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 |   ...   | 2 | 3 || 5 | 6 |   ...   | 9 |

«Министерство образования и науки Российской Федерации Федеральное государственное бюджетное образовательное учреждение высшего профессионального ...»

-- [ Страница 4 ] --

На рис. 3 приведены результаты исследования текстуры в зависи мости от длительности отжига при указанной температуре. После рекри сталлизациинного отжига в течение 1 часа текстура описывается двумя компонентами (0001) [10 1 0] и (0001) ± 60 НН-ПН [10 1 0] и совпадает с текстурой листа до отжига (здесь НН - направление нормали к поверхно сти листа, ПН - поперечное направление относительно направления про катки). Отжиг в течение 2 часов при 650 °С практически не меняет тексту ру рекристаллизации сплава ПТ-3Вкт. Однако уже трехчасовой отжиг приводит к появлению третьей компоненты текстуры рекристаллизации (0001)±20° НН-НП [10 1 0]. Дальнейшее же увеличение длительности от жига до 6…7 часов ведет к формированию единственной компоненты (0001) [10 1 0], т.е. исчезают ориентировки, не благоприятные для штам пуемости.

Такой характер изменения текстуры рекристаллизации может быть объяснен следующим образом. Как и в сплавах титана, содержащих более 2 % алюминия, в листах сплава ПТ-3Вкт после отжига при температурах, близких к температуре начала рекристаллизации, основной компонентой текстуры является ориентировка (0001) [10 1 0]. При небольших длитель ностях отжига наряду с ней присутствуют и другие компоненты, которые, однако, не "выживают" в процессе конкурентного роста зерен.

Подобные особенности развития текстуры рекристаллизации на блюдались и для других металлов и сплавов. Объяснение состоит в том, что подвижность границ зерен зависит не только от разориентации сосед них зерен, ориентации самой границы относительно кристаллических ре шеток этих зерен, но и от вида и количества примесей и легирующих эле ментов.

Таким образом, при увеличении длительности отжига при темпера туре 650 °С в листах сплава ПТ-3Вкт наблюдаются изменения текстуры, способствующие усилению благоприятных для штампуемости ориентиро вок. Проведенные исследования позволили сделать выбор температуры межоперационных отжигов, равный 650 С в течение часа. Эта температу ра при неоднократных отжигах формирует благоприятную для штампуе мости текстуру 0001 [10 1 0] и создает незначительный по глубине газона сыщенный слой повышенной твердости и хрупкости, который снимается Технологии и оборудование обработки металлов давлением операцией травления без риска выйти за минусовой допуск по толщине в нехимфрезерованной зоне.

Рис. 3. Изменение текстуры материала в зависимости от длительности отжига: а - = 1час;

б - = 2 ч;

в - = 3 ч;

г - = 7 ч Как показали замеры твердости на образцах, вырезанных из прока танных на заводе листов, металл в состоянии поставки, несмотря на шли фовку поверхности, также имеет газонасыщенный слой. Поэтому, помимо травления заготовки перед обтяжкой по пуансону, введена дополнительная операция травления листов в исходном состоянии. Необходимо отметить, что решение о глубине травления заготовки или ступенчатого полуфабри ката перед обтяжкой принимается индивидуально по каждой заготовке на основании данных измерения толщины ультразвуковым толщиномером «Калипер-204» по схеме, введенной в технологический паспорт детали, и глубины газонасыщенного слоя на образцах-свидетелях и, как правило, не превышает 0,1 мм за один раз.

Выводы 1. Метод ступенчатого набора с последующей обтяжкой по пуансо ну и калибровкой взрывом позволяет штамповать полусферические днища диаметром больше 1000 мм из труднодеформируемых титановых сплавов вхолодную с зональным утонением не больше 15 % от исходной толщины металла.

2. Неоднократный межоперационный отжиг при температуре 650 °С по 1 часу формирует в листе титанового сплава ПТ-3Вкт текстуру (0001) [10 1 0], благоприятную для штампуемости, и создает суммарную толщину газонасыщенного слоя не более 0,1 мм, что позволяет принять эту Известия ТулГУ. Технические науки. 2012. Вып. температуру как оптимальную.

3. Для снижения вероятности образования микротрещин, которые могут быть причиной брака, обязательно введение операции травления листа сплава ПТ-3Вкт перед первой операцией и ступенчатого полуфабри ката перед калибровкой, причем глубина травления должна определяться для каждой заготовки индивидуально после замера толщины заготовки и исследования глубины газонасыщенного слоя на образцах-свидетелях.

4. Причиной образования микротрещин на поверхности ступенча того полуфабриката может также являться исчерпание ресурса пластично сти в различных зонах при вытяжке, обтяжке и калибровке взрывом [3-5].

Работа выполнена по государственным контрактам в рамках феде ральной целевой программы «Научные и научно-педагогические кадры инновационной России» на 2009 - 2013 годы и грантам РФФИ.

Список литературы 1. Мельников Э.Л. Холодная штамповка днищ. М.: Машинострое ние, 1976. 350 с.

2. Попов Е.А. Основы теории листовой штамповки. М.: Машино строение, 1968. 283 с.

3. Яковлев С.С., Трегубов В.И. Теория и технология изготовления крупногабаритных осесимметричных деталей ответственного назначения из высокопрочных анизотропных материалов / под ред. С.С. Яковлева. Ту ла: Изд-во ТулГУ, 2011. 232с.

4. Колмогоров В.Л. Механика обработки металлов давлением. Ека теринбург: УГТУ, 2001. 836 с.

5. Богатов А.А. Механические свойства и модели разрушения ме таллов. Екатеринбург: УГТУ, 2002. 329 с.

S. S. Yakovlev, V.D. Kukhar, K.S.Remnev MULTIOPERATIONAL EXTRACT OF DOME-SHAPED THIN-WALLED DETAILS OF RESPONSIBLE APPOINTMENT Technological process of manufacturing of dome-shaped details of high-strength titanic alloys is stated.

Key words: extract, technological process, rolling, punch, matrix, anisotropy, annealing, technological parameters.

Получено 07.02. УПРАВЛЕНИЕ, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ УДК 004. А.Н. Привалов, д-р техн. наук, проф., зав. кафедрой, (4872) 35-20-09, alexandr_prv@rambler.ru (Россия, Тула, ТГПУ им. Л.Н. Толстого), А.К. Клепиков, асп., 8-915-680-36-62, don-klepikov@yandex.ru, (Россия, Тула, ТГПУ им. Л.Н. Толстого) МОДЕЛЬ РАСПРЕДЕЛЕНИЯ РЕСУРСОВ ПРИ “ОБЛАЧНЫХ” ВЫЧИСЛЕНИЯХ Рассмотрены варианты использования “облачных” технологий в автомати зированных обучающих системах. Приведен вариант построения автоматизированной обучающей системы на основе “облачных” технологий.

Ключевые слова: автоматизированная обучающая система, “облачные” тех нологии, распределение ресурсов.

В настоящий момент “облачные” системы всё чаще применяются в бизнесе и технике. Это обусловлено простотой использования и относи тельно малыми расходами на содержание системы. Подобные системы мо гут применяться и в учебном процессе. “Облачные” технологии могут стать полезным и оправданным дополнением к автоматизированным обу чающим системам (АОС) и к высоконагруженным системам электронного обучения. Услуга предоставления “облачных” вычислений построена на двух важных принципах:

вычислительные ресурсы выделяются по потребности;

вычислительные ресурсы оплачиваются по потреблению.

Вместо предоставления клиенту пакета ресурсов, часть из которых всегда простаивает, аренда ресурсов предлагает систему оплаты по факти ческому потреблению. Благодаря этому, все ненужные, избыточные ресур Известия ТулГУ. Технические науки. 2012. Вып. сы не предоставляются, не учитываются и обеспечивают более эффектив ное использование средств.

Для того чтобы реализовать подобную инфраструктуру между об лаком и клиентскими компьютерами, нужна модель взаимодействия. В по добной модели будет произведено распределение задач между клиентски ми и серверными структурами. Что позволит наиболее эффективно использовать “облачные” ресурсы, в связке с ресурсами локальной сети и отдельными клиентами.

Облачные” технологии позволяют снять нагрузку с серверной сис темы и в большей степени задействовать интернет канал для обмена дан ными с “облачной” вычислительной системой. И тут возможно три вари анта построения частных вычислительных сетей, не привязанных к географическому положению.

Вариант 1: все вычислительные мощности находятся внутри облака, доступ к данным возможен с помощью клиентского программного обеспе чения, либо с помощью браузера и web-интерфейс АОС.

Вариант 2: часть вычислительных мощностей находится внутри ча стной локальной сети учебного заведения, что позволяет использовать АОС в случае обрыва интернет соединения. При этом “облачные” сервера выполняют роль мощных помощников, на которые возлагаются лишь сложные задачи. Круг таких задач четко определен, как определены и си туации обращения к “облачным” серверам.

Вариант 3: Использование балансировщика нагрузки в локальной сети, который в случае критической нагрузки на внутренние локальные сервера, перекладывает часть выполняемых вычислений на “облачные” сервера.

Облачные” сервера также находятся в интранет сети и доступ к ним возможен лишь при наличии интернет соединения. Поэтому схема внут ренней локальной сети университета не претерпевает изменений после принятия решения использования вычислительной мощности “облачных” серверов.

АОС может выполнять значительные трудоемкие задачи и поэтому в соответствии с клиент-серверной технологией серверную часть рекомен дуется вынести в облако. При таком подходе АОС сможет позволить реа лизовать на своей платформе виртуальные физические лаборатории и т.п.

ресурсоемкие приложения.

Рассмотрим систему, которая предлагает пользователю ознакомить ся с теоретическим материалом по определенной теме, а затем выполнить различные наборы практических заданий. Задания на разработку и реали зацию виртуальной физической модели сопряжены с большими нагрузка ми на вычислительный сервер, что может привести к его полной останов ке. В случае пиковых нагрузок и мультипользовательском использовании Управление, вычислительная техника и информационные технологии виртуальных физических лабораторий нагрузка на сервер возрастет еще более существенно. “Облачные” технологии в таком случае могут помочь оптимально распределить ресурсы для производимых вычислений и пре доставить ресурсы по требованию.

Применение клиент-серверной архитектуры при создании прило жений приводит к созданию клиентской и серверной части, как это пока зано на рис. 1.

Рис.1. Передача данных в ходе взаимодействия клиент - сервер На рис. 2:

Front-End – публичная часть проекта, обеспечивающая прием за просов от пользователей, трансляцию запросов к Back-End и выдачу непо средственного содержимого пользователю.

Back-End – исполнительная часть системы, которая обеспечивает выполнение серверных скриптов, формирование контентных страниц и ра боту бизнес-логики приложения.

В свою очередь Back-End и Front-End очень насыщенны и состоят из множества структурных элементов.

Рассмотрим АОС, предназначенную для обучения программирова нию, которая позволяет обучающемуся самому изучать теоретический ма териал и выполнять практические работы без участия педагога. Принципы данной системы следующие.

1. Предоставить учащемуся возможность ознакомления с теорети ческим материалом;

2. Предоставить условия задач для решений;

3. Принять от пользователя решения задач и проверить правиль ность;

4. Сделать записи в системном журнале касаемо действий, выпол няемых пользователями в системе.

5. Предоставить пользователю возможность выбора дальнейших Известия ТулГУ. Технические науки. 2012. Вып. действий в системе.

При реализации такой модели встает вопрос о распределении ре сурсов между локальными серверами, клиентскими машинами и “облач ными” серверами. Нельзя одной моделью охватить весь класс подобных задач, поэтому дальнейшая речь будет идти о создании модели для распре деления ресурсов при использовании АОС модульного типа в рамках 2-го варианта построений вычислительных сетей из классификации выше.

“Облачные” среды обладают следующими атрибутами:

сервисной моделью, определяющей тип и характеристики сервисов, которые облако будет предоставлять потребителю, высокой автоматизацией процесса предоставления сервиса по за просу потребителя и возможностью самообслуживания потребителя в рам ках предоставляемого сервиса, возможностью динамического масштабирования объема предостав ляемой услуги, например, увеличения количества процессорной мощности, предоставляемой потребителю для обработки пиковых нагрузок, эластичностью и разделяемостью, то есть уметь перераспределять имеющиеся ресурсы между потребителями и давать возможность прозрач ного для потребителей расширения пула доступных ресурсов, возможностью учета потребления ресурсов.

Не затрагивая вопросы эффективности функционирования самого облака, рассмотрим способ взаимодействия с облаком, который и должен описываться моделью взаимодействия. Общая структура предлагаемой модели показана на рис. 2.

Рис. 2. Взаимодействие модулей “облачной” АОС Обучаемый с помощью клиентской части для АОС получает доступ к ядру АОС и всем её возможностям, которые сосредоточены на главном Управление, вычислительная техника и информационные технологии сервере – совокупности программного обеспечения запущенном на облаке.

Программное обеспечение “Преподаватель-клиент” необходимо для того, чтобы администрировать главный сервер. Однако в клиентскую часть пре подавательской машины входят и другие функции, такие как:

Получение актуальных записей из баз данных главного сервера.

Актуальность проявляется в том факте, что клиент загружает лишь тре буемые на данный момент данные из баз. Таким образом, у клиента всегда сохранены лишь самые новые результаты обучения. Результаты обучения по завершенным и слабо востребованным курсам всегда находятся лишь на сервере и могут быть получены по запросу. Это решение позволяет про сматривать результаты обучения в ситуации отсутствии связи с главным сервером, Получение актуальных записей из журналов статистики, отражаю щих ход взаимодействия клиентов с сервером.

По своей сути все процессы в “облачных” сетях запущены в вирту альных машинах, которые используют лишь требуемые ресурсы компью терных систем. Поэтому все балансировку нагрузки между компьютерами в сети берет на себя провайдер. Арендатор “облачных” систем вправе ус танавливать различное программное обеспечение и развертывать необхо димые информационные серверы. Для рассматриваемой АОС это будет информационная конфигурация, представленная на рис. 3.

Рис.3. Структура сервисного программного обеспечения облака Сервисное программное обеспечение “облачного” сервера может выглядеть как 3–уровневая модульная структура:

2-й уровень. Distributor_module – модуль распределитель. Позволя ет определить по входящим данным, какие действия требует пользователь от сервера, на основе анализа происходит подключение того или иного мо Известия ТулГУ. Технические науки. 2012. Вып. дуля на первом уровне, 1-й уровень. Implementation_module – набор модулей, позволяющих выполнять заданные действия по манипуляции с данными, производить трудоемкие вычисления по средствам функций ядра приложения нулевого уровня, Нулевой уровень. Core – ядро приложения, которое включает в себя низкоуровневые (относительно приложения) операции, которые позволяют производить трудоемкие вычисления. Через обращение к данным функци ям строятся высокоуровневые абстракции данных в первом уровне.

Рис. 4. Модульная структура “облачной” части АОС Используя уровень реализации можно задать необходимые шабло ны хранения данных на сервере, что в дальнейшем позволит раздельно из менять направленность приложения и методы управления данными, что обеспечивает гибкость в процессе работы с новым для системы типом ин формации.

Таким образом, выстраивая “облачную” АОС по вышеприведенной модели можно достичь следующих показателей:

повышение быстродействия АОС за счет использования мощных вычислительных систем, высокой степени производительности клиентских приложений за счет вывода ресурсоемких приложений в область облака, высокой степени защищенности данных от потери за счет реплика ции данных в облаке, полного снижения нагрузки на серверы локальной сети учебного заведения.

Управление, вычислительная техника и информационные технологии Список литературы 1. Каштанов В. А., Медведев А. И. Теория надежности сложных систем. Санкт-Петербург: ФИЗМАТЛИТ, 2010. 608 с.

2. Липаев В.В., Распределение ресурсов в вычислительных сис темах. М.: Статистика, 1979. 246 с.

3. Gillam, Lee Cloud Computing: Principles, Systems and Applica tions. NY: Springer, 2010. 518 с.

A.N. Privalov, A.K. Klepikov MODEL FOR RESOURCE ALLOCATION "CLOUD" COMPUTING Consider using "cloud" technologies in the automated training systems. An option of building an automated learning system based on the "cloud" technologies.

Key words: automated learning system, the "cloud" technology, the allocation of resources.

Получено 07.03. УДК 519. А.Н. Привалов, д-р техн. наук, проф, зав. кафедрой, alexandr_prv@rambler.ru (Россия, Тула, ТГПУ им. Л.Н. Толстого), Ю.И. Богатырёва, канд. пед. наук, доц., (4872) 35-20-09, bogalex@yandex.ru (Россия, Тула, ТГПУ им. Л.Н. Толстого) ПРОЕКТИРОВАНИЕ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ТРЕНАЖЁРНОЙ СИСТЕМЫ НА ОСНОВЕ СТАНДАРТНЫХ МОДУЛЕЙ Рассмотрена проблема разработки специального программного обеспечения тренажёрных систем на основе унифицированных программных модулей. Сформули рованы модели оптимизации специального программного обеспечения по критерию ми нимума избыточности программных модулей. Сформулированы математические мо дели унификации программных модулей Ключевые слова: тренажёрная система, программное обеспечение, унифици рованный программный модуль, синтез типовых модулей.

В общем случае тренажерная система (ТС) включает в себя ряд вза имодействующих тренажеров, имеющих структуру, приведенную на рис. 1.

Известия ТулГУ. Технические науки. 2012. Вып. Рис. 1. Обобщенная структура тренажеров В состав любого тренажера входит рабочее место обучаемого опе ратора, включающее имитаторы органов управления, имитаторы приборов управления, а также средства воздействия на оператора. Вычислительная среда (ВС) с программным обеспечением (ПО) предназначена для получе ния информации с имитаторов органов управления, текущих расчетов по казаний приборов величин воздействий на оператора.

Сложность ВС ТС и её существенное влияние на эффективность функционирования ТС предполагает постановку и решение задачи по по строению рациональной структуры системы программного обеспечения Анализ особенностей ТС позволяет сделать вывод о перспективно сти модульного принципа построения программного обеспечения.

Иерархичность объектов моделирования неизбежно приводит к не обходимости функционально-структурной декомпозиции моделирующих программ и представления в виде системы достаточно простых элементов модулей.. Вполне естественно поставить в соответствие отдельным систе мам, подсистемам, устройствам реального объекта их адекватные модели программные модули. Если в разных объектах используются одинаковые устройства или системы, то для их моделирования могут быть использова ны одни и те же модули программ.

Управление, вычислительная техника и информационные технологии Программы, решающие задачи управления процессом подготовки операторов на тренажерных системах, объективного контроля психофи зиологического состояния и работы операторов в процессе обучения, в значительно меньшей степени подвержены изменениям. В эту часть спе циального программного обеспечения изменения вносятся при разработке более совершенных и эффективных методов управления и контроля. Сле довательно, структура и принципы построения специального программно го обеспечения ТС должны обеспечивать возможность его доработки, как на стадии создания систем так и на стадии их эксплуатации.

При модульном построении программ задачи модификации реша ются эффективно. Так, при изменении, например, отдельных систем объ екта должны корректироваться лишь те модули, которые связаны с модер низируемыми элементами реального объекта, а также взаимодействующие с ним. Модульное программирование обеспечивает построение сложных программ на базе небольших программных блоков, каждый из которых выполняет законченную логическую функцию. Это позволяет организо вать параллельную работу группы разработчиков и таким образом сущест венно ускорить сроки создания и испытаний программного обеспечения.

При разработке структуры программного обеспечения в первую очередь выделяются модули основных функциональных систем объекта и основных задач по управлению тренировкой;

в модулях систем выделяют ся составляющие ее подсистемы;

далее с учетом структуры реального объ екта модули подсистем представляются в виде совокупности устройств (операций), устройства — в виде совокупности блоков и т. д. Таким обра зом, структура программного обеспечения отражает структуру реального объекта.

В настоящее время существуют в основном два подхода к созданию программного обеспечения тренажеров. При создании программ относи тельно небольшого объема преобладает индивидуальный подход к про грамме. При этом основная цель разработчиков состоит в получении ре зультатов при минимальных собственных затратах;

при этом практически не решаются вопросы оптимизации программ по затратам технических ре сурсов ЭВМ;

созданная программа в основном используется самим разра ботчиком.

Сопряжение такой программы с другими для решения новых ком плексных задач, а тем более модернизация программы практически невоз можны без личного участия ее разработчиков.

Другой подход к разработке специального программного обеспече ния базируется на представлении программного обеспечения как совокуп ности унифицированных программных модулей (ПМ).

В этом случае комплекс функциональных программ может быть расчленен на множество достаточно автономных подсистем - ПМ, тесно взаимодействующие в процессе решения общей задачи. Для обеспечения Известия ТулГУ. Технические науки. 2012. Вып. взаимодействия подпрограмм в едином комплексе широко используется иерархическая структура с несколькими уровнями подчиненности подпро грамм, при этом подпрограмма выполняет свою целевую задачу.

Следует учитывать, что при использовании модульного программи рования в отдельных подпрограммах появляются элементы сопряжения и взаимодействия блоков, которые требуют определенных затрат оператив ной памяти и времени. Дополнительные затраты памяти составляют 2…5% от объема сопрягаемых подпрограмм, а длительность исполнения про грамм при этом возрастает на 10…15%.

Анализ особенностей ТС позволяет сделать вывод о перспективно сти модульного принципа при построении ПО ТС [1,3].

Сложность объектов моделирования неизбежно приводит к необхо димости их функционально-структурной декомпозиции и представления в виде системы достаточно простых элементов-модулей. Вполне естественно поставить в соответствие отдельным системам, подсистемам, устройствам реального объекта их адекватные модели - программные модули ПО. Если в разных объектах используются одинаковые устройства или системы, то для их моделирования могут быть использованы одни и те же модули про грамм.

При создании ПМ с целью использования их для различных ТС не избежно возникает проблема избыточности процедур в модулях обуслов ленная стремлением сделать модули в определенной степени универсаль ными.

Для определения рациональной степени избыточности сформули руем задачи синтеза оптимальных типовых модулей.

В качестве исходной информации для решения данных задач ис пользуется множество процедур обработки данных для каждой ВС ТС, множество информационных элементов, области их определения, множе ство констант, структурированные матрицы смежности и достижимости технологии обработки данных. Решение данной задачи можно разбить на четыре этапа [1].

На первом этапе определяются множества общих процедур и ин формационных элементов, используемых в множестве задач обработки данных или в его подмножествах. Одновременно определяются специфи ческие элементы и процедуры, используемые только в одной из задач об работки данных.

На втором этапе осуществляется проверка связности выделенных общих информационных элементов и процедур обработки данных в графе технологии каждой задачи для различных ВС ТС.

На третьем этапе выделяются общие пути для всего множества задач и его подмножеств и на четвертом - определяются общие части (подграфы) для множества задач обработки данных и его подмножеств.

Управление, вычислительная техника и информационные технологии Исходными данными для постановки и решения данного типа яв ляются:

{ } U = ul, l = 1, L - множество процедур обработки данных интегри рованного графа технологии;

{ } D = d f, f = 1, F - множество информационных элементов интегри рованного графа технологии;

{ } i U i = ul, l = 1, Li - множество процедур обработки данных графа технологии i-й задачи;

Di = { if, f = 1, Fi }(i = 1, N ), - множество информационных элемен d, тов графа технологии i-й задачи;

( ) Qi i = 1, N - последовательности выполнения процедур при реше нии i-й задачи;

W = w fl - матрица взаимосвязей информационных элементов и процедур интегрированного графа технологии;

( ) Wi = wifl, i = 1, N - матрица взаимосвязей информационных эле ментов и процедур при решении i-й задачи;

Задача 1. Оптимизация ПО ВС ТС по критерию минимума суммар ного числа неиспользуемых процедур при обращениях к программным мо дулям при решении заданного множества задач.

) ( i N LKV LK min i xlkv xli' k ' v i ' 1. (1) k {xlv }i =1 l =1 k =1 v =1 l ' =1 k ' =1 Задача 2. Оптимизация ПО ВС ТС по критерию минимума макси мально возможного суммарного числа неработающих процедур в про граммных модулях для заданного множества задач обработки данных.

) ( i LKV LK min max i xlkv xl ' k ' v i ' 1, i (2) k {xlv } {i} l =1 k =1 v =1 l ' =1 k ' =1 где v = 1,V - множество синтезируемых модулей;

i xlkv = 1, если l-я по порядку выполнения процедура решения i-й за дачи входит в v-й модуль и вызывается с частотой k-го диапазона, i xlkv = 0 в противном случае;

i wk - значение k-гo диапазона частоты использования процедур при решении i-й задачи.

Ограничения для данной задачи такие же, что и для задачи распре деления процедур по модулям.

Известия ТулГУ. Технические науки. 2012. Вып. Использование минимаксных критериев обеспечивает гарантиро ванный уровень качества синтеза для каждой из задач обработки данных заданного множества за счет минимизации максимальных значений рас сматриваемых критериев синтеза. Необходимость обеспечения гарантиро ванного уровня качества проектных решений для всех задач обработки данных из заданного множества определяет целесообразность использова ния данного подхода.

Рассмотренные задачи (1)-(2) являются нелинейными целочислен ными задачами математического программирования. При разработке ново го ПО используются не только вновь разрабатываемые ПМ, а также уже имеющиеся, применяемые в более ранних разработках ТС. Таких ПМ, вы полняющих определенные функции, существует большое множество.

Причем многие из них выполняют сходные функции или часть функций, которые могут реализовывать другие ПМ. Возникает задача определения такого минимального унифицированного ряда ПМ, которые могли бы обеспечить функционирование любого нового ТС (возможно с некоторой модификацией или избыточностью). Такой подход призван, в первую оче редь, сократить время на разработку и реализацию нового ПО и уменьшить финансовые затраты на всех стадиях жизненного цикла (ЖЦ) ПО.

Технология подготовки данных и решения задач унификации ПМ включает математические модели, методы и программы решения задач унификации.

Одноуровневые задачи решаются в случае унификации ПМ ВС ТС одного вида, имеющихся или разрабатываемых.

Технологическая схема подготовки данных и решения одноуровне вой задачи имеет вид, представленный на рис. 2.

Номенклатура программного обеспечения n 2 3 i 1 n m 2 3 j Номенклатура программных модулей - результаты унификации (типы ПМ после унификации) Рис. 2. Технологическая схема подготовки данных и решения одноуровневой задачи унификации ПО Задача может быть сформулирована в виде задачи целочисленного линейного программирования с булевыми переменными, в которой необ Управление, вычислительная техника и информационные технологии ходимо минимизировать суммарные затраты на разработку, реализацию и сопровождение программных модулей ci xi + cij x ij min, (3) iU iU j X ( xi xij ) при ограничениях xij = 1, j = 1, n;

(4) iU i = 1, m, j = 1, n xij xi ;

(5) xi, xij {0,1}, i = 1, m, j = 1, n (6) где U={1,2,…,m} –множество типов ПМ;

1, если i й ПМ L применяется в ПО j го типа;

xij = 0, если нет;

1, если i й ПМ входит в состав унифицированного ряда;

xi = 0, если нет;

Сi0 вектор начальных затрат на разработку и отладку ПМ i-го ти па;

Cij – матрица затрат на реализацию и сопровождение ПМ i-го типа при применении их в ПО j-го вида;

Сij= если ПМ i-го типа не применяются в ПО j-го вида.

Задача (3)-(6) относится к классу целочисленного линейного про граммирования с булевыми переменными и является статической задачей унификации с детерминированным спросом на изделия (ПМ) и однократ ным применением изделия (ПМ) в операционном цикле. Ограничения (4) устанавливает факт возможности применения только одного типа ПМ для решения некоторых видов задач из заданного множества U при условии, что оптимальный ряд типов ПМ обеспечит удовлетворение всех потребно стей из множества U. Ограничения (5) следуют из физического смысла па раметров оптимизации.

К наиболее эффективным методам получения точного решения зада чи (3)-(6) относится метод ветвей и границ. Среди известных подходов к формализации алгоритма этого метода выделяется способ, основанный на сведении задачи (3)-(6) к задаче минимизации полинома от булевых пере менных.

Для обеспечивают унификацию как самих ПМ, входящие в состав ПО ВС ТС, так и самого ПО для использования его в составе ТС можно предложить многоуровневые задачи. В этом случае цель унификации по экономическому критерию заключается в следующем – обеспечить функ ционирование ТС различных версий и модификаций с использованием ми Известия ТулГУ. Технические науки. 2012. Вып. нимального набора ПО, разработанного с применением минимального на бора ПМ.

Двухуровневая задача может быть сформулирована следующим об разом. Пусть Х={1,2,…n} – множество версий ТС, использующих различное ПО;

U={1, 2,…, m}- множество типов ПМ, входящих в состав ПО, при меняемого для определенной версии ТС.

Будем считать, что комплект ПО, используемый для удовлетворе ния некоего спроса (обеспечения функционирования различных ТС) в принципе может включать в себя разное число ПМ различного типа. Пред положим, что комплект рассматриваемого ПО характеризуются значением некоторых К показателей и что для всякого комплекта (q1,q2,…,qm), где число ПМ типа i в данном комплекте, значение показателя k, k=1,…,K, при фиксированном j, jX, определяется по значению некоторой функции bkj(q1,…,qm). Считаем, что комплект ПО (q1,q2,…,qm) удовлетворяет ТС но мер j, если выполняется соотношение bkj(q1, …,qm) bkj, k=1,…K, где bkj, k=1,…,K, - известные величины. Каждому комплекту ПО можно поставить в соответствие вполне конкретную ТС. Причем, количество типов ком плектов ПО, отличающихся друг от друга значениями соответствующих показателей, равно количеству типов ТС, в которых они могут применять ся. Предположим также, что для всякого iU известны величины g0i и ci означающие соответственно начальные затраты на проектирование ПМ типа i и затраты на реализацию одного такого ПМ. Через g j(q) обозначим m затраты на сопровождение комплекта ПО (q1,…,qm), где q = qi, при обес i = печении этим комплектом j-ой ТС.

Необходимо формально записать задачу выбора ПМ, позволяющих сформировать комплекты ПО, которые с наименьшими затратами выпол нят все функции обеспечения ТС определенного вида. Чтобы вычислить величину суммарных затрат, необходимо знать, из каких типов ПМ состо ит комплект ПО, обеспечивающий ТС каждого вида.

Введем переменные xij {0,1,2,...}, i U, j X. Величина xij, при нимая неотрицательные целые значения, указывает на то, сколько ПМ типа i входит в комплект ПО, удовлетворяющий ТС вида j. Понятно, что для пе ременных xij должны выполняться следующие ограничения:

( ) bkj x1 j,.., x mj bkj, j X, k = 1,..., K.

Понятно также, что если (x1 j,..., x mj ) – удовлетворяющий ТС j-го вида комплект ПО, то величина затрат, связанная с обеспечением этим комплектом ТС j-го вида, вычисляется по формуле Управление, вычислительная техника и информационные технологии ci хij + g j ( xij ). (7) iU iU Однако одних переменных xij еще не достаточно для записи целе вой функции, поскольку в ней должен быть отражен факт наличия началь ных затрат на создание программных модулей каждого типа. Введем по этому переменные x i{0,1}, i U. Величина xi равна 1, если ПМ i-го типа участвует в формировании комплекта ПО, и равна 0 – в противном случае.

Формально задача выбора оптимальной системы ПО представляет собой двухуровневую задачу унификации и имеет вид g i0 хi + { ci хij + g j ( xij )} min;

(8) iU iХ iU iU ( xi )( хij ) хi signхij, i U, j X ;

(9) bkj ( х1 j,..., x mj ) bkj, k = 1,..., K, j X ;

(10) xi {0,1}, xij {0,1,2,...,}, i U, j X. (11) Рассмотрим один частный случай сформулированной задачи, зада ( ) ваясь функциями bkj x1 j,..., xmj конкретного вида.

( ) Будем считать, что комплект x1 j,..., xmj удовлетворяет требовани ям ТС j-го вида, если xij Q j, (12) iU aij xij xij b j, (13) iU iU ( ) где aij i U, j X – целые неотрицательные числа, а h (q ) – неотрица тельная не возрастающая функция, равная 1 при q=1.

Первое ограничение естественно рассматривать как ограничение на число модулей в комплекте ПО, а второе трактовать, например, как огра ничение на эффективность комплекта. При этом вид левой части второго ограничения указывает на то, что эффективность комплекта складывается из эффективности входящих в него ПМ.

g i0 хi + { ci хij + g j ( xij )} min;

(14) iU iХ iU iU ( xi )( хij ) хi signхij, i U, j X ;

(15) xij Q j, j X ;

(16) iU aij xij h xij b j, j X ;

(17) iU iU Известия ТулГУ. Технические науки. 2012. Вып. xi {0,1}, xij {0,1,2,...,}, i U, j X. (18) Технологическая схема подготовки данных и решения двухуровне вой задачи унификации приведена на рисунке 3.

Рис. 3. Технологическая схема решения двухуровневой задачи унификации ПО ТС Двухуровневую задачу унификации можно решить путем ком плексного применения метода динамического программирования и метода ветвей и границ. Этот алгоритм предполагает ряд существенных допуще ний в рассматриваемой задаче. Существует еще один подход – снижение вычислительной сложности за счет декомпозиции двухуровневой задачи на две одноуровневые и применения простых алгоритмов их решения.

На верхнем уровне сокращается количество типов ТС, а затем уни фицируются ПМ, применяемые в заданных ПО. Динамика потребностей в новых образцах техники приводит к непрерывной замене одних систем другими, что влечет за собой необходимость создания нового ПО для этих систем. Сложившаяся практика, когда вначале осуществляется перспек тивное планирование развития систем, а затем на основе этих планов пре дусматриваются работы по унификации, не отвечает современным требо ваниям. Результаты раздельного решения оптимизационных задач, соответствующих такой схеме, трудно использовать на практике: рекомен дации по унификации не всегда являются оптимальными и их подготовка запаздывает относительно сроков разработки изделий. В этом случае со кратить номенклатуру уже созданных ПМ крайне сложно, так как она свя зана с номенклатурой ПО для ВС ТС, находящимися в эксплуатации.

Управление, вычислительная техника и информационные технологии Следовательно, необходим комплексный подход к анализу задачи управления процессом поиска рационального соотношения между момен тами постановки систем на производство, модификацию, замену сущест вующей версии ПО, и суммарной стоимостью многоуровневых параметри ческих рядов этих изделий.

Список литературы 1. Кульба В.В., Миронов А.С., Товмасян А.В. Формализованные модели предпроектного анализа при разработке модульных СОД // Методы анализа и синтеза автоматизированных систем управления. М.: ИПУ. 1981.

Вып. 25. С. 30-38.

2. Ларкин Е.В., Привалов А.Н. Проектирование программного обеспечения вычислительной среды тренажерных систем. Тула: Изд-во ТулГУ, 2010. 259с.

3. Привалов, А.Н. Применение унифицированных программных модулей при разработке тренажёрных систем // Программные продукты и системы. Тверь. 2009. №4. С.45-52.

A.N. Privalov, J.I. Bogatyreva DESIGN SOFTWARE SYSTEM BASED ON EXERCISE OF STANDARD MODULES Problem of development of special program maintenance of training systems on ba sis of unified program modules is considered. Models of optimization of special software on criterion of minimum of redundancy of program modules are formulated. Mathematical models of unification of program modules are formulated Key words: Training system, software, unified program module, synthesis of opti mum standard modules, problem of unification of program modules.

Получено 07.03. Известия ТулГУ. Технические науки. 2012. Вып. УДК 681. А.А. Аршакян, канд. техн. наук, (487-2)-35-02-19, elarkin@mail.ru (Россия. Тула. ТулГУ), Е.В. Ларкин, д-р техн. наук, проф., (487-2)-35-02-19, elarkin@mail.ru (Россия. Тула. ТулГУ) ОПРЕДЕЛЕНИЕ СООТНОШЕНИЯ «СИГНАЛ - ШУМ»

В СИСТЕМАХ НАБЛЮДЕНИЯ Исследуется процесс формирования сигналов в системах наблюдения сцены.

Получены зависимости для определения уровня сигнала и шума для случаев, когда цель является источником излучения, и когда цель отражает падающий поток. Обсужда ются методы повышения соотношения сигнал/шум.

Ключевые слова: объект наблюдения, излучающая поверхность, приемник из лучения, апертура, диаграмма направленности, индикатриса излучения, индикатриса отражения.

Решение задачи обнаружения цели на наблюдаемой сцене в значи тельной мере определяется условиями формирования сигнала, по которому производится оценка сцены [1, 2]. Сигнал в информационно измерительных системах обрабатывается иерархически на нескольких уровнях. На нижнем уровне формируется электронный образ наблюдаемой сцены. На следующем уровне происходит предварительная обработка сиг нала с целью подавления шумов и сокращения объемов передаваемых данных. И только на верхнем иерархическом уровне из всего потока дан ных, формируемых сенсором, извлекается релевантная информация, ис пользуемая для принятия решений. При этом важность начального этапа обработки трудно переоценить, поскольку именно на этом уровне закла дываются базовые показатели точности информационно-измерительной системы.

Условия формирования сигнала определяются принципом форми рования сигнала объектом наблюдения и особенностями конструкции сен сора [3]. В реальных ситуациях возможны следующие способы формиро вания сигнала: сам объект является источником сигнала, воспринимаемого сенсором;

объект модулирует сигнал, формируемый сторонним источни ком, например, окружающей средой;

объект модулирует специальный зон дирующий сигнал, генерируемый самим сенсором.

Схема формирования сигнала объектом наблюдения приведена на рис. 1.

Источник сигнала может быть представлен в виде ограниченной из лучающей поверхности, описываемой системой ( x, y, z ) = 0 ;

и ( x, y, z ) 0, (1) где - скалярная функция, описывающая собственно поверхность;

и функция, описывающая границу.

Управление, вычислительная техника и информационные технологии (x, y, z) = z п(0, y, z) y K x O и(x, y, z) k Рис. 1. Схема формирования сигнала объектом наблюдения Единичная нормаль к поверхности в произвольной точке (x K, y K, z K ) определяется направляющими косинусами K = ( Kx, Ky, Kz ) = y, x z (2) =,, 2 + 2 + 2 2 + 2 + 2 2 + 2 + z x y z x y z x y x = x K x = x K x = x K где Kx = ;

Ky = ;

Kz =.

x y = y K y y = y K z y = y K z = zK z = zK z = zK Плоская, перпендикулярная оси Ох апертура сенсора описывается зависимостями x = 0;

п (0, y, z ) 0. (3) Чувствительность сенсора в направлении угла п относительно оси Ох определяется диаграммой направленности п ( п ), обладающей круго вой симметрией относительно указанного направления, причем параметры диаграммы являются постоянными по всей площади входной апертуры сенсора.

Точка k приемника излучения определяется координатами (0, y k, z k ). Прямая Kk имеет направляющие косинусы Kk = ( Kkx, Kkz, Kkz ) = [x K xk, y K y k, z K z k ]. (4) = (x K x k ) + ( y K y k ) + ( z K z k ) 2 2 Угол между осью Ох и прямой Kk, дает угол п :

п = arccos Kkx. (5) Угол между нормалью к излучающей поверхности и прямой Kk, да ет угол и :

Известия ТулГУ. Технические науки. 2012. Вып. Kkx Kx + Kky Ky + Kkz Kz и = arccos. (6) 2 + 2 + 2 Kx + Ky + Kz 2 2 Kkx Kky Kkz Сигнал, формируемый излучающей поверхностью в приемнике с апертурой (3) определяется интегралом и ( x, y, z, и )d x d y dz п ( п )dydz, (7) U 1 = U ( x, y, z )= 0, x = 0, п (0, y, z ) 0 (x, y, z ) где и рассчитывается по зависимости (6), а п - по зависимости (5);

U - коэффициент пропорциональности;

координаты x, y, z являются вспомогательными и введены для того, чтобы при интегрировании отли чить их от координат x, y, z ;

и ( x, y, z ) – индикатриса излучения.

Схема формирования отраженного сигнала приведена на рис. 2.

Ф(Фx, Фy, Фz) (x, y, z) = z п(0, y, z) y K x O и(x, y, z) k Рис. 2. Схема формирования отраженного сигнала ( ) x, y, z, где Падающий поток представлен в виде x, y, z - направляющие косинусы луча. Отражение излучения от каждой точки поверхности в данном случае зависит от угла падения. Бу дем считать, что падающий луч, отраженный луч и нормаль к поверхности лежат в одной плоскости. Под углом падения п будем считать угол меж ду нормалью к отражающей поверхности и падающим лучом, а под углом отражения о - между нормалью и отраженным лучом. Кроме того, будем считать, что угол падения равен углу отражения, п = о (рис. 3);

часть отраженного сигнала отражается в некотором конусе относи тельно отраженного луча (поверхность является диффузной);

индикатриса отражения о ( о ) обладает осевой симметрией отно сительно отраженного луча.

Плоскость, проходящая через точку К, в которой лежит падающий и отраженный луч, описывается уравнением Управление, вычислительная техника и информационные технологии (x x K )( Ky z Kz y ) + ( y y K )( Kz x Kx z ) + + ( z z K )( Kx y Ky x ) = 0. (8) о п о (о) К (x, y, z) = Рис. 3. Отражение сигнала от поверхности цели Угол между падающим лучом и нормалью к поверхности определя ется в виде x Kx + y Ky + z Kz п = arccos. (9) 2 x + y + z Kx + 2 Ky + Kz 2 2 2 Обозначим проекцию угла п на плоскости xOy, yOz и zOx через пxy, пyz, пzx, соответственно. Указанные проекции y Ky пxy = arcsin arcsin ;

2 2 2 x + y Kx + Ky z Kz пyz = arcsin arcsin ;

(10) 2 2 2 y + z Ky + Kz x Kx пzx = arcsin arcsin.

2 2 2 x + z Kx + Kz Проекции отраженного угла на те же плоскости равны:

Ky y oxy = 2 arcsin arcsin ;

2 2 2 Kx + Ky x + y Kz z oyz = 2 arcsin arcsin ;

(11) 2 2 2 Ky + Kz y + z Kx x ozx = 2 arcsin arcsin.

2 2 2 Kx + Kz x + z Направляющие косинусы о = ( оx, оy, оz) определяются из сле дующей системы уравнений:

cos cos o1 = ox ;

Известия ТулГУ. Технические науки. 2012. Вып. cos sin o1 = oy ;

(12) tg = tg o 2 sin o1.

Решение (12) дает ( ox, oy, oz ) = 2 2 sin oxy sin oyz + cos ozx (13) ( ).

cos oxy cos oyz, sin ozx cos oyz, sin oxy sin o 2 yz Угол между отраженным сигналом и прямой Kk равен о:

Kkx ox + Kky oy + Kkz oz o = arccos. (14) 2 + 2 + 2 ox + oy + oz 2 2 Kkx Kky Kkz Сигнал, формируемый отражающей поверхностью в приемнике с апертурой (1) определяется интегралом ( п )dx dy dz U 2 = U ( x, y, z )= 0, x, y, x = 0, (15) п (0, y, z ) 0 ( x, y, z ) 0 z ( o )dx dy dz п ( п )dydz, где x, y, z - вспомогательные координаты для описания внешнего источ ника излучения;

|x|, |y|, |z| - область пространства, из которо го поступает внешнее излучение.

В частности, если внешний источник излучения формирует зонди рующий сигнал, и имеет параметры x = 0;

з(0, y, z) 0, з (0, y, z ) 0 (16) то ( п )d x dy d z U 3 = U (x, y, z )= 0, x = 0, x = 0, (17) п (0, y, z ) 0 ( x, y, z ) 0 з (0, y, z ) o ( o )d x dy dz п ( п )dydz.

Кроме полезного сигнала (7), (15), (17), на выходе информационно измерительной системы формируется также шум от источников излучения, не связанных с целью, сигналов, отраженных от других предметов сцены, не связанных с целью и т.п.. Величина шума определяется зависимостью п ( п )d x dy dz dydz.

U 0 = U (18) ( x, y, z ) x = 0, п (0, y, z ) Как следует из (18), шум на выходе приемника тем выше, чем шире диаграмма направленности п ( п ) приемника излучения. Вследствие того, что шумовая составляющая формируется вне телесного угла, под которым наблюдается цель, шум можно считать аддитивным. Соотношение сиг нал/шум для трех вышеуказанных случаев определяется одной из следую щих зависимостей:

Управление, вычислительная техника и информационные технологии U U1 U ;

C 2 = 2 ;

C3 = 3, C1 = (19) U0 U U где C1 - соотношение для случая, когда источником излучения является цель;

C 2 - случай отражения излучения от внешнего рассредоточенного источника;

C3 - случай зондирующего источника.

Для улучшения соотношения сигнал/шум применяют следующие методы, так или иначе ограничивающие значение знаменателя (18) в зави симостях (19):

1) сужение спектрального диапазона, в котором наблюдается сцена (применимо к электромагнитным и к ультразвуковым излучениям) [4];

2) использование поляризованного зондирующего сигнала (приме нимо к электромагнитным зондирующим системам);

3) использование дополнительной модуляции зондирующего излу чения с жестко регламентируемыми параметрами модулирующего сигнала (применимо к системам с зондирующими сигналами);

4) сужение поля зрения сенсора (применимо к любым системам).

В первых трех случаях формирование полезного сигнала и шума моделируется интегралами вида max max U1,2,3 ( )( )d ;

U 0 = U 0 ( )( )d, U 1,2,3 = (20) min min где U1, 2,3 ( ), U 0 ( ) - зависимость соответствующих сигналов от парамет ра, обеспечивающего селекцию;

( ) - избирательный фильтр, обеспечи вающий селекцию.

В качестве параметра, обеспечивающего селекцию, используют:

частоту несущей полезного сигнала в системах, в которых сцена наблюдается в узком спектральном диапазоне;

угол пространственной ориентации электрической (магнитной) со ставляющей электромагнитного излучения;

частоту модуляции зондирующего излучения.

В качестве избирательного фильтра используют колебательные кон туры, оптические фильтры разных цветов, пару поляризатор-анализатор, и т.п. Смысл улучшения соотношения сигнал/шум в первых трех случаях в том, что полезный сигнал U1, 2,3 ( ) по параметру, обеспечивающему се лекцию, распределен в узком диапазоне значений указанного параметра, и в этом диапазоне должно быть обеспечено максимальное значение коэф фициента передачи ( ) избирательного фильтра. Сигнал шума U 0 ( ) по параметру распределен в широком диапазоне, поэтому избирательный фильтр пропускает только часть этого сигнала.

В четвертом случае осуществляется уменьшение величины телесно Известия ТулГУ. Технические науки. 2012. Вып. го угла приемника, в котором производится обзор пространства, за счет п ( п ).

изменения диаграммы направленности Информационно измерительные системы с узким телесным углом пространственного обзо ра формируют сигнал, несущий информацию об объекте только в том слу чае, если объект попадает в поле зрения информационно-измерительной системы. В ряде случаев наблюдения идентифицируемая цель является подвижной, поэтому система должна иметь средства и возможности на блюдать в каждый момент не только цель, но и часть прилегающей к ней сцены. При этом луч пространственного обзора должен либо сопровождать цель, либо просто сканировать некоторую область пространства, где пред положительно она находится. При сканировании может производится как параллельный, так и последовательный (во времени) съем сигнала от от дельных элементов сцены. В дальнейшем указанные сигналы упорядочи ваются в вектор и/или матрицу, и производится анализ как местоположе ния элементов матрицы, предположительно несущих информацию об объекте, так и их значений.

Список литературы 1. Ларкин Е.В. Котов В.В., Котова Н.А Система технического зре ния робота с панорамным обзором // Известия ТулГУ. Сер. Технические науки. 2009. Вып. 2, Ч.2, 2009. С. 161 - 166.

2. Ларкин Е.В., Акименко Т.А., Лучанский О.А. Оценка «смаза»

изображения в системе технического зрения мобильного колесного робота // Вестник Рязанского гос. радиотехн. ун-та. Рязань: РИЦ РГРТУ, 2008. С.

77 - 80.

3. Ларкин Е.В., Дудка В.Д., Лагун В.В. Наблюдение объектов в по лярной системе координат // Известия ТулГУ. Сер. Математика. Механика.

Информатика. 2002. Т. 7. Вып. 3. Информатика. С. 60 - 64.

4. Ларкин Е.В., Котов В.В. Поиск целей на тепловизионных изо бражениях // Известия ТулГУ. Сер. Проблемы специального машино строения. 2001. Вып. 4. Ч. 2. С. 25 - 29.

A.A. Arshakyan, E.V. Larkin SIGNAL-TO-NOISE RATIO DEFINITION IN OBSERVATION SYSTEMS A formation process of signal from an observation stage is investigated.

The dependencies to determine signal and noise level for the cases when the target is a source of radiation, and when the target reflects of the incident flux are obtained. Methods to improve the signal-to-noise ratio are discussed.


Key words: observation object, radiating surface, radiation receptor reception diagram. aperture, radiation indicatrix, reflection indicatrix Получено 07.03. Управление, вычислительная техника и информационные технологии УДК 004. А.А. Свиридов, асп., 8-960-600-56-94, Sviridov86@gmail.com (Россия, Тула, ТулГУ) ИСПОЛЬЗОВАНИЕ СИНГУЛЯРНОГО РАЗЛОЖЕНИЯ ДЛЯ КОМПРЕССИИ ПОТОКОВОГО АУДИО Предложен новый подход к компрессии потокового аудио, заключающийся в использовании сингулярного разложения. Представлены результаты работы экспери ментального кодека, разработанного в математическом пакете MATLAB.

Ключевые слова: потоковое аудио, компрессия, сингулярное разложение, орто гональное преобразование, кодек.

Большинство современных эффективных методов сжатия звука с потерями базируются на одномерных дискретных ортогональных преобра зованиях и применении психоакустических моделей. В этом подходе су щественно, что сигнал представляется одномерным массивом. В работе рассматривается новый подход к компрессии аудио, заключающийся в представлении фрейма аудио сигнала двумерным вектором (матрицей) и использовании двумерного метода компрессии с потерями.

Задача компрессии аудио сводится к задаче сжатия изображений, в которой сжимаются матрицы. Для сжатия матриц использовалось сингу лярное разложение (SVD – singular value decomposition).

Стоит отметить, что SVD уже применялось при обработке аудио.

Но оно использовалось не для компрессии аудио, а в целях обеспечения защиты авторских прав в рамках использования техники водяных знаков [1].

Рассмотрим обобщенную схему, по которой работает подавляющее большинство кодеков (кодек – сокращение от кодировщик/декодировщик) потокового аудио. При помощи некоторой модели (например, психоаку стики) осуществляется частотно-временной анализ (с использованием та ких преобразований как ДПФ – дискретное преобразование Фурье, МДКП – модифицированное дискретное косинус преобразование, ДВП – дискрет ное вейвлет-преобразование и т. п.), полученные после этого данные под вергаются квантованию. Затем определяются качество и размер участков фрейма, если они не соответствуют необходимым значениям, то парамет ры частотно-временного анализа и квантования меняются, и эти процеду ры проводятся снова. После того, как будут получены необходимые каче ство и размер участков фрейма, проводится энтропийное кодирование.

Обобщённая схема приведена на рис. 1.

Известия ТулГУ. Технические науки. 2012. Вып. Рис. 1. Обобщённая схема кодека потокового аудио [2, c.26] Все современные методы компрессии аудио оперируют с аудио сигналом как с одномерным вектором. Такой подход позволяет использо вать психоакустические модели при кодировании.

Тем не менее, сегодня очень хорошо развита теория сжатия видео, и, в частности, теория сжатия изображений [3]. При сжатии изображений операции преобразований (такие как двумерные ДПФ, МДКП, ДВП и дру гие) проводятся или над матрицами, тем или иным способом описываю щими изображение (например, в алгоритме JPEG в качестве одной из об рабатываемых матриц используется матрица значений, соответствующих яркостной составляющей цвета в цветовом пространстве YCr Cb [4, с.22]), или над отдельными строками и столбцами таких матриц.

Методы сжатия матриц дают хорошие результаты для изображений, но аудио информация имеет свою структуру, поэтому необходимо иссле довать вопрос о том, дадут ли они хорошие результаты для аудио. Рас смотрим процедуру сведения компрессии потокового аудио к сжатию мат риц.

Обозначим входной аудио сигнал за x(t). Обработка будет прохо дить в потоковом режиме, для этого разобьем входной сигнал на фреймы N, которые будут обрабатываться независимо. Пусть длины T = {t1, K, t N } – равномерное разбиение временного интервала, соответст вующего текущему фрейму. Тогда за xi обозначим значения сигнала (от счеты) в моменты времени ti : x(t i ) = xi, i = 1K N. Из этих отсчетов далее построим матрицу размера m n следующим образом:

x11 x12 K x1n x21 x22 K x2 n X =, (1) M M M O x xm 2 K xmn m1 где xij = x ((i 1) n + j ), i = 1,K, m, j = 1,K, n.

Управление, вычислительная техника и информационные технологии Таким образом, задача сжатия аудио сигнала x(t) сводится к задаче сжатия матриц вида (1). Изобразим теперь матрицу X графически, для это го будем рассматривать каждый элемент матрицы xij как пиксель изобра жения с координатами (i, j ) в цветовом пространстве RGB и значением от 0 до 1. Для этого можно считать, что все составляющие цвета (R – красная, G – зеленая и B – синяя) равны одной и той же величине, определяемой следующим образом:

xij min xij R=G = B=.

max xij min xij При равенстве цветовых составляющих цветом каждого пикселя могут быть только оттенки серого. Полученные изображения могут быть полезны при анализе матричного представления аудио сигнала. На рис. показаны графические изображения некоторых матриц фреймов. Хорошо видно преобладание горизонтальных деталей.

Рассмотрим подход к сжатию матриц, основанный на SVD. Данное разложение описывается следующей теоремой [5] ("экономичное" SVD).

Теорема 1. Пусть X – вещественная матрица m n, U и V – орто гональные матрицы, тогда X можно представить в виде X = USV T, (2) где S – диагональная матрица размера r r 1 0 K 0 2 K S =, O M M M 0 K r r = min( m, n ) и диагональные элементы матрицы S удовлетворяют нера венствам 1 2 K r 0. (3) Матрица X, разложенная по формуле (2), может быть записана в виде k X = l ul vlT, (4) l = где k – ранг матрицы X, u l – столбцы матрицы U (левые сингулярные векторы матрицы X ), vl – столбцы матрицы V (правые сингулярные век торы матрицы X ).

Известия ТулГУ. Технические науки. 2012. Вып. а б в г д е Рис. 2. Изображения матриц фреймов размером 32 следующих композиций: a – Mozartkugeln, Strauss Quartet (Mozart, Strauss) – классическая музыка;

б – The Lonely Sheeperd (J.Last) – инструментальная музыка;

в – What's She Like (Roxette) – популярная музыка;

г – Мое сердце не остановилось (Наив) – рок;

д – The Carpenter (Nightwish) – тяжелый рок;

е – Robinson Crusoe (Speech) – речь Большая практическая значимость сингулярного разложения вы звана в первую очередь тем, что оно дает оптимальный в некотором смыс ле способ исключения из матрицы наименее значимой информации путем ее аппроксимации суммой меньшего числа слагаемых. Речь идет о поиске элемента наилучшего приближения для заданной матрицы X на множест ве матриц, ранг которых ограничен некоторым числом. Следующая теоре ма (частный случай более общей теоремы для матрицы X над полем С [6, с.233]) описывает оптимальность аппроксимации с использованием SVD.

Теорема 2 (о наилучших аппроксимациях с понижением ранга).

Пусть матрица X R m n задана сингулярным разложением (4) и k +1 = 0.

Пусть задано целое 1 s k, тогда ~ min X Y 2 = s +1 = X X s, rank(Y ) s, Y m n s ~ Xy 2 – спектральная норма матрицы, X s = l ul vlT.

где X 2 = sup l = y 2 =1, n y Управление, вычислительная техника и информационные технологии Таким образом, сжатие может быть достигнуто обнулением части диагональных элементов матрицы S, при этом для достижения лучшей аппроксимации матрицы S (соответственно, лучшего качества восстанов ленного сигнала) в соответствии с Теоремой 2 обнулять нужно элементы, имеющие минимальные значения. Учитывая условия (3), получаем, что процесс сжатия сводится к выбору числа s, регулирующего степень сжа тия и качество приближения матрицы X, такого, что после обнуления час ти диагональных элементов матрица S принимает вид 1 0 K 0 0 K 0 2 K 0 0 K M M O M M M M S* = 0 0 K s 0 K 0.

0 0 K 0 0 K M M O M M O M 0 K 0 0 K ~ Обозначим за S следующую матрицу:

1 0 K ~ 0 2 K S =.

M O M M 0 0 K s Оценим степень сжатия при данном подходе. Для хранения матри цы S нужно сохранить s её диагональных элементов. Вместо матрицы U можно хранить только первые s столбцов этой матрицы (матрицу, состав ~ ленную из этих столбцов, обозначим U ), поскольку у матрицы S * только первые s строк будут ненулевыми. Для матрицы V T будет достаточно хранить первые s строк (матрицу, составленную из этих строк, обозна ~ чимV T ), поскольку при вычислении матрицы US*V T все элементы строк матрицы V T с номерами большими s будут умножаться на нулевые эле менты столбцов матрицы US*. Таким образом, для хранения сигнала вме ~ сто N = m n значений нужно хранить N * значений ~ N * = s + ms + ns = s (1 + m + n ).

Более того, вместо хранения s диагональных элементов матрицы S и первых s столбцов матрицы U можно хранить первые s столбцов мат рицы US*. В этом случае уже не нужно хранить диагональные элементы матрицы S и сигнал представляется меньшим количеством значений ~ N = ms + ns = s (m + n).

Известия ТулГУ. Технические науки. 2012. Вып. Например, если взять m = 32, n = 32 и s = 6, то будет достигнуто сжатие в 2,67 раза.

Система фильтров, предназначенная для обработки восстановлен ного аудио сигнала, является важной составной частью любого кодека.

При реализации SVD-декодирования для подавления шумов в выходном сигнале был использован хорошо известный фильтр нижних частот (ФНЧ) с косинусоидальным сглаживанием амплитудно-частотной характеристики (АЧХ). АЧХ этого фильтра определяется выражением [7, с.325] 1, 0 (1 ), 1 & K ( ) = sin, 0 (1 ) 0 (1 + ), 2 0, (1 + ), & график K ( ) показан на рис. 3.

Импульсная характеристика этого фильтра имеет вид [7, с. 326] cos 0t sin 0t h (t ) = 0.

2 t 2 0t 1 Процедура применения дискретного фильтра представляет собой свертку входного сигнала x (n ) и коэффициентов фильтра h (n ) N y (n) = h (k ) x (n k ), k = где y (n ) – выход фильтра, N – длина фильтра (количество коэффициентов фильтра).

Рис. 3. АЧХ ФНЧ с косинусоидальным сглаживанием [7, с. 325] Управление, вычислительная техника и информационные технологии Общая схема работы SVD-кодировщика выглядит следующим об разом:


1) формирование очередной матрицы фрейма X ;

2) выполнение SVD-разложения (2);

~~ 3) вычисление матрицы U S ;

~~ ~ 4) квантование матриц U S и V T.

При декодировании выполняются обратные операции, после чего применятся ФНЧ с косинусоидальным сглаживанием АЧХ.

Для тестирования SVD-кодека был написан код в математическом пакете MATLAB, использовались следующие настройки:

длина фрейма: 1024 отсчета;

размер матрицы фрейма: 32 32 ;

оставляемое количество сингулярных чисел: 3;

уровень квантования: 8 бит;

количество каналов: 1 (mono).

При тестировании были использованы композиции разных жанров:

1. Mozartkugeln, Strauss Quartet (Mozart, Strauss) – классическая му зыка;

2. The Lonely Sheeperd (J.Last) – инструментальная музыка;

3. What's She Like (Roxette) – популярнаямузыка;

4. Мое сердце не остановилось (Наив) – рок;

5. The Carpenter (Nightwish) – тяжелыйрок;

6. Robinson Crusoe (Speech) – речь.

В качестве оригиналов для всех композиций были взяты wav-файлы длительностью по 15 секунд со следующими параметрами (эти параметры соответствуют “CD-качеству”):

частота дискретизации: 44100 Гц;

количество каналов: 2 (stereo);

уровень квантования: 16 бит.

Средняя степень сжатия SVD-кодека при используемых параметрах кодирования составила 1:21, что почти в точности совпадает со средней степенью сжатия хорошо известного кодека MP3, которая составляет 1:11, с учётом того, что SVD-кодек использовал только один канал при кодиро вании (mono). Полученный результат может быть улучшен с помощью применения алгоритмов энтропийного кодирования, например, алгоритма Хаффмана [8, с.31]. Здесь также нужно отметить, что в MP3 учитывается корреляция стереоканалов (алгоритм JointStereo), и если добавить эту об работку к SVD-кодеку и работать с двумя каналами, то результат должен оказаться лучше, чем 1:11.

Несмотря на то, что качество звучания у SVD-кодека заметно усту пило по мелодичности звучанию MP3 и других современных кодеков, оно Известия ТулГУ. Технические науки. 2012. Вып. оказалось вполне приемлемым: все слова слышно отчётливо, музыкальные инструменты узнаваемы. Оценка звучания производилась на слух.

При тестировании оценивалось и время работы SVD-кодека. Тесты проводились на компьютере со следующими характеристиками:

CPU: Intel Core 2 Duo P8600 2.40GHz;

RAM: 3 Gb.

По результатам, приведённым в таблице, видно, что скорость рабо ты SVD-кодека достаточно высокая, и он работает в режиме реального времени.

Время работы SVD-кодека при кодировании и декодировании (в секундах) № Композиция Кодирование Декодирование 1 Mozartkugeln, Strauss Quartet (Mozart, 0,84 2, Strauss) 2 The Lonely Sheeperd (J.Last) 0,70 3, 3 What’s She Like (Roxette) 0,72 3, 4 Мое сердце не остановилось (Наив) 0,79 3, 5 The Carpenter (Nightwish) 0,74 3, 6 Robinson Crusoe (Speech) 0,72 3, Средний результат 0,75 3, Можно выделить следующие наиболее значимые результаты рабо ты:

сингулярное разложение может быть использовано при компрес сии аудио;

в дальнейшем может быть исследован вопрос о комбинировании классических подходов, основанных на психоакустических моделях, с двумерными методами для достижения высоких степеней сжатия при со хранении основных деталей композиции (отдельные звуки и слова, узна ваемость музыкальных инструментов). Задача очень сильного сжатия мо жет быть интересна при архивировании больших объёмов аудио, когда качество не так значимо, а нужны лишь основные детали (например, ау дио, получаемое с систем видеонаблюдения, работающих в режиме 24/7).

Список литературы 1. Hamza Ozer, Bulent Sankur, Nasir Memon. An SVD-based audio wa termarking technique // International Multimedia Conference. New York, USA, SESSION: Audio, ISBN:1-59593-032-9, 2005. P. 51-56.

2. Ватолин Д.С. Сжатие аудиоданных. Общие принципы и устрой ство MP3. М.: ВМиК МГУ им. М.В. Ломоносова, 2006-2007. 131 с.

Управление, вычислительная техника и информационные технологии 3. Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Тех носфера, 2005. 1072 с.

4. Ватолин Д.С. Алгоритмы сжатия изображений. Методическое пособие. М.: Издательский отдел факультета ВМиК МГУ им.М.В. Ломо носова, 1999. 39 с.

5. LAPACK User's Guide. Third Edition / E.Anderson [et al.] Philadel phia: SIAM, 1999.

6. Тыртышников Е.Е. Матричный анализ и линейная алгебра. М.:

ФИЗМАТЛИТ, 2007. 480 с.

7. Сергиенко А.Б. Цифровая обработка сигналов. СПб.: Питер, 2002.

608 с.

8. Методы сжатия данных. Устройство архиваторов, сжатие изо бражений и видео / Д.Ватолин [и др.]. М.: ДИАЛОГ-МИФИ, 2003. 384 с.

A.A. Sviridov USING SINGULAR VALUE DECOMPOSITION FOR COMPRESSING STREAMING AUDIO A new approach of compressing streaming audio is proposed. The approach is based on singular value decomposition. An experimental codec was developed in MATLAB so that test the new approach. The results of testing are given.

Key words: streaming audio, compression, singular value decomposition, orthogonal transformation, codec.

Получено 07.03. Известия ТулГУ. Технические науки. 2012. Вып. УДК 004. А.О. Ларин, магистрант, ekzebox@gmail.com (Россия, Тула, ТулГУ), О.С. Середин, канд.ф.-м. наук, доц., oseredin@yandex.ru (Россия, Тула, ТулГУ) ПАРАМЕТРИЗАЦИЯ ЦВЕТОВОГО ПРЕДСТАВЛЕНИЯ ИЗОБРАЖЕНИЯ ПЛАМЕНИ С ИСПОЛЬЗОВАНИЕМ ОДНОКЛАССОВОГО КЛАССИФИКАТОРА Исследуется задача поиска пламени на изображениях. Основная идея работы заключается в применении одноклассового классификатора Д. Тэкса для параметриза ции цветового представления изображения пламени. Эффективность выбранного под хода подтверждается экспериментальными исследованиями, в ходе которых было изучено влияние настраиваемого параметра классификатора на результаты пара метризации. Также в данной работе рассмотрен подход к оптимизации решающего правила классификатора, позволяющий существенно увеличить скорость распознава ния.

Ключевые слова: одноклассовая классификация, пиксельные классификаторы, детектирование огня, поиск пламени, Support Vector Data Description, Fire Detection.

В системах компьютерного зрения, решающих задачу детектирова ния огня, одним из этапов работы является описание набора точек, пред ставляющих объекты интереса на изображении, в параметрической форме.

При цветовом анализе изображений любой пиксель можно представить в виде трехмерного вектора, каждая координата которого совпадает со зна чением соответствующей компоненты RGB этого пикселя. Задачей пара метризации или Color data modeling [1] принято называть построение на основе выделенного экспертом набора точек в цветовом пространстве та кого математического правила (модели), которое позволяет с заданной точностью параметрически описывать области интереса в пространстве признаков. Примером подобной задачи является параметризация пикселей огня, решение которой и будет рассмотрена в этой работе.

Основная гипотеза поиска пикселей, принадлежащих пламени, за ключается в экспертном указании на изображении фрагментов (прямо угольников, полигонов, явного перечисления пикселей), описывающих пламя. Используя только эту информацию и принцип обучения по преце дентам, необходимо построить математическое описание правила, относя щего пиксели к одному из двух классов: пламя — не пламя. На рис. представлен пример вполне произвольного указания множества пикселей, составляющих обучающую совокупность. Область обучающей совокупно сти, отмеченная на рис. 1, образует множество трехкомпонентных векто ров, которое можно представить в пространстве RGB, как показано на рис. 2.

Управление, вычислительная техника и информационные технологии Рис. 1. Кадр, содержащий изображение огня. Прямоугольником выделена область для обучения Рис. 2. Множество пикселей, представляющих изображение пламени, в пространстве RGB Широко используемым подходом к решению задачи параметриза ции является метод аппроксимации исходных данных смесью нормальных распределений [2]. Для поиска огня на изображения часто применяются модификации этого метода. Например, подробно рассмотренный в [5] ме тод аппроксимации экспериментальных данных сферами. Сферы строятся на основе подобранной смеси нормальных распределений таким образом, что центром каждой аппроксимирующей сферы является точка, представ ленная математическим ожиданием соответствующего распределения, а радиусом — удвоенное среднее квадратичное отклонение того же распре Известия ТулГУ. Технические науки. 2012. Вып. деления (см. рис. 3). Пиксель, классифицируемый на основе этой модели параметризации, считается принадлежащим изображению огня в случае, если попадает хотя бы в одну из аппроксимирующих сфер.

Рис. 3. Аппроксимация сферами исходного набора данных (центр сферы — среднее значение распределения, радиус — два СКО) Важно отметить, что количество сфер должно быть подобрано из начально. В самой работе сделано предположение о том, что достаточного качества параметризации пикселей пламени можно добиться, используя десять аппроксимирующих сфер.

Если обратить внимание на вид исходного набора данных в про странстве RGB и постановку задачи, то можно предположить, что задачу параметризации можно решить, пользуясь методом одноклассовой клас сификации. Один из таких методов мы исследовали ранее, используя его в задаче идентификации личности по фотопортрету, где он показал неплохие результаты распознавания, поэтому возникла идея попытаться использо вать одноклассовую классификацию для решения задачи параметризации пикселей пламени.

Метод описания данных опорными векторами Метод одноклассовой классификации, который будет использован для решения поставленной задачи, впервые был предложен Д.

Тэксом в [4] и получил название — Support Vector Data Description (метод описания данных опорными векторами). Особенность этого метода заключается в сильной аналогии с методом опорных векторов В.Н. Вапника. Модель описания набора данных для обучения x i R n, i = 1, …, N ( n — размер Управление, вычислительная техника и информационные технологии ность признакового пространства, N — количество объектов в обучающей выборке) в методе — гиперсфера, представляющая ближайшую внешнюю границу вокруг данных. Ограничивающая гиперсфера однозначно опреде ляется своими центром a R n и радиусом R R, которые подбираются таким образом, чтобы радиус был минимален, но при этом бльшая часть объектов обучающей совокупности не выходила за ее пределы (см. рис. 4).

При этом объекты, попадающие за пределы гиперсферы, должны быть ош трафованы, и сумма штрафов для таких объектов также должна быть ми нимальной.

Рис. 4. Сферическая модель описания данных Таким образом, необходимо минимизировать структурную ошибку модели:

2 N R + C i min, R, a, i = (1) 2 x i a R + i, i 0, i = 1, …, N.

Поставленная задача является задачей квадратичного программирования, которая решается с помощью метода множителей Лагранжа. Двойственная по отношению к (1) задача имеет вид:

N NN ( ) i ( x i ·x i ) i j x i ·x j min, i =1 i =1 j = (2) N i = 1, 0 i C, i = 1, …, N, i = где — множители Лагранжа. Д. Тэкс предлагает использовать для опи сания всей обучающей совокупности в решающем правиле только опорные объекты x k, k ( 0, C ), лежащие на границе гиперсферы.

Известия ТулГУ. Технические науки. 2012. Вып. Новый объект считается принадлежащим классу интереса, когда расстояние от него до центра гиперсферы меньше ее радиуса. Из этого следует, что функция одноклассового решающего правила распознавания для объекта z будет иметь вид индикаторной функции:

) ( d ( z;

, R ) = I z a R2, (3) где N SV N SV N SV ( z·z ) 2 i ( z·xi ) + i j ( xi ·x j ), za = (4) i =1 i =1 j = N SV N SV N SV i j ( xi ·x j ), ( xk ·xk ) 2 i ( xk ·xi ) + R2 = (5) i =1 i =1 j = N SV — количество опорных объектов, а x k — любой опорный объект.

Для возможности описания данных более «гибкой формой», нежели сфера, Д. Тэкс использовал идею метода потенциальных функций [6,7] для перехода в спрямляющее пространство признаков большей размерности.

Наиболее часто для этого используются полиномиальная потенциальная функция ( ) p K (xi, x j ) = 1 + xi ·x j и радиальная базисная функция Гаусса xi x j K (xi, x j ) = exp. (6) s Таким образом, чтобы получить улучшенную модель описания данных по методу Д. Тэкса, необходимо заменить в (2), (4) и (5) операцию вычисления скалярного произведения двух векторов вычислением значе ния потенциальной функции двух аргументов.

Очевидно, что для решения задачи параметризации цветового пред ставления пикселей пламени предпочтительной является потенциальная функция Гаусса, поэтому далее будем использовать именно ее.

Результаты экспериментов На рис. 1 отмечена прямоугольная область, из которой был получен набор пикселей для обучения классификатора Д. Тэкса. Результаты по строения разделяющей границы вокруг данных на основании обученного классификатора представлены на рис. 5. На рис. 6 проиллюстрировано применение классификатора для поиска пламени на изображении.

Управление, вычислительная техника и информационные технологии а б в Рис. 5. Результаты построения разделяющей границы с использованием классификатора Тэкса для различных параметров потенциальной функции Гаусса s : а) – 10, б) – 50, в) – Рис. 6. Кадр, на котором посредством классификатора Тэкса, обученного по фрагменту, представленному на рис. 1, черным цветом были отмечены пиксели, принадлежащие пламени Следует отметить, что при уменьшении параметра потенциальной функции Гаусса s область становится более «плотной» и ограничивает в пространстве RGB меньшее количество пикселей вокруг обучающего множества. Таким образом, возникает необходимость в процедуре поиска оптимального параметра потенциальной функции.

Подбор оптимального для потенциальной функции Гаусса В своей работе Д. Тэкс также предложил алгоритм, позволяющий подбирать оптимальное значение параметра s функции Гаусса. Суть алго ритма заключается в поиске параметра s, соответствующего заданной ошибке распознавания, в пределах от минимального значения параметра до максимального. Эти значения могут быть определены по следующим формулам:

Известия ТулГУ. Технические науки. 2012. Вып. smin = min i, j xi x j, i j, smax = max i, j xi x j.

Поиск параметра должен осуществляться по итерационной схеме с заданным шагом до тех пор, пока ошибка распознавания не будет соответ ствовать желаемой. Оценку ошибки распознавания было предложено де лать, используя процедуру скользящего контроля. На рис. 7 показана зави симость между ошибкой классификации и параметром потенциальной функции Гаусса.

Рис. 7. Зависимость между параметром потенциальной функции и ошибкой классификации на скользящем контроле Если обратить внимание на график зависимости между параметром потенциальной функции Гаусса и количеством опорных объектов, участ вующих в решающем правиле распознавания (см. рис. 8), то можно заме тить, что количество опорных объектов уменьшается с увеличением пара метра потенциальной функции. Таким образом, количество опорных объектов в решающем правиле является косвенным признаком, по которо му можно грубо оценивать будущую ошибку классификации.

Использование реализованного программно классификатора в сис теме анализа видеопотока, работающей в реальном времени, показало не обходимость ускорения его работы на этапе распознавания. Это обуслов лено тем, что процедуру распознавания необходимо запускать для каждого пикселя обрабатываемого изображения несколько раз в секунду.

Если обратить внимание на вид потенциальной функции Гаусса (6) то можно заметить, что она обладает двумя свойствами, следующими из свойств экспоненты: принимает только положительные значения на всей своей области определения;

в случае равенства аргументов принимает зна чение, равное единице.

Управление, вычислительная техника и информационные технологии Рис. 8. Зависимость между параметром потенциальной функции и количеством опорных объектов в решающем правиле классификатора Оптимизация скорости работы классификатора Воспользовавшись этими утверждениями, можно преобразовать выражение решающего правила (3), получив его упрощенный вид N SV N SV d ( z ) = I i K ( z, xi ) i K ( x k, xi ) 0, (7) i =1 i =1 где x k — любой опорный вектор. Ввиду положительности гауссовской потенциальной функции достаточно частичного вычисления первой суммы в выражении (7), а вторая сумма может быть посчитана заранее, перед процедурой классификации.

Ясно, что для вычисления данного выражения, в сравнении с пер воначальным, требуется меньшее число операций. Следовательно, времен ные затраты на процедуру классификации снизятся.

Хорошо известно, что операция вычисления экспоненты обладает большой вычислительной сложностью, поэтому мы предположили, что уменьшение вызовов этой функции во время выполнения может сущест венно снизить временные затраты на распознавание пикселей. В нашем случае вектор признаков представлен следующим образом:

xi = ( ri, gi, bi ). (8) Подставляя (8) в исходное выражение потенциальной функции Гаусса (6) и, используя одно из свойств функции экспоненты, мы можем записать выражение для гауссовской потенциальной функции следующим образом:

| r r |2 | g g |2 | b b | i j i j i j K ( xi, x j ) = exp exp exp. (9) 2 2 s s s v f (v ) = exp (10) s Известия ТулГУ. Технические науки. 2012. Вып. и, выполняя замену в выражении (9), получим K ( x i, x j ) = f (| ri r j |) f (| gi g j |) f (| bi b j |).

Обратим внимание на то, что значение каждой цветовой компонен ты RGB ограничено множеством (0,1,…, 255), поэтому модуль разности двух любых цветовых компонент также будет принадлежать этому множе ству, значит, область определения функции (10) будет дискретна и ограни чена множеством (0,1,…, 255). Поэтому все значения этой функции могут быть вычислены еще до начала основной процедуры классификации, что позволяет нам полностью отказаться от вычисления функции экспоненты, занимающего большую часть времени во время выполнения.

Таким образом, было существенно снижено число операций, необ ходимых для классификации, а также полностью исключено вычисление экспоненты во время выполнения. Сравнительные результаты можно уви деть на рис. 9.

Эксперимент по измерению времени параметризации пикселей проводился следующим образом. Было выбрано 50 тыс. «своих» пикселей (принадлежащих изображению пламени), и 500 тыс. «чужих» (не принад лежащих изображению пламени). Для каждого объекта из выборки проце дура распознавания запускалась 200 раз, чтобы снизить ошибку измерения времени.

Рис. 9. Результаты оптимизации решающего правила Выводы Метод описания данных опорными векторами (Support Vector Data Description) представляет собой довольно простую математическую мо дель, позволяющую решать задачу одноклассового распознавания образов.

Нами было показано, что такая модель может быть применена к задаче па раметризации пикселей пламени на изображении (см. рис. 6).

Для параметров модели Тэкса существуют эвристические алгорит мы определения их оптимальных значений, что дает возможность строить Управление, вычислительная техника и информационные технологии модель описания данных без дополнительных вмешательств в процесс обучения: визуализации данных полученной модели и ее дополнительного анализа.

Помимо этого, использование данного метода с объектами, пред ставленными в пространстве RGB, позволяет выполнить оптимизации, су щественно ускоряющие выполнение классификации, что позволяет приме нять данный подход в системах, где важным критериями являются производительность и скорость работы, например, в системах видеонаб людения.



Pages:     | 1 |   ...   | 2 | 3 || 5 | 6 |   ...   | 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.