авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 |   ...   | 5 | 6 || 8 | 9 |

«XXV сессия Российского акустического общества, Сессия Научного совета по акустике РАН ...»

-- [ Страница 7 ] --

E-mail: ega@tti.sfedu.ru Многие задачи, с которыми приходится сталкиваться исследователям и инженерам, требуют больших материальных затрат на экспериментальную реализацию. Методом компьютерного моделирования данная проблема может быть успешно решена методом конечных элементов с помощью программы программу ANSYS. Программу ANSYS можно использовать на этапе проектирования, чтобы выяснить, как выполняемая проектная разработка гидроакустической антенны будет вести себя в эксплуатационном режиме в форме анимации, а также представить и вывести на экран монитора в графическом виде расчетных амлитудно частотных характеристик пьзоэлементов, входящих в состав гидроакустических антенн. При задании резонансной частоты, исходя из АЧХ пьезоэлемента, компьютерной программой производится моделирование работы пьезоэлемента, нагруженного на воздух или воду.

Гидроакустические антенны, как известно, используются для возбуждения и приема акустических волн. Активными их частями являются собственно пьезоэлектрические элементы, выполненные, как правило, из поляризованных пьезокерамических элементов, соединенных между собой. Для согласования импедансов пьезокерамики с водной средой добавляют переходные слои, выполненные из упругих материалов. Таким образом, гидроакустическая антенна представляет собой сложный составной объект, выполненный из материалов с различными физико-механическими свойствами: пьезокерамики с различными направлениями поляризации, упругих и акустических материалов и др. Для моделирования таких сложных устройств необходимо использовать подходы, основанные на прямых численных методах.

Наибольшее распространение в настоящее время завоевал метод конечных элементов. Из программ, реализующих метод конечных элементов, наиболее развитым и всеобъемлющим является программный пакет ANSYS, который позволяет учитывать среди прочего и пьезоэлектрические свойства материалов[2].

Рассмотрим следующую модель: два пьезоэлемента нагружены на жидкость. Первый пьезоэлемент возбуждается напряжением с частотой 240 кГц, второй – с частотой 290 кГц. Размеры первого элемента H=7,5 мм;

L=2,6 мм;

B=13 мм. Размеры второго элемента H=6,1 мм;

L=2,6 мм;

B=13 мм.

Торцевые поверхности пьезоэлементов соприкасаются с водой.

На рисунке 1 приведены АЧХ полной и активной проводимости свободных элементов, настроенных на 240 кГц и 290 кГц.

Рис.1. АЧХ полной и активной проводимости свободных элементов, настроенных на 240 кГц и 290 кГц Применение программного пакета ANSYS позволяет определить форму колебаний пьезоэлемента, соответствующего заданным параметрам и характеристикам. На рисунке 2 приведены формы колебаний свободных элементов, работающих на частоте 240 кГц и 290 кГц.

Содержание XXV сессия Российского акустического общества, Сессия Научного совета по акустике РАН Акустика океана Решение для пьезоэлемента, нагруженного на воду, в методе конечных элементов может быть получено только в конечно-расчетной геометрической области, т.е. в ограниченном объеме. Для моделирования распространения волн в жидкости в достаточно большом объеме на внешней поверхности моделирующей жидкости задаются специальные акустические конечные элементы, в которых волна давления, уходящая из расчетной области, должна быть поглощена с минимальным отражением назад.

Кроме того, на горизонтальной поверхности, ограничивающей жидкость, необходимо ввести условие «жесткого экрана». Объем жидкости моделируется полусферой соответствующего радиуса. Для определения водной среды в настоящей задаче достаточно задать две константы: плотность воды и скорость звука в воде[1].

Рис.2. Форма колебаний свободных пьезоэлементов Используя функцию плоского деформированного состояния, приводится конечно-элементная модель пьезоэлементов, нагруженных на воду, входящих в состав антенны. В состав антенны входят два типа элементов: пьезоэлементы, настроенные на 240 кГц и 290 кГц.

Рис.3. Конечно-элементная модель пьезоэлементов, нагруженных на воду Временная зависимость давления в точке наблюдения приведена на рисунке 4.

Во времени наблюдаются биения с частотой примерно 50 кГц.

Построенная модель и разработанный алгоритм расчета могут успешно применяться для оптимизации выбора конструкции антенны.

Содержание XXV сессия Российского акустического общества, Сессия Научного совета по акустике РАН Акустика океана Рис.4. Временная зависимость давления в точке наблюдения ЛИТЕРАТУРА 1. ANSYS. THEORY REF. REL. 5.4 ED.P.Kothenke/AHSYS Inc.Houston, 1997.

Иванов Н.М., Милославский Ю.К., Митько В.Н., Пашня А.С. «Гидроакустическая многочастотная антенна для систем 2.

обнаружения и пеленгации малогабаритных подводных объектов и контроля экологической обстановки » - // Труды X Всероссийской конференции «Прикладные технологии гидроакустики и гидрофизики». – СПб., 2010. – C. 191-192.

УДК 542. С.В.Кузьмин, В.В.Савицкий ОПТИМАЛЬНОЕ ПОСЛЕДОВАТЕЛЬНОЕ ПРАВИЛО ОТОЖДЕСТВЛЕНИЯ ТРАЕКТОРИЙ ЦЕЛЕЙ В ИНТЕГРИРОВАННОЙ СИСТЕМЕ ОСВЕЩЕНИЯ ПОДВОДНОЙ ОБСТАНОВКИ Филиал №3 ОАО"Концерн"ЦНИИ"Электроприбор" Россия,117036, Москва, ул. Шверника, д. Тел: (495) 660-23-02;

Факс: (495) 660-58-66;

E-mail: savitsky@progs.igas.ru.

В статье рассматривается возможность использования при решении задачи отождествления информации об обнаруженных целях, полученных от различных систем наблюдения в интегрированной системе освещения подводной обстановки, методов последовательного анализа, который обеспечивает заданную вероятность решения за минимальное время.

При создании современных корабельных интеллектуальных систем освещения подводной обстановки важнейшей задачей является получение точной и достоверной информации об окружающей обстановке.

Для этой цели используются средства обнаружения как носителя ГАК, так и средства обнаружения беспилотных подводных систем, входящих в состав интегрированной системы [1]. Предполагается, что беспилотные подводные системы (их может быть несколько) располагают многоканальной системой освещения подводной обстановки, которая использует каналы обнаружения, аналогичные каналам обнаружения носителя, основанные на различных физических принципах. В каждом канале обнаружения объекта интегрированной системы производится вторичная обработка информации в ЦВК этого объекта [2]. Для получения объективной картины внешней обстановки информация о целях, полученная во всех каналах обнаружения объектов, объединенных в интегрированную систему, должна отождествляться. В работе [3] использован байесовский подход при решении задачи отождествления целей.

На первом этапе решается задача отождествления траекторий целей, обнаруженных в разных каналах наблюдения в ЦВК данного объекта интегрированной системы. При очередном поступлении информации с выхода вторичной обработки одного из режимов производится экстраполяция координат всех ранее обнаруженных целей других режимов на текущий момент времени в системе координат этого объекта.

Далее производится решение задачи отождествления траекторий целей всех режимов во всех последующих обзорах. После решения задачи отождествления во всех режимах обнаружения данного объекта информация обо всех целях, отождествленных и неотождествленных, передается в ЦВК носителя с пересчетом координат в декартову систему координат носителя и решается задача отождествления Содержание XXV сессия Российского акустического общества, Сессия Научного совета по акустике РАН Акустика океана обобщенной информации, поступившей из разных объектов интегрированной системы. После этого производится комплексирование координат всех отождествленных объектов, и вся информация об обнаруженных целях выдается на экран оператору носителя.

В работе рассматривается задача последовательного отождествления траекторий группы близкорасположенных целей. В этой ситуации задача сводится к различению N статистических гипотез.

Обозначим через ( xi (n), yi (n)) вектор – разность сглаженных координат двух траекторий, сопровождаемых разными каналами наблюдения, приведенных на один момент времени tn ( n номер обзора, n = 1,2..., K ), причем координаты цели, полученные от системы обнаружения №1 (условно) фиксируются и сопоставляются с координатами i ой цели (i = 1, 2..., N ), полученными от системы обнаружения №2.

Гипотеза H i состоит в том, что координаты i ой цели системы обнаружения №2 и координаты фиксированной цели системы обнаружения №1 принадлежат одной и той же траектории.

При условии истинности гипотезы H i Mxi (n) = 0, Myi (n) = 0 (1) При истинности гипотезы H i, т.е. при отрицании гипотезы H i, имеем Mxi (n) cos, Myi (n) sin (2) [0, 2 ], минимально где угол имеет равномерное априорное распределение на отрезке допустимое расстояние между разными целями.

При истинности гипотезы H i неравенства в (2) можно заменить равенствами, что соответствует выбору наиболее трудно отличимой альтернативной гипотезы. Значения и yi (n) рассматриваются как xi (n) n.

гауссовские марковские последовательности с коэффициентами корреляции rn и дисперсиями При моделировании рассогласований xi (n) и yi (n) использовались зависимости:

xi (n)= rn 1 xi (n 1) + n 1 1 rn21 i ( n) + i (1 rn 1 ) cos yi (n)= rn 1 yi (n 1) + n 1 1 rn21 i (n) + i (1 rn 1 ) sin i ( n ) i (n) независимые стандартные гауссовские случайные величины, i i = где и = 0 при и i = 1 при i 1.

Это соответствует случаю, когда данной цели канала обнаружения №1 соответствует первая траектория канала обнаружения №2.

Для логарифма отношения правдоподобия 2 (1 rk ) 2 n + ln I 0 ( Z i (n)) Li (n) = (3) 2 12 k =1 2 k2 (1 + rk ) где Zi (= ( S12i + S2i ) n) (4) ( xi (k + 1) r xi (k )), n x1 (n) + причем = (5) S1i (n) k2 (1 + rk ) k = ( y (k + 1) r yi (k )).

n y ( n) S1= 1 2 + i 2 (6) ( n) 1 k (1 + rk ) i k = I 0 (a) функция Бесселя нулевого порядка Здесь 1 (a 0) eacos d = (7) I 0 (a ) Содержание XXV сессия Российского акустического общества, Сессия Научного совета по акустике РАН Акустика океана В данном случае двух гипотез H i и H i оптимальное последовательное решающее правило состоит в сравнении величины Li (n) с порогами:

Bi (n) Li (n) Ai (n) (8) Причем гипотеза H i принимается при выходе за верхний порог Li (n) Ai (n), (9) а гипотеза принимается при выходе за нижний порог Hi Li (n) Bi (n), (10) в случае (8) наблюдения продолжаются. При этом обращается в минимум математическое ожидание потерь, состоящих из штрафов за неверные решения и стоимости наблюдений. С учетом того, что для группы траекторий требуется различать не две гипотезы H i и H i, а N пар таких гипотез ( H i против H i при i = 1, 2,..., N ), причем истинной может быть лишь одна из гипотез H i ( i = 1, 2,..., N ), следует определить оптимальные значения порогов Ai (n) и Bi (n). Определение оптимальных порогов основано на решении рекуррентного уравнения для функции условного риска. Обозначим Li (n) = L( Z i (n)).

Пусть P условная вероятность гипотезы H i, а (1 P ) гипотезы H i. После n наблюдений, в i i результате которых получены значения ( xi (1), yi (1)),...,( xi (nу n( )), апостериорная вероятность гипотезы ), i равна:

Hi P i (n) = Pi ( H i /( xi (1), yi (1)),...,( xi (nу n( ))) = ), i Pi P L( Z ( n)) L( Z ( n )) e i ) /(1 + i e i ) =( (11) 1 Pi 1 Pi P2i (n) = Pi ( H i /( xi (1), yi (1)),...,( xi (nу n( ))) = 1 P i (n) (12) ), i Апостериорные вероятности P i (n) и зависят от результатов наблюдений лишь через посредство P2i (n) функций Zi (n) = Z [( xi (1), yi (1)),...,( xi (nу n( ))], поэтому является достаточной статистикой для Z i ( n) ), i различения гипотез H i и H i. Статистика Zi (n) обладает свойством транзитивности [4]:

P( Z i (n + 1) /( xi (1), yi (1)),...,( xi (nу n( ))) = P( Zn( + 1) / Zn( )) (13) ), i i i имеет равномерное априорное распределение в интервале [0, 2 ]. Поэтому статистика если величина достаточна для оптимального последовательного различения гипотез H i и H i. При различении Z i ( n) N пар гипотез H i и H i, когда истинной может быть лишь одна из гипотез (или ни одной), в Hi качестве статистики примем:

Z n = 1min Zi (n) (14) i N Случайный процесс можно приближенно рассматривать как марковский, пренебрегая Z ( n) последействием :

P( Z n / Z n1 ) = P( Z n / Z n1, Z n2,..., Z1 ) (15) Тогда можно рассматривать условное математическое ожидание будущих потерь для оптимального последовательного решающего правила как функцию от Z и n. Эту функцию назовем функцией условного риска и обозначим Sn ( z ). При прекращении наблюдений в момент n, при условии получения Z n = Z, условное математическое ожидание возможных потерь равно:

величины W ( Z, n) min[W1 P n ( Z );

W2 (1 P n ( Z )) + W3 P n ( Z ) (1 R1n ( Z ))] = (16) 1 1 W1 штраф за неправильное отождествление;

где W2 штраф за неправильное неотождествление;

Содержание XXV сессия Российского акустического общества, Сессия Научного совета по акустике РАН Акустика океана W3 штраф за перепутывание траекторий.

R1n ( Z ) условная вероятность того, что минимум Z i достигается на истинной паре трассовых отметок.

Pr ob1(Z, n) [1 F2 ( Z, n)]5 (17) R1n ( Z ) = Pr ob1(Z, n) [1 F2 ( Z, n)]5 + 5 [1 F1 (Z, n)] Pr ob2(Z, n) [1 F2 ( Z, n)] где Pr ob1( Z, n) плотность распределения величины Z i (n) при истинности гипотезы H i ;

F1 ( Z, n) функция распределения с плотностью Pr ob1(Z, n);

Pr ob2( Z, n) плотность распределения величины Z i (n) при истинности гипотезы H i ;

F2 ( Z, n) функция распределения с плотностью Pr ob2( Z, n).

Для оптимального последовательного решающего правила условный риск удовлетворяет уравнению:

Sn ( Z ) = W ( Z, n);

C + M {Sn +1 ( Z n +1 ) / Z n = }] min[ Z (18) где M {Sn +1 / Z n = Z } обозначает условное математическое ожидание;

== = M {Sn +1 ( Z n +1 ) / Z n Z } Sn +1 ( Z n +1 ) P( Z n +1 / Z n Z )dZ n +1 (19) Интеграл (19) вычисляется методом Монте–Карло в соответствии с его вероятностным смыслом.

Считаем, что число наблюдений ограничено. Тогда при n T имеем:

ST ( Z ) = W ( Z, T ) (20) Sn ( Z ) при n T определяются при помощи рекуррентного уравнения (18), начиная от Значения n T 1 до n = 1.

= Оптимальные пороги A(n) и B(n) определяются как точки, в которых минимум в (18) переходит на функцию W ( Z, n).

Реализация полученного решающего правила сводится к сравнению максимального логарифма отношения правдоподобия – или, что эквивалентно, минимального значения:

min Z i (n) = Z (n) (21) 1i N с найденными порогами A(n) и B(n).

При выходе Z (n) за верхний порог принимается решение о неотождествлении данной трассы источника обнаружения №1 ни с одной трассой источника обнаружения №2, а при выходе за нижний порог принимается решение об отождествлении данной пары трасс.

В случае группы целей решение об отождествлении можно принимать на основе решения задачи выбора xij линейного программирования: найти значения, равные 0 или 1, такие, что:

N xij Zij (n) = (22) min i, j = при условии xij (n) N, причем выбранные значения Zij нужно сравнить с порогами A(n) и B ( n).

j Проведенные исследования по предложенной выше методике показывают, что применение последовательного анализа в задачах отождествления траекторий оказывается эффективным в многоканальной системе обнаружения целей. Привлечение дополнительно параметров движения целей для решения задачи отождествления целей повышает вероятность принятого решения.

ЛИТЕРАТУРА Кузьмин С.В. Предложения по созданию многоканальной выносной системы обнаружения, целеуказания и наведения в 1.

интересах применения морского подводного оружия. Межотраслевая научно – практическая конференция “ВОКОР – 2011”. Санкт – Петербург. 2011г.

Иванов А.М., Селезнев И.А.. Решение задачи обнаружения целей с использованием системы шумопеленгования, 2.

размещенной на АНПА. Научно-техн. cб. Гидроакустика. 2011. №1.

Машошин А.И., Силина Т.А.. Алгоритм функционирования системы комплексной обработки информации 3.

гидроакустического комплекса подводной лодки. Научно-техн. cб. Гидроакустика. 2011. №1.

Петров Б.Н., Уланов Г.М., Ульянов С.В., Хазен Э.М. Информационно – семантические проблемы в процессах 4.

управления и организации. М. Наука, 1977г.

Содержание XXV сессия Российского акустического общества, Сессия Научного совета по акустике РАН Акустика океана УДК 534. Э.П.Гулин, С.Н.Кащеев МНОГОКЛАССОВЫЙ АДАПТИВНЫЙ АЛГОРИТМ РАСПОЗНАВАНИЯ ПО ОБУЧАЮЩИМ ВЫБОРКАМ ПРИЗНАКОВ В N-МЕРНОМ МЕТРИЧЕСКОМ ПРОСТРАНСТВЕ ФГУП «Акустический институт им. акад. Н.Н. Андреева»

Россия, 117036 Москва, ул. Шверника, д. Тел.: 8(499)7236511;

Факс: 8(499) E-mail: bvp@akin.ru Разработан алгоритм обучения распознаванию по заданным выборкам реализаций признаков в n – мерном метрическом пространстве. Алгоритм построен на принципах адаптивной оптимизации Байесова критерия – оценки средней вероятности ошибочной классификации по обучающей выборке. Решающие правила распознавания вычисляются градиентной программой адаптивного поиска экстремума функционала качества, построенной на принципах синтеза нейронной сети – многоканального линейного персептрона.

Компьютерная программа, реализующая разработанный алгоритм, использована для проведения моделирования с целью получения оценок эффективности многоклассового распознавания лоцируемых малоразмерных подводных объектов в мелком море.

В настоящей работе представлены обоснования алгоритма и структура разработанных программ обучения многоальтернативному распознаванию по классифицированным выборкам сигналов в многомерном пространстве признаков. В исторической ретроспективе интерес исследователей по обозначенной проблеме в настоящее время сместился от разработок частных алгоритмов в различных областях технических применений методов распознавания в условиях полной определенности (60-е-80-е годы XX века) к разработке адаптивной теории синтеза оптимальных систем цифровой обработки сигналов и управления динамическими системами в условиях отсутствия априорных сведений о структуре оптимизируемых систем и свойствах сигналов и помех. Убедительной иллюстрацией этого перехода могут служить монографии [1,2], изданные в последнем десятилетии периода расцвета теории искусственных нейронных сетей, и представляющие переход от теории адаптивной обработки сигналов к общей информационной теории идентификации систем.

Рассмотрим общую структуру двух алгоритмов распознавания и обучения распознаванию.

Исходной информацией при обучении является классифицированная выборка сигналов для заданной совокупности классов, т.е. M массивов L-мерных векторов с заданным числом векторов N j в каждом массиве (j=1, 2, …, M) и общим числом векторов в объединенной выборке N 0. Результатом обучения является матрица M w, состоящая из векторов W j для j = 1, …, M, каждый их которых задает стационарную точку адаптивного алгоритма обучения для класса j – M w = (W 1,…, W M)T, где T – знак транспонирования. Определим понятие дискриминантной функции класса G j (X) в простом бинарном алгоритме (распознавание одного класса против всех остальных классов). Дискриминантная функция j-го класса - это скалярное произведение расширенного вектора признаков X и вектора параметров гиперплоскости W j G j (X) = (W j · X), (1) где X = (X 1, …, X L, 1)) - расширенный вектор признаков, L – число признаков, M -число классов, W j вектор параметров решающего правила распознавания j-го класса на n-й итерации адаптивного алгоритма обучения (размерность вектора - L+1). Дискриминантная функция G j (X) имеет вполне определенный геометрический смысл в L+1 - мерном пространстве признаков X, а именно: уравнение G j (X) = (W j · X) = W 1 · X 1 + W 2 · X 2 +…+ W L · X L + W L+! · 1 = 0 (2) определяет L-мерную гиперплоскость j-го класса, где X -есть произвольная точка гиперплоскости, а вектор W j определяет параметры гиперплоскости. Если X (0) есть произвольный вектор признаков, то расстояние d j от точки X (0) до гиперплоскости W j определяется выражением d j (X) = (W j · X (0)) · n j = G j (X (0)) · n j, (3) где L n j = ( Wi2 )-1 2 - (4) i= нормирующий множитель гиперплоскости W j, при этом d j 0, если точка X (0) находится в положительной полуплоскости (по другую сторону гиперплоскости по отношению к точке начала координат). Из сказанного следует, что положительный знак дискриминантной функции G j или функции Содержание XXV сессия Российского акустического общества, Сессия Научного совета по акустике РАН Акустика океана d j определяет область, отделяющую гиперплоскостью W j векторы X класса с номером j от всех прочих векторов, не принадлежащих к этому классу, т.е. область правильного распознавания класса. Поскольку при обучении известна принадлежность любого вектора признаков к своему классу, появляется возможность определить число правильно распознанных векторов в каждом классе и число ошибочно отнесенных векторов к каждому из остальных классов и сформировать критерий оптимизации адаптивного процесса поиска стационарной точки W j. Рассмотрим два критерия оптимизации в адаптивном процессе оценивания матрицы параметров разделяющих гиперплоскостей M w - минимизацию оценки средней вероятности ошибки распознавания j-го класса (ОСВОР) Jn j и минимизацию оценки суммарного расстояния до гиперплоскости Wj для всех ошибочно распознанных векторов j-го класса (СРОР) Js j, образующих подмножество векторов { X i }. Значения функционалов Jn j и Js j вычисляются для n-й итерации адаптивной процедуры следующим образом:

Jn j = nm j / N (j), (5) nm j d (X ). Js j = (6) j i i= Здесь nm j - число ошибочно распознанных векторов j-го класса, a суммирование в (6) проводится по подмножеству ошибочно распознанных векторов { X i- } в j-м классе. Правилом принятия решения о наличии ошибки в алгоритме обучения при распознавании вектора (X i) является следующее утверждение:

вектор Xi относится к классу с номером j, для которого достигается максимум дискриминантной функция G j (X i) j-го класса. Поскольку при обучении истинная принадлежность векторов к классу известна, функция ошибки e n(i, j) в текущей n-й итерации e n(i, j)=0 для i = j, когда G I (X)G j (X) (вектор X i распознан правильно) и e n(i, j)= ± 1 для i j, когда G i (X)G j (X) (вектор Xi распознан с ошибкой). Если X i распознан неправильно, проводится коррекция параметров двух разделяющих гиперплоскостей W i и W j:

W i (n+1) = W i (n) + с X i, (7) W j (n+1) = W j (n) - с X j. (8) Здесь с - параметр сходимости процесса. Далее производится вычисление функции критерия (5) для всех векторов объединенной выборки векторов {X} всех классов и переход алгоритма к следующей итерации.

Коррекция по правилам (7), (8) обеспечивает случайное перемещение разделяющих гиперплоскостей классов i и j в направлении уменьшения числа ошибок распознавания классов i и j. Процесс коррекции в текущей итерации повторяется для всех классов (i = 1,…, M). Затем проводится вычисление критерия оптимизации (ОСВОР) в текущей итерации по всем классам и процесс повторяется для следующей n+1–й итерации. При завершении установленного числа итераций процесс может быть продолжен, если разделение классов не закончилось. Алгоритм завершается в стационарной точке при достижении полного разделения классов (если множества векторов классов не пересекаются), либо переходит в режим автоколебаний вблизи минимального значения суммарного числа ошибок. Отметим, что для двухклассовой задачи обучения аналогичная коррекция параметров была предложена в работе [3].

Экспериментальная проверка алгоритма на модельной задаче показала устойчивую работу программы и эффективное обучение распознаванию на признаках, связанных с параметрами обратного рассеяния эхо-сигнала от малоразмерных объектов простых геометрических форм [4, 5]. Тем не менее, для ускорения процесса сходимости алгоритма адаптации был использован функционал ошибки, основанный на вычислении суммарного расстояния до разделяющих гиперплоскостей всех ошибочно распознанных векторов (6) и вычислении оценок его градиента. Определим полный функционал как сумму частных функционалов Js j по всем классам M Js(j) Js = (9) j= и правило коррекции параметров векторов из подмножества ошибочно распознанных векторов { X i } по каждому классу j в текущей итерации n пропорционально значению оценки градиента частного функционала ошибки Js j W j (n+1) = W j (n) + с grad (Js j (n)). (10) Градиент частного функционала ошибки grad (Js j (n)) оценивается в текущей итерации для каждого класса при контрольной корректировке вектора W j (n) на величину пробного шага ± h:

Содержание XXV сессия Российского акустического общества, Сессия Научного совета по акустике РАН Акустика океана grad ( J s j (n)) = (J s j (n, Wj+ h (n)) – J s j (n, Wj h (n))) / 2 h. (11) Изменением величины шага h алгоритм позволяет выходить из локальных оврагов функционала ошибки Js и обеспечить движение в направлении глобального минимума функционала.

С помощью рассматриваемого алгоритма было выполнено моделирование распознавания подводных пловцов (ПП) в мелком море при наличии альтернативных классов малоразмерных подводных объектов, которые по ошибке могут быть приняты за ПП. Расчеты проведены для расширенного перечня классов, содержащего 7 наименований: К1 - ПП на ластах, К2 - ПП на средствах движения, К3 - местные отражающие объекты на дне естественного и искусственного происхождения («местники»), К4 слабоскоростные малотоннажные суда, К5 - дрейфующие объекты (топляки деревьев, сорванные поплавки сетей и пр.), К6 - морские млекопитающие (дельфины, тюлени и т.д.), К7 - косяки рыб.

Использовались 4 классификационных признака (КП): КП1 –радиус эквивалентной сферы rэ, определяющий отражательную способность лоцируемого объекта, КП2 – акустическая протяженность лоцируемого объекта L, определяемая временем затягивания эхо-сигнала, КП3 – уровень когерентности эхо-сигнала (величина, обратная коэффициенту диффузности) и КП4 – скорость движения V. Исходные данные о функциях распределения КП для 7 классов рассматриваемых объектов эхо-локации приведены в табл. 1. Цифры в скобках соответствуют среднему значению m и СКО для нормальных распределений вероятностей N(m, ) = (1 / 2 ) exp [-(x-m)2 / 2 2], наименьшим и наибольшим значениям для равномерных распределений Rav и СКО для распределений Рэлея R( ) = (x / 2) exp (-x2 / 2).

Таблица 1.

Классы КП1 КП2 КП3 КП К1 N (0,2 0,07) N (1,0 0,3) N (0,3 0,1) N (0,5 0,2) К2 N (0,4 0,14) N (1,5 0,5) N (0,3 0,1) N (1,0 0,3) К3 Rav (0 1,5) Rav (0 10) Rav (0 0,3) R (0,125) К4 Rav (0 1,5) Rav (0 10) N (0,3 0,1) N (1,5 0,5) К5 Rav (0 1,5) Rav (0 10) Rav (0 0,3) N (0,5 0,5) К6 N (0,2 0,07) N (0,3 0,1) N (0,3 0,1) N (2,0 0,7) К7 Rav (0 1,5) Rav (0 10) Rav (0 0,1) Rav (0 2,0) При эхолоцировании подводных малоразмерных объектов эхо-сигналы обычно принимаются на фоне преобладающей реверберационной помехи, обусловленной обратным рассеянием звука на границах водоема (на поверхности и на дне) и в объеме водной среды. Приведенные в табл. 1 числовые значения параметров распределений КП соответствуют реальным условиям гидроакустического мониторинга малоразмерных объектов в мелководном прибрежном районе со слабо рассеивающим илистым дном при скорости ветра, не превышающей 3-5 м/с, и отношении сигнал / помеха (ОСП) не менее 20 дБ. Согласно расчетным оценкам, ОСП 20 дБ в таких условиях может наблюдаться, например, в случае согласованной (взаимно-корреляционной) обработки эхо-сигналов при слабо направленном излучении шумоподобных сигналов длительностью 10 мс с шириной полосы 2 кГц и центральной частотой 50 кГц в мелководном районе с глубиной 40 м и приеме веером узконаправленных лепестков антенны с эффективной шириной 3,60 в горизонтальной плоскости и 100 в вертикальной плоскости на дистанциях 50-70 м.

Выполнены 4 варианта расчетов по двум критериям оптимизации, определяемым выражениями (5) и (6). В варианте 1 рассматривалось трехклассовое распознавание малоразмерных объектов (МЗО) для двух основных классов К1 и К2 (подводные пловцы) и одного альтернативного класса К3 (местные предметы искусственного и естественного происхождения). Во 2-м варианте рассматривалось распознавание основного класса К1 (пловцы на ластах) при пяти альтернативных классах К3 – К7. В 3-м варианте класс К1 был заменен классом К2 (пловцы на средствах движения). В варианте рассматривались все 7 классов МЗО: К1 – К7. Ниже по результатам моделирования приведены матрицы распознавания для четырех вариантов расчета (МК1, МК2, МК3 и МК4) по первому критерию оптимизации. В каждой матрице по диагонали приведено число правильных решений для класса соответствующего номера, а по столбцам (за исключением диагональных элементов), - число ошибочных отнесений к чужим классам. Для проведения моделирования с помощью вспомогательной программы генерирования случайных чисел с заданными законами распределения вероятностей были сформированы массивы векторов по 100 реализаций в каждом классе. При расчетах по варианту 1 результат достигнут за 15000 итераций от начальной точки W (…) = 1 для коэффициента сходимости c = 0,001. Суммарное число ошибок составило 31 на векторов при средней вероятности правильного распознавания (ВПР) по всем трем классам F0 = 0,897.

Содержание XXV сессия Российского акустического общества, Сессия Научного совета по акустике РАН Акустика океана Стационарная точка параметров решающего правила W0 может быть улучшена при увеличении числа итераций и изменении коэффициента сходимости. При проведении для тех же классов расчетов по программе, реализующей второй критерий оптимизации и стартовавшей из стационарной точки W0, средняя ВПР увеличилась до 0,937 с числом ошибок 19 на 300 векторов в выборке. Расчеты показали уверенное различение основных классов К1 и К2 с оценками ВПР 0,86 и 0,89 на фоне альтернативного класса К3.

76 9 5 0 5 3 86 10 5 14 62 0 13 6 2 MK1 = 11 89 1 2 2 40 4 44 0 3 1 94 MK4 = 0 10 2 50 23 1 7 9 36 4 7 0 0 2 0 2 0 94 1 6 17 27 15 0 83 6 2 5 3 2 66 1 14 10 4 3 44 4 39 0 10 2 48 2 40 0 0 1 55 25 2 20 7 1 50 21 4 MK2 = 11 31 7 12 0 38 MK3 = 10 36 3 11 0 0 0 4 0 95 2 5 0 1 0 92 3 18 28 19 0 28 10 14 30 18 0 Для второго варианта расчетов по первому критерию оптимизации получены оценки ВПР шести классов: Fi = 0.83, 0.44, 0.55, 0.12, 0.95, 0.28 (i=1, 3, 4, 5, 6, 7 – номера классов). Средняя ВПР равна F0 = 0,528, суммарное число ошибок - 283, число правильных решений - 317. С оценками ВПР 0. разделяются классы К1, К4 и К6. Различимость класса К1 (ПП на ластах) возросла по сравнению с результатами расчетов по варианту 1 до уровня F1 = 0,83 за счет устранения влияния класса К2. Класс К распознан как класс К3 из-за близости параметров функций распределения векторов этих классов. Расчет по второму критерию оптимизации из стартовой точки W0 несколько улучшил результат разделения классов до уровня F0 = 0,575 с числом ошибок 255 и числом правильных решений 345. Третий вариант расчетов привел к оценкам ВПР Fi = 0.66, 0.48, 0.5, 0.11, 0.92, 0.27 (i = 2 – 7) и F0 = 0.49 при суммарном числе ошибок 306 и числе правильных решений 294. Расчет по второму критерию оптимизации из стартовой точки W0 улучшил результат разделения классов до среднего уровня F0 = 0,557 с числом ошибок 266 и правильных решений 334. Наконец, по результатам четвертого варианта расчетов получены следующие оценки ВПР для разных классов и средней ВПР по всем семи классам: Fi = 0.76, 0.62, 0.4, 0.5, 0.07, 0.94 (i = 1 – 7), F0 = 0,514. Суммарное число ошибок составило 340, а число правильных решений 360. Расчет по второму критерию оптимизации из стартовой точки W0 практически не изменил результат разделения классов (F0 = 0,517 с числом ошибок 338).

Таким образом, по результатам расчетов с использованием разработанного алгоритма, двух критериев оптимизации и выбранного перечня классификационных признаков достаточно высокие значения вероятности правильного распознавания лоцируемых малоразмерных объектов при низких уровнях реверберационной и аддитивной шумовой помехи получены для подводных пловцов (классы К и К2) и морских млекопитающих (класс К6).

Для других рассматриваемых альтернативных классов надежность распознавания существенно ниже (это относится, в частности, к таким классам подводных объектов, как дрейфующие объекты и косяки рыб). Для получения оценок эффективности распознавания лоцируемых малоразмерных объектов в условиях повышенного уровня поверхностного, объемного и донного рассеяния акустических сигналов необходимо провести дополнительное компьютерное моделирование с учетом влияния реверберационных помех.

ЛИТЕРАТУРА 1. Уидроу Б, Стирнз С Адаптивная обработка сигнала / Пер. с англ. - М.: Радио и связь, - 1989. - 440 С.

2. Цыпкин Я.З. Информационная теория идентификации / М.: Наука. Физматлит, 1995. – 336 С.

3. Нильсон Н. Обучающие машины / Пер. с англ. – М.: Мир, 1970. – 300 С.

4. Краснов П.С. Классификационные параметры малоразмерных затонувших объектов // Сб. трудов XVIII сессии РАО. - М.: ГЕОС, 2006. - Т.2. - С. 235-238.

5. Баранов В.А., Гулин Э.П., Кащеев С.Н., Краснов П.С. Применение адаптивных алгоритмов обработки информации к задачам обучения распознаванию гидроакустических сигналов // Сб. трудов XVIII сессии РАО.

– М.: ГЕОС, 2006. – Т.2. – С. 243-247.

Содержание XXV сессия Российского акустического общества, Сессия Научного совета по акустике РАН Акустика океана УДК 534. Э.П.Гулин НЕКОТОРЫЕ РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ ГИДРОАКУСТИЧЕСКОГО КАНАЛА ПЕРЕДАЧИ ДИСКРЕТНОЙ ИНФОРМАЦИИ ФГУП «Акустический институт им. акад. Н.Н. Андреева»

Россия, 117036 Москва, ул. Шверника, д. Тел.: 8(499)7236511;

Факс: (499)1268411;

E-mail: bvp@akin.ru Приведены результаты экспериментов по передаче последовательностей импульсных гидроакустических сигналов, имитирующей передачу телеграфных сообщений разными способами, в Черном море (условия термического подводного звукового канала), в Средиземном море (условия приповерхностного волновода) и в Тихом океане в условиях зональной структуры поля на расстояния от нескольких десятков до нескольких сотен километров. Выявлены основные виды искажений сигналов, приводящие к ошибкам при расшифровке элементов в передаваемых сообщениях. Получены экспериментальные оценки эффективности передачи дискретной информации кодом Морзе, методами многочастотного телеграфирования, амплитудной и относительной фазовой телеграфии.

Искажающее воздействие канала распространения сигналов в различных физических средах нарушает взаимно-однозначное соответствие между переданной и принятой информацией, в результате чего переданное сообщение может быть восстановлено лишь с некоторой степенью достоверности [1].

Для передачи дискретной информации тонально-импульсными сигналами в принципе могут быть использованы разные параметры сигналов: амплитуда, фаза, частота, длительность импульсов и их форма.

В случае гидроакустического канала эти параметры сигналов, принимаемых на фоне аддитивных помех, испытывают искажения, обусловленные многолучевым распространением и случайными флуктуациями сигналов, приходящих по разным лучам, что приводит к ошибкам, сбоям при передаче информации.

Степень искажений перечисленных параметров импульсных сигналов существенно зависит от акустико океанологичес-ких условий, расстояния между корреспондентами, глубины их погружения, выбранного диапазона частот. Многолучевое распространение приводит к увеличению длительности (временному затягиванию) принимаемых сигналов и наложению соседних импульсов в передаваемых последовательностях. Для достижения достаточно высокой достоверности принимаемых сообщений приходится либо увеличивать длительность импульсов (элементарных сигналов) T0 на величину, превышающую эффективное время затягивания Tэф, либо вводить защитный интервал между соседними импульсами t Tэф [1]. И в том, и в другом случае это снижает скорость передачи информации. При движении корреспондентов относительно друг друга нередко наблюдаются глубокие интерференционные замирания сигналов, обусловленные многолучевостью. Случайные флуктуации, вызванные рассеянием акустических сигналов взволнованной морской поверхностью, турбулентными неоднородностями морской среды, неровностями и неоднородностями морского дна (при движении корреспондентов) и внутренними волнами, приводят к изменчивости формы импульсов, их среднего уровня и длительности, в результате чего снижается вероятность правильного приема передаваемых дискретных сообщений.

С целью получения практических оценок эффективности передачи информации в различных условиях разными способами были проведены эксперименты в Черном море, Средиземном море и в Тихом океане (в районе восточнее Японской впадины). В Черном море исследования проводились в летний период в условиях термического подводного звукового канала (ПЗК) с малой глубиной залегания оси (70-80 м). Слой температурного скачка занимал интервал глубин 20-30 м. Сведения о распределениях скорости звука по глубине и рельефе дна вдоль трасс распространения звука в районе экспериментов приведены в работе [2]. Слабо направленный в обеих плоскостях излучатель был установлен на склоне дна на глубине 35 м, а ненаправленный приемник опускался с борта судна на заданных расстояниях от излучателя и находился на глубине около 60 м. Как известно, в технике радиосвязи широкое применение получил код Морзе. В этом случае для расшифровки передаваемых сообщений необходимо различать отдельные элементы последовательностей излучаемых импульсных сигналов, соответствующих точке, тире и паузе, по их длительности. На расстояниях r = 37 и 55 км принимались кодовые последовательности импульсов с тональным и шумовым (в полосе f 0 = Гц) заполнением на частоте f = 4 кГц, передававшиеся со скоростью телеграфирования vt = 10, 20, 40 и 80 знак/мин. (длительность элементарного сигнала-точки составляла соответственно 400, 200, 100 и 50 мс). Эффективное время затягивания, определенное на уровне отсечки -10 дБ относительно среднего уровня в принимаемой Содержание XXV сессия Российского акустического общества, Сессия Научного совета по акустике РАН Акустика океана Tэф =100-200 мс, а последовательности импульсов, в условиях экспериментов составляло среднеквадратичное отклонение длительности импульсов T на том же уровне отсечки, характеризующее интенсивность флуктуаций длительности импульсов, достигало 50-100 мс. В этих условиях прием сообщений (цифро-буквенного текста) с ошибками, не превышающими 5 %, наблюдался при vt = знак/мин. (длительность элементарного сигнала-точки T0 =400 мс) для тональных импульсов и vt = знак/мин ( T0 =200мс) для шумовых импульсов. Приведенное значение T0 для тональных импульсов в 1.5 3 раза превышает величину t эф = Tэф + T. Эксперименты показали, что основной причиной появления ошибок при расшифровке принятых сообщений является дробление сигналов, приводящее как бы к уменьшению числа тире и к увеличению числа точек. Это не позволило добиться достаточно высокой достоверности передачи информации кодом Морзе в условиях экспериментов на частоте 4 кГц. Следует отметить, что при слабо направленном излучении существенную роль играли донно-поверхностные отражения и рассеяние на взволнованной морской поверхности в береговом клине, частично захватываемые ПЗК и приводившие к быстрым, достаточно глубоким замираниям. При наблюдавшемся во время экспериментов волнении силой 2-3 балла коэффициенты вариации амплитуды составляли A = 0.35-0.5. Уменьшение ошибок при переходе от тональных импульсов к шумовым связано с ослаблением замираний интерференционного происхождения и исключением глубоких интерференционных минимумов, в окрестности которых значительно снижалось отношение сигнал/помеха.

В тех же условиях ПЗК в Черном море кодом Морзе передавались сообщения на достаточно большие расстояния (200-300 км) при направленном излучении в вертикальной плоскости с угловым раствором характеристики направленности (ХН) 150 по уровню 0.7 на частоте 1.5 кГц. Излучатель, установленный на склоне дна, и ненаправленный гидрофон, опущенный с борта принимающего судна, находились на глубине 60 м. В результате обработки принятых последовательностей сигналов было установлено, что совокупное действие затягивания сигналов при наблюдавшихся значениях Tэф =0.2-0. T =0.1-0.2 с, дробления импульсов и глубоких медленных замираний сигналов с характерными с, периодами в несколько минут приводит к заметным ошибкам при скорости телеграфирования vt знак/мин. ( T0 0.7-0.8 с). Для передачи информации с ошибкой, не превышающей 5 %, необходимо было понизить скорость телеграфирования до 2-3 знак/мин ( T0 =1-2 c). В этих же условиях с целью получения оценок возможных ошибок при использовании частотной телеграфии (ЧТ) передавались последовательности частотно-манипулированных (ЧМ) сигналов. Параметром кодирования в данном случае была несущая частота. Импульсные сигналы длительностью 0.25 с излучались поочередно на частотах, отстоявших друг от друга на f =10 и 50 Гц. Определялось отнесенное к общему числу импульсов в принимаемой последовательности число превышений уровнем сигнала (или помехи) в паузах на каждой частоте уровня сигнала другой частоты, приходящего во время этих пауз. Эта величина дает оценку вероятности ошибки приема элементарного сигнала, обусловленной затягиванием и селективными замираниями сигналов, приводящими к трансформации одной частоты в другую. По результатам обработки данных, полученных в одной из серий экспериментов при r =200 км, f =1.5 кГц, t эф 0.25 с, за время наблюдения 3 мин. в случае f =50 Гц ошибки отсутствовали, а в случае f =10 Гц ошибки составляли около 1 %. В другой серии экспериментов передавались последовательности ЧМ сигналов с переключением частот через f =100 Гц в интервале от 1300 Гц до 1600 Гц и через f =10 Гц в интервале от 1530 Гц до 1560 Гц. В принятых на расстояниях 200 и 300 км последовательностях импульсов длительностью T0 = 0.35 с и 0.6 с при f = 100 Гц все частоты хорошо разделялись, ошибки отсутствовали, а при f =10 Гц, T0 = 0.6 с наблюдались ошибки, связанные с худшими условиями расфильтровки частот, - 2.5 % на частоте 1.54 кГц и 10 % на частоте 1.56 кГц (на частотах 1.53 и 1.56 кГц ошибок не было). Была проведена также серия экспериментов по передаче кодовых комбинаций из четырех частот с разнесением соседних частот на 10, 20, 50 и 100 Гц в окрестности частоты f =1.5 кГц.

Выполнялось как поочередное следование частот, так и следование парами частот (по две частоты одновременно). Передаваемые элементарные сигналы длительностью 0.6 с затягивались при приеме на Содержание XXV сессия Российского акустического общества, Сессия Научного совета по акустике РАН Акустика океана расстояниях 200 и 300 км до 0.8-1 с. По результатам обработки был определен процент ошибок относительно исходных кодовых комбинаций. Данные о числе ошибок в последовательностях сигналов продолжительностью 3-5 мин., переданных в разное время, приведены в табл 1. Анализ полученных результатов показал, что при одинаковой длительности элементарных сигналов T0 процент ошибок при передаче информации на расстояния 200 и 300 км методом многопозиционной ЧТ на четырех частотах в окрестности f =1.5 кГц в условиях ПЗК Черного моря примерно в 1.5 раза меньше, чем при передаче кодом Морзе на частоте 1.5 кГц. Одновременное излучение импульсных сигналов на двух частотах позволило сравнить два способа передачи информации – с кодированием по несущей частоте и по частоте биений. Использование частоты биений оказалось менее эффективным, поскольку при существенном различии уровней принимаемых сигналов на разнесенных частотах из-за глубоких селективных замираний биения плохо прослеживались, маскируясь шумовым фоном, а число ошибочно расшифрованных комбинаций возрастало в 2-3 раза.

Таблица 1. Процент ошибок при передаче кодовых комбинаций из четырех частот на расстояния 200 и 300 км.

r, км Ошибки в % f, Гц 200 10 1.5;

5.5;

1. 200 20 5.5;

5.0;

0;

0. 200 50 1.0;

5. 200 100 300 10 3. 300 50 10. 300 100 В условиях ПЗК Черного моря были поставлены также эксперименты по имитации передачи информации методом относительной фазовой телеграфии (ОФТ). Флуктуации амплитуды и фазы гидроакустических сигналов делают непригодными для передачи информации методы амплитудной и фазовой телеграфии в их классическом виде. Однако в условиях медленных флуктуаций, когда за длительность элементарного сигнала в передаваемой последовательности изменения параметров гидроакустического канала достаточно малы, могут быть использованы методы сравнения, или относительные методы передачи, и, в частном случае, - метод ОФТ. В случае ОФТ информация заложена в разности фаз соседних элементарных сигналов. В условиях многолучевого канала с медленными замираниями метод ОФТ обеспечивает уменьшение вероятности ошибок в 2-5 раз по сравнению с методом ЧТ, однако его эффективность резко снижается при наличии замираний с характерными периодами, сравнимыми с длительностью импульсов[1]. В ходе экспериментов проводилось излучение манипулированных по фазе (0 - ) серий импульсов на частоте 1.5 кГц при T0 =1 с. Прием сигналов производился на расстояниях 200 и 300 км при t эф 0.3-0.5 с. Обработка принятых сигналов выполнялась двумя способами – сравнением фаз соседних импульсов и сравнением их полярностей. В первом случае находилась разность фаз с опорным сигналом от высокостабильного звукового генератора после компенсации среднего доплеровского сдвига частоты, обусловленного дрейфом принимающего судна, а во втором случае - разность фаз с опорным сигналом, восстановленным из принятого ФМ сигнала по известной схеме Пистолькорса [1]. За время передачи 5 мин. число ошибочно расшифрованных элементов при обработке сравнением фаз не превышало 5-7 %. Ошибками считались скачки разности фаз /2 и 3 /2 вместо заданных исходных значений =. Наблюдавшиеся ошибки были обусловлены затягиванием и быстрыми флуктуациями сигналов, а также неполной компенсацией доплеровских сдвигов. При обработке методом сравнения полярностей уходы фазы, связанные с доплеровскими сдвигами частоты, полностью компенсировались опорным сигналом, что привело к уменьшению числа ошибок до 1-2 %. Измерения флуктуаций разности фаз сигналов с гидрофонов, разнесенных на расстояние, превышающее пространственный интервал корреляции флуктуаций, показали, что для реализаций длительностью 3-5 мин. в условиях экспериментов изменения разности фаз за время t = 0 не превышали 250 и составляли в среднем около 60. Отметим, что во всех экспериментах, T проводившихся в Черном море на частотах 1.5 кГц и 4 кГц, мощность акустического излучения Wa составляла от 0.5 кВт-до 1 кВт.

Содержание XXV сессия Российского акустического общества, Сессия Научного совета по акустике РАН Акустика океана Условия проведения экспериментов в Средиземном море характеризовались практически постоянной температурой по всей толще водной среды, в результате чего формировался приповерхностный гидростатический волновод вплоть до самого дна. Глубина моря в районе постановки экспериментов составляла около 2.5 км. В этом районе с целью определения искажений сигналов, передаваемых при амплитудной и частотной телеграфии, излучались последовательности амплитудно манипулированных (АМ) и частотно-манипулированных импульсных сигналов разной длительности (от 0.1 до 2.5 с) на частоте 3 кГц при Wa = 1 кВт. В случае АМ сигналов длительность импульсов T равнялась длительности пауз, а в случае ЧМ сигналов через одинаковые промежутки времени, равные T0, скачком изменялась частота заполнения на 100 Гц. Излучатель и приемная система опускались с борта дрейфовавших судов на заданные глубины. Излучатель, находившийся на глубине 200 м, имел направленность в вертикальной плоскости - эффективная ширина (по уровню 0.7) основного лепестка ХН составляла около 200. Прием сигналов производился вертикальной многоэлементной протяженной антенной и ненаправленными гидрофонами на расстоянии 108 км. Вертикальная антенна (ВА), находившаяся на глубине 150 м, позволяла формировать «веер» из 11 стационарных лепестков с эффективной угловой шириной и шагом по углу места, равными примерно 30. Ненаправленные гидрофоны были опущены на глубины 20, 150 и 600 м. Принимаемые сигналы приходили после отражений от взволнованной поверхности моря и при наблюдавшемся волнении силой 3-4 балла испытывали глубокие быстрые замирания с коэффициентами вариации амплитуды A =0.4-0.5. При обработке принятых последовательностей АМ сигналов сравнивались средние значения огибающих в соседних импульсе и паузе. Ошибкой считалось превышение средним уровнем сигнала в паузе, обусловленного затягиванием предыдущего импульса, среднего уровня сигнала в этом импульсе. При длительности импульсов T0 =2.5 и 1.5 с за время наблюдения 3-5 мин. ошибок не было как для АМ, так и для ЧМ сигналов при приеме на все 11 лепестков вертикальной антенны в секторе углов =150 и на все ненаправленные гидрофоны. Отметим, что при переходе от ненаправленного приема к узконаправленному величина t эф, характеризующая время затягивания сигналов, в условиях экспериментов уменьшалась с 0.5-0.8 с до 0.2-0.3 с. При уменьшении длительности импульсов до 1 с наблюдалось небольшое число ошибок (0.5-1 %) в некоторых лепестках и в ненаправленных приемниках.

Наименьшее число ошибок зафиксировано для лепестков под углами =00 и ± 30 с наименьшими значениями времени затягивания сигналов. Например, при T0 =0.5 с число ошибок для таких углов не превышало 2-3 %, тогда как при приеме на другие лепестки и на ненаправленные гидрофоны число ошибок возрастало до 7-20 %, а для = ± 150 достигало 30 %. Для последовательностей АМ и ЧМ сигналов число ошибок в среднем было примерно одинаковым. При T0 =0.2 с число ошибок возрастало до неприемлемо больших значений (до 25-50 % для большей части лепестков и в случае ненаправленного приема), но наименьшие значения (9-10 %) наблюдались в нулевом лепестке.

В ходе экспериментов, проводившихся в Тихом океане в районе восточнее Японской впадины, передавались последовательности импульсных сигналов на четырех разнесенных частотах (2975, 3000, 3025 и 3050 Гц) при отсутствии свободных промежутков (пауз) между импульсами. Импульсные сигналы длительностью 0.2 и 0.5 с излучались сериями примерно по 30 с через каждые 60 с при Wa = 1 кВт.

Каждая серия имитировала некоторую совокупность команд при многочастотном телеграфировании.

Район работ характеризовался зональной структурой акустического поля. Ось ПЗК находилась на глубине около 1000 м. Слабо направленный излучатель и ненаправленный приемник были опущены с борта дрейфовавших судов на глубину 80 м. Прием сигналов производился в третьей зоне конвергенции при расстоянии между излучателем и приемником 184 км. При обработке принятых сигналов определялось количество ошибок, вызванных трансформацией частот. Результаты экспериментов приведены в табл. 2, где приняты следующие обозначения: L число импульсов длительностью T0 в каждой серии;

n число импульсов, приня-тых с ошибками;

N число групп из четырех импульсов (число команд), принятых с ошибками;

n 100 n L число ошибочно расшифрованных позиций в % к общему числу импульсов L ;

= N = 100 N 0.25 L число ошибочно расшифрованных групп в % к общему числу групп L 4. Из Содержание XXV сессия Российского акустического общества, Сессия Научного совета по акустике РАН Акустика океана n изменяется в пределах от 0 до 7 % при таблицы следует, что число ошибок в сериях импульсов T0 = 0.5 с и от2.5 до 9 % при T0 = 0.2 с, а в среднем по всем сериям для обеих длительностей импульсов Таблица 2. Число ошибок при передаче кодовых комбинаций из четырех частот и приеме на расстоянии 184 км в Тихом океане в третьей зоне конвергенции.


Номер серии,%,% n T0,с N L n N 1 0.5 58 0 0 0 2 0.5 57 0 0 0 3 0.5 58 0 0 0 4 0.5 57 4 4 7 5 0.5 54 3 3 5.5 16. 6 0.5 58 1 1 1.7 7 0.5 54 3 3 5.5 16. 8 0.2 128 3 2 2.5 9 0.2 144 1 1 0.7 10 0.2 121 4 4 3.5 11 0.2 100 9 6 9 12 0.2 152 5 3 3.5 13 0.2 86 6 5 7 n = 3.5 %. Для ошибочно расшифрованных групп при T0 = 0.5 и 0.2 с по всем сериям N = 0 28 %, а в среднем N = 11 %. Из-за относительного дрейфа судов уровень акустического поля на каждой частоте и число ошибок от одной серии импульсов к другой изменялись в широких пределах. Время затягивания в условиях экспериментов в подавляющем большинстве случаев было мало по сравнению с T0 ( t эф 20 30 мс), а наблюдавшиеся сбои на приеме были вызваны глубокими селективными замираниями. Ошибки сосредоточивались в основном в районе минимумов уровня сигнала на одной из частот. При T0 = 0.2 с в некоторых случаях наблюдалось перекрытие соседних импульсов, обусловленное существенным увеличением эффективного времени затягивания сигналов в окрестности интерференционных минимумов. Это связано с влиянием отражений от дна океана, уровень которых в таких случаях становился сравнимым с уровнем сигналов, приходивших без отражений от дна.

При проведении экспериментов в Черном море и Тихом океане были выполнены также исследования возможностей использования широкополосных шумоподобных сигналов и взаимно корреляцион-ной обработки для передачи дискретной информации. В частности, были получены экспериментальные данные об интервале стабильности отклика гидроакустического канала в диапазоне частот 0.8-3 кГц. Этот интервал определяет частоту повторения тестовых сигналов, предназначенных для измерения импульсной переходной функции канала и ее использования для восстановления передаваемых сообщений. Подробный анализ полученных результатов выходит за рамки настоящего сообщения. В заключение отметим, что дальнейшее развитие работ по исследованию гидроакустического канала передачи дискретной информации связано в основном с использованием многопозиционного частотного телеграфирования с большим ансамблем широкополосных ортогональных информационных и тестовых сигналов, передаваемых в одной и той же полосе частот некоррелированными последовательностями импульсов [3-5].

ЛИТЕРАТУРА 1. Финк Л.М. Теория передачи дискретных сообщений. М.: Сов. радио, - 1970. – 728 С.

2. Гулин Э.П. Разнесенный прием гидроакустических сигналов по результатам экспериментов в Черном море // Акуст. журн. 2010. Т.56. № 6. С.781-794.

3. Захаров Ю.В., Коданев В.П. Экспериментальные исследования акустической системы передачи информации с шумоподобными сигналами // Акуст. журн. 1994. Т.40. № 5. С.799-808.

4. Захаров Ю.В., Коданев В.П. Помехоустойчивость адаптивного приема сложных акустических сигналов при наличии отражений от границ океана // Акуст. журн. 1996. Т.42. № 2. С.212-219.

5. Курьянов Б.Ф. Исследования по цифровой акустической связи в мелком море / Доклады ХII школы-семинара им. акад. Л.М. Бреховских «Акустика океана», совмещенной с XXI сессией РАО: М.: ГЕОС. – 2009. – С.385 389.

Содержание XXV сессия Российского акустического общества, Сессия Научного совета по акустике РАН Акустика океана УДК 542. О.С. Громашева, К.В.Бачинский, У.А. Лысенко СТРУКТУРИЗАЦИЯ И ХРАНЕНИЕ ДАННЫХ ГИДРОАКУСТИЧЕСКОЙ СИСТЕМЫ ACPOSIT Федеральное государственное бюджетное учреждение науки Тихоокеанский океанологический институт им. В.И.Ильичева Дальневосточного отделения Российской академии наук Россия, 690041, Владивосток, ул. Балтийская, Тел.: (423-2) 311-400;

Факс: (423-2) 312-573;

E-mail: gromasheva@poi.dvo.ru В докладе излагаются основные концепции специализированной системы сбора, обработки и хранения результатов работы гидроакустической системы ACPOSIT с применением поля дрейфующих радиогидроакустических буев.

В период 2005-2011 г.г. лабораторией акустической океанографии ТОИ ДВО РАН на полигоне, располагающемся в акватории м. Шульца (б. Витязь), проводились комплексные исследования канала распространения звука с помощью гидроакустической системы ACPOSIT с применением группы дрейфующих радиогидроакустических буев (РГБ). Основными результатами натурных измерений являются данные, полученные в ходе акустических измерений – записи принятых по радиоканалу сигналов от каждого из задействованных в эксперименте буев, зарегистрированных с помощью многока нальной платы АЦП L-780. Непосредственно перед проведением экспериментов по зондированию морской среды тональными и сложными фазоманипулированными по М-последовательностям сигналами проводилось измерение профиля скорости звука по глубине с использованием РТБ. В ходе исследований структуры морского дна с помощью двухчастотного эхолота были получены данные по профилю дна по трассам расстановки буев и излучателей. Полученные в экспериментальных измерениях записи обрабатываются стандартными и специально разработанными программами, Причем, для расчетов характеристик акустического поля используются не только принятые гидрофонами сигналы, но и информация о структуре дна и профили скорости звука по трассе. Не менее важной является информация об излучаемых сигналах, их структуре, и способе формирования зондирующей посылки. Поэтому обрабатываемую акустическую информацию можно рассматривать как многоуровневую структуру:

полученные экспериментально данные нулевого уровня (регистрация на диск);

прошедшие первичную обработку наборы данных первого уровня (распаковка по каналам, фрагментация, проверка на целостность записей, фильтрация);

комбинированные с другими данными наборы данных второго уровня, результаты обработки которых предназначены для моделирования и аналитической работы.

При решении исследовательских задач часто возникает необходимость вновь обращаться к данным первого уровня, поэтому интерактивный анализ данных и интеграция данных на втором уровне является важной задачей. Современные средства анализа данных позволяют создать интеллектуальную программную среду, которая позволяет организовать не только систематизацию, хранение и поиск необходимой информации, но и анализ, и визуализацию и возможность применения методов обработки.

Создание такой системы осложняется алгоритмической сложностью, нелинейностью и, в большой степени, ограниченностью пропускной способности и вычислительных ресурсов. Поэтому возникает потребность в использовании улучшенных алгоритмов анализа для работы с большими наборами данных (со временем выполнения, близким к линейному). Необходимыми становятся параллельные алгоритмы, позволяющие использовать для решения проблемы многопроцессорный режим, удовлетворяющие требованиям к вычислительной мощности и пропускной способности ввода-вывода.

Первым шагом на пути к решению этой задачи является использование технологий баз данных для хранения, обработки и анализа результатов экспериментов. Такой подход имеет следующие преимущества:

хранение очень больших объемов разнородной информации (числовые, текстовые и графические данные);

обеспечение соответствия типов и значений хранимых данных предварительно заданной структуре базы данных);

обеспечение многопользовательского доступа к хранимой информации;

обеспечение одновременного доступа ко всей хранимой информации.

Функциональные возможности базы данных, содержащей результаты акустического эксперимента, во многом определяются ее структурой. В процессе разработки БД необходимо поэтапно решить следующие задачи:

Содержание XXV сессия Российского акустического общества, Сессия Научного совета по акустике РАН Акустика океана 1. дать определение модели числовых данных;

2. выполнить проектирование структуры базы данных;

3. создать и провести тестирование программного обеспечения.

Основными принципами БД акустического эксперимента являются доступ к данным, взаимообмен и интеграция. Чтобы это было возможно, необходимо применять метаданные – описательную информацию о данных, которая объясняет измеряемые атрибуты, их имена, единицы измерения, точность, формат данных и, в идеале, намного больше. Наиболее важно то, что метаданные включают информацию о происхождении данных, описывающую, как измерялись, получались или вычислялись данные. Данные должны тщательно документироваться и публиковаться в формах, допускающих простой доступ и автоматическое манипулирование. Принцип работы с метаданными, а не с набором бинарных файлов, записанных в ходе экспериментов, существенно упрощает процесс анализа, обработки и получения результатов. Тип описываемых объектов обуславливает требования к метаданным, которые призваны отражать суть информации, заложенной в отдельно взятом столбце базы данных. Изучение и анализ акустических данных идет по множеству показателей, зависит от большого количества факторов:


исходные данные каждого эксперимента, описание параметров и условий внешней среды (волнение поверхности, сила ветра, погодные условия, прохождение судов) и другая важная информация.

Разработанная модель БД акустических экспериментов включает представления элементов эксперимента, их взаимоотношения, связи, условия функционирования и т.д. [1].

Каждая из отдельно взятых таблиц спроектирована согласно критериям подбора столбцов данных – основная таблица содержит информацию об эксперименте: ссылка на бинарный файл, номер журнала, содержащего протоколы эксперимента и исходные данные, количество радиогидроакустических буев, использовавшихся в эксперименте, количество каналов, по которым шла регистрация сигнала, глубины излучателя и гидрофонов. Результаты обработки бинарных файлов используются далее для моделирования, поэтому некорректное изменение или удаление данных будет фатально. Система поддерживает первичные и внешние ключи и обеспечивает целостность данных на уровне ядра, что предотвращает несовместимые операции обновления или удаления данных. Использование системы проверки корректности результатов позволяет избежать появления ложных данных.

В целом база данных имеет следующие характеристики [2]:

наличие средств визуализации (построения графиков, диаграмм);

поддержка нужных типов данных (массивы, пространственные, текстовые типы и т.д.);

соблюдение различных паттернов доступа (пространственных, темпоральных и т.д.);

достаточная скорость обработки запросов;

возможность обработки данных с помощью стандартных прикладных программ.

Данная база может размещаться как на компьютере пользователя с помощью таких программ как Apache, так и на серверном оборудовании для расширенного доступа пользователей по локальной сети и Интернет. При проектировании БД соблюдался принцип целостности (т.е. при изменении данных в одном месте изменяются соответствующие данные в другом месте БД) и непротиворечивости данных.

Предпосылкой для соблюдения этих принципов является минимизация избыточности данных.

Разработанная БД отвечает общим требованиям: минимальная зависимость от аппаратуры;

простота и легкость перенастройки на новые аппаратные средства;

возможность дополнения при расширении области исследования;

доступный и интуитивно-понятный интерфейс с пользователем.

Но для того, чтобы БД соответствовала специфическим требованиям, связанным с особенностями акустико-гидрофизических данных и применяемой аппаратурой, необходим переход на более развитую программную платформу, позволяющую разработать объектно-ориентированную базу данных (ООБД). При создании ООБД данные моделируются в виде объектов, их атрибутов, методов и классов.

В разных экспериментах менялись параметры: компоненты системы ACPOSIT, структура зондирующего сигнала, схемы постановки эксперимента. Кроме того, постоянно наблюдалась тенденция к увеличению времени излучения, а частота дискретизации повышалась. Эти две причины – сложная структура данных и тот факт, что для обработки достаточно больших массивов требуются высокопроизводительные методы и соответствующее программное обеспечение, делает необходимой разработку объектно-ориентированной базы. Был проведен анализ объектно ориентированных баз данных, разработанных на платформах, поддерживаемых объектно ориентированными языками программирования как Java, C#, VisualBasic.NET, C++;

а также ООБД, имеющих свои собственные языки программирования.

Содержание XXV сессия Российского акустического общества, Сессия Научного совета по акустике РАН Акустика океана Основными концепциями ООБД являются инкапсуляция, т.е. объединение данных и методов в рамках объекта, наследование, свойство, которое позволяет одно и то же имя использовать для решения двух или более схожих, но технически разных задач, и полиморфизм (объект может наследовать основные свойства другого объекта и добавлять к ним черты, характерные только для него). В такой модели данных физический реальный мир представляется всего одним понятием – объектом. С объектом ассоциируется состояние и поведение. Состояние объекта определяется значениями его свойств – атрибутов. Значениями свойства могут являться обычные значения (такие, как строки или целые числа) и другие объекты, которые в свою очередь состоят из своего набора свойств. Следовательно, объекты можно определять в терминах других объектов. Поведение объекта определяется с помощью методов, которые оперируют над состоянием объекта. У каждого объекта имеется определяемый системой уникальный идентификатор. Объекты, обладающие одними и теми же свойствами и поведением, группируются в классы. Объект может быть экземпляром одного класса или нескольких классов. Каждый объект, информация о котором хранится в ООБД, считается принадлежащим какому-либо классу, а связи между классами устанавливаются при помощи свойств и методов классов.

Для перехода от реляционной БД с линейной структурой к ООБД была выбрана задача разработки базы данных в СУБД Oracle [3] для получения, систематизации и хранения гидрологических данных, полученных с помощью РТБ. В лаборатории акустической океанографии разработано специализированное программное обеспечение для определения профиля скорости Данные измерений ID (уникальный номер записи).

Тип данных численно целый ИСХОДНЫЕ ДАННЫЕ ДАТА КООРДИНАТЫ ПАРАМЕТРЫ Частота_ Широта.

День.

дискретизации.

Тип данных числовой. Тип данных числовой.

Тип данных числовой Долгота.

Месяц.

Тип данных текстовый. Тип данных числовой Шаг сетки по Год. Тип данных числовой глубине РЕЗУЛЬТАТ ИЗМЕРЕНИЙ Ссылка на файл *.wav. Тип данных текстовый, диапазон 100 символов.

РЕЗУЛЬТАТ ОБРАБОТКИ Ссылка на файл *.txt. Ссылка на файл *.jpg.

Тип данных текстовый, диапазон 100 символов.

Рис. 1. Построение концептуальной модели базы данных гидрологических измерений звука в море по данным радиотелеметрического буя, обеспечивающей визуализацию и запись результатов. Для построения информационно - логической модели были выделены основные объекты структуризации.Схематически информационно – логическую модель можно изобразить в виде схемы (рис.1).Концептуальная схема описана:

Содержание XXV сессия Российского акустического общества, Сессия Научного совета по акустике РАН Акустика океана 1) Списком объектов и примером таблиц данных, соответствующих объекту. Объект определяется именем, за которым в круглых скобках перечисляются атрибуты. Атрибут определяется именем, типом данных и областью определения данных. Область определения данных задается предикатами первого порядка или перечислением, заключенными в круглые скобки ( табл. 1).

2) В виде ЕR-схемы, обобщенно иллюстрирующей информационные связи между объектами, входящими в область исходных данных( рис. 1).

Таблица 1. Основные объекты структуризации ДАТА Географические ПАРА РЕЗУЛЬТАТ РЕЗУЛЬТАТ ОБРАБОТКИ ID координаты МЕТ ИЗМЕРЕНИЙ РЫ _дискретизации fd, Гц уникальный номер Файл_wav.

Файл_jpg Файл_txt Долгота.

Широта Частота Месяц.

День.

Год.

… … … … … … … … … … 07 09 09 09 E13107 N4233,750 22050 g:\hydr\P1.wav g:\09\rez\p1.txt g:\09\rez\p1.jpg … … … … … … … … … … Обработка данных и их визуализация обеспечивается средствами серверного языка программирования PHP и MySQL. Интерфейс БД, приведенный на рис. 2, разрабатывался с помощью гипертекстовой разметки HTML.

Рис. 2. Интерфейс СУБД профилей скорости звука.

Основным аспектом при эксплуатации такой БД является процесс, с помощью которого эти данные создаются и редактируются, тогда как структура данных и вид связей между данными отступают на второй план.

Работа с базой данных при объектно-ориентированном подходе осуществляется на основе знания методов и свойств, предоставляемых классами.

Использование БД дает возможность анализировать гидрологическую обстановку в районе измерений, автоматизировать и ускорить процесс планирования эксперимента по исследованию шельфовой зоны океана методами акустической томографии.

ЛИТЕРАТУРА Громашева О.С., Кошелева А.В, Лысенко У.А. Метамодель базы данных акустико-гидрофизических 1.

измерений в шельфовой зоне Японского моря// Сб.тр. Науч. конф., посв. 100-летию со дня рождения А.В.Римского-Корсакова М.: ГЕОС, 2010. С.176-179.

Громашева О.С., Бачинский К.В. Информационная система для подготовки экспериментальных 2.

томографических исследований на гидроакустическом полигоне «Мыс Шульца» //Журнал "Успехи современного естествознания" №1, 2010, С. 112- Гринвальд Р., Стаковьяк Р., Додж Г., Кляйн Д. Программирование баз данных Oracle для профессионалов – 3.

М.: Вильямс,2007. 784 с.

Содержание XXV сессия Российского акустического общества, Сессия Научного совета по акустике РАН Акустика океана УДК 534.222 + 004.42.032.24(07) А.А.Чусов ИСПОЛЬЗОВАНИЕ МЕТОДОВ РАСПАРАЛЛЕЛЕННЫХ И РАСПРЕДЕЛЁННЫХ ВЫЧИСЛЕНИЙ ДЛЯ ОПЕРАТИВНОГО ПРОГНОЗА УРОВНЯ СТОХАСТИЧНОСТИ ПОЛЯ СКОРОСТИ ЗВУКА ПРИ ПРОВЕДЕНИИ АКУСТИЧЕСКИХ ЭКСПЕРИМЕНТОВ ПО ДАЛЬНЕМУ РАСПРОСТРАНЕНИЮ Дальневосточный федеральный университет Россия, 690950, г. Владивосток, ул. Пушкинская, д. Тел.: (423)-245-89-34;

Факс: (423)-245-89- E-mail: Lpsztemp@gmail.com Доклад посвящен вопросам разработки и использования высокопроизводительных вычислительных систем и прикладного программного обеспечения для эффективного решения ресурсоёмких вычислительных задач при разработке физико-математических моделей подводного распространения звука экспериментально теоретическими методами. Особую актуальность данная тематика приобретает при проведении натурных экспериментов по дальнему распространению звука в отдельных районах Мирового океана, когда закон вертикального распределения скорости звука определяется в ходе проведения натурного эксперимента, а уровень стохастичности акватории определяется экспериментально-теоретическими методами путём сравнения расчётной базы данных вертикальных распределений акустического поля с данными полученными в натурном эксперименте.

В настоящее время, в связи с развитием машинных вычислений, создано большое количество программных систем, задачей которых, так или иначе, является моделирование физических процессов.

Такие программные комплексы относят к классу систем автоматизированного проектирования (САПР, англ. CAD/CAA - computer-aided design/computer-aided analysis). Однако систем, производящих высокоточный анализ поведения физических полей в сложных пространствах, немного, поскольку задачи, решаемые при таком моделировании, обладают высокой вычислительной сложностью. В данном докладе рассматривается конкретный класс задач, связанный с анализом поведения звукового поля в подводных волноводах при высоком уровне стохастичности и большом объеме внешних параметров. В терминах теории сложности такие задачи в общем случае принадлежат к классу NP-полных (non-deterministic polynomial) [1]. В связи с этим актуальной проблемой компьютерного анализа является построение архитектур САПР таким образом, чтобы было возможно строить произвольно сложные модели, достигая при этом высокой скорости и точности проведения анализа. В связи с близостью скорости выполнения последовательных алгоритмов к теоретическому максимуму, практически единственным доступным на данный момент способом добиться решения этой проблемы является распараллеливание во времени программно-технических комплексов САПР и распределение ее подсистем на множество удаленных вычислительных кластеров. Вместе с тем данный подход обладает рядом недостатков как на фундаментальном, так и на прикладном уровне. Подробно связанные с этим проблемы описаны в [2] и [3].

В связи с этим здесь представлен результат синтеза архитектуры системы компьютерного анализа звукового поля в стохастических подводных волноводах. Эта архитектура ориентирована на многопроцессорные и многоядерные SMP (symmetric multiprocessoring), платформы, а также на системы распределенных вычислительных узлов.

Основные положения при синтезе структуры систем автоматизированного проектирования определены в [4] и [5]. Синтез структуры, предлагаемой в данном докладе, был основан на принципах блочно-иерархического и объектно-ориентированного подходов. Это позволяет при построении некоторых подсистем абстрагироваться от типа решаемых задач и внести обобщенность этой структуры.

В предлагаемой модели архитектурные компоненты, представленные на рис. 1, размещаются в различных программных модулях. Каждый из таких компонентов благодаря инкапсуляции может физически выполняться на разных машинах. Это обеспечивается благодаря поддержке механизмов RPC (remote procedure call – удаленный вызов процедур) и IPC (inter-process communications – межпроцессная коммуникация).

Функциональная нагрузка на компоненты приведенной схемы следующая:

Базовая подсистема — структурное объединение обслуживающих и проектирующих подсистем, выполняющихся на управляющей ЭВМ (электронная вычислительная машина).

Подсистема управления – проектирующая подсистема, являющаяся управляющей консолью, с которой определяются основные параметры проектирования: объекты, их аппроксимация, размеры и Содержание XXV сессия Российского акустического общества, Сессия Научного совета по акустике РАН Акустика океана единицы измерения пространства. Кроме того она осуществляет координацию удаленных физических подсистем.

Компонент преобразования измерений — алгоритм отображения координат физического пространства на внутренние единицы измерения с тем, чтобы все значения могли быть заданы в разрядной сетке целочисленного машинного слова используемой платформы. На этом этапе определяются цены деления и пределы измерений в системе. Алгоритм детерминирован, определяется исходя из начальных параметров модели, что дает возможность включить его в графический и физические компоненты, избавляясь, таким образом, от необходимости обращаться к отдельному компоненту по сети.

Рис. 1. Базовая архитектура системы Графическая подсистема (рис. 2) — обслуживающая подсистема, которая строит растровые изображения моделируемого пространства и передает их на базовую систему. Интерфейс подсистемы поддерживает удаленный вызов процедур, но ввиду относительно большого объема растровых данных, передавать их по сети нецелесообразно, поэтому на рис. 1 она является частью базовой надсистемы.

Рис. 2. Структура графической подсистемы Подсистема отображения – подсистема, обеспечивающая графический интерфейс пользователя, Содержание XXV сессия Российского акустического общества, Сессия Научного совета по акустике РАН Акустика океана отображает моделируемого пространства на экран. В некоторых случаях использует функционал графической подсистемы для отображения трехмерных объектов независимо от основной модели.

Подмножеством объектов, существующих при работе описываемой САПР, являются физические объекты, для которых существует отдельный интерфейс. В это подмножество включены все объекты, наличие которых влияет на результаты моделирования физических полей. В сущности, каждый такой объект представлен в виде набора плоских граней, состоящих из произвольного числа N упорядоченных вершин G = {v}i 0, n 1. Порядок вершин, задающих грань, определяет положительное направление обхода и, = соответственно, положительное направление нормали n, указывающей на лицевую сторону грани.

Каждая грань представляет собой отдельный элемент моделирования. При проведении акустического анализа такая грань представляет собой плоский колеблющийся поршень.

Физические подсистемы — проектирующие, разнесенные по различным единицам выполнения компоненты, которые, используя абстрактное представление пространства, одновременно просчитывают различные компоненты поля. Физический расчет, в основном, опирается на лучевое представление звука.

Особенность промежуточных алгоритмов состоит в том, что выполнение задач по расчету звука по каждому лучу независимо позволяет разбить процесс моделирования на несколько единиц выполнения.

Во время выполнения процедуры моделирования одна из физических подсистем рис. 1 назначается основной (управляющей). Эта подсистема разбивает задачу моделирования в многопоточную очередь из элементарных подзадач. Задачей такого элемента является расчет распространения одного звукового луча в моделируемом пространстве и, в случае его пересечения с отражающей поверхностью, расчет параметров вторичного источника излучения. Каждая такая задача может стать источником новых подзадач. Таким образом, общий алгоритм распределения звукового поля в среде имеет древовидную структуру. Узлы такого дерева группируются в многопоточную очередь. При наличии суммарного количества P свободных процессоров P задач извлекаются и выполняются создаваемыми потоками выполнения.

Рис. 3. Базовая структура СУБД банка данных Банк данных AMB (Acoustic Modeler Base) (рис. 3) — обслуживающая подсистема, обеспечивающая разделяемый доступ к внешним параметрам, необходимым при расчетах. Объединяет подсистемы управления базами данных (СУБД), а также информационный фонд (ИФ) в виде совокупности баз данных, хранящих внешние параметры, такие как номинальные характеристики первичных источников моделируемого физического поля, а также параметры среды в различных точках, полученные путем проведения натурных экспериментов в различных точках Мирового океана.

Основными факторами, прямо влияющими на структуру СУБД, являются проблемы, связанные с необходимостью обеспечения одновременного синхронизированного доступа множества клиентов – Содержание XXV сессия Российского акустического общества, Сессия Научного совета по акустике РАН Акустика океана подсистем (рис. 4) параллельной системы к большому объему данных. В связи с этим был выбран такой способ структурирования данных в хранилище, при котором эти данные предваряются хеш-таблицей, значения которой сгруппированы в древовидную структуру. Структура дерева выбирается такой, при которой ее ветви и листья обладают наименьшей взаимозависимостью. Последнее дает возможность свести к минимуму использование блокирующих механизмов синхронизации. Также делается предположение о высокой вероятности такого доступа к данным, при котором они остаются неизменными. Это дает возможность использовать механизмы, при которых синхронизация доступа к банку клиентов является менее затратной. Эта синхронизация основана на использовании модели «пишущий-читающий» (WR - write-read). При этом впервые был предложен способ реализации этих механизмов, дающий более богатый набор функций и обладающий более низкой вычислительной сложностью по сравнению с существующими аналогами. Результаты данных исследований приведены в [6] и [7]. Контроль доступа клиентов системы к данным обеспечивается с использованием разграничительных списков контроля доступа (DACL – discretionary access control list).

Отдельным вопросом является учет специфики удаленного доступа в процессе построения архитектуры системы. Сюда входят вопросы понижения коммутационной сложности при сохранении синхронизации внешних параметров клиента с данными, хранимыми в банке, проблемы компрессии передаваемых данных [8, 9], защищенности соединения посредством криптографических алгоритмов и протоколов [10].

В качестве основных можно выделить следующие результаты проведения исследований.



Pages:     | 1 |   ...   | 5 | 6 || 8 | 9 |
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.