавании отметок цели.

§4.2. Вероятностные характеристики моделей принятия решений человеком-оператором при распознавании флуктуирующих сигналов в

АСУ СОРЛИ.

§4.3. Синтез алгоритмов интеллектуализации решений в задаче распознавания сигналов в автоматизированных системах управления.

§4.4. Синтез алгоритмов принятия решений человекомоператором, распознающим сигналы по равновероятным # флуктуирующим параметрам.

§4.5. Исследование алгоритмов принятия решений человеком-оператором при обработке вероятностной информации в игровой ситуации.

Выводы по главе IV.

Глава V. Имитационное моделирование процесса распознавания изображений человеком-оператором.

§5.1. Пороговые характеристики человека-оператора при распознавании зрительных образов.

§5.2. Основные теоретические предпосылки и алгоритмы для построения имитационной модели.

§5.3. Математическая модель работы человека-оператора при распознавании истинных зрительных образов при наличии ложных.

§5.4. Математическая модель распознавания телевизионных изображений маскированных объектов человеком-оператором.

§5.5. Математическая модель работы человека-оператора при много альтернативном распознавании зрительных образов.

Выводы по главе V.

Введение 2005 год, диссертация по информатике, вычислительной технике и управлению, Новикова, Нелля Михайловна

Актуальность проблемы. На современном этапе научно-технического прогресса создаются крупномасштабные технические комплексы и различные типы автоматизированных производств. Широкое развитие получают эргатические (человеко-машинные) системы управления процессами и производствами, построенные на основе взаимодействия автоматизированных систем управления различных уровней, использовании компьютеров, видеотерминалов, типизации программного и технического обеспечения, построения баз данных. При создании таких систем необходим учет человеческого фактора, который призван повысить эффективность работы, как человека, так и системы путем изменения взаимодействия между человеком и техническими средствами. Отсюда возникла актуальная проблема исследования взаимодействия человека с машиной в единой системе и возможностей человека-оператора не только как звена системы "человек-машина", а как активного субъекта деятельности. Развитие эргатических систем потребовало изучения проблемы отображения и обработки информации в условиях усложняющихся задач управления и интенсивности их решения. В настоящее время помимо использования уникальных психофизиологических свойств человека по визуальному восприятию информации ставится вопрос об эффективном использовании мыслительных способностей человека. Возникает задача автоматизации интеллектуальной поддержки принятия решений в системе управления.

Рассмотренные проблемы особо важны для автоматизированных систем управления сбором и обработкой стохастической информации, в частности, радиолокационной информации (СОРЛИ), которые являются основным источником информации для систем управления военного назначения (управление войсками и оружием, АСУ ПВО), а также для систем управления воздушным движением. Одной из основных функций человека-оператора в этих системах является прием и обработка информации, предъявляемой на экране индикаторов различных типов, а также принятие решений. Несмотря на усиленное развитие методов автоматизации обработки информации, методов распознавания и классификации изображений, пока наиболее адаптивным опознающим устройством, способным принимать оптимальные решения при наличии помех является человек-оператор. Анализ и синтез систем, содержащих в качестве одного из элементов — человека, требует знания его свойств и особенностей, характеристик и ограничений, накладываемых его участием в работе системы. СОРЛИ является эргатической системой управления, при проектировании и эксплуатации которой возникают проблемы исследования взаимодействия человека и техники. В настоящее время для решения проблем проектирования автоматизированных систем используется более 30-40 методологических подходов к человеку и технике, в которых предлагаются разные варианты оптимизации взаимодействия человека-оператора и автоматизированной системы, организации процессов управления, выбора роли человека-оператора, распределения функций между ним и автоматикой. Это множество подходов можно разбить на два больших класса: машиноцентрический подход (используется разработчиками техники) и антропоцентрический подход (используется психологами труда и инженерными психологами). Первые исследования в 40-50-х годах базировались на машиноцентрическом подходе -"от машины (техники) к человеку." При этом человека рассматривали как простое звено системы, были получены некоторые его характеристики, например, параметры передаточной функции [42]. Развитие космонавтики, авиации, автоматизированных систем показало ограниченность машиноцентрического подхода, и возникла необходимость создания антропоцентрического подхода -"от человека к машине (технике)." Этот подход был разработан ■ в 60-70-х годах [10,16,19,32,40]. Главной задачей данного подхода становится проектирование деятельности человека-оператора. В 80-90-х годах антропоцентрический подход стал одной из ведущих теоретических позиций в зарубежных исследованиях [22,25,38,51,52]. В них решение проблем проектирования и эксплуатации эргатических систем предлагается с учетом когнитивных процессов операторской деятельности.

Следовательно, возникает проблема формализованного описания деятельности человека-оператора, разработки математических моделей, структурных решений и алгоритмов, предназначенных для интеллектуализации принятия решений в автоматизированных системах управления сбором и обработкой стохастической информации, методов и устройств для оценки работоспособности человека с целью повышения . оперативности и эффективности управления. Решению этих важных задач посвящена данная работа.

Для достижения этой цели потребовалось решить следующие задачи:

- разработать структуру деятельности и метод синтеза математических моделей человека-оператора, пригодных для исследования пороговых и временных характеристик в задачах обнаружения и распознавания сигналов, а также рабочего аппарата для проектирования и оценки эффективности автоматизированных систем;

- разработать алгоритмы и математические модели работы человека-оператора, как при дефиците времени, так и без дефицита времени на принятие решения в задачах обнаружения сигналов;

- разработать математические модели и алгоритмы интеллектуальной поддержки принятия решений в задачах радиолокационного распознавания сигналов;

Научная новизна. В работе получены следующие новые научные результаты:

- вероятностно-временная непараметрическая модель работы человека-оператора при обнаружении сигналов, отличающаяся тем, что учитывает сенсорные шумы, утомляемость зрительного анализатора, психофизиологические особенности человека, и позволяющая оценить эффективность работы системы в условиях внешнего воздействия шумов и помех;

Вероятностно-временная непараметрическая модель работы человека-оператора, разработанная в диссертации, используется для получения робастных алгоритмов управления, оценки помехозащищенности и пропускной способности систем, где информация предъявляется человеку на индикаторах различного типа, включая дисплеи компьютеров.

Результаты диссертации внедрены в: Федеральном государственном унитарном предприятии "Воронежский научно-исследовательский институт связи" использование вероятностно-временной непараметрической модели, классификатора сигналов, программного продукта по обеспечению поддержки принятия решений человеком-оператором, методов и устройств для измерения зрительного утомления и психофизического состояния человека-оператора позволило повысить надежность распознавания в каналах связи на 15%, увеличить пропускную способность системы "индикатор-оператор" на 10%, установить оптимальный режим работы операторов систем связи; Воронежском филиале ЦентрАэронавигации используют методы и устройства для оценки зрительного утомления и психофизиологического состояния авиадиспетчеров, что привело к повышению безопасности воздушного движения и дало экономический эффект 300000 рублей; некоммерческой организации "Маркетинговый центр Реформа" внедрены программы и алгоритмы для оценки объёма внимания, скорости передачи информации в зрительной системе человека при работе с персональным компьютером, а также программы и алгоритмы принятия решений человеком-оператором в системе обработки информации. Это привело к повышению производительности труда операторов на 15%. Экономический эффект от внедрения составляет 500000 рублей; рефрижераторном депо ст. Лиски Юго-Восточной железной дороги используют методы и устройства для измерения зрительного утомления; устройство для оценки состояния высшей нервной деятельности, внимания, скорости передачи информации в глазо-двигательной системе человека-оператора; электронное устройство для распознавания цветовых сигналов, что повысило производительность труда операторов на 20%; ОАО "Воронежсинтезкаучук" внедрены математические модели принятия решений человеком-оператором в системах обработки информации, устройство для распознавания сигналов, программный продукт по исследованию работоспособности и восприятию информации человеком-оператором, как с экрана дисплея, так и с индикаторов, отображающих текущую информацию. Внедрение результатов диссертационной работы привело к повышению производительности труда операторов на 20%, системы на 15%. Экономический эффект от внедрения составил 500 000 рублей.

- методы экспериментального исследования вероятностно-временной непараметрической модели работы человека-оператора при обнаружении сигналов, предъявляемых на экране индикаторов различного типа, с учетом пороговых характеристик, утомления зрительного анализатора и психофизиологических особенностей человека; закон распределения яркостного порога человека и времени обнаружения сигналов человеком-оператором; метод оценки эффективности работы человека-оператора при обработке стохастической информации, как при дефиците времени на принятие решения, так и без дефицита времени; результаты оценки помехозащищенности, робастности управления и пропускной способности человека-оператора, полученные на основании вероятностно-временной непараметрической модели;

- математические модели работы человека-оператора в задаче вероятностного распознавания сигналов; закон распределения дифференциальных порогов человека-оператора при различении отметок сигналов, как без шумов, так и при наличии шума; алгоритм принятия решения человеком-оператором при распознавании флуктуирующих по яркости и размерам сигналов; алгоритмы интеллектуальной поддержки принятия решений при распознавании флуктуирующих сигналов по нескольким однородным наблюдениям и равновероятным признакам; алгоритмы принятия решения в игровой ситуации, а также электронное устройство, реализующее эти алгоритмы;

- методы и устройства для диагностирования состояния и оценки работоспособности человека-оператора в эргатической системе: способ и устройство для экспресс-анализа и измерения зрительного утомления; устройство для исследования психофизиологических характеристик человека-оператора.

Апробация работы. Основные положения и результаты диссертационной работы докладывались и обсуждались на 26 научно-технических конференциях различного уровня, в том числе, на 7, 8 World Multi

Conference on Systemic, Cybernetics and Informatics (SCI-2003) USA, (SCI-2004) USA, IY-IX Международных научно-технических конференциях "Радиолокация, навигация, связь" (Воронеж, 1998-2003), I-V Международных конференциях "Кибернетика и технологии XXI века" (Воронеж, 2000-2004), научных семинарах кафедры кибернетики Московского государственного института электроники и математики (технический университет) (Москва, 1979-1986), научных сессиях Воронежского государственного университета (Воронеж, 1982-2005).

Публикации. По теме диссертации опубликовано 66 работ, получено 3 авторских свидетельства на изобретения.

Личный вклад автора: в [242]-предложена непараметрическая модель и экспериментальные данные, подтверждающие непараметричность визуального обнаружения; в [246,258-260]-обоснован новый метод измерения зрительного утомления, предложены способы расширения функциональных возможностей устройств; в [249]- синтезирован статистический алгоритм распознавания изображений; в [253] разработана методика экспериментов, предложен алгоритм; в [256] синтезирована непараметрическая модель при импульсных помехах; в [257] получены характеристики модели; в [261,263]-разработаны методы получения шумовых напряжений с заданными законами распределения; в [262,264-267]- разработана методика и проведены эксперименты; в [268]-получена формула для расчета яркостного порога человека-оператора при воздействии помех и оценена помехоустойчивость системы; в [271]-получен закон распределения времени обнаружения сигналов человеком-оператором и предложен метод оценки эффективности работы человека-оператора при обработке стохастической информации, как при дефиците времени на принятие решения, так и без дефицита времени; в [275]-предложен закон распределения времени обнаружения и съема плоскостных координат цели человеком-оператором; в [276,277,279]-разработана методика экспериментов и получен закон распределения порогов человека-оператора; в [280]-осуществлена постановка задачи математического моделирования и разработаны методики экспериментов; в [283]-разработаны методы оптимизации системы "индикатор-оператор"; в [285]-синтезирована математическая модель работы человека-оператора при многоальтернативном распознавании изображений; в [289]-осуществлена постановка задачи и разработана математическая модель порогового визуального обнаружения; в [306]-разработана методика оценки помехозащищенности системы на основании вероятностно-временной модели человека-оператора.

Заключение диссертация на тему "Математическое и алгоритмическое обеспечение интеллектуальной поддержки принятия решений в автоматизированных системах сбора и обработки стохастической информации"

ОСНОВНЫЕ ВЫВОДЫ ПО ДИССЕРТАЦИИ

В диссертационной работе решена крупная научная проблема, имеющая научное и практическое применение. Основные результаты теоретических и экспериментальных исследований по разработке математического и алгоритмического обеспечения интеллектуальной поддержки принятия решений в автоматизированных системах управления сбором и обработкой стохастической информации и по оценке работоспособности эргатических систем, полученные в диссертационной работе, можно обобщить следующим образом.

1. Системный анализ эргатических систем управления показал, что наименее изученной является деятельность оператора-наблюдателя в автоматизированных системах управления сбором и обработкой стохастической информации, а также в АСУ СОРЛИ, являющейся источником информации для АСУ специальными технологическими процессами (АСУ военного назначения). Приведен анализ и классификация математических моделей работы человека-оператора в различных системах. Оценены преимущества и недостатки математических моделей. Показано, что наиболее перспективным для формализованного описания деятельности человека-оператора является имитационное статистическое моделирование.

2. Разработана структура деятельности человека-оператора при обнаружении и распознавании сигналов и изображений, предъявляемых на экране индикаторов различных типов на фоне шумов и помех, а также на телевизионном экране. Эта структура отличается тем, что учитывает психофизиологические характеристики и когнитивные способности человека. Данная структура является основой для построения имитационной статистической модели работы человека-оператора в эргатических системах управления.

4. Синтезирована математическая модель работы человека-оператора при обнаружении сигналов. Эксперименты, проведенные с большой группой операторов, и статистическое моделирование на ЭВМ показали, что алгоритм работы человека-оператора можно описать с помощью непараметрической модели. Получено представление непараметрической модели в виде уравнений, с помощью которых оценивается эффективность работы оператора и системы.

5. Для индикатора кругового обзора получена непараметрическая модель, которая адекватно описывает поведение человека-оператора в задаче обнаружения сигнала на фоне шумов и хаотических импульсных помех. Эта модель учитывает яркостный порог оператора, а также сенсорные шумы зрительной системы человека. Она позволяет оценить эффективность работы человека-оператора при обнаружении сигналов на фоне коррелированных помех и дает возможность проектировать человеко-машинные системы данного класса при формализованном описании человека.

6. Время принятия решения человеком-оператором при обнаружении сигналов является случайной величиной, имеющей нормальный закон распределения, параметры которого зависят от характеристик помех и от контраста сигнала с фоном. Уменьшение вероятности обнаружения при дефиците времени можно оценить с помощью разработанной автором линейной модели. Учет времени принятия решения и яркостного порога позволил выявить ранее неизвестные критичные для работы человека-оператора параметры коррелированных помех, что должно учитываться при создании автоматизированных систем управления сбором и обработкой стохастической информации. Синтезирована вероятностно-временная модель работы человека-оператора, учитывающая его психофизиологические особенности. С помощью этой модели определена оценка помехозащищенности систем обработки информации. Получены параметры маскирующих помех, которые подавляют систему. Оценена пропускная способность человека-оператора, она равна 10 дв.ед/с без воздействия помех и уменьшается в 2 - 10 раз при воздействии хаотической импульсной помехи. Построены робастные алгоритмы управления и оценено качество функционирования системы при воздействии неконтролируемых возмущений.

7. В задаче вероятностного распознавания сигналов определены дифференциальные пороги, характеризующие предельные возможности человека-оператора. Разработаны новые методики экспериментов по определению порогов с учетом свойств индикаторов, используемых в АСУ СОРЛИ. Дифференциальные пороги, как по яркости, так и по размерам являются случайными величинами и имеют нормальный закон распределения. При воздействии шумов закон распределения не изменяется. Получены инженерные формулы для расчета вероятностных характеристик для среднестатистического оператора с поправками, учитывающими индивидуальные психофизиологические свойства операторов.

8. Разработаны алгоритмы принятия решений человеком-оператором при распознавании флуктуирующих сигналов по большому числу однородных наблюдений и по нескольким равновероятным флуктуирующим признакам. Доказано, что человек-оператор использует байесовскую процедуру обработки информации при принятии решений. Получена совокупность формул, составляющая алгоритм для автоматизации интеллектуальной поддержки принятия решений в автоматизированных системах управления сбором и обработкой стохастической информации.

9. Разработана математическая модель принятия решений человеком-оператором при обработке вероятностной информации в игровой ситуации. На основании этой модели синтезирован автомат, распознающий две флуктуирующие отметки по яркости. Проведено сравнение работы человека-оператора и автомата.

10. В результате проведения экспериментальных исследований работы человека-оператора при распознавании зрительных образов были получены пороговые характеристики и выявлены четыре информационных уровня распознавания. Получен релеевский закон распределения пороговых апертурных размеров распознаваемых объектов для всех уровней распознавания. Предложена имитационная модель работы человека-оператора, распознающего телевизионные изображения. Рассмотрено двухальтернативное, много альтернативное распознавание и распознавание маскированных объектов. Соответствующие имитационные модели реализованы на ЭВМ методами статистического моделирования. Осуществлена оценка достоверности распознавания. Проведено сравнение результатов натурных экспериментов с характеристиками имитационной модели. Применение статистических критериев говорит об отсутствии значимых различий между ними. Предложенная модель адекватно описывает поведение человека-оператора в задачах распознавания зрительных образов.

11. С целью диагностирования состояния и оценки работоспособности человека-оператора в автоматизированных системах управления сбором и обработкой стохастической информации разработан новый способ и устройство для измерения зрительного утомления по времени реакции защитного мигательного рефлекса. С помощью этого способа и устройства возможно проводить экспресс-анализ утомления зрительного анализатора человека-оператора на рабочем месте. Статистическая оценка результатов измерений зрительного утомления по предложенному способу показала высокую чувствительность, достоверность и объективность нового способа.

12. Рассмотрены методы исследования состояния нервной системы и скорости передачи информации в зрительно-двигательной системе. Для профессионального отбора операторов разработано устройство, автоматизирующее измерение этих характеристик. Это устройство обладает широкими функциональными возможностями, используется непосредственно на рабочем месте оператора для контроля его психофизиологического состояния и для оценки работоспособности. Использование методов и устройств, разработанных автором, повысит надежность и эффективность автоматизированных систем управления.

Полученные результаты имеют большое практическое значение и могут быть использованы в различных приложениях:

- в кибернетике - для построения математических моделей сложных автоматизированных систем управления;

- в радиолокации и промышленном телевидении - для оптимизации и оценки эффективности системы "индикатор-оператор";

- в системах связи - для увеличения пропускной способности каналов связи и оценки эффективности обработки информации в ' сложных системах;

- в аэронавигации - для повышения безопасности полетов;

- в инженерной психологии — для отбора операторов, для разработки методик экспериментов с учетом утомления испытуемых;

-в медицине - для диагностики состояния зрительного анализатора и глазных болезней.

Библиография Новикова, Нелля Михайловна, диссертация по теме Системный анализ, управление и обработка информации (по отраслям)

1. Общесистемное проектирование АСУ реального времени / С.В. Володин, А.Н. Макаров, Ю.Д. Умрихин и др. М.: Радио и связь, 1984. -232 с.

2. Вальков В.М. Автоматизированные системы управления технологическими процессами / В.М. Вальков, В.Е. Вершин. Л.: Политехника, 1991. -269 с.

3. Филд А. Международная практика организации и обслуживания воздушного движения / А. Филд / Пер. с англ. Л.Ю. Полушкиной, Д.Н. Тарасевич/Под ред. Л.К. Щербакова-М.: Транспорт, 1989. -254 с.

4. Самсонов B.C. Автоматизированные системы управления / B.C. Самсонов. -М.: Высш. школа, 1992. -238 с.

5. Управляющие вычислительные машины в АСУ технологическими процессами: В 2 т.: /Пер. с англ. Под ред. В.А.Шабалина.- М.: Мир, 1975. -Т.1. -530 е.; 1976.-Т.2.-531 с.

6. Глушков В.М. Введение в АСУ / В.М. Глушков. Киев: Техника, 1972.-310 с.

7. Евдокимов В.В. Автоматизированные системы управления промышленными предприятиями / В.В. Евдокимов, А.И. Нильва, В.Н. Морев. Л.: Машиностроение, 1975. -192 с.

8. Романов А.Н. Основы автоматизации систем управления. Построение автоматизированных систем управления ПВО / А.Н. Романов, Г.А. Фролов. М.: Воениздат, 1971. -247 с.

9. Баранюк В.А. Автоматизированные системы управления штабов и военных учреждений / В.А. Баранюк, В.И. Воробьев. М.: Воениздат, 1978. -212 с.

10. Галактионов А.И. Основы инженерно-психологического проектирования АСУ ТП / А.И. Галактионов. М.: Энергия, 1978. -208 с.

11. Скучарев В.Д. Автоматизированные системы управления / В.Д. Скучарев, А.А. Федулов, О.В. Щербаков. М.: Воениздат, 1981. -287 с.

12. Автоматизация обработки, передачи и отображения радиолокационной информации / В.Г. Коряков, Б.М. Егоров, Б.П. Креденцер и др. -М.: Сов. радио, 1975.-304 с.

13. Канащенков А.И. Концепция совершенствования авионики и облик современных систем управления вооружением / А.И. Канащенков // Радиотехника. -2002. -№8. -С.73-83.

14. Викулов О.В. Современное состояние и перспективы развития средств радиоэлектронной борьбы / О.В. Викулов, В.Д. Добыкин, В.В. Дрогалин // Зарубежная радиоэлектроника. Успехи современной радиоэлектроники. -1998. -№2. -С.30-41.

15. Wei ford A.Т. On the human demands of automation: mental work, conceptual model, satisfaction and training / A.T.Welford // XIV Intern, congr. of applied psy-cholog: Proceedings. -Kopenhagen; 1961. -v.5. —P.l82-194.

16. Литвак И.И. Основы построения аппаратуры отображения в автоматизированных системах. / И. И Литвак, Б.Ф. Ломов, И.Е. Соловейчик М.: Сов. радио, 1975. -352 с.

17. Венда В.Ф. Инженерная психология и синтез систем отображения информации / В.Ф. Венда-М.: Машиностроение, 1982. -396 с.

18. Организация взаимодействия человека с техническими средствами АСУ: В 7 т. М.: Высш. школа, 1990. -Т.1. -127 с.

19. Основы инженерной психологии / Душков Б.А., Зинченко В.П., Ломов Б.Ф. и др. М.: Высш. школа, 1986. -448 с.

20. Справочник по инженерной психологии / Сост. С.В.Борисов и др.; Под ред. Б.Ф. Ломова- М.: Машиностроение, 1982. -368 с.

21. Галактионов А.И. Представление информации оператору / А.И. Галактионов -М.: Энергия, 1969. -137 с.

22. Шеридан Т.В. Диспетчерское управление // Человеческий фактор / Под ред. Г.Салвенди. М.: Мир, 1991. -Т.З. -С.32-368.

23. Раевский А.Н. К проблеме классификации систем "человек-машина / А.Н. Раевский, А.В. Антонов // Проблемы инженерной психологии / Под ред. Б.Ф.Ломова. М, 1968. -С.54-58.

24. Платонов Г.А. Человек за пультом / Г.А. Платонов М.: Транспорт, 1969. -167 с.

25. Уикенс К. Переработка информации, принятие решений и познавательные процессы// Человеческий фактор. М.: Мир, 1991.-Т.1.-С.206-267.

26. Николаев В.И. Контроль работы судовых энергетических установок / В.И. Николаев. Л.: Судостроение, 1965. - 239 с.

27. Фиттс П., Петтерсон Дж. Пропускная способность дискретных двигательных реакций // Инженерная психология за рубежом. / Под ред. Б.Ф.Ломова. -М., 1967. -С.408-425.

28. Человек-оператор в космическом полете/Е.В.Хрунов, Л.С.Хачатурьянц, В.А.Попов, Е.А.Иванов; Под ред. В.А.Попова. М.: Машиностроение, 1974. -399 с.

29. Егоров А.С. Психофизиология умственного труда / А.С. Егоров, В.П. За-грядский. Л.: Наука, 1973. -272 с.

30. Забродин Ю.М. Процессы принятия решения на сенсорно-перцептивном уровне // Проблемы принятия решения / Под ред. П.К.Анохина. В.Ф.Рубахина. -М.: Наука, 1976.-С.33-55.

31. Забродин Ю.М Особенности решения сенсорных задач человеком / Ю.М. Забродин, Е.З .Фришман, Г.С. Шляхтин. М.: Наука, 1981.-197 с.

32. Ломов Б.Ф. Человек и техника / Б.Ф. Ломов.— М.: Сов. радио, 1966. —464 с.

33. Рубахин В.Ф. Психологические основы обработки первичной информации / В.Ф. Рубахин. Л.: Наука, 1974. -296 с.

34. Elkind J.I., Kelley J.A., Payne R.A. Adaptive characteristics of the human controller in systems having complex dynamics // Proc. 5-th Annual IEEE symp. Human factors in electronics. -San Diego, 1964. -P. 143-159.

35. Baron S., Kleinman D.L. The human as an optimal controller and information processor// IEEE Trans. Man-Machine Systems, MMS-10. -1969. -№1. -P.9-17.

36. Levison W.H., Elkind J.I. Two-dimensional manual control systems with separated displays // IEEE Trans. Human Factors in Electronics, HFE-8. -1967. -№3. -P.202-209.

37. McRuer D.T., Jex H.R. A review of quasi-linear pilot models // IEEE Trans. Human Factors in Electronics, HFE-8. -1967. -№3. -P.231-249.

38. Шеридан Т.Е., Феррел У.Р. Системы человек-машина / Т.Б. Шеридан, У.Р. Феррел: /Пер. с англ.А.А. Кобринского; Под ред. К.В. Фролова М.: Машиностроение, 1980.-400 с.

39. Технические эргатические системы / Под ред. В.В.Павлова. Киев: Вища школа, 1977. -343 с.

40. Зараковский Г.М. Закономерности функционирования эргатических систем / Г.М. Зараковский, В.В. Павлов. М.: Радио и связь, 1987. -232 с.

41. Губинский А.И. Надежность и качество функционирования эргатических систем / А.И. Губинский. Л.: Наука, 1982. -268 с.

42. Поспелов Д.А. Ситуационное управление. Теория и практика / Д.А. Поспелов. М.: Наука, 1986. -284 с.

43. Цибулевский И.Е. Человек как звено следящей системы / И.Е. Цибулевский. -М.: Наука, 1981.-288 с.

44. Тарарака В.Д. Методика оценки эффективности взаимодействия оператора с техническими средствами отображения информации / В.Д. Тарарака // Кибернетика и вычислительная техника. —1986. -Вып. 72. -С.71-76.

45. Советов Б.Я. Моделирование систем / Б.Я. Советов, С.А. Яковлев. М.: Высш. шк., 1998.-319 с.

46. Психофизиология оператора в системах человек-машина / Под. ред. K.JI. Иванова-Муромского. Киев: Наук, думка, 1980. -344 с.

47. Albers S. Using a simulation model to represent the time dependence of human reliability // Proc. 5-th. EuRe Data Conf. -Berlin, 1986. -P.445-453.

48. Никифоров Г.С. Надежность профессиональной деятельности / Г.С. Никифоров. Спб.: Изд-во С.-Петербург, ун-та, 1996. -176 с.

49. Шеннон Р. Имитационное моделирование систем. Искусство и наука/ Р.Шеннон: /Пер. с англ.- М.: Мир, 1978. -418 с.

50. Методы радиолокационного распознавания и их моделирование / Я.Д. Ширман, С.А. Горшков, С.П. Лещенко и др.// Зарубежная радиоэлектроника. -1996.-№11.-С.З-62.

51. Johannsen G. Levis А.Н., Stassen H.G. Theoretical problems in man-machine systems and their experimental validation // Automatica.-1994.-V.30, №2-P.217-231

52. Kantovitz B.H. Selecting measures for human factors research // Human Factors -1992. -V.34, №4-P.387-398.

53. Голиков Ю.Я. Современные концепции автоматизации и подходы к человеку и технике / Ю.Я. Голиков // Психологический журнал.-2002.-Т.23, №1-С. 1830

54. Лоусон Дж. Пороговые сигналы / Дж. Лоусон, Г.Е. Уленбек: / Пер. с англ. Под ред. А.П. Сиверса-М.: Сов. радио, 1952. -403 с.

55. Танер Д. Обнаружение импульсных сигналов в шуме. Корреляция между следами при визуальном наблюдении / Д. Танер // Вопросы радиолокационной техники. -1957. -№6. -С.3-16.

56. Попов Г.П. Инженерная психология в радиолокации / Г.П. Попов. М.: Сов. радио, 1971.-144 с.

57. Автономов В.А. Экспериментальное исследование характеристик визуального распознавания изображений / В.А. Автономов, Ю.М. Холодилов // Автоматика и телемеханика. -1973. -№8. -С. 161-165.

58. Nahvi M.J. Reliability of human visual detection in the presence of noise // IEEE Trans, on Reliability. -1974. -V.R.-23, №5. -P.326-331.

59. Живичин А.Н Дешифрирование фотографических изображений / А.Н. Жи-вичин, B.C. Соколов. М.: Недра, 1980. -253 с.

60. Красильников Н.Н. Теория передачи и восприятия изображений / Н.Н. Красильников. М.: Радио и связь, 1986. -286 с.

61. Применение принципов оптимального наблюдения при моделировании зрительной системы человека. / Н.Н. Красильников, Ю.Е. Шелепин, О.И.Красильникова // Оптический журнал. -1999. -№9. -С 17-23

62. Поветко В.Н. Оценка качества обнаружения пространственно-протяженных объектов по их изображениям / В.Н. Поветко, В.А. Понькин // Радиотехника и электроника. -1993. -Т.38, №4. -С.685-688.

63. Павлов Н.И Вероятность обнаружения объектов на экране монитора оптико-электронной системы наблюдения / Н.И. Павлов, Ю.М. Воронин// Оптический журнал. -1994. -№7. -С.3-7

64. Воронин Ю.М. Вероятность распознавания объектов на экране монитора оптико-электронной системы наблюдения /Ю.М. Воронин, Н.И. Павлов // Оптический журнал. -1994. -№7. -С.7-11.

65. Гранрат Д. Дж. Роль моделей зрения человека в обработке изображений / Д. Дж. Гранрат // ТИИЭР. -1981. -Т.69, №5. -С.65-77.

66. Теория когерентных изображений / П.А.Бакут, В.И.Мандросов, И.Н.Матвеев, Н.Д.Устинов; Под ред. Н.Д.Устинова. М.: Радио и связь, 1987. -264 с.

67. Поветко В.Н. Единая функциональная модель зрения для информационных систем обнаружения / В.Н. Поветко // Радиотехника. -1996. -№6. -С.88-92.

68. Понькин В.А. Оценка возможностей человека-оператора по различению пространственно протяженных объектов по их изображениям / В.А. Понькин, И.В. Лаптев // Информационный конфликт в спектре электромагнитных волн. -1999. -№6. -С.30-34.

69. Бардин К.В. Проблема порогов чувствительности и психофизические методы / К.В. Бардин. М.: Наука, 1976. —456 с.

70. Леонов Ю.П. Теория статистических решений и психофизика/ Ю.П. Леонов. -М.: Наука, 1987.-227 с.

71. Забродин Ю.М. Основания и свойства математических моделей сенсорной чувствительности // Психология и математика / Под ред. В.Ф.Рубахина. М.: Наука, 1976.-С. 190-223.

72. Забродин Ю.М. Психофизиология и психофизика/ Ю.М. Забродин, А.Н. Лебедев М.: Наука, 1977. -287 с.

73. Миддлтон Д. Введение в статистическую теорию связи: Пер. с англ.: В 2 т. -М.: Сов. радио, 1962. -Т.2. -830 с.

74. Creen D.M., Swets J.A. Signal detection theory and psychophysics. -New York: Wiley, 1966. -380 c.

75. Статистическая теория решений и восприятия / Дж. Свете, В. Танер, В. Бер-дсолл // Инженерная психология; -М.: Прогресс, 1964. -С.269-336.

76. Иган Дж. Теория обнаружения сигналов и анализ рабочих характеристик/ Дж. Иган: /Пер. с англ. Ю.П. Леонова; Под ред. Б. Ф.Ломова М.: Наука, 1983. -216 с.

77. Бойко Е.И. Время реакции человека/ Е.И Бойко М.: Медицина 1964.-440 с.

78. Цибулевский И.Е. Запаздывание оператора при обработке зрительных сигналов/ И.Е. Цибулевский// Автоматика и телемеханика. -1982. -№11. -С.102-110.

79. Олынанникова А.Е. Влияние продолжительности работы на зависимость времени реакции от интенсивности зрительных сигналов / А.Е. Ольшанникова // Вопросы психологии. -1973. -№6. -С.45-52.

80. Суходольский Г.В. Время реакции человека при слежении за движущейся целью/ Г.В. Суходольский // Вопросы психологии. -1987. -№1. -С.15-25.

81. Леонтьев А.Н О применении теории информации в конкретных психологических исследованиях / А.Н Леонтьев, Кринчик Е.П.// Вопросы психологии. -1961. -№5. -С. 12-19.

82. Переработка информации человеком в ситуации выбора / А.Н. Леонтьев, Е.П. Кринчик // Инженерная психология М.: Изд-во МГУ, 1964. -С.325-340.

83. Шеннон К. Работы по теории информации и кибернетике: Пер. с англ. — М.: Изд-во ин. лит-ры, 1963. -400 с.

84. Глезер В.Д. Зрение и мышление / В.Д. Глезер-Л.: Наука, 1985. -260 с. 172.

85. Миллер Дж. А. Магическое число семь плюс или минус два. О некоторых пределах нашей способности перерабатывать информацию / Дж Миллер.// Инженерная психология. -М.: Прогресс, 1964. -С.192-225.

86. Завалишин Н.В. Модели зрительного восприятия и алгоритмы анализа изображений / Н.В. Завалишин, И.Б. Мучник-М.: Наука, 1974. -344 с.

87. Травникова Н.П. Эффективность визуального поиска / Н.П Травникова. -М.: Машиностроение, 1985 .-128 с.

88. Gerathewhohl S.J. Eye movements during radar operations // J.Aviat. Med. -1953. -V.23. -P.597-607.

89. Ford A., White C.T., Lichtenstein M. Analysis of eye movements during free search // JOS A. -1959. -V.49, №3. P. 217-225.

90. Березкин Б.С. Исследование информационного поиска / Б.С. Березкин, В.П. Зинченко // Проблемы инженерной психологии. М.: Наука, 1967. -С.90-117.

91. Невельский П.Б. Исследование объема кратковременной и долговременной памяти / П.Б Невельский.// Проблемы инженерной психологии. М., 1967. -С.128-132.

92. Репкина Г.В. Об объеме оперативной памяти / Г.В. Репкина // Проблемы инженерной психологии. М., 1967. -С. 133-140.

93. Косилов С.А. Очерки физиологии труда/ С.А.Косилов М.: Медицина, 1965. -240 с.

94. Медведев В.И. Работоспособность / В.И. Медведев // Эргономика в определениях.-1980.-С. 18-24.

95. Сапов И.А. Состояние функций организма и работоспособность моряков / И.А. Сапов, А.С. Солодков. Л.: Судостроение, 1980. -175 с.

96. Розенблат В.В. Проблема утомления/ В.В.Розенблат М.: Медицина, 1975. -375 с.

97. Алишев Н.В. Некоторые методологические подходы к оценке работоспособности человека /Н.В. Алишев, А.С. Егоров // Актуальные вопросы изучения режимов труда и отдыха учащихся профтехучилищ. -1984. -С.6-16.

98. Бодров В.А. Психология профессиональной деятельности. Современная психология / В.А.Бодров. М.: ИНФРА-М, 1999. -306 с.

99. К оценке функционального состояния организма человека / И.Д. Кудрин, А.Л.Зюбан, Б.В. Овчинников // Военно-мед. журн. -1981. -№10. -С.46-49.

100. Лукьянов В.Н. Сигналы состояния оператора./ В.Н.Лукьянов, М.В Фролов. -М.: Наука, 1969.-248 с.

101. Бехтерева Н. П. Нейрофизиологические аспекты психической деятельности человека / Н. П. Бехтерева. М.: Медицина, 1971. -117 с.

102. Коган А.И. Исследование критериев оценки зрительной работоспособности / А.И. Коган // Эргономика. 1971. -№2. -С.5-23.

103. Чайнова Л.Д. Характер изменения некоторых психофизиологических функций человека, связанных с визуальной деятельностью при остром дефиците времени / Л.Д. Чайнова // Проблемы инженерной психологии. -1971. -№2.-С. 197-201.

104. Чубаров А.В. Об оценке качества работы человека-оператора по ЭЭГ / В.В. Петелина, А.В. Чубаров // Физиол. журн. СССР. -1971. -Т.27, №3. -С.45-53.

105. Моделирование процесса переработки зрительной информации в двигательные акты / P.M. Баевский, Г.А. Березина, В.И. Кудрявцев // Проблемы инженерной психологи. -1972. -№3. -С.6-11.

106. Движение глаз и управление следами сенсорной памяти / Гордеев Н.Д., Назаров А.И., Романюта В.Г.// Эргономика. -1972. -№4. -С.38-64.

107. Зинченко В.П. Формирование зрительного образа / В.П.Зинченко, Н.Ю. Вергилес. М.: Изд-во Моск. ун-та, 1969. -206 с.

108. Кравков С.В. Глаз и его работа / С.В. Кравков М.: Изд-во АН СССР, 1950. -532 с.

109. Золотухин А.Н. Частота мигательных движений как показатель надежности зрительного анализатора военных специалистов / А.Н. Золотухин, Несте-ренко М.Т.// Воено-мед. журн. -1972. -№2. -С.59-61.

110. Fraise P. Corralations between electroencephalographic patterns and speed of visual perception // EEG and Clin. Neurophysiol. -1980. -V.32, №1. -P.634-670.

111. Медведев В.И. Физиология трудовой деятельности/ В.И. Медведев. СПб: Наука, 1993. -279 с.

112. Значение "спонтанной" активности нейронов для реактивных процессов / Ливанов М.Н., Лебедев А.Н., Красавин В.А.// Журн. высш. нерв, деятельности. -1966. -т.16, №2. -С.292-297.

113. Лебедев А.Н. Расчет закономерностей зрительного восприятия по частотным характеристикам электроэнцефалограммы / А.Н. Лебедев, В.А.Луцкий // Эргономика. -1972. -№4. -С.95-133.

114. Парин В.В Введение в медицинскую кибернетику/. Парин В.В., Баевский P.M. М.: Медицина, 1968. -298 с.

115. Crew S., Davis R.D., Treacher А.С. Heart rate during augilance performance // Nature. -1963. -V.200, №4910. -P. 132-141.

116. Богданов B.B. Оценка эффективности пилотирования по показателю качества управления и критериям психофизиологической напряженности / В.В. Богданов // Проблемы инженерной психологии. -1974. -№2. -С.74-76.

117. Оценка эмоционального напряжения по комплексу показателей сердечнососудистой системы / А.Д.Воскресенский, В.А. ЭлИванов, Л.Я. Андрияко // Проблемы инженерной психологии. -1975. -№4. -С.86-88.

118. Генкин А.А. Прогнозирование психофизиологических состояний/ А.А. Генкин, В.И. Медведев-Л.: Наука, 1973. -143 с.

119. Платонов К.К. Вопросы психологии труда / К.К. Платонов М.: Медицина, 1970.-219 с.

120. Инженерная психология / Под ред. Г.К.Середы. Киев: Вища школа, 1976. -308 с.

121. Раков В.И. Индикаторные устройства радиолокационных станций/ В.И. Раков. Л.: Судпромгиз, 1962. -569 с.

122. Электронные приборы для отображения информации/ В.А Быстрое., И.И. Литвак, Г.М. Персианов М.: Радио и связь, 1985. -240 с

123. Конторов Д.С. Введение в радиолокационную системотехнику/. Д.С.Конторов, Ю.С. Голубев-Новожилов-М.: Сов. радио, 1981.-367 с.

124. Дружинин В.В. Конфликтная радиолокация. Опыт системного исследования/. В.В. Дружинин, Д.С. Конторов М.: Радио и связь, 1985. -124 с.

125. Амосов Н.М. Моделирование мышления и психики/ Н.М. Амосов. Киев: Наукова думка, 1965.-205 с.

126. Куфлер С., Николе Дж. От нейрона к мозгу: Пер. с англ. М.: Мир, 1979. -439 с.

127. Леман Э. Проверка статистических гипотез: Пер. с англ. М.: Наука, 1979. -408 с.

128. Крамер Г. Математические методы статистики: Пер. с англ. М.: Мир, 1975.-648 с.

129. Левин Б.Р. Теоретические основы статистической радиотехники: В 3 т./ Б.Р. Левин М.: Сов. радио. 1975. -Т.2. -390 с.

130. Де Гроот М. Оптимальные статистические решения / Де Гроот М./Пер. с англ. М.: Мир, 1974. -491 с.

131. Noether G.E. Nonparametric statistic. New York: Wiley. 1967.-340 p.

132. Хеттманспергер Т. Статистические выводы, основанные на рангах/ Т. Хеттманспергер/Пер. с англ. М.: Финансы и статистика, 1987. —333 с.

133. Сархан А. Введение в теорию порядковых статистик./ А. Сархан, Б. Гринберг/ Пер. с англ. М.: Статистика, 1970. -414 с.

134. Тарасенко Ф.П. Непараметрическая статистика / Ф.П. Тарасенко. Томск: Изд-во Томского ун-та, 1976. -292 с.

135. Холендер М. Непараметрические методы статистики / М. Холендер, Д. Вульф / Пер. с англ. М.: Финансы и статистика, 1983. -518 с.

136. Зрительное опознание и его нейрофизиологические механизмы / Глезер В.Д., Дудкин К.Н., Куперман A.M. и др. Л.: Наука, 1975. -271 с.

137. Тихонов В.И. Статистическая радиотехника / В.И. Тихонов. М.: Сов. радио, 1966. -677 с.

138. Луизов А.В. Глаз и свет/ А.В. Луизов. М.: Энергоатомиздат, 1983. -249 с.

139. Hecht S., Shlaer S., Pirenne M.H. Energy, quanta and vision // J. Gen. Physiol. -1942. V.25.- P.412-416.

140. Blackwell H.R. Contrast threshold of the human eye // JOSA. -1946. -V.36. -P.624-643.

141. Rose A. The sensitivity performance of the human eye on an absolute scale // JOSA. -1948. -V.38, №2. -P. 196-208.

142. Blackwell H. R. Neural theories of simple visual discrimination // JOSA. -1963. -V.53, №2. -P. 129-160.

143. Kulikowski J.J. Effective contrast constancy and linearity of contrast sensation // Vision Research. -1976. -VI6. P. 1419-1431

144. Hay G .A., Chester M.S. Signal-transfer function in threshold and supra threshold // JOSA. -1992. -V82, №8. -P.990-998.

145. Теоретические основы электрической передачи изображений / Орловский E.JL, Халфин A.M., Хазов Л.Д. и др. М.: Сов. радио, 1962. -727 с.

146. Физиология сенсорных систем. ч.1. Физиология зрения / Школьник-Яррос Е.Г., Смирнов М.С., Леушина Л.Н. и др. Л.: Наука, 1971. -416 с.

147. Шайкевич А.С. Качество промышленного освещения и пути его повышения./ А.С. Шайкевич М.: Госэнергоиздат, 1972. -240 с.

148. Гуревич С.Б. Эффективность и чувствительность телевизионных систем/ С.Б. Гуревич. М.-Л.: Энергия, 1964. -344 с.

149. Мешков В.В. Основы светотехники/ В.В. Мешков, А.Б. Матвеев- М.: Энергоатомиздат, 1989. -352 с.

150. Teich М.С., Prucnal P.P., Vannucci G. Multiplication noise in the human visual system at threshold. 1. Quantum fluctuations and minimum detection energy // JOSA. -1982. -V.72, №4. -P.419-431.

151. Slovic P. Value as a determiner of subjective probability // IEEE Trans. Human Factors in Electronics, HFE-27. -1986. -№1. -P.22-28.

152. Peterson C.R., Phillips L ,D. Revision of continuous subjective probability distributions // IEEE Trans. Human Factors in Electronics, HFE-28. -1987. -№3. P. 1923.

153. Kaplan R.J., Newman J .R. Studies in probabilistic information processing // IEEE Trans., HFE-30. -1989. -№1. -P.49-63.

154. Луизов A.B. Инерция зрения / A.B. Луизов. -M.: Оборонгиз, 1961. -247 с. 155 Зрительные ощущения и восприятия: Сб. статей. -М.: Соцгиз, 1935. -279 с.

155. Ворский А.В О зависимости пространственных порогов зрения/ А.В. Вор-ский, М.Н. Гузева// Вопросы психологии. -1962. -№2. -С.23-31.

156. Шехтер М.С. Психологические проблемы узнавания / М.С. Шехтер. М.: Просвещение, 1967. -219 с.

157. Психофизиологические основы профилактики перенапряжения /Мойкин Ю.В., Киколов А.И., Тхоревский В.И. и др. М.: Медицина, 1987. -256 с.

158. Яноши Л. Теория и практика обработки результатов измерений / Л. Яноши -М.: Мир, 1968.-425 с.

159. Вентцель Е.С. Теория вероятностей/ Е.С. Вентцель. М.: Высш. шк., 2000. -576 с.

160. Хан Г. Статистические модели в инженерных задачах / Г. Хан, С. Шапиро / Пер. с англ. М.: Мир, 1969. -395 с.

161. Митропольский А.К. Техника статистических вычислений / А.К. Митро-польский. М.: Изд-во ФМЛ, 1961.-375 с.

162. Тюрин Ю.Н. Статический анализ данных на компьютере / Ю.Н. Тюрин, А.А. Макаров. М.: ИНФРА-М, 1998. -528 с.

163. Поллард Дж. Справочник по вычислительным методам статистики / Дж. Поллард / Пер. с англ. М.: Финансы и статистика, 1982. -344 с.

164. Большев Л.Н. Таблицы математической статистики / Л.Н. Большев, Н.В. Смирнов- М.: Наука, 1983.-416 с.

165. Тихонов А.Н. Статистическая обработка результатов экспериментов / А.Н. Тихонов, М.В. Уфимцев- М.: Изд-во МГУ, 1988. -174 с.

166. Ивченко Г.И. Математическая статистика / Г.И. Ивченко, Ю.И. Медведев -М.: Высш. шк., 1992. -248 с.

167. Шор Б. Статистические методы анализа и контроля качества и надежности / Шор Б. М.: Сов. радио, 1962. -552 с.

168. Кулаичев А.П. Методы и средства анализа данных в среде Windows Stadia-6.О./ А.П. Кулаичев М.: НПО Информ. и компьют., 1999. -340 с.

169. Боровиков В.П. Statistica Статистический анализ и обработка данных в среде Windows./ В.П. Боровиков, И.П. Боровиков - М.: ИИД "Филинъ", 1997. -608 с.

170. Боровиков В.П. Statistica: искусство анализа данных на компьютере. Для профессионалов / В.П. Боровиков СП.: Питер, 2001.-656 с.

171. Разумов С.А. Утомление и борьба с ним / С.А. Разумов Л.: Медгиз, 1954. -172 с.

172. Методики исследований в физиологии труда / С.И. Горшков, З.М. Золина, Ю.В. Мойкин. М.: Медицина, 1974. -311 с.

173. Макаров П.О. Нейродинамика зрительной системы человека / П.О. Макаров Л.: Изд-во ЛГУ, 1952.-168 с.

174. Макаров П.О. Нейродинамика человека. Возбудимость, лабильность и адекватность внутренних анализаторов / П.О. Макаров М.: Медгиз, 1956. -219 с.

175. А.с. 673266 СССР, МКИ3 А61/06 А61И5/16 Способ определения степени утомления человека / В.А.Варламов, Л.Я.Оськина, В.С.Фанин (СССР). -2 с.

176. Пивоваров Н.Н. Портативный светодиодовый аппарат для измерения КЧСМ / Н.Н. Пивоваров , В.К. Жданов.// Вестник офтальмологии. -1976. -№3. -С.85-89.

177. Хэссет Дж. Введение в психофизиологию / Дж. Хэссет / Пер. с англ. М.: Мир, 1981.-246 с.

178. Афифи А. Статистический анализ. Подход с использованием ЭВМ / А. Афифи, С. Эйзен / Пер. с англ. М.: Мир, 1982. —488 с.

179. Haeff A.V. Minimum detectable radar signal and its dependence on parameters of radar systems // Proc. IRE. -1946. -V.34. №11. -P.857-861.

180. North D.O. An analysis of factor which determine signal-noise discrimination in pulsed carrier systems // Proc. IEEE. -1963. -V.51. №7. -P. 1015-1028.

181. Marcum J.I. A statistical theory of detection by pulsed radar and mathematical appendix // IRE Trans. -1960. -V.IT-6. №4. -P.59-267.

182. Хелстром К. Статистическая теория обнаружения сигналов / К.Хелстром / Пер. с англ. — М.: Изд-во ин. лит-ры, 1963. -431 с.

183. Левин Б.Р. Теоретические основы статистической радиотехники / Б.Р. Левин М.: Радио и связь, 1989. -718 с.

184. Ван Трис Г. Теория обнаружения, оценок и модуляции: в 4 т. / Ван Трис Г. / Пер. с англ. М.: Сов. радио, 1972. -Т.1. -744 с.

185. Куликов Е.И. Оценка параметров сигналов на фоне помех / Е.И. Куликов -М.: Сов. радио, 1978. -296 с.

186. Теория обнаружения сигналов / Акимов П.С., Бакут П.А. Богданович В.А. и др. М.: Радио и связь, 1984. -440 с.

187. Быков В.В. Цифровое моделирование в статистической радиотехнике / В.В. Быков М.: Сов. радио, 1971. -325 с.

188. Шметтерер Л. Введение в математическую статистику / Л. Шметтерер / Пер. с нем. М.: Наука, 1976. -520 с.

189. Левин Б.Р. Теоретические основы статистической радиотехники/ Б.Р. Левин: В 3 т. М.: Сов. радио, 1976. -Т.З. -286 с.

190. Обнаружение радиосигналов / П.С .Акимов, Ф.Ф.Евстратов, С.И. Захаров и др. М.: Радио и связь, 1989. -288 с.

191. Ван дер Варден Б.Л. Математическая статистика/ Б.Л. Ван дер Варден: / Пер. с нем. М.: Изд-во ин. лит-ры, 1960. -434 с.

192. Гаек Я. Теория ранговых критериев/ Я. Гаек, 3. Шидак / Пер. с англ. М.: Наука, 1971.-376 с.

193. Защита от радиопомех / М.В. Максимов, М.П. Бобнев, Б.Х. Кривицкий и др. М.: Сов. радио, 1976. -496 с.

194. Теория и методы электромагнитной совместимости радиоэлектронных средств / Ю.А. Феоктистов, В.В. Матасов, Л.И. Башурин и др. М.: Радио и связь, 1988.-216 с.

195. Типугин В.Н. Радиоуправление / В.Н. Типугин, В.А. Венцель. М.: Сов. радио. 1962.-751с.

196. Цветков А.Г. Принципы количественной оценки эффективности радиоэлектронных средств / А.Г. Цветков. М.: Сов. радио, 1971. - 200 с.

197. Борисов В.И. Помехозащищенность систем радиосвязи. Вероятностно-временной подход / Борисов В.И., В.М. Зинчук.-М.: Радио и связь, 1999- 252 с.

198. Максимов В.М. Радиоэлектронные системы самонаведения / В.М. Максимов, Г.И. Горгонов. М.: Радио и связь, 1982. - 304 с.

199. Афанасьев А.А., Горбунов В.А. Эффективность обнаружения целей радиотехническими средствами наблюдения. М.: Воениздат, 1964. - 248 с.

200. Справочник по радиолокации / Пер.с англ. / Под ред. М. Сколника: В 4т. -М.: Сов. радио, 1976. Т.1.- 456 с.

201. Глезер В.Д. Информация и зрение / В.Д. Глезер, И.И. Цуккерман. М.: Изд-во АН СССР, 1961.-183 с.

202. Лебедев Д.С. Телевидение и теория информации / Д.С. Лебедев, И.И. Цуккерман. М.-Л.: Энергия, 1965. -175 с.

203. Солодов А.В. Теория информации и ее применение к задачам автоматического управления и контроля / А.В. Солодов. М.: Наука, 1967. -432 с.

204. Пупков К.А. Интеллектуальные системы / К.А. Пупков, В.Г. Коньков. -М.: Изд-во МГТУ им. Н.Э.Баумана, 2003. -348 с.

205. Нелинейное и адаптивное управление сложными динамическими системами / И.В. Мирошник, В.О. Никифоров, А.Л. Фрадков, СПб.: Наука, 2000. -549 с.

206. Бернацкий Ф.И. Синтез робастных алгоритмов управления технологическими объектами / Ф.И. Бернацкий, Ф.Ф.Пащенко // Автоматика и телемеханика.-№12, 1997. —СЛ 50-163.

207. Дрейпер Н. Прикладной регрессионный анализ / Н. Дрейпер, Г. Смит: в 2 кн. Кн.1 / Пер. с англ. Ю.П.Адлера, В.Г.Горского. М.: Финансы и статистика, 1986. -366 с.

208. Бахвалов Н.С. Численные методы/ Н.С. Бахвалов. М.: Наука, 1973. -631 с.

209. Лазарев Ю. MATLAB 5.x / Ю. Лазарев Киев: Ирина: BHV, 2000-381 с.

210. Небабин В.Г. Методы и техника радиолокационного распознавания / В.Г. Небабин, В.В. Сергеев. М.: Радио и связь, 1984. -152 с.

211. Небабин В.Г. Методы и техника радиолокационного распознавания: современное состояние, тенденции развития, перспективы / В.Г.Небабин, В.К. Гришин // Зарубежная радиоэлектроника. -1992. -№10. -С.5-20.

212. Lin Y.T., Ksienski A.A. Identification of complex geometrical shapes by means of low-frequency radar returns // Radio and Electronic Eng. -1976. -V.46, №10. -P.472-486.

213. Moffatt D.L., Mains R.K. Detection and discrimination of radar targets // IEEE Trans. -1975. -V.AP-23, №3. -P.358-362.

214. Вавилов С.И. Микроструктура света / С.И. Вавилов. М.: Изд-во АН СССР, 1950.-197 с.

215. Иваненко В.И. Проблема неопределенности в задачах принятия решений / В.И .Иваненко, В.А. Лабковский. Киев: Наук, думка, 1990. -136 с.

216. Дуда Р. Распознавание образов и анализ сцен / Р. Дуда, П. Харт / Пер. с англ. М.: Мир, 1976. -511 с.

217. Васильев В.И. Распознающие системы / В.И. Васильев. Киев: Наук, думка, 1989.-421 с.

218. Ковалевский В.А. Методы оптимальных решений в распознавании изображений / В.А. Ковалевский. М.: Наука, 1976. -328 с.

219. Розенфельд А. Распознавание и обработка изображений с помощью вычислительных машин / А. Розенфельд / Пер. с англ. М.: Мир, 1972. -213 с.

220. Бардин К.В. Инструкция в психофизическом эксперименте / К.В. Бардин // Психофизика сенсорных систем. М., 1979. -С. 106-121.

221. Гнеденко Б.В. Курс теории вероятностей / Б.В. Гнеденко. М.: Наука, 1988.-446 с.

222. Браверман Э.М. Опыты по обучению машины распознаванию зрительных образов / Э.М. Браверман // Автоматика и телемеханика. 1962.- Т.23, №3-С. 349-364

223. Павлидис Т. Алгоритмы машинной графики и обработки изображений / Т. Павлидис / Пер. с англ. М.: Радио и связь, 1986. -400 с.

224. Фомин А.Я. Статистическая теория распознавания образов/ А.Я. Фомин, Г.Р. Тарловский -М.: Радио и связь, 1986. -264 с.

225. Патрик Э. Основы теории распознавания образов / Э. Патрик / Пер. с англ. М.: Сов. радио, 1980. -408 с.

226. Ту Дж. Принципы распознавания образов / Дж. Ту, Р. Гонсалес Пер. с англ. -М.: Мир, 1978.-412 с.

227. Фукунага К. Введение в статистическую теорию распознавания образов / К. Фукунага/ Пер. с англ. М.: Наука, 1979. -367 с.

228. Стренг Г. Линейная алгебра и ее применения / Г. Стренг /Пер. с англ. М.: Мир, 1980.-454 с.

229. Мартынов Г.В. Критерий омега-квадрат/ Г.В. Мартынов. -М.: Наука, 1978. -120 с.

230. Уилкс С. Математическая статистика/ Уилкс С./ Пер. с англ. М.: Наука, 1967. -632с.

231. Автоматизация распознавания телевизионных изображений / М.Н. Либен-сон, А.Я. Хесин, Б.А. Янсон М.: Энергия, 1975. -160 с.

232. Гантмахер Ф.Р. Теория матриц / Ф.Р. Гантмахер. М.: Наука, 1988. -548 с.

233. Чукин Ю.В. Структуры данных для представления изображений / Ю.В. Чукин // Зарубежная радиоэлектроника. -1983. -№8. -С.85-107.

234. Робототехника / Фу К., Гонсалес Р., Ли К./ Пер. с англ. М.: Наука, 1989. -620 с.

235. Прэтт У. Цифровая обработка изображений / У. Прэтт / в 2 т: Пер. с англ. -М.: Мир, 1982. -Т. 1.-310 е.; Т.2.-790 с.

236. Распознавание и цифровая обработка изображений / Б.В. Анисимов, В.Д. Курганов, В.К. Злобин. М.: Высш. шк., -1983. -295 с.

237. Фу К. Структурные методы в распознавании образов / Фу К / Пер. с англ. -М.: Наука, 1977.-319 с.

238. Гладков С. А. Программирование в Microsoft Windows / С. А.Гладков, Г. В. Фролов: в 2-х кн. М.: ДИАЛОГ-МИФИ, 1992. - Кн. 2. - 288 с.

239. ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ Публикации в изданиях и журналах, рекомендуемых ВАК РФ

240. Будко В.Н., Клементьев Ф.М., Новикова Н.М. Непараметрическая модель обнаружения сигналов, наблюдаемых человеком-оператором на экране ЭЛТ на фоне шумов // Радиотехника и электроника. 1978. - Т.23, № 11.-С. 2439 - 2442.

241. Новикова Н.М. Пропускная способность человека-оператора при обнаружении сигналов на фоне помех // Изв. вузов MB и ССО СССР. Радиоэлектроника. 1978. - Т.21, - № 9. - С. 97 - 99.

242. Новикова Н.М. Математическая модель человека-оператора, обнаруживающего сигнал на фоне шума // Изв. вузов MB и ССО СССР. Радиоэлектроника.- 1982.-Т.25,№ 1.-С. 91-93.

243. Новикова Н.М. Пороговые характеристики оператора при обнаружениияркостного сигнала на фоне помех // Психологический журнал РАН 1991. -Т. 12, № 4 - С. 100- 106.

244. Новикова Н.М., Будко В.Н. Способ и устройство для определения зрительного утомления оператора // Изв. высш. учеб. заведений. Электроника. -2002. №2.-С.95-99.

245. Новикова Н.М. Автоматизация исследований психофизиологических характеристик человека-оператора // Изв. высш. учеб. заведений. Электроника. -2002. №3.- С.74-77.

246. Новикова Н.М. Электронное устройство для радиолокационного распознавания сигналов по яркости // Изв. высш. учеб. заведений. Электроника.- 2002. №5.- С.89-94.

247. Новикова Н.М., Прасолова А.Е. Распознавание сложных изображений ней-росетевыми и статистически оптимальными алгоритмами // Нейрокомпьютеры: разработка, применение. 2004. №4.- С.28-33.

248. Новикова Н.М. Синтез алгоритмов принятия решений человеком- оператором в задаче распознавания яркостных сигналов // Изв. высш. учеб. заведений. -Электроника.- 2004. №2.- С.61-68.

249. Новикова Н.М. Методы измерения зрительного утомления в системе "человек-дисплей" // Системный анализ и управление в биомедицинских системах: М., 2004.- Т.З № 3. С. 245-249

250. Новикова Н.М. Робастное управление в автоматизированной системе сбора и обработки радиолокационной информации // Системы управления и информационные технологии: М., 2004. № 4 (16). С. 82-84

251. Новикова Н.М., Подвальный C.JI. Методы интеллектуальной поддержки принятия решений в автоматизированной системе обработки информации //Системы управления и информационные технологии: М., 2004. № 4 (16) С. 45-48

252. Новикова Н.М. Многоальтернативное распознавание изображений человеком-оператором // Системы управления и информационные технологии: М., 2004. № 5с (17).-С. 98-100

253. Новикова Н.М. Вероятностно-временная модель обнаружения сигналов человеком-оператором //Системный анализ и управление в биомедицинских системах: М., 2004.- Т.З № 4 С.326-330

254. Новикова Н.М., Подвальный СЛ. Имитационная модель работы человека-оператора как звена обработки информации // Системы управления и информационные технологии: М., 2005. № 1(18) С.92-95

255. Новикова Н.М., Подвальный С.Л. Характеристики статистической модели распознавания зрительных образов человеком-оператором // Информационные технологии 2005. № 5 - С.27-321. Авторские свидетельства

256. А.с. 1217333 СССР, МКИ3 А61 ВЗ/06. Устройство для исследования зрительного анализатора / В.Н. Будко, Н.М. Новикова (СССР) № 3720481/28 14; Заявлено 03.04.84; Опубл. 15.03.86. Бюл., 1986. № 10. 2 с.

257. А.с. 1544370 СССР, МКИ3 А61 В5/16. Способ определения зрительного утомления / Н.М. Новикова, В.Н. Будко (СССР) № 4241271/28 14; Заявлено 05.05.87; Опубл. 23.02.90. Бюл., 1990. № 7. 2 с.

258. А.с. 1664284 СССР, МКИ3 А61 В5/16. Устройство для психофизиологических исследований / Н.М. Новикова, В.Н. Будко (СССР) № 4718572/14; Заявлено 11.07.89; Опубл. 23.07.91. Бюл., 1991. № 27. 4 с.1. Статьи

259. Будко В.Н., Невежин Ю.В., Новикова Н.М. Распознавание по одному параметру простейших сигналов, наблюдаемых на фоне шумов // Радиоэлектроника: Сб. науч.тр.- Воронеж: ВГУ, 1970. С. 83 - 91.

260. Будко В.Н., Новикова Н.М., Костина З.А. Изменение средней яркости луча электронно-лучевой трубки при воздействии шума // Радиоэлектроника: Сб. науч. тр.- Воронеж: ВГУ, 1970. С. 92 - 95.

261. Новикова Н.М., Костина З.А. Вероятность обнаружения отметки цели оператором на экране яркостного индикатора при действии непрерывных помех // Радиоэлектроника: Сб. науч. тр. Воронеж: ВГУ, 1973. - С. 16 — 20.

262. Новикова Н.М., Костина З.А., Невежин Ю.В. Закон распределения яркостного разностного порога человека-оператора в системе «человек-ЭЛТ» // Проблемы инженерной психологии и эргономики: Сб. науч. тр. Ярославль, 1974-Вып. 1.-С. 160-165

263. Костина З.А., Невежин Ю.В., Новикова Н. М Исследование процесса принятия решения человеком-оператором при распознавании флуктуирующих сигналов // Проблемы инженерной психологии и эргономики: Сб. науч. тр. М., 1974. -Вып.2 - С. 172- 174.

264. Клементьев Ф.М., Новикова Н.М. Влияние хаотических импульсных помех на обнаружение отметки цели оператором на экране яркостного индикатора //

265. Вопросы рассеяния и оптимального приема радиоволн: Сб. науч. тр. Воронеж: ВГУ, 1975-С. 29-33.

266. Новикова Н.М. Оценка воздействия импульсных помех на систему «индикатор-оператор»// Радиопередающие устройства: Сб. науч. тр. Воронеж: ВПИ, 1978.-С. 49-53.

267. Novikova N.M. Capacity of the man-observer detecting the signals at the interference // Radio electronics and Communications Systems. -1978. -V.21, № 9.-P.105-107.

268. Новикова Н.М. Оценка эффективности системы «индикатор-оператор» при воздействии шума// Теория и практика построения человеко-машинных систем: Сб. науч. тр.- М., 1979. С. 37 - 38.

269. Novikova N.M. Mathematical model of the man-observer detecting a signal at the noise // Radio electronics and Communications Systems. -1982. -V.25, № 1.-P.85-87.

270. Новикова Н.М. О распознавании телевизионных изображений человеком-оператором // Теория и практика построения человеко-машинных систем: Сб. науч. тр.-М., 1982.-С. 41-43.

271. Новикова Н.М., Шкраб А.С. Контрастное пороговое различение сигналов человеком-оператором // Труды Ленингр. мех. ин-та.- Сер. IV.- 1984.- С. 61 68.

272. Новикова Н.М., Шкраб А.С. Пороговое распознавание телевизионных изображений человеком-оператором // Труды Ленингр. мех. ин-та. Сер. II. 1985. -С. 186-191.

273. Новикова Н.М. Пространственная обработка яркостного сигнала в зрительной системе человека / Воронеж: ВГУ, 1986. 38 с. - Деп. в ВИНИТИ 17.07.86, № 5224-В86.

274. Новикова Н.М., Шкраб А.С. Распознавание маскированных объектов, предъявляемых на телевизионном экране, человеком-оператором // Труды JTe-нингр. мех. ин-та. Сер. VI. -1986. С. 61 - 66.

275. Новикова Н.М., Будко В.Н. Математическое моделирование инерционных процессов в зрительном анализаторе человека / Воронеж: ВГУ, 1986. 39 с. -Деп. в ВИНИТИ 25.12.86, № 8878-В86.

276. Новикова Н.М. Моделирование работы человека-оператора при распознавании флуктуирующих сигналов / Воронеж: ВГУ, 1988. 22 с. - Деп. в ВИНИТИ 27.04.88, № 3296-В88.

277. Новикова Н.М. Характеристики порогового различения сигналов человеком-оператором / Воронеж: ВГУ, 1988. 21с - Деп. в ВИНИТИ 23.06.88, № 4956-В88.

278. Н.М. Новикова, Будко В.Н. Оптимизация адаптивной системы «индикатор-оператор» в условиях дефицита времени // Методы исследования нестационарных и адаптивных систем: Сб. науч. тр. Воронеж: ВГУ, 1989.-С. 23- 26.

279. Новикова Н.М. Имитационное моделирование надежности человека-оператора / Воронеж: ВГУ, 1989. 16 с. - Деп. в ВИНИТИ 15.06.89, № 3982-В89.

280. Новикова Н.М. Шкраб А.С. Распознавание телевизионных изображений группы объектов человеком-оператором // Труды Ленингр. мех. ин-та. Сер. VI. -Л., 1990.-С. 91-96.

281. Новикова Н.М. Исследование алгоритма обработки вероятностной информации человеком-оператором / Воронеж: ВГУ, 1990.-26 с. Деп. в ВИНИТИ 12.03.90, № 1349-В90.

282. Новикова Н.М. Моделирование процесса принятия решения человеком-оператором / Воронеж: ВГУ, 1990. 19 с. - Деп. в ВИНИТИ 30.07.90, № 4315-В90.

283. Новикова Н.М. Идентификация системы «индикатор-оператор» в задаче обнаружения сигнала / Воронеж: ВГУ, 1991. 21 с. - Деп. в ВИНИТИ 17.06.91, № 2514-В91.

284. Новикова Н.М., Данилова Л.В. Математическая модель порогового визуального обнаружения / Воронеж: ВГУ, 1992. 14 с. - Деп. в ВИНИТИ 21.07.92, № 2392-В92.

285. Новикова Н.М. Исследование процесса распознавания изображений человеком-оператором / Воронеж: ВГУ, 1993. 16 е.- Деп. в ВИНИТИ 7.04.93, № 873-В93.

286. Новикова Н.М. Оценка эффективности программного обеспечения автоматизированного комплекса инженера-технолога при взаимодействии человека и ЭВМ / Воронеж: ВГУ, 1994. 10 с. - Деп. в ВИНИТИ 11.04.94, № 865-В94.

287. Новикова Н.М. Имитационное моделирование процесса распознавания изображений человеком-оператором / Воронеж: ВГУ, 1994. 10 е.- Деп. в ВИНИТИ 20.09.94, № 2222-В94.

288. Новикова Н.М. Непараметрическая модель работы человека-оператора при обнаружении сигнала//Высокие технологии в технике, медицине и образовании: Сб. науч. тр. Воронеж: ВГТУ, 1995. - С. 113 - 116.

289. Новикова Н.М. Оценка методов представления изображений в ЭВМ / Воронеж: ВГУ, 1995.- 11 с. Деп. в ВИНИТИ 10.05.95, № 1309.

290. Новикова Н.М. Исследование механизма работы человека-оператора при распознавании сложных сигналов / Воронеж: ВГУ, 1997. 18 с. - Деп. в ВИНИТИ 28.04.97, № 1418-В97.

291. Новикова Н.М. Статистическое моделирование распознавания изображений человеком-оператором /Воронеж: ВГУ, 1998. 27 с. -Деп. в ВИНИТИ 20.07.98, № 2249-В98.

292. Новикова Н.М. Оценка достоверности статистической модели распознавания изображений // Радиолокация, навигация, связь: Сб. материал. Воронеж: ВНИИС, 1998—Т.2.- С. 579 - 588.

293. Новикова Н.М. Корреляционный метод распознавания изображений человеком-оператором // Оптимизация и моделирование в автоматизированных системах: Сб. науч. тр.-Воронеж: ВГТУ, 1998.-С.128-132.

294. Новикова Н.М. Статистическая модель распознавания изображений //Оптимизация и моделирование в автоматизированных системах: Сб. науч.тр-Воронеж: ВГТУ, 1999-С. 14-18.

295. Новикова Н.М. Характеристики достоверности многоальтернативного распознавания изображений // Радиолокация, навигация, связь: Сб. материал. -Воронеж: ВНИИС, 2000.-Т.1С. 1167 -1173.

296. Новикова Н.М. Многоальтернативное распознавание изображений // Прикладные задачи моделирования и оптимизации: Сб. науч. тр.- Воронеж: ВГТУ, 2000.-Ч.1- С. 74-80.

297. Новикова Н.М. Оптимизация характеристик статистической модели распознавания изображений человеком-оператором // Кибернетика и технологии XXI века: Сб. материал. Воронеж: ВГУ, 2000 - С.203 -211.

298. Novikova N.M. Statistical Model of Observer by Images Recognition // Proceedings of IIIS (SCI-2003) Orlando, Florida, USA. - P.20-26.

299. Новикова H.M., Будко В.Н. Оценка помехозащищенности системы "индикатор-оператор" // Радиолокация, навигация, связь (RLNS-2003): Сб. материал. Воронеж: ВНИИС, 2003.-T.3.-С. 1373 -1378.

300. Новикова Н.М. Алгоритмы принятия интеллектуальных решений в системах обработки информации // Теория и техника радиосвязи. Воронеж: ВНИИС, 2003.-Вып.1.-С. 100-106.

Похожие работы

Информатика, вычислительная техника и управление
05.13.00