mirea.ruJ _ ^ Z d p b h g g h e e _ ] b: .. ( ] e Z \ g u c _ ^ Z d l h j), .. h j, .. h j b g ( a Z f _ k l b l _ e b e Z \ g h ] _ ^ Z d l h j),

$Page 1: mirea.ruJ _ ^ Z d p b h g g h e e _ ] b: .. ( ] e Z \ g u c _ ^ Z d l h j), .. h j, .. h j b g ( a Z f _ k l b l _ e b e Z \ g h ] _ ^ Z d l h j),$
НАУЧНЫЙ ВЕСТНИК

МОСКОВСКОГО ГОСУДАРСТВЕННОГО

ИНСТИТУТА РАДИОТЕХНИКИ,

ЭЛЕКТРОНИКИ И АВТОМАТИКИ

(ТЕХНИЧЕСКОГО УНИВЕРСИТЕТА)

МИРЭА

№ 2(9) 2010

МОСКВА

Редакционная коллегия:

А.С. Сигов (главный редактор),

А.И. Морозов, В.В. Сидорин (заместители главного редактора),

В.Е. Андрюшин (ответственный секретарь),

В.К. Битюков,

А.К. Большаков,

А.Г. Васильев,

А.А. Задерновский,

Г.В. Куликов,

С.М. Коваленко,

И.А. Лубашевский,

В.А. Мордвинов,

А.А. Парамонов

М.П. Романов,

А.Б. Самохин,

И.А. Соколов,

В.М. Ткаченко,

Ю.К. Фетисов.

Учредитель: государственное образовательное учреждение высшего профессионального об-

разования «Московский государственный институт радиотехники, электроники и автоматики

(технический университет)» (МИРЭА)

Свидетельство о регистрации СМИ: ПИ №ФС77-19737 от 30.03.2005 выдано Федеральной

службой по надзору за соблюдением законодательства в сфере массовых коммуникаций и

охране культурного наследия

Адрес редакции: 119454 Москва, просп. Вернадского, 78. Редакция журнала «Научный вест-

ник МИРЭА».

Телефон/факс ответственного секретаря редколлегии: 433-50-33, Андрюшин Владимир Его-

рович.

E-mail: [email protected]

2010 Научный вестник МИРЭА №9

3

СОДЕРЖАНИЕ

С.Е. Дробнов. Обобщение закона Амдала для большого объема параллельных

вычислений в GRID…………………………………………………………………………… 4

А.Н. Коваленко. Математическое моделирование полосковых линий проекционным

методом………………………………………………………………………………………… 8

В.М. Кроль, Н.И. Трифонов, В.Н. Цыпкин. Пути развития методологии

дистанционного обучения в сфере высшего профессионального образования…………... 17

А.В. Макаревич, В.М. Микитин, А.В. Малахов. Некоторые аспекты методологии

обучения в пограничных специальностях. Особенности образования на современном

уровне…………………………………………………………………………………………… 24

В.С. Мартьянов, В.Е. Андрюшин. Математическая модель радиолокационного

изображения взволнованной морской поверхности………………………………………… 29

А.В. Лопарев. Моделирование процесса самовозбуждения оптоэлектронного

генератора СВЧ колебаний…………………………………………………………………… 41

Э.Г. Никонов, А.Б. Флорко. Увеличение времени первого отказа в многоэтапных

событийно-управляемых системах массового обслуживания……………………………... 49

М.Н. Савельев. Применение модального анализа для определения динамических

характеристик конструкции при помощи компьютерного моделирования………………. 59

С.М. Коваленко, Ю.В. Мороз, М.В. Строганов, Д.А. Карпов,

Е.Л. Иванов, В.А. Губарев, А.С. Ловягин, С.А. Галыба. Система обработки

радиолокационной информации для обнаружения слабоконтрастных аномалий

отражѐнного сигнала…………………………………………………………………………… 69

Д.А. Шуб. Моделирование процесса создания рукописного текста………………………. 85

В.В. Петухов, И.П. Проворова. Критерии и алгоритмы построения систем

автоматической конфигурации абонентов в мультимедийных коммуникационных сетях……. 92

С.Е. Дробнов ОБОБЩЕНИЕ ЗАКОНА АМДАЛА ДЛЯ ПАРАЛЛЕЛЬНЫХ ВЫЧИСЛЕНИЙ

4

УДК 004.75

ОБОБЩЕНИЕ ЗАКОНА АМДАЛА ДЛЯ БОЛЬШОГО ОБЪЕМА ПАРАЛЛЕЛЬНЫХ ВЫЧИСЛЕНИЙ В GRID

С.Е. Дробнов

Московский государственный институт радиотехники, электроники и автоматики

(технический университет)

Рассмотрены асимптотические свойства закона Амдала для GRID-систем. Построена

зависимость ускорения вычислений в параллельной системе от количества вычислительных

узлов. Показано, что при существенно большем количестве вычислительных узлов закон Ам-

дала для параллельных вычислений должен быть скорректирован с учетом дополнительных

временных задержек в сетях.

При расчете ускорения вычислений,

достигаемого при распараллеливании за-

дачи, достаточно часто используется закон

ограничения роста производительности

вычислительной системы с увеличением

количества вычислительных узлов, также

известный как закон Амдала [1,2]:

x

aa

S

1

1, (1)

где а – доля последовательных вычисле-

ний, х – число процессоров (вычислитель-

ных узлов), S – ускорение вычислений (во

сколько раз быстрее выполнится програм-

ма с долей последовательных вычислений

α при использовании p процессоров).

Асимптотические свойства закона Ам-

дала не могут рассматриваться без учета

факторов, способных внести существен-

ный вклад в замедление процесса вычис-

лений при большом количестве вычисли-

тельных узлов в GRID-системе.

Возникающие при передаче данных

дополнительные задержки можно разде-

лить на несколько типов:

1. Установление соединения для нача-

ла передачи, проверка активности сервера

(пинг-пакеты).

2. Передача данных от сервера к вы-

числительному узлу или же результатов от

вычислительного узла к серверу.

3. Возникновение очереди вычисли-

тельных узлов к серверу на получение и

обработку результатов.

Если первые два типа задержек просто

уменьшают на некое определенное значе-

ние ускорение системы, то третий тип за-

держки может свести ускорение системы к

нулю. Рассмотрим более подробно возни-

кающие задержки.

1. Установление соединения для нача-

ла передачи, проверка активности сервера

(пинг-пакеты). Предположим, что при об-

мене данными между вычислительным уз-

лом и сервером вычислительный узел еди-

ножды проводит проверку активности сер-

вера (при помощи пинг-пакетов), после

чего отправляет рассчитанные данные и

получает новый пакет. Тогда для всех па-

кетов в задаче задержка составит: kq , где

q – общее количество пакетов в задаче, k –

время задержки для проверки активности

сервера.

2. Передача данных от сервера к вы-

числительному узлу или же в обратном

направлении. После соединения сервера и

вычислительного узла начинается обмен

данными со скоростью, являющейся

меньшей между сервером и вычислитель-

ным узлом. Но при учете того, что сервер

может обрабатывать несколько вычисли-

тельных узлов одновременно и количество


5

вычислительных узлов достигает доста-

точно больших значений, можно считать,

что обмен происходит со скоростью, мак-

симально возможной для стороны сервера.

В случае, если среднестатистическая ско-

рость будет меньше скорости сервера, тео-

ретические расчеты будут определять

верхнюю возможную границу ускорения,

но не смогут быть меньше реального зна-

чения ускорения системы. Таким образом,

задержка на передачу данных составит:

m

rq ,

где q – общее количество пакетов в задаче,

r – объем информации для обмена (резуль-

таты вычислительного узла + новый пакет

от сервера), m – скорость обмена со сторо-

ны сервера.

3. Возникновение очереди вычисли-

тельных узлов к серверу на получение и

обработку результатов. При очень боль-

ших количествах вычислительных узлов

данная задержка будет являться наиболее

существенной. Она возникает в случае, ко-

гда вычислительные узлы выстраиваются в

очередь к серверу для обмена данными.

Для начала рассмотрим частоту обраще-

ний вычислительных узлов к серверу.

Данное значение можно выразить сле-

дующим образом:

( , , )p s

z p s tt

, (2)

где p – количество вычислительных узлов,

s – время обработки пакета на сервере, t –

время обработки пакета на вычислитель-

ном узле (в сек.).

Под временем обработки пакета на

сервере подразумевается время, необходи-

мое серверу для получения не рассчитан-

ного пакета из базы данных, добавление

информации в статистику и прочие опера-

ции, выполняемые во время ожидания вы-

числительным узлом нового пакета после

отправки результатов.

Длина очереди к серверу выражается

следующей формулой [3]:

n

k

nk

n

ann

a

k

a

n

ann

a

nam

0

1

2

1

)0),max((!!

1!

),( , (3)

где a – частота обращений вычислитель-

ных узлов к серверу, n – количество кана-

лов сервера для обработки запросов вы-

числительных узлов.

Вероятность возникновения очереди

составляет [3]:

10

0

( , )

!min 1 ,1 .

! ! max(( ),0)

h

n

k nnh

k

p a n

a

h

a a

k n n a

(4)

Теперь, просуммировав все дополни-

тельные задержки и учтя их влияние на

ускорение расчетов в системе, можно при-

вести обобщенную формулу ограничения

роста производительности вычислитель-

ной GRID-системы при существенном рос-

те количества вычислителей:

где a – доля последовательных вычисле-

ний (все вычисления составляют 1 или

100%), c – количество вычислительных

узлов, k – задержка перед началом переда-

чи данных (секунд), t – время расчета од-

1,,,,,,11

)1(

1),,,,,,(

te

rczmnt

e

rczp

te

r

t

k

caa

nretkcaS , (5)

С.Е. Дробнов ОБОБЩЕНИЕ ЗАКОНА АМДАЛА ДЛЯ ПАРАЛЛЕЛЬНЫХ ВЫЧИСЛЕНИЙ

6

ного пакета на одном вычислительном уз-

ле (секунд), r – объем пакета (бит), e – ско-

рость передачи со стороны сервера (бит в

секунду), n – количество каналов обработ-

ки вычислительных узлов, m – длина оче-

реди к серверу (3), p – вероятность возник-

новения очереди к серверу (4).

Точка экстремума ускорения вычисле-

ний в зависимости от количества вычисли-

телей определяется по формуле (6).

( , , , , , , ) 0S a c k t e r nc

. (6)

Проиллюстрируем ускорение расчетов

системы по 2-му закону Амдала и по зави-

симости (5). В качестве примера укажем

следующие параметры:

доля последовательных вычисле-

ний – 0.2;

количество вычислительных узлов

варьируется;

задержка перед началом передачи

данных – 0.5 с;

время расчета одного пакета на од-

ном вычислительном узле – 7000 с;

объем пакета – 30000 килобит;

скорость передачи со стороны сер-

вера – 30 килобит в секунду;

количество каналов обработки вы-

числительных узлов – 1.

Эти значения позволяют наглядно по-

казать падение ускорения при сравнитель-

но небольшом количестве вычислительных

узлов. На рис. 1 представлены графики за-

висимости ускорения от количества вы-

числительных узлов.

Заключение

Чтобы увеличить ускорение вычисле-

ний в GRID-системах и, соответственно,

увеличить количество вычислительных

узлов, при которых образуется точка мак-

симума, можно предпринять ряд мер: 1)

передавать за одно соединение между вы-

числительным узлом и сервером несколько

пакетов; 2) уменьшить, насколько это воз-

можно, объем пакетов; 3) увеличить коли-

чество параллельных потоков для обра-

ботки вычислительных узлов. Данные ме-

ры не требуют значительных переработок

в системе и позволяют не допустить силь-

ного падения ускорения при вычислениях.

Конечной целью исследований является

разработка методов выбора параметров сети,

Рис. 1. Иллюстрация зависимости ускорения вычислений от количества

вычислительных узлов для а) закона Амдала и б) обобщения закона Амдала

для GRID-систем (5)


7

минимизации количества узлов для заданно-

го времени вычислений, а также решение

других задач оптимизации при четко сфор-

мулированном критерии оптимизации.

Литература

1. Amdahl, Gene, Validity of the Single

Processor Approach to Achieving Large-

Scale Computing Capabilities // AFIPS

Conference Proceedings: 483-485. – 1967.

2. Воеводин В.В., Воеводин Вл.В. Па-

раллельные вычисления. // СПб.: БХВ-

Петербург, 2004. – 599 с.

3. Вентцель Е.С. Теория вероятностей. //

Москва: Высшая школа, 1998. – 576 с.

Контактная информация:

Дробнов Сергей Евгеньевич,

E-mail: [email protected].

mailto:[email protected]

А.Н. Коваленко

МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ПОЛОСКОВЫХ ЛИНИЙ

8

УДК 621.372.8

МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ПОЛОСКОВЫХ ЛИНИЙ ПРОЕКЦИОННЫМ МЕТОДОМ




Разработан проекционный метод расчѐта собственных волн полосковых линий, позво-

ляющий получить численные результаты с высокой точностью при небольшом числе базис-

ных функций. Представлены результаты численного исследования сходимости метода для

экранированной микрополосковой линии при использовании «чебышевского» и тригономет-

рического базиса, позволяющие оценить погрешность расчѐта распределения тока, посто-

янной распространения и волнового сопротивления основной и высших волн в зависимости

от числа базисных функций.

Введение

Полосковые линии различного типа

(микрополосковые, щелевые, компланар-

ные и др.) широко используются в радио-

электронной аппаратуре в качестве ли-

ний передач, а также в качестве различ-

ных устройств СВЧ. Они составляют ос-

нову интегральных схем (ИС) СВЧ. По-

строение адекватной математической мо-

дели сложного СВЧ устройства, которая,

как электродинамическая система, пол-

ностью определяется матрицей рассеяния,

практически возможно лишь с использо-

ванием декомпозиционного подхода [1].

Декомпозиционный подход позволяет

определить матрицу рассеяния сложного

полоскового устройства через матрицы

рассеяния простейших типовых СВЧ

элементов, которые называют базовыми.

К ним относятся отрезки регулярных ли-

ний, повороты, тройники, скачкообраз-

ные изменения ширины полосковых про-

водников, разомкнутый конец полоско-

вого проводника и др. От того, насколько

точно известны матрицы рассеяния каж-

дого базового элемента, зависит конеч-

ный результат проектирования всего уст-

ройства, в котором общее число базовых

элементов может быть весьма большим.

Высокую точность расчѐта характери-

стик ИС СВЧ могут обеспечить лишь ма-

тематические модели полосковых линий

электродинамического уровня строгости,

или электродинамические модели. Про-

блема построения электродинамических

моделей полосковых линий является ак-

туальной. Ее решение позволяет повы-

сить качество проектирования, сократить

сроки проектирования и снизить затраты

на экспериментальную отработку. По-

строение электродинамических моделей

полосковых линий основано на решении

краевых задач для уравнений Максвелла.

Решение этих задач возможно лишь с ис-

пользованием численных методов, на ос-

нове которых разрабатываются вычисли-

тельные алгоритмы и реализующие их

компьютерные программы. Наиболее

универсальным является проекционный

метод построения математических моде-

лей электродинамических систем [2].

1. Проекционный метод построения

математических моделей

полосковых линий

Проекционный метод основан на

представлении решения краевой задачи,


9

формулируемой как некоторое оператор-

ное уравнение, в виде разложения по

полной системе функций, образующей

базис. Эти функции будем называть ба-

зисными. Коэффициенты разложения оп-

ределяются из системы линейных алгеб-

раических уравнений (СЛАУ) путѐм про-

ектирования операторного уравнения на

тот же или другой базис. Полученную

таким образом СЛАУ называют проекци-

онной, или алгебраической моделью ис-

ходной краевой задачи. Проекционный

подход проходит через все этапы разви-

тия методов математического моделиро-

вания устройств СВЧ. Начало было по-

ложено с применения проекционного

подхода непосредственно к уравнениям

Максвелла [3]. Но его можно применить

также к интегральному, или иному опе-

раторному уравнению, к которому можно

свести граничную задачу электродина-

мики. Важно, что при этом понижается

размерность задачи, а, следовательно, и

порядок СЛАУ, так как требуется удов-

летворить не уравнениям Максвелла в

объѐме, а только граничным условиям на

поверхности.

Для полосковых структур нахожде-

ние матрицы рассеяния базовых элемен-

тов может быть сведено к решению дву-

мерных интегродифференциальных или

интегральных уравнений относительно

плотности тока на полосковых проводни-

ках [4,5]. При этом на первом этапе не-

обходимо решить проблему нахождения

системы собственных волн регулярных

полосковых линий. При теоретическом

анализе регулярных полосковых линий

использовались различные методы. Наи-

более эффективным является метод, при

котором краевая задача для уравнений

Максвелла сводится к интегральному

уравнению для плотности тока на полос-

ковом проводнике и его решению проек-

ционным методом.

Проекционный метод позволяет по-

лучить решение граничной задачи тео-

ретически с любой степенью точности,

но для достижения высокой точности

требуется разработка проекционного ме-

тода для того или иного класса электро-

динамических задач. При его реализации

для построения математических моделей

полосковых линий возникают сложные

проблемы, связанные с учетом особен-

ностей поля на металлическом ребре, с

явлением относительной сходимости,

медленной сходимости бесконечных ря-

дов для матричных коэффициентов

СЛАУ, неустойчивостью численных ре-

зультатов, оценкой погрешности чис-

ленных результатов в зависимости от

порядка редуцированной СЛАУ. Эти

проблемы могут быть решены на основе

подхода, предложенного в работах [6,7],

позволяющего свести исходную гранич-

ную задачу электродинамики к беско-

нечной СЛАУ с квазидиагональной мат-

рицей коэффициентов.

2. Математическая модель

микрополосковой линии

Основной проблемой в электродина-

мической теории экранированной микро-

полосковой линии, поперечное сечение

которой показано на рис. 1, является по-

строение системы собственных волн. Еѐ

решение даѐт возможность рассмотреть

задачи дифракции на нерегулярностях

линии и на их основе разработать методы

электродинамического анализа различ-

ных элементов интегральных схем СВЧ.

Проблема эффективного нахождения

собственных волн особенно актуальна

при решении задач дифракции на скачко-

образных нерегулярностях МПЛ метода-

ми проекционного “сшивания” и созда-

нии математических моделей нерегуляр-

ных микрополосковых структур, пред-

ставляющих каскадное соединение от-

резков регулярных линий, причѐм для

каждой линии требуется найти не только

основную волну, но и достаточно боль-

шое число высших волн.



10

Рис. 1

На рис. 1 – относительная диэлек-

трическая проницаемость подложки, где

d – ширина полосового проводника,

c – толщина подложки,

a,b – размеры экрана.

Собственные волны находятся из реше-

ния граничной задачи для уравнений Мак-

свелла. Решение этой задачи можно предста-

вить в виде бесконечных рядов Фурье по ко-

ординате х. Коэффициенты разложений вы-

ражаются через интегралы от поверхностной

плотности тока на полосковом проводнике.

Граничное условие для тангенциальной со-

ставляющей напряжѐнности электрического

поля на поверхности полоскового проводни-

ка приводит к системе интегральных уравне-

ний относительно продольной ηz и попереч-

ной ηx, составляющих плотности тока на по-

лосковом проводнике. Решение системы

представляется в виде произведения двух

функций, одна из которых – весовая – учиты-

вает краевые особенности решения, а другая

– регулярная – представляется в виде разло-

жения по полиномам Чебышева:

20

20 0

00

1( ),

1

1 ( ), ,2 / 2

z l l

l

x l l

l

a T xx

k d x xГi x bU x xk d

(1)

где Г – постоянная распространения;

0

0

2

k , 0 – длина волны в вакууме;

)~(xTl – полиномы Чебышева первого рода;

)~(xU l – полиномы Чебышева второго рода.

Коэффициенты разложений al и bl оп-

ределяются из бесконечной системы ли-

нейных алгебраических уравнений. Из ус-

ловия существования нетривиального ре-

шения однородной СЛАУ (равенства нулю

еѐ определителя) получено дисперсионное

уравнение 2( ) 0D Г , из которого опреде-

ляются постоянные распространения ос-

новной волны и волн высших типов.

Анализ выражений для матричных ко-

эффициентов СЛАУ, определяемых через

функцию:

1

1( ) ( ) ( ),

, 0,1,2,...,2

m

R J m J mm

d

a

(2)

основанный на аналитическом суммирова-

нии ряда (2) и свойстве функции Бесселя

Jμ(t) быстро убывать с ростом индекса, ко-

гда индекс больше аргумента, позволил

сделать вывод о квазидиагональности мат-

рицы коэффициентов СЛАУ, быстрой схо-

димости разложений (1) и возможности

решения бесконечной системы методом

редукции. Порядок усечѐнной СЛАУ

4 1L ( 0,1,2...L ), где 2L – число учиты-

ваемых членов в разложении для плотно-

сти поперечного тока; 2 1L – число учи-

тываемых членов в разложении для плот-

ности продольного тока. При симметрич-

ном расположении полоскового проводни-

ка относительно боковых стенок экрана

( 0 2x a ) система распадается на две неза-

висимые подсистемы относительно коэф-

фициентов 2la , 2 1lb и 2 1la , 2lb . Первая

(порядка 2 1L ) соответствует волнам чѐт-

ного типа, вторая (порядка 2L) – нечѐтного.

Быстрая сходимость разложений (1)

иллюстрируется в табл. 1, в которую све-

дены результаты расчѐта нормированных

постоянных распространения

2

0

k

Г и ко-

эффициентов разложения 0

12

0

2 ,a

b

a

a ll


11

( 1,2,3l ) для основной волны ( 1N ) и

пяти высших типов волн ( 2 6N ) чѐтно-

го типа при 4 7b a , 1 7c , 2d c ,

9 , 0.5c мм, 40f ГГц.

Следует отметить, что бесконечные

ряды для матричных коэффициентов

СЛАУ сходятся очень медленно и непо-

средственное вычисление этих рядов мо-

жет приводить к неустойчивым результа-

там. Поэтому проведена процедура улуч-

шения сходимости этих рядов по разрабо-

танной методике. При этом необходимо

решить проблему вычисления с высокой

точностью функции )(R , определяемой

рядом (2). Вычисление функции )(R

путѐм непосредственного суммирования это-

го ряда требует учѐта в нѐм весьма большого

числа членов М, причѐм, чем меньше a

d и

чем больше ν, μ, тем больше М. При этом

точность вычисления функции )(R мо-

жет оказаться недостаточной для получения

устойчивых результатов, особенно при

больших порядках СЛАУ. Эта проблема ре-

шена путѐм преобразования функции

)(R в быстросходящийся степенной ряд:

где

. при 0

при 1

Процедура улучшения сходимости

медленносходящихся рядов для матрич-

ных коэффициентов позволила разрабо-

тать эффективный алгоритм расчѐта не

только основной волны микрополоско-

вой линии, но и до 100 волн высших ти-

пов, которые необходимы для построе-

ния электродинамических моделей нере-

гулярных элементов ИС СВЧ на основе

проекционного “сшивания” собственных

волн на стыках регулярных линий.

3. Математическая модель связанных

микрополосковых линий

Разработанный проекционный метод

построения электродинамической модели

микрополосковой линии обобщается на

систему связанных линий, поперечное се-

чение которых показано на рис. 2.

При одинаковой ширине полосковых

проводников ( 1 2d d d ) задача о собствен-

ных волнах связанных линий сводится к двум

задачам о собственных волнах микрополоско-

вой линии с электрической и магнитной стен-

Таблица 1

№

2

0

k

Г 2 0a a 4 0a a 6 0a a 1 0b a 3 0b a 5 0b a

1

2

3

4

5

6

7.746

0.358

-2.409

-6.396

-7.344

-11.00

-0.1612

0.0747

2.716

0.453

1.771

-12.14

0.0061

-0.0024

-0.1277

-0.0899

-0.3757

1.833

0.0000

0.0000

0.0028

0.0031

0.0134

-0.0721

0.3049

-0.6020

-11.53

-6.054

-24.04

116.4

-0.0001

0.0134

0.3261

0.3842

1.619

-8.098

0.0000

-0.0002

-0.0054

-0.0085

-0.0377

0.2165

2

2)(

случаях,остальных в

,0,2

ln

)()(

n

nnCR (3)



12

ками в плоскости симметрии x a . Из первой

задачи определяются собственные волны не-

чѐтного типа, из второй – чѐтного типа.

Рис. 2

Для волн чѐтного типа в плоскости

симметрии равна нулю тангенциальная со-

ставляющая напряженности магнитного

поля, а для волн нечѐтного типа в этой

плоскости равна нулю тангенциальная со-

ставляющая напряженности электрическо-

го поля.

На основе разработанной математиче-

ской модели создана компьютерная про-

грамма, позволяющая с высокой точностью

определять электродинамические характе-

ристики связанных линий в широком диа-

пазоне изменения размеров, диэлектриче-

ской проницаемости подложки и частоты.

В результате расчетов, выполненных

на ПК, исследована сходимость разложе-

ний для плотности тока на полосковых

проводниках и решен вопрос о выборе

числа L, определяющего порядок

4 1K L СЛАУ, и числа My, которое

нужно учитывать в рядах для матричных

коэффициентов после улучшения сходи-

мости этих рядов. Для основной волны и

высших волн, число которых N не превышает

10, число 2L в широком диапазоне изме-

нения параметров ( 10d c , 0.005 10s c ,

0 2k d ). Число My выбирается как

максимальное из чисел: 10,

c

aE

4,

c

aE

4, где E(x) – целая часть числа x;

[мм] [ГГц]150

c f

. При этом по-

грешность расчета постоянной распро-

странения не превышает 0.05%.

Быстрая сходимость метода даже при

узких зазорах ( ~ 0.1s c ) подтверждается

данными, представленными в табл. 2, в ко-

торую сведены результаты расчѐта посто-

янной распространения Г и волнового со-

противления WЛ основной волны нечѐтно-

го (в первых строках таблицы) и чѐтного

(во вторых) типа в зависимости от порядка

СЛАУ К и отношения s/c при 0.5c мм,

4b c , 2d c ; 9 ; 20f ГГц.

Таблица 2

s/c Г WЛ

K=1 K=3 K=5 K=1 K=3 K=5

0.1 2.4594 2.4236 2.4237 26.445 25.008 24.986

2.7903 2.7984 2.7988 45.563 43.725 43.707

1.0 2.5805 2.5866 2.5866 33.239 33.133 33.133

2.7442 2.7490 2.7490 38.584 38.404 38.404

3.0 2.6514 2.6570 2.6570 35.096 34.968 34.968

2.6688 2.6742 2.6742 36.082 35.945 35.945

7.0 2.6685 2.6740 2.6740 36.094 35.949 35.949

2.6688 2.6742 2.6742 36.129 35.983 35.983

15.0 2.6688 2.6742 2.6742 36.129 35.984 35.984

2.6688 2.6742 2.6742 36.130 35.984 35.984


13

Из рассмотрения численных данных

видно, что при 7s c , где s – расстояние

от края полоскового проводника до боко-

вой стенки экрана, дальнейшее увеличение

s практически не влияет на характеристики

связанных линий.

Использование в качестве базиса по-

линомов Чебышева с весовыми функция-

ми, учитывающими в явном виде особен-

ность поля на металлическом ребре, обес-

печивает быструю сходимость разложений

для плотности тока на полосковых про-

водниках. Улучшение сходимости рядов

для матричных коэффициентов СЛАУ

обеспечивает устойчивость и высокую

точность численных результатов. Эти ре-

зультаты могут рассматриваться как эта-

лонные при определении точности других

методов, в частности, проекционного ме-

тода с использованием тригонометриче-

ского базиса.

4. Алгоритмизация с использованием

тригонометрического базиса

Использование «чебышевского» бази-

са эффективно лишь в том случае, если

решена проблема суммирования медленно

сходящихся рядов для матричных коэффи-

циентов. При построении проекционных

моделей полосковых линий наряду с че-

бышевским базисом широкое распростра-

нение получил также тригонометрический

базис, который приводит к более простым

выражениям для матричных коэффициен-

тов и обеспечивает более быструю сходи-

мость рядов для матричных коэффициен-

тов. Но тригонометрический базис в прин-

ципе не может обеспечить быструю схо-

димость разложений для плотности тока в

силу реберной особенности поля. Поэтому

актуальна проблема определения числа

базисных функций, при котором обеспечи-

вается заданная точность расчѐта основ-

ных характеристик полосковых линий. Эта

проблема может быть решена на основе

подхода, предложенного в работе [8], ос-

нованного на приближенном решении бес-

конечной СЛАУ.

Для собственных волн чѐтного типа

продольная ηz и поперечная ηx составляю-

щие плотности тока на полосковом про-

воднике представляются в виде следую-

щих разложений:

0

0

1

cos ,

sin ,2

L

z l

l

L

x l

l

a l x

k di b l x

Г

(4)

где 2 / /2x dx x d , d – ширина по-

лоскового проводника, Г – нормированная

к волновому числу 0 00k постоянная

распространения.

Проекционный метод приводит к од-

нородной системе линейных алгебраиче-

ских уравнений порядка 2 1K L , из ко-

торой определяются Г и коэффициенты

разложения al, bl.

Численное исследование, как и следо-

вало ожидать, показало медленную сходи-

мость разложений (6). При больших значе-

ниях l (практически при 6l ) коэффици-

енты разложения убывают, как 1 2l для ηz

и 3 2l для ηx. Отметим, что добавление но-

вых членов в разложении для ηz приводит

к заметному изменению первых членов

даже при больших значениях K. Путем об-

работки большего объема численных дан-

ных установлено, что при больших значе-

ниях K коэффициенты разложения

0/l la a a можно представить в виде:

1 2 /la K C C K . (5)

Постоянные коэффициенты С1 и С2

можно приближенно определить, если из-

вестны значения la при двух значениях K,

и получить следующую приближенную

формулу для расчета la~ при K :

2

12 1

2 1

.

l l

l l

a a K

Ka K a K

K K

(6)



14

Формула (6) позволяет определить от-

носительную погрешность δ расчета la~

при учете в разложениях (6) K членов:

%100~

~1

1

2

12

1

Ka

Ka

KK

K

l

l . (7)

Результаты расчѐта la~ ( 1 6l ) для

основной волны при следующих значениях

параметров: толщина подложки 0.5c

мм; размеры экрана: 7a c , 4b c ; ди-

электрическая проницаемость подложки

9 ; частота 40f ГГц; 2d c пред-

ставлены в табл. 3. В предпоследнем

столбце табл. 3 приведены приближенные

значения la~ при K , полученные по

формуле (6) при 1 41K , 2 51K . В по-

следнем столбце таблицы приведены ре-

зультаты, полученные с использованием

чебышевского базиса, которые можно счи-

тать точными. Использование формулы (6)

позволяет на порядок уменьшить погреш-

ность расчета la~ , определяемую выраже-

нием (7). Так, при 1 41K , 2 51K по-

грешность, определяемая по формуле (9),

составляет 1% при 1l и 5% при 6l .

Если же уточнить значения la~ , используя

формулу (6), то погрешность расчѐта снижа-

ется до 0.2% при 2l и до 0.7% при 6l .

При 6l : laal

l /6~1~6 . При этом по-

грешность расчѐта la~ не превышает 0.8%.

Несмотря на медленную сходимость

разложений (4), постоянная распростране-

ния 0Г и волновое сопротивление 0W ос-

новной волны определяются достаточно

точно при небольших значениях K. В ре-

зультате численного анализа установлено,

что при 5K погрешность расчета 2

0Г и

0W убывает обратно пропорционально K.

При этом коэффициенты пропорциональ-

ности слабо зависят от размеров линии,

проницаемости подложки и частоты. При

0/ 2k c погрешность не превышает

1.5/K% для 2

0Г и 10/K% для 0W . Более

точно оценить погрешность можно, ис-

пользуя формулу (7), заменив в ней la~ на

2

0Г и 0W .

В результате численного исследования

сходимости установлено, что для высших

волн, так же как и для основной волны,

погрешность расчѐта постоянной распро-

странения и волнового сопротивления при

больших значениях K убывает обратно

пропорционально K. Поэтому при оценке

погрешности можно пользоваться форму-

лами (5)-(7). Результаты расчѐта 2

nГ и nW

для основной ( 0n ) и пяти высших волн

( 1 5n ) представлены в табл. 4. Значе-

ния 2

nГ и nW при K получены путем

расчѐта по приближенной формуле (6) при

1 5K , 2 11K . В последнем столбце при-

ведены результаты, полученные проекци-

онным методом с использованием чебы-

шевского базиса при 5K .

Таблица 3

K 13 21 31 41 51

1a -0.4340 -0.4397 -0.4429 -0.4446 -0.4457 -0.4501 -0.4502

2a 0.3299 0.3373 0.3416 0.3439 0.3453 0.3510 0.3516

3a -0.2698 -0.2781 -0.2830 -0.2857 -0.2874 -0.2944 -0.2952

4a 0.2317 0.2400 0.2453 0.2483 0.2502 0.2580 0.2591

5a -0.2039 -0.2129 -0.2186 -0.2218 -0.2238 -0.2320 -0.2335

6a 0.1833 0.1925 0.1983 0.2016 0.2038 0.2128 0.2143


15

Из таблицы видно, что формула (6) по-

зволяет существенно повысить точность

расчѐта 2

nГ и nW , если известны их значе-

ния при двух сравнительно небольших

значениях K. При этом время счета одной

точки частотных характеристик основной

волны на персональном компьютере сред-

него класса составляет порядка 10 мс.

Таким образом, показана возможность

эффективного использования тригономет-

рического базиса при электродинамиче-

ском моделировании полосковых линий.

Это особенно актуально в тех случаях, ко-

гда трудно применить чебышевский базис,

например, при расчѐте полосковых линий с

учетом потерь [7].

При использовании чебышевского ба-

зиса время счета характеристик полоско-

вых линий в несколько раз меньше, но для

достижения такого быстродействия необ-

ходимо решить сложную проблему, свя-

занную с улучшением сходимости рядов

для матричных коэффициентов СЛАУ.


Построенные в работе математиче-

ские модели полосковых линий основаны

на строгом решении краевых задач для

уравнений Максвелла и позволяют полу-

чить численные результаты с малой по-

грешностью, как при использовании че-

бышевского базиса, так и при использо-

вании тригонометрического базиса. Ма-

тематические модели регулярных линий

представляют не только самостоятель-

ный интерес, но они необходимы также

для решения задач дифракции на нерегу-

лярностях линий и являются основой для

построения математических моделей не-

регулярных элементов ИС СВЧ. Предла-

гаемый в работе метод построения про-

екционных моделей полосковых линий

позволяет существенно повысить качест-

во математических моделей нерегуляр-

ных СВЧ элементов, рассмотренных в

[9,10]. Эффективность построенных ма-

тематических моделей полосковых линий

позволяет использовать их в системах

анализа и оптимизации широкого класса

микрополосковых устройств.


1. Никольский В.В., Никольская Т.И.

Декомпозиционный подход к задачам элек-

тродинамики. – М.: Наука, 1983. – 544 c.

Таблица 4

K 1 3 5 11 21 51 ∞ 2

0Г 7.725 7.721 7.727 7.736 7.740 7.743 7.744 7.746

W0 41.34 40.21 39.84 39.50 39.35 39.25 39.22 39.18 2

1Г 0.3502 0.3562 0.3570 0.3574 0.3575 0.3576 0.3577 0.3576

W1 647.1 610.4 602.0 594.7 591.8 590.3 588.6 589.1 2

2Г 2.480 2.429 2.420 2.413 2.411 2.410 2.407 2.409

2W 7459 7698 7735 7760 7767 7771 7780 7773

2

3Г 6.258 6.348 6.367 6.383 6.389 6.393 6.396 6.396

3W 365.9 327.8 319.2 312.2 309.6 307.8 306.4 306.6

2

4Г 8.216 7.534 7.447 7.387 7.366 7.352 7.337 7.344

4W 3068 1513 1354 1244 1204 1180 1168 1164

2

5Г - 11.23 11.11 11.04 11.02 11.01 11.01 11.00

5W - 4050 9538 14389 16356 17637 18432 18547



16

2. Никольский В.В. Проекционные ме-

тоды в электродинамике (экранированные

и открытые системы). – Прикладная элек-

тродинамика. – М.: Высшая школа, 1977,

вып. 1, с. 4-50.

3. Никольский В.В. Вариационные ме-

тоды для внутренних задач электродина-

мики. – М.: Наука, 1967. – 460 с.

4. Никольский В.В. Электродинамиче-

ская теория полосковых устройств. // Ра-

диотехника и электроника. – 1975. Т. 20,

№3, с. 457.

5. Никольский В.В. Электродинамиче-

ская теория и машинное проектирование

полосковых устройств. – Прикладная элек-

тродинамика. – М.: Высшая школа, 1978,

вып. 2, с. 34-65.

6. Коваленко А.Н. Собственные волны

микрополосковой линии. // Изв. вузов. Ра-

диофизика. – 1978. Т. 21, №2, с. 188.

7. Коваленко А.Н. К вопросу выбора

базиса в задачах о собственных волнах по-

лосковых линий. // Радиотехника и элек-

троника. – 2005. Т. 50, №11, с. 1381.

8. Коваленко А.Н. Теоретическое ис-

следование собственных волн полосковых

линий проекционным методом. // Изв. ву-

зов. Радиофизика. – 2008. Т. 11, №9, с. 764.

9. Коваленко А.Н. Козлов А.Ю. Элек-

тродинамическая модель пленочного рези-

стора. // Радиотехника и электроника. –

1993. Т. 38, №2, с. 240.

10. Никольский В.В., Никольская Т.И.

Дифракция на полосковых структурах. Ана-

лиз интегральных схем СВЧ. // Изв. вузов.

Радиофизика. – 1981. Т. 24, №12, с. 1423.


Коваленко Александр Николаевич,

Тел.: 8(499)1890085, 89104524003.


17

УДК 378.1:004.85

ПУТИ РАЗВИТИЯ МЕТОДОЛОГИИ ДИСТАНЦИОННОГО ОБУЧЕНИЯ В СФЕРЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ

В.М. Кроль, Н.И. Трифонов, В.Н. Цыпкин



Существенная особенность современного образования состоит в постоянно растущем

разрыве между активно развивающимися информационными, в том числе телекоммуника-

ционными технологиями и относительно консервативными психолого-педагогическими кон-

цепциями обучения. Внедрение информационных технологий в образовательное простран-

ство, возможно, представляет наиболее значимое изменение, происшедшее в мировой обра-

зовательной системе за последние десять лет. Однако на самом деле эти изменения пред-

ставляют лишь потенциальные возможности для развития новых образовательных техно-

логий. В статье рассмотрены основные преимущества и недостатки наиболее используе-

мых сегодня методов приобретения знаний и компетенций: классического «лекционного» и

«диалогового» стиля передачи знаний.

Ключевые слова: дидактика, личностно-ориентированное обучение, дистанционное и

TV-обучение, интерфейс, «лекционный» и «диалоговый» стиль преподавания, активация не-

произвольного внимания, смешанное обучение.

Одним из наиболее знаменитых брэн-

дов нашего времени является формула

«Знание – Сила». Авторство принадлежит

Ф. Бэкону, английскому философу и юри-

сту XVII века, который, кстати говоря, вы-

ступал против отвлечѐнной «книжной

мудрости», против схоластичности обра-

зования, за связь образования с реальной

жизнью. Сегодня все слои общества и воз-

растные группы нашего глобализованного

мира в возрастающей степени требуют но-

вых, удобных для пользователя индивиду-

ально ориентированных способов получе-

ния и использования знаний.

Лавинообразный рост потребностей в

знаниях общего и высшего образования,

компетенциях, повышении квалификации

и переквалификации характерен для всех

областей трудовой деятельности. Сущест-

венно отметить, что эти процессы объек-

тивно долговременны, так как определя-

ются техническим и технологическим про-

грессом. В итоге развитые страны мира

сегодня практически перешли от практики

«одно образование на всю жизнь» к пара-

дигме «непрерывное образование в тече-

ние всей жизни». Каким бы «блестящим»

ни было исходное образование, по ряду

экспертных оценок период существенного

обновления знаний в современной науке и

практической деятельности должен со-

ставлять примерно пять лет, даже для спе-

циалиста, работающего в одной области

[1-5].

Всѐ это еще раз подчеркивает остроту

одной из двух вечных проблем дидактики –

проблемы «как учить?». Существенная

особенность современного образования

состоит в постоянно растущем разрыве

между активно развивающимися информа-

ционными, в том числе телекоммуникаци-

онными технологиями и относительно кон-

сервативными психолого-педагогическими

концепциями обучения. В соответствии с

так называемым законом Мура, произво-

дительность информационных технологий

В.М. Кроль, Н.И. Трифонов, В.Н. Цыпкин ПУТИ РАЗВИТИЯ МЕТОДОЛОГИИ ДИСТАНЦИОННОГО ОБУЧЕНИЯ

18

увеличивается вдвое каждые полтора года.

А сколь велик потенциал новых дидакти-

ческих принципов и методов обучения,

появляющихся в течение такого периода?

Внедрение телекоммуникационных и

информационных технологий в образова-

тельное пространство, возможно, пред-

ставляет наиболее значимое изменение,

происшедшее в мировой образовательной

системе за последние десять лет. Однако

на самом деле эти изменения представля-

ют лишь потенциальные возможности для

развития новых образовательных техноло-

гий [4, 6-8]. Используемые сегодня спосо-

бы и методы передачи и получения знаний

всерьез не устраивают ни пользователей,

ни преподавателей, или, пользуясь меди-

цинской терминологией, – ни доноров, ни

реципиентов. Существуют ли пути реше-

ния проблемы? Очевидно, да. Для их опре-

деления рассмотрим основные преимуще-

ства и недостатки наиболее используемых

сегодня методов приобретения знаний и

компетенций.

Очевидно, что любые методы обучения

должны находиться в рамках индивидуаль-

но-ориентированного подхода, при обяза-

тельном учете базы знаний и мотиваций

человека, его способностей, задатков, типа

восприятия и мышления. С другой стороны,

индивидуально-ориентированное обучение

должно быть основано на использовании и

разработке элементов максимально ком-

фортного пользовательского интерфейса.

При этом само понятие пользовательского

интерфейса имеет смысл рассматривать в

широком плане, включая в него как элемен-

ты дружественного сенсорного, так и ин-

теллектуального интерфейса, направленные

на решение задачи максимального облегче-

ния ориентирования пользователя в боль-

ших массивах информации.

Интересно заметить, что истоки лич-

ностного или индивидуально-ориентиро-

ванного обучения явно прослеживаются

уже в трудах и практике Сократа и Ж.-Ж.

Руссо. Действительно, согласно Руссо на-

стоящая педагогика имеет место, если

процесс обучения проходит в диалоговом

режиме, ученик имеет возможность пол-

ноценного индивидуального общения с

учителем. В контексте современности уди-

вительно, что Руссо подчеркивал необхо-

димость условий естественной природной

среды, так сказать, сельской идиллии для

успешного индивидуального обучения.

Практически, исходя из такого определе-

ния, Ж.-Ж. Руссо может считаться осново-

положником идеологии комплекса образо-

вательных технологий, предназначенных

для работы в условиях постиндустриаль-

ного общества.

Ключевые элементы такого общества,

как известно, связываются с необязатель-

ностью концентрации интеллектуальных

сил общества в крупных городах и мегапо-

лисах. Это связано с существованием раз-

витых возможностей обмена информацией

между отдаленными пользователями в ре-

жиме реального времени, например, за

счет развития всемирной сети компьютер-

ной связи на основе Интернета и

Intranet/extranet технологий. Таким обра-

зом, идея постиндустриального общества

основана на обновленном понимании

«сельской идиллии» в условиях мощной

компьютеризации и информатизации об-

щества. При реализации подобных тенден-

ций роль дистанционного образования

становится основополагающей в самых

разных направлениях, начиная от дошко-

льного и школьного уровня и кончая уров-

нями повышения квалификации и переква-

лификации трудовых ресурсов.

Отпадает ли на этом фоне необходи-

мость в классическом «лекционном» стиле

преподавания? Очевидно, нет. Лекцион-

ный, или, так сказать, академический стиль,

как известно, связан с определенной пас-

сивностью слушателей в ходе изложения

учебного материала. Лекционный стиль по

своей изначальной сущности практически

исключает диалог. Тем не менее, эта моно-

логичность очевидно необходима на на-

чальных этапах любого обучения. Уча-

щийся, пользователь должен быть умело


19

«введен» в предметную область, он дол-

жен максимально быстро начать ориенти-

роваться в специфике методов, задач, про-

блем, основных теорий и фактов. Моноло-

гично построенные лекции квалифициро-

ванных специалистов и опытных препода-

вателей предназначены для грамотного,

комфортного введения учащихся в суть

предметной области. В качестве метафоры

можно привести вариант подъема на вер-

шину горы, с которой видны все особенно-

сти окрестностей. Опытный инструктор не

поведет новичков на «лобовой» штурм

вершины, а проведет их заранее изучен-

ным, особым путем.

Принципиальные незаменимые пре-

имущества лекционного стиля в рамках

дистанционного обучения заключаются в

возможности целостного и систематиче-

ского изложения точки зрения преподава-

теля как на суть данной проблемы, темы

или задачи, так и на способы ее изложе-

ния. Формирование последовательности

изложения фактов, теоретических положе-

ний, принятие определенной системы ис-

ходных данных, связь данной темы с со-

седними темами и с практикой – всѐ это

определяет специфику авторского изложе-

ния учебного материала.

Реальной основой для решения задач

этого типа являются современные методы

дистанционного телевизионного обучения

[4,5,9-12]. С одной стороны, лекции TV-

обучения способны предлагать продуман-

ные, унифицированные учебные продукты,

разработанные общепризнанными специа-

листами. С другой стороны, эти учебные

продукты может получать любой пользо-

ватель, независимо от места и времени

обучения. При этом каждый пользователь

имеет принципиальную возможность бы-

строго общения с выбираемым им препо-

давателем (two-way TV), возможность

формирования индивидуальных траекто-

рий обучения и проведения объективного

контроля знаний.

Учебная видеопродукция TV-обучения

обладает рядом существенных особенно-

стей, отличающих ее от традиционных

способов предъявления учебного материа-

ла. Наличие одновременно поступающих

данных по зрительному и слуховому кана-

лам активно предлагает учащемуся темп,

последовательность, приоритеты важности

различных частей учебной информации. В

этом смысле учебная видеопродукция TV-

обучения более жестко, направленно и од-

нозначно управляет процессом восприятия

и усвоения знаний учащихся, чем привыч-

ный учебник, что, как указывалось выше,

полезно на начальных, вводных стадиях

обучения. Параметры построения видеоря-

да, игровые, текстовые вставки, наличие

схем или формул, подчеркивающие смысл

изменения интонации, громкости или рит-

ма изложения лектора в существенной

степени ведут за собой внимание учащихся.

Заметим, что положительные или отри-

цательные последствия этих особенностей

изложения во многом зависят от работы ав-

торов, режиссеров, сценаристов и других

создателей материалов учебного телевиде-

ния. Примерами могут служить телевизион-

ные учебные продукты, авторами которых

являются известные ученые, обладающие не

только обширными теоретическими знания-

ми и практическими навыками в определен-

ной области знания, но большим педагоги-

ческим опытом. Телевизионная учебная

продукция может и должна быть результа-

том тщательно продуманного, выверенного

процесса производства. Именно это дает

возможность тиражировать телевизионные

лекции по системам спутниковых и кабель-

ных сетей. Актуальность разработки вопро-

сов структурирования учебной видеопро-

дукции представляется в виде одной из пер-

востепенных задач. Результаты наших тео-

ретических и экспериментальных исследо-

ваний [2,3,9,13,14] показали обоснованность

постановки задач специальной организации

и структурирования учебной видеопродук-

ции: видеофильмов, слайд-лекций, обзорных

материалов и т.д.

Вопросы организации знаний в ходе

TV-обучения особенно важны на началь-


20

ных стадиях вхождения в проблематику,

когда у учащегося еще не сформировалось

понимание сущности данной предметной

области. Необходимость продуманного

применения монологичного «лекционно-

го» стиля введения учащих в тематику

предметной области определяется, в част-

ности, тем, что на ранних стадиях обуче-

ния без такого «плотного» руководства ве-

лика опасность «растекания мыслью по

древу». Использование диалогового спосо-

ба обучения на ранних стадиях чревато ве-

дением обсуждения на пустом месте, без

использования основных понятий. При

этом ясно, что основные понятия любой

предметной области не могут быть приоб-

ретены в ходе вольной несистематизиро-

ванной беседы между людьми, обладаю-

щими сильно отличающимися базами зна-

ний. Заметим, что эта ситуация имеет место

не только при работе преподавателя с груп-

пой учащихся, но и в случаях чисто инди-

видуального обучения, при личном обще-

нии преподавателя и одного учащегося.

Кроме того, на этих этапах мотивация

обучения, являясь крайне хрупкой, может

быть легко разрушена. Типичным приме-

ром является исчезновение интереса после

нескольких минут непонимания обычной

устной лекции, когда учащийся, что назы-

вается «теряет нить» рассуждений препо-

давателя. К сожалению, такие случаи вле-

кут за собой длительные и серьезные по-

следствия. После нескольких неудач, свя-

занных с непониманием, у человека может

выработаться стойкое, искреннее и непра-

вильное убеждение в том, что он вообще

неспособен к восприятию знаний. Это

ощущение получает отрицательное под-

крепление за счет молчания окружающих

слушателей, когда у человека складывает-

ся впечатление, что только он не понял, а

остальным все ясно.

Для борьбы с такими явлениями при

построении TV-обучения важно учитывать

психологические особенности организации

внимания человека. В частности, что вни-

мание подвержено спонтанным колебани-

ям в среднем с периодом в две-три минуты.

Вследствие этого одна из целей построе-

ния телевизионного учебного продукта

должна быть связана с усилиями по син-

хронизации этих периодов внимания у

всех учащихся аудитории дистанционного

обучения, что, конечно, представляет со-

бой непростую задачу. Тем не менее, ис-

пользование различных приемов, таких,

например, как формирование содержа-

тельно автономных блоков информации,

занимающих чуть меньшее время, чем

средний период спонтанной активации

внимания, и заканчивающихся иллюстра-

цией, выводом, схемой или облегченной

для восприятия информацией [13,14].

С этих же позиций представляется

важным введение некоторой избыточности

учебного материала, в частности, повторе-

ния наиболее существенных положений

темы, причем такое повторение не должно

выглядеть как копирование, но должно ис-

пользовать новые формы изложения, пе-

реформулирования основного вывода или

подачи его в виде образа: иллюстрации,

схемы, диаграммы и т.д.

Удержанию и синхронизации внимания

слушателей помогает также учет скорости

подачи информации. В частности, по неко-

торым оценкам преподавание гуманитарно-

го материала может вестись со скоростью,

достигающей 60-80 слов в минуту, что, ко-

нечно, связано с относительно большой из-

быточностью информации в данных пред-

метных областях. При изложении учебного

материала по естественно-научным и мате-

матическим дисциплинам с использованием

формул, доказательств и теоретических вы-

кладок скорость подачи информации долж-

на быть снижена, чтобы слушатели имели

возможность разобраться в материале и хотя

бы первично проанализировать его.

Специфика, связанная с тщательно

продуманной сценарной и режиссерской

подготовкой, позволяет вносить в структу-

ру учебного TV-продукта ряд других

приемов, обеспечивающих повышение ка-

чества процесса обучения. Сущность таких


21

методов состоит в активации непроизволь-

ного внимания учащихся за счет пробуж-

дения врожденных механизмов исследова-

тельского поведения (рефлекс «что та-

кое?»). Теоретическая основа этих методов

связана с тем, что внимание человека не-

произвольно активируется в условиях оп-

ределенного, точно дозируемого дефицита

времени восприятия. Отметим, что спосо-

бы активации непроизвольного внимания

пригодны для улучшения восприятия учеб-

ного материала вне зависимости от автор-

ского стиля и авторской организации изло-

жения. Полученные к настоящему времени

результаты подтверждают возможность

увеличения степени усвоения материала

учебного TV-продукта в этих условиях.

В частности, эффект активации вни-

мания учащихся достигается в условиях

точно дозированного времени показа кон-

спекта некоторой части видео-лекции в

особым способом организованном «кон-

спект-окне» [9,13]. Такой метод вызывает

более внимательное отношение к содер-

жимому «конспект-окна», куда автор мо-

жет включать трудные для большинства

учащихся положения и тем самым акцен-

тировать эти места, используя такие прие-

мы как промежуточные выводы, повторы,

схемы, иллюстрации.

Ввиду специфики TV учебной продук-

ции, связанной, как говорилось выше, с

реализацией тщательно продуманного

сценария, стратегии и тактики изложения

учебного материала, особое значение при-

обретают методы и приемы создания свое-

образных “контрапунктов” изложения.

Формирование таких контрапунктов мо-

жет быть осуществлено путем проведения

соответствующего монтажа видео- и ау-

дио-рядов, создания условий для привле-

чения и активизации внимания учащихся.

Таким образом, специфика дистанци-

онного обучения позволяет качественно

развивать классический «лекционный»

стиль передачи знаний. Причем подчерк-

нем еще раз, что этот стиль имеет смысл

на «первичных» этапах приобретения зна-

ний, умений и компетенций, когда уча-

щийся должен научиться ориентироваться в

новой для него предметной области. Ис-

пользование информационных технологий

при этом предоставляет хорошие возможно-

сти для развития методологии и дидактики

классического «лекционного» преподавания.

Принципиально иная картина имеет

место на относительно продвинутых эта-

пах обучения, когда учащиеся уже овладе-

ли основами знаний по той или иной теме

или предметной области. На этих этапах на

первый план выходят различные варианты

«диалогового» стиля дистанционного пре-

подавания. Эти формы преподавания по

своей природе в существенно большей

степени требуют использования обратной

связи между преподавателем и учащимися.

На этих этапах в полном объеме выявляет-

ся вопрос о необходимости практической

реализации тезиса об «индивидуально

ориентированном, совместном с учащимся

одолении пути к знаниям».

Интересно отметить, что еще Сократ

(300-е годы до нашей эры) в своих зна-

менитых «сократических беседах» ут-

верждал, что человек должен созреть для

понимания истины и сделать это он мо-

жет только на пути собственных раз-

мышлений. Сократ, а затем и его ученик

Платон помогали каждому из участников

сократических бесед «родить» собствен-

ную истину, причем прийти к ней своим,

самостоятельным путем. Они считали,

что новое для человека знание рождается

в индивидуально организованном диало-

ге, при помощи искусно поставленных

вопросов. При этом учитель должен

уметь точно определять момент, когда

ученик «созрел» для помощи. А созрева-

ние является результатом многих совме-

стных размышлений учителя и ученика.

Свой метод обучения Сократ назвал

«майевтикой», в переводе с греческого

«акушерство, повивальное искусство».

При рождении истины, как и при рожде-

нии ребенка, учитель может только по-

мочь, родить должна сама женщина.


22

«Ценой» введения диалогового стиля

обучения является трагическая судьба 70-

летнего Сократа, казненного «прогрессив-

ной» афинской демократией за то, что раз-

вращал умы молодежи и был непочтителен

к богам. С точки зрения методологии обу-

чения суть претензий заключалась в ис-

пользовании специально подобранных во-

просов, которые доводили до абсурда не-

правильные ответы учащихся, наталкивая

их на правильный путь рассуждения и

подводя к выводам. «Сократ погрешает и

переступает меру должного, исследуя то,

что под землею, и то, что в небесах, делая

более слабый довод более сильным и нау-

чая тому же самому других».

Современные информационные техно-

логии предоставляют технические и тех-

нологические возможности для разработки

методологических и дидактических спосо-

бов обучения с использованием множест-

венных образовательных технологий.

Существенно отметить, что по прогно-

зам Microsoft в недалеком будущем можно

ожидать совмещение коммуникационных

сетей, обеспечивающих доступ как к Ин-

тернету, так и к телевизионным каналам.

Принципиально такая возможность суще-

ствует и сегодня, что является основой ак-

тивного развития различных систем сме-

шанного обучения (blended learning).

Вообще под этим термином подразу-

мевается использование в той или иной

пропорции форм очного и дистанционного

обучения [15]. В контексте нашего изло-

жения ясно, что в рамках смешанного обу-

чения наряду с элементами очных контак-

тов каждый раз существенно определять

долю использования телевизионных и

компьютерных технологий.

На продвинутых этапах обучения в

рамках технологий blended learning психо-

лого-педагогическая практика всѐ в боль-

шей степени основывается на методах

предварительного ознакомления учащихся

с основными положениями (тезисами)

ожидаемого учебного материала. Эти ма-

териалы могут предлагаться учащимся в

бумажной форме, либо (и) в форме ссылок

на образовательные порталы.

Наличие на этих этапах обучения диа-

логового общения с преподавателем на ос-

нове индивидуальной обратной связи явля-

ется совершенно необходимым атрибутом

нормальных процессов общения и обучения.

Причем важно заметить, что очень часто

бывает желательно наличие «быстрой» об-

ратной связи в формате «on-line», как прави-

ло, с использованием электронной почты. С

психологической и психофизиологической

точки зрения такой подход не является при-

чудой, капризом или каким-то изощренным

Дистанционное обучение: основные формы приобретения

знаний при использовании возможностей информационных и

образовательных технологий

Классический «лекционный» стиль

передачи знаний на начальных этапах

обучения. Идея – тщательно

продуманное автором и реализованное

на уровне сценария и режиссуры

введение учащихся в тематику

предметной области

«Диалоговый» стиль передачи

знаний на продвинутых этапах

обучения. Идея – использование

индивидуально-ориентированных,

множественных образовательных

траекторий

Рис. 1. Основные формы дистанционного обучения


23

желанием, так как призван поддерживать

достаточно хрупкие мотивации интереса к

получению знаний и преодолению затруд-

нений в ходе этого процесса.

Таким образом, на продвинутых этапах

обучения всѐ в большей степени удобно и

целесообразно использовать индивидуаль-

ные траектории приобретения знаний. Эти

траектории естественным образом зависят

от специфики задач, решаемых конкретным

человеком, а также от специфики его знаний,

мотиваций, типа мышления, способностей.

Использование методов дистанционного

обучения, в том числе, электронной почты,

форумов, видео- и аудио-конференций в

принципе делает реальной индивидуализа-

цию учебного процесса. Наряду с этим, в

комплексе с методами TV-обучения в рам-

ках blended learning удобно использовать

электронные учебные пособия, гипертексто-

вые методики и другие методы, представ-

ляемые образовательными порталами.


1. Загидуллин Р.Р., Зориктуев В.Ц.

Концептуальные вопросы дистанционного

образования. // Информационные техноло-

гии. – 1999. №5. – с. 33-36.

2. Киреева Е.Д. Опыт применения ме-

тодов телевизионного обучения за рубе-

жом. // Телекоммуникации и информати-

зация образования. – 2000. №1.

3. Кроль В.М., Колоколов А.С., Сот-

никова Е.Д. Перспективные телевизион-

ные формы дистанционного обучения. //

Телекоммуникации и информатизация об-

разования. – 2002. – №6(13). – С. 39-45.

4. Печенкин А. Электронное обучение. //

Экономика и образование сегодня. – 2005.

№3. С. 109-110.

5. Полат Е.С., Моисеева М.В., Петров

А.Е. и др. Дистанционное обучение. – М.:

ВЛАДОС, 1998.

6. Кроль В.М., Сотникова Е.Д., Сивергин

М.Ю. TV-обучение: история, неизбежность

«взрывного» роста и перспективы. Образова-

ние и общество. – 2006. №3. С. 93-97.

7. Триндаде А.Р. Информационные и

коммуникационные технологии и развитие

человеческих ресурсов. // Дистанционное

образование. – 2000. №2. С. 5-9.

8. Хуторской А.В. Дидактическая эв-

ристика. Теория и технология креативного

обучения. – М., МГУ. 2003. 415 с.

9. Кроль В.М., Колоколов А.С., Сот-

никова Е.Д. Формы представления видео-

продукции в дистанционном обучении. //

Высшее образование в России. – 2003.

№6. – С. 77-83.

10. Кроль В.М., Колоколов А.С., Си-

вергин М.Ю. Передача данных по спутни-

ковому каналу связи. // Телекоммуникации

и информатизация образования. – 2003.

№2(15). – С. 35-43.

11. Intelligent Information and

Communication Technology for Education

and Training in 21 century. // British J. Educ.

Techn. – 2000. №2. V. 31. – April. pp. 99-

109.

12. MacKinnon G, Aylward L. Coding

Electronic Discussion Groups. // International

J. Educational Telecommunications. – 2000.

V. 6. №1. P. 53-63.

13. Кроль В.М. Психология и педаго-

гика. – М., Высшая школа. – 2006. 430 с.

14. Кроль В.М. Педагогика. – М.,

Высшая школа. – 2008. 316 с.

15. Тихомирова Е. Смешанное обучение.

// Е и М Еврообразование. – 2007, с. 20-21.

Контатная информация:

Кроль Владимир Михайлович,


Цыпкин Владимир Николаевич,


Трифонов Николай Иванович

тел. 8(499)-739-95-04



А.В. Макаревич, В.М. Микитин, А.В. Малахов АСПЕКТЫ МЕТОДОЛОГИИ ОБУЧЕНИЯ В ПОГРАНИЧНЫХ СПЕЦИАЛЬНОСТЯХ

24

УДК 378.147:004

НЕКОТОРЫЕ АСПЕКТЫ МЕТОДОЛОГИИ ОБУЧЕНИЯ В ПОГРАНИЧНЫХ СПЕЦИАЛЬНОСТЯХ. ОСОБЕННОСТИ

ОБРАЗОВАНИЯ НА СОВРЕМЕННОМ УРОВНЕ

А.В. Макаревич, В.М. Микитин, А.В. Малахов



Рассмотрены некоторые проблемы высшего образования, особенности подготовки

медиков и подготовки специалистов в пограничных областях на основе развития телемеди-

цинских устройств с биологической обратной связью, а также подготовки специалистов по

телемедицине.

Современное развитие науки предпо-

лагает узкую специализацию студентов.

Считается, что подобный подход позволя-

ет наиболее полно донести до обучаемого

необходимый объѐм материала в наиболее

краткие сроки. Дать алгоритмы решения

практических задач для использования в

профессиональной деятельности сразу по-

сле окончания учебного заведения. Общий

уровень подготовки по фундаментальным

дисциплинам, определяющий степень уни-

версальности образования, когда выпуск-

ник может неоднократно менять специаль-

ность и место работы, постоянно снижает-

ся. Блестяще подготовленные дилетанты,

не имеющие твѐрдых знаний в узкой об-

ласти, проигрывают, особенно в началь-

ный период, после окончания ВУЗа. Несо-

мненно, продолжение образования в маги-

стратуре и аспирантуре повышает объѐм

знаний студентов, но только строгий отбор,

специализация позволяют выпускнику по-

лучить работу в престижной организации.

Ещѐ один способ целевой подготовки спе-

циалистов – направление студента от ор-

ганизации по конкретной специальности.

При этом оплачивается обучение студента,

за что он обязан отработать в организации

определѐнный срок. Здесь есть опасность

неточного выбора специализации, по-

скольку за время обучения могут сущест-

венно измениться условия работы и требо-

вания к специалисту. Во времена «боль-

ших» НИИ и заводов трудоустройство вы-

пускников не было проблемой. Три обяза-

тельных года отработки за «бесплатное»

образование позволяли или начать быст-

рый рост за счет освоения необходимых

знаний на рабочем месте, либо подобрать

подходящую работу в соседней организа-

ции с более высокой заработной платой.

Наличие военной кафедры в престиж-

ных технических ВУЗах позволяло избе-

жать потери квалификации за время обяза-

тельной военной службы.

Тем не менее, общий уровень образо-

вания не позволял массово воспитывать

элитных специалистов для науки и произ-

водства. Кадровый вопрос решался «коли-

чественным» образом, повышением зарпла-

ты, переводом ценных специалистов через

министерство, целевым распределением

студентов, прошедших производственную

практику на конкретных предприятиях,

введением «категорий» и переаттестацией.

Постдипломное образование

В современных условиях скорость из-

менения условий работы предприятий

весьма высока и текучесть кадров значи-

тельно снижает уровень профессиональ-

ной подготовки специалистов. Единствен-

ный выход – постоянный процесс постди-


25

пломного образования и самообразования

специалистов. Таким образом, уровень

кадрового резерва может значительно по-

вышаться. Однако метод отбора по «резю-

ме» и «стажу практической работы по спе-

циальности» не позволяет оценивать сте-

пень подготовки объективно. Поэтому ис-

пытательный срок используется повсеме-

стно, что тормозит практическую отдачу

от специалиста.

Выше речь шла о технических специа-

листах, инженерах электронной техники,

радиоинженерах, конструкторах и про-

граммистах. Для этих студентов характер-

но стремление на старших курсах овладеть

«хлебной» специальностью и сертифика-

том – «корочкой», востребованными во

многих отраслях промышленности и бога-

тых фирмах, типа системного администра-

тора или специалиста по «сетям». Ещѐ

больше ценится владение навыками рабо-

ты с «железом» в сочетании со знанием

программного обеспечения ПК. Эти тен-

денции привели в настоящее время к пере-

избытку «специалистов» с весьма низким

уровнем общего образования, что не по-

зволяет быстро изменить направление ра-

боты для конкретного нанимателя и соста-

вить красивое «резюме».

Для гуманитариев это привело к пере-

избытку юристов и экономистов «общего

профиля», менеджеров без специальности,

прикладных психологов и т.п.

Особенности подготовки медиков

Сравним состояние дел в технической

сфере с уровнем подготовки медиков. Здесь

дело обстоит ещѐ сложнее. Не пять, а шесть

лет обучения, много трудной практической

работы в клиниках санитаром, фельдшером,

ординатором. После госэкзаменов и дипло-

ма ещѐ ординатура или интернаура (прак-

тика врача или учѐного). Пока еще допустят

до самостоятельной работы, пройдет 8-9

лет. И, главное, узкая специализация и не-

обходимость каждые 5 лет проходить кур-

сы повышения квалификации по конкрет-

ной специальности и работать только по

этой специальности. Мы жалуемся на от-

сталость медицины, а ей надо помогать. И

не только покупкой дорогой импортной

техники, с которой врачи не знают, что де-

лать, а повышением квалификации врачей в

области, прежде всего, вычислительной

техники и информатики.

Есть и государственные программы

для ВУЗов, например, специальность «ме-

дицинская кибернетика» в мединститутах

или «медицинская техника» в технических

университетах. Это и есть пограничные

специальности, а значит есть необходи-

мость в создании методики (технологии)

их преподавания.

Подготовка специалистов

в пограничных специальностях

Тема настоящей статьи заключается в

рассмотрении основных элементов техни-

ческого и организационного обеспечения

подготовки специалистов пограничных

специальностей – вычислительной техники

и медицины.

Основные положения, термины и

определения.

Начнѐм с того, наша страна – социаль-

ное государство, его граждане имеют пра-

во на медицинскую помощь, социальную

защиту, спасение в чрезвычайных ситуа-

циях, пенсию, детские и материнские по-

собия и льготы и т.п.

При этом медицина не бесплатная, она

предоставляется по обязательному и доб-

ровольному страхованию. По нашему за-

конодательству медицинские учреждения

предоставляют населению услуги и полу-

чают за это деньги. Значит, все услуги

можно рассматривать, как производствен-

ную деятельность, а науку, как инноваци-

онные вложения в производство. Романти-

ки мало, ответственности много, а повы-

шать производительность труда и рост ка-

чества жизни населения необходимо. Для

развития необходимо использовать пере-

довые технологии и оборудование, гото-


26

вить квалифицированные кадры – это и

есть инновации.

Развитие телемедицины

Телемедицина считается достаточно мо-

лодым направлением медицинской науки и

практики. По данным ряда зарубежных авто-

ров датой ее рождения является 1959 год [1].

В России история ее начинается с момента

возникновения космической медицины.

История проектов по телемедицине в

рамках ЕС отсчитывается с 1985 года. В

1994-1998 гг. проекты нацелены на по-

строение прототипов и пилотных их вне-

дрений, как первого шага до коммерческой

эксплуатации. Главной целью проектов ЕС

за период 1994-1998 гг. по телемедицине

была разработка медицинских компьютер-

ных сетей, в том числе мобильных. Задачи:

обеспечить каждого человека медицин-

скими услугами дома, в изолированных

местах (корабли), в случаях аварий, ката-

строф, в обеспечении связи между высоко-

классными специалистами центральных

клиник и врачами в отдаленных районах.

27 августа 2001 г. министр здраво-

охранения РФ и президент РАМН совме-

стным приказом №344/76 утвердили "Кон-

цепцию развития телемедицинских техно-

логий в Российской Федерации" и План

мероприятий по ее реализации.

В огромной стране доступность меди-

цины это не только деньги и строительство

новых центров, не только количество спе-

циалистов, – это и возможность в любой

точке не зависеть от наличия рядом врача

нужной специальности. Да, можно доста-

вить вертолѐтом в райцентр, можно пере-

лить кровь и ввести лекарства. А если не

ясно (до вскрытия), что происходит с па-

циентом? Почему растѐт температура? По-

чему не выходит из комы? Медицина нау-

ка статистики, если из 100 пациентов с по-

хожими симптомами и диагнозом при дан-

ной методике выжили 90 – это здорово!

Методика утверждается, препараты допус-

каются на рынок, а 10 остальных?

Почему везут детей с лейкемией в

Германию? Дорого, но есть банк данных

на доноров с нужной формулой крови, а

мы в него не входим – плати. Уход хоро-

ший, чистота, дисциплина – плати. Школа

в Германии, еѐ создать надо, это годы и

деньги стабильные. Есть врачи и у нас, но

в Питере или в Москве – дорого, очередь,

плати. Иногда достаточно квалифициро-

ванного совета специалиста – и время не

упущено, денег хватило, пациент жив и

поправляется.

Тут и нужны информационные

технологии:

- оперативная передача данных в тек-

стовом и графическом виде;

- организация видеоконференций и

консультаций;

- наблюдение за проведением опера-

ций и консультации в реальном масштабе

времени;

- управление медицинскими система-

ми с удалѐнного терминала;

- защита информации и баз данных;

- консультации по использованию ле-

карств и их возможной замене;

- квалифицированный поиск в инфор-

мационных системах.

Это далеко не всѐ. Но всѐ это и есть

телемедицина.

Особенности подготовки специалистов

по телемедицине

Специальность есть, более того – есть

много специальностей. Есть потребность в

телемедицине для спасателей, моряков,

полярников, космонавтов, пограничников

и оленеводов, а специалистов нет. Как их

готовить? В каких учебных заведениях? А

главное – по какой методике?

Итак, основные условия для создания

методологии подготовки специалистов по

телемедицине:


27

1. Актуальность темы. Есть решение

Президента РФ и Правительства о разви-

тии новых медицинских технологий и, в

том числе, телемедицины.

2. Экономические обоснования. Выде-

ляются государственные средства по про-

грамме для создания системы. Телемедици-

на окупается созданием специализирован-

ных консультационных центров в лучших

клиниках и платой за консультации.

3. Подготовка врачей специалистов

может проводиться на факультетах повы-

шения квалификации врачей при медицин-

ских ВУЗах и НИИ.

4. Техническое обеспечение и об-

служивание могут взять на себя специа-

листы технических ВУЗов соответст-

вующих специальностей.

5. Разработка специализированной

медицинской техники проводится на рос-

сийских предприятиях.

6. Методическое обеспечение, состав-

ление программ обучения и практические

занятия должны проводиться совместно

медиками и специалистами по информа-

ционным технологиям.

Практические рекомендации и их реа-

лизация на базе лаборатории телемедицин-

ских информационных систем кафедры

вычислительных систем и устройств Фа-

культета Информационных технологий

МИРЭА и Московской медицинской ака-

демии им. Пирогова.

Перспективы

Для реализации подготовки специали-

стов по телемедицине должна быть разра-

ботана совместная программа. Целесооб-

разно проводить курсы повышения квали-

фикации врачей на технической базе лабо-

ратории МИРЭА, используя опыт специа-

листов института для первичного обучения

врачей основам информатики, работе на ПК,

подготовке данных для передачи, работе со

сканером, видеокамерой, микрофоном,

принтером [2]. Организации режимов ви-

деоконференции, записи видео и фотоизо-

бражений, организации протоколов обмена.

По освоению базового курса возможно

проведение практических занятий по орга-

низации связи с клиниками и передачи дан-

ных, фото- и видеоматериалов.

На первом этапе необходимо создать

формализованные опросники для проведе-

ния анамнеза, формы назначения лабора-

торных исследований, передачи результа-

тов, составления и ведения учѐтных запи-

сей. Отдельной темой стоит работа по за-

щите информации о личности пациента

при использовании открытых систем пере-

дачи данных.

На втором этапе совместной работы

можно проводить обучение работе со спе-

циализированным телемедицинским обо-

рудованием для диагностики и терапии,

разрабатываемым совместно Институтом

Радиофизиологических Исследований и

МИРЭА по теме «МАРС».

Практическим выходом совместной

работы будет создание технической и ме-

тодической базы для организации курсов

повышения квалификации врачей по спе-

циальности «телемедицинские информа-

ционные технологии». На этой базе сту-

денты смогут проводить лабораторные ра-

боты по телеинформатике и вести научную

работу.

Предложения к методическому плану по

подготовке специалистов в области

телемедицины

Курс обучения:

Основы информатики, практиче-

ские занятия по изучению работы на пер-

сональном компьютере, освоение основ-

ных программ пользователя.

Основы сетевой работы. Поисковые

системы. Системы передачи данных.

Практическое освоение систем вво-

да-вывода информации:

- принтеров различных типов;

- сканеров;


28

-проекторов и дополнительных

мониторов;

- внешних накопителей различного

типа и т.п.;

- систем аудио-видео ввода и вывода.

Курс повышения квалификации:

Медицинские устройства, подклю-

чаемые к системам передачи данных.

Защита информации при хранении

и передаче.

Принципы организации и обслужи-

вания консультационных центров.


1. Наумов В.Б., Савельев Д.А. Право-

вые аспекты телемедицины,

http://russianlaw.net/law/books/book_telemed

_short.htm.

2. Карагузов Т.И., Малахов А.В., Ко-

валенко С.М., Макаревич А.В. Разработка

АРМ АПК «МАРС» для диагностики и те-

рапии пациента с удалѐнной точки доступа

в реальном масштабе времени. Теоретиче-

ские вопросы вычислительной техники и

программного обеспечения. Межвузовский

сборник научных трудов. – МИРЭА. 2010.

С. 39-43,

http://www.vt.fvms.mirea.ru/nauches/text/mar

s.html.


Макаревич Александр Васильевич,


Микитин Владимир Михайлович,


Малахов Алексей Валентинович,


http://russianlaw.net/law/books/book_telemed_short.htm

http://russianlaw.net/law/books/book_telemed_short.htm

http://www.vt.fvms.mirea.ru/nauches/text/mars.html

http://www.vt.fvms.mirea.ru/nauches/text/mars.html





29

УДК 621.396:629.7:623.746

МАТЕМАТИЧЕСКАЯ МОДЕЛЬ РАДИОЛОКАЦИОННОГО ИЗОБРАЖЕНИЯ ВЗВОЛНОВАННОЙ МОРСКОЙ ПОВЕРХНОСТИ

В.С. Мартьянов, В.Е. Андрюшин



Рассмотрены общие подходы к построению математической модели радиолокационно-

го изображения. Приведена математическая модель радиолокационного изображения

взволнованной морской поверхности, полученной для радиолокационной станции с синтези-

рованной апертурой для случая бокового обзора и прямолинейного движения носителя с по-

стоянной скоростью и углом скольжения, обеспечивающего выполнение условий резонансно-

го рассеяния без самозатенения. Показано, что математическое моделирование радиолока-

ционного изображения взволнованной морской поверхности сводится к моделированию од-

нородного анизотропного случайного поля с заданными одномерной плотностью распреде-

ления вероятностей амплитуды и корреляционной функции.

Введение

Морскую поверхность (МП), облучае-

мую радиолокационным сигналом, можно

рассматривать как распределенную цель. Ее

отражательная способность в сантиметровом

диапазоне зависит от частоты падающего из-

лучения, степени шероховатости и диэлек-

трических свойств поверхности, угла падения

луча, поляризации падающего и рассеянного

полей. Создание теоретической модели ра-

диолокационного сигнала, отраженного от

МП, путем решения задачи дифракции с уче-

том граничных условий, которые необходи-

мо задавать на статистически шероховатой

поверхности, которая к тому же случайным

образом изменяется во времени, приводит к

громоздким конечным результатам, которые

не всегда связаны с характеристиками по-

верхности [1]. Результаты, хорошо согла-

сующиеся с экспериментальными данными,

получены только для пологих и малых по

сравнению с длиной электромагнитной вол-

ны (ЭМВ) шероховатостей (метод возмуще-

ний [2]) либо пологих, но очень крупных не-

ровностей (метод Кирхгофа [3]). В ряде работ,

выполненных электродинамическими мето-

дами, использовалась двухмасштабная мо-

дель морских волн: крупные волны, покры-

тые мелкой рябью, соизмеримой с длиной

волны зондирующего сигнала [4], однако, и

эти модели не всегда согласуются с экспери-

ментальными данными и не дают достаточно

простых конечных соотношений.

Анализ статистических моделей

морской поверхности

Наиболее широко в исследованиях при-

меняются эмпирические (феноменологиче-

ские) модели отражения, которые основыва-

ются на представлении МП в виде совокуп-

ности расположенных на ней элементарных

отражателей (ЭО). Для целей моделирования

изображения поверхности моря при исполь-

зовании радиолокационной станции с синте-

зированной апертурой (РСА) наиболее удоб-

на двухмасштабная феноменологическая мо-

дель (ДМ), основанная на резонансной тео-

рии отражений. Согласно этой модели,

спектр волнения МП можно условно разде-

лить на три характерные зоны [5]:

1. Узкая полоса, сгруппированная около

значений 2cosp , – зона резонансно-

го (брэгговского 1-го рода) отражения, суще-

В.С. Мартьянов, В.Е. Андрюшин МАТЕМАТИЧЕСКАЯ МОДЕЛЬ РАДИОЛОКАЦИОННОГО ИЗОБРАЖЕНИЯ

30

ствующая при углах скольжения 75 .

Для сантиметрового диапазона эта область

соответствует капиллярным (менее 2 см), ка-

пиллярно-гравитационным (2...5 см) и корот-

ким гравитационным (0…1,3 м).

2. Зона морских волн, не разрешаемых

РСА ( , где δℓ – разрешение РСА),

включает зону брэгговского рассеяния. Ее

волны в значительной мере влияют на фазо-

вые флуктуации отраженного сигнала. Эта

зона капиллярных, мелких гравитационных

и гравитационных волн соответствует слабо

взволнованному морю (до одного балла).

3. Зона видимых на синтезированных

радиолокационных изображениях (РЛИ)

волн с длиной волны . Эта зона

включает все волны типа "зыби" и ветровые

волны, вызванные относительно сильным

ветром. Так, при 25 м соответствую-

щая скорость должна составлять 9 м/с.

Применение рассмотренных моделей

позволяет записать отраженный сигнал

( , )f t в виде суммы:

1

( , ) ~ ( , )exp ( , )N

i i i i iif r t a r t j r t

, (1)

где ,i ia – случайные амплитуда и фаза

сигнала, отраженного от i-го отражателя,

находящегося на расстоянии ri от точки

наблюдения в момент t; N – количество ЭО

в элементе разрешения.

При достаточно большом числе N при-

мерно "равноправных", независимых ЭО и

равномерном распределении на отрезке

[0,2π] фаз отраженных от них сигналов, со-

гласно центральной предельной теореме,

распределение амплитуд результирующего

сигнала от элемента разрешения поверхно-

сти будет описываться законом Рэлея: 2

( ) exp , 02

A Ap A A

, (2)

где 1 2( )A f f , { }M f f – параметр,

величина которого определяется состояни-

ем МП и характеристиками РСА (средняя

эффективная поверхность рассеивания

(ЭПР) поверхности в элементе разрешения

РСА). Значения параметров распределений

можно найти с помощью закона распреде-

ления смещений поверхности моря по вер-

тикали h(х,у). Такая модель отражений от

моря применима для описания изображе-

ний, полученных РСА с низким разреше-

нием ( x x , R R , где x , R , R ,

x – разрешение РСА и длина волны

крупномасштабного волнения по соответ-

ствующим координатам), работающих при

углах скольжения 10 , когда отсутст-

вует затенение ЭО крупными волнами.

Экспериментальные исследования

[6,7] показывают, что динамический диа-

пазон радиолокационных сигналов, отра-

женных от МП, оказывается почти всегда

шире, чем при рэлеевской модели. Отли-

чия от рэлеевского закона увеличиваются с

повышением разрешающей способности

( x x , R R ), уменьшением угла

скольжения ( 10 ), ростом волнения,

причем распределения при горизонтальной

поляризации имеют более затянутые "хво-

сты", чем при вертикальной. Эти отклоне-

ния объясняются нестационарностью не-

больших участков МП, присутствием ма-

лого числа отражателей в элементе разре-

шения, не допускающими применение

центральной предельной теоремы, и осо-

бенностями отражений СВЧ ЭМВ разных

поляризаций от взволнованной МП.

"Переменная во времени рэлеевская

модель" учитывает зависимость амплиту-

ды отраженного сигнала от угла наклона

крупномасштабных волн. Плотность веро-

ятности (ПВ) распределения амплитуд от-

раженного сигнала имеет вид:

0

0 0

( )

,

B

B B

Ap A p

p d

, (3)

где 0 – среднее значение удельной ЭПР;

β – угол падения для спокойной МП; βB –

угол наклона крупномасштабных волн;

0

Bp – ПВ 0 , которая зависит от

угла βB. Предполагается, что условная ПВ


31

0p A описывается законом Рэлея, а

0 – быстро меняющаяся функция време-

ни, которая для элемента разрешения

S x y может быть записана в виде

0

'( ') ( , , )

SP a q x y h dxdy

, (4)

где ( , , )q x y h – коэффициент усиления для

точки ( , , )x y h , a' – угол между нормалью

к МП в точке ( , , )x y h и вектором от этой

точки к РЛС; Р(а') – отраженная мощ-

ность, рассчитываемая на основании тео-

рии рассеяния от поверхности с малой по

сравнению с длиной ЭМВ шероховато-

стью; 'S – площадь элемента разреше-

ния, учитывающая только незатененные

точки. Распределения, рассчитанные на

основании модели (3), показывают близ-

кое соответствие экспериментальным

данным. Однако условная ПВ 0( )p A не

является рэлеевской, а может быть ап-

проксимирована либо распределением

Рисеана, либо χ-распределением.

Модель [8], разработанная на основе

фацетной теории отражений, хорошо со-

гласующейся с теорией резонансного рас-

сеяния радиоволн сантиметрового диапа-

зона на мелкоструктурной "ряби", случай-

ным образом расположенной на склонах

крупных волн, позволяет установить ана-

литически взаимосвязь статистических ха-

рактеристик отраженных от МП сигналов с

числом отражателей в элементе разреше-

ния. Предполагается, что рассеянное поле

может бытъ определено по (1), где ai и φi –

статистически независимые случайные пе-

ременные, {φi} – равномерно распределе-

ны на интервале [0,2π], и в среднем только

небольшая доля общего числа ЭО дает

значительный вклад в поле в точке наблю-

дения. Вариации ЭПР каждого отражателя,

даже если их общее число N велико, при-

водит к возможности нерэлеевских отра-

жений. Такая модель позволяет получить

выражение для ПВ значений ЭПР 2

( , ) ( , )r t f r t :

1

( , )( ) 2

( ), 1,

M

N

b bp r

Г М

K b

(5)

где (1 )M N ; 1( )K – модифициро-

ванная функция Бесселя; ( )Г – гамма-

функция; b, υ – параметры, являющиеся в

основном функциями положения точки

наблюдения r. Функция (5) есть двухпара-

метрическое распределение со средним 2

2{ }M M

b

(6)

и нормированной дисперсией 22{ } { } 1 1 2M M M . (7)

В качестве ( , )p a r при выводе форму-

лы (5) используется семейство функций К-

распределения 1

2( , ) ( ), 1

( 1) 2

b abp a r K ab

Г

, (8)

имеющее моменты

2

2 2 !( 1)

( 1)

n

n nM a Г n

b Г

. (9)

В [6] на основе анализа реальных дан-

ных показано, что такая ПВ описывает со-

ставную модель сигнала, отраженного от

МП, согласно которой вклад в распределе-

ние амплитуд p(a) дают две независимых

компоненты ( a x y ): рэлеевская с распре-

делением ( )p a x вида (2) (с малым масшта-

бом корреляции), отражающая флуктуации

вследствие изменения интерференции сиг-

налов от отдельных ЭО, и компонента, ко-

торая описывается χ-распределением p(x) (с

большим масштабом корреляции) и ассо-

циируется с группами отражателей. Пара-

метр M отождествляют с понятием эффек-

тивного числа отражателей

22

4эф

M a rN N

M a r (10)

и при 1M (что соответствует большому

Nэф) ПВ (8) близка к рэлеевской. При ма-

лых M (что возможно, даже если N велико,

но ( 1) достаточно мало) наблюдается


32

отклонение от рэлеевской статистики.

Моменты К-распределения (5) всегда ле-

жат между моментами отрицательного

экспоненциального и логнормального рас-

пределений, имеющих те же среднее, и

дисперсию, что характерно и для экспери-

ментальных данных, полученных с помо-

щью РЛС с высоким разрешением.

Широкое распространение получили ста-

тистические модели, основанные на аппрок-

симации экспериментальных функций рас-

пределения вероятностей амплитуд отражен-

ного сигнала известными законами: состав-

ным нормальным, логнормальным, Вейбулла.

Логнормальное распределение [7]

имеет достаточно простое и удобное ана-

литическое выражение

1 22 2

2

( ) 2 2

2 lnexp , 0,

A

m

A

p A A

A GA

, (11)

где Gm – значение медианы; 2

A – дисперсия

распределения lnA2. Однако при аппроксима-

ции экспериментальных данных распределе-

нием (11) наибольшее несоответствие на-

блюдается на "хвостах" распределений, кото-

рые определяют фон обнаруживаемых целей.

Более подходящей с точки зрения ап-

проксимации реальных данных является

двухпараметрическая функция Вейбулла

1ln 2

exp ln 2

bb

b

m m

b A Ap A

G G

, (12)

где Gm – значение медианы распределения;

1c b – параметр формы. При 0,5c рас-

пределение (12) переходит в распределение

Рэлея, при 0,5c изменяется ассиметрия и

увеличивается "хвост" распределения, что

соответствует реальным условиям отражения

от моря. Конкретные значения параметра с

определяются характеристиками РЛС (дли-

ной волны, размерами элемента разрешения)

и конкретными условиями наблюдения. При

малых углах скольжения (менее 1°) доста-

точно хорошую аппроксимацию эксперимен-

тальных данных дает логарифмическое рас-

пределение Вейбулла

1

' '' exp

c cc z z

p zb b b

, (13)

где b, c – параметры масштаба и формы

соответственно; ' lnz A .

Корреляционная функция

радиолокационного изображения

взволнованной морской поверхности

Рассмотрим корреляционную функцию

(КФ) РЛИ МП, полученного с помощью

РСА, для случая бокового обзора, прямоли-

нейного движения носителя параллельно

оси X с постоянной скоростью V (рис. 1),

наклонной дальности R и угла скольжения

β0, обеспечивающего выполнение условий

резонансного рассеяния без самозатенения

0(10 70) .

Синтезирование осуществляется с по-

мощью операции:

( , ) ( , ) ( )cc TJ y t f y t h t' t dt' , (14)

где f , cJ – комплексные амплитуды от-

раженного и синтезированного сигналов;

Tc – временной интервал синтезирования; 2 2( ) exp nh t jkV t R

– импульсная ха-

рактеристика системы обработки (СО),

2k – волновое число зондирующей

ЭМВ. В соответствии с теорией рассеяния

СВЧ радиоволн на МП [7]

2 2

0

1 22

2

0 0

( , ) ~ ( , ),

( , )( , ) , ( ) ( , ),

1 ( , )

1exp 2 ( )cos ( , )sin ,

2

j kR

n

n

f y t k R e J y t'

f r' t'J y t' dr'G x' V t' y' y r r' t' t'

r' t'

jk x' V t' y' y r r' t'R

(15)


33

где r – радиус-вектор точки на плоскости

0z ; ( , )r t – поле сантиметровой ряби,

покрывающей рельеф энергонесущего

волнения ( , )r t ; rζ – радиус-вектор точки

на поверхности ( , )r t ; ( )G r' r – распре-

деление амплитуды падающего поля в фи-

зическом ( )x y элементе разрешения

РЛС; 0 ( )f – функция, описывающая мо-

дуляцию амплитуды отраженного поля ук-

лонами θ крупномасштабного рельефа

( , )r t . Случайные поля ξ и ζ считаются

статистически однородными, стационар-

ными и некоррелированными между со-

бой; поле ξ имеет нормальную статистику

и КФ ( , ) ( , )R r' r" t' t" R r' r" t' t"

(в силу малости уклонов рельефа энерго-

несущего волнения r r = r' r" ).

Ввиду резонансного характера рассеяния,

в качестве пространственного интервала

корреляции принимают ~ , а вре-

менного – ~ орбv , где vорб – орбиталь-

ная скорость ряби (обычно существенно

превышающая еѐ фазовую скорость).

Полагают, что выполняются неравенства

, , c ПT T V x , (16)

где Тζ – характерный временной масштаб

энергонесущего волнения.

Введѐм величину *

c c cI j j (амплитуду

сигнала изображения на квадратичном вы-

ходе СО) и запишем КФ синтезированного

изображения:

2

( ) ( , ) ,

( , ) ,

c c c yR I y t I y t

I y t

(17)

где , , y ПV – операция

статистического усреднения. Корреля-

ционной функции Rc(ρ) соответствует

четвѐртый корреляционный момент по-

ля ( , )r t :

Рис. 1. Координатная система обзора морской поверхности

1 2 2 3 4

2 1 4 3 4 1 3 2

3 1 4 2

( ), ( ), ( ), , ,

( ,0) ( ,0) ( , ) ( , ) (18)

( , ) ( , ),

r r t r r t r r t r r r' t r r r' t

R r r R r r R r r r' R r r

R r r r' R r r r'


34

поэтому Rc(ρ) распадается на 3 слагаемых: (1) (2) (3)( ) ( ) ( ) ( )c c c cR R R R . (19)

В работе [7] получены выражения для

составляющих (1)

1 1

2

1

(2) *

2 2

2

(3) (2) (2)

( ) ( , ) ( , )

( , ) ,

( ) ( , , , ) ( , , , ) ,

( ) ~ ( ) ( );

c y

c y y

c c c

R A y t A y t

A y t

R A y t A y t

R R Ry

(20)

3 2

1

2

0

2

3

2

2

2

0

2

( , ) (2 )

,, ( )

1 ( , )

( , ), ( , ) ,

( , , , ) (2 )

exp 2 ( , )

,( , )

1 ( , )

(

c

c

T

П

p

y T

t'

П

П y

p

A y t dt' dr'G

f r' t'x' V t' y' y

r' t'

S r' t' r' t'

A y t

kVj dr'G x' V t' y' y

R

f r' t'G x' V t' y' y

r' t'

S

2

0

, ), ( , ) ;

( , ) 2 cos ( , ),

( , ) 2 sin ( , )

2 .

p

П

П

kVr' t' r' t'

R

r' t' k r' t'

r' t' k r' t't

Vk x' V t

R

В выражения A1 и А2 входит простран-

ственно-временной спектр ряби ,S

на резонансной пространственной частоте

p , соответствующей локальному углу

скольжения ( , )r' t' . Малые изменения

направления вектора p за время Tc здесь

не учитываются, что допустимо в отсутст-

вие резкой анизотропии пространственно-

го спектра ряби:

( , )

1( ) ,

2орб

S

S V

(21)

где ( )S – пространственный спектр;

( ) – временная частота, определяемая

дисперсионным соотношением. Учитывая,

что фазовая скорость ряби мала по сравне-

нию с орбитальной,

( , ) ,

1( ).

2

p p p орб

p p

S S V

S S

Тогда

3 2

1( , ) (2 )

, ( ) ( , )

( , ) ( , ) ( , ) ,

cT

П

p орб

A y t dt' dr'G

x' V t' y' y F r' t'

r' t' r' t' V r' t'

(22)

где

2

0

2

,

1 ( , )( , ) ( , )p

f r' t'S

r' t'F r' t' r' t'

.

Подставив в аргумент-функции (22)

выражение для ω(r',t') из (20), можно ви-

деть, что основной вклад в интеграл по x'

дают узкие интервалы П cx' ~ R V T

вблизи точек x , являющихся корнями

уравнения

( , , )рад

П орб

П

Rx' V t v x' y' t'

V

(23)

где рад

орб орбv kV k – радиальная состав-

ляющая орбитальной скорости

0 00,cos ,sink k .

Примем простейшую аппроксимацию:

1, , ;2 2

( )

0, , .2 2

x yx' x y' y

G r' rx y

x' x y' y

(24)

Тогда

3

1

1( , )

,

2( , )

2

( , ) ( , ),

cT y

N y' tорб

рад n n

n

A y t dt' dy'k

Vv y' t' F y' t'

R x

(25)

где ,

орб

рад nv и Fn– функции, взятые в точках

( , )nx y' t' . Из (25) следует, что A1 определяет-

ся числом N корней уравнения (23), причѐм N

случайным образом зависит от y',t'. Из (25)


35

видно, что даже в отсутствие модуляции се-

чения ( )x y уклонами крупномасштаб-

ного рельефа (азимутальное направление бе-

га волн 0 0 , F const ) зависимость

1( , )A y t не исчезает, в этом случае она ото-

бражает поле орбитальных скоростей.

1. Рассмотрим случай, когда выполня-

ется условие отображения волнения за

счѐт модуляции сечения рассеяния укло-

нами крупных волн, имеющее вид [7]

,

рад

орб

x

П

R

V

, (26)

где Λζ,x – характерный пространственный

масштаб энергонесущего волнения по оси

X; рад

орб – среднеквадратичное значение

рад

орбv ,

рад

орб орб nH T ,

где 4nH h – высота значительного вол-

нения; h – среднеквадратическое возвыше-

ние. Из дисперсионного соотношения для

гравитационных волн следует, что условие

(26) нарушается, если

3

20 *

2

sin1П

n

VH H

R

,

где θ0 – генеральное направление бега волн

относительно оси Y, 9,8g м/с2. Так, при

2 1

*~ 10 3V

c HR

м для 100 м и

* 8,4H м для 200 м . В реальных ус-

ловиях очень часто *nH H , и условие (26)

справедливо во всѐм диапазоне углов θ0.

При условии (26) уравнение (23) имеет

единственный корень

, ,орб

П рад П

П

Rx V t v V t y' t'

V

. (27)

И (25) принимает вид

3

1

2( , )

2

( , ), , .

cT y

A y t dt' dy'k

F x y' t' y' t'

(28)

В этом случае волна, бегущая в азиму-

тальном направлении, не визуализируется:

для волны длиной Λ и высотой H условие

(26) означает * 0sinH H . 3

2

2

(2 )( , , , )

2

exp 2

( ( , ), , ),

c

y

y

П

t'

T

y

RA y t

kV

kVdt' j

R

dy' F x y' t' y' t'

(29)

где , ,2 2

рад

орб П

Rx V t v V t y' t'

V

.

Функцию ( , )F r t можно разложить в

ряд по степеням уклонов крупномасштаб-

ного рельефа

2 2

0 1 ...y y yy y xx xF a a a a , (30)

где xx

, yy

. Коэффициенты a0,

ay, ayy, … для 3,2 см вычислены в [8],

причем в [9] показано, что при

010 70 и вертикальной поляризации

излучения можно ограничиться линейны-

ми членами разложения (30).

0 0( , , )

( , , ( , , ) ,

( , ) ( , ) ( , ).

y

y П П

П

рад

орб y

F x y' t' a a a

RV t y' t' V t y' t'

V

r' t' v r' t' r' t'x

С учѐтом сделанных допущений, КФ

изображения будет иметь вид:

(1) 2 2

0

2

( )

( , , )

( , , ) ,

c c

y

c y

T T y y

x

x

П

R aa dt'dt'' dx'dx''

R y' y'' t' t''

RR y' y'' t' t''

V

(31)

где

2

2 2

(2 )

4 П

Ra

k V

;

yR , Rμ – КФ соответст-

вующих величин,


36

2

(2) 2 2

0

22

2

( ) ( ) 1

1 sin ,

y

c c

Пc

c

R aa yTy

kVc T

T R

(32)

где sin sin /c x x x , y y , cT .

В (29) подставлено 0F a , поскольку

флуктуации функции F(r,t) согласно (20)

дают относительно малый вклад в (2) ( )cR .

Первый нуль (2)

cR приходится на

2

0 2 ПR V T и, поскольку для фокусиро-

ванного РЛИ 0 cT ,

Таким образом, при выполнении усло-

вия (26) КФ РСА-изображения МП опре-

деляется выражениями (31), (33). Первое

даѐт собственно изображение волнения,

второе – пятнистую структуру с характер-

ными размерами пятен вдоль осей X и Y

соответственно 2 П cR V T и Δy. Расчѐт КФ

возможен путѐм получения аналитическо-

го выражения для спектральной плотности

РЛИ и выполнения обратного двумерного

преобразования Фурье.

В работе [10] показано, что при упро-

щѐнной модели пространственного спек-

тра возвышений крупномасштабного вол-

нения ( , )S (например, при наличии на

МП одной системы развитого ветрового

волнения) пространственный спектр РСА -

изображения, соответствующий КФ (31-

33), имеет вид

(1) (1)

0 0

0 0

( , ) ( )

( ) ( ) ,

S S

(34)

(1) 2 2 2

0 0

0

1( ) ( )

2

1( ) ,

2y

y cS aa a yT

S f

2 2 2

0 0 0

2

2 4 3

0 0

sin cos cos

cos 2 ,П

Rgh

V

2

22

2 2

0 0

2

2

0

2,0 2;

1

2

2( 2)( ) , 2 ;

1 ( )

0, ;

cc

c

uu

u

Tuf u u

u g

u

2

0 0g ,

2

2 2c

cT

,

2

2

0

1c

, 1y .

22

2 2 2

0(2)( ) 1 sin , ;

( )

0, .

y П c xc y

c

y

kV Taa yT c y

y RR

y

(33)

230

2(2)

1 sin ( ) 2( ) , ;

( )( )

20, .

yc c Пx

П y

c Пx

c yaa RT kT Vy

kV y RS

kT V

R

(35)


37

В области низких 0( ) простран-

ственных частот выражения (34), (35) пре-

образуются к виду:

2 2 2

0

0 0

230

1( , ) ( )

2

( ) ( )

( ) .6

c y c

c

П

S aa a yT

aa RTy

kV

(36)

Спектральную плотность крупномас-

штабной составляющей ветрового волне-

ния будем полагать равной

3

4

22

04 2

2 8 10( , )

exp 0,74 cos ( ) ,B

S

g

u

(37)

где uB – скорость ветра на высоте 19,5 м от

уровня моря (спектр Пирсона-Московица),

а спектр уклонов

2 2

( ) ( , )

( , ) cos .

y yS S d

S d

(38)

Сечения спектральной плотности

( , )c x yS плоскостями 0x и 0y

для случая 0 0 (направление бега

энергонесущего волнения совпадает с

осью Y), 0,7T c, 300ПV м/с,

20 20x y м приведены на рис. 2 и

3 соответственно.

Рис. 2. Нормированная спектральная плотность крупномасштабной

составляющей ветрового волнения по оси Y


38

Рис. 3. Нормированная спектральная плотность крупномасштабной

составляющей ветрового волнения по оси Х

Рис. 4. Одномерная корреляционная функция РЛИ в зависимости от

пространственного интервала корреляции по оси Y


39

На рис. 2 кривая 1 соответствует разви-

тому ветровому волнению при 5Bu м/с,

26,4p м, кривая 2 – 10Bu м/с,

104,7p м. Одномерные КФ РЛИ по ко-

ординатам ,y x , полученные преобразова-

нием Фурье от соответствующих спектров

для тех же условий, приведены на рис. 4, 5.

Выводы

1. Моделирование РЛИ взволнован-

ной МП сводится к моделированию одно-

родного анизотропного случайного поля с

заданными одномерной плотностью рас-

пределения вероятностей амплитуды и

корреляционной функцией (спектральной

плотностью (34), (35)).

2. Математическая модель РЛИ мор-

ской взволнованной морской поверхности

определяется двумя составляющими: пер-

вое дает собственно изображение волнения,

второе – пятнистую структуру с характер-

ными размерами пятен вдоль координат

полета носителя.

3. Расчет математической модели МП

возможен путем получения аналитическо-

го выражения для спектральной плотности

РЛИ и выполнения обратного двумерного

преобразования Фурье.


1. Школьный Л.А., Яковлев А.М.

Применение теории условных марковских

процессов к задаче кластерного анализа

радиолокационных изображений. НММ по

цифровой обработке сигналов. – ВВИА им.

проф. Н.Е. Жуковского, 1988.

2. Turner S.D. RESPECT: Rapid

electromagnetic scattering predictor for

extremely complex targets. – IEE Proc. Part

F. Radar and signal processing, vol. 137, №4,

1990, pp. 214-220.

Рис. 5. Одномерная корреляционная функция РЛИ в зависимости от

пространственного интервала корреляции по оси Х


40

3. Knott E.F. A progression of high-

frequency RCS prediction techniques. – Proc.

IEEE, vol. 73, №2, 1985, pp. 252-264.

4. Муш Б.С. Применение РЛС с синте-

зированным антенным раскрывом для

океанографических исследований. // Зару-

бежная радиоэлектроника, 1978, NG.

5. Математическое и полунатурное

моделирование РЛИ в РЛС с синтезиро-

ванной апертурой. / Под редакцией Л.А.

Школьного. – ВВИА им. проф. Н.Е. Жу-

ковского, 1996.

6. Ахметьянов В.Р., Белокуров А.А.,

Пасмуров А.Я., Пономаренко А.П. Модели

закона распределения амплитуды отра-

женных от морской поверхности радиоло-

кационных сигналов. // Зарубежная радио-

электроника, 1985, №1.

7. Каневский М.Б. К теории РСА изо-

бражения морской поверхности. – Изв.

ВУЗов – Радиофизика, 1983, 31, №6, с. 645.

8. Pelosi G., Tiberio R., Puccini S., Maci

S. Applying GTD to calculate the RCS of

polygonal plates. – IEEE Trans. Antennas

Propagat., vol. 38, №8, 1990, pp. 1294-1298.

9. Денисов А.М. Введение в теорию

обратных задач. – М.: Изд-во МГУ, 1994.

10. REINIGK.D Rapid radar backscatter

simulation of detailed tarqets. IEEE Trans

Aerospace Electronic Systems, Vol. 26 № 5,

1990. pp858-865.


Мартьянов Владислав Сергеевич

тел. 8(499)-131-65-28

Андрюшин Владимир Егорович

тел. 8(495)-433-50-33


41

УДК 537.862:621.373

МОДЕЛИРОВАНИЕ ПРОЦЕССА САМОВОЗБУЖДЕНИЯ ОПТОЭЛЕКТРОННОГО ГЕНЕРАТОРА СВЧ КОЛЕБАНИЙ

А.В. Лопарев



Разработана модель оптоэлектронного генератора СВЧ колебаний, основанная на еди-

ном волновом подходе. Решение полученного дифференциального уравнения оптоэлектрон-

ного генератора определяет условие его самовозбуждения. С помощью метода медленно

меняющихся амплитуд описан процесс перехода к стационарному режиму работы. Рас-

смотрен пример процесса нарастания амплитуды колебаний оптоэлектронного генератора

СВЧ диапазона.

Введение

В последние время происходит процесс

внедрения фотоники в традиционные ра-

диочастотные системы, в результате кото-

рого в области телекоммуникации выдели-

лось новое направление – сверхвысокочас-

тотная оптоэлектроника [1]. Среди активно

исследуемых в настоящее время систем

сверхвысокочастотной оптоэлектроники

можно выделить сети абонентского доступа

волоконно-коаксиальной структуры (HFC),

а также системы распределения волоконно-

эфирной структуры (radio-over-fiber, RoF).

Одним из наиболее перспективных функ-

циональных элементов сверхвысокочастот-

ной оптоэлектроники является оптоэлек-

тронный генератор (ОЭГ) [2].

Основными преимуществами ОЭГ по

сравнению со стандартными генераторами

СВЧ колебаний является преодоление

компромисса между полосой перестройки

частоты генерации и уровнем ЧМ шумов

[3]. Кроме того, верхний диапазон частоты

генерации ОЭГ ограничен полосой про-

пускания модулятора, которая для элек-

трооптического модулятора на основе кри-

сталла ниобата лития (LiNbO3) составляет

около 110 ГГц, что, вследствие фундамен-

тальных ограничений, трудно достижимо

для интегральных СВЧ генераторов на

транзисторах [4].

Полученные экспериментальные ре-

зультаты шумовых характеристик ОЭГ

продемонстрировали как кратковременную

стабильность частоты (на расстоянии 10

кГц от несущей получены значения ЧМ

шумов -160 дБн/Гц) [5], так и долговре-

менную (относительное изменение часто-

ты генерации составляет 62,5 10 1 C ) [6],

что подтверждает актуальность использо-

вания ОЭГ в качестве перспективного ма-

лошумящего генератора СВЧ колебаний.

Анализ современного состояния иссле-

дований ОЭГ показал, что стационарный

режим работы ОЭГ к настоящему времени

хорошо изучен [3,7], однако недостаточно

внимания уделено исследованию процесса

его самовозбуждения. Поэтому целью дан-

ной работы является моделирование про-

цесса самовозбуждения ОЭГ.

Модель оптоэлектронного генератора

Рассмотрим традиционную структур-

ную схему ОЭГ [4], приведенную на рис. 1.

Как видно из рисунка, ОЭГ включает в се-

бя оптический узел и радиотехнический

узел. В состав оптического узла входит

полупроводниковый лазерный модуль

А.В. Лопарев МОДЕЛИРОВАНИЕ САМОВОЗБУЖДЕНИЯ ОПТОЭЛЕКТРОННОГО ГЕНЕРАТОРА

42

(ПМЛ), модулятор интенсивности излуче-

ния (МИИ), волоконно-оптический тракт

(ВОТ) и фотодиодный модуль (ФДМ), а в

состав радиотехнического узла – предва-

рительный электрический усилитель

(ПЭУ), полосно-пропускающий фильтр

(ППФ), усилитель мощности (УМ) и дели-

тель мощности (ДМ).

Рис. 1. Структурная схема

оптоэлектронного генератора

Кратко поясним принцип работы ОЭГ

в стационарном режиме работы. Непре-

рывное излучение ПЛМ, являющегося ис-

точником электромагнитной энергии, по-

ступает на вход МИИ. В качестве МИИ

обычно используется электрооптический

модулятор бегущей волны на основе инте-

грального интерферометра Маха-Цандера.

Далее модулированное СВЧ сигналом оп-

тическое излучение проходит ВОТ и по-

ступает на вход ФДМ, в котором происхо-

дит его демодуляция. Демодулированный

СВЧ сигнал предварительно усиливается с

помощью ПЭУ. Высокодобротный ППФ

задает частоту генерации ОЭГ и подавляет

СВЧ колебания на других частотах. После

усиления в УМ, СВЧ сигнал поступает на

ДМ, после прохождения которого, часть

сигнала поступает в выходной порт ОЭГ, а

другая часть – на управляющий вход МИИ,

замыкая тем самым цепь положительной

обратной связи.

Процесс самовозбуждения ОЭГ вы-

зван наличием флуктуаций в элементах его

схемы, например, флуктуации интенсивно-

сти излучения лазера, дробовый шум на

выходе фотодиода, тепловые шумы в элек-

тронных элементах.

Экспоненциальное нарастание ампли-

туды колебаний при переходе к стационар-

ному режиму работы обусловлено наличи-

ем в схеме цепи положительной обратной

связи. Однако с увеличением амплитуды

колебаний все больше сказывается ее нели-

нейность, в результате чего общий коэффи-

циент усиления ОЭГ уменьшается.

Стационарный режим работы ОЭГ

достигается за счет обеспечения коэффи-

циентов усиления ПЭУ и УМ, компенси-

рующих потери при электрооптическом

преобразовании в ОЭГ, а также соответст-

вием времени задержки сигнала в цепи об-

ратной связи набегу фаз, кратному 2π [2].

Из теории автоколебаний известно,

что для обеспечения режима самовозбуж-

дения необходимо наличие в схеме нели-

нейного элемента. Как было сказано выше,

в схеме ОЭГ нелинейным элементом явля-

ется МИИ. Для определенности рассмот-

рим в качестве МИИ идеальный электро-

оптический модулятор бегущей волны на

основе интегрального интерферометра

Маха-Цандера, выполненного на кристал-

ле ниобата лития (LiNbO3) [8], в котором

коэффициенты пропускания плеч интер-

ферометра одинаковые, а коэффициенты

деления мощности в Y-разветвителях рав-

ны 0,5. В этом случае коэффициент пере-

дачи МИИ упр вых вхK U P Р в зависимо-

сти от переменного напряжения Uупр на его

входе будет определяться выражением (1):

1

1 cos2

упр

упр н

UK U

U

, (1)

где Uπ – полуволновое напряжение, при

котором набег фазы волны, распростра-

няющейся по второму плечу интерферо-

метра, равен π.

Принимая характерные для МИИ на

основе интегрального интерферометра

Маха-Цандера значения 5,5U В и

22нФ [9], зависимость его коэффици-

ента передачи от управляющего напряже-


43

ния, согласно (1), будет иметь вид, приве-

денный на рис. 2.

Рис. 2. Модуляционная характеристика

МИИ

Как следует из рисунка, коэффициент

передачи рассматриваемого МИИ является

периодической функцией управляющего

напряжения. Рабочий режим модулятора

достигается путем подачи постоянного на-

пряжения смещения . . 0 2р тU U U на

электроды модулятора, где U0 – напряже-

ние, соответствующее максимальному зна-

чению коэффициента пропускания (в рас-

сматриваемом случае .max 0,61выхU Р В).

Дифференциальное уравнение ОЭГ

Процессы, происходящие в автоколе-

бательных системах, описываются нели-

нейными дифференциальными уравнения-

ми. Так, например, для исследования про-

цессов возбуждения СВЧ генераторов ис-

пользуется уравнение Кирхгофа в диффе-

ренциальной форме, учитывающее только

переменные составляющие токов и напря-

жений в схеме генератора. Согласно тео-

рии устойчивости, самовозбуждение авто-

колебательных систем обеспечивается не-

устойчивым положением состояния равно-

весия. Т.к. точных аналитических решений

нелинейных дифференциальных уравне-

ний не существует, для СВЧ генераторов

были разработаны следующие критерии

устойчивости: критерий Рауса-Гурвица,

графоаналитический критерий Михайлова

и критерий Найквиста [10].

Однако вышеперечисленные крите-

рии не могут быть применены для анализа

условий самовозбуждения ОЭГ, т.к. в его

состав входит оптический узел, к которо-

му не применимы понятия напряжения и

тока для описания процесса передачи

энергии. Однако универсальность теории

электромагнитного поля позволяет при-

менить в ходе анализа режима самовоз-

буждения ОЭГ единый волновой подход.

Данный подход заключается в замене сис-

темы МИИ-ВОТ-ФДМ эквивалентным

элементом, осуществляющим нелинейное

инерционное преобразование напряжения

[3]. Обозначим напряжение на сопротив-

лении нагрузки фотодиода Uвых, а напря-

жение, поступающее на управляющий

вход модулятора, – Uвх. Время запаздыва-

ния Uвх относительно Uвых определяется

временем задержки в волокне Δt (2), ко-

торое много больше времен задержки

других элементов ОЭГ:

t n l c , (2)

где n – показатель преломления сердцеви-

ны оптического волокна (для кварцевого

стекла 1,45n ), l – длина ВОТ, с – ско-

рость света в вакууме. Напряжение на на-

грузке фотодиода будет определяться сле-

дующим образом:

( )выхU t K U t t , (3)

где K U t t – коэффициент передачи

МИИ, α – параметр эффективности оптико-

электрического преобразования в системе:

10. 1 210

bL l

л I н фд опP S Z N N К

, (4)

где Pл – мощность излучения ПЛМ, SI – то-

ковая чувствительность фотодиода, Zн.фд –

сопротивление нагрузки фотодиода, N1 –

эффективность ввода излучения в ВОТ, Lb –

погонные оптические потери ВОТ, N2 – эф-

фективность ввода в ФДМ, Коп – коэффи-

циент оптических потерь в МИИ. Для уп-

рощения рассмотрения примем, что в (4)

const .


44

Принимая во внимание (1), запишем

уравнение (3) в следующем виде:

( ) 1 cos

2

вх

вых н

U t tU t

U

. (5)

Отметим, что пассивный ППФ содер-

жит элементы емкости и индуктивности,

поэтому связь между Uвых и Uвх во времен-

ной области будет выражаться дифферен-

циальным уравнением, порядок которого

выше первого. Для конкретизации модели

рассмотрим ППФ на основе фильтра вто-

рого порядка.

Рис. 3. ППФ на основе фильтра второго

порядка

На рис. 3 приведена принципиальная

схема реализации ППФ второго порядка на

сосредоточенных элементах, где R – со-

противление нагрузки ППФ. Запишем вы-

ражение для напряжения Uвых.ПЭУ:

1выхПЭУ

di tU L i t dt R i t

dt C , (6)

где i(t) – ток, протекающий через сопро-

тивление R.

Заменяя в уравнении (6) ток

,вхУМi t U t R вх вхУМ ум пдел делU U G K К

и вых выхПЭУ пэуU U G , а также объединяя

его с уравнением (5), получим:

1

1 cos ,

вх

вх вх

вх

н

dU tL U t dt R U t

dt C

U t tR

U

(7)

где пф пэу ум пдел дел эопK G G К К K – ко-

эффициент передачи в радиотехническом

узле, Kпф – коэффициент потерь ППФ в его

полосе пропускания; Gпэу – коэффициент

усиления ПЭУ; Gум – коэффициент усиле-

ния УМ; Кпдел – коэффициент потерь ДМ;

Кдел – коэффициент деления, определяе-

мый отношением напряжения на управ-

ляющем входе МИИ к напряжению на

входе ДМ; Кэоп – эффективность электро-

оптического преобразования в МИИ. От-

метим, что коэффициент прямой передачи

Кпп и коэффициент передачи в цепи обрат-

ной связи Кос связаны с α и β следующим

образом: пп пф пэу ум пделK K G G K и

ос пф пэу ум пдел делK K G G K K .

Продифференцировав по времени

уравнение (7), получим дифференциальное

уравнение ОЭГ:

2

2

sin .

вх вх вх

вх вхн

d U t dU t U tL R

dt dt C

R

U

U t t dU

U dt

(8)

Это уравнение является нелинейным,

поскольку коэффициент при вхdU dt зави-

сит от искомой переменной вхU U . Не-

линейность дифференциального уравнения

является следствием наличия в схеме ОЭГ

нелинейного элемента – МИИ. Отметим,

что правая часть уравнения (8), представ-

ляющая собой производную коэффициента

передачи по времени, является крутизной

модуляционной характеристики ОЭГ.

Перенося в правую часть уравнения

(8) член, содержащий первую производ-

ную Uвх(t), и вводя переменную

. .

( )

sin ,р т

н

S UU

U t t U

U

оно примет следующий вид:

1 1U L C U R S U L U . (9)

Аналитического решения уравнения

(9) в общем виде не существует. Оно мо-

жет быть решено либо с помощью введе-

ния некоторых допущений и приближений,


45

либо численно, например, методом конеч-

ных разностей.

Условие самовозбуждения и переход

к стационарному режиму генерации

Рассмотрим процесс самовозбуждения

генератора и его переход к стационарному

режиму работы с помощью метода мед-

ленно меняющихся амплитуд, который

традиционно используется для анализа

СВЧ генераторов [10]. Данный метод

предполагает, что возникающие колебания

близки по форме к гармоническим:

cosU t A t t t , (10)

где 0.51 2 L C – частота генери-

руемых колебаний. Т.к. частота осцилля-

ций больше скорости изменения амплиту-

ды и фазы колебаний, то правая часть

уравнения (9)

, 1F U U R S U L U

мала, и:

sinU t A t t t . (11)

Но т.к. формально из (10) мы должны

искать производную в виде:

cos

sin

sin ,

U t A t t t

A t t t A t

' t t

(12)

то из анализа уравнений (11) и (12) следует

вывод, что сумма первого и третьего сла-

гаемого уравнения (12) должна быть близ-

ка к нулю.

cos

sin 0.

A t t t A t

' t t t

(13)

Продифференцировав правую и левую

часть уравнения (11) по времени, получим

выражение для U t :

2 cos

cos

sin .

U t A t t t

A t ' t t t

A t t t

(14)

Подставляя выражения (10) для U t ,

(11) для U t и (14) для U t в уравне-

ние (10), оно примет следующий вид:

cos

sin

cos ;.

sin

A t ' t t t

A t t t

A t t tF

A t t t

. (15)

Совместно решая уравнения (13) и (15),

получим систему уравнений для A'(t) и φ'(t):

Заменим скорости изменения ампли-

туды A t и фазы ' t колебаний в

пределах периода колебаний средними

скоростями их изменения. Вводя в (16)

новую переменную t t t , по-

лучим:

coscos ; sin

1sin cos ; sin

t t' t F A t t t A t t t

A t

A t t t F A t t t A t t t

. (16)

2

0

2

0

1 1cos cos ; sin

2

1 1sin cos ; sin

2

' t F A t A t dA t

A t F A t A t d

. (17)


46

Данное утверждение справедливо в

случае использования колебательных сис-

тем высокой добротности. Разложим

функцию ,F U U в ряд Фурье:

0 1 1

2 2

1cos sin

2

cos 2 sin 2 ...

F a a b

a b

(18)

Тогда система уравнений (17) примет вид:

1

1

2

2

a' t

A t

bA t

, (19)

где a1 и b1 – коэффициенты ряда Фурье

(18) при cos и sin соответственно.

Рассмотрим функцию

1R

F S U UL

,

где

. .sin ,

р т

н

S UU

U t t U

U

(20)

где

cos .

U t t A t t

t t t t

(21)

Из условия применения метода мед-

ленно меняющихся амплитуд следует, что

задержка Δt в ВОТ мала по сравнению со

временем установления стационарного

режима генерации, т.е. A t t A t и

t t t , поэтому уравнение (21)

примет вид:

cos

cos .

U t t A t t

A t

(22)

Разложим функцию ( ) ( ( ))S U S U

(20) в ряд Фурье в окрестности точки Uр.т.

до квадратичного члена:

2

0 1 2S U S S U S U , (23)

где

0 . .

22

. .2

sin

sin ,2

р т н

н р т

S UU U

UU

(24)

2

1 2

. .cos sin ,

р т

н н

SU

U

U

(25)

3

2 3sin

2нS

U

, (26)

Подставляя разложение функции S(U)

(20) в ,F U U и используя тригономет-

рические формулы понижения степени,

получим Фурье-разложение функции F(ψ).

Подставляя коэффициенты a1 и b1 при

cos и sin соответственно в урав-

нение (19), с учетом (23), (24), (25) и (26),

получим:

0

322

12

1sin ,

2 2

RA t S A

L

S At

(27)

т.к. 2 0S , то в уравнении (27) заменим 2S

на 2S , вынося знак минус перед модулем,

и вводя переменную

22

0

1 1sin

2 2 1

St

S

,

получим:

3

0 12

RA t S A A

L

. (28)

Домножая левую и правую часть урав-

нения (28) на A , получим:

2 2 2

0 1 1R

A S A AL

. (29)

Вводя новые переменные

0 1R S L и 2D A , уравне-

ние (29) примет следующий вид:

1D D D . (30)


47

Решая дифференциальное уравнение

(30) методом разделения переменных, по-

лучаем выражение для функции D(t):

1

1

exp1

1 exp

C tD t

C t

, (31)

где С1 – постоянная интегрирования. Со-

гласно (31), изменение амплитуды колеба-

ний ОЭГ будет иметь вид:

1 1

exp 1A t

C t

, (32)

где С – постоянная, значение которой оп-

ределяется начальными условиями флук-

туаций напряжения на управляющем входе

МИИ 1

2 0 1C A

, где А(0) – ам-

плитуда шумов ОЭГ в момент времени

0t , соответствующее моменту времени

подачи постоянного напряжения смещения

на управляющий вход МИИ. Из выраже-

ния (32) следует, что ( ) 1A при

0 и ( ) 0A при 0 . Таким обра-

зом, условие самовозбуждения выполняет-

ся при 0 .

В качестве примера рассмотрим гене-

ратор со следующими типичными значе-

ниями параметров элементов схемы ОЭГ:

5,5U В, 22нФ , 1,6С пФ,

0,23L нГн, 50R Ом, 10ЛР мВт,

0,5IS А/Вт, . 50н фдZ Ом,

1 2 0,3N N дБ, 5l км, 1вL дБ/км,

7опK дБ, 50эопK дБ, 5пфK дБ,

46пэуG дБ, 38умG дБ, 0,5пделK дБ,

20делK дБ, 6(0) 10A В.

На рис. 4 показан процесс нарастания

амплитуды колебаний во времени A(t), оп-

ределяемый (32), и изменение переменной

составляющей напряжения U(t), посту-

пающего на управляющий вход МИИ, оп-

ределяемый (10).

Рис. 4. Процесс самовозбуждения и

нарастания амплитуды колебаний ОЭГ

Как видно из рис. 4, для рассмотрен-

ного примера ОЭГ амплитуда колебаний

напряжения на управляющем входе МИИ в

стационарном режиме работы составила

0,41 В. Частота генерации для рассмотрен-

ного случая составила 2,6 ГГц.


Разработанная модель ОЭГ описывает

процесс его самовозбуждения, переходный

и стационарный режим работы. Условие

самовозбуждения генератора определяется

интегральной крутизной модуляционной

характеристики ОЭГ в петле обратной свя-

зи. Длина ВОТ не влияет на время установ-

ления стационарного режима и должна

подбираться, исходя из компромисса между

уровнем ЧМ шумов и расстоянием частот-

ных компонент в спектре генерации ОЭГ.

Время установления стационарного режима

определяется коэффициентами усиления

ПЭУ и УМ, а также амплитудой шума на-

пряжения на управляющем входе МИИ.


1. Белкин М.Е., Сигов А.С. Новое на-

правление фотоники – сверхвысокочастот-

ная оптоэлектроника. Радиотехника и

электроника. – 2009, т. 54, №8, с. 901-914.

2. Yao X.S. and Maleki L.

Optoelectronic oscillator for photonic systems.


48

IEEE Journal of Quantum Electronics, vol. 32,

№7, July 1996, pp. 1141-1149.

3. Белкин М.Е. Разработка модели оп-

тоэлектронного генератора СВЧ диапазона.

Материалы VI международной научно-

технической конференции Intermatic, 21-23

октября 2008, с. 289-297.

4. Maleki L. Recent Progress in Opto-

Electronic Oscillator. // Microwave Photonics,

International Topical Meeting on MWP, 12-

14 Oct. 2005, pp. 81-84.

5. Khanna A.P.S. Microwave Oscillators:

The State of the Technology. Microwave

Journal, 2006, v. 49, №4, pp. 22-26.

6. Kaba M., et. al. Improving Thermal

Stability of Optoelectronic Oscillators. IEEE

Microwave Magazine, August 2006, v. 50,

№4, pp. 38-47.

7. X.S. Yao and L. Maleki.

Optoelectronic microwave oscillator. J. Opt.

Soc. Am. B, vol. 13, no. 8, Aug. 1996,

pp.1725-1735.

8. RF photonic technology in optical

fiber links. Ed. by William S. Chang.

Cambridge university press, 2002, p. 423.

9. Li G.L., Yu P.K.L. Wide-Bandwidth

Optical Intensity Modulators. // Handbook of

Optical Components and Engineering. / Ed. K.

Chang. John Wiley & Sons, Inc. 2003, pp.

1009-1078.

10. Андреев В.С. Теория нелинейных

электрических цепей. – М: Радио и Связь,

1982, 280 с.


Лопарев Алексей Викторович,

[email protected].


49

УДК 519.872:004.9

УВЕЛИЧЕНИЕ ВРЕМЕНИ ДО ПЕРВОГО ОТКАЗА В МНОГОЭТАПНЫХ СОБЫТИЙНО-УПРАВЛЯЕМЫХ СИСТЕМАХ МАССОВОГО

ОБСЛУЖИВАНИЯ

Э.Г. Никонов, А.Б. Флорко



В работе рассматриваются вопросы повышения отказоустойчивости многоэтапных

событийных систем массового обслуживания, построенных с использованием обмена сооб-

щениями в сценариях пиковых нагрузок. Для указанных систем производится сравнительный

анализ существующих подходов к распределению вычислительных ресурсов рабочей станции.

Предлагается новый подход к управлению ресурсами, повышающий отказоустойчивость

многоэтапных событийных систем массового обслуживания с его применением.

Введение

Самый широкий спектр современных

информационных систем массового обслу-

живания предполагает поэтапную обработку

поступающих в систему запросов. В ответ

на поступивший запрос система выполняют

определѐнную последовательность действий

по обработке данных сообщения, включаю-

щую, в общем случае, несколько этапов. К

примеру, WEB-сервер в ответ на запрос ста-

тической HTML-страницы последовательно

разбирает адрес страницы, выполняет еѐ по-

иск в локальном кэше, затем (если необхо-

димо) обращается к жѐсткому диску, читает

данные, подготавливает ответный пакет и

отправляет его клиенту. Один из сущест-

вующих архитектурных подходов, приме-

няемых для создания масштабируемых мно-

гоэтапных событийно-управляемых инфор-

мационных систем массового обслуживания,

рассматривает систему как сеть компонент,

обменивающихся сообщениями (рис. 1).

С каждой компонентой системы ассо-

циирована очередь входящих сообщений

фиксированного размера и пул системных

потоков, выделенных для еѐ обработки. В

общем случае сообщение проходит мар-

шрут из нескольких компонент (каждая из

которых выполняет определѐнную работу

над данными сообщения) прежде, чем со-

общение удаляется из системы.

Среди информационных систем, ис-

пользующих рассмотренный архитектур-

ный подход, можно перечислить следую-

щие категории:

Системы потоковой обработки данных1.

WEB-серверы2.

Системы управления базами данных3.

Системы4 реального времени

5 (време-

на обработки сообщений, времена отклика).

Среди всевозможных причин, ведущих к

отказу системы (неисправность оборудова-

ния, исчерпание доступных вычислительных

ресурсов), в статье рассматриваются сцена-

рии стрессовой нагрузки, в которых число

принимаемых системой сообщений превос-

1 Например, процессоры обработки потоков (stream

processing engines) Aurora [1], STREAM [2], Tele-

graphCQ [3]. 2 Например, Flash [4].

3 Например, SQL Server 2000 [5].

4 Например, брокер запросов для приложений ре-

ального времени Real Time CORBA ORB [6]. 5 Системы обычно считаются системами реального

времени, если время их реакции имеет порядок

миллисекунд; диалоговыми считаются системы со

временем реакции порядка нескольких секунд, а в

системах пакетной обработки время реакции изме-

ряется часами или днями [7].

Э.Г. Никонов, А.Б. Флорко УВЕЛИЧЕНИЕ ВРЕМЕНИ ОТКАЗА В СИСТЕМАХ МАССОВОГО ОБСЛУЖИВАНИЯ

50

ходит способность системы к обработке.

Входящие сообщения начинают выстраи-

ваться в очередь, и отказ системы возникает

при попытке поставить сообщение в очередь,

достигшую предельного размера у одной из

компонент. Время наступление первого отка-

за является критически важным в системах

массового обслуживания, используемых в

системах жизнеобеспечения, в авиационной,

космической, военной промышленности.

Архитектура многоэтапных

событийно-управляемых систем

Один из существующих архитектур-

ных подходов, применяемый для создания

масштабируемых информационных систем

массового обслуживания, таких как

SCADA (Supervisory Control and Data

Acquisition) системы, WEB-серверы (и

другие системы потоковой обработки ин-

формации), рассматривает приложение как

совокупность подсистем, обменивающихся

между собой сообщениями (рис. 2).

МСУС на основе обмена сообщениями

состоит из N подсистем, обменивающихся

между собой сообщениями с частотой λij(t),

зависящей от времени, где i – индекс подсис-

темы-отправителя, j – индекс подсистемы-

получателя i, 1,j N . Возникновение сооб-

щения в i-ой подсистеме обязано какому-то

внешнему событию, например, поступлению

данных от измерительного оборудования.

Вероятность возникновения сообщения в i-ой

подсистеме подчиняется закону распределе-

ния Pi(t). Сообщение содержит все важные

для обработки события данные. Сообщение

проходит маршрут из нескольких подсистем,

каждая из которых выполняет над данными

сообщения работу за время обслуживания

Система массового обслуживания

Рис. 1. Системы массового обслуживания с многоэтапной

обработкой информации

λ12(t) λ21(t)

λ1N(t) λ2N(t)

λN1(t) λN2(t)

PN(t)

P2(t)

τ1(t) τ2(t)

τN(t)

P1(t)

Рис. 2. Многоэтапные событийно управляемые системы (МСУС) на основе

обмена сообщениями


51

τi(t), зависящее как от характера работы, вы-

полняемой на подсистеме, так и от занятости

всех подсистем, разделяющих общие вычис-

лительные ресурсы (процессор, оперативную

память). Когда i-ая подсистема не успевает

обрабатывать поступающие сообщения, то

сообщения выстраиваются в очередь с пре-

дельным размером qi.

Под отказом системы в данной работе

подразумевается попытка поставить сооб-

щение на одном из этапов его обработки в

очередь, достигшую предельного размера.

Число системных потоков li, ассоцииро-

ванных с очередью сообщений i-ой подсис-

темы, может быть разным. Так, в случае од-

ного системного потока, выделенного на об-

работку очереди, сообщения будут обраба-

тываться последовательно, в то время как

большее число рабочих потоков позволит

обрабатывать сообщения параллельно. Об-

щее число системных потоков не должно

превышать фиксированной администрато-

ром величины T, связанной с ограничениями

операционной системы:

1

N

i

i

T l

Если определить число системных пото-

ков li, выделенных на обработку сообщений

каждой подсистемы, можно оптимизировать

распределение вычислительных ресурсов ра-

бочей станции (в первую очередь процессо-

ра) для повышения производительности от-

дельных маршрутов за счѐт других.

Обзор существующих подходов

к управлению

Существуют различные подходы к

управлению числом потоков в МСУС.

Классическим решением является фик-

сированный пул потоков, где число потоков,

отданных каждой из подсистем, определяется

администратором эвристически и остаѐтся

неизменным за всѐ время работы системы

il const . Подход хорошо зарекомендовал

себя при прогнозируемых маршрутах работы

системы и известном времени обслуживания

τi каждой из подсистем. Однако, если харак-

тер поведения системы изменяется (напри-

мер, изменяется характер появления внешних

событий Pi(t) и, как следствие, вероятность

возникновения маршрутов в системе), вы-

бранное однажды число системных потоков

может оказаться неоптимальным.

Для преодоления указанного недостатка

классического решения в работе [2] был пред-

ложен адаптивный подход, основанный на

наблюдениях системы через равные интерва-

лы времени. По прошествии каждого интер-

вала принимается решение о числе системных

потоков, выделенных подсистеме для мини-

мизации времени обслуживания каждого со-

общения подсистемой. Для поиска локального

минимума времени обслуживания подсисте-

мы от числа ассоциированных с очередью со-

общений системных потоков применяются

градиентные методы. В дополнение использу-

ется эвристическое правило, уменьшающее

число системных потоков подсистемы в слу-

чае их бездействия дольше заданного админи-

стратором периода времени.

Предложенный подход [2] позволял сис-

темам адаптироваться к изменяющимся ус-

ловиям функционирования, однако, прини-

маемые эвристическим правилом и гради-

ентными методами решения о числе потоков

нередко вступали в противоречия. Так, при-

менявшиеся градиентные методы не облада-

ли точной оценкой прироста/падения произ-

водительности подсистемы в зависимости от

принятых ранее решениях о числе потоков,

потому как свой вклад в изменение произво-

дительности подсистемы вносили абсолютно

все решения для всех подсистем (подсистемы

разделяют общие вычислительные ресурсы –

один процессор и одну оперативную память).

Отказоустойчивость многоэтапных

событийно-управляемых систем

Рассмотренные существующие реше-

ния: фиксированный пул потоков и адап-

тивный подход [2] старались достичь мак-

симальной производительности системы,

однако, для создания систем в жизненно-


52

важных для человека областях не менее

актуален подход, ориентированный на по-

вышение отказоустойчивости.

Под отказоустойчивостью подразуме-

вается способность системы отложить

время первого отказа по причине перепол-

нения очереди в сценариях пиковых нагру-

зок, характерных для SCADA систем, ко-

гда число принимаемых системой сообще-

ний превышает способности системы к об-

работке. Пиковые нагрузки могут возни-

кать по причине неисправности оборудо-

вания или непредвиденного поведения

объекта наблюдения, требующего неза-

медлительного вмешательства диспетчера.

Предлагаемый подход к управлению,

направленный на повышение

отказоустойчивости

Предлагается адаптивный подход с

двумя оригинальными контроллерами. Дан-

ный подход основан на наблюдениях систе-

мы в равные интервалы времени аналогично

подходу, предложенному в работе [2].

Первый контроллер принимает реше-

ние о числе системных подходов из сле-

дующих соображений.

Предположим, система состоит из двух

подсистем, где время обслуживания первой

1( ) 1t сек в 4 раза меньше времени об-

служивания второй 2 ( ) 4t сек, а размер

пула потоков 5T , как показано на рис. 3.

Рассмотрим сценарий, в котором пер-

вая подсистема принимает сообщения с

равным интервалом, передавая на обра-

ботку второй подсистеме.

В случае, когда подсистемам будет

выделено по одному системному потоку

( 1 2 1l l ), то первая подсистема будет ус-

певать обрабатывать 4 сообщения и пере-

давать их второй за время, пока вторая бу-

дет успевать обрабатывать лишь одно.

Очередь сообщений второй подсистемы

начнѐт увеличиваться, что приведѐт к по-

явлению отказа в системе.

Если второй подсистеме выделить

2 4l системных потока, оставив первой

1 1l пропорционально отношению времен

обслуживания τ1(t) к τ2(t), исходя из обще-

го числа потоков 5T :

1 1 2 1

2 2 2 1

( ) ( ( ) ( )) ,

( ) ( ( ) ( )) ,

l T t t t

l T t t t

то производительность обеих подсистем

окажется равной – вторая подсистема бу-

дет успевать обрабатывать весь поток вхо-

дящих сообщений от первой подсистемы.

Теперь, когда число принимаемых первой

подсистемой сообщений превысит воз-

можности системы к обработке, то очереди

начнут увеличиваться на обеих подсисте-

мах одновременно. Сценарий переполне-

ния с одновременным ростом двух очере-

дей сообщений более предпочтительный,

чем сценарий роста лишь одной из очере-

дей, поскольку первый отказ системы от-

кладывается за счѐт удержания в опера-

тивной памяти большего числа сообщений,

ожидающих обработки, чем в первом сце-

нарии ( 1 2 2l l l ).

2 ( ) 4t сек

Рис. 3. Время обслуживания двух подсистем отличается в 4 раза

1( ) 1t сек


53

Обобщая рассуждения на N подсистем,

мы получаем правило, согласно которому

число потоков li, выделенных i-ой подсис-

теме, определяется из отношения суммар-

ного времени обработки сообщений i-ой

подсистемы ( i in ) к суммарному времени

обработки всех сообщений сети, как

1

i ii N

j j

j

nl T

n

.

Второй предложенный механизм управ-

ления (контроллер обратного давления) со-

стоит в приостановке обработки сообщений

на подсистеме отправителе, что позволяет

подсистеме получателю обработать очередь

сообщений, приближающуюся к переполне-

нию. В случае нескольких подсистем отпра-

вителей, длительность приостановки каждой

из них определяется пропорционально вкла-

ду (λij) подсистемы отправителя в переполне-

ние очереди получателя qj согласно штраф-

ной функции f(λij, qj). Вид штрафной функции

f выбирается эвристически, в общем случае

величина штрафа оказывается тем большей,

чем ближе очередь подсистемы получателя к

переполнению.

Сравнительный анализ

Сравнительный анализ существую-

щих подходов и предложенного подхода

был выполнен на примере типового при-

ложения потоковой обработки реального

времени (времена обработки сообщений,

времена отклика). В качестве такого

приложения было выбран гипотетиче-

ский сервер сбора и обработки инфор-

мации рис. 4. В обязанности сервера

сбора и обработки информации входит

принятие сообщений от измерительного

оборудования, обработка поступивших

данных и сохранение результатов обра-

ботки в базе данных.

Для минимизации погрешности в се-

рии тестов реально осуществляемая работа

была заменена на эквивалентные по вре-

мени циклы, использующие ресурсы про-

цессора, исключающие обращение к

внешним системам. Подобный подход к

проведению тестирования позволил мини-

мизировать фактор случайности, что по-

зволило более точно исследовать особен-

ности подходов к управлению ресурсами.

Проведѐнные тесты отражают особенности

функционирования систем потоковой об-

Рис. 4. Архитектура гипотетического сервера сбора и обработки

информации

получение данных

обработка данных

сохранение данных

База данных

Объект

наблюдения

Измерительное

оборудование

Сервер сбора и обработки информации


54

работки информации, использующих

встроенную (in-memory) базу данных.

Во всех предлагаемых далее тестах

исследовались сценарии перегрузки сис-

темы. Наиболее отчѐтливо различие

представленных подходов проявилось в

сценариях кратковременной перегрузки.

Так до тех пор, пока система в состоя-

нии справляться с числом поступающих

в неѐ сообщений, все подходы ведут се-

бя одинаково хорошо. Когда система на-

ходится в состоянии длительной пере-

грузки, все подходы ведут себя одинако-

во плохо, потому что число сообщений,

которое система может обработать в се-

кунду, не зависит от выбранного метода

управления ресурсами. Ни один подход

не может увеличить производительность

процессора или оптимизировать по про-

изводительности однажды созданный

разработчиком код. Различие подходов

проявляется в те временные интервалы,

когда в систему поступает число пакетов,

превышающее способности системы к

обработке, но переполнение очередей не

носит перманентный характер.

С точки зрения многоэтапной собы-

тийно-управляемой архитектуры в вы-

бранной для теста системе рис. 4 присут-

ствует три слоя:

Слой, отвечающий за принятие

клиентских пакетов. Здесь создаются со-

общения, содержащие полученные от из-

мерительного оборудования данные.

Слой, отвечающий за преобразова-

ние и обработку данных. Здесь произво-

дится преобразование и обработка сооб-

щений.

Слой, отвечающий за взаимодейст-

вие с базой данных. Используется встраи-

ваемая (in-memory) СУБД.

Операция получения пакетов от из-

мерительного оборудования занимает

ничтожно малое время. Данные пакета

упаковываются в сообщение, которое

поступает на обработку в подсистемы

слоя обработки данных. В этом слое

каждая подсистема отвечает за обра-

ботку данных одного-единственного

типа пакета. В зависимости от размера

данных пакета и его структуры, обра-

ботка на этом уровне занимает 1-3 мс,

обращение к базе данных и выполнение

хранимой процедуры на следующем

слое выполняется за 50 мс в отсутствии

других задач.

Рис. 5. Сценарий функционирования

сервера сбора и обработки информации

В последующих тестах для рассмот-

ренной системы будем считать, что изме-

рительное оборудование присылает пакеты

трѐх типов, на обработку каждого из кото-

рых затрачивается 1, 2 и 3 мс. Пакеты раз-

личных типов приходят с вероятностями

0.4, 0.2 и 0.4, как показано на рис. 5. В тес-

тах размеры очередей подсистем qi вы-

ставлены в 200 сообщений. В такой кон-

фигурации однопроцессорная система спо-

собна обработать около 19 сообщений в

секунду 1000 (50 (1 0.4 2 0.2 3 0.4)) .

В первом тесте создавалась кратковре-

менная пиковая нагрузка, затем выдерживалась

небольшая пауза и сервер входил в режим дли-

тельной перегрузки, где в каждую секунду сер-

вер принимал на 5-6 пакетов больше, чем был в

состоянии обработать (рис. 6).

В течение двух минут сервер принял

3125 пакетов. Сообщения начинали вы-

страиваться в очередях, ожидая обработки,

что приводило в дальнейшем к регуляр-

ным отказам в обслуживании.

0 мс.

1 мс.

2 мс.

3 мс.

50 мс.

40%

40%

20%


55

Рис. 6. Сценарий теста (в скобках - число пришедших сообщений)

0

5

10

15

20

25

30

35

1 12 23 34 45 56 67 78 89 100 111 122 133 144 155

Время (сек.)

Принятые пакеты(3125)

Производительность системы

Число принятых пакетов

Рис. 7. Необработанные сообщения с применением различных стратегий

управления ресурсами в тесте 1 (в скобках - число пришедших сообщений)

0

5

10

15

20

25

30

35

40

1 8 15 22 29 36 43 50 57 64 71 78 85 92 99 106 113 120 127 134 141

Время (сек.)

Число принятых пакетов

Принятые пакеты

Фиксированный пул потоков (474) отказы

Адаптивный подход (479) отказы

Предлагаемый подход (451) отказы


56

Рис. 9. Обобщѐнные результаты тестирования контроллера пула потоков

(в скобках - число пришедших сообщений)

Рис. 8. Тест контроллера пула потоков (в скобках - число пришедших сообщений)


57

По результатам теста на рис. 7 наи-

меньшее число потерянных сообщений

(площадь под графиками) было достиг-

нуто с использованием предлагаемого

подхода (451, что на 5% лучше класси-

ческого решения с фиксированным пу-

лом потоков).

Адаптивный подход [2] показал прак-

тически эквивалентные результаты с клас-

сическим фиксированным пулом потоков.

Отличительной чертой предлагаемого

подхода является “шероховатость” графи-

ка отказов. Это объясняется работой кон-

троллера обратного давления, приостанав-

ливавшего работу подсистем преобразова-

ния при наполнении очереди подсистемы,

отвечающей за обращение к СУБД. В ре-

зультате, отказ на подсистеме третьего

слоя откладывался, но создавались пред-

посылки для преждевременного отказа на

приостановленных подсистемах, так как

теперь уже их очереди начинали ускорен-

но наполняться. С одной стороны, искус-

ственная приостановка позволяла равно-

мерно распределить сообщения между

очередями, что откладывало по времени

наступление первого отказа, с другой сто-

роны – отказ на более раннем этапе обра-

ботки (в случае переполнения очереди

подсистемы первого и второго слоя) по-

зволял высвободить вычислительные воз-

можности для обработки поступающих со-

общений, что уменьшало общее число от-

казов.

Рассмотренный тест даѐт представле-

ние о том, почему контроллер обратного

давления позволяет системам, построен-

ным с применением предлагаемого подхо-

да, уменьшить число отказов. В рассмат-

риваемом тесте большую часть времени

система проводила в обработке сообщений,

извлекаемых из одной единственной оче-

реди, и наиболее удачный подход оказы-

вался тот, что мог “увеличить” еѐ размер за

счѐт временного наполнения очередей

подсистем–источников сообщений.

Однако рассмотренная конфигурация не

позволяла изучить возможности управления

числом потоков на очередях сообщений.

Для демонстрации преимуществ управ-

ления числом потоков на подсистеме против

классического фиксированного пула было

решено увеличить время обработки сообще-

ний на подсистемах слоя обработки в 10 раз.

Теперь времена обработки сообщений оказы-

вались более равномерно распределенными

между подсистемами и эффект “единственной

очереди” предыдущего теста нивелировался.

Во втором тесте на систему было

оказано четыре 15-и секундных стрессо-

вых потока пакетов от измерительного

оборудования (рис. 8), в каждый из кото-

рых система принимала как минимум в 4

раза больше пакетов, чем была способна

обработать. За полторы минуты в систему

пришло 3850 сообщений, что в два раза

интенсивнее первого теста.

Адаптивный подход [2] (рис. 9) про-

демонстрировал значительно лучшие ре-

зультаты в сравнении с фиксированным

пулом потоков, потеряв на 20% меньше

сообщений. Объяснение можно найти в

графике потерь фиксированных пулов

потоков в периоды спадов нагрузки (55-

65 и 80-110 сек). При фиксированном

числе потоков “легковесные” подсисте-

мы (подсистемы первого и второго слоя

с малым временем обслуживания) обла-

дали большими вычислительными ре-

сурсами по сравнению с тем, что позво-

лил им выделить адаптивный подход [2].

В результате легковесные подсистемы

поставляли большее число сообщений,

чем могла обработать следующая на

маршруте “тяжеловесная” подсистема,

что приводило к дальнейшему перепол-

нению очереди тяжеловесной и отказам

даже в отсутствии поступления новых

сообщений в систему. При управлении

числом потоков удавалось уменьшить

потери за счѐт равномерного заполнения

очередей всех подсистем. Предложен-

ный в данной работе контроллер пула

потоков в этом тесте оказался равноце-

нен в качестве управления всей сово-

купности контроллеров адаптивного


58

подхода [2] (2280 и 2300 потерянных со-

общений – светло-голубой и жѐлтый

графики). Но именно контроллер обрат-

ного давления позволил вывести предла-

гаемый подход вперѐд по результатам

всех тестов, обеспечив на 5% меньше

потерь при погрешности измерений в 1%.


Предложенный подход может эффек-

тивно применяться в МСУС на основе об-

мена сообщениями, вероятность сценариев

работы которых заранее неизвестна. Дан-

ный подход приводит к значительному по-

вышению отказоустойчивости в сценариях

пиковых нагрузок. Предложенный подход

может применяться в различных системах

массового обслуживания, таких как WEB-

серверы, SCADA-системы, биржевые сис-

темы, математические приложения с па-

раллельными вычислениями.


1. Carney D., Cetintemel U., Cherniack

M., Convey C., Lee S., Seidman G.,

Stonebraker M., Tatbul N., and Zdonik S.

Monitoring Streams: A New Class of Data

Management Applications. In proceedings of

the 28th International Conference on Very

Large Data Bases (VLDB'02), Hong Kong,

China, 2002.

2. Arasu A., Babcock B., Babu S., Datar

M., Ito K., Nizhizawa I., Rosenstein J., and

Widom J. STREAM: The Stanford Stream

Data Manager. In ACM SIGMOD

Conference, June 2003.

3. Chandrasekaran S., Cooper O.,

Deshpande A., Franklin M.J., Hellerstein

J.M., Hong W., Krishnamurthy S., Madden

S.R., Raman V., Reiss F., and Shah M.A.

TelegraphCQ: Continuous Dataflow

Processing for an Uncertain World. In Proc.

of the 1st CIDR Conference, Asilomar, CA,

2003.

4. Pai V.S., Druschel P., Zwaenepoel W.

Flash: An efficient and portable WEB server.

Proceedings of the 1999 USENIX Annual

Technical Conference, June 1999.

5. Rankins R., Bertucci P., Jensen P.

Microsoft® SQL Server 2000 Unleashed,

Second Edition, Sams, 2002.

6. Schmidt D. and Vinoski S. "Object

Interconnections: Real-time CORBA, Part 3:

Applications and Priorities," C / C++ Users

Journal C++ Experts Forum, January 2002.

7. Толковый словарь по вычислительным

системам. Под ред. В. Илленгуорта и др.: пер.

С англ.: – М.: Машиностроение, 1989.

8. Welsh M.D. An architecture for Highly

Concurrent, Well-Conditioned Internet

Services. – Phd Thesis, Graduate Division of

the University of California at Berkeley, 2002.


Флорко Андрей Борисович,


Никонов Эдуард Германович,




59

УДК 004.942

ПРИМЕНЕНИЕ МОДАЛЬНОГО АНАЛИЗА ДЛЯ ОПРЕДЕЛЕНИЯ ДИНАМИЧЕСКИХ ХАРАКТЕРИСТИК КОНСТРУКЦИИ ПРИ ПОМОЩИ

КОМПЬЮТЕРНОГО МОДЕЛИРОВАНИЯ

М.Н. Савельев



В работе приводятся результаты исследования динамических свойств средства защи-

ты транспортирования, полученных с помощью пакета конечно-элементного анализа, в ча-

стности, модальный анализ закрепленной конструкции и испытание конструкции на вибро-

прочность при воздействии широкополосной случайной вибрации.

Введение

Многолетний опыт показывает, что

неровности опорной поверхности и вызы-

ваемые ими колебания автомобиля ведут,

как правило, к ухудшению всех их экс-

плуатационно-технических свойств. В

первую очередь, к ухудшению плавности

хода – свойству транспортного средства

обеспечивать защиту перевозимых грузов

от воздействия вибраций. Из-за вибрации

увеличиваются динамические нагрузки в

элементах конструкций, на стыках и со-

пряжениях, снижается несущая способ-

ность деталей.

Для оценки вибрационного состояния

средства защиты транспортирования исполь-

зуется численное моделирование. В данной

работе большое внимание уделено выбору

расчетной схемы. Схематизация объекта, т.е.

его упрощенное представление в виде неко-

торой «идеализированной» механической

системы-модели, поддающейся расчетному

анализу, не является однозначной – она мо-

жет быть более или менее сложной в зависи-

мости от объема той информации, которую

хотят получить, анализируя возможные свой-

ства действующего объекта.

Средство защиты транспортирования

предназначено для использования при транс-

транспортировании модуля целевой аппа-

ратуры (МЦА).

Перевозка МЦА производится на ав-

томобильном транспорте со скоростью не

более 40 км/час. Для проведения расчетов

разработана пространственная математи-

ческая модель конструкции средства защи-

ты транспортирования на основе метода

конечных элементов (МКЭ). Модель по-

зволяет проводить расчеты статики и ди-

намики искомой конструкции и обеспечи-

вает возможность быстрого внесения по-

правок и изменений в геометрию деталей,

входящих в конструкцию. Для пространст-

венной модели проведен модальный ана-

лиз закрепленной конструкции.

Принципы формирования

пространственной модели

Пространственная модель разработана

в системе твердотельного моделирования

Pro/Engineer Wildfire 3.0 для последующе-

го импорта в расчетный программный мо-

дуль и расчета при помощи МКЭ. Практи-

чески все детали, входящие в конструкцию

средства защиты транспортирования и не

являющиеся крепежными, подходят под

формулировку оболочечных. Исходя из

этого, на основе пространственной модели

М.Н. Савельев ПРИМЕНЕНИЕ МОДАЛЬНОГО АНАЛИЗА

60

была сделана оболочечная расчетная мо-

дель с целью сокращения времени расчета

и экономии вычислительных ресурсов.

Создание оболочечной расчетной модели

проводилось как средством автоматиче-

ского преобразования твердотельных мо-

делей в поверхностные (применением опе-

рации извлечения срединной поверхности),

так и построением геометрии деталей по

поверхностям и кривым.

Как следствие применения операции

извлечения срединной поверхности, между

трубами в местах их скруглений образова-

лись зазоры. Для исправления геометрии

использовалась операция продления по-

верхностей от ребер, примыкающих к

скруглениям.

Сетка конечных элементов

Генерация сетки конечных элементов

производилась следующим образом. Был

создан специальный топологический объ-

ект, посредством которого описываются

поверхностные модели деталей так, что

они соединяются в расчетной модели об-

щими узлами. Затем производилось авто-

матическое разбиение модели с размером

конечных элементов, заданным по умол-

чанию.

Для моделирования конструкции ис-

пользовались оболочечные элементы типа

SHELL [1]. Так как соединение деталей

производилось по общим узлам, то это

произвело эффект сгущения сетки в местах

соединения. Конечно-элементная модель

представлена на рис. 1.

Расчетная схема

Выбор расчетной схемы исходит из

задачи об определении колебаний кузова

автомобиля при его движении по прямой

дороге с неровным покрытием. Рассмат-

риваются наиболее существенные колеба-

ния в продольной плоскости. При этом

модель претерпевает существенные изме-

нения. Остаются те части конструкции, на

которые приходится основная нагрузка от

МЦА.

Как видно из рис. 1, от исходной

конструкции, которая включала в себя

крышку, стойку крепления аппаратуры,

две угловых стойки, и две рамы основа-

ния, сцепленных между собой болтами,

остались рамы основания за исключени-

Рис. 1. Конечно-элементная модель


61

ем некоторых углов жесткости и листов,

и стойка крепления аппаратуры. Это бы-

ло необходимо для того, чтобы избежать

появления в расчете лишних паразитных

тонов, относящихся к крайним стойкам.

В состав конструкции входит также эле-

мент POINT MASS, идеализирующий

МЦА с помощью сосредоточенной мас-

сы. Для элемента POINT MASS заданы

жесткие связи с узлами конструкции так,

как это показано на рис. 2 (узлы обозна-

чены пунктиром).

Все элементы конструкции выполнены

из углеродистой конструкционной стали и

обладают известными свойствами. Свой-

ства материала схематизированы: матери-

ал принимается в виде однородной сплош-

ной среды, которая наделяется свойствами

упругости и пластичности; сплошная среда

принимается изотропной. При моделиро-

вании материала были использованы свой-

ства, описанные в табл. 1.

Расчет на воздействие синусоидальной

вибрации не проводится, так как при спосо-

бе возбуждения широкополосным спектром

все амплитудно-частотные свойства изделия

могут быть выявлены одновременно.

Таблица 1

Свойства углеродистой конструкционной

стали

Модуль Юнга 2, 005e MПа

Коэффициент

Пуассона 0,3

Плотность 7,85 006e кг/мм³

Тепловое расширение 1,2 005e 1/°C

Предел текучести при

растяжении 250, MПа

Предел текучести при

сжатии 250, MПа

Предел прочности 460, MПа

Рис. 2


62

В расчетную схему не внесены данные

по болтовым соединениям рам по причине

того, что при колебаниях упругих систем

происходит рассеяние энергии колеба-

тельной системы в узлах сочленения дета-

лей конструкции. Причем наибольшее зна-

чение этой энергии соответствует болто-

вым соединениям.

В итоге получается расчетная схема

без учета диссипативных сил, что приво-

дит к большей интенсивности динамиче-

ского нагружения, т.е. вводится некоторый

коэффициент запаса прочности. При этом

расчет болтов не производится, в данной

работе рассматриваются только напряже-

ния, возникающие в балках.

Модальный анализ конструкции

Модальный анализ проводился в за-

крепленном положении конструкции. Все-

го в диапазоне от 0 до 100 Гц получено 14

тонов. Значения собственных частот пред-

ставлены в табл. 2. Конструкция закрепле-

на в местах стыковки с кузовом автомоби-

ля по периметру основания.

Таблица 2

Мода Частота (Гц) Мода Частота (Гц)

1 14,792 9 77,224

2 17,592 10 81,639

3 20,78 11 90,032

4 42,977 12 93,704

5 44,309 13 98,481

6 56,712 14 98,623

7 66,224 15 101,49

8 67,371 16 125,29

Производится оценка влияния только

низких частот, т.к. все возникающие вер-

тикальные ускорения находятся в этом

диапазоне.

На рис. 3-8 приведены графические

иллюстрации форм собственных колеба-

ний конструкций с 1 по 6.

Рис. 3. 1-я собственная частота средства защиты

транспортирования, нагруженного МЦА ( 1c =14,8 Гц)


63

Рис. 4. 2-я собственная частота средства защиты транспортирования,

нагруженного МЦА ( 2c =17,6 Гц)




64


нагруженного МЦА ( 4c =43 Гц)




65

Рис. 9. Зависимость спектральной плотности ускорения от частоты




66

Воздействие широкополосной

случайной вибрации

Изделие подвергнуто воздействию

широкополосной случайной вибрации, т.к.

микропрофиль дороги является случайной

функцией протяженности дороги. Доста-

точными статистическими характеристи-

ками микропрофиля дороги являются его

корреляционная функция или спектраль-

ная плотность.

В качестве начальных условий для

проведения расчета на вибропрочность

был взят результат модального анализа за-

крепленной конструкции.

Проведено испытание конструкции

на вибропрочность при воздействии ши-

рокополосной случайной вибрации со-

гласно ГОСТ [3]. Параметры вибрации

соответствуют требованиям, установлен-

ным в ТУ на изделие МЦА. Значения

спектральной плотности ускорения, со-

ответствующие частоте, даны в табл. 3.

Изменение спектральной плотности ус-

корения в пределах каждого поддиапазо-

на частот линейное. Предполагается

нормальное распределение (распределе-

ние Гаусса) спектральной плотности, т.к.

опытные данные показывают, что веро-

ятность появления тех или иных ускоре-

ний хорошо соответствуют нормальному

закону распределения [4].

Таблица 3

Частота (Гц) Спектральная плотность

ускорения (G2/Гц)

5 2, 003e

10 5, 003e

20 5, 003e

50 2, 003e

100 7,5 003e

В результате расчета средства защи-

ты на вибропрочность, при воздействии

случайной вибрации, получено напря-

женное состояние конструкции. Резуль-

тат расчета носит статистический харак-

тер и следует нормальному распределе-

нию. Отклик системы на внешние воз-

мущающие воздействия в данном случае

характеризуется двумя параметрами: ма-

тематическим ожиданием напряжений,

отражающим статическое смещение

процесса нагружения объекта (под дей-

ствием груза МЦА); средним квадрати-

ческим отклонением (СКО) напряжений,

характеризующим интенсивность дина-

мического нагружения. Напряженно-

деформированное состояние (НДС) кон-

струкции равно двум среднеквадратиче-

ским отклонениям, что можно интерпре-

тировать, как то, что в 95,95% случаях

расчетный отклик системы будет мень-

ше, чем фактический.

Распределение эквивалентных напря-

жений, соответствующих двум средне-

квадратическим отклонениям, и их значе-

ния приведены на рис. 10.

Балки основания средства защиты

транспортирования выполнены из швелле-

ров 16У ГОСТ 8240-97. Допускаемые на-

пряжения [ ]п , МПа, в предельном ре-

жиме согласно [5] для швеллеров из стали

Ст3сп2 ГОСТ 380-94 с 255T МПа.

0 1 2 3

1 255245

1 1 1,04 1

n cn TK

n n n n

МПа.

Максимальное напряжение в элемен-

тах конструкции

max 213,4 МПа 245n

МПа.

Выводы

Расчетные напряжения в средстве за-

щиты не превышают допускаемых.

Описанный в статье анализ примене-

ния для любых типов сварных металличе-

ских конструкций.


67

Ри

с. 1

0


68


1. ГОСТ Р 51282-99. Оборудование

технологическое стартовых и технических

комплексов ракетно-космических комплек-

сов. Нормы проектирования и испытаний.

2. ГОСТ 30630.1.2-99. Методы испы-

таний на стойкость к механическим внеш-

ним воздействующим факторам машин,

приборов и других технических изделий.

Испытания на воздействие вибрации.

3. Вибрации в технике: Справочник. В

6-ти т. / Ред. В.Н. Челомей (пред.). – М.: Ма-

шиностроение, 1981. – Т. 3. Колебания ма-

шин, конструкций и их элементов. / Под ред.

Ф.М. Диментберга и К.С. Колесникова, 1980.

4. Вибрации в технике: Справочник.

В 6-ти т. / Ред. совет: В.Н. Челомей

(пред.). – М.: Машиностроение, 1981. – Т.

6. Защита от вибрации и ударов. / Под

ред. К.В. Фролова, 1981.

5. Степин П.А. Сопротивление мате-

риалов. – М., «Высшая школа», 1979.

6. Каплун А.Б., Морозов Е.М., Ол-

ферьева М.А. Ansys в руках инженера. –

«Едиториал УРСС», 2004 г.


Савельев Михаил Николаевич,

Домашний телефон: (495) 426-62-39. Кон-

тактный телефон: (915) 282-18-22.


69

УДК 621.396.96

СИСТЕМА ОБРАБОТКИ РАДИОЛОКАЦИОННОЙ ИНФОРМАЦИИ ДЛЯ ОБНАРУЖЕНИЯ СЛАБОКОНТРАСТНЫХ АНОМАЛИЙ

ОТРАЖЁННОГО СИГНАЛА

С.М. Коваленко, Ю.В. Мороз, М.В. Строганов, Д.А. Карпов,

Е.Л. Иванов, В.А. Губарев, А.С. Ловягин, С.А. Галыба



ЗАО «Альтаир НТПЦ»

Рассмотрены алгоритмы обработки отраженного РЛ- сигнала для формирования ра-

диолокационного портрета морской поверхности и выявления слабоконтрастных неодно-

родностей. На их основе разработана специализированная вычислительная система, реали-

зованная на ПЛИС фирмы Xilinx и высокопроизводительных процессорах.

Введение

При сканировании радиолокатором мор-

ской поверхности с целью выявления слабо-

контрастных неоднородностей (например,

больших пятен мазута, крупных косяков рыб

и т.п.) должны решаться следующие задачи:

- создание радиолокационного портре-

та морской поверхности;

- распознавание на данном портрете

слабоконтрастных неоднородностей.

Первая задача решается путем аналого-

цифрового преобразования отраженных

сигналов и записи сигнальной информации.

Для решения второй задачи применимы два

способа выявления слабоконтрастных не-

однородностей: авторегрессионный анализ

и вейвлет-преобразования.

В данной статье представлены резуль-

таты многолетней работы коллективов ка-

федры вычислительной техники МИРЭА и

ЗАО «АЛЬТАИР-НТПЦ».

При создании лабораторного макета сис-

темы были исследованы различные алгорит-

мы предварительной (первичной) обработки

и алгоритмы распознавания (вторичной об-

работки) радиолокационной информации. На

базе этих алгоритмов разработаны проекты

устройств системы обработки, реализован-

ные затем в виде отдельных модулей в

ПЛИС. Каждый модуль выполнен в конст-

руктиве отдельной платы промышленного

формата CompactPCI. После проведения се-

рии натурных испытаний был предложен

проект построения системы обработки ра-

диолокационной информации, состоящей из

персонального (промышленного) компьюте-

ра, платы радар-процессора, платы сопряже-

ния, трѐх плат-спецвычислителей и специ-

ального программного обеспечения (рис. 1).

Плата сопряжения реализует следую-

щие функции:

прием от РЛС сигналов о направлении

антенны и сигнала синхроимпульса запуска

передатчика в разных сигнальных стандартах;

устранение помех в принимаемых

сигналах;

передача сигналов на плату радар-

процессора в сигнальном стандарте циф-

рового порта платы радар-процессора;

защита от превышения допустимого

напряжения на входах платы радар-

процессора;

имитация сигналов для проведения

автономных испытаний системы.

Задачей радар-процессора является

формирование радиолокационного портре-

та морской поверхности.

Функции радар-процессора заключа-

ются в следующем:

С.М. Коваленко, Ю.В. Мороз, М.В. Строганов и др. СИСТЕМА ОБРАБОТКИ РАДИОЛОКАЦИОННОЙ ИНФОРМАЦИИ

70

аналого-цифровое преобразование

сигнала от РЛС;

математическая обработка полу-

ченных цифровых отсчетов;

– отслеживание текущего положения

антенны РЛС;

привязка результатов математиче-

ской обработки радиолокационного сигна-

ла по дальности и пеленгу;

передача результатов обработки

в оперативную память персонального

компьютера.

Основная задача обработки – распозна-

вание слабоконтрастных неоднородностей

– возлагается на платы спецвычислителей,

модули которых реализуют алгоритмы ав-

торегрессионной обработки и/или вейвлет-

преобразования массивов информации,

сформированных радар-процессором.

Анализируется максимальная амплитуда

отражѐнного сигнала, выбранная из всех то-

чек определѐнной зоны радиолокационного

портрета в последовательные моменты вре-

мени. Полагается, что если в построенном

таким образом сигнале обнаруживаются ко-

лебания определѐнной частоты, характерной

для волн в зоне аномалии, то в данной зоне

присутствует неоднородность. Таким обра-

зом, в качестве модели входного сигнала для

оценки алгоритмов авторегрессионной обра-

ботки и вейвлет-преобразования можно

предложить достаточно продолжительный,

сравнимый по длительности с несколькими

сотнями оборотов антенны (1500 с) сину-

соидальный импульс, смешанный с белым

шумом, превышающим по уровню в 5 раз

амплитуду синусоидального сигнала.

Специальное программное обеспечение

предоставляет оператору пользовательский

интерфейс для управления режимами и пара-

метрами работы системы, управляет работой

радар-процессора, спецвычислителей и платы

сопряжения, осуществляет упаковку в опреде-

ленный формат и запись на жесткий диск фай-

лов с результатами работы плат, выполняет

отображение на мониторе данных, поступаю-

щих от плат и из ранее записанных файлов.

Разработанная система обработки ра-

диолокационной информации функциони-

Персональный компьютер

Системный блок персонального компьютера

Радар

процессор

Плата

сопряжения

Материнская

плата

ПК

Монитор

жесткий

диск от

РЛС

СИЗП

вал-число

отм-курса

информационный

сигнал от РЛС

имитируемый

сигнал

Рис. 1. Структурная схема системы обработки радиолокационной информации

Сигналы вал-число

отм-курса

СИЗП

Специальное

программное

обеспечение

Спецвычислитель

обработки


71

рует следующим образом. Радар-процессор

оцифровывает входной сигнал от РЛС, об-

рабатывает и преобразует в амплитудно-

фазовые и квадратурные массивы, привя-

занные по дальности и пеленгу (называемые

в дальнейшем зондами). Зонды, под управ-

лением специального программного обеспе-

чения, передаются в память персонального

компьютера и записываются на жесткий

диск в файлы определенного формата как

последовательность кадров амплитуд или

фаз, формируемых за оборот антенны.

Кадры последовательно отображаются на

экране монитора. Каждый кадр амплитуд или

фаз разбивается на зоны, в которых вычисляет-

ся максимум амплитуды или энтропия фазы.

Таким образом, получается кадр максимумов

амплитуды или энтропии фазы. Последова-

тельность кадров максимума амплитуды или

энтропии фазы может быть интерпретирована

как массив временных сигналов, представлен-

ных в цифровой форме в виде последователь-

ности отсчѐтов. При этом каждый временной

сигнал соответствует одной зоне кадра.

Для всех или отмеченных пользователем

зон из последовательности кадров максимума

амплитуды или энтропии фазы спецвычисли-

тель рассчитывает спектры по алгоритму ав-

торегрессии или вейвлет-преобразования. Вы-

численные спектры передаются в память ПК,

и специальное программное обеспечение вы-

полняет их пороговую обработку и преобра-

зование в карту неоднородностей. Каждая

карта неоднородностей соответствует одному

кадру амплитуд или фаз, а каждая ячейка

внутри карты соответствует одной зоне. Кар-

ты неоднородностей накапливаются и обраба-

тываются во времени. Из последовательности

карт неоднородностей удаляются неоднород-

ности, длительность присутствия которых

ниже заданного значения параметра. После

этого итоговая карта неоднородностей ото-

бражается на экране монитора поверх изо-

бражения кадра амплитуд или фаз.

При разработке системы обработки

радиолокационной информации были уч-

тены результаты испытаний платы радар-

процессора на реальном источнике сигна-

лов, выявившие необходимость введения

алгоритмов борьбы с сильными помехами

по линиям сигналов «отметка курса» и

«вал-число». В плате сопряжения введена

фильтрация сигналов. В специальное про-

граммное обеспечение добавлены алго-

ритмы стабилизации скорости вращения

антенны в случае кратковременной потери

сигнала «отметка курса».

Рассмотрим подробнее структуру и ал-

горитмы функционирования отдельных

модулей разработанной системы и оценим

производительность каждого из них.

1. Плата радар-процессора

Алгоритм обработки информации

радар-процессором

Сигналом начала очередного цикла

работы радар-процессора является син-

хроимпульс запуска передатчика, посту-

пающий от РЛС с частотой Fзи. [1,2].

После получения синхроимпульса радар-

процессор ожидает время Тнд, являющееся за-

держкой до получения сигнала с расстояния,

равного начальной дальности. После истече-

ния времени Тнд начинается прием входных

данных, их сохранение и обработка. Прием и

сохранение входных данных осуществляется

на протяжении интервала времени Тпр. Обра-

ботка входных данных осуществляется на

протяжении интервала времени Тобр. Длитель-

ность интервала обработки зависит от на-

стройки параметров математического алго-

ритма обработки. Максимально обработка ре-

зультатов текущего зондирования продолжа-

ется до начала приема и обработки данных от

следующего зондирования. Т.е. максимальное

время обработки равно периоду следования

синхроимпульсов запуска передатчика.

Входной сигнал оцифровывается с

частотой Fацп и формируется последова-

тельность отсчетов xn (рис. 3):

nx f n t , (1)

где n – номер отсчета входного сигнала,

начиная с нулевого.


72

Рис. 2. Временные интервалы работы радар-процессора

Рис. 3. Порядок вычисления квадратур


73

Далее вычисляются элементы массива

квадратур (или амплитуд, в зависимости от

коэффициентов) – ui и vi: 1

0

N

i i n k k

k

u x KC

, (2)

1

0

N

k

kknii KSxv , (3)

где: 0,i m – номер в массиве квадра-

турных составляющих; m – число значений

(квадратур или амплитуд), вычисляемых

при одном зондировании (максимальное

значение 8191m ); xn – значение текуще-

го отсчета входного сигнала; N – число

сложений, т.е. число отсчетов входного

сигнала, из которых формируется пара

квадратурных составляющих, также опре-

деляет длительность интервала интегриро-

вания при цифровом гетеродировании

(максимальное значение 8191N ); n –

число отсчетов входного сигнала между

началом вычислений соседних пар квадра-

тур, при этом n может изменяться в диа-

пазоне от 8 до 128 с шагом 4.

Косинусный и синусный коэффициен-

ты KС и KS представляются 12-

разрядными двоичными числами со зна-

ком (т.е. от –2048 до 2047). Эти коэффици-

енты заранее вычисляются программным

обеспечением и записываются в память

радар-процессора.

Кроме частотной составляющей, учи-

тывается квадратичная составляющая фа-

зы, определяющая закон ЛЧМ: 2

0 22047 cos

kt

N

k

kKC e k t

N

, (4)

2

0 22047 sin

kt

N

k

kKS e k t

N

, (5)

где k – меняется от 0 до N; 0 2 опF , где

Fоп – опорная частота, которая для дости-

жения максимума амплитуды отклика

должна совпадать с требуемой промежу-

точной частотой; – декремент затухания

полосовой фильтрации, определяющий эк-

вивалентную полосу сглаживания цифро-

вого гетеродирования; – коэффициент

сжатия ЛЧМ.

Для обработки видео сигнала использу-

ется 0опF . При этом получается, что все

0KS , а КС вычисляются по формуле:

tN

k

k eKC

2047 .

Также для исключения наложения

входных данных при вычислении квадра-

тур коэффициенты могут вычисляться по

формулам (4) и (5) при [0, )k n и

0KC KS при [ , )k n N .

Далее, полученные на предыдущем ша-

ге значения (квадратуры в квадратурном

режиме или амплитуды в амплитудном ре-

жиме) накапливаются и нормализуются.

При накоплении складываются значения из

массивов с одинаковыми номерами, полу-

ченные на соседних зондированиях. Норма-

лизация выполняется с целью приведения

полученных после накопления значений к

16-ти разрядному двоичному представле-

нию. Эти операции выполняются в соответ-

ствии со следующими выражениями:

1

1 Sk

i i

k

U uD

, (6)

1

1 Sk

i i

k

V vD

, (7)

где: Ui, Vi – элементы массива накопленных

квадратур; S – число последовательных

зондирований в цикле накопления квадра-

тур (при 1S накопления не производится,

максимальное значение S равно 32); D –

нормирующий коэффициент, вычисляемый

в соответствии с выражением (8):

1

02

2

0 )cos(255N

k

kKC

N

ktk

d

SD , (8)

где 65000d – для амплитудного режима,

32000d – для квадратурного режима

В результате будет сформирован мас-

сив, содержащий квадратуры в виде 16-ти

разрядных слов в квадратурном режиме,

или массив, содержащий амплитуды ви-

деосигнала в амплитудном режиме. Работа

в амплитудном режиме заканчивается по-

сле этого этапа.


74

Вычисление элементов массивов ам-

плитуд ai и фаз i (из значений Vi и Ui, по-

лученных ранее) радар-процессор выполня-

ет в соответствии с выражениями (8) и (9): 22

iii UVa , (9)

i

ii

U

Varctg , (10)

где i – номер значения амплитуды и фазы,

соответствует номеру значений в массиве

квадратур.

Структура радар-процессора

Радар-процессор представляет собой

самостоятельный модуль, выполненный в

виде платы, и включает основную и ин-

терфейсную ПЛИС, модуль АЦП, блок

ОЗУ и синтезатор частоты оцифровки.

Разработка радар-процессора выполнялась

на базе модуля цифровой обработки сиг-

налов TS-PCI, в котором произведено про-

граммирование основной и интерфейсной

ПЛИС. Разработка проектов ПЛИС и их

программирование выполнялось с помо-

щью САПР Xilinx ISE 7.

«Модуль АЦП» предназначен для

оцифровки входного сигнала и формирует

входные 9-ти разрядные отсчеты. Исполь-

зуются данные от одного, двух или четы-

рех АЦП, из имеющихся на плате. При

частоте оцифровки меньше или равной 200

МГц используются данные от одного

АЦП, тактируемого сигналом с частотой

оцифровки. При частоте оцифровки более

200 МГц используются данные от двух

АЦП, тактируемых инверсными по отно-

шению друг к другу сигналами с частотой

в 2 раза меньше требуемой частоты оциф-

ровки. При частоте оцифровки более 400

МГц используются данные от четырех

АЦП, тактируемых сигналами, сдвинуты-

ми на четверть периода друг относительно

друга, с частотой в 4 раза меньше требуе-

мой частоты оцифровки.

Блок «ОЗУ» предназначен для хране-

ния входных отсчетов, полученных после

оцифровки входного сигнала. ОЗУ реали-

зуется на основе двух микросхем синхрон-

ного статического ОЗУ ZBT SRAM. Мик-

росхемы работают на частоте 100 МГц, а

суммарная ширина шины данных состав-

ляет 72 бита (236 бит).

Блок «Синтезатор частоты оцифровки»

предназначен для генерации сигнала такти-

рования АЦП. Выполнен на специальной

микросхеме типа PLL LVPECL. Задание

необходимой для генерации частоты осу-

ществляется блоком управления синтезато-

ром частоты АЦП, реализованным в интер-

фейсной ПЛИС. Синтезатор частоты оциф-

ровки способен генерировать сигналы с

частотой от 21 до 500 МГц с шагом 1 МГц.

Программируемыми узлами модуля

TS-PCI являются основная и интерфейсная

ПЛИС.

В основной ПЛИС сформированы сле-

дующие функциональные блоки:

«Блок записи/чтения входных данных» –

обеспечивает возможность увеличения

временного «интервала обработки сигна-

ла» за пределы «интервала приема сигна-

ла» (см. рис. 2) путем сохранения входных

отсчетов во внешнем ОЗУ. Также блок

обеспечивает согласование входного пото-

ка данных от АЦП (с разной разрядностью

и разной частотой) с потоком данных на

«блок вычисления первичных квадратур».

При этом «Блок записи/чтения входных

данных» выполняет прием входных отсче-

тов от модуля АЦП, их упаковку по 8 слов

(72 бита), запись во внешнее ОЗУ, чтение

ранее записанных значений из внешнего

ОЗУ, и передачу данных на «блок вычис-

ления квадратур».

«Блок вычисления квадратур» – вы-

полняет вычисление квадратур ui и vi в со-

ответствии со вторым этапом алгоритма по

формулам (2) и (3). Результаты работы

блока передаются на «блок накопления

квадратур».

«Блок накопления квадратур» выпол-

няет математическую обработку в соответ-

ствии с выражениями (6), (7) и (8) алго-

ритма. Результат работы блока – итоговые

информационные массивы квадратур. Они


75

передаются на «Блок вычисления ампли-

туд и фаз» и «Блок выдачи информации».

«Блок вычисления амплитуд и фаз» –

выполняет вычисление амплитуд и фаз ai и

i по формулам (9), (10).

Для построения блока используется

CORDIC-алгоритм. Результаты работы

блока передаются на «Блок организации

выдачи информации».

«Блок организации выдачи информа-

ции» выполняет формирование выходных

информационных массивов определенного

формата из массивов квадратур, амплитуд

и фаз, и данных о направлении антенны.

Выходные информационные массивы пе-

редаются в персональный компьютер через

«шину прямого доступа к памяти ПК».

«Блок записи/чтения входных данных»,

«Блок вычисления квадратур», «Блок нако-

пления квадратур», «Блок вычисления ам-

плитуд и фаз» и «Блок организации выдачи

информации» составляют основную вычис-

лительную цепочку, т.е. результаты работы

одного блока являются входными данными

для другого блока. Каждый из этих блоков

работает при наличии данных на входе и

при наличии свободного места в буферном

ОЗУ на выходе. При отсутствии данных на

входе или при переполнении буфера на вы-

ходе блок приостанавливает работу. Отде-

ление одного цикла обработки от другого

выполняется путем подсчета числа обрабо-

танных данных.

«Блок отслеживания текущего направ-

ления антенны» – выполняет фиксацию

определенного положения антенны в мо-

мент поступления синхроимпульса запус-

ка, и передачу полученного значения вме-

сте с информационными массивами, полу-

ченными от данного зондирования. Кон-

троль положения антенны осуществляется

обработкой входных сигналов: «отметка

курса» и «вал-число», поступающих через

цифровой порт от платы сопряжения. Сиг-

нал «отметка курса» означает прохожде-

ния антенной некоторого нулевого направ-

ления, а сигнал «вал-число» означает еди-

ничный сдвиг направления антенны.

«Блок управления и синхронизации

процессов» – осуществляет управление

синхронной работой всех блоков платы

радар-процессора путем выработки управ-

ляющих сигналов в необходимые моменты

времени.

«Внутренний генератор тестовых сиг-

налов» – предназначен для выработки за-

ранее известных сигналов, которые имити-

руют и подменяют собой внешние сигна-

лы. Этот блок используется для проведе-

ния автономного тестирования платы ра-

дар-процессора. Имитируются следующие

сигналы: поток входных отсчетов от АЦП;

синхроимпульс запуска передатчика, сиг-

налы «отметка курса» и «вал-число».

«Блок измерений и контроля» – с по-

мощью этого блока осуществляется изме-

рение текущих параметров различных сиг-

налов. А именно: частоты синхроимпуль-

сов запуска передатчика; частоты сигнала

«отметка курса»; частоты сигнала «вал-

число», частоты работы АЦП.

В интерфейсной ПЛИС реализуются

следующие блоки:

- «контроллер шины PCI», обеспечи-

вающий организацию обмена данными

между платой радар-процессора и ПЭВМ

через шину PCI;

- «контроллер прямого доступа к па-

мяти», организующий высокоскоростную

блочную передачу результатов обработки

из платы радар-процессора в память про-

цессорного модуля;

- «блок управления синтезатором часто-

ты АЦП», который обеспечивает управле-

ние синтезатором частоты с целью получе-

ния нужного значения частоты работы АЦП.

Все указанные блоки подключены к

«шине данных и управления (ШДУ)», ко-

торая формируется «Контроллером шины

PCI» и фактически является «продолжени-

ем» шины PCI, т.е. по ней передаются те

же адреса и данные, которые передавались

через шину PCI. Через «шину данных и

управления (ШДУ)» у блоков настраива-

ются параметры, передаются команды и

контролируется их текущее состояние.


76

Производительность платы

радар-процессора

В модуле радар-процессора основная

вычислительная нагрузка приходится на

блок вычисления квадратур. Этот блок и

ограничивает вычислительные возможно-

сти платы радар-процессора. Поэтому мак-

симальную теоретическую производитель-

ность (число операций умножения с нако-

плением (MAC операций) в секунду) пла-

ты радар-процессора можно оценить по

производительности блока вычисления

квадратур следующим образом:

обрR S F ,

где S – число одновременно работающих

блоков, выполняющих операцию умноже-

ния с накоплением; Fобр – частота работы

блоков.

В блоке вычисления квадратур ис-

пользуется 96 блоков умножения с накоп-

лением, работающих на частоте 300 МГц.

Таким образом, максимальная производи-

тельность составляет 28,8·109 MAC опера-

ций в секунду.

По результатам тестирования установ-

лено, что реальная производительность

платы радар-процессора не менее 95% от

максимальной производительности, т.е.

составляет примерно 27,4·109 MAC опера-

ций в секунду. Эта потеря производитель-

ности, по всей видимости, вызвана за-

держкой по времени, в течение которой

квадратурные вычислители загружаются

работой (заканчивают работу), а также

простоями блока вычисления квадратур

из-за отсутствия входных данных или пе-

реполненности выходного буфера.

Натурные испытания показали, что

расчѐтная производительность модуля яв-

ляется достаточной для решения постав-

ленной задачи.

2. Спецвычислитель авторегрессионной

обработки

Спецвычислитель авторегрессионной

обработки предназначен для обработки

кадров статистических характеристик ам-

плитуды или фазы сигнала методом авто-

регрессионной оценки спектральной плот-

ности. Исходными данными спецвычисли-

теля является множество временных сиг-

налов, представленных в цифровом виде

как массив отсчѐтов. Результатами – мно-

жество спектров, которые представляют

собой массивы значений спектральной

плотности мощности, где каждое значение

соответствует некоторой частоте колеба-

ний входного временного сигнала. [3]

Спецвычислитель выполнен на ПЛИС

в виде специализированного процессора.

При разработке проекта спецвычислителя

использовалось средство проектирования

Xilinx ISE 7, предназначенное для созда-

ния прошивок ПЛИС производства фирмы

Xilinx. Структура устройства привязана к

алгоритму, но такая специализированная

схема обладает рядом преимуществ по

сравнению с универсальной:

а) потенциально более высокая ско-

рость обработки при тех же аппаратных

затратах (однонаправленность потока ин-

формации, возможность конвейеризации

вычислений);

б) относительная простота проектиро-

вания (структура устройства повторяет

структуру алгоритма, простота межблоч-

ных интерфейсов, иерархия блоков совпа-

дает с иерархией вычислений);

в) индивидуальность форматов пере-

менных (возможность сокращения разряд-

ной сетки, экономии аппаратуры, повыше-

ния скорости обработки в тех местах алго-

ритма, где это допустимо).

Алгоритм авторегрессионной обработки

Алгоритм авторегрессионной обработ-

ки позволяет вычислять частотный спектр

временных сигналов. Анализ спектра, по-

лучаемого с помощью алгоритма авторег-

рессии, даѐт возможность выявлять коле-

бательные процессы во входном сигнале

на фоне сильных шумов, превышающих

уровень полезного сигнала в 3-5 раз в за-


77

висимости от размера выборки временного

сигнала. Причѐм отличительной особенно-

стью данного алгоритма являются более уз-

кие по сравнению, например, с автокорреля-

ционным методом спектрального анализа,

спектральные пики в выходных спектрах.

Алгоритм авторегрессии состоит из 5-

ти функциональных блоков и 6-ти масси-

вов данных, показанных на рис. 4. Функ-

циональные блоки показаны в виде прямо-

угольников с закруглѐнными углами, мас-

сивы данных – в виде обычных прямо-

угольников, параметры алгоритма изобра-

жены над функциональными блоками.

Функциональные блоки, изображѐн-

ные на рис. 4, выполняют преобразования

по следующим формулам.

Деление сигнала на выборки выполня-

ется по формуле:

][][ tjXtx iij , (11)

где [ ]iX t , где 1...t N – отсчѐты входно-

го временного сигнала; ][txij , где

1...t N – отсчѐты выходной временной

выборки; t – момент времени (индекс от-

счѐта); N – длина выборки; i – номер сиг-

нала; j – номер выборки.

Удаление постоянной составляющей

выполняется согласно выражению (12):

N

k

kxN

txty1

][1

][][ , (12)

где [ ]x t , где 1...t N – отсчѐты входной

временной выборки; [ ]y t , где 1...t N –

отсчѐты выходного временного ряда; t –

момент времени (индекс отсчѐта); N – дли-

на выборки.

Расчѐт автокорреляционных коэффи-

циентов выполняется по формуле:

kN

i

kiyiyN

kR1

][][1

][ , (13)

где [ ]y t , где 1...t N – входной времен-

ной ряд; [ ]R k , где 1...k P – выходной

массив автокорреляционных коэффициен-

тов; k – номер коэффициента; N – длина

выборки; P – порядок авторегрессии.

Расчѐт коэффициентов авторегрессии

выполняется по формулам:

,]0[]1[]1[1 RRam (14)

2

11 ]1[1]0[ mm aR , (15)

1

1

1 ],[][][m

k

mm mRkmRka (16)

1][ mmm ma , (17)

1 1[ ] [ ] [ ] [ ],

1 1 ,

m m m ma k a k a m a m k

k m

(18)

])[1( 2

1 mammm , 2...m P , (19)

где ][kR , где 1...k P – входной массив

автокорреляционных коэффициентов;

]}[{ ka Pm, где 1...k P – выходной массив

Рис. 4. Структурная схема алгоритма авторегрессионной оценки


78

коэффициентов авторегрессии; – дис-

персия шума; k – номер коэффициента; P –

порядок авторегрессии.

В данном блоке решается система ли-

нейных уравнений с теплицевой матрицей

методом Левинсона:

0

0

0

1

/

...

/

/1

]0[...]1[][

............

]1[...]0[]1[

][...]1[]0[

1

Pa

a

RPRPR

PRRR

PRRR

, (20)

где ][kR , где 1...k P – автокорреляцион-

ные коэффициенты; }{ ka , где 1...k P –

коэффициенты авторегрессии; – дис-

персия шума; k – номер коэффициента; P –

порядок авторегрессии.

Расчѐт спектральной плотности вы-

полняется по формулам:

2[ ]

[ ]i

i

TP f

A f

, (21)

2

1

[ ] 1 [ ] ,

,

Pj k f T

i

k

i нач

A f a k e

f f i f

(22)

где { [ ]}m Pa k , где 1...k P – коэффициен-

ты авторегрессии; { [ ]}iP f , где 1...i M –

значения спектральной плотности; { [ ]}iA f ,

где 1...i M – массив значений преобразо-

вания Фурье; 1f T – частота; fнач – на-

чальная частота спектра; Δf – шаг частоты

спектра; ΔT – период дискретизации вход-

Рис. 5. Структурная схема спецвычислителя авторегрессионной обработки сигналов


79

ного временного сигнала; – дисперсия

шума.

Структурная схема спецвычислителя

авторегрессионной обработки

На рис. 5 представлена структурная

схема спецвычислителя авторегрессионной

обработки (АРО). В схеме можно выделить

девять типов блоков:

1) Буфер входных данных – устройст-

во накопления входных данных на основе

двух микросхем ZBT памяти.

2) Блок параметров – состоит из реги-

стров для хранения параметров.

3) Блок запуска – выдаѐт управляющие

сигналы запуска и сброса других блоков.

4) Устройство удаления постоянной

составляющей сигнала – предназначено

для вычисления и вычитания постоянной

составляющей из всех отсчѐтов, а также

для сдвига отсчѐтов временной выборки.

5) Устройство расчѐта автокорреляци-

онных коэффициентов – вычисляет авто-

корреляционные коэффициенты.

6) Устройство расчѐт авторегрессион-

ных коэффициентов – вычисляет авторег-

рессионные коэффициенты.

7) Устройство расчѐта спектральной

плотности мощности – вычисляет значения

выходного спектра.

8) Буфер выходных данных – выполня-

ет буферирование и передачу выходных

данных в оперативную память компьютера.

9) Буфер (Б) – осуществляет обмен

данными между ступенями конвейера в

пакетном режиме.

В конвейерной системе время переда-

чи данных между блоками должно быть

минимально, поэтому обмен осуществля-

ется в пакетном режиме. В связи с этим на

выходе блоков, формирующих выходные

значения с периодичностью более 1 такта,

необходимо устанавливать буферный банк

памяти. Кроме того, на входе блоков, мно-

гократно обращающихся к входным дан-

ным, необходимо также устанавливать бу-

ферный банк памяти.

Все блоки имеют подключение к PCI

шине для обеспечения возможности счи-

тывания входных, выходных данных, про-

межуточных данных и параметров, а также

подавать команды на плату из программы

компьютера.

Производительность спецвычислителя

авторегрессионной обработки

Производительность платы авторег-

рессионной обработки складывается из

времени обработки информации в конвей-

ерах АРО и времени передачи информации

по шине PCI:

платы АРО реализ.

конвейеров АРО передачи по шине PCI

1

( )F

Т Т

.

Время обработки информации в кон-

вейерах АРО получается путѐм определе-

ния максимального количества тактов ра-

боты каждой из ступеней конвейера АРО,

делѐнного на количество конвейеров и ум-

ноженного на длительность такта. К опре-

делѐнному значению необходимо добавить

время передачи информации между ступе-

нями конвейера:

конвейеров АРО

конвейеров

такта такта

(2 6;( 2 31)

( 1) 1;(175 ) 5; ( 32)

( 1) 11 ( 1) 103) /

512 (1 4 4) .

Т MAX N N P

P P P P

M P K

T Т

Здесь N – длина выборки, P – порядок

авторегрессии, M – количество частот в

спектре.

Время передачи по шине PCI склады-

вается из времени передачи информации

из системной памяти в плату АРО и вре-

мени передачи информации в системную

память из платы АРО.

Данные в плате АРО обрабатываются

по зонам. На одну зону приходится Kотсчѐтов

временного сигнала размером Vотсчѐта временного сигна-

ла байт, передаваемых в плату, и Kотсчѐтов

спектра размером Vотсчѐта спектра байт, переда-

ваемых из платы. Для записи одного от-

счѐта в плату требуется 124 такта шины

PCI, для считывания из платы – 1 такт на


80

один выходной отсчѐт. Поэтому для полу-

чения времени передачи информации по

шине PCI необходимо умножить размер

отсчѐта на их количество соответственно

направлению передачи, поделить на раз-

мер одной посылки, умножить на необхо-

димое количество тактов, умножить на

длительность такта PCI шины и сложить

времена:

передачи по шине PCI отсчета временного сигнала

отсчетов временного сигнала

такта шины PCI отсчета спектра

отсчетов спектра такта шины PCI

/ 4 байта 124 такта

/ 4 байта 1 такт .

Т V

K

Т V

K Т

Расчѐтные производительности платы

АРО при различных значениях параметров

даны в табл. 1:

Таблица 1

N P M Fплаты АРО, зон/с

500 500 500 2167

500 400 500 2736

500 300 500 3446

500 100 500 6164

500 500 300 2167

500 300 300 3903

500 100 300 7206





3. Спецвычислитель вейвлет-

преобразования

Спецвычислитель вейвлет-преобразо-

вания (ВП) [4] предназначен для обработ-

ки кадров статистических характеристик

амплитуды или фазы сигнала и имеет в от-

личие от авторегрессионного метода кор-

реляционную природу, т.е. оценивает сте-

пень «схожести» реального сигнала и за-

данной базовой функции. Результатами

обработки метода являются спектры коэф-

фициентов совпадения полученных вре-

менных сигналов и семейства базисных

функций (вейвлета). При этом каждый ко-

эффициент соответствует некоторой час-

тоте базисной функции.

Спецвычислитель вейвлет-преобразо-

ваний выполнен в виде специализирован-

ного процессора на ПЛИС. С целью дос-

тижения оптимальной производительности

структура устройства разрабатывалась с

учѐтом максимальной адаптации к задан-

ному алгоритму обработки. Проект спец-

вычислителя выполнен с использованием

средств проектирования Xilinx ISE 7.

Алгоритм вейвлет-преобразования

Вейвлет-преобразование позволяет по-

лучить спектр коэффициентов совпадения

временного сигнала с эталонным семейст-

вом базисных функций. При этом каждая

базисная функция из одного семейства со-

ответствует некоторой частоте. На выходе

алгоритма получается спектр, аналогичный

спектру, получаемому с помощью алгорит-

ма авторегрессии. В качестве эталонного

сигнала могут быть выбраны различные

вейвлеты. Однако для выявления колеба-

тельных процессов во входном временном

сигнале, происходящих по синусоидально-

му закону с некоторой частотой, в качестве

эталонного нужно выбирать вейвлет, похо-

жий на синусоиду. Таковыми являются

вейвлеты Морле и Гаусса.

Структурная схема алгоритма вейвлет-

преобразования состоит из одного функ-

ционального блока и трѐх массивов данных.

Непрерывное вейвлет-преобразование –

это множество скалярных произведений

исходной функции f(t) на семейство функ-

ций t , полученных из базисной функ-

ции путѐм еѐ сдвига и растяжения по оси

времени. Вейвлет-преобразование рассчи-

тывается по формуле:

1/2( , ) ( )

t bW a b a f t dt

a

, (23)

где a – коэффициент растяжения вейвлета;

b – сдвиг вейвлета по времени; t – момент

времени; – вейвлет функция; f(t) –

входной временной сигнал.


81

В качестве базисной функции выби-

раются различные функции в зависимости

от задачи. В данном случае целесообразно

выбрать вейвлет Морле или вейвлет Гаус-

са, т.к. форма этих функций походит на

синусоидальный сигнал.

Вейвлет Морле определяется следую-

щей формулой:

2

2( ) cos(2 ) sin(2 )x

x e k x i k x

, (24)

где k – параметр, определяющий размер окна.

Вейвлет Гаусса вычисляется по формуле:

2

122( ) 1xnn

INT

n

dx e

dt

, 1,2,...n , (25)

где n – порядковый номер вейвлета.

Спецвычислитель ВП (рис. 6) реализу-

ет одну математическую функцию. На

вход подаются временной и эталонный

сигналы в цифровом виде, т.е. в виде от-

счѐтов. На выходе функционального блока

появляется спектр значений вейвлет-

преобразования. В качестве параметров

подаются: периоды дискретизации сигна-

лов, обратные величины периодов дискре-

тизации, количество отсчѐтов вейвлета и

временного сигнала, индекс текущего от-

счѐта временного сигнала, определяющий

положение временного окна.

Спецвычислитель ВП состоит из 6-ти

типов блоков:

1) Буфер входных данных – организу-

ется на основе ZBT памяти.

2) Блок параметров – состоит из реги-

стров и блоков памяти для хранения пара-

метров и логических элементов, предна-

Рис. 6. Структурная схема спецвычислителя вейвлет-преобразования


82

значенных для передачи текущих значений

параметров из памяти в регистры и вычис-

ления дополнительных параметров.

3) Блок запуска – выдаѐт управляющие

сигналы запуска и сброса других блоков.

4) Устройство сдвига временного сиг-

нала – предназначено для сдвига отсчѐтов

временного сигнала в соответствии с ин-

дексом текущего кадра, т.к. буфер входных

данных является циклическим.

5) Устройство вейвлет-преобразования –

выполняет вейвлет-преобразование.

6) Буфер выходных данных – выполня-

ет буферирование и передачу выходных

данных в оперативную память компьютера.

Все блоки имеют подключение к PCI

шине, что обеспечивает возможность запи-

си и считывания как выходных и выход-

ных данных, так и промежуточных. Буфер

выходных данных подключается к кон-

троллеру прямого доступа к памяти.

Производительность спецвычислителя

вейвлет-преобразования

Производительность платы вейвлет-

преобразования складывается из времени

обработки информации в устройствах

вейвлет-преобразования, времени переда-

чи данных внутри платы и времени пере-

дачи информации по шине PCI:

платы вейвлет

вейвлет-преобразования передачи по шине PCI

1F

Т Т

.

Время обработки информации в уст-

ройстве вейвлет-преобразования получает-

ся путѐм определения количества тактов

работы, делѐнного на количество устройств

и умноженного на длительность такта:

устройств такта

29 1070

2 .

вейвлет преобразованияТ М

М K Т

Здесь M – количество частот в спектре;

29 – количество тактов работы блока па-

раметров; 1070 – количество тактов рабо-

ты устройства вейвлет-преобразования при

обработке одной зоны; 2 – количество за-

действованных устройств вейвлет-

преобразования при обработке одной зоны.

Время передачи по шине PCI складывает-

ся из времени передачи информации из сис-

темной памяти в плату и времени передачи

информации в системную память из платы.

Данные в плате вейвлет-преобразо-

вания обрабатываются по зонам. На одну

зону приходится Kотсчѐтов сигнала размером

Vотсчѐта сигнала байт, передаваемых в плату, и

Kотсчѐтов спектра размером Vотсчѐта спектра байт, пе-

редаваемых из платы. Для записи одного

отсчѐта в плату требуется 124 такта шины

PCI, для считывания из платы – 1 такт на

один выходной отсчѐт. Поэтому для получе-

ния времени передачи информации по шине

PCI необходимо умножить размер отсчѐта

на их количество соответственно направле-

нию передачи, поделить на размер одной

посылки, умножить на необходимое количе-

ство тактов, умножить на длительность так-

та PCI шины и сложить времена:

передачи по шине PCI отсчета сигнала

отсчетов сигнала

такта шины PCI отсчета спектра

отсчетов спектра такта шины PCI

/ 4 байта 124 такта

/ 4 байта .

Т V

K

Т V

K T

Значения расчѐтной производительно-

сти платы вейвлет-преобразования при

различных значениях М даны в табл. 2:

Таблица 2

M Fплаты вейвлет, зон/с

512 2377

400 3007

300 3941

200 5716

100 10398





4. Специальное программное

обеспечение

Программное обеспечение системы

обработки радиолокационной информа-

ции, помимо общесистемного – ОС


83

Windows, драйвера модуля TS-PCI и др.,

составляют три программы: SA (спек-

тральный анализатор), Radar и APTest_5

[5].

Программа SA является основной и

поддерживает все функции универсально-

го макета. Программа SA выполняет сле-

дующие функции:

1) Обработка данных из файлов:

– загрузка кадров амплитуд и фаз из

файлов;

– изображение полных кадров ампли-

туд или фаз;

– преобразование кадров амплитуд

или фаз в кадры зон (массивы максимумов

амплитуды или энтропии фазы);

– обработка кадра зон или части кадра

зон по алгоритму авторегрессии с помощью

спецвычислителя авторегрессии и без него;

– обработка кадра зон или части кад-

ра зон по алгоритму вейвлет-преобразова-

ния с помощью спецвычислителя вейвлет-

преобразования и без него;

– обработка временного сигнала из

указанной зоны кадра по алгоритмам авто-

регрессии и вейвлет-преобразования с по-

мощью спецвычислителей и без них;

– создание тестового синусоидально-

го сигнала, имитирующего временной сиг-

нал из одной зоны, и его обработка;

– пороговая обработка спектров, по-

лучаемых в результате обработки кадра

зон по алгоритмам авторегрессии или

вейвлет-преобразования, и создание карты

неоднородностей;

– отображение карты неоднородностей

поверх изображения кадра амплитуд или фаз;

– сохранение спектров в файлы;

– установка параметров обработки на

всех стадиях.

2) Обработка данных в реальном времени:

– приѐм данных с платы радар-


– имитация поступления данных с

платы радар-процессора (данные берутся

из файлов);

– преобразование данных радар-

процессора в кадры амплитуд или фаз;

– изображение кадров амплитуд или фаз;

– преобразование кадров амплитуд

или фаз в кадры зон (массивы максимумов

амплитуды или энтропии фазы);

– обработка кадров зон в плате авто-

регрессии;

– пороговая обработка спектров авто-

регрессии;

– изображение карты неоднородно-

стей поверх изображения кадра амплитуд

или фаз.

Программа Radar предназначена толь-

ко для работы с платой радар-процессора.

Она реализует следующие функции:

– приѐм данных с платы радар-


– преобразование данных радар-

процессора в кадры амплитуд, фаз и раз-

ности фаз;

– изображение кадров амплитуд, фаз

и разности фаз, как на линейном, так и на

круговом экранах;

– сохранение принятой информации в

файлы для последующей обработки.

Кроме этого, программа Radar, как и

APTest, способна работать с предыдущими

версиями платы радар-процессора, не входя-

щими в итоговую систему, но использующи-

мися как средства сбора радиолокационной

информации для последующего анализа.

Программа APTest_5 является вспомо-

гательной и предназначена для контроля

работы платы радар-процессора. При этом

программа APTest_5 предоставляет поль-

зователю интерфейс для управления пла-

той радар-процессора и осуществляет вы-

вод на монитор результатов работы платы.


1. Все типы модулей прошли натур-

ные испытания и показали, что алгоритмы,

положенные в основу их построения, яв-

ляются работоспособными.

2. Расчѐтная производительность мо-

дулей является достаточной для решения

поставленной задачи.


84

3. Частотные характеристики модулей

позволяют строить системы обработки РЛ-

информации реального времени. При этом,

для различных параметров РЛС для дос-

тижения оптимальной производительности

системы необходимо варьировать количе-

ство параллельно работающих модулей.

Список терминов и обозначений

Кадр – двумерный массив элементов.

Последовательность кадров – массив

кадров, где каждый кадр соответствует не-

которому моменту времени.

Кадр амплитуд или фаз – двумерный

массив цифровых значений амплитуды или

фазы принятого радио сигнала. Каждая

строка массива соответствует определѐн-

ному углу. Каждый элемент в строке соот-

ветствует определѐнной дальности.

Кадр максимума амплитуды или эн-

тропии фазы – двумерный массив значе-

ний заданной пользователем функции

(максимум или энтропия), вычисленной в

зонах кадра амплитуд или фаз.

Зона – область местности, местоположе-

ние и размеры которой заданы углом поворо-

та антенны и дальностью зондирования.

Зона кадра – часть кадра, все элемен-

ты которой соответствуют некоторой зоне.

Временной сигнал – сигнал, полученный

в результате изменения какой-либо величи-

ны во времени; образ сигнала, представлен-

ный в виде массива цифровых отсчѐтов.

Временной сигнал из зоны – массив

значений заданной пользователем функ-

ции (максимум или энтропия), вычислен-

ных в одной зоне последовательности кад-

ров амплитуд или фаз.

Выборка – массив цифровых значений

функции, определенных на заданном огра-

ниченном диапазоне значений аргумента.


1. Мороз Ю.В., Иванов Е. Л., Ловя-

гин А.С. «Алгоритм первичной обработки

радиолокационных сигналов и его реали-

зация». Межвузовский сборник научных

трудов «Теоретические вопросы вычисли-

тельной техники, программного обеспече-

ния и информационных технологий в му-

ниципальном хозяйстве». МИРЭА, 2005.

2. Мороз Ю.В., Иванов Е.Л., Ловя-

гин А.С. «Алгоритм обработки радиолока-

ционных сигналов для синтеза радиолока-

ционных портретов». Межвузовский сбор-

ник научных трудов. «Теоретические во-

просы вычислительной техники и про-

граммного обеспечения. М.2008.

3. Ловягин А.С., Строганов М.В., Ива-

нов Е.Л. «Алгоритм авторегрессионной обра-

ботки радиолокационных портретов». Межву-

зовский сборник научных трудов. «Теорети-

ческие вопросы вычислительной техники и

программного обеспечения. М.2006.

4. Галыба С.А., Строганов М.В.,

Иванов Е.Л. и др. «К вопросу реализации

алгоритма выявления слабоконтрастных

неоднородностей при обработке радиоло-

кационной информации». Сборник трудов

54-ой научно-технической конференции

МИРЭА. часть 3 .2005.

5. Карпов Д.А., Иванов Е.Л., Стро-

ганов М.В. «Разработка методики опти-

мизации аппаратной реализации алгорит-

мов обработки больших потоков информа-

ции». Межвузовский сборник научных

трудов «Теоретические вопросы вычисли-

тельной техники, программного обеспече-

ния и информационных технологий в му-

ниципальном хозяйстве». МИРЭА, 2005.


Коваленко Сергей Михайлович,

Тел. 434-95-91.

Мороз Юрий Владимирович,

Тел. 434-75-01.

Строганов Максим Валерьевич,

Тел. 434-75-01.

Иванов Евгений Леонидович,

Тел. 434-95-91.

Карпов Дмитрий Анатольевич,

Тел. 434-25-53.

Ловягин Александр Сергеевич,

Тел. 673-54-28.

Галыба Сергей Александрович,

Тел. 673-64-68.

Губарев Виталий Александрович,


85

Тел. 434-95-91.


86

УДК 004.9

МОДЕЛИРОВАНИЕ ПРОЦЕССА СОЗДАНИЯ РУКОПИСНОГО ТЕКСТА

Д.А. Шуб



Рассматриваются существующие в настоящее время подходы к моделированию про-

цесса создания рукописного текста. Предлагается модель процесса создания рукописного

текста, являющаяся кортежем порождающих конечных автоматов и матриц, задающих

их соединение. Модель позволяет учесть влияние не только текущего, но и предыдущего со-

стояния системы на последующее. Приводится пример использования модели при исследо-

вании подписи.

В настоящее время активно ведутся ра-

боты по компьютерному анализу рукопис-

ного текста. При этом из рукописного тек-

ста извлекается как передаваемая с его по-

мощью информация (распознавание руко-

писного текста), так и информация о лич-

ности пишущего и его состоянии (иденти-

фикация личности по почерку и подписи,

психологическая и медицинская диагности-

ка, графологическое исследование).

Процесс создания рукописного текста

можно рассматривать как процесс кодиро-

вания информации в системе передачи ин-

формации, а процесс получения информа-

ции из рукописного текста – как процесс

декодирования информации. Поэтому при

исследовании рукописного текста часто

применяются методы и технологии, ис-

пользуемые в системах передачи инфор-

мации. Однако эти методы и технологии в

основном переносятся в эту область без

учета особенностей процесса создания ру-

кописного текста.

Важное место при создании компью-

терных систем исследования рукописного

текста занимает построение модели про-

цесса создания рукописного текста. Как

уже было сказано, процесс создания руко-

писного текста является процессом пере-

дачи информации. Модель передачи ин-

формации в большинстве сложных систем

передачи информации состоит из несколь-

ких слоев, соответствующих различным

уровням представления информации (на-

пример, сетевая модель OSI стандарта

ISO/IEC 7498-1:1994(E)). В модели созда-

ния рукописного текста предлагается вы-

делять несколько слоев представления ру-

кописной информации.

При построении моделей процесса соз-

дания рукописного текста наиболее распро-

страненными в настоящее время подходами

являются использование Скрытых Марков-

ских моделей (Hidden Markov Model –

HMM) и использование нейронных сетей.

При использовании HMM процесс

создания рукописного текста моделирует-

ся с помощь Марковского процесса, как

правило, дискретного (Марковской цепи).

Значение Марковской цепи называют со-

стоянием модели или значением скрытой

переменной, параметры рукописного тек-

ста при этом считаются функциями от зна-

чений Марковской цепи, значение пара-

метров в определенный момент времени

называют наблюдением, а известными

считаются только наблюдения [1]. Отме-

тим, что в соответствии с определением

Марковского процесса [2], вероятности

перехода из одного состояния в другое за-

висят только от текущего состояния и не

зависят от предыдущего состояния.

Построение HMM модели заключается

в выборе количества состояний, определе-


87

нии топологии (то есть определении воз-

можных переходов между состояниями) и

обучении (подборе матрицы вероятностей

переходов A, матрицы вероятностей на-

блюдений B и начального распределения

вероятностей π, при которых вероятность

принадлежности последовательностей на-

блюдений, соответствующих введенным

на этапе тренировки образцам рукописно-

го текста, была бы максимальной). Наибо-

лее часто используется топология с пере-

ходами слева-направо (left-to-right

topology), матрица вероятностей переходов

которой является наддиагональной. Разли-

чают топологию с переходами слева-

направо с пропуском состояния (left-to-

right topology with skipping state transition)

[3,4] и топологию с переходами слева-

направо без пропуска состояний (left-to-

right topology without skipping state

transition) [5], при этом допускается нали-

чие в графе переходов петель. Использу-

ются также топологии, графы переходов

которых являются полносвязными [6].

К недостаткам использования HMM

можно отнести строгие ограничения, на-

кладываемые на характер случайности мо-

делируемого процесса, слабую приспособ-

ленность для классификации [7]. Так, на-

пример, при использовании HMM предпо-

лагается независимость вероятности пере-

хода между состояниями от предыдущего

состояния, в то время как в процессе соз-

дания рукописного текста такая зависи-

мость существует [8,9,10].

При использовании нейронной сети

процесс создания рукописного текста мо-

делируется отображением множества об-

разцов элементов рукописного текста на

множество элементов рукописного текста.

Напомним, что существуют три основные

парадигмы обучения нейронной сети: обу-

чение с учителем (supervised learning),

обучение без учителя (unsupervised

learning) и обучение с подкреплением

(reinforcement learning). При обучении с

учителем известны примеры пар соответ-

ствия элементов входного множества эле-

ментам выходного множества. При обуче-

нии без учителя известны входные данные и

задана функция стоимости, зависящая от

значений выходных нейронов и входных

данных, требуется минимизировать функ-

цию стоимости. При обучении с подкрепле-

нием входные данные не заданы, а генери-

руются агентом, который взаимодействует с

некоторой средой, и среда при этом генери-

рует в зависимости от воздействий агента

наблюдения и стоимость. Цель обучения с

подкреплением является нахождение после-

довательности воздействий с минимальной

мерой от общей стоимости. Так как заранее

известны образцы элементов рукописного

текста для каждого из элементов, то при ис-

следовании рукописного текста чаще всего

используется обучение с учителем.

Для исследования рукописного текста

наиболее часто используются сети прямого

распространения (feedforward neural

network) и рекуррентные нейронные сети

(recurrent network). В сетях прямого распро-

странения все связи между нейронами на-

правлены от входных нейронов к выход-

ным. Наиболее используемыми сетями это-

го типа является перцептрон (perceptron) и

нейронные сети на основе радиально-

базисной функции (radial basis function

network). В рекуррентных сетях использу-

ются обратные связи между нейронами. В

качестве примера использования нейрон-

ных сетей можно привести работы [11,12].

К недостаткам использования нейрон-

ных сетей можно отнести невозможность

учета того, что процесс создания рукопис-

ного текста разворачивается во времени, и,

в частности, отсутствие учета влияния

предыдущего состояния системы на по-

следующее.

В данной работе предлагается модель,

свободная от указанных недостатков. Она

позволяет учесть то, что процесс создания

рукописного текста разворачивается во

времени, предоставляет возможность учета

влияния не только текущего, но и преды-

дущего состояния системы на последующее.

Д.А. Шуб МОДЕЛИРОВАНИЕ ПРОЦЕССА СОЗДАНИЯ РУКОПИСНОГО ТЕКСТА

88

Предлагаемая модель является корте-

жем порождающих конечных автоматов и

матриц, задающих их соединение:

0 1 2( , , ,..., , , )kM A A A A L B ,

где M – модель процесса создания руко-

писного текста;

0 1 2, , ,..., kA A A A – порождающие автоматы;

00 01 0

10 11 1

0 1

k

k

k k kk

l l l

l l lL

l l l

,

0, при 1,

1, при 1ij

j il

j i

– матрица, задаю-

щая соединения автоматов, при этом но-

мер строки соответствует номеру автомата,

для которого связь является выходом, а

номер столбца – номеру, для которого

связь является входом;

00 01 0

10 11 1

0 1

k

k

k k kk

b b b

b b bB

b b b

,

0, при 1,

1, при 1ij

j ib

j i

– матрица, задаю-

щая обратные связи между автоматами,

при этом номер строки соответствует но-

меру автомата, для которого связь является

выходом, а номер столбца – номеру, для

которого связь является входом.

Структура модели иллюстрируется на

рис. 1.

Между каждым последующим и пре-

дыдущим автоматом существует обратная

связь. Автоматы формируют образы. Об-

разы упорядочены по убыванию уровня

абстракции. Под термином «уровень абст-

ракции» будем понимать степень детали-

зации образов и их сложности: низкий

уровень абстракции – простые образы, вы-

сокая степень детализации; высокий уро-

вень абстракции – сложные образы, низкая

степень детализации. Автомат A0 соответ-

ствует самому высокому уровню абстрак-

ции, автомат Ak – самому низкому. Каж-

дый автомат преобразует образ более вы-

сокого уровня в последовательность обра-

зов более низкого уровня

В данной работе предлагается огра-

ничиться четырьмя уровнями абстракции

образов:

нулевой уровень (самый высокий

уровень абстракции) – подпись или слово

рукописного текста;

первый уровень – буквы и декора-

тивные элементы;

второй уровень – элементы букв и

декоративных элементов;

третий уровень – сегменты, состав-

ляющие элементы букв и декоративных

элементов.

Таким образом, модель процесса соз-

дания рукописного текста содержит три

автомата 0 1 2, ,A A A (рис. 2).

Рис. 1. Обобщенная модель процесса создания рукописного текста


89

A0 A1 A2x

y0

y1

y2

f2

f1

Рис. 2. Модель процесса создания

рукописного текста

Порождающий автомат A0 синтезирует

буквы и декоративные элементы на основе

подписи или слова рукописного текста:

0 0 0 0 0 0( , , , , )A S X Y ,

где 0

0 0 0

0 1 2{ , , , }mS s s s – множество со-

стояний автомата;

0 1 1 1{( , ) | , }X x f x X f F – множест-

во кортежей, задающих входы;

1 2{ , , , }wX x x x – множество вход-

ных задач (программ), соответствующих

подписи или множеству слов рукописного

текста;

1 {0,1}F – множество входных фла-

гов, определяющих будет ли осуществ-

ляться переход;

0

0 0 0

0 1 2{ , , , }mY y y y – множество подза-

дач наивысшего уровня абстракции, соответ-

ствуют буквам и декоративным элементам;

0 0 0 0: X S S ,

0 0 1 0( 1) (( ( ), ( )), ( ))s t x t f t s t – функция

переходов, характеризуется матрицей Δ0:

0

0

0 0 0

1 2

0 0 0 0

11 12 1

m

m

s s s

,

в которой первая строка соответствует

1 0f , а вторая – 1 1f , номер столбца со-

ответствует номеру текущего состояния, та-

ким образом, переход к новому состоянию

осуществляется только при 1 1f , при этом:

0

1 1 2

i i i

i ws s s ,

где 1

0 0 1( 1) | ( ) , ( ) , ( ) 1i

j i js s t s t s x t x f t ;

0 0 0: S Y ,

0 0 0( 1) ( ( ))y t s t – функция выходов, ха-

рактеризуется матрицей M0:

0

0

0 0 0

1 2

0 0 0 0

11 12 1

m

m

y y y

y y y

,



ответствует номеру текущего состояния,

таким образом, переход к новому состоя-

нию выхода осуществляется только при

2 1f .

Порождающий автомат A1 синтезирует

элементы букв и декоративных элементов,

на основе букв и декоративных элементов:

1 1 1 1 1 1( , , , , )A S X Y ,

где 1

1 1 1

1 1 2{ , , , }mS s s s – множество состояний;

1 0 2 0 0 2 2{( , ) | , }X y f y Y f F – множе-

ство кортежей, задающих входы;

0

0 0 0

0 1 2{ , , , }nY y y y – множество вход-

ных задач, которое совпадает с множеством

подзадач наивысшего уровня абстракции;

2 {0,1}F – множество входных фла-

гов, определяющих будет ли осуществ-

ляться переход;

1 1 1 1 1 1 1{( , ) | , }Y y f y Y f F – множест-

во кортежей, задающих выходы;

1

1 1 1

1 1 2{ , , , }nY y y y – множество подза-

дач 1-ого уровня абстракции, соответствуют

элементам букв и декоративных элементов;

1 {0,1}F – множество выходных фла-

гов, подаваемых на вход A0;

1 1 1 1 1: X S S S ,

1 1 0 2 1 1( 1) (( ( ), ( )), ( ), ( 1))s t y t f t s t s t –

функция переходов, характеризуется

матрицей Δ1:

1

1

1 1 1

1 2

1 1 1 1

11 12 1

m

m

s s s

,



ответствует номеру текущего состояния, та-

ким образом, переход к новому состоянию

осуществляется только при 2 1f , при этом:


90

1

1

1 1 1 1

11 12 1

21 22 21

1

1 2

i i i

m

i i i

m

i

i i i

m m m m

s s s

s s s

s s s

,

где 1

1 1

1 0

1 0 2

( 1) | ( ) ,

( 1) , ( ) , ( ) 1;

i

jk i

k j

s s t s t s

s t s y t y f t

1 1 1 1 1: X S S Y ,

1 1 0 2 1 1( 1) (( ( ), ( )), ( ), ( 1))y t y t f t s t s t –

функция выходов, характеризуется

матрицей M1:

1

1

1 1 1

1 2

1 1 1 1

11 12 1

( ,0) ( ,0) ( ,0)m

m

y y y

,


2 0f , а вторая – 2 1f , номер столбца

соответствует номеру текущего состояния,

при этом:

1

1

1 1 1 1

11 12 1

21 22 21

1

1 2

i i i

m

i i i

m

i

i i i

m m m m

y y y

y y y

y y y

,

где 1

1 1

1 0

1 0 2

( 1) | ( ) ,

( 1) , ( ) , ( ) 1.

i

jk i

k j

y y t s t s

s t s y t y f t

Порождающий вероятностный автомат

A2 синтезирует сегменты элементов букв и

декоративных элементов, на основе эле-

ментов букв и декоративных элементов:

2 2 2 2 2 2( , , , , )A S X Y ,

где 2

2 2 2

2 1 2{ , , , }mS s s s – множество

состояний;

1

1 1 1

2 1 1 2{ , , , }nX Y y y y – множество

входных задач, которое совпадает с множе-

ством подзадач 1-ого уровня абстракции;

2 2 2 2 2 2 2{( , ) | , }Y y f y Y f F – множе-

ство кортежей, задающих выходы;

2

2 2 2

2 1 2{ , , , }nY y y y – множество под-

задач 2-ого уровня абстракции, соответст-

вуют сегментам элементов букв и декора-

тивных элементов;

2 {0,1}F – множество выходных фла-

гов, подаваемых на вход A1;

2 2 2 2 2: X S S S ,

2 2 1 2 2( 1) ( ( ), ( ), ( 1))s t y t s t s t – функция

переходов, характеризуется матрицей Δ2:

2

2

1 1 1 2

11 12 1

21 22 2

2

1 2

m

m

n n n m

,

в которой номер строки соответствует но-

меру текущей входной задачи, а номер

столбца – номеру текущего состояния, при

этом 21 2

ij ij ij

ij mp p p ,

где 2 2

2 2

2 1

2 2

( ( 1) | ( ) ,

( 1) , ( ) );

ij

k k j

k i

p p s t s s t s

s t s x t y

2 2 2 2 2: X S S Y ,

2 2 1 2 2( 1) ( ( ), ( ), ( 1))y t y t s t s t – функция

выходов, характеризуется матрицей M2:

2

2

1 1 1 2

11 12 1

21 22 2

2

1 2

m

m

n n n m

Μ Μ Μ

Μ Μ Μ

Μ Μ Μ

,

в которой номер строки соответствует но-

меру текущей входной задачи, а номер

столбца – номеру текущего состояния, при

этом:

2

2

2 2 2 2

11 12 1

21 22 2

1 2

ij ij ij

m

ij ij ij

m

ij

ij ij ij

n n n m

Μ Μ Μ

Μ Μ ΜΜ

Μ Μ Μ

,

ij ij ij

kl kl klΜ p p ,

где 2 2

2 2

2 1

2 2

( ( 1) ( ,0) | ( ) ,

( 1) , ( ) );

ij

kl k j

l i

p p y t y s t s

s t s x t y


91

2 2

2 2

2 1

2 2

( ( 1) ( ,1) | ( ) ,

( 1) , ( ) ).

ij

kl k j

l i

p p y t y s t s

s t s x t y

Проверка модели проводилась на то,

как она отражает индивидуальные свойства

пишущего. Индивидуальные свойства пи-

шущего хорошо проявляются в подписи. На

основе предлагаемой модели проведен ана-

лиз введенных образцов подписей (рис. 3) и

последующий синтез подписей на основе

этих образцов (рис. 4). Как видно, синтези-

рованные подписи отражают характерные

особенности данного пишущего и возмож-

ные вариации написания.

Рис. 3. Введенные образцы подписи

Рис. 4. Синтезированные подписи


1. Rabiner L.R. A Tutorial on Hidden

Markov Models and Selected Applications

in Speech Recognition // Proceedings of

the IEEE. – 1989. – 77(2), pp. 257-286.

2. Корн Г., Корн Е. Справочник по

математике для научных работников и ин-

женеров. – М.: Наука, 1974.

3. Liu C. et al. On-line Signature

Verification Using Local Shape Analysis. //

Proceedings of the Seventh International

Conference on Document Analysis and

Recognition (ICDAR 2003) – Edinburgh,

Scotland, UK. IEEE Computer Society. –

2003. – Vol. 1. – PP. 314-318.

4. Rabiee H., Shafiei M. A New On-

Line Signature Verification Algorithm

Using Variable Length Segmentation and

Hidden Markov Models // Proceedings of

the Seventh International Conference on

Document Analysis and Recognition

(ICDAR 2003) – Edinburgh, Scotland, UK.

IEEE Computer Society. – 2003. – Vol. 1.

– PP. 443-448.

5. Fierrez J. et al. HMM-based on-line

signature verification: feature extraction

and signature modeling // Pattern

Recognition Letters. – 2007. – Vol. 28,

№16, pp. 2325-2334.

6. Zhong-Hua Q., Kun-Hong L.

Online Signature Verification Based on

the Hybrid HMM/ANN Model // IJCSNS

International Journal of Computer Science

and Network Security. – 2007. – Vol. 7.

№3, pp. 313-322.

7. Gori M., Trentin E. A survey of

hybrid ANN/HMM models for automatic

speech recognition. // Neurocomputing. –

2001. – Vol. 37, pp. 91-126.

8. Бернштейн Н.А. О построении

движений. – М.: Медгиз, 1947.

9. Бернштейн Н.А. Очерки по фи-

зиологии движения и физиологии активно-

сти. – М.: Медицина, 1966.

10. Физиология человека. / Под ред.

В.М. Покровского, Г.Ф. Коротько. – М:

Медицина, 2001.


92

11. Gruber C. et al. Signature Verification

with Dynamic RBF Networks and Time Series

Motifs. // Proceedings of the 10th International

Workshop on Frontiers in Handwriting

Recognition (IWFHR). – La Baule, 2006. PP.

455-460.

12. McCabe A. et al. Neural Network-

based Handwritten Signature Verification. //

Journal of computers. – 2008. - Vol. 3, №8. –

PP. 9-22.


Шуб Дмитрий Анатольевич,

[email protected].


93

УДК 004.032.6

КРИТЕРИИ И АЛГОРИТМЫ ПОСТРОЕНИЯ СИСТЕМ АВТОМАТИЧЕСКОЙ КОНФИГУРАЦИИ АБОНЕНТОВ В МУЛЬТИМЕДИЙНЫХ КОММУНИКАЦИОННЫХ СЕТЯХ

В.В. Петухов, И.П. Проворова



В статье рассмотрены алгоритмы автоматической конфигурации абонента в стацио-

нарных и мобильных мультимедийных коммуникационных сетях. Рассмотрены критерии

построения инфраструктуры платформы, отвечающей нуждам компании провайдера

мультимедийных телефонных услуг. Высокий уровень подконтрольности такой сети, в ос-

новном в силу отсутствия еѐ зависимости от пожеланий пользователей в компании, позво-

ляет принимать решения об условиях использования корпоративного мобильного телефона на

уровне менеджмента компании, расширяя при этом функциональную составляющую и одно-

временно уменьшая расходы.

Введение

Большая часть компаний, работающих

в сегменте обеспечения связи, ищут пути

расширения спектра своих предложений, в

том числе и через предоставление интегри-

рованных голосовых и мультимедийных

услуг на базе уже существующей у них

инфраструктуры. Для телефонных компа-

ний это позволяет сохранить существую-

щих клиентов, для провайдеров интернет

Услуг, ISP (Internet Service Provider) – сулит

увеличить прибыльность, для компаний,

занимающихся междугородной связью, –

уменьшить стоимость обеспечения связью.

На пути к полной реализации этих планов

существует целый ряд технических про-

блем, находящихся в различных стадиях

решения. Одну из них мы и попытаемся

осветить в этой статье. Эта проблема свя-

зана с автоматической конфигурацией

абонентов (в дальнейшем, в дополнение к

термину «абонент» будем периодически

использовать стандартный термин, исполь-

зующийся в телекоммуникационных сис-

темах 3-го поколения, – оборудование

пользователя (UE-User Equipment) [1]), ре-

гистрирующихся с намерением использо-

вать услуги передачи голосовых и мульти-

медийных потоков в Интернет сетях.

Автоматическая конфигурация

абонента

Автоматическая конфигурация або-

нента (АКА) – это совокупность методов

внесения конфигурационной информации

как в оборудование пользователя (ОП), так

и в узел сервера подсоединения, для обес-

печения возможности обмена голосовой и

мультимедийной информацией [2]. Для

примера представим себе ситуацию с ад-

министрированием телефонизации рабоче-

го места нового сотрудника. При наличии

АКА, сотруднику выдается новое ОП, ко-

торое всего лишь нужно включить в ин-

транет компании, после чего конфигура-

ция происходит автоматически, и ОП го-

тово к использованию. Весьма целесооб-

разно использование АКА в организациях

с высокой текучестью кадров, сезонными

наборами новых сотрудников (студенты на

практике), частым перемещением точек

телефонизации и т.д. Выбирая метод кон-

фигурации, необходимо рассматривать не-


АЛГОРИТМЫ ПОСТРОЕНИЯ СИСТЕМ АВТОМАТИЧЕСКОЙ КОНФИГУРАЦИИ

94

сколько факторов:

1. Тип конфигурации (статическая или

в реальном времени).

2. Методы аутентификации пользователя.

3. Выбор коммуникационного протокола.

4. Структура, месторасположение

и метод передачи конфигурационной

информации.

Всѐ выпускаемое оборудование поль-

зователя (в частности интернет телефоны)

используют различные форматы и методы

внесения и хранения конфигурационной

информации, поэтому в статье рассмотрен

лишь минимально необходимый инстру-

ментарий для предоставления возможно-

сти автоматической конфигурации таких

абонентов. Для всех абонентов с возмож-

ностью автоматической конфигурации, в

самом простом варианте требуется:

1. Доступ к серверу протокола динами-

ческой конфигурации узла, DHCP (Dynamic

Host Configuration Protocol).

2. Доступ к серверу аутентификации.

В простейшем случае можно предполо-

жить, что абонент, получивший IP адрес,

аутентифицирован.

3. Информация о сервере выдачи кон-

фигурационной информации. Адрес, про-

токол, формат данных и метод аутентифи-

кации. В простейшем случае можно ис-

пользовать протокол передачи файлов, FTP

(File Transfer Protocol) – сервер, содержащий

необходимую статическую конфигураци-

онную информацию.

Рис. 1. Типовой алгоритм автоматической конфигурации абонента


95

На рис. 1 отражѐн типовой алгоритм

автоматической конфигурации абонента с

применением FTP сервера.

Из рис. 1 следует, что после под-

ключения ОП к сети происходит назна-

чение IP адреса и выдаѐтся адрес место-

положения сервера протокола обмена

файлами (FTP). Вторым шагом ОП за-

прашивает и получает конфигурацион-

ную информацию, которая в третьем ша-

ге изменяется сервером в соответствии с

требованиями ОП и сохраняется. По-

следний шаг – это регистрация ОП в ка-

честве нового абонента. Этот алгоритм

позволяет осуществлять автоматическую

конфигурацию абонентов с практически

любыми существующими серверами IP-

телефонии с конфигурационными изме-

нениями, которые, если и необходимы,

то только на уровне сетевой админист-

рации, что является плюсом.

В то же время типовой алгоритм АКА

имеет ряд недостатков. Не предусмотрено

использование сервера аутентификации,

что делает систему уязвимой для инфор-

мационных атак. В качестве источника

конфигурационной информации использу-

ется FTP сервер, что влечѐт за собой необ-

ходимость создания индивидуальных фай-

лов, имя которых соответствует MAC

(Media Access Control – управление досту-

пом к носителю) адресу ОП. Эти файлы

создаются вручную администратором, и в

каждом из них прописывается вся конфи-

гурационная информация для того или

иного абонента. Кроме того, существует

необходимость создания и поддержания

вручную добавочных номеров (номеров

для дозвона на конкретное оборудование

пользователя) на мини-АТС. Каждый из

создаваемых добавочных номеров соот-

ветствует упоминаемому в предыдущем

пункте файлу. Недостатком можно также

считать отсутствие централизованного мо-

дуля управления, что усложняет админи-

стрирование системы. Таким образом, ме-

тод конфигурации, осуществляемой по ал-

горитму, представленному на рис. 1, авто-

матическим можно назвать с известными

оговорками.

Расширение критериев, используемых в

типовом алгоритме автоматической

конфигурации абонента

Можно предложить несколько методов

улучшения функционала системы АКА,

которые варьируются от простого устране-

ния проблем, лежащих на поверхности, до

создания платформы, подходящей по своей

функциональности для использования про-

вайдерами с сотнями тысяч подписчиков.

Начнѐм с сервера аутентификации.

Его наличие необходимо при создании

любой системы, рассчитывающей обезо-

пасить себя от информационных атак.

Необходимо это как в системах, выдаю-

щих IP адреса всем запрашивающим

клиентам, то есть не аутентифицирован-

ным пользователям, так и в системах,

выдающих IP адреса только клиентам,

уже имеющих доступ в интранет, в по-

следнем случае, поскольку клиенты уже

аутентифицированы, для них всѐ ещѐ

нужна авторизация при доступе к кон-

кретным информационным ресурсам.

Аутентификационный сервер нужен для

хранения профилей пользователей

(включающих в себя информацию опре-

деляющую тип протокола для дальней-

шего обмена конфигурационными дан-

ными), их аутентификации авторизации.

Кроме того, он должен позволять вхо-

дить в систему незарегистрированному

Пользователю и давать ему определяе-

мые заранее администратором привиле-

гии доступа. Что касается протокола передачи фай-

лов (FTP) сервера, то в данном случае он является средством автоматического обме-на информацией и довольно далѐк от узко-специализированного и оптимизированного модуля обмена конфигурационной инфор-мацией. После этапа аутентификации не-обходимо решить задачу безопасного об-мена с оборудованием пользователя не-сколькими конфигурационными полями.



96

Полномасштабный FTP сервер слишком неуклюж для этой задачи. Вместо него можно использовать специальный протокол для обмена информацией с абонентом. Протокол должен поддерживать возмож-ность обмена парами “Ключ:Значение” и формат этих пар может меняться в зависи-мости от типа подключаемого ОП.

Индивидуальный набор абонентских

информационных данных должен автома-

тически создаваться для каждого ОП, ко-

торому аутентификационный сервер по-

зволяет получать регистрационную ин-

формацию. Этот набор будет содержать

всю информацию, необходимую ОП для

регистрации. Клиент получает определѐн-

ный уровень доступа к различным моду-

лям системы после консультации с моду-

лѐм авторизации.

Система, создающая индивидуальный

регистрационный пакет для ОП, так же ав-

томатически добавляет/убирает ОП в мо-

мент его регистрации/дерегистрации с воз-

можностью сохранения его настроек на

самом ОП с помощью механизма, схожего

с механизмом Cookie, стандартно исполь-

зуемого в интернет браузерах.

Единая консоль управления, позво-

ляющая создавать и администрировать

систему автоматической конфигурации ОП.

Консоль должна интегрироваться и позво-

лять управление всеми суб-системами

платформы, в частности, с сервером аутен-

тификации с системой мини АТС.

То, что перечислено выше, является

необходимым минимальным набором кри-

териев для автоматической конфигурации

абонента в мультимедийной сети.

Рассмотрим концепцию системы,

способной решать широкий круг задач,

стоящих перед провайдерами, с учѐтом

стационарного и мобильного ОП. Эта

система должна удовлетворять следую-

щим основным критериям [3]: Пользова-

тели должны иметь возможность полу-

чать зарегистрированный доступ к про-

вайдерской системе посредством различ-

ных методов, каждый из которых объе-

диняет использование IP протокола. Для

упрощения создания, администрирования

и интеграции системы она должна быть

выполнена в модульном исполнении. Это

в частности позволит упростить адапта-

цию платформы к требованиям конкрет-

ной задачи. Возможность обслуживания

стационарного и мобильного оборудова-

ния пользователя. Поддержка IPv4 (IP

version 4 – четвѐртая версия IP-

протокола) и IPv6 (IP version6 – шестая

версия IP-протокола). Распределение мо-

дулей системы по слоям в соответствии с

базовой эталонной моделью взаимодей-

ствия открытых систем, OSI (Open Sys-

tems Interconnection Basic Reference Mod-

el). Поддержка протокола SIP. Возмож-

ность подключения через цифровую або-

нентскую линию, DSL (Digital Subscriber

Line), кабельные модемы и Ethernet. Мо-

бильный доступ (GSM, CDMA и т.д.) и

беспроводной доступ (Wi-Fi, WiMAX и

т.д.). Поддержка протокола H.323, PSTN

и прочих протоколов VoIP через шлюзы

(Gateways).

Мультимедийная система IP, IMS (IP

Multimedia System), разрабатываемая

программой партнѐрства 3-го поколения,

3GPP (3rd Generation Partnership Program)

[4], хорошо подходит в качестве основы

для провайдерской системы, в том числе

благодаря своей модульности и широте

технологического охвата, причѐм первое

качество позволяет рассматривать только

те компоненты, которые необходимы для

конкретной задачи, а второе – подбирать

модули, близкие к критериям, изложен-

ным выше.

Принцип регистрации оборудования

пользователя, адаптированный к

требованиям АКА

Определения и сокращения:

Сервер домашнего абонента, HSS

(Home Subscriber Server) Сервер HSS явля-

ется основной базой данных для пользова-

теля системы. Это объект, содержащий ин-

формацию о подписчике, связанную с под-


97

держанием других сетевых объектов, фак-

тически обрабатывающих вызовы/сессии.

Функция контроля звонка – IMS(Call

Session Control Function (CSCF)): Функция

контроля звонка (CSCF) может выполнять

функцию Прокси CSCF (P-CSCF), обслу-

живающую CSCF(S-CSCF), Чрезвычайную

CSCF(E-CSCF) или запрашивающую CSCF

(I-CSCF). P-CSCF является первой точкой

контакта для пользователя в IMS (МСМ);

S-CSCF фактически управляет сессией со-

стояний пользователя в сети; E-CSCF

управляет некоторыми аспектами чрезвы-

чайных сессий, таких как маршрутизация

запросов при ЧП; I-CSCF является точкой

контакта в сети оператора для всех соеди-

нений IMS, предназначенных для ОП этого

оператора сотовой сети, или при роуминге,

ОП находящееся в настоящее время в этой

сети оператора и в зоне обслуживания.

Мультимедийная система IP – IMS (IP

Multimedia Subsystem): IP Multimedia

Subsystem включает в себя все элементы

CN для предоставления IP мультимедий-

ных услуг, состоящих из звука, видео, тек-

ста, чата и т.д.,. или любой их комбинации,

распространяемой в домене PS. Подсисте-

мами, относящимся к IMS, являются CSCF,

MGCF, MRF и так далее, как определено во

второй редакции IMS TS23.228 (Техниче-

ская спецификация IMS 23.228).

Процедура регистрации оборудования

пользователя в корпоративных

коммуникационных сетях

Как видно из определения HSS, этот

сервер предусматривает осуществление не-

обходимых операций, связанных с управ-

лением пользователем для обеспечения его

конфигурации и безопасного доступа к ка-

налам связи системы с возможностью

функционирования в доменах CS и PS.

Вместе с тем можно отметить отсутствие

функционального обеспечения присвоения

нового номера телефона в реальном режиме

времени ОП. На первый взгляд такая опция

как будто бы и не нужна, ведь регистри-

рующееся ОП уже обладает присвоенным

номером телефона мобильного абонента

цифровой сети с интегрированными услу-

гами, MSISDN (Mobile Subscriber Integrated

Services Digital Network), однако она ока-

жется необходимой, если мы хотим рас-

смотреть возможность регистрации ОП без

использования заранее определѐнного про-

вайдером MSISDN. Это можно применить

при использовании ОП в корпоративной

сети. Рассмотрим стандартную процедуру

регистрации, представленную на рис. 2.

Как следует из рисунка, регистрация

ОП происходит в два этапа и закачивается

аутентификацией ОП в сервере HSS без

выделения нового номера телефона. Но как

отмечено ранее, этой процедуры сущест-

вующим стандартом и не предусмотрено.

Для того чтобы эта услуга была оказана,

ОП после изначальной регистрации в сер-

вере HSS должен запросить авторизацию

для доступа в новый неописанный стан-

дартом сервис выделения номеров (Number

Allocation Service – NAS) и в случае ус-

пешной авторизации скоррелировать вновь

выделенный номер (MSISDN) с Междуна-

родной идентификацией мобильного або-

нента, IMSI (International Mobile Subscriber

Identity) – номер с уникальным определи-

телем мобильного абонента, который часто

используется в качестве первичного ключа

в базе данных в сервере HSS, содержащей

профили пользователей.

Укажем на возможные применения

этой технологии.

Некоторые мобильные операторы уже

сейчас внедрили технологию нелицензиро-

ванного мобильного доступа, UMA

(Unlicensed Mobile Access) в свою инфра-

структуру, что в частности разрешает ис-

пользование своего мобильного номера

(MSISDN) в сетях WiMAX или Wi-Fi, без

траты дорогостоящих мобильных минут

(используется Wi-Fi, а деталями соедине-

ния в домене PS занимается провайдер,

установивший инфраструктуру UMA).



98

Можно подключать в сеть вместо теле-

фона его прокси, являющейся модулем кор-

поративной мини АТС, которая может в том

или ином объѐме использовать модель IMS,

но уже не у провайдера, а внутри корпора-

ции. Это, в свою очередь, позволяет про-

водить политику переадресации звонков

внутрикорпоративно и в принципе вообще

отказаться от роуминга (если стоимость ин-

новации меньше затрат на роуминг, корпо-

Рис. 2. Стандартная процедура регистрации ОП в IMS


99

ративные продажи будут делом не слож-

ным). Ещѐ один пример – вновь выделен-

ный номер может рассматриваться как ло-

гическая замена SIM карты на новую. При

перемещении ОП из региона в регион

(страны в страну), замещение номера теле-

фона может происходить на уровне про-

вайдера, требуя от подписчика только под-

тверждения этого действия через ОП. Фи-

нансовые аспекты этой трансакции будут

происходить в добавленных модулях IMS

без вовлечения подписчика, на основании

правил, созданных по предварительным до-

говорѐнностям между провайдерами. До-

полнения и возможные вариации АКА

достаточно широки и позволяют предло-

жить целый ряд инновационных решений

для корпоративного или частного пользова-

теля, что выходит за рамки данной статьи.


В данной статье не ставилась задача де-

тального описания всех методов воплоще-

ния системы автоматической конфигурации

абонента. Исследована инфраструктура

платформы, которая в состоянии отвечать

нуждам компании провайдера мультиме-

дийных и телефонных услуг для стационар-

ного и мобильного оборудования пользова-

теля. Перспективным является применение

систем с автоматической конфигурацией

абонента, не использующего номер мобиль-

ного абонента цифровой сети с интегриро-

ванными услугами (MSISDN) в системах

разного масштаба и назначения телефонии в

корпоративной сети. Высокий уровень под-

контрольности такой сети, в основном в си-

лу отсутствия еѐ зависимости от пожеланий

пользователей в компании, позволяет при-

нимать решения об условиях использования

корпоративного оборудования пользователя

на уровне менеджмента, расширяя при этом

функциональную составляющую и одно-

временно уменьшая расходы на оплату ус-

луг провайдера.

Несмотря на хорошо проработанную

структуру платформы IMS, в литературе не

достаточно внимания уделено возможно-

сти автоматической конфигурации абонен-

та. При этом возникает интересное поле

для разработки новых принципов и мето-

дов в создании инновационных систем ав-

томатической конфигурации абонента, яв-

ляющихся частью функционально полной,

модульной платформы для управления и

обслуживания оборудования пользователя.

В частности, большой интерес представля-

ет создание методов назначения номеров,

критерии их присвоения, а также методов

возможной оплаты услуг подсоединения в

реальном времени без предварительных со-

глашений, критериев роуминга и др. Загля-

дывая вперѐд, можно ожидать, что решение

этих вопросов в корне изменит методы ис-

пользования Оборудования Пользователя в

корпоративных информационных сетях.


1. History of VoIP,

http://www.utdallas.edu/bjackson/history.html.

2. Rfc 741. 1976.

3. Cisco BTS 10200 Softswitch SIP

Feature and Provisioning Guide. Cisco, July

2008.

4. Skype for business. 2008 Skype

Limited, 2008.


Петухов Владислав Викторович,


Проворова Ирина Павловна,


http://www.utdallas.edu/



Documents

mirea.ruJ _ ^ Z d p b h g g h e e _ ] b: .. ( ] e Z \ g u c _ ^ Z d l h j), .. h j, .. h j b g ( a Z f _ k l b l _ e b e Z \ g h ] _ ^ Z d l h j),