автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.16, диссертация на тему:Обработка измерительных сигналов на основе вейвлет-преобразования в многоканальных информационно-измерительных системах

005056289

На правах рукописи

щ

ФЕДУЛЕЕВА Марина Владимировна

ОБРАБОТКА ИЗМЕРИТЕЛЬНЫХ СИГНАЛОВ НА ОСНОВЕ ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЯ В МНОГОКАНАЛЬНЫХ ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНЫХ СИСТЕМАХ

Специальность 05.11.16 - Информационно-измерительные и управляющие системы (приборостроение)

Автореферат диссертации на соискание ученой степени кандидата технических наук

6 ДЕК 2012

Пенза 2012

005056289

Работа выполнена в федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Пензенский государственный университет».

Научный руководитель: доктор технических наук, профессор

Цыпин Борис Вульфович

Официальные оппоненты: Мясникова Нина Владимировна,

доктор технических наук, профессор, профессор кафедры «Автоматика и телемеханика»

Пензенского государственного университета

Ганькин Александр Васильевич,

кандидат технических наук, ведущий научный сотрудник ОАО «ПНИЭИ», г. Пенза

Ведущая организация: Научно-исследовательский и конструкторский институт радиоэлектронной техники -филиал федерального государственного унитарного предприятия федерального научно-производственного центра «Производственное объединение "Старт" им. М. В. Проценко», г. Заречный Пензенской области

Защита диссертации состоится 20 декабря 2012 г., в 14:00 ч, на заседании диссертационного совета Д 212.186.02 в федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Пензенский государственный университет» по адресу: 440026, г. Пенза, ул. Красная, 40.

С диссертацией можно ознакомиться в библиотеке федерального государственного бюджетного образовательного учреждения высшего профессионального образования «Пензенский государственный университет».

Автореферат разослан 19 ноября 2012 г.

Ученый секретарь диссертационного совета

Светлов Анатолий Вильевич

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Тенденцией развития современных измерительных и информационных технологий является постоянное возрастание сложности информационно-измерительных систем (ИИС). ИИС для изделий ракетно-космической отрасли могут содержать до нескольких тысяч распределенных датчиков, с которых поступает большой объем информации. Одновременно с ростом объемов информации, обрабатываемой ИИС, постоянно усложняются алгоритмы функционирования систем.

В Федеральной космической программе России на 2006-2015 гг., утвержденной постановлением Правительства РФ от 22.10.2005 г., выделено отдельное направление исследования проблем создания и разработки дат-чиковой и преобразующей аппаратуры адаптивных информационно-управляющих систем со сжатием данных для перспективной ракетно-космической техники (РКТ). Особую актуальность среди основных задач построения ИИС приобретает применение методов обработки, в том числе сжатия и восстановления передаваемых сигналов с малыми искажениями. При решении этих задач вейвлет-анализ является одним из наиболее мощных и при этом гибких средств исследования и обработки измерительных сигналов.

Вопросами построения ИИС и эффективных алгоритмов обработки и сжатия нестационарных сигналов занимались Ж. Морле, А. Гроссман, И. Добеши, И. Мейер, С. Малла, Г. Лэм, Дж. Макклелан, Л. Рабинер, Р. Хемминг. Заметный вклад внесли отечественные ученые А. В. Фремке, В. П. Воробьев, В. Г. Грибунин, В. П. Дьяконов, М. П. Цапенко, В. М. Шлян-дин, Ш. Ю. Исмаилов, М. А. Щербаков, Б. В. Чувыкин и др. Однако сохраняется потребность в новых решениях при разработке алгоритмов обработки данных и архитектуры измерительных систем. На передний план выходят актуальные задачи создания и использования таких устройств обработки данных, которые способны работать в составе распределенных ИИС, позволяющих получать в реальном времени достоверную картину о состоянии контролируемых физических параметров за счет заложенных в них эффективных алгоритмов обработки данных.

Целью данной работы является совершенствование многоканальных ИИС за счет алгоритмов обработки измерительных сигналов с помощью применения модифицированной схемы дискретного вейвлет-преобразова-ния (ДВП).

Основные задачи исследования:

1) анализ методов сбора, обработки и сжатия измерительных сигналов

ИИС;

2) исследование существующих ИИС с точки зрения возможности сжатия их сигналов;

3) разработка и анализ алгоритма сжатия и восстановления измерительных сигналов ИИС на основе модифицированной схемы ДВП;

4) разработка инженерной методики выбора оптимальных параметров алгоритма сжатия сигналов ИИС и адаптивной структуры построения ИИС на ее основе;

5) разработка структуры ИИС с многоканальным сжатием сигналов с помощью разработанного алгоритма;

6) разработка блока сбора данных (БСД) в составе ИИС, обеспечивающего эффективное сжатие измерительной информации.

Объектом исследования является многоканальная измерительная система для изделий РКТ, обеспечивающая сбор и передачу данных от большого количества (до 930 шт.) цифровых интеллектуальных датчиков.

Предметом исследования являются структура построения БСД в составе многоканальной ИИС и алгоритмы обработки данных БСД.

Методы исследования. В работе использованы основные положения теории обработки сигналов, численные методы аппроксимации, методы вейвлет-преобразований, эмпирического кодирования, фильтрации сигналов, теория сжатия и восстановления измерительных сигналов, теория оценок погрешности, применены методы математического моделирования, в том числе компьютерного: системы визуального моделирования Matlab&Simulink и программные средства объектно-ориентированного программирования Delphi и Builder С++.

Научная новизна работы:

1. Предложен и реализован алгоритм сжатия и восстановления сигналов цифровых интеллектуальных датчиков в составе ИИС, основанный на модифицированной схеме дискретного вейвлет-преобразования с использованием экстраполяции для повышения эффективности дальнейшего кодирования данных, обеспечивающий увеличение объема передаваемой информации с допустимой погрешностью восстановления сигнала и малыми вычислительными затратами реализующей аппаратуры.

2. Разработана и исследована адаптивная к форме и скорости изменения входного сигнала структура ИИС. Показана эффективность применения ÄD-функций Лагранжа для оценки параметров алгоритма сжатия. Разработана инженерная методика выбора оптимальных параметров алгоритма сжатия на их основе.

3. Разработана и исследована структура ИИС с многоканальным сжатием сигналов, позволяющая повысить в 2 раза эффективность полученного алгоритма сжатия на основе ДВП.

4. Разработана имитационная модель БСД и исследовано влияние параметров алгоритма сжатия данных на погрешность восстановления и коэффициент сжатия выходных сигналов ИИС.

Практическая значимость. Основные теоретические положения диссертации использованы при разработке БСД в составе ИИС для изделий РКТ. За счет применения алгоритма сжатия сигналов на основе ДВП повышен объем полезной передаваемой информации в 25...80 раз и тем са-

мым обеспечена возможность включения в состав ИИС большого количества цифровых датчиков (до 930 шт.). Разработано программное обеспечение (ПО):

- приема данных от цифровых датчиков, обработки и сжатия данных, применяемое в БСД;

- приема и отображения данных через веб-интерфейс, позволяющее получить доступ к данным через сеть Internet;

- имитации данных от цифровых датчиков, используемое в процессе испытаний БСД.

На защиту выносятся:

1) алгоритм сжатия и восстановления измерительной информации на основе модифицированной схемы ДВП, обеспечивающий увеличение в 25...80 раз объема передаваемых данных ИИС по существующим каналам передачи данных, отличающийся использованием экстраполяции в схеме ДВП с целью повышения эффективности дальнейшего кодирования данных;

2) адаптивная к форме и скорости изменения входного сигнала структура ИИС, позволяющая отобрать оптимальные параметры сжатия в зависимости от обрабатываемого сигнала, отличающаяся применением /fD-функции Лагранжа в качестве критерия оптимальности выбранных параметров алгоритма;

3) структура ИИС с многоканальным сжатием сигналов, обеспечивающая повышение коэффициента сжатия в 2 раза за счет устранения корреляции каналов для разрабатываемого 30-канального БСД благодаря применению алгоритма сжатия на основе двумерного ДВП;

4) БСД в составе ИИС для изделий РКТ, обеспечивающий сбор данных от цифровых интеллектуальных датчиков и передачу через канал Ethernet за счет применяемого алгоритма сжатия.

Реализация работы и внедрение результатов. На основе проведенных теоретических исследований и разработок внедрены в производство ОАО «НИИФИ» (г. Пенза) БСД в составе базовой интеллектуальной системы мониторинга и контроля технического состояния космического аппарата, разрабатываемой для НПО им. Лавочкина, ПО БСД, реализующее алгоритм сжатия измерительных сигналов на основе модифицированной схемы ДВП. Результаты диссертационного исследования использовались при выполнении ОКР «Диагностика» в ОАО «НИИФИ» (г. Пенза), выполняемой в рамках Федеральной космической программы России на 2006—2015 гг. на основании распоряжения Правительства Российской Федерации от 30 июня 2010 г. № 1076-р. Полученная адаптивная структура построения БСД применялась при выполнении НИР «Датчик-РКТ» в ОАО «НИИФИ» (г. Пенза). Результаты исследований использованы в учебном процессе в лекционном курсе, на практических и лабораторных занятиях по дисциплинам «Преобразование измерительных сигналов» и «Интеллекту-

альные средства измерений» на кафедре «Информационно-измерительная техника» Пензенского государственного университета.

Апробация работы. Основные результаты диссертационной работы докладывались и обсуждались на Международной научно-технической конференции «Методы, средства и технологии получения и обработки измерительной информации» (Пенза, 2008, 2010 гг.), Межрегиональной научно-практической конференции студентов и аспирантов «Инновационные технологии в экономике, информатике и медицине» (Пенза, 2008 г.), Всероссийской научно-практической конференции молодых ученых и специалистов «Датчики и Системы» (Пенза, 2009-2011 гг.), Международной научно-технической конференции «Проблемы автоматизации и управления в технических системах» (Пенза, 2009, 2011 гг.), Международном симпозиуме «Надежность и качество - 2010» (Пенза, 2010 г.), VII научно-технической конференции «Микротехнологии в космосе» (Москва, 2010 г.), Всероссийской научно-технической конференции с международным участием «Компьютерные и информационные технологии в науке, инженерии и управлении» (Таганрог, 2011, 2012 гг.), I Всероссийской научно-практической конференции «Устройства измерения, сбора и обработки сигналов в информационно-управляющих комплексах» (Ульяновск, 2011 г.), V Всероссийской научно-технической конференции «Актуальные проблемы ракетно-космического приборостроения и информационных технологий» (Москва, 2012 г.).

Публикации. По теме диссертации опубликованы 22 печатные работы, в том числе 6 работ в журналах из перечня рецензируемых научных журналов и изданий, рекомендованных ВАК, 11 печатных работ без соавторов, а также получено 3 свидетельства о регистрации программного обеспечения.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы, содержащего 90 наименований, четырех приложений, изложена на 151 странице машинописного текста, содержит 42 рисунка, 10 таблиц.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность выбранной темы, сформулированы цель и задачи исследования, показаны научная новизна и практическая ценность диссертационной работы, приведены результаты ее реализации и апробации, а также основные положения, выносимые на защиту.

В первой главе проведен анализ современного состояния исследований и разработок ИИС. Выделены основные особенности таких систем, указаны их назначение, а также требования к ним.

В качестве одного из возможных средств решения проблемы повышения эффективности функционирования существующих ИИС рассмотрен переход от традиционных систем к распределенным, построенным на основе сетевой архитектуры с общей шиной, где роль сетевого контроллера

играет БСД. В БСД заложены принципы, позволяющие решить некоторые проблемы современных измерительных систем: большое количество измеряемых параметров и, как следствие, избыточный объем данных, который необходимо передавать по информационным каналам, низкая скорость передачи, высокая зашумленность каналов связи. Соответственно этим проблемам сопоставлены основные задачи обработки данных в БСД, такие как устранение избыточности, повышение достоверности данных от интеллектуальных цифровых датчиков (Д„, Д12, Д^), представление полученных данных в более компактной форме (рис. 1).

Дгт Д23 Да Д21

Дзт Дзз Д32 Азі

Дпт ДпЗ Дп2 || Дп1

Діт ДіЗ І Ді2 Дії

Модуль преобразования данных

Модуль преобразования данных

Модуль преобразования данных

Модуль преобразования данных

БСД

Модуль подавления шума

Модуль подавления шума

Модуль подавления шума

Модуль подавления шума

Модуль сжатия данных

Модуль сжатия данных

Модуль сжатия данных

Модуль сжатия данных

ПК

Модуль

визуального представле-

ния данных

Модуль

анализа

данных

Модуль восстанов-

ления

данных

*

Модуль

декодирования пакетов

Рис. 1. Структура построения ИИС на основе БСД

Проведен анализ существующих решений по направлениям работы и выделены основные тенденции построения ИИС: обмен и управление данными на основе современных интерфейсов, повышение надежности передачи данных аппаратными и алгоритмическими методами; повышение скорости передачи за счет применения технологий сжатия данных и сокращения избыточности; унификация за счет использования общих и стандартных интерфейсов и протоколов работы системы. По каждому из выделенных направлений проанализированы существующие методы решения.

За основу для разработки алгоритма обработки данных измерительной системы было взято ДВП. Данный метод сочетает в себе несколько преимуществ, необходимых для организации передачи данных сразу от нескольких датчиков: сжатие передаваемых данных, устранение высокочастотных шумов, достаточно простая реализация и низкие вычислительные требования.

Во второй главе рассмотрен математический аппарат вейвлет-преобразований и его применение для обработки и сжатия сигналов ИИС.

Большинство современных алгоритмов сжатия, использующих вейв-лет-преобразование, строятся на принципе «преобразование - фильтрация -энтропийное кодирование». Естественно, что при таком разбиении на каждом шаге стремятся добиться максимального выигрыша. В диссертацион-

ной работе предлагается включить в эту схему дополнительный этап -применение экстраполяции (предсказателей нулевого порядка), позволяющий повысить работу энтропийного кодера и тем самым увеличить значение коэффициента сжатия без значительных потерь в точности восстанавливаемого сигнала.

Проведенный анализ показал, что ДВП демонстрирует хорошие сжимающие и шумоподавляющие свойства, но при этом с помощью дополнительных процедур кодирования коэффициентов ДВП можно значительно повысить эффективность данной схемы сжатия.

В соответствии с проведенным исследованием был разработан алгоритм сжатия на основе модифицированного ДВП, в котором одновременно с вейвлет-преобразованием предлагается использовать ряд алгоритмов:

- алгоритмы подавления шумов сигнала (фильтрации);

-алгоритмы, уменьшающие информационную энтропию сигнала,

основанные на экстраполяции (предсказатель нулевого порядка) и квантовании коэффициентов преобразования;

- алгоритмы статистического кодирования (арифметическое кодирование).

Для вычисления коэффициентов разложения ДВП в работе предлагается модифицированная схема вычисления быстрого вейвлет-преобразо-вания (БВП). БВП позволяет определять коэффициенты вейвлет-разло-жения с помощью алгебраических операций на основе свертки по рекуррентным соотношениям:

к

а,- =Ъа] }~и >

к-\ „ „„„ /V _ , ,л< Г/^"1

4* =

пРи (!«;:,+ >■) < 5>Г * р>

] > }

О, при 1 < Р>

>

где а* и - аппроксимирующие и детализирующие коэффициенты ДВП; g] и Ъ, - коэффициенты низкочастотного и высокочастотного вейвлет-фильтров; р - порог фильтрации коэффициентов ДВП; г - апертура предсказателя нулевого порядка.

В результате данного преобразования получаем набор аппроксимирующих и детализирующих коэффициентов, подвергшихся фильтрации и экстраполяции, в которых сконцентрирована большая часть информации, заложенной в сигнале.

Модель предложенного алгоритма сжатия для его дальнейшего исследования была разработана в среде математического моделирования

МаІЇаЬ. Для анализа эффективности разработанного алгоритма была проведена проверка его на контролируемых параметрах с разными характеристиками, т.е. на разных сигналах с аддитивным шумом.

Результаты работы алгоритма (исходный и восстановленный сигнал) над каждым из рассматриваемых типов сигналов приведены на рис. 2.

т І5О їв

Рис. 2. Результаты сжатия и восстановления модельных сигналов/^-/? с помощью модифицированного ДВП

Для оценки полученных результатов предложена методика, заключающаяся в последовательном выполнении следующих этапов:

1) выбор и создание набора входных модельных сигналов;

2) выбор и создание набора помех;

3) моделирование алгоритма сжатия;

4) выбор критериев для сравнения;

5) анализ результатов согласно выбранным критериям.

В качестве основного критерия сравнения выбран коэффициент сжатия, который рассчитывается как отношение объема К0 при некотором исходном или эталонном способе формирования сообщений к объему выходных пакетов К, получаемому в результате сжатия.

За погрешность восстановления было принято среднеквадратическое отклонение отсчетов исходного сигнала от восстановленного сигнала, отнесенное к максимальному значению (пределу измерения) сигнала.

Проведенный анализ показал, что, применяя модифицированную схему сжатия на основе ДВП, можно достичь высоких коэффициентов сжатия (25...80 раз) с допустимой погрешностью восстановления (±0,3 %). Результаты сравнения схемы сжатия на основе ДВП и модифицированного ДВП приведены на рис. 3. Следует заметить, что погрешность восстановления во многом зависит от количества уровней разложения ДВП.

■ Алгоритм сжатия на г

основе ДВП аАлгоритмсжатияна [ основе ;

модифицированного ДВП

зг 1,4 ее

1 1.2 «

І , 5 1 (в

§ 0,8 О

ш

¡о 0,6 о

| 0,4 ф

&0-2

¡6 а га

Тестовые сигналы

а)

б)

Рис.

3. Сравнение схемы сжатия на основе ДВП и модифицированного ДВП: а - по коэффициенту сжатия; 6 - по погрешности восстановления

Важной характеристикой для разрабатываемого алгоритма сжатия является его вычислительная сложность.

Получена комплексная оценка количества процессорных тактов для выполнения модифицированной схемы сжатия на основе ДВП:

IV 5-1 о

Т8 2"'+—ЛГ,

т ¡-о т

где И- длина сигнала; т - количество выполненных команд за такт процессора; количество уровней разложения; К - длина фильтра.

Полученное выражение было использовано для оценки характеристик разрабатываемого БСД (частоты дискретизации входного сигнала и частоты работы процессора) с точки зрения работы в режиме реального времени. Для работы измерительной системы в реальном времени необходимо, чтобы время обработки данных было меньше времени сбора данных. Следовательно, для заданной частоты процессора частота дискретизации сигнала должна выбираться из условия

<

№

Тс

где - частота дискретизации; Гр - частота процессора.

■ Алгоритм сжатия на;

основе ДВП эа Алгоритм сжатия на ; основе

модифицированного!

...ЛЙП.....................................]

(5 fб П І8 Тестовые сигналы

На рис. 4 показана допустимая частота дискретизации входного сигнала при длине сигнала 7У= 512 для процессора с тактовой частотой 500 МГц.

=f 30 s_ Е X

5 25

§• 20

.....- - ш т

—•— —ф— —*— —-а

12S4567S

Уровень разложения

Рис. 4. Предельно допустимая частота дискретизации входного сигнала при длине сигнала N = 512 для частоты процессора 500 МГц

Полученные значения предельно допустимой частоты дискретизации входного сигнала показывают, что возможно построить ИИС в реальном времени для различных типов процессоров.

В третьей главе рассмотрены два варианта применения разработанного алгоритма сжатия для практических задач многоканальных ИИС.

На базе общей структуры ИИС предложено построение адаптивной к изменению входного сигнала ИИС (рис. 5).

S={s,...sn)

Буфер

W={w,,w2

Блок ДВП Ь.т f

Блок выбора параметров ДВП

Блок анализа

du- и фильтрации

коэффи-

циентов

Кот6 |

Блок выбора

параметров

обработки

W'={w",,

s -N

Z

о о

о. S м

і СО

о X О

о I

о X С

со о.

о о ■е-

о о

Iß из

Рис. 5. Адаптивная структура ИИС

Свойство адаптивности реализовано в данной системе за счет выбора наиболее оптимальных параметров сжатия (базиса вейвлет-разложения, количества уровней разложения, количества отброшенных вейвлет-коэффи-циентов) в зависимости от характеристик входного сигнала ИИС. Ключе-

вым элементом данной адаптивной системы является обратная связь, реализованная за счет добавления блоков оценки отношения «степень сжатия/оптимальность», оценки отношения «точность/оптимальность», анализа попыток сжатия, выбора параметров ДВП и алгоритма обработки.

Оценка оптимальности выбора параметров при использовании ДВП производилась с помощью критерия, основанного на минимизации RD-функции Лагранжа:

ЦЬ\т", К*от6) = min min min[D(b, т, Кот6) + XR(b, т, Кот6)],

* m Котб

где b - вейвлет-базис разложения; m - количество уровней разложения; KmG -количество отброшенных вейвлет-коэффициентов; X - задаваемый внешне

неотрицательный параметр, который определяет соотношения качества сжи-

N ?

К*,-*',)2

маемого сигнала и степени сжатия; D = ———--среднеквадратическая

Ä:iog2(max[w,])

погрешность восстановления сигнала s; R =-----<-\..к--

(К-Котб)1о§2( max [W,]) 1=1 ...к-к от6

коэффициент сжатия; К - количество полученных после ДВП вейвлет-коэффициентов w.

На основе Я/Э-функции Лагранжа получен удобный расчет критерия оптимизации, выведенный на том основании, что среднеквадратическая погрешность восстановления равна сумме квадратов отброшенных вейв-лет-коэффициентов, и на допущении, что битовые затраты (log2( max [w,]))

на кодирование вейлет-коэффициентов до и после фильтрации равны:

I *,-2 г

N К-Котб

Данный критерий был положен в основу имитационной модели адаптивной структуры ИИС, разработанной для проведения автоматизированного анализа в среде БтиПпк (МаНаЬ) (рис. 6). Модель определяется 30 входными потоками (30 датчиков, подключенных к БСД) и одним выходным потоком и состоит из 11 блоков обработки.

На основе полученных результатов работы имитационной модели были выданы рекомендации по использованию типов вейвлетов в зависимости от характера изменения сигнала ИИС. Для всего ряда моделей хорошие результаты показали вейвлеты Добеши третьего и четвертого порядков, что позволяет использовать их как основные в схеме сжатия при отсутствии априорных сведений о сжимаемом сигнале.

Критерий оптимальности

Рис. 6. Имитационная модель адаптивной структуры ИИС

В данной главе разработан также вариант применения алгоритма сжатия на основе модифицированного ДВП, учитывающий многоканальную структуру современных ИИС.

Предлагается использовать двумерное ДВП, широко распространенное для сжатия изображений. Двумерное вейвлет-преобразование подразумевает применение одномерного вейвлет-преобразования к каждой строке, а затем к каждому столбцу двумерной информации.

Для многоканальной ИИС общий объем данных, полученных от системы за период времени т, может быть представлен матрицей 5:

5 =

21 322

•»л2

аг\ с1\

* Л 1

аг 2 аг 21

.. с!г ..

1/77—1

2т-1

г пт—\.

ас\

~ 2 •■■ ис т-1 ¿с1\ ¿с12 — ¿с\т-\

ис Л

В данной матрице элементы /'-й строки соответствуют показаниям /-го датчика за т отсчетов времени, элементы у-го столбца - показаниям п датчиков за у'-й отсчет времени. Таким образом, каждый элемент матрицы 5 определяет пространственно-временную характеристику измеряемого физического параметра, а вся матрица 5 - всего процесса измерения физического параметра. Очевидно, что описание измеряемой величины с помощью матрицы 5 избыточно, так как значения и в строках, и в столбцах матрицы частично коррелированны между собой.

Для устранения корреляции предлагается применять разработанный алгоритм сначала к строкам матрицы (устранение временной корреляции), получив п векторов-строк {агкр ь ..., о1/,,„_,}, а затем к столбцам данного одномерного вейвлет-представления матрицы 5 (устранение пространственной корреляции), получив т векторов-столбцов {аскр с!с]у, ..., £//„_,_,}. После этого значения записываются в одну последовательность, и над ними производится операция остаточного кодирования.

Проведенные с помощью имитационной модели исследования показали, что применение структуры ИИС с многоканальным сжатием целесообразно при значении коэффициента межканальной корреляции, рассчитанного как коэффициент корреляции Пирсона, больше 0,6 (рис. 7).

1 2,5

1

1 2

1

ж г Щ 1,5

з-

-е-

# о 1

0,5" ■ ..............., .1 ....... ■.,.......

.... 1..1 * ! ...:. ; I..!..;..; ..! 1..; . ¡. ■ Г: - ! :

О- —.....' ]■!< 8 ' Ч'Т:.|Д ■ т I 1,1. I |,1 I 1-| I .1, .1 .„ | I | | !,.—ц

О 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1

Коэффициент корреляции

Рис. 7. Эффективность многоканального варианта алгоритма сжатия

Также установлено, что эффективность применения многоканального сжатия, за которую принято отношение коэффициента сжатия многоканального алгоритма к сумме коэффициентов сжатия, полученных при по-канальном сжатии сигналов одноканальным алгоритмом, линейно зависит от количества каналов ИИС.

Полученные результаты доказывают эффективность применения разработанной структуры построения ИИС с многоканальным сжатием, однако при ее использовании стоит учитывать, что возрастают вычислительные затраты для проведения дополнительного вейвлет-преобразования данных.

Четвертая глава посвящена разработке структуры системы сбора и обработки измерительной информации для изделий РКТ, а также рассмотрению реализации БСД. Приведены фотографии, функциональные и принципиальные схемы, алгоритмы работы ПО и результаты испытаний опытных образцов БСД, внедренных в ОАО «НИИФИ» (г. Пенза).

Предложена структура построения подобной системы, состоящая из трех уровней: уровня объекта (БСД), уровня автоматизированного рабочего места (АРМ) и уровня удаленного клиента. В работе приведены описания функций каждого из уровней и возможные варианты реализации.

Для реализации БСД было решено использовать одноплатный компьютер фирмы Diamond Systems, пригодный для жестких условий эксплуатации на борту космического аппарата, с подключенными к нему дополнительными интерфейсными модулями (рис. 8). Комплектующие элементы устройств верхнего уровня (АРМ), требующих значительных вычислительных мощностей, представляют собой стандартные промышленные компьютеры.

Разработанный БСД включает в себя:

- процессорный модуль (ПМ) Pegasus PGS-800-256-2G фирмы Diamond Systems, США;

-контроллер передачи данных (КПД) по каналу Ethernet Mercator MRC-224-XT фирмы Diamond Systems, США;

- блок питания (БП) HESC-104 фирмы Diamond Systems, США;

-модуль преобразования каналов (МПК) Emerald ЕММ-8 фирмы

Diamond Systems, США.

На каждом из перечисленных уровней структуры основные функции системы, которые отличают ее от традиционной ИИС, осуществляются с помощью ПО. Предложен и реализован один из вариантов построения ПО для распределенной системы.

ПО БСД обеспечивает прием, сжатие и передачу данных от датчиков через TCP/IP пакеты, а также управление и настройку датчиков. Сжатие в ПО БСД реализовано за счет разработанного алгоритма на основе модифицированного ДВП. Для разработки взаимодействия с ПО АРМ использован интегрированный веб-сервер, предоставляющий для приемо-передачи пакетов два TCP/IP сокета.

ПО АРМ выполняет обмен пакетами с БСД с помощью TCP/IP сокета (прием данных и настройка датчиков), визуальное представление данных, хранение данных в базе данных (БД), в качестве дополнительной функции может быть предусмотрено формирование HTML-страниц (технология WebSnap) и предоставление их удаленному клиенту (веб-браузер).

Для проведения настройки и испытаний БСД без подключенных датчиков было разработано дополнительное ПО имитации работы датчиков, полностью воспроизводящее их функционирование.

Описаны структура данных типов ПО, алгоритмы работы каждого, протоколы взаимодействия и форматы входных и выходных пакетов данных.

Благодаря цифровой обработке измерительного сигнала с помощью полученных алгоритмов сжатия удалось добиться коэффициента сжатия не менее 25 (приведено минимально возможное значение, так как коэффициент сжатия зависит от характера изменения входного сигнала и требуемой погрешности восстановления). Погрешность восстановления данных опытных образцов БСД при этом составила не более ±0,3 %.

Таким образом, применяемые алгоритмы в разработанном в составе ИИС блоке сбора данных, а также используемая для его реализации элементная база, пригодная для жестких условий эксплуатации, позволили обеспечить сбор данных от 930 цифровых интеллектуальных датчиков по 30 каналам связи RS-485, обработку, сжатие, формирование и выдачу форматированных данных по выходному каналу связи Ethernet со скоростью 10 Мбит/с.

В приложении приводятся документы о внедрении результатов работы, свидетельства о государственной регистрации программ для ЭВМ и дополнительные материалы по исследуемой теме - листинги функций, используемых Matlab- и Simulink-моделями, листинги разработанных ПО.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

1. На основании проведенного анализа методов сбора, обработки и сжатия измерительной информации сформулированы основные тенденции разработки современных ИИС.

2. Предложена систематизация измерительных сигналов существующих ИИС по характеру поведения во временной области, позволяющая оценить коэффициент сжатия на этапе проектирования с точки зрения потенциальной скорости передачи данных и возможного количества подключенных датчиков.

3. Разработан и внедрен алгоритм сжатия измерительных сигналов ИИС на основе модифицированного ДВП, применение которого позволяет до 10 раз увеличить коэффициент сжатия данных по сравнению с традиционным алгоритмом. Получены оценки вычислительной сложности разрабатываемого алгоритма, а также минимальной частоты дискретизации сигнала, которые использованы для расчета характеристик разрабатываемого БСД с точки зрения работы в режиме реального времени.

4. Предложена инженерная методика выбора оптимальных параметров алгоритма сжатия. На ее основе разработана и исследована адаптивная структура построения ИИС. Выработаны рекомендации по использованию типов вейвлетов в зависимости от типов обрабатываемых сигналов.

5. Разработана и исследована структура ИИС с многоканальным сжатием сигналов. Для 30-канального разрабатываемого БСД получено увеличение коэффициента сжатия в 2 раза по сравнению с применением одноканального алгоритма.

6. Разработана и исследована структура блока сбора данных, обеспечивающая эффективную обработку, сжатие и высокоскоростную передачу измерительной информации. На ее базе разработана имитационная модель и получены оценки основных технических характеристик системы.

7. Разработан и внедрен БСД, обеспечивающий сбор данных от 930 цифровых интеллектуальных датчиков по 30 каналам связи RS-485, обработку, сжатие, формирование и выдачу форматированных данных по выходному каналу связи Ethernet со скоростью 10 Мбит/с с комплексом ПО, позволяющим обеспечить функционирование БСД, удаленный прием данных, а также проведение его испытаний. Результаты испытаний и внедрений подтвердили теоретические выводы работы.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

Публикации в изданиях, рекомендованных ВАК РФ

1. Федулеева (Фролова), М. В. Применение веб-технологий при разработке распределенных систем мониторинга / М. В. Фролова // Известия ЮФУ. Технические науки. - 2011. - № 5 (118). - С. 41-74.

2. Федулеева (Фролова), М. В. Разработка алгоритма параллельной работы с интеллектуальными датчиками / М. В. Фролова, В. П. Маланин // Датчики и системы.-2011.-№ 10.-С. 2-7.

3. Федулеева, М. В. Разработка и анализ схемы сжатия сигналов на основе модифицированного дискретного вейвлет-преобразования / М. В. Федулеева // Известия высших учебных заведений. Поволжский регион. Технические науки. - 2011. -Спецвып. № 3. - С. 156-167.

4. Федулеева, М. В. Многоканальный преобразователь для измерительных систем с функцией сжатия данных / М. В. Федулеева // Известия ЮФУ. Технические науки. - 2012. - № 5 (130). - С. 190-194.

5. Федулеева, М. В. Блок сжатия данных в составе измерительной системы диагностики космического аппарата / Б. В. Цыпин, М. В. Федулеева // Датчики и системы. - 2012.-№ 9. - С. 55-57.

6. Федулеева, М. В. Распределенные измерительные системы на основе сетевых технологий / В. Н. Новиков, М. В. Федулеева // Датчики и системы. - 2012. -№7.-С. 38-40.

Публикации в других изданиях

7. Федулеева (Фролова), М. В. Визуальная измерительная система автоматизированных комплексов наземных испытательных стендов / В. Н. Новиков, М. В. Фролова // Методы, средства и технологии получения и обработки измерительной информации : тр. Междунар. науч.-техн. конф. «Измерения - 2008» (22-24 октября г. Пенза). - Пенза: Информ. издаг. центр ПТУ. - 2008. - С. 140-141.

8. Федулеева (Фролова), М. В. Применение принципа визуализации процесса измерения в автоматизированных измерительных комплексах / В. Н. Новиков, М. В. Фролова // Инновационные технологии в экономике, информатике и медицине : тр. V Межрег. науч.-практ. конф. студентов и аспирантов. - Пенза : ПГТА, 2008.-С. 180-182.

9. Федулеева (Фролова), М. В. Беспроводные сенсорные сети. Принципы самоорганизации / М. В. Фролова // Датчики и системы : сб. докл. XXVIII науч.-техн. конф. молодых ученых и специалистов (30-31 марта 2009 г.) / под ред. акад. Академии проблем качества РФ Блинова А. В. - Пенза: ОАО «НИИФИ». - 2009. - С. 100-105.

10. Федулеева (Фролова), М. В. Принципы построения и взаимодействия управляемых цифровых датчиков и систем / М. В. Фролова // Датчики и системы : сб. докл. XXVIII науч.-техн. конф. молодых ученых и специалистов (30-31 марта 2009 г.) / под ред. акад. Академии проблем качества РФ Блинова А. В. - Пенза : ОАО «НИИФИ», 2009. - С. 13-17.

11. Федулеева (Фролова), М. В. Система удаленного конфигурирования интеллектуальных датчиков / М. В. Фролова, Б. В. Цыпин // Надежность и качество : тр. Междунар. симп. В 2 т. - Пенза: Изд-во ПГУ, 2010. - Т. 1. - С. 55-58.

12. Федулеева (Фролова), М. В. Управляемые цифровые датчики физических величин. Внутрисхемная обработка и программное обеспечение / М. В. Фролова, Н. С. Ульянин // Микротехнологии в космосе : тр. VIII науч.-техн. конф. с международным участием (Москва, 6-7 октября 2010 г.). - М.: Радиотехника, 2010. - С. 40-41.

13. Федулеева (Фролова), М. В. Разработка модели системообразующего модуля измерительной системы в SIMULINK (MATLAB) / М. В. Фролова // Проблемы автоматизации и управления в технических системах : тр. Междунар. науч.-техн. конф. (Пенза, 19-20 апреля 2011 г.). В 2 т. / под ред. М. А. Щербакова. - Пенза : Изд-во ПГУ, 2011. - Т. 2. - С. 233-237.

14. Федулеева (Фролова), М. В. Создание распределенной измерительной grid-системы / М. В. Фролова, В. Н. Новиков // Методы, средства и технологии получения и обработки измерительной информации : тр. Междунар. науч.-техн. конф. «Шляндинские чтения - 2010» (Пенза, 20-22 октября 2010). - Пенза: Изд-во ПГУ, 2010. - С. 56-60.

15. Федулеева, М. В. Анализ эффективности применения дискретного вейв-лет-преобразования в измерительных системах / М. В. Федулеева // Информационно-измерительная техника : межвуз. сб. науч. тр. / под ред. д-ра техн. наук, проф. Е. А. Лом-тева. - Пенза: Изд-во ПГУ, 2011. - Вып. 36. - С. 60-68.

16. Федулеева, М. В. Разработка энергоэффективного алгоритма сжатия данных распределенных измерительных систем / М. В. Федулеева // Датчики и системы : сб. докл. XXX науч.-техн. конф. молодых ученых и специалистов (30-31 марта 2011 г.) / под ред. акад. Академии проблем качества РФ Блинова А. В. - Пенза: ОАО «НИИФИ», 2011.-С. 261-267.

17. Федулеева, М. В. Управление данными о технически сложных объектах по каналу Ethernet в распределенных системах мониторинга / М. В. Федулеева // Датчики и системы : сб. докл. XXX науч.-техн. конф. молодых ученых и специалистов (30-31 марта 2011 г.) / под ред. акад. Академии проблем качества РФ Блинова А. В. - Пенза : ОАО «НИИФИ», 2011.-С. 328-333.

18. Федулеева, М. В. Цифровой модуль сжатия сигналов на основе модифицированного дискретного вейвлет-преобразования / М. В. Федулеева // Устройства измерения, сбора и обработки сигналов в информационно-управ-ляющих комплексах : тез. докл. на I Всерос. науч.-практ. конф. (г. Ульяновск, 6-10 сентября 2011 г ). -Ульяновск : УлГТУ, 2011. - С. 70-72.

19. Федулеева, М. В. Оценка вычислительной сложности алгоритма сжатия измерительной информации на основе модифицированного вейвлег-преобразования / М.

B. Федулеева // Информационно-измерительная техника : межвуз. сб. науч. тр. / под ред. д-ра техн. наук, проф. Е. А. Ломтева. - Пенза : Изд-во ПГУ, 2012. - Вып. 37. -

C. 60-68.

20. Программа настройки датчика давления : свидетельство о государственной регистрации программы для ЭВМ / М. В. Федулеева, Н. С. Ульянин, В. Ф. Лисюткин. -№¡2010614711 ; заявл. 01.06.2010 ; опубл. 20.06.2010.

21. Программа для удаленного изменения параметров датчика разности давлений : свидетельство о государственной регистрации программы для ЭВМ / М. В. Федулеева, А. Н. Катков. - № 2011615747 ; заявл. 27.05.2011 ; опубл. 22.06.2011.

22. Программа для параллельной работы с датчиками разности давлений : свидетельство о государственной регистрации программы для ЭВМ / М. В. Федулеева. - №2011615748 ; заявл. 27.05.2011 ; опубл. 22.06.2011.

ОБРАБОТКА ИЗМЕРИТЕЛЬНЫХ СИГНАЛОВ НА ОСНОВЕ ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЯ В МНОГОКАНАЛЬНЫХ ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНЫХ СИСТЕМАХ

Специальность 05.11.16 - Информационно-измерительные и управляющие системы (приборостроение)

Редактор Е. П. Мухина Технический редактор Р. Б. Бердникова Компьютерная верстка Р. Б. Бердниковой

Распоряжение № 31/2012 от 12.11.2012 г. Подписано в печать 15.11.12. Формат 60x84 Vl 6.

_Усл. печ. л. 1,16. Заказ № 885. Тираж 100._

Издательство ПГУ. 440026, Пенза, Красная, 40. Тел./факс: (8412) 56-47-33; e-mail: iic@pnzgu.ru

Научное издание

ФЕДУЛЕЕВА Марина Владимировна

Список сокращений

Введение

Глава 1- - Анализ особенностей функционирования многоканальной 11 ИИС

1.1 Формулировка задачи создания многоканальной ИИС и ее 11 функций

1.2 Анализ существующих решений

1.3 Основные тенденции создания многоканальных ИИС

1.4 Классификация данных многоканальных ИИС с точки 32 зрения задачи обработки данных

1.5 Выбор и обоснование направления исследования

1.6 Выводы по главе

Глава 2 - Методы повышения эффективности алгоритма обработки 40 данных на основе дискретного вейвлет-преобразования

2.1 Применение дискретного вейвлет-преобразования для 40 решения задачи сжатия данных

2.2 Разработка методики и критериев для исследования 46 алгоритмов сжатия

2.3 Разработка и исследование алгоритма сжатия на основе 52 дискретного вейвлет-преобразования

2.4 Модификация алгоритма сжатия и исследование разра- 56 ботанного алгоритма

2.5 Выводы по главе

Глава 3 - Разработка структуры многоканальной ИИС с применением 65 сжатия на основе модифицированой схемы ДВП

3.1 Разработка и исследование адаптивной структуры ИИС с 65 применением сжатия на основе дискретного вейвлет-преобразования

3.1.1 Адаптивная структура ИИС

3.1.2 Библиотека базисов

3.1.3 Методика выбора оптимальных параметров алгоритма 71 сжатия

3.2 Разработка и исследование структуры ИИС с 84 применением многоканального сжатия на основе дискретного вейвлет-преобразования

3.2.1 Многоканальный вариант сжатия на основе дискретного 84 вейвлет-преобразования

3.2.2 Анализ структуры ИИС с многоканальным сжатием на 87 основе дискретного вейвлет-преобразования

3.3 Выводы по главе

Глава 4 - Результаты экспериментальных исследований, 91 практической разработки и внедрения многоканальной ИИС

4.1 Применение ЕШегпе^интерфейса для решения задачи 91 передачи данных при построении многоканальной ИИС

4.2 БСД в составе многоканальной ИИС

4.3 Программное обеспечение многоканальной ИИС

4.4 Выводы по главе 110 Основные результаты и выводы по работе 111 Заключение 113 Литература 114 Приложение А Тексты функций 123 Приложение Б Тексты программ 128 Приложение В Акты о внедрении 144 Приложение Г Свидетельства о государственной регистрации 148 программ для ЭВМ

3.1.4 Моделирование адаптивной схемы сжатия

3.1.5 Рекомендации по применению вейвлет-базисов

СПИСОК СОКРАЩЕНИЙ

АРМ - автоматизированное рабочее место АЦП - аналого-цифровой преобразователь БП - блок питания БСД - блок сбора данных

ВИП - вторичный измерительный преобразователь ДВП - дискретное вейвлет-преобразование ДКЛ - дискретное косинусное преобразование ДКП- дискретное преобразование Карунена-Лоэва ИД - интеллектуальный датчик ИИС - информационно-измерительная система ИС - измерительная система

ИСМКА - интеллектуальная система мониторинга и контроля состояния космического аппарата

КА - космический аппарат

КПД - контроллер передачи данных

МПК - модуль преобразования каналов

НВП - непрерывное вейвлет-преобразование

ОС - операционная система

ПК - персональный компьютер

ПМ - процессорный модуль

ПО - программное обеспечение

РКТ - ракетно-космическая техника

ФБ - функциональный блок

ЦИ - цифровой интерфейс

PSNR - пиковое отношение сигнал-шум

Состояние вопроса и актуальность темы

Тенденцией развития современных измерительных и информационных технологий является постоянное возрастание сложности информационно-измерительных систем (ИИС). ИИС для изделий ракетно-космической отрасли могут содержать до нескольких тысяч распределенных датчиков, с которых поступает большой объем информации. Одновременно с ростом объемов информации, обрабатываемой ИИС, постоянно усложняются алгоритмы функционирования систем.

В Федеральной космической программе России на 2006 - 2015 гг., утвержденной постановлением Правительства РФ от 22.10.2005 г., выделено отдельное направление исследования проблем создания и разработки датчиковой и преобразующей аппаратуры адаптивных информационно-управляющих систем со сжатием данных для перспективной ракетно-космической техники. Особую актуальность среди основных задач построения ИИС приобретают методы обработки, в том числе сжатия и восстановления передаваемых сигналов с малыми искажениями. При решении этих задач вейвлет-анализ является одним из наиболее мощных и при этом гибких средств исследования и обработки измерительных сигналов.

Вопросами разработки ИИС и эффективных алгоритмов обработки и сжатия нестационарных сигналов занимались Ж. Морле, А. Гроссман, И. Добеши, И. Мейер, С. Малла, Г. Лэм, Дж. Макклелан, Л. Рабинер, Р. Хемминг. Заметный вклад внесли отечественные ученые А. В. Фремке, В. П. Воробьев, В. Г. Грибунин, В. П. Дьяконов, М. П. Цапенко, В. М. Шляндин, Ш. Ю. Исмаилов, М. А. Щербаков, Б. В. Чувыкин и другие. Однако сохраняется потребность в новых решениях при разработке алгоритмов обработки данных и архитектуры измерительных систем. На передний план выходят актуальные задачи создания и использования устройств обработки данных, способных работать в составе распределенных информационно-измерительных систем, позволяющих получать в реальном времени достоверную картину о состоянии контролируемых физических параметров, за счет заложенных в них эффективных алгоритмов обработки данных.

Целью данной работы является совершенствование многоканальных информационно-измерительных систем за счет алгоритмов обработки измерительных сигналов с помощью применения модифицированной схемы дискретного вейвлет-преобразования (ДВП).

Основные задачи исследования:

1. Анализ методов сбора, обработки и сжатия измерительных сигналов ИИС.

2. Исследование существующих ИИ С с точки зрения возможности сжатия их сигналов.

3. Разработка и анализ алгоритма сжатия и восстановления измерительных сигналов ИИС на основе модифицированной схемы ДВП.

4. Разработка инженерной методики выбора оптимальных параметров алгоритма сжатия сигналов ИИС и адаптивной структуры построения ИИС на ее основе.

5. Разработка структуры ИИС с многоканальным сжатием сигналов при помощи разработанного алгоритма.

6. Разработка блока сбора данных (БСД) в составе информационно-измерительной системы, обеспечивающего эффективное сжатие измерительной информации.

Объектом исследования является многоканальная измерительная система для изделий РКТ, обеспечивающая сбор и передачу данных от большого количества (до 930 шт.) цифровых интеллектуальных датчиков.

Предметом исследования является структура построения БСД в составе многоканальной ИИС и алгоритмы обработки данных БСД.

Методы исследования. В работе использованы основные положения теории обработки сигналов, численные методы аппроксимации, вейвлет-преобразований, эмпирического кодирования, фильтрации сигналов, теория сжатия и восстановления измерительных сигналов, теория оценок погрешности, применены методы математического моделирования, в том числе компьютерного: системы визуального моделирования Matlab&Simulink и программные средства объектно-ориентированного программирования Delphi и Builder С++.

Научная новизна работы:

1. Предложен и реализован алгоритм сжатия и восстановления сигналов цифровых интеллектуальных датчиков в составе ИИС, основанный на модифицированной схеме дискретного вейвлет-преобразования с использованием экстраполяции для повышения эффективности дальнейшего кодирования данных, обеспечивающий увеличение объема передаваемой информации с допустимой погрешностью восстановления сигнала и малыми вычислительными затратами реализующей аппаратуры.

2. Разработана и исследована адаптивная к форме и скорости изменения входного сигнала структура ИИС. Показана эффективность применения RD-функций Лагранжа для оценки параметров алгоритма сжатия. Разработана инженерная методика выбора оптимальных параметров алгоритма сжатия на их основе.

3. Разработана и исследована структура ИИС с многоканальным сжатием сигналов, позволяющая повысить в 2 раза эффективность разработанного алгоритма сжатия на основе ДВП.

4. Разработана имитационная модель БСД и исследовано влияние параметров алгоритма сжатия данных на погрешность восстановления и коэффициент сжатия выходных сигналов ИИС.

Практическая значимость. Основные теоретические положения диссертации использованы при разработке блока сбора данных в составе информационно-измерительной системы для изделий ракетно-космической техники (РКТ). За счёт применения алгоритма сжатия сигналов на основе ДВП повышен объем полезной передаваемой информации в 25.80 раз и тем самым обеспечена возможность включение в состав ИИС большого количества цифровых датчиков (до 930 шт.). Разработано программное обеспечение:

- приема данных от цифровых датчиков, обработки и сжатия данных, применяемое в БСД;

- приема и отображения данных через веб-интерфейс, позволяющее получить доступ к данным через сеть Internet;

- имитации данных от цифровых датчиков, используемое в процессе испытаний БСД.

На защиту выносятся:

1. Алгоритм сжатия и восстановления измерительной информации на основе модифицированной схемы дискретного вейвлет-преобразования, обеспечивающий увеличение в 25.80 раз объема передаваемых данных ИИС по существующим каналам передачи данных, отличающийся использованием экстраполяции в схеме дискретного вейвлет-преобразования с целью повышения эффективности дальнейшего кодирования данных.

2. Адаптивная к форме и скорости изменения входного сигнала структура ИИС, позволяющая отобрать оптимальные параметры сжатия в зависимости от обрабатываемого сигнала, отличающаяся применением RD-функции Лагранжа в качестве критерия оптимальности выбранных параметров алгоритма.

3. Структура ИИС с многоканальным сжатием сигналов, обеспечивающая повышение коэффициента сжатия в 2 раза за счет устранения корреляции каналов для разрабатываемого 30-канального БСД благодаря применению алгоритма сжатия на основе двумерного ДВП.

4. БСД в составе ИИС для изделий РКТ, обеспечивающий сбор данных от цифровых интеллектуальных датчиков и передачу через канал Ethernet за счет применяемого алгоритма сжатия.

Реализация работы и внедрение результатов.

На основе проведенных теоретических исследований и разработок внедрены в производство ОАО «НИИФИ» блок сбора данных БСД в составе базовой интеллектуальной системы мониторинга и контроля технического состояния космического аппарата, разрабатываемой для НПО им. Лавочкина, ПО БСД, реализующее алгоритм сжатия измерительных сигналов на основе модифицированной схемы дискретного вейвлет-преобразования. Данные результаты использовались при выполнении ОКР «Диагностика» в ОАО «НИИ физических измерений» (г. Пенза), выполняемой в рамках Федеральной космической программы России на 2006 - 2015 гг. на основании распоряжения Правительства Российской Федерации от 30 июня 2010 г. №1076-р. Полученные в диссертационной работе результаты разработки адаптивной структуры построения блока сжатия данных использовались при выполнении НИР «Датчик-РКТ» в ОАО НИИ физических измерений (г. Пенза). Результаты исследований использованы в учебном процессе в лекционном курсе, практических и лабораторных занятиях по дисциплинам «Преобразование измерительных сигналов» и «Интеллектуальные средства измерений» на кафедре «Информационно-измерительная техника» Пензенского государственного университета.

Апробация работы. Основные результаты диссертационной работы докладывались и обсуждались на следующих конференциях: Международной научно-технической конференции «Методы, средства и технологии получения и обработки измерительной информации» (г. Пенза, 2008, 2010 гг.), Межрегиональной научно-практической конференции студентов и аспирантов «Инновационные технологии в экономике, информатике и медицине» (г. Пенза, 2008 г.), Всероссийской научно-практической конференции молодых ученых и специалистов «Датчики и Системы» (г. Пенза, 2009 - 2011 гг.), Международной научно-технической конференции «Проблемы автоматизации и управления в технических системах - 2009» (г. Пенза, 2009 г), Международной научно-технической конференции «Проблемы автоматизации и управления в технических системах» (г. Пенза, 2009, 2011 гг.), Международного симпозиума «Надежность и качество 2010» (г. Пенза, 2010 г.), VII научно-технической конференции «Микротехнологии в космосе» (г. Москва, 2010 г.), Всероссийской научно-технической конференции с международным участием «Компьютерные и информационные технологии в науке, инженерии и управлении» (г. Таганрог, 2011, 2012 гг.), I Всероссийской научно-практической конференции «Устройства измерения, сбора и обработки сигналов информационно-управляющих комплексах» (г. Ульяновск, 2011 г.), V Всероссийской научно-технической конференции «Актуальные проблемы ракетно-космического приборостроения и информационных технологий» (г. Москва, 2012 г.).

Публикации. По теме диссертации опубликованы 22 печатные работы, в том числе 6 работ в журналах из перечня ВАК, 11 печатных работ без соавторов, а также получено 3 свидетельства о регистрации программного обеспечения.

Структура и объем работы. Диссертация состоит из введения, 4 глав, заключения, списка литературы, содержащего 90 наименований, 4 приложения. Изложена на 151 страницах машинописного текста, содержит 42 рисунка, 10 таблиц.

Основные результаты диссертационной работы заключаются в следующем:

1. На основании проведенного анализа методов сбора, обработки и сжатия измерительной информации сформулированы основные тенденции разработки современных ИИС.

2. Предложена систематизация измерительных сигналов существующих ИИС по характеру поведения во временной области, позволяющая оценить коэффициент сжатия на этапе проектирования с точки зрения потенциальной скорости передачи данных и возможного количества подключенных датчиков.

3. Разработан и внедрен алгоритм сжатия измерительных сигналов ИИС на основе модифицированного ДВП, применение которого позволяет до 10 раз увеличить коэффициент сжатия данных по сравнению с традиционным алгоритмом. Получены оценки вычислительной сложности разрабатываемого алгоритма, а также минимальной частоты дискретизации сигнала, которые использованы для расчета характеристик разрабатываемого БСД с точки зрения работы в режиме реального времени.

4. Предложена инженерная методика выбора оптимальных параметров алгоритма сжатия. На ее основе разработана и исследована адаптивная структура построения ИИС. Выработаны рекомендации по использованию типов вейвлетов в зависимости от типов обрабатываемых сигналов.

5. Разработана и исследована структура ИИС с многоканальным сжатием сигналов. Для 30-канального разрабатываемого БСД получено увеличение коэффициента сжатия в 2 раза по сравнению с применением одноканального алгоритма.

6. Разработана и исследована структура блока сбора данных, обеспечивающая эффективную обработку, сжатие и высокоскоростную передачу измерительной информации. На ее базе разработана имитационная модель и получены оценки основных технических характеристик системы.

7. Разработан и внедрен БСД, обеспечивающий сбор данных от 930 цифровых интеллектуальных датчиков по 30 каналам связи RS-485, обработку, сжатие, формирование и выдачу форматированных данных по выходному каналу связи Ethernet со скоростью 10 Мбит/с с комплексом ПО, позволяющим обеспечить функционирование БСД, удаленный прием данных, а также проведение его испытаний. Результаты испытаний и внедрений подтвердили теоретические выводы работы.

ЗАКЛЮЧЕНИЕ

Автор выражает искреннюю благодарность научному руководителю, д.т.н, профессору Цыпину Борису Вульфовичу, генеральному директору ОАО «Научно-исследовательский институт физических измерений» к.т.н., Дмитриенко Алексею Геннадьевичу, начальнику научно-исследовательского комплекса НИК-2, к.т.н. Исакову Сергею Алексеевичу и начальнику научно-исследовательского отдела НИК-2 Новикову Валентину Николаевичу за постановку задачи исследований, технические консультации и оказание помощи в организации испытаний блока сбора данных и программного обеспечения на оборудовании ОАО «НИИФИ».

1. Авдеев Б.Я., Антонюк Е.М., Долинов С.Н. и др. Адаптивные телеизмерительные системы. JL: Энергоиздат, 1981. - 248 с.

2. Авдеев Б.Я. Цифровые адаптивные информационно-измерительные системы/ Б. Я. Авдеев, В. В. Белоусов, И. Ю. Брусаков и др.; Под ред. Б. Я. Авдеева, Е. А. Чернявского. СПб: Энергоатомиздат, 1997. - 368 с.

3. Алексеев, К.А. Вокруг CWT. // Опубл. на сайте "Matlab & Toolboxes" (Wavelet Toolbox), адрес http://matlab.exponenta.ru/ wavelet/book3/index.php.

4. Балашов К.Ю. Сжатие информации: анализ методов и подходов. Минск, 2000. -42 с.

5. Баскаков С.И. Радиотехнические цепи и сигналы. М.: Высшая школа, 2000. Глава 2, разд. 2.6. «Вейвлет-анализ». - С. 65-68.

6. Биленко A.A., Ситников B.C. Анализ построения вычислений на основе реконфигурируемых компьютерных систем. // Радіоелектронні і комп'ютерні системи. Харків, 2010. - № 7(48). - С. 212-214.

7. Биленко A.A., Ситников B.C. Компьютерная система сжатия и восстановления многомерных сигналов на основе вейвлет-преобразования. // Науковий вісник Чернівецького ун-та. Чернівці, 2008. - Вип. 423: Фізика. Електроніка. - С. 37-42.

8. Бердышев В.И., Петрак J1.B. Аппроксимация функций. Сжатие численной информации. Приложения. Екатеринбург, 1999. Гл. 1, разд. 12 «Всплески». -С. 127-150.

9. Бехтин, Ю.С., Рычков, А.Н. Программный комплекс обработки зашумленных изображений на основе вейвлет-преобразований // Цифровая обработка сигналов и ее применение: Тез. докл. МНТК. -Москва, 2003.

10. Ватолин Д Методы сжатия данных / Ратушняк А., Смирнов М. и др. М.: Диалог-МИФИ, 2002. (http://compression.graphicon.ru).

11. Владов М.П., Добров Д.И., Украинцев Д.И. Семейство цифровых систем контрольно измерительных «Агат». Часть 2 Сборник статей 1-й МНТК АО СП завод «Топаз» г. Кишинев, октябрь 2008г.

12. Воробьев, В.И., Грибунин, В.Г. Теория и практика вейвлет-преобразования. С.-Петербург: ВУС, 1999. - 204 с.

13. Воронцов В.Л. патент RU2079892 «Устройство преобразования данных измерений» 1997 г.

14. Гореликов Н.И., Домарацкий А.Н., Домарацкий С.Н. Интерфейсы для программируемых приборов в системмх автоматизации эксперимента .- М.: Наука, 1981.-262с.

15. Горелов Г. В. Нерегулярная дискретизация сигналов/ Г. В. Горелов. М.: Радио и связь, 1982. - 255 с.

16. Глумов Н.И. Комплексный подход при выборе алгоритмов сжатия и помехоустойчивого кодирования для передачи цифровых изображений по каналам связи// Компьютерная оптика, 2004. Вып. 26, С. 105-108

17. Григорьев Ю.А., Ухаров А.О. Вейвлет-сжатие в хранилищах данных OLAP // Организация баз данных. 2008. - №4(18). - С. 3-9.

18. Гусинский A.B. Информационно-измерительные системы: Учеб. пособие / A.M. Костерикин, В.А. Ворошень и др. Мн.: БГУИР, 2003 - 40 с.

19. Добеши И. Десять лекций по вейвлетам. Москва-Ижевск: НИЦ «Регулярная и хаотическая динамика», 2001. - 464 с.

20. Дремин И.М., Иванов О.В., Нечитайло В.А. Вейвлеты и их использование // Успехи физических наук, 2001. т. 171. - № 5. - С. 465-501.

21. Дремин И.М.,Иванов О.В., Нечитайло В.А. Практическое применение вейвлет-анализа // Наука производству, 2000. № 6. - С. 13-15.

22. Дьяконов В.П., Абраменкова И.В. MATLAB. Обработка сигналов и изображений. Специальный справочник. СПб.: Питер. 2002. - 608 с.

23. Дьяконов В.П. Вейвлеты. От теории к практике. М.: СОЛОН-Р, 2002. - 446 с.

24. Истомина Т.В.,Чувыкин Б.В., Щегол ев В.Е. Применение теории wavelets в задачах обработки информации: Монография. Пенза: Изд-во Пенз. Гос. ун-та, 2000.- 188 с.

25. Кашин Б.С., Саакян А.Д. Ортогональные ряды. М.: АФЦ. Гл. 7 «Введение в теорию всплесков». - С. 244-296.

26. Косткин М., Поздняков П.,.Попович А. Концепция информационно-управляющей системы космического аппарата // Электроника. Наука. Технология. Бизнес, 2008. №4 - с.86-90.

27. Кочетков, М.Е., Умняшкин, СВ. Многопотоковая реализация алгоритма арифметического кодирования М.: МГИЭТ (ТУ). - 1998. - 21 с. Депонировано в ВИНИТИ 25.12.98 № 3884-В98.

28. Кравченко, В.Ф., Рвачев, B.JI. Wavelet -системы и их применение в обработке сигналов/Зарубежная радиоэлектроника. 1996. - № 4. - СЗ-20.

29. Кравченко, В.Ф., Рвачев, B.JI. Алгебра логики, атомарные функции и вейвлеты в физических приложениях. М.: Физматлит, 2006. - 416 с.

30. Куликовский Л.Ф., Мотов В.В. Теоретические основы информационных процессов: Учеб. пособие пособие для вузов по спец. «Автоматизации и механизация процессов обработки и выдачи информации». М.: Высшая школа, 1987-248с.

31. Левенец А. В., Классификация телемеханических данных и их разностных рядов с точки зрения задачи сжатия //Вестник ТОГУ, 2009. №4(15). - С. 71-80.

32. Левенец А. В. Структурное упорядочение данных для задач сжатия в информационно-измерительных системах // Вестник ТОГУ. 2009. № 2(13), - С. 45-52.

33. Малла, С. Вейвлеты в обработке сигналов. М.: Мир, 2005. - 671 с.

34. Назаров А. В., Козырев Г. И., Шитов И. В. Современная телеметрия в теории и на практике. Учебный курс.-СПб.: Наука и техника, 2007- 672с.

35. Науман Г., Майлинг В., Щербина А. Стандартные интерфейся для измерительной техники / Пер. с нем. М., 1982. - 304 с.

36. Новиков Л.В. Основы вейвлет-анализа сигналов. Учеб. пособие. СПб.: Изд-во ООО «МОДУС», 1999. - 152 с.

37. Новиков JI.B. Спектральный анализ сигналов в базисе вейвлетов // Научное приборостроение, 2000. Т. 10. - № 3. - С. 70-76.

38. Новиков Л.В. Адаптивный вейвлет-анализ сигналов // Научное приборостроение, 1999. Т. 9. - № 2. - С. 30-37.

39. Осоков Г.А., Шитов А.Б. Применение вейвлет-анализа для обработки дискретных сигналов гауссовой формы / Сообщ. Объед. Ин-та ядерных иссл. -Дубна, 1997. 22 с, Р-11-97-347.

40. Пилипчук Н, И, Адаптивная импульсно-кодовая модуляция/Н. И. Пилипчук, В. П. Яковлев. М.: Радио и связь, 1986. - 296 с.

41. Петухов А.П. Введение в теорию базисов всплесков. СПб.: Изд-во СПбГТУ, 1999. - 132 с.

42. Поликар, Р. Введение в вейвлет-преобразование. СПб.: АВТЭКС, 2001.

43. Сорока Н.И., Кривинченко Г.А. Телемеханика: Конспект лекций. 4.4 : Системы телемеханики. Мн.: БГУИР, 2004. 153 с.

44. Столниц Э., ДеРоуз Т., Салезин Д. Вейвлеты в компьютерной графике. Теория и приложения. Ижевск: НИЦ «Регулярная и хаотическая динамика», 2002. - 272 с.

45. Сэломон Д. Сжатие данных, изображений и звука. М.: Техносфера, 2006.

46. Умняшкин C.B. Компрессия цифровых изображений на основе кодирования древовидных структрур вейвлет-коэффициентов с прогнозированием статистических моделей // Изв. вузов. Электроника, 2001. № 5. - С. 86-94.

47. Умняшкин СВ., Коплович, Д.М. Метод компрессии изображений на основе векторного квантования в области дискретных преобразований // Цифровая обработка сигналов и ее применение: Тез. докл. МНТК. Москва, 2006. - С.366-368.

48. Федулеева M.B. Многоканальный преобразователь для измерительных систем с функцией сжатия данных // Известия ЮФУ. Технические науки. -Таганрог : Изд-во ТТИ ЮФУ, 2012. -№ 5 (130). -С. 190-194.

49. Федулеева М.В. Разработка и анализ схемы сжатия сигналов на основе модифицированного дискретного вейвлет-преобразования // Известия высших учебных заведений. Поволжский регион. Технические науки. Пенза: ИИЦ ПензГУ, 2011.-Спецвыпуск №3. - С. 156-167.

50. Федулеева М.В., Новиков В.Н. Распределенные измерительные системы на основе сетевых технологий // Датчики и Системы. 2012. - № 7. - С. 38^Ю.

51. Федулеева М.В., Цыпин Б.В. Блок сжатия данных в составе измерительной системы диагностики космического аппарата // Датчики и Системы. 2012. - № 9.-С. 55-57.

52. Фролова М.В. Применение веб-технологий при разработке распределенных систем мониторинга // Известия ЮФУ. Технические науки. Таганрог : Изд-во ТТИ ЮФУ, 2011. - № 5 (118). -С.41-74.

53. Фролова М.В. , Маланин В.П. Разработка алгоритма параллельной работы с интеллектуальными датчиками // Датчики и Системы. -2011.-№10.-С. 2-7.

54. Фролова М.В., Новиков В.Н. Применение принципа визуализации процесса измерения в автоматизированных измерительных комплексах // Труды V межрегиональной научно-практической конференции студентов и аспирантов

55. Инновационные технологии в экономике, информатике и медицине" Пенза, ПГТА, 2008. С. 180-182.

56. Фролова М.В., Цыпин Б.В. Система удаленного конфигурирования интеллектуальных датчиков // Труды Международного симпозиума «Надежность и качество». В 2-х т. Пенза: ИИЦ ПензГу, 2010. - Т.1. - С 55-58.

57. Хардле В. Вейвлеты, аппроксимация и статистические приложения / Хардле В., Крекьячарян Ж., Пикар Д. и др. / Перевод К.А.Алексеева. Электронная книга на сайте http://www.quantlet.de/scripts/wav/html.

58. Харченко А.Н.Адаптивный алгоритм сжатия речевых сигналов// Электроника и связь .-2009.-№1, с.24-28.

59. Хэмминг Р.В. Теория кодирования и теория информации. М.: Радио и связь, 1983

60. Чуй Т.К. Введение в вейвлеты. М.: Мир, 2001 .-412с.

61. Шибаев С. Реализация быстрого вейвлет-преобразования на цифровых сигнальных процессорах семейства SHARC ADSP-2106x Режим доступа: http://www.sergeshibaev.ru/programmer-notes/10-fwtsharc.

62. Шишенков В.А., Любимов В.В., Иванова Т.И. Повышение эффективности обработки сигналов на основе вейвлет-преобразования Тула, Тульск. гос. ун-т, 2001, 15 с. Рук деп. в ВИНИТИ 07.06.2001, № 1419-В2001.

63. Штрак Г.Г. Применение вейвлетов для ЦОС М. Техносфера, 2007. - 192с.

64. Aoubid К., Boulemden M. Hybrid Method Using Wavelets and Predictive Method for Compression of Speech Signal //International Journal of Biological and Life Sciences. 2008. - №4, p. 186-189.

65. Chakrabarti K., Garofalakis M., Rastogi R., Shim K. Approximate query processing using wavelets // The Very Large Databases. 2001. - №10. - C. 199-223.

66. Chang C.-L., Girod B. Direction-adaptive discrete wavelet transform for image compression. IEEE Trans. Image Process., 2007. № 6(5). - p. 1289-1302.

67. Donoho D.L. "De-noising by Soft-Thresholding," // IEEE Trans, on Info. Theory, Vol.41, No. 3, 1995, pp. 613-627.79. . Donoho D.L. "Interpolating wavelet transforms" // J. of Appl. and Comput. Harronie Analysis, 1994.

68. Garofalakis M. Wavelet-Based Approximation Techniques in Database Systems// IEEE Signal Processing Magazine. 2006. -№11.- C.54-59.

69. Garofalakis M., Gibbons P.B. Probabilistic Wavelet Synopses // ACM Transactions on Database Systems. 2004. - № 29. - C.43-90.

70. Garofalakis M., Kumar A. Deterministic Wavelet Thresholding for MaximumError Metrics // The ACM электронный ресурс. Режим доступа: www.acm.org. - 20.09.05.

71. Hansen М., Yu В. "Wavelet thresholding via MDL: Simultaneous denoising and compression", 1999.

72. Ortega A., Ramchandran K. Rate-Distortion Techniques in Image and Video Compression". Signal Processing, 1998. №15(6). - p. 23-50.

73. Paggetti C., Lusini M., Varanini M., Taddei A., Marchesi C. A multichannel tetmplate based data compression algorithm // Computers in Cardiology. 1994. - P. 629-632.

74. Ramchandran, K., Vetterli, M. Best wavelet packet bases in a rate-distortion sense // IEEE transactions on image processing, 1993. VOL. 2. - №2. -p.160 - 175/

75. Vidakovic В., "Statistical Modeling by Wavelets". //John Wiley & Sons, 1999.

76. Vitter J.S., Wang M. Approximate Computation of Multidimensional Aggregates of Sparse Data Using Wavelets // The ACM электронный ресурс. Режим доступа: www.acm.org. - 16.03.05.

77. Vetterli M. , Kovacevic J.Wavelets and Subband Coding. Prentice Hall, Englewood Cliffs, New Jersey, 1995.

78. Yu R., Allen A. R., and Watson J. "An optimal wavelet thresholding method for speckle noise reduction" //Summer School on Wavelets. Zakopane, Poland, 1996.