close

Вход

Забыли?

вход по аккаунту

SCIENCE INDEX*org - Основы организации научной работы;ppt

код для вставкиСкачать
Выходит два раза в квартал
Научный журнал издается с января 2003 года
Главный редактор М . П . Б а т у р а
Редакционная коллегия:
А.П. Кузнецов (зам. главного редактора),
Л.М. Лыньков (зам. главного редактора),
Т.В. Борботько (ответственный секретарь),
В.Е. Борисенко, С.Е. Карпович, Н.Т. Квасов, В.К. Конопелько,
А.А. Кураев, В.А. Лабунов, В.В. Муравьев, Р.Х. Садыхов
Редакционный совет:
И.И. Абрамов, В.Е. Агабеков, В.В. Баранов, А.И. Белоус, И.В. Боднарь, С.В. Бордусов,
С.В. Гапоненко, В.В. Голенков, В.Ф. Голиков, А.Л. Гурский, Л.И. Гурский, А.П. Достанко,
В.А. Емельянов, И.Е. Зуйков, В.М. Колешко, Ф.Ф. Комаров, Ф.П. Коршунов, С.П. Кундас,
В.А. Куренев, В.И. Курмашев, Н.И. Листопад, С.В. Лукьянец, В.Е. Матюшков, Л.И. Минченко,
Ф.И. Пантелеенко, А.А. Петровский, В.А. Пилипенко, С.Л. Прищепа, A.M. Русецкий, В.А. Сокол,
Н.К. Толочко, А.А. Хмыль, В.В. Цегельник, В.А. Чердынцев, Г.П. Яблонский, В.Н. Ярмолик
АДРЕС РЕДАКЦИИ:
220013, Минск, ул. П. Бровки, 6, к. 326
293-88-41
[email protected]
www.doklady.bsuir.by
СОДЕРЖАНИЕ
ЭЛЕКТРОНИКА, РАДИОФИЗИКА, РАДИОТЕХНИКА, ИНФОРМАТИКА
Гололобов Д.В., Иванова Е.Ю., Кирильчук В.Б. Изменение отражательных характеристик
анизотропных сред при вариациях параметров наполнителя: круговая поляризация ......................
Ловшенко И.Ю., Стемпицкий В.Р., Турцевич А.С., Шелибак И. Проектирование IGBTприбора высокого быстродействия ........................................................................................................
Бойправ О.В., Столер Д.В., Борботько Т.В, Казека А.А. Влияние микрорельефа поверхности
композитных материалов на их оптические свойства ..........................................................................
Прытков В.А. Функция расстояния между строками на основе кусочно-постоянной модели ........
10
Шилин Д.Л., Пучинец В.В., Шилин Л.Ю. Анализ управляемых генераторов систем фазовой
синхронизации .........................................................................................................................................
Шоркин А.П. Алгоритм экстракции значимой информации из страниц web-сайтов ......................
29
Дайняк И.В., Жарский В.В., Карпович С.Е. Траекторное управление координатными
системами субмикронного оборудования микроэлектроники ............................................................
Овсянников А.В. Интервальное прогнозирование нестационарных процессов, описываемых
стохастическими дифференциальными уравнениями с переменными параметрами ........................
5
16
22
33
38
43
1
Дидковский Р.М., Первунинский С.М., Бокла Н.И. Базовые методы модуляции стохастических
сигналов .....................................................................................................................................................
Гейстер А.С. Способ адаптивной когерентной компенсации сигнала, отраженного от корпуса
автомобиля при обращенном синтезе апертуры антенны ....................................................................
Волков К.А., Конопелько В.К., Сиротко И.И., Цветков В.Ю. Система панорамного
видеонаблюдения с управляющей связью от оператора ......................................................................
Солонар А.С., Хмарский П.А., Михалковский А.А. Особенности фильтрации координат и
параметров движения объекта на этапе совершения установившегося разворота ............................
Искра Н.А. Решение задачи разграничения доступа в систему на основе нейронной сети
свертки ......................................................................................................................................................
Давыдовский А.Г., Ел-Грейд М., Яшин К.Д., Осипович В.С., Пилиневич Л.П.,
Гедранович Ю.А., Томашевич Е.В. Информационное и математическое моделирование
надежности профессиональной деятельности операторов ..................................................................
КРАТКИЕ СООБЩЕНИЯ
Шаталова В.В. Выращивание монокристаллов CuIn13S20 и структуры на их основе ......................
Королькова О.И., Козел В.М., Горбачев К.Л. Методика расчета коэффициентов усиления
антенн передатчика и приемника помехи при анализе электромагнитной совместимости
радиоэлектронных средств .....................................................................................................................
Крупнов Ю.П. Применение дивергентных схем для задачи Баклея-Леверетта ...............................
Учредитель: учреждение образования
"Белорусский государственный университет информатики и радиоэлектроники"
Редактор Т. В. МИРОНЕНКО
Компьютерный дизайн и верстка О. В. БОЙПРАВ
Подписано в печать 04.06.2013. Формат 6084 ⅛. Гарнитура "Таймс". Бумага офсетная.
Отпечатано на ризографе. Усл. печ. л. 11,39. Уч.-изд. л. 9,5. Тираж 100 экз. Заказ 206.
Индекс для индивидуальной подписки
00787.
Индекс для ведомственной подписки
007872.
Отпечатано в БГУИР. ЛП № 02330/0494175 от 03.04.2009. 220013, г. Минск, ул. П. Бровки, 6.
Издатель: учреждение образования «Белорусский государственный университет информатики и радиоэлектроники».
Свидетельство о государственной регистрации средства массовой информации № 1087 от 23.01.2010.
 УO «Белорусский государственный университет
информатики и радиоэлектроники», 2013
2
50
56
61
67
74
79
85
89
93
Published twice quarterly
The journal has been published since January, 2003
Editor-In-Chief M . P . B a t u r a
ADDRESS OF EDITORIAL OFFICE
220013, Minsk, P. Brovka Str., 6, Room 326
293-88-41
[email protected]
www.doklady.bsuir.by
CONTENTS
ELECTRONICS, RADIOPHYSICS, RADIOENGINEERING, INFORMATICS
Gololobov D.V., Ivanova E.Yu., Kirilchuk V.B. Change of reflective characteristics of anisotropic
environments at variations of parameters of the filler: circular polarization .............................................
Lovshenko I.Yu., Stempitsky V.R., Turtsevich A.S., Shelibak I. Design of high-speed IGBT device ........
5
10
Boiprav O.V., Stoler D.V., Borbotko T.V., Kazeka A.A. Influence of the composite materials
surface microrelief on their optical properties ...........................................................................................
Prytkov V.A. Function of distance between the strings based on piecewise constant model ...................
16
Shilin D.L., Puchynets V.V., Shilin L.Yu. Analysis of phase-locked system voltage controlled
oscillators ...................................................................................................................................................
Shorkin A.P. Algorithm for mining of core websites parts for informational search efficiency ..............
29
Dainiak I.V., Jarski V.V., Karpovich S.E. Trajectory control of coordinate systems of submicron microelectronics equipment ...........................................................................................................................
38
22
33
Ausiannikau A.V. Interval prediction of non-stationary processes, described by stochastic differential equations with variable parameters.................................................................................................... 43
Didkowsky R.M., Pervuninskii S.M., Bokla N.I. Basic methods of stochastic signal modulation .................. 50
Heister A.S. Method for adaptive coherent compensation of signal reflected from car body ...................
56
Volkov К.А., Kanapelka V.K., Sirotko I.I., Tsviatkou V.Yu. System of panoramic video surveillance with the operator ............................................................................................................................... 61
Solonar A.S., Khmarski P.A., Mikhalkovski A.A. Features of filtering using coordinated turn models .......... 67
Iskra N.A. A solution to system access problem based on convolutional neural network approach ...................
74
3
Davidovsky A.G., El-Greyd М., Yashin K.D., Osipovich V.S., Pilinevich L.P., Hedranovych Yu.A, Tomashevich E.V. Informational and mathematical simulation of the operator professional reliability.................. 79
SHORT NOTES
Shatalova V.V. Growth of CuIn13S20 single crystals and structures on their basic ...................................
Korolkova O.I., Kozel V.M., Gorbachev K.L. Calculation methods of gain factors of transmitter and
noise receiver antennas in analysis of electromagnetic compatibility........................................................
Krupnov Yu. P. Divergent schemes for Backley-Leverett problem application ......................................
4
85
89
93
ДОКЛАДЫ БГУИР
№ 4 (74)
2013
УДК 621.371:550.837.6
ИЗМЕНЕНИЕ ОТРАЖАТЕЛЬНЫХ ХАРАКТЕРИСТИК АНИЗОТРОПНЫХ
СРЕД ПРИ ВАРИАЦИЯХ ПАРАМЕТРОВ НАПОЛНИТЕЛЯ: КРУГОВАЯ
ПОЛЯРИЗАЦИЯ
Д.В. ГОЛОЛОБОВ, Е.Ю. ИВАНОВА, В.Б. КИРИЛЬЧУК
Белорусский государственный университет информатики и радиоэлектроники
П.Бровки, 6, Минск, 220013, Беларусь
Поступила в редакцию 20 декабря 2012
Приведен анализ частотных зависимостей модулей коэффициента отражения электромагнитной волны с ортогональными поляризациями в круговом базисе от электродинамических параметров наполнителя анизотропной среды плазмоподобного типа. Установлены закономерности трансформаций частотных характеристик волн с круговой поляризацией при
фиксированных электродинамических параметрах потока частиц, пронизывающих магнитодиэлектрический наполнитель. Полученные результаты могут использоваться в качестве
опорных сведений о реакции среды при создании радиотехнических систем поиска и идентификации анизотропных неоднородностей на фоне изотропной подстилающей среды.
Ключевые слова: электромагнитная волна, круговая поляризация, анизотропная среда, модуль коэффициента отражения, диэлектрическая проницаемость, удельная проводимость,
резонансная частота.
Введение
В работе [1] проведены результаты исследований трансформаций отражательных характеристик анизотропной среды плазмоподобного типа (АСПТ) при изменениях параметров
потока частиц и магнитодиэлектрического наполнителя, позволяющие проводить приближенные оценки искажений электромагнитных волн (ЭМВ) с линейной поляризацией по сравнению
с воздействием на изотропную среду. Там же сформулированы пространственнопараметрические условия задачи, сохраним их для данной статьи, изменив лишь поляризацию
воздействующей на АСПТ волны. При этом проведем исследования ортогональных поляризаций в круговом базисе.
Задачей настоящей статьи является сравнение отражательных характеристик АСПТ и
изотропной среды для ЭМВ с круговой поляризацией при вариациях электродинамических параметров наполнителя при фиксированных параметрах потока частиц, пронизывающего среду,
находящуюся в слабом стационарном магнитном поле.
Коэффициенты отражения АСПТ при воздействии ЭМВ круговой поляризации
При воздействии ЭМВ с круговой поляризацией под произвольным углом P на АСПТ
с заданными электродинамическими параметрами напряженности падающей и отраженной
волн оказываются связанными следующими выражениями.
1. Соотношение между падающей EП волной с правой круговой поляризацией и отраженной EO волной определяется как
EO  RP EП
(1)
5
где коэффициент отражения для правой поляризации
RP ( f ,  R ) 
2
2
RГ2 ( f ,  R )  RГВ
( f ,  R )  RВ2 ( f ,  R )  RВГ
( f , R )
2
 RP exp P ,
(2)
который учитывает RГ ( f ,  R ), RВ ( f ,  R ) – коэффициенты отражения АСПТ для вертикальной и
горизонтальной поляризации, RГВ ( f ,  R ), RВГ ( f ,  R ) – кросполяризационные составляющие
коэффициентов отражения АСПТ при вертикальной и горизонтальной поляризации [1],
ε R  ε1  ε 2 – комбинационный элемент тензора диэлектрической проницаемости АСПТ,
ε1, ε 2 – компоненты тензора.
2. Соотношение между падающей EП волной с левой круговой поляризацией и отраженной EO волной определяется как
EП  RL EО ,
(3)
где коэффициент отражения ЭМВ левой поляризации
RL ( f ,  R ) 
2
2
RВ2 ( f ,  R )  RВГ
( f ,  R )  RГ2 ( f ,  R )  RГВ
( f , R )
2
 RP exp P .
(4)
При этом комбинационный элемент тензора ε R является зависимым от параметров потока частиц с равными концентрациями электронов и ионов Ne = Nu = N, пронизывающим плотный магнитодиэлектрический наполнитель, а также частот столкновения νе и νu .
Коэффициенты Френеля для ЭМВ с левой и правой круговой поляризациями в случае
изотропной подстилающей среды определяются выражениями
RРи ( f , r ) 
RВи ( f , r )  RГи ( f , )
,
2
(5)
RВи ( f , r )  RГи ( f , r )
(6)
,
2
где ε r  ε r  j 60λσ r – комплексная диэлектрическая проницаемость наполнителя.
В работе проводятся численные оценки (2), (4), (5), (6) при вариациях абсолютной диэлектрической проницаемости ε r и удельной проводимости σ r для определения закономерности трансформации коэффициентов отражения ЭМВ двух видов круговой поляризации.
RLи ( f , r ) 
Численные исследования коэффициентов Френеля при воздействии ЭМВ круговой
поляризации
Частотные зависимости коэффициентов отражения изотропной подстилающей среды
при различных значениях диэлектрической проницаемости для ЭМВ с правой и левой круговой
поляризациями приведены на рис. 2, а, б. Анализ сечений объемных частотных характеристик
показывает, что наблюдается значительное отличие модулей коэффициентов при всех значениях проницаемости равное ΔR = 0,5. При этом большим значением обладает волна с левой круговой поляризацией. Для проницаемости ε r = 1 частотная характеристика является резонансной, имеющей максимум на частоте, соответствующей электронному циклотронному резонансу.
6
RPи
RLи
εr
f, Гц
εr
f, Гц
а
б
RP
RL
εr
εr
f, Гц
f, Гц
в
г
Рис. 2. Трансформация частотной характеристики модуля коэффициента отражения ЭМВ
правой (а, в) и левой (б, г) круговой поляризации при вариации диэлектрической
проницаемости изотропного (а, б) и анизотропного (в, г) наполнителя
Анализ модулей коэффициентов Френеля для волн с правой и левой поляризациями
(рис. 2, в, г) показывает существенные отличия их частотных характеристик. При воздействии
ЭМВ с левой круговой поляризацией частота, соответствующая максимальному отражению
уменьшается с ростом диэлектрической проницаемости по экспоненциальному закону. Для
правой поляризации ЭМВ характерным является ее поглощение по тому же закону. Изменение
проницаемости на порядок приводит к смещению резонанса на 500 МГц. Сравнения с изотропной средой дают достаточно существенные приращения, которые несложно зафиксировать при
реальных измерениях.
При правой круговой поляризации резонансная частота изменяется более резко, чем
при левой. В области частот больших резонансной наблюдается существенное отличие характера поведения модуля коэффициента отражения.
Сопоставления результатов исследований с данными, полученными в [1] для линейно
поляризованных волн, свидетельствуют о существенном отличии частотных зависимостей коэффициента отражения для правой и линейно поляризованных ЭМВ. Для левой ЭМВ контраст
коэффициентов отражения не существенен.
На основе отличий модулей коэффициента отражения как между двумя ортогональными круговыми поляризациями, так и отдельными круговыми для изотропной и анизотропной
среды, могут быть предложены новые методы определения границ неоднородностей на подстилающем фоне.
Результаты численного анализа коэффициентов отражения ЭМВ круговой поляризации
при вариациях удельной проводимости изотропного и анизотропного наполнителей приведены
на рис. 3.
7
RLи
RРи
σr, См/м
f, Гц
σr, См/м
f, Гц
а
б
RP
RL
σr, См/м
f, Гц
в
σr, См/м
f, Гц
г
Рис. 3. Трансформация частотной характеристики модуля коэффициента отражения ЭМВ
правой (а, в) и левой (б, г) круговой поляризации при вариации удельной проводимости
изотропного (а, б) и анизотропного (в, г) наполнителя
Анализ сечений объемной частотной характеристики для изотропной среды
(рис. 3, а, б) показывает, что на частотах 100…600 МГц коэффициент отражения для правой
волны линейно убывает, а для левой волны – линейно растет. Как показывает ортогональное
сечение приведенных характеристик, с увеличением частоты происходит экспоненциальное
возрастание значения коэффициента отражения для правой поляризации ЭМВ и его экспоненциальное уменьшение с ростом частоты для левой круговой поляризации. При правой поляризации на высоких частотах с увеличением σr значение коэффициента отражения максимально и
постоянно, а при левой поляризации возрастает линейно.
Сравнения с данными, полученными в [1] для линейно поляризованных волн, свидетельствуют о существенном отличии частотных зависимостей коэффициента отражения для
правой и вертикально поляризованной ЭМВ. Так, если для правой волны RРmax = 0,48, то для
линейно поляризованных волн RBmin = 0,48 и RГmin = 0,58. Для левой ЭМВ контраст коэффициентов отражения для изотропного наполнителя не существенен.
При воздействии ЭМВ с левой круговой поляризацией уменьшение удельной проводимости σr наполнителя АСПТ, частотная зависимость из экспоненциально возрастающей переходит в резонансную. При этом максимальное значение коэффициента отражения равно 0,4.
Для левой волны характерным является убывание RL с ростом частоты при малых значениях
проводимости. Дальнейшее уменьшение проводимости, начиная с σr = 10–3 См/м, не приводит к
изменению резонансной кривой. Резонансы для вертикальной и горизонтальной поляризаций
существенно отличаются. Так, если для σr = 10–3 См/м RРmax = 0,4 при fрез = 400 МГц, то RLmin = 0
для начального диапазона проводимостей свыше 600 МГц.
8
Результаты и их обсуждение
Исследования влияния электродинамических параметров на модуль коэффициента отражения позволили установить некоторые закономерности влияние вида поляризации, диэлектрической проницаемости и проводимости наполнителя АСПТ на частотные смещения экстремумов коэффициента отражения ЭМВ. Сравнения трансформаций частотных зависимостей
свидетельствуют о возможности построения ряда способов идентификации специфического
анизотропного образования плазмоподобного типа, основанных на регистрации искажений параметров ЭМВ, обусловленных наличием контраста коэффициентов отражения волн различных поляризаций. При реализации способов полученные результаты можно использовать при
регистрации изменений параметров антенн различных поляризаций. При формировании поля
падающей волны можно использовать поляризационную модуляцию [2].
Полученные частотные зависимости коэффициентов отражения позволяют проводить
оценку трансформаций сигналов, используемых для поиска АСПТ, в частотной и временной
областях. Радиотехнические системы или комплексы для идентификации АСПТ должны включать адаптивную схему (рис. 4), позволяющую определять примерные электродинамические
параметры подстилающей среды.
Рис. 4. Схема адаптации к параметрам наполнителя: 1 – измерительная антенна; 2 – измеритель параметров; 3 – схема сравнения; 4 – блок опорной информации; 5 – блок регулирования
Схема предусматривает сравнение измеренной информации (блок 2) о параметрах подстилающей среды S И с помощью антенны 1 и опорной информации SОИ об электродинамических параметрах (блок 4). После сравнения на схеме 3 вырабатывается сигнал об отличии измеренной и опорной информации S  | SИ – SОП | , поступающей на блок регулирования 5,
осуществляющего корректировку измерительного блока и антенны. Представленный в статье
массив данных может послужить основой для создания блока опорных сведений о взаимосвязи
электродинамических параметров наполнителя и резонансной частоты взаимодействия воздействующей волны с заданными пространственными характеристиками и АСПТ.
CHANGE OF REFLECTIVE CHARACTERISTICS OF ANISOTROPIC
ENVIRONMENTS AT VARIATIONS OF PARAMETERS OF THE FILLER:
CIRCULAR POLARIZATION
D.V. GOLOLOBOV, E.Yu. IVANOVA, V.B. KIRILCHUK
Abstract
The analysis of the frequency dependencies the reflection coefficient of the modules of electromagnetic
wave with orthogonal polarizations in a circular basis of electrodynamics parameters of anisotropic environment
from plasma like type filler are given. The laws of frequency characteristics transformation of the waves with
circular polarization at fixed electrodynamics parameters of stream of particles that penetrate a magnet the dielectric filler. The results obtained can be used as reference information about the reaction environment of the radio search and identification system of anisotropic not uniformity against the isotropic spreading environment.
Список литературы
1. Гололобов Д.В., Иванова Е.Ю., Кирильчук В.Б. / Докл. БГУИР. 2012. № 6 (68). C. 5–11.
2. Гусев К. Г., Филатов А. Д., Сополев А. П. Поляризационная модуляция. М., 1974.
9
ДОКЛАДЫ БГУИР
№ 4 (74)
2013
УДК 519.248:621.382
ПРОЕКТИРОВАНИЕ IGBT-ПРИБОРА ВЫСОКОГО БЫСТРОДЕЙСТВИЯ
И.Ю. ЛОВШЕНКО, В.Р. СТЕМПИЦКИЙ, А.С. ТУРЦЕВИЧ, И. ШЕЛИБАК
Белорусский государственный университет информатики и радиоэлектроники
П. Бровки, 6, Минск, 220013, Беларусь
Поступила в редакцию 20 марта 2012
Представлены результаты исследования влияния технологических параметров формирования структуры IGBT-прибора на его динамические характеристики. Показано, что быстродействие (время включения и выключения) структуры существенно определяется технологическими параметрами формирования как биполярного транзистора, так и МОПтранзистора – составляющих элементов IGBT-прибора. Показано, что на быстродействие
прибора не влияет уровень концентрации примеси в эмиттере биполярного транзистора и
проявляется лишь небольшое влияние степени легирования базы. В большей мере динамические характеристики IGBT-структуры определяются дозой и энергией ионов при имплантационном подлегировании области канала МОП-транзистора (при увеличении дозы в 2 раза время включения и выключения снижаются почти на 20 % каждое, а при увеличении
энергии ионов на 20 % длительность выходного импульса увеличивается почти на 25 %).
Ключевые слова: биполярный транзистор с изолированным затвором, IGBT-структура, конструкция, технология изготовления, динамические характеристики, оптимизация.
Введение
Среди современных приборов силовой электроники в настоящее время доминируют два
базовых типа: полевые транзисторы (Metal–Oxide–Silicon–Field Effect Transistor, MOSFET)
и биполярные транзисторы с изолированным затвором (Isolated Gate Bipolar Transistor, IGBT),
а также различные интегрированные структуры на их основе. Многочисленные требования
к мощным электронным системам (низкие потери при переключении, малое падение напряжения во включенном состоянии, высокое сопротивление в выключенном состоянии, высокое
быстродействие и пр.) стимулируют исследования новых конструкций, технологий изготовления и материалов структурных элементов этих приборов.
IGBT вследствие своих исключительных функциональных характеристик, сочетающих
положительные свойства мощных полевых и биполярных транзисторов, широко используется в
силовой электронике, в устройствах электрической тяги и двигателях переменного тока, индуктивных системах отопления, радиологических системах, источниках бесперебойного питания, переключающих элементах [1–4].
Совершенствование IGBT приборных структур направлено на повышение быстродействия, а также уровней коммутируемых токов и напряжений.
Методы повышения быстродействия IGBT-структуры
Рассмотрим основные физические явления, происходящие в IGBT-структуре
в переходных процессах и определяющие степень быстродействия прибора.
В процессе переключения IGBT-прибора последовательное сопротивление RGE между
затвором и эмиттером обеспечивает разряд входной емкости затвор-эмиттер CGE.
При прекращении подачи управляющего импульса ток коллектора уменьшается, и протекание тока в МОП-транзисторе IGBT-структуры останавливается (ток базы биполярного
10
транзистора равен нулю). Биполярный транзистор возвращается в свое запирающее состояние
и IGBT структура оказывается в выключенном состоянии.
Длительность выключения IGBT прибора toff, согласно работе [5], определяется как
время, необходимое для уменьшения тока коллектора IC от 90 % его значения
в установившемся режиме (момент времени t0 на рис. 1) до 10 % этого значения в процессе выключения прибора (момент времени t0+toff). В переходном процессе выключения IGBT структуры явно выделяются три характерные области зависимости тока коллектора IC от времени t.
IС, отн. ед.
1,0
0,9
0,1
0
t0 t0 +tr
t0 +toff
t, отн. ед.
Рис. 1. Типичная зависимость тока коллектора Ic от времени при выключении IGBT [5]
Первая область спада тока коллектора биполярного транзистора при выключении IGBT
прибора t0 < t ≤ (t0 + tr) характеризуется крутой зависимостью IC(t), определяющейся постоянной времени разряда емкости затвор-эмиттер CGE и сопротивлением RGE. Очевидно, что посредством варьирования величин RGE и CGE можно регулировать динамические характеристики
IGBT-прибора, определяемые этим первым участком зависимости IC(t).
Вторая область, (t0 + tr) < t ≤ (t0 + toff), зависимости IC(t) характеризуется гораздо меньшей скоростью спада тока коллектора биполярного транзистора во времени. В момент выключения IGBT-прибора в базе биполярного транзистора, как составной части IGBT-структуры,
устанавливается высокая концентрация дырок и электронов. Кроме рекомбинации, не существует других механизмов, по которым неосновные носители могли бы быть удалены из базы.
В результате указанного процесса рекомбинации носителей заряда IGBT-прибор может быть
полностью выключен. Таким образом, интервал времени спада (t0 + tr) < t ≤ (t0 + toff) зависит от
времени жизни носителей в базе. Длительность этого интервала зависимости IC(t) можно
уменьшить посредством облучения электронами или имплантации протонов (локализованное
уменьшение времени жизни носителей заряда) в n+-буферный слой IGBT-структуры. Указанные способы управления интервалом (t0 + tr) < t≤ (t0 + toff) длительности выключения IGBT приводят к уменьшению коэффициента усиления биполярного транзистора и к увеличению падения прямого напряжения IGBT-прибора [4].
Следует отметить, что замедленный спад тока коллектора в токовом «хвосте» (третья
область, t > (t0 + toff), зависимости IC(t)) приводит к повышению потери энергии при выключении IGBT-структуры.
Моделируемая структура IGBT прибора
Оптимизационные исследования зависимости динамических характеристик IGBTприбора от технологических параметров его изготовления проводились для структуры, представленной на рис. 2. Моделирование технологического процесса формирования IGBTструктуры осуществлялось с использованием модуля ATHENA, а его электрических характеристик – с использованием модуля ATLAS программного комплекса компании Silvaco [6],
предназначенного для приборно-технологического проектирования изделий микроэлектроники. В качестве значимых технологических параметров при оптимизации динамических характеристик исследуемой структуры были выбраны концентрация примесей в базе NB и в эмиттере
NE биполярного транзистора, а также имплантационные характеристики процесса подлегирования канала МОП-транзистора – доза DCH и энергия ECH ионов акцепторной примеси.
11
Типичная геометрия IGBT, рассмотренная в работе [4] при анализе электрических характеристик, а также в [7] при исследовании влияния технологических параметров на напряжение пробоя прибора, была выбрана и в данной работе в качестве моделируемой структуры. В
этой структуре толщина эпитаксиального слоя равна 141 мкм, а толщина р+-коллекторного
слоя – 17 мкм.
Рис. 2. Геометрия исследованной IGBT-структуры:
Е – эмиттер; С – коллектор; B – база; S – исток; G – затвор; D – сток; А – область, использованная в [7]
Результаты исследования влияния технологических параметров
на динамические характеристики IGBT
Основная цель работы состояла в исследовании влияния технологических параметров
формирования IGBT-структуры на ее динамические характеристики – время включения ton
и выключения toff, а также на длительность выходного импульса. В качестве исследуемых факторов технологии формирования структуры были выбраны параметры имплантационных процессов формирования структурных областей IGBT биполярного транзистора и МОПтранзистора как составных частей исследованной структуры.
На рис. 3 представлены форма и длительность управляющего импульса, подаваемого на
затвор исследуемой IGBT-структуры.
Рис. 3. Управляющий импульс, подаваемый на затвор исследуемой IGBT-структуры
12
Результаты исследования влияния технологических параметров на динамические характеристики IGBT (зависимости IC от t) представлены на рис. 4–7.
Влияние концентрации примеси в базе NB биполярного p-n-p-транзистора – составного
элемента исследуемой IGBT структуры на ее динамические характеристики показано на рис. 4.
Анализ полученных зависимостей позволяет сделать вывод, что изменение величины концентрации примеси NB в базе биполярного транзистора не оказывает существенного влияния на
время включения ton IGBT прибора: 0,9 мкс для NB = 6,71∙1013 см-3 и 0,89 мкс для
NB = 6,51∙1013 см-3.
Рис. 4. Динамические характеристики исследуемой IGBT-структуры при вариации концентрации примеси в базе биполярного транзистора NB, см-3 (NB = 6,71∙1013 (1); 6,61∙1013 (2); 6,51∙1013 (3))
Проведены исследования зависимости динамических характеристик структуры
от величины максимальной концентрации примеси в эмиттере NE биполярного транзистора.
Обобщенные результаты, представленные на рис. 5, показывают, что концентрация примеси в
эмиттере биполярного транзистора NE еще в меньшей степени, чем NE, влияет
на характеристики включения/выключения IGBT.
Рис. 5. Динамические характеристики исследуемой IGBT-структуры при вариации
концентрации примеси в эмиттере биполярного транзистора NE, см-3 (1∙1018; 1∙1019 и 1∙1020)
13
Рассчитанные динамические характеристики для IGBT-структур с разными дозами DCH
имплантации примеси в область канала МОП-транзистора приведены на рис. 6. Показано, что
этот технологический параметр существенно влияет на динамические характеристики IGBTструктуры. Так, при повышении величины DCH от 3,4∙1013 до 7,4∙1013 cм-2 время включения ton
снижается почти на 25 % (от 1,0 до 0,8 мкс), а время выключения toff – почти на 20 % (от 0,25 до
0,2 мкс). Этот эффект можно объяснить изменением длительности заряда и разряда емкости
перехода затвор-эмиттер CGE, определяющейся степенью легирования канала МОПтранзистора.
Рис. 6. Динамические характеристики исследуемой IGBT-структуры
при вариации дозы имплантированной примеси DCH в области канала
МОП-транзистора, cм-2 (7,4∙1012 (1); 6,4∙1012 (2); 3,4∙1012 (3))
Результаты исследования влияния энергии имплантации примеси в область канала
МОП-транзистора ЕCH на динамические характеристики исследованной структуры представлены на рис. 7. Показано, что при увеличении энергии ионов, имплантируемых в канальную область МОП-транзистора, на 20 % (от 110 до 130 кэВ) длительность выходного импульса увеличивается почти на 25 % (от 2,75 до 3,5 мкс).
Рис. 7. Динамические характеристики исследуемой IGBT-структуры при вариации энергии
имплантации примеси ЕCH в область канала МОП-транзистора, кэВ (110 (1); 120 (2); 130 (3))
14
Заключение
Проведены исследования зависимости длительности выходного импульса IGBT прибора (времени его включения ton и выключения toff) от технологических параметров
его формирования. Показано, что концентрация примеси в эмиттере биполярного транзистора
как составного элемента IGBT-структуры не влияет на быстродействие прибора. Наибольшее
влияние на его динамические характеристики оказывают доза и энергия имплантации примеси
в область канала МОП-транзистора (при увеличении дозы в 2 раза время включения ton
и выключения toff уменьшается более, чем на 20% каждое, повышение энергии имплантируемых ионов на 20 % приводит к увеличению длительности выходного импульса почти на 25 %).
Меньшее влияние на время включения и выключения IGBT прибора оказывает степень легирования базы биполярного транзистора.
Авторы выражают признательность профессору Нелаеву В.В. за основополагающие
идеи и конструктивные предложения при обсуждении результатов исследований.
Работа выполнялась при поддержке гранта Белорусской государственной программы
научных исследований «Функциональные и машиностроительные материалы, наноматериалы» подпрограммы «Электроника и фотоника» (задание 1.1.03).
DESIGN OF HIGH-SPEED IGBT DEVICE
I.Yu. LOVSHENKO, V.R. STEMPITSKY, A.S. TURTSEVICH, I. SHELIBAK
Abstract
Results of the investigation of IGBT manufacturing technology parameters influence on its
dynamic features are presented. The important role of impurities concentration in various parts of
IGBT structure (concentration level in the emitter of the bipolar transistor as apart of the IGBT structure, implantation dose in the MOS channel, the energy of ions implanted in the base of the bipolar
transistor) was shown. These effects are discussed with the standpoint of dynamic characteristics of
charge carriers. It was discovered that the level of impurity concentration in the emitter does not affect
on the device dynamic features and reveals only small influence from the level of impurity concentration in the base. More effect is determined by the dose and energy of implanted ions under the doping
of the MOS channel: the two-time dose increasing leads 20 % decreasing of switch on and switch off
times of IGBT and the 20 % increasing of the ion energy leads to 25 % increasing of output impulse
duration.
Список литературы
1. Vellvehi M., Flores D., Jorda X. et al. // Microelectronics Journal. 2002. № 33. P. 765–769.
2. Lindemann A. A. // Entwurf fur EPE Conference, Graz. 2001. P. 1–7.
3. Dodge J., Hess J. // Application Technology APT0201 Rev. B. 2002. July 7. 15 pp.
4. Dodge J. // Application Technology APT0302 Rev. B. 2003. April 4. 6 pp.
5. Khanna V.K. The Insulated Gate Bipolar Transistor IGBT. Theory and Design. The Institute of Electrical and
Electronics Engineers Edition. 2003. 544 pp.
6. Virtual Wafer Fab user manual. Silvaco Inc. 2012.
7. Belous A., Lovshenko I., Nelayev V. et. al. / Proc. of the 38th Euromicro Conference on Software Engineering
and Advanced Applications (SEAA’2012). Turkey, Izmir, 5–8 September 2012. P. 13–15.
15
ДОКЛАДЫ БГУИР
№ 4 (74)
2013
УДК 535.016
ВЛИЯНИЕ МИКРОРЕЛЬЕФА ПОВЕРХНОСТИ КОМПОЗИТНЫХ
МАТЕРИАЛОВ НА ИХ ОПТИЧЕСКИЕ СВОЙСТВА
О.В. БОЙПРАВ, Д.В. СТОЛЕР, Т.В. БОРБОТЬКО, А.А. КАЗЕКА
Белорусский государственный университет информатики и радиоэлектроники
П. Бровки, 6, Минск 220013, Беларусь
Поступила в редакцию 20 декабря 2012
Проведен анализ влияния параметров компонентов, а также составляющих микрорельефа
поверхности композитных материалов на их спектральную яркость и степень поляризации.
Ключевые слова: индикатриса рассеяния, композитные материалы, коэффициент спектральной яркости, микрорельеф, микрометр, степень поляризации.
Введение
Композитные материалы (композиты) представляют собой многокомпонентные материалы, состоящие, как правило, из пластичной основы (связующего), армированной наполнителями, обладающими высокой прочностью и/или жесткостью. Сочетание разнородных веществ в них приводит к созданию нового материала, свойства которого количественно и качественно отличаются от свойств каждого из его составляющих. Многие композиты превосходят
традиционные материалы и сплавы по своим механическим свойствам (удельной и усталостной прочности, жесткости, износоустойчивости), и при этом характеризуются более низкими
массогабаритными параметрами и свойством размеростабильности (способностью сохранять
свои размеры при температурных, механических либо химических воздействиях). В силу этого
в настоящее время композитные материалы широко используются в отраслях обрабатывающей
промышленности [1]. Варьируя набор и соотношение компонентов композитного материала,
возможно варьировать его механические характеристики, массогабаритные параметры, а также
оптические свойства, которые являются весьма значимыми при изготовлении стекол, дисплеев
приборов, маскирующих конструкций для военной техники и т.д. Одними из наиболее характерных оптических свойств композитных материалов являются коэффициент спектральной яркости (КСЯ) и степень поляризации отраженного излучения. КСЯ представляет собой величину, которая характеризует пространственное распределение спектральной яркости отражающей
поверхности и равна отношению яркости данной поверхности в заданном направлении к яркости эталонной рассеивающей поверхности (например, молочного стекла) с единичным коэффициентом отражения и освещенной так же, как и данная поверхность. Степень поляризации
света соотносит поляризацию изучаемой световой волны с поляризацией линейно поляризованного света. Наряду с соотношением компонентов композитного материала, значительное
влияние на его оптические свойства оказывает микрорельеф его поверхности, представляющий
собой совокупность шероховатостей, формируемых частицами наполнителя, а также возникающих в процессе изготовления дефектов и волнистостей. Кроме того, оптические свойства
композитного материала зависят от контрастности между его компонентами.
Цель работы заключается в исследовании характера влияния параметров составляющих
микрорельефа поверхности, а также параметров цвета композитных материалов на их оптические свойства.
16
Методика проведения эксперимента
Для проведения эксперимента в рамках настоящей работы было изготовлено 5 образцов
композитных материалов, в которых связующим компонентом выступал силикон (объемное
содержание – 80%), а наполнителями – соответственно порошкообразные таурит, шунгит, диоксид титана (неорганические наполнители), лавровый лист и хна (органические наполнители).
Измерения параметров составляющих микрорельефа поверхности изготовленных материалов
(высоты шероховатости и глубины дефекта) были произведены с помощью микроскопа металлографического агрегатного МЕТАМ-Р1 и фотоэлектрического окулярного микрометра ФОМ2-16, состоящего из окулярного микрометра и электронно-вычислительного устройства. Процесс измерений включал в себя три этапа. На первом этапе осуществлялась настройка микроскопа в соответствии с его техническим описанием. На втором этапе проводились измерения
параметров, необходимых для расчета увеличения всех объективов микроскопа (V)
V
W Q
,
Z C
где W – цена импульса, равная 4 мкм, Q – число импульсов, соответствующих длине измеряемого отрезка в плоскости изображения объект-микрометра, Z – число делений объектмикрометра, С – цена деления шкалы объект-микрометра.
На третьем этапе на предметном столике микроскопа размещался образец, после чего
осуществлялась фокусировка микроскопа на резкое изображение измеряемой неоднородности
с помощью одного из объективов микроскопа. Далее микрометр разворачивался таким образом, чтобы его подвижный штрих был перпендикулярен по отношению к измеряемому отрезку
и совпадал с краем неоднородности. Расчет значения размера неоднородности производится
автоматически на основании формулы
Li 
W  Qi
,
V
где Qi – число импульсов, соответствующих размеру измеряемой неоднородности.
Измеренные значения параметров составляющих микрорельефа поверхности изготовленных композитных материалов представлены в таблице. После проведения расчета значений
размера неоднородностей поверхности образца определялись величины среднеквадратического
отклонения (СКО) случайной составляющей погрешности измерений ( σ ), исходя из следующих формул:
n
σ
 (L
i 1
ср
 Li ) 2
n 1
, σ0 
σ
n
,
где Lср – среднее арифметическое результатов нескольких измерений, Li –результат одного измерения, n –количество измерений.
Установлено, что значение σ для всех проведенных измерений составляет 11,2 мкм,
σ 0 – 2,5 мкм.
Средние величины шероховатостей и дефектов поверхности композитных материалов
Наполнитель
Таурит
Шунгит
Диоксид титана
Лавровый лист
Хна
Параметры неоднородностей
Высота шероховатости, мкм
Глубина дефекта, мкм
13,19
17,53
15,54
25,80
15,81
27,28
88,63
39,00
29,26
23,29
17
Результаты и их обсуждение
При взаимодействии света с материалами имеют место его отражение и рассеяние. В
процессе отражения света от прозрачной среды суммарная энергия электромагнитного поля
остается неизменной, меняется лишь его конфигурация (направление распространения). Однако в этом случае происходят промежуточные процессы преобразования энергии. Энергия падающей волны частично превращается в энергию вынужденных колебаний частиц среды. Эти
колебания порождают вторичные волны (происходит когерентное несмещенное рэлеевское
рассеяние в среде). Сложение падающей волны со вторичными волнами создает отраженные и
преломленные волны. Эти процессы имеют место в тонком слое вблизи границы раздела сред.
Более сложный процесс наблюдается в непрозрачных средах, в том числе и в композитных материалах. В таких средах время установления поля может быть значительным из-за большой
глубины пробега фотонов, формирующих отраженный свет за счет многократного рассеяния
(некогерентный процесс).
Волны, рассеиваемые в одном и том же направлении частицами наполнителя композитного материала, облучаемыми одним и тем же световым пучком, связаны фазовыми соотношениями и могут интерферировать. То обстоятельство, что длина волны сохраняется при рассеянии неизменной, означает, что рассеянные волны усиливают друг друга в фазе или гасят одна
другую в противофазе, или находятся в промежуточном фазовом соотношении. Предположение о том, что волны рассеиваются независимыми частицами, означает, что систематическое
соотношение между этими фазами отсутствует. Незначительное перемещение одной частицы
или небольшое изменение угла рассеяния может полностью изменить фазовые сдвиги. В результате оказывается, что для всех практических целей интенсивности света, рассеянного различными частицами, должны складываться без учета фазы.
Таким образом, рассеяние электромагнитного излучения оптического диапазона композитными материалами обуславливается его преломлением и дифракцией на частицах их порошкообразного наполнителя [2, 3]. Величина интенсивности рассеваемого композитными материалами света зависит от их показателей преломления, показателей преломления их наполнителей, соотношения объемного содержания наполнителя и связующего вещества
24π3  VЧ  vЧ2  n12  n22 
 2
,
2 
λ4
 n1  2  n2 
где Iр – интенсивность рассеиваемого композитным материалом света, VЧ – объем частиц
наполнителя в композитном материале, vЧ – концентрация частиц наполнителя в композитном
материале, λ – длина падающей волны, n1 ,n2 – показатели преломления наполнителя и композитного материала соответственно.
Кроме того, величина интенсивности рассеваемого композитными материалами света
зависит от текстуры и микрорельефа их поверхности (шероховатости, дефектов, волнистости).
В свою очередь, от величины интенсивности рассеиваемого композитными материалами света
зависят значения их КСЯ и степени поляризации.
Текстура материала характеризуется соотношением в нем частиц различных размеров.
Если в связующее добавляется порошок с одинаковым размером частиц, то текстура синтезируемого композитного материала является однородной. Увеличение содержания в материале
частиц малых размеров приводит к увеличению многократного внутреннего рассеяния света, а
значит, к уменьшению КСЯ и степени поляризации материала. Добавление порошкообразных
наполнителей в силикон приводит к увеличению шероховатости его поверхности, что, в свою
очередь, обуславливает увеличение интенсивности рассеиваемого ею света. Кроме того, вследствие увеличения шероховатости поверхности, увеличивается доля ее площади, занимаемой
тенями и, следовательно, уменьшаются значения интенсивности отраженного света, КСЯ и
степени поляризации.
На практике для оценки шероховатости поверхности материала применяются критерии
Рэлея и Шифрина.
Согласно критерию Рэлея, поверхность считается гладкой, если [4]
Ip 
18
h
λ
,
16  cosθ
(1)
где h – высота шероховатости, θ – угол падения света.
Критерий Шифрина характеризует степень шероховатости:
η
2  h  cosθ
,
λ
(2)
где η – коэффициент шероховатости.
На основании расчета, проведенного по формуле (1), были построены графические зависимости минимальной высоты шероховатости поверхности материала, при которой она не
будет являться гладкой относительно падающей волны, от длины последней при углах падения
света 25°, 45°, 65° и 85° (см. рис. 1). Исходя из данной графической зависимости можно заключить, что поверхности всех изготовленных в рамках настоящей работы композитов являются
шероховатыми относительно длин волн 370…2370 нм.
В процессе изготовления композитных материалов на их поверхности могут возникать
дефекты (царапины). С увеличением их количества и глубины увеличивается интенсивность
рассеиваемого поверхностью материала света, что приводит, так же, как и в случае с шероховатостями, к уменьшению интенсивности отраженного света, КСЯ и степени поляризации.
Рис.1. Зависимость минимальной высоты шероховатостей поверхности, при которой она
не является гладкой, от длины волны при различных углах падения света
На основании результатов расчета, проведенного по формуле (2) с использованием результатов измерений составляющих микрорельефа поверхности изготовленных композитных
материалов, были построены графические зависимости коэффициентов шероховатости поверхности последних от длины падающей волны при углах падения света 25°, 45°, 65° и
85° (см. рис. 2).
Коэффициенты шероховатости композитов, изготовленных на основе шунгита и диоксида титана практически равны. Графические зависимости КСЯ данных материалов от длины
волны при различных углах наблюдения представлены на рис. 3, 4 (кривые 1 соответствуют
углу падения света 5°, 2 – 25°, 3 – 45°, 4 – 65°). Значения КСЯ и степени поляризации композитов, выполненных на основе порошкообразного шунгита, ниже аналогичных значений для
композита, выполненного на основе диоксида титана.
На величины КСЯ и степени поляризации композитных материалов, наряду с микрорельефом их поверхности, влияет и степень контрастности между их компонентами, с увеличением которой КСЯ и степень поляризации снижаются. Мелкодисперсный шунгит – порошок
черного цвета, диоксид титана – порошок белого цвета. Поэтому степень контрастности компонентов композита, выполненного на основе шунгита, выше степени контрастности композита, выполненного на основе диоксида титана.
Степени контрастности композитов, выполненных на основе хны и лаврового листа,
сопоставимы друг с другом. Значения КСЯ и степени поляризации композита, выполненного
на основе хны, превышают значения аналогичных параметров композита, выполненного на ос-
19
нове лаврового листа, в связи с тем, что коэффициент шероховатости поверхности последнего
выше.
Значения КСЯ и степени поляризации композитных материалов зависят от угла наблюдения. Данная зависимость характеризуется индикатрисой рассеяния. Композитным материалам, как правило, свойственна неортотропная поверхность (горизонтально-неоднородная ламбертова поверхность), индикатрису которой можно аппроксимировать комбинацией полусферы и эллипсоидов. При увеличении угла наблюдения в пределах диапазона 0°…45° значение
КСЯ и степени поляризации неортотропных поверхностей возрастает, в пределах диапазона
45°…90° – снижается. Для индикатрис данного типа характерно наличие нескольких точек экстремума. В связи с этим графические зависимости КСЯ и степени поляризации, соответствующие углу наблюдения 65°, в координатной плоскости расположены ниже графических зависимостей, соответствующих углу наблюдения 45°.
а
б
в
г
д
Рис. 2. Зависимость коэффициента шероховатости поверхности от длины волны при различных углах
падения света для композитного материала, изготовленного на основе порошкообразных
таурита (а), шунгита (б), диоксида титана (в), лаврового листа (г), хны (д)
20
Рис. 3. Зависимость КСЯ от длины волны для композитного материала, изготовленного на основе
порошкообразного шунгита
Рис. 4. Зависимость КСЯ от длины волны для композитного материала, изготовленного на основе
порошкообразного диоксида титана
Заключение
Применение того или иного типа наполнителя в композитном материале позволяет влиять не только на его механические и массогабаритные характеристики, но и на оптические
свойства. В частности, при увеличении размера фракций наполнителя увеличивается высота
шероховатостей и глубина дефектов композита, что приводит к увеличению интенсивности
рассеиваемого им света, а значит, снижению значений КСЯ и степени поляризации.
INFLUENCE OF THE COMPOSITE MATERIALS SURFACE MICRORELIEF ON
THEIR OPTICAL PROPERTIES
O.V. BOIPRAV, D.V. STOLER, T.V. BORBOTKO, A.A. KAZEKA
Abstract
The analysis of the components parameters and surface microrelief parameters of the composite materials influence for the spectral brightness and polarization of the latter is presented.
Список литературы
1. Карпинос Д.М. Композиционные материалы. Справочник. Киев, 1985.
2. Ван де Хюлст Г. Рассеяние света малыми частицами. М., 1961.
3. Кизель В.А. Отражение света. М., 1973
4. Шухостанов В.К., Цыбанов А.Г., Ведешин Л.А. // Сб. докладов Всероссийской конф. «Современные
проблемы дистанционного зондирования Земли из космоса». 2004. С. 102–116.
21
ДОКЛАДЫ БГУИР
№ 4 (74)
2013
УДК 004.424.4; 004.424.62
ФУНКЦИЯ РАССТОЯНИЯ МЕЖДУ СТРОКАМИ НА ОСНОВЕ КУСОЧНОПОСТОЯННОЙ МОДЕЛИ
В.А. ПРЫТКОВ
Белорусский государственный университет информатики и радиоэлектроники
П.Бровки, 6, Минск, 220013, Беларусь
Поступила в редакцию 23 ноября 2012
Предложена кусочно-постоянная модель строки, которая позволяет определить расстояние
между двумя строками. Модель может использоваться в задачах нечеткого поиска и анализа текстов, применима к циклическим строкам.
Ключевые слова: строка символов, последовательность, мера сходства, расстояние, нечеткий поиск, анализ текстов, циклические последовательности.
Введение
Алгоритмы поиска и сравнения последовательностей активно используются при работе
с неструктурированными данными, обработке больших объемов информации, поисковых запросов и т.д. Возросший объем информации предъявляет все более высокие требования к качеству и скорости поиска. Как правило, такие алгоритмы разделяются на три больших группы:
алгоритмы точного поиска подстрок, нечеткий поиск и поиск наибольшей общей подпоследовательности. Последняя группа имеет важное значение при вычислении расстояний и, таким
образом, тесно связана со второй.
Задачи нечеткого поиска чаще всего возникают при коррекции ошибок, фильтрации
нежелательных сообщений, обнаружении плагиата, поиске с учетом форм одного и того же
слова и основаны на определении расстояния между строками. Эти методы используются также и в генетике. В настоящей работе предлагается модель на основе кусочно-постоянной
функции, позволяющая определить меру подобия строк символов.
Теоретический анализ
Хорошие обзоры по теме поиска последовательностей приведены в [1–4]. Рассмотрим
вначале основные алгоритмы определения расстояния между строками. Наиболее известны
расстояния Хэмминга и Левенштейна, а также n-граммы.
Расстояние Хэмминга определяется как число позиций, в которых соответствующие
символы двух слов одинаковой длины различны [5, 6]. В [1] приводится альтернативное определение: если две строки Ai и Aj имеют одинаковую длину n, расстояние Хемминга dH (Ai, Aj)
определяется как минимальное количество подстановок (замен), необходимых для преобразования строки Ai в строку Aj.
Расстояние Хэмминга обладает свойствами метрики, удовлетворяя следующим условиям:
d ( x, y )  0
d ( x, y )  0  x  y
d ( x, y )  d ( y , x )
d ( x, z )  d ( x , y )  d ( y , z )
22
(1)
Очевидным недостатком этой меры является требование одинаковой длины строк. Любые искажения в виде пропуска либо лишнего символа не позволяют использовать эту меру.
Второй недостаток – ненормированность: в результате и длинная, и короткая пара строк, с
одинаковым количеством различающихся символов, имеют одно и то же значение dH. Эту проблему легко преодолеть, нормируя по длине строки: dH /n.
Расстояние Левенштейна dL (Ai, Aj) определяется как минимальное количество операций
вставки, удаления либо замены одного символа на другой, необходимых для превращения одной строки в другую [7]. В [1] расстояние Левенштейна учитывает только операции удаления и
вставки, а расстояние, учитывающее еще и замену (подстановку) называется расстоянием преобразования dE (Ai, Aj). Расстояния dL и dE являются метриками. Классический алгоритм вычисления расстояния Левенштейна имеет сложность O(mn) для строк длиной m и n. Значительная
часть исследований посвящена снижению сложности алгоритмов этого типа, для лучших из
них сложность достигает O(n+m). Примером таких работ могут являться [8, 9].
Недостатки этой меры: при перестановке местами слов или частей слов получаются
сравнительно большие расстояния; расстояния между совершенно разными короткими словами
оказываются меньшими, чем расстояния между очень похожими длинными словами. Второй
недостаток также устраняется нормировкой по длине строки.
Обобщением расстояния Левенштейна dw (Ai, Aj) является использование матрицы весовых коэффициентов для замены символа i символом j. Это расстояние будет являться метрикой
только если матрица весовых коэффициентов симметрична [1]. Частным случаем будет вариант, учитывающий вес для каждой из операций, вне зависимости от заменяемого символа. Для
вычисления расстояния с использованием весовых коэффициентов, используют алгоритм Вагнера-Фишера.
Еще одной модификацией является расстояние Дамерау-Левенштейна, в котором дополнительно учитываются и операции перестановки (транспозиции) двух соседних символов;
n-граммами (q-граммами) называют множество подстрок длины n исходной строки. Оценка
расстояния производится на основе подсчета количества различающихся n-грамм данного
множества. Одной из базовых работ в этой области является [10].
Помимо рассмотренных, для нечеткого поиска используют также алгоритмы на основе
поиска наибольшей общей подпоследовательности, Укконена-Майерса, расширения выборки,
триангуляционные, суффиксные, префиксные или trie-деревья, хеширование.
Отдельные алгоритмы поиска подстрок либо их виды, а также варианты реализации
рассматриваются в [11–14]. К алгоритмам поиска точного вхождения строк относят алгоритмы
Карпа-Рабина, Кнута-Морриса-Пратта, Бойера-Мура и его модификации, Демелки-Бейза-ЯтсаГоннета, поиск регулярных выражений с использованием конечных автоматов, методы, основанные на битовых операциях, алгоритмы поиска множества подстрок Ахо-Корасик, Комменца-Уолтера и др. Поиск наибольшей общей подпоследовательности выполняют алгоритмы
Хешберга, Ханта-Шиманского, Машека-Патерсона и др.
Методика
Все указанные алгоритмы рассматривают цепочку символов (строку) как множество
символов. Вместе с тем, если каждому символу поставить в соответствие некоторое числовое
значение, то строку можно описать кусочно-постоянной функцией
k1 , если 0  x  x1
k , если x  x  x

1
2
A( x)   2
,

km , если xm1  x  xm
(2)
где m – количество символов в строке, x1, x2, … , xm-1 – границы смежных символов, и xm – длина строки. Для возможности сравнения цепочек нормализуем функцию по длине строки:
23
x1

k1 , если 0  x  x
m


x1
x
x 2
k2 , если
xm
xm ,
A( x)  


xm1

km , если x  x  1
m

(3)
где x = [0, 1).
Подобная нормализация делает модель инвариантной к размеру строки. Определим
функцию Ei,j двух цепочек Ai и Aj как

1, если Ai ( x)  A j ( x)
Ei, j ( x)  
.

0, если иначе
(4)
Тогда в качестве расстояния можно использовать
1
d PC ( Ai , A j )  1 

Ei , j ( Ai ( x), A j ( x)) dx .
x 0
Однако, для строк разной длины интервалы, соответствующие одному символу, различны по длине. Поэтому функцию расстояния необходимо определить с учетом сдвига Ai и Aj
относительно друг друга. Пусть u – сдвиг строки Aj относительно Ai , u = [–1, 1). Определим
1
функцию соответствия Mi,j цепочек следующим образом: M i , j (u ) 
E
i, j
( Ai ( x), Aj ( x  u )) dx ,
x 0
тогда расстояние d PC ( Ai , Aj )  1  max( M i , j (u)) .
В таком виде модель уже можно использовать, однако точность вычислений при этом
зависит от шага дискретизации. Из определения функции Ei,j следует, что она является кусочно-постоянной. Поскольку интеграл от постоянной величины является линейной функцией, то
функция соответствия Mi,j(u) будет являться кусочно-линейной функцией, при этом можно показать, что она непрерывна. Следовательно, функция соответствия Mi,j(u) достигает максимума
в точках изменения угловых коэффициентов на концах соответствующих интервалов. Определим эти точки.
Учтем, что длина каждого интервала строки одинакова. При этом обратим внимание на
тот факт, что существенными являются границы только тех пар интервалов, значения функций
Ai и Aj на которых совпадают. Пусть X – множество точек разрыва функции A:
X  {xi
i
, i  0, 1,, m} . Тогда множество Ui,j точек изменения угловых коэффициентов
m
функции Mi,j(u) определяется следующим образом:
U i, j  {ui , j xi  x j , xi  X ( Ai ), x j  X ( A j ), Ai ( xi )  A j ( x j )
либо Ai ( xi 1 )  A j ( x j )
(5)
либо Ai ( xi )  A j ( x j 1 )}.
Альтернативы учитывают прерывность функции в точке разрыва. Можно отметить, что
Ui, j  {
k
, k  0, 1,
НОК(m, n)
, НОК(m, n)} ,
(6)
Здесь НОК – наименьшее общее кратное. В этом случае расстояние будет вычисляться
следующим образом: d PC ( Ai , Aj )  1  max( M i, j (Ui, j )). Использование (6) в алгоритме расчета
является более простым, но и несколько избыточным способом вычисления расстояния.
24
Предложенное расстояние будет являться метрикой. Докажем это.
Поскольку E(x)  1 и x = [0, 1), то M(u)  1, и, следовательно dPC(Ai, Aj)  0. dPC(Ai, Aj) = 0
тогда и только тогда, когда max( M i , j (U i , j ))  1. Поскольку при любом u, отличном от 0, строки не полностью сравниваются друг с другом, то M(u 0) < 1. Следовательно, равенство едини1
це может иметь место только при u = 0. Тогда
E
i, j
( Ai ( x), Aj ( x)) dx  1 . Из определения
x 0
функции E (4) следует, что данное равенство выполняется тогда и только тогда, когда Ai = Aj.
Равенство dPC(Ai, Aj) = dPC(Aj, Ai) элементарным образом сводится к E(Ai, Aj) = E(Aj, Ai),
верность которого следует из определения функции Е (4). Докажем свойство треугольника
d ( x, z)  d ( x, y)  d ( y, z) .
Независимо от сдвига u, при котором достигается максимум M, все множество точек
функции Ax, Ay, Az будет состоять из точек множеств X, Y, Z не совпадающих ни с одной из двух
оставшихся строк, множеств XY, XZ, YZ соответственно из точек, совпавших только для строк x
и y, x и z, y и z соответственно и XYZ, состоящее из точек, совпавших у всех строк.
Рис. 1. Множества точек
При этом выполняется: |X| + |XZ| + |XY| + |XYZ| = 1, |Y| + |YZ| + |XY| + |XYZ| = 1,
|Z| + |XZ| + |YZ| + |XYZ| = 1. Кроме того , dPC (x, y) = 1 – |XY| – |XYZ|, dPC (x, z) = 1 – |XZ| – |XYZ|,
dPC (y, z) = 1 – |YZ| – |XYZ|. Выполнив соответствующую подстановку, получаем:
1 – |XZ| – |XYZ|  1 – |XY| – |XYZ| + 1 – |YZ| – |XYZ|, оттуда – |XZ|  1 – |XY| – |YZ| – |XYZ|, и, наконец, – |XZ|  1 – |Y|.
Так как длина любого участка строки не отрицательна и не превышает 1, то правая
часть неравенства всегда неотрицательна, левая – не превышает нуля. Таким образом, доказано, что предложенная функция расстояния является метрикой.
Оценим вычислительную сложность полученной модели. Алгоритм включает в себя
вычисление множества U и, в соответствии с количеством элементов данного множества, расчета функции M и выбора максимального значения: f (m)  2(m  n)  U k (m  n)  U .
Здесь m и n – количество символов в сравниваемых цепочках, k – некоторый коэффициент, учитывающий количество операций по вычислению частичной суммы при расчете значения функции M. Мощность множества U не превысит mn для произвольных цепочек. Таким
образом, вычислительная сложность предложенного алгоритма O(m2n).
Экспериментальная часть
Cравним расстояния dH, dL и dPC, а также нормированное расстояние Хэмминга dH* и
нормированное расстояние Левенштейна dL*. Расстояние Левенштейна будем считать с использованием операций удаления, добавления и замены. Будем выполнять проверки для случаев несовпадающих символов, пропущенных (добавленных) символов, переставленных символов.
Обозначим сравниваемые строки Ai и Aj. Для всех экспериментов будем считать, что
все символы каждой из сравниваемых строк отличны друг от друга, и все символы строки Ai
совпадают с соответствующими символами строки Aj, исключая проверяемый случай. Например, при проверке отсутствия символа в середине строки, строка Ai = ABCDEFGHIJKL, строка
Aj = ABCDEFHIJKL.
25
Для строк одинаковой длины n = |Ai| = |Aj|, и количества отличных символов k, в одинаковых позициях сравниваемых строк, независимо от их положения в строке расстояние
dH = dL = k, dH* = dL* = dPC = k / n.
Пусть |Ai| = n, |Aj| = m, и n > m. Такая ситуация соответствует пропуску (добавлению)
символов. Пусть k = n – m, пропущенные символы находятся друг за другом и в самом начале
строки (либо в самом конце, что эквивалентно). Тогда dL = k, dL* = k/n. dPC имеет сложную зависимость от величины k: dPC = 1–1/n при k = n–1, dPC = 1–2/n при k = [n/2, n–2], и нелинейный характер на участке k = [0, n/2). Графики зависимостей приведены на рис. 2, а.
Пусть |Ai| = n, |Aj| = n–1. Такая ситуация соответствует пропуску (добавлению) одного
символа. Пусть i = 1, 2, …, n/2 указывает на позицию пропущенного символа. Тогда dL = 1,
dL* = 1/n. dPC = n/4(n+1), если n – четно, и dPC = (n+1)/4n, если n – нечетно. При этом ни dL, ни
dPC не зависят от позиции пропущенного символа.
а
б
Рис. 2. Зависимости dL* и dPC для случаев
k пропущенных символов (a); пропуска (добавления) символа в позиции k (б)
Рассмотрим случай циклического сдвига. В этом случае n = |Ai| = |Aj|. Пусть i = 1 2, …, n–1
указывает на количество циклически сдвинутых символов. Тогда dH = n, dL = 2 min(i, n-i). dH* = 1,
dL* = 2 min(i/n, 1–i/n). dPC = min(i/n, 1–i/n). В этом случае dPC симметрично относительно середины
строки и ровно вдвое меньше dL*. Графики зависимостей приведены на рис. 3, а.
Строку Ai можно представить как конкатенацию подстрок Ai = . Пусть строка Aj
получена из строки Ai путем перестановки подцепочек Aj = . Для упрощения будем считать, что длина переставляемых подцепочек одинакова || = || = k, и они расположены симметрично относительно центра строки, т.е. || = || = i, причем || = 0, если n – четно, и || = 1, если n
нечетное. Тогда dH = dL = 2k. dH* = dL* = 2k/n. dPC имеет следующую зависимость: dPC = 2k/n при
k = [0, n/3] и dPC = 1–k/n при k = (n/3, n/2].
а
б
Рис. 3. Зависимости dH*, dL* и dPC для случаев
циклического сдвига k символов (а); перестановки подстрок длиной k символов (б)
26
Результаты и их обсуждение
В случае пропуска (добавления) k символов (рис. 2, а) при k>n/2 расстояние DPC является постоянной величиной. Объяснить это достаточно легко. При таком k одна строка в два и
более раза короче, соответственно каждый фрагмент второй строки при вычислении расстояния перекрывает не менее чем два смежных фрагмента первой. Поскольку все символы отличны друг от друга по условию проведения эксперимента, то в результате независимо от величины сдвига невозможно совпадение более чем на двух соседних участках. Соответственно для
больших строк (n) на этом участке dPC 1. Этим свойством можно воспользоваться для сокращения времени работы алгоритма на больших строках.
В отличие от расстояния Левенштейна, предложенная модель нелинейна, и уже при отличии 10–20% в длинах строк полученное расстояние близко к максимальному. Это свойство
может быть полезным для задач, в которых близкими можно считать только строки с минимальными отличиями.
Позиция одного пропущенного символа не влияет на рассчитанное расстояние
(рис. 2, б). Для больших строк (n) dPC 0,25. Это значение можно условно считать «штрафом» за пропуск (добавление) символа.
В случае циклического сдвига предложенное расстояние меньше расстояния Левенштейна в два раза (рис. 3, а), что позволяет рассматривать модель как более подходящую для
работы с циклическими последовательностями.
Моделирование перестановок подстрок (рис. 3, б) позволяет сделать вывод о том, что
предложенная модель в меньшей степени, по сравнению с расстоянием Левенштейна, подвержена тому недостатку, что при перестановке местами слов или частей слов получаются сравнительно большие расстояния.
На слабоподобных участках количество элементов множества U существенно снижается по сравнению с максимальной оценкой, а на близких фрагментах – приближается к ней, поскольку данный параметр зависит от количества одинаковых символов в строке. Таким образом, если вероятность совпадения строк невысока, выгоднее при расчете использовать точную
формулу (5) поиска элементов множества U.
Интересным свойством модели является то, что она не требует соблюдения условия равенства всех участков для каждого символа. Фактически, длина участка, соответствующего одному символу, может отличаться от длины участка, соответствующего другому символу. Это
свойство делает возможным использование данной модели в задачах распознавания, основанных на структурном (синтаксическом) подходе.
Модель легко адаптировать для сравнения циклических последовательностей, для этого
функция (3) должна быть переписана как периодическая с периодом 1. Необходимость в такой
модификации может возникнуть в некоторых задачах генетики [4], в задачах распознавания
образов и обработки изображений, в частности, в текстурном анализе [15]. Учитывая, что модель менее чувствительна к циклическому сдвигу, а также наличие возможности обобщения на
произвольные длины фрагментов, использование периодической модификации модели представляется весьма перспективным.
Заключение
В работе предложена модель строки символов, которая позволяет определить расстояние между двумя строками. Модель основана на представлении строки в виде кусочнопостоянной функции, позволяет сравнивать строки разной длины, легко адаптируется для работы с циклическими строками.
27
FUNCTION OF DISTANCE BETWEEN THE STRINGS BASED ON PIECEWISE
CONSTANT MODEL
V.A. PRYTKOV
Abstract
A piecewise model of a string which allows to define a distance between two strings is proposed. The model can be applied to problems of fuzzy matching and text analysis and the model can
be used with cyclic strings.
Список литературы
1. Смит У. Методы и алгоритмы вычислений на строках. М., 2006.
2. Gonzalo Navarro // ACM Computing Surveys. 2001. Vol. 33, № 1. P. 31–88.
3. Graham A. Stephen. String Seaching Algorithms, 1994.
4. Гасфилд Д. Строки, деревья и последовательности в алгоритмах. СПб, 2003.
5. Hamming R.W. // The Bell System Technical Journal. 1950. Vol. XXIX, № 2. P.147–160.
6. Federal Standard 1037C, 1996.
7. Левенштейн В.И. // Докл. Академий Наук СССР. 1965. Т. 163, №4. С. 845–848.
8. Masek W.J., Paterson M.S. // Journal of Computer and System Sciences. 1980. Vol. 20, № 1.
9. Ehrenfeucht A., Haussler D. // Discrete Applied Mathematics. 1988. Vol. 20, № 3. P. 191–203.
10. Ukkonen E. Approximate string-matching with q-grams and maximal matches // Theoretical Computer Science 1992. Vol. 92, № 1. P.191–211.
11. Hall P.A.V., Dowling G.R. // Computing Surveys. 1980. Vol. 12, № 4. P. 381–402.
12. Blumer A., Blumer J., Haussler D. et al. // Theoretical Computer Science. 1985. Vol. 40. P. 31–55.
13. Hirschberg D.S. // Journal of the Assoclauon for Computing Machinery. 1977. Vol 24, № 4. P. 664–675.
14. Кормен Т., Лейзерсон Ч., Ривест Р. и др. Алгоритмы: построение и анализ. М., 2005.
15. Прытков В.А., Барташевич Ю.А., Лукашевич М.М. // Матер. V межд. конф.-форума «Информационные системы и технологии». Минск, 2009. С. 172–175.
28
ДОКЛАДЫ БГУИР
№ 4 (74)
2013
УДК 539.216:546.824-31
АНАЛИЗ УПРАВЛЯЕМЫХ ГЕНЕРАТОРОВ СИСТЕМ ФАЗОВОЙ
СИНХРОНИЗАЦИИ
Д.Л. ШИЛИН, В.В. ПУЧИНЕЦ, Л.Ю. ШИЛИН
Белорусский государственный университет информатики и радиоэлектроники
П. Бровки, 6, Минск, 220013, Беларусь
Поступила в редакцию 11 января 2013
Рассмотрена методика определения основных характеристик управляемых генераторов, основывающаяся на компьютерном моделировании электрических схем устройств.
Ключевые слова: системы фазовой синхронизации, управляемые генераторы, компьютерное
моделирование.
Введение
Системы фазовой синхронизации (СФС) применяются в радиотехнике, телекоммуникациях и компьютерной технике, что обусловлено их высокой точностью, скоростью, простотой
технической реализации, работой в широком диапазоне частот. При проектировании СФС решается задача определения параметров разрабатываемого устройства, удовлетворяющих требованиям технического задания.
Ранее был предложен метод проектирования СФС, основанный на построении многомерных областей устойчивости, многомерных областей качества по времени переходных процессов, многомерных областей качества по уровню шумов с последующим выбором параметров разрабатываемой системы, удовлетворяющим условиям технического задания [1].
В результате применения данного метода получаем передаточные функции структурных элементов СФС. При этом возникает необходимость представления полученных передаточных функций электрическими звеньями с соответствующими характеристиками.
Основными структурными элементами классической схемы СФС являются:
– фазовый детектор (ФД) определяет сигнал ошибки формируемого колебания относительно входного сигнала;
– звенья фильтрации и коррекции (ЗФК), позволяющие избежать самовозбуждения системы;
– генератор, управляемый напряжением (ГУН), вырабатывающий выходное колебание [2].
На рис. 1 изображена обобщенная схема системы фазовой синхронизации, где ФД – фазовый детектор, ЗФК – звенья фильтрации и коррекции, УГ – управляемый генератор, ОС –
цепь обратной связи, y – задающее воздействие, ε – ошибка регулирования, ω – сигнал на выходе СФС, f1 и f2 – возмущающие воздействия.
Рис. 1. Обобщенная схема СФС
29
Анализ управляемых генераторов
Целью данного исследования является определение основных технических характеристик управляемых генераторов СФС. Эта задача актуальна для разработчиков, так как изменившаяся технология изготовления микросхем управляющих генераторов привела к тому, что
фирмами производителями представляются неполные характеристики или характеристики не
соответствующие действительности.
Авторами предлагается метод определения характеристик современных микросхем
управляемых генераторов по электрическим схемам. При анализе характеристик могут применяться различные пакеты программ для моделирования электрических схем. В данной работе
использован пакет программ Cadence SPB.
Важной составной частью СФС является генератор, частотой которого можно управлять с выхода фазового детектора. Их основные характеристики в сильной степени определяют
качество всей системы.
УГ включают в себя два основных элемента – резонатор и активный прибор. В качестве
активного прибора применяют: биполярные и полевые транзисторы, туннельные и лавиннопролетные диоды. В резонатор входят элементы, позволяющие практически безынерционно
изменять частоту генерируемого сигнала (FУГ) – варикапы или ферриты. Резонатор позволяет
задать начальную FУГ. В настоящее время в мире серийно выпускается более 3500
моделей УГ [3].
Наибольшее распространение получили управляемые генераторы синусоидальной и
прямоугольной формы. В УГ сигналов синусоидальной формы в качестве активного элемента
используются биполярные и полевые транзисторы, а частота резонатора на LC-элементах перестраивается с помощью варикапов. Данный тип УГ в основном используется на высоких и
сверхвысоких частотах в высококачественных синтезаторах частот. К такому типу УГ относится микросхема MC1648 (Voltage Controlled Oscillator), производимая фирмой MOTOROLA.
Управляемые генераторы мультивибраторного типа, генерирующие сигналы прямоугольной формы, управляются изменением тока, заряжающего конденсатор. Такие генераторы
в высококачественных синтезаторах частот, как правило, не используются. Примером такого
типа генераторов может служить микросхема MC1658 (Voltage Controlled Multivibrator), производимая фирмой MOTOROLA.
УГ имеют ряд характеристик, определяющих их основные свойства, это статическая
характеристика, отношение сигнал/шум, длительность процесса включения и выключения,
скорость перестройки с одной частоты на другую. Статические характеристики, как правило,
существенно нелинейны и могут быть линейны только в определенном диапазоне перестройки.
Исследование характеристик УГ проведем на примере микросхемы МС1648 и MC1658.
На основании технической документации предоставляемой заводом-изготовителем, составлена
модель внутренней структуры данной микросхемы в программе OrCAD Capture CIS. Затем к
данной модели подключены необходимые элементы для получения УГ. Схемы включения
микросхем изображены на рис. 2.
Рассмотрим характеристики МС1648. Питающее напряжение (Vcc) микросхемы составляет +5 В. Настройка начальной частоты генерируемого сигнала осуществляется изменением
номинала индуктивности L и выбором варикапа необходимой емкости при заданном входном
напряжении. Перестройка УГ осуществляется путем изменения емкости варикапов при изменении управляющего напряжения. Чем шире диапазон изменения емкости используемого варикапа, тем шире получаемый диапазон изменения частоты генерируемого сигнала.
Авторами был использован варикап MV1404, емкость которого меняется от 150 пФ
(при VR = 1 B) до 6 пФ (при VR = 10 B).
Определим статическую характеристику исследуемого генератора: для этого будем
фиксировать изменение частоты генерируемого сигнала при изменении управляющего входного напряжения. Для оценки влияния индуктивности на параметры генератора определим статическую характеристику при нескольких номиналах L. Полученные результаты изображены на
рис. 3.
30
а
б
Рис. 2. Схема включения микросхем: а – МС1658, б – МС1648
Рис. 3. Статическая характеристика МС1648: а – L = 2 мкГн; б – L = 1 мкГн; в – L = 0,5 мкГн
Как видно из графиков при уменьшении номинала индуктивности диапазон перестройки смещается в сторону больших частот. Также были исследованы такие характеристики как
скорость перестройки и длительность включения. При исследовании длительности включения
по выходному сигналу определялась время, которое необходимо для начала генерации устойчивого сигнала. При данных параметрах резонансного контура время включения не превышало
120 мкс.
При оценке скорости перестройки генератора использовался импульсный источник с
двумя уровнями напряжения, и по полученному выходному сигналу, определялась длительность перестройки генератора с одной частоты FУГ1 на другую FУГ2. Момент переключения
между двумя значениями напряжения подбирался таким образом, чтобы уже закончились переходные процессы после включения, т. е. генерировался устойчивый сигнал с частотой соответствующей первому уровню напряжения. Разность между моментом переключения уровней
напряжения и моментом начала генерации устойчивого сигнала с частотой соответствующей
второму уровню сигнала является временем перестройки. При перестройке генератора в пределах 0,5 МГц и при номинале индуктивности 1 мкГн время перестройки не превышало значения
2/ FУГ2.
Проведем анализ микросхемы МС1658. Одним из основных отличий данной схемы от
модели МС1648 является то, что перестройка частоты осуществляется путем изменения тока
заряжающего конденсатор СХ. При использовании частотозадающей емкости с номиналом
5 пФ выходная частота генератора изменяется от 130 МГц до 175 МГц при управляющем сигнале 0…2 В; если частотозадающая емкость имеет номинал 10 пФ, то диапазон выходных частот 78…120 МГц.
Статическую характеристику генератора МС1658 определяем аналогично модели
МС1648. Для оценки влияния частотозадающей емкости на параметры генератора определим
31
статическую характеристику при нескольких номиналах СХ. Полученные результаты изображены на рис. 4.
Рис. 4. Статическая характеристика MC1658: а – С = 250 пФ; б – С = 350 пФ; в – С = 450 пФ
Как видно из представленных выше характеристик, при уменьшении номинала частотозадающей емкости частота генерируемого сигнала смещается в область низших частот.
Также исследованы такие характеристики как скорость перестройки и длительность
включения, метод их определения аналогичен микросхеме МС1648:
– при перестройке генератора в пределах 0,5 МГц время перестройки не превышало
значения 2/ FУГ2;
– при использовании частотозадающей емкости 350 пФ, время включения не превышало 15 мкс.
Заключение
Данная методика определения параметров управляемых генераторов применяется для
оценки характеристик микросхем с целью представления их в качестве структурных элементов
СФС и дополняет предложенный ранее метод проектирования систем фазовой синхронизации [1], результатом которого являются параметры структурных элементов проектируемой системы. После исследования характеристик первоначально выбранной микросхемы делается
вывод о соответствии полученных результатов требованиям, предъявляемым к параметрам
элемента. Если требования соблюдены, то процесс подбора микросхемы окончен. В противном
случае необходимые исследования повторяются для иной модели устройства.
ANALYSIS OF PHASE-LOCKED SYSTEM VOLTAGE CONTROLLED
OSCILLATORS
D.L. SHILIN, V.V. PUCHYNETS, L.Yu. SHILIN
Abstract
A technique for determining the main characteristics of the generators is proposed. The method is based on computer simulations of device’s electrical circuits.
Список литературы
1. Шилин Д.Л., Пучинец В.В., Шилин Л.Ю. // Матер. междунар. научн. конф. IST’2012. Минск, 24 октября
2012 г. С. 102–103.
2. Романов С.К., Тихомиров Н.М., Леньшин А.В. Системы импульсно-фазовой автоподстройки в устройствах синтеза и стабилизации частот. М., 2010.
3. Белов Л. Компоненты синтезаторов стабильной частоты. // Электроника: НТБ. 2004. №4. С. 42–46.
32
ДОКЛАДЫ БГУИР
№ 4 (74)
2013
УДК 004.021:004.738.52
АЛГОРИТМ ЭКСТРАКЦИИ ЗНАЧИМОЙ ИНФОРМАЦИИ ИЗ СТРАНИЦ
WEB-САЙТОВ
А.П. ШОРКИН
Белорусский государственный университет информатики и радиоэлектроники
П.Бровки, 6, Минск, 220013, Беларусь
Поступила в редакцию 22 октября 2012
Описаны разработанные алгоритмические подходы к выделению из web-страниц отдельных семантических частей: содержание и служебно-навигационная часть. Подходы базируются на механизме определения единых элементов на разных страницах одного сайта.
Главной задачей исследования является улучшение качества информационного поиска посредством исключения из поискового массива web-страниц служебно-навигационной части.
Реализованный эксперимент по анализу качества информационного поиска в web на основе
тестовых данных с использованием реализованного алгоритма привел к определенному
улучшению средней оценки точности поиска. В статье приведен детализированный анализ
результатов информационного поиска с использованием описанного алгоритма.
Ключевые слова: алгоритм экстракции, информация, web-сайт.
Введение
На сегодняшний день большая часть сайтов Интернет имеют достаточно сложные стилевые формы и разрабатываются в средах динамической генерации контента html-страниц [1].
Стилевое оформление web-сайтов подразумевает общий дизайн всех страниц, механизмы навигации по страницам сайта, фирменный знак (лого), контакты и прочую информацию, включая
рекламные блоки (баннеры).
Некоторая область web-страницы, отвечающая за оформление (назовем ее служебнонавигационной частью, или фреймингом), в большинстве случаев существенно отличается от
семантической части страницы (содержание). Этот факт необходимо учесть в проектировании
и разработке механизмов автоматизированной сборки и процессинга индексации текстов с целью информационного поиска.
Задача исследования – реализация методов автоматического разделения web-страниц на
служебно-навигационную и семантическо-содержательную части. Гипотеза представляет собой предположение полезности исключения и уменьшения веса служебной части html-страниц
из индекса поисковой системы с целью реализации задачи повышения качества информационного поиска.
В следующем разделе описаны существующие методики анализа структуры оформления страниц сайтов. Далее приведен предложенный в работе алгоритм, проанализирована методика оценки качества работы алгоритма.
Существующие подходы
Задача анализа и разбора шаблонов автоматически создаваемых web-страниц часто
привлекает внимание разработчиков и исследователей в последнее время. Определение структурной части информации может быть использовано для разных целей: процессинга (обработки) документов [1], разнообразных задач информационного поиска, мониторинга вариативных
изменений и организации кэша html-страниц [2].
33
Работа [3] объясняет как сложившаяся практика стилевого оформления web-сайтов
средствами динамического создания сайтов нарушает основные предположения лежащие в основе большинства сегодняшних поисковых машин в сети Интернет. Среди таких базовых
предположений следующие [4]:
1) принцип релевантности (качественного соответствия) web-ссылок (Relevant Linkage
Principle) – гипертекстовые ссылки, созданные авторами материала на странице, ссылаются на
«авторитетные» и качественные документы и ресурсы по аналогичной тематике;
2) сайты, организовавшие обмен ссылками друг на друга, являются тематически схожими (Topical Unity Principle);
3) текст, окружающий html-ссылку, соответствует тематике материала web-сайта, на
который проставлена ссылка (Lexical Affinity Principle).
В отличие от [4], мы анализируем, в первую очередь, семантическое наполнение htmlстраниц и классический механизм поиска страниц документов, не учитывая служебную структуры web-ссылок. Тогда представляются возможными выявление и оценка качества процесса
информационного поиска с использованием свободно доступных тестовых данных (например,
«Тестовые данные информационно-поисковой системы Yandex.ru», свободно распространяемой компанией Яндекс).
Используемые методики анализа шаблона html-страниц делятся на
1) базирующиеся на разборе dom-дерева отдельной html-страницы [1, 2];
2) базирующиеся на определении регулярных (т. е. повторяющихся) участков webстраницы с одного сайта [4].
Частым способом построения шаблона web-страниц является организация служебнонавигационной части по обоим краям web-страницы (контентно-содержательная часть при
этом располагается в центре). На уровне программного html-кода страницы конструируются в
виде таблицы (возможно, с невидимыми пользователю границами) или нескольких вложенных
таблиц <table> (тэг html), при этом отдельные элементы web-страницы разнесены в различные
ячейки.
Методики, базирующиеся на разборе и анализе dom-дерева, реализуются на основе анализа шаблонизированной структуры web-страниц и выдвигают предположение об экстракции
контентной части web-страницы на основе базовых эвристических предположений о некоторых
«регулярных» способах оформления документов. Данные методики как правило комбинируются с методами, основанными на выделении регулярных участков и фрагментов html-страниц
одного web-сайта [1].
Методики, базирующиеся на выделении повторяющихся участков страниц одного сайта
реализуются на основании предположения повторяемости у страниц одного сайта элементов
стилевого оформления и одновременно различия контентно-содержательной части.
Стоит отметить также, что в работе [4] регулярные фрагменты анализируются для различных web-сайтов для детерминирования кластерных сообществ web-ресурсов, связанных
между собой.
Предлагаемый алгоритм
В работе использован подход, базирующийся на определении повторяющихся областей
в множестве страниц одного сайта. Предложен алгоритм для выполнения описанной задачи.
На вход программному алгоритму поступает некоторая директория с html-файлами, соответствующими страницам одного анализируемого сайта. Алгоритм выполняет обработку
данных файлов и выполняет определение и маркировку в них участков программного кода, которые считаются служебно-навигационными частями. С различными настройками алгоритмом
производится или удаление служебно-навигационных элементов из html-файлов, или маркировка (выделение) этих частей специальными html-тегами.
Структура алгоритма разделяется на несколько этапов:
1) деление html-файлов на базовые, неделимые при дальнейшем сравнении символьнокодовые последовательности– фрагментеры;
2) выполнение поиска файловых подмножеств (кластеров), с повторяющимся набором
цепочек фрагментеров (кластеры определяют некоторое подмножество страниц с единой слу34
жебно-навигационной частью). Набор цепочек фрагментеров представляется одной или несколькими цепочками (подряд расположенных последовательностей) фрагментеров. Желательно, чтобы выполнялись следующие условия: множество цепочек было как можно больше
(длиннее) и находилось в большом количестве html-файлов;
3) удаление (или маркировка) определенной последовательности цепочек фрагментеров
из всех файлов данного кластера;
4) в случае не покрытия кластером всего множества файлов, необходимо заново выполнить шаги 2–4 для оставшегося множества документов;
5) в случае наличия остатка нетронутых файлов (из html-кода которых не было удалено
или промаркировано ни одного фрагментера), то в этих файлах выполняется новый поиск и
удаление (маркировка) службено-навигационных частей – цепочек фрагментеров – из прочих
кластеров.
Шаг 1. Фрагментеризация html-файла. Файл делится на базовые неделимые при сравнении и маркировке оформления кодово-символьных последовательностей – фрагментеры.
Фрагментер определим как
1) конкретный тег спецификации html;
2) текст, находящийся между тегами.
Пробелы, находящиеся между html-тегом и текстом необходимо игнорировать.
Шаг 2. Нахождение кластера с единой служебно-навигационной частью. Каждый экземпляр файлового массива реализуется множеством цепочек фрагментеров. Цепочка фрагментеров – это непрерывная последовательность фрагментеров, идущих подряд, с длиной
min_fragmenters_chain, где min_fragmenters_chain – параметр, определяющий минимальную
длину обрабатываемого (вырезаемого и маркируемого) куска файла в фрагментерах (в реализации был использован min_fragmenters_chain=6). Для всех цепочек фрагментеров с длиной
min_fragmenters_chain производится расчет значения хэш-функции с использованием алгоритма CRC32.
Таким образом, производится отображение каждого файла в определенное множество
чисел – хэш-значений цепочек фрагментеров с длинами min_fragmenters_chain. Для всех цепочек фрагментеров длины min_fragmenters_chain производится запоминание размера (длины)
оригинального текста в байтах.
Построение кластера выполняется следующим образом.
1. Нахождение в кластере начальной пары документов. Производится перебор всех пар
html-документов с веб-сайта, после чего для каждой найденной пары выполняется определение
длины в байтах совпадающих цепочек фрагментеров.
В случае слишком большого совпадения между файлами (задаваемый параметр для
файлов – более 70% от всей длины), эти файлы определяются как дубли и не могут быть использованы с целью создания первой пары в обрабатываемом кластере.
Для пары файлов с максимальным совпадением производится добавление в кластер. Алгоритмом производится пересечение этих файлов (т.е. набор хэш-кодов цепочек фрагментеров),
определение служебно-навигационной части кластера, и запоминание для последующей обработки. Выполняется определение порога min_nav_length (настраиваемый параметр) как равное
80% от длины в байтах служебно-навигационной части кластера. В последующих вычислениях
при выполнении построения конкретного кластера длина служебно-навигационной части подлежит уменьшению, но не более порогового значения min_nav_length.
2. Выполнение поиска документов для дальнейшего добавления в кластер. Реализуется
поиск документа, максимально пересекающегося со служебно-навигационной частью кластера.
Файл добавляется в конкретный кластер в случае выполнения условия: длина в байтах совпадения со служебно-навигационной частью кластера не меньше значения min_nav_length.
Служебно-навигационная часть кластера делается эквивалентной пересечению с вновь
добавленным кластером. Производится повторение данного шага до тех пор, пока существуют
подходящие необработанные файлы для добавления в данный кластер.
Шаг 3. Извлечение служебно-навигационных элементов из множества документов
кластера. В случае присутствия в построенном кластере не менее 4 документов, данный кластер
определяется как корректно построенный, после чего из всех документов кластера удаляется
служебно-навигационная часть кластера (т.е. единая часть всех html-файлов данного кластера).
35
Шаг 4. Выполнение поиска других кластеров. В случае, если после построения кластера
в массиве необработанных файлов присутствует не менее 4 html-документов, повторяются шаги 2–4 для всех оставшихся документов. Если построение кластера выполнить не удается, производится понижение порогового значения min_nav_length с шагом 20 % (до 40 %) и повторяются шаги 2–4 с новым пороговым значением min_nav_length.
Оценка реализации алгоритма
Для оценки эффективности работы реализованного алгоритма производился последовательный анализ поисковых результатов алгоритма в разрезе каждого кластера и каждого документа. Были проанализированы массивы документов с использованием html-интерпретатора,
прошедшие обработку алгоритмом, с целью определения корректности отнесения вырезанного/маркированного фрагмента к оформлению страницы, а не к контентной части.
Оценка реализованного алгоритма производилась на коллекции сайтов, предоставленных компанией Яндекс (http://yandex.ru). Для тестирования различных алгоритмов информационного поиска. Указанная коллекция состоит из более чем 35 тысяч html-страниц, закачанных с
разнообразных сайтов. Коллекция включает большое количество вариаций стилевого и дизайнерского оформления web-сайтов, так как данные сайты разрабатывались различными коллективами и индивидуальными специалистами с использованием разнообразных технологий webразработки, языков программирования и СУБД.
Оценка производилась путем последовательного визуального анализа обработанных
(вырезанных/маркированных) элементов html-страниц в стандартном web-браузере с использованием подсветки обработанных частей станиц. Элементы html-страницы, отнесенные алгоритмом к «повторяющемуся оформлению», маркировались цветом.
Было последовательно проанализировано 60 случайно выбранных из коллекции webсайтов и до 5 результатов обработки алгоритмом маркировки служебно-навигационной части.
Для всех html-документов проанализированного сайта была произведена оценка реализации
алгоритма от «2» (служебно-навигационная часть не промаркирована, или алгоритм неверно
пометил содержательную часть документа) до «5» (служебно-навигационная часть определена
корректно). Баллы «3» и «4» определялись в промежуточных вариантах в случае обнаружения
незначительных неточностей. Были зафиксированы следующие оценки: оценка 2 для 4-х проанализированных сайтов; оценка 3 – для 3-х, оценка 4 – для 10-ти, оценка 5 – для 43-х проанализированных сайтов. Средний балл составляет 4,53 балла.
Для сравенния результатов алгоритма с уже существующим подходом, была проведена
разработка программной модели метода, базирующиегося на разборе dom-дерева отдельной
html-страницы по рекомендациям [1]. Результат выполнения поиска при помощи данного алгоритма по той же выборке сайтов составляет 4,42 балла, что показывает более высокую результативность разработанного автором метода на данной коллекции документов
Заключение
Представлен алгоритм нахождения в структуре web-страниц служебно-навигационной
части и отделения ее от контентно-содержательной части. Оценка результатов выполнения алгоритма показала, что алгоритм в целом достигает поставленные цели и показывает более высокие результаты по сравнению с имеющимся алгоритмом. В ходе анализа выявлены вероятность содержания в оформлении сайта данных, важных для результатов поиска, а также случаи, когда невозможны выявления и маркировки нестандартных элементов стилевого оформление, базируясь лишь на анализе повторяющихся частей html-страниц. Применение алгоритмов, подобных реализованному, может показать эффективность для специализированных задач
информационного поиска в случаях, когда изначально детерминирована вероятность снижения
качества поиска вследствие зашумления служебно-навигационными элементами оформления
html-страниц конкретного сайта. К примеру, данными задачами могут быть: регулярный мониторинг определенного набора web-сайтов; выполнение информационного поиска на сайтах
стандартной структуры: корпоративных сайтах, форумах, web-библиотеках.
36
ALGORITHM FOR MINING OF CORE WEBSITES PARTS FOR
INFORMATIONAL SEARCH EFFICIENCY
A.P. SHORKIN
Abstract
Algorithm for automatic dividing of web page into 2 parts: service-navigational and contend
parts is described. The method is based on the mining of repeatable elements in html-pages from same
website. Main theory is that the quality of information search can be improved by tagging / deleting
navigational elements of html pages. Developed method successfully mine service and content parts
from html-pages. On the other hand, deleting of service part does not guarantee perfect improvement
of web information search quality.
Список литературы
1. Ландэ Д.В. Основы интеграции информационных потоков. М., 2006.
2. Barfourosh A., Nezhad H., Anderson M. et. al. Information Retrieval on the World Wide Web and Active
Logic: A Survey and Problem Definition. Michigan, 2002
3. Sebastiani F. // ACM Computing Surveys. 2002. Vol. 1. P. 1–47.
4. Liao C., Alpha S., Dixon P. // Proceedings of Australian Data Mining Conference. Canberra, 2003.
37
ДОКЛАДЫ БГУИР
№ 4 (74)
2013
УДК 62-83
ТРАЕКТОРНОЕ УПРАВЛЕНИЕ КООРДИНАТНЫМИ СИСТЕМАМИ
СУБМИКРОННОГО ОБОРУДОВАНИЯ МИКРОЭЛЕКТРОНИКИ
И.В. ДАЙНЯК, В.В. ЖАРСКИЙ, С.Е. КАРПОВИЧ
Белорусский государственный университет информатики и радиоэлектроники
П. Бровки, 6, Минск, 220013, Беларусь
Поступила в редакцию 04 марта 2013
Проанализированы измерительные средства, используемые при формировании программируемых движений в сборочном и оптико-механическом оборудовании микроэлектроники.
Предложена структура системы траекторного управления на основе подходов аппаратнопрограммного моделирования и верификации в режиме реального времени. Приведены результаты использования предложенной системы траекторного управления в координатных
системах перемещений прецизионного оборудования.
Ключевые слова: координатная система, система траекторного управления, прецизионное
оборудование, микроэлектроника.
Введение
Одним из базовых узлов технологического оборудования, определяющим возможность
дальнейшего технического прогресса, являются координатные системы перемещения, которые
строятся на основе линейных, планарных и поворотных систем электропривода. Диапазон востребованных типов и видов систем перемещений для прецизионного оборудования очень широк. Только по показателю точности позиционирования он находится в пределах десятков микрометров для реализации вспомогательных периферийных узлов, таких как модули загрузки, и
сотых долей микрометра для систем главных перемещений, используемых в оптикомеханическом оборудовании, к которым относятся генераторы изображений, мультипликаторы, установки контроля и ремонта оригиналов топологий и др.
В связи с этим разработка методов и средств формирования программируемых движений высокого разрешения по точности, включая траекторное управление координатными системами субмикронного оборудования, построенного на базе приводов прямого действия синхронного типа, является весьма актуальной задачей, имеющей большой практический интерес.
Измерительные средства, используемые при формировании
программируемых движений
Анализ контрольно-измерительных средств формирования программируемых движений системами перемещений технологического оборудования показал, что они существенно
различаются в зависимости от заданных метрологических характеристик оборудования и конструктивно могут быть выполнены с использованием магнитных, индукционных, емкостных и
оптоэлектрических преобразователей, а также оптических приборов на базе лазерной интерферометрии.
В системах перемещений сборочного оборудования [1, 2] для достижения точности
±3…±5 мкм достаточно обратных связей на магнитно-индукционных датчиках Холла [3], которые и были использованы нами для конфигурирования измерительных схем относительного
отсчета для всех типов координатных модулей, включая линейные, поворотные круговые, по38
воротные торцевые и планарные. Пример одной из таких конфигураций для линейного координатного модуля и ее расчетная схема замещения показаны на рисунке.
а
б
Рис. 1. Измерительная система с тремя магнитопроводами:
а – структура измерительной системы; б – схема замещения;
1 – магнитопроводы; 2 – преобразователи Холла; 3 – постоянные магниты;
z – период зубцовой структуры датчика Холла
Поскольку преобразователи Холла расположены между магнитными сопротивлениями
R1  R3 , R1  R4 , R2  R3 , R2  R4 (рис. 1, а), то для определения их информационных
сигналов на основании схемы замещения (рис. 1, б) соответствующие магнитодвижущие силы
(МДС) F13, F14, F23, F24 могут быть рассчитаны по формулам
2 x 
 2 x
 2 x  
F13    ( R1  R3 )  Rm  sin
 cos
 ;
   2Rm cos 
z
z 
4

 z
2 x
2 x 

 2 x  
F14    ( R1  R4 )  Rm   sin
 cos
 ;
   2Rm cos 
z
z 
4

 z
(1)
2 x
2 x 

 2 x  
F23    ( R2  R3 )  Rm  cos
 sin
 ;
  2Rm cos 
z
z 
4

 z
2 x
2 x 

 2 x  
F24    ( R2  R4 )  Rm  cos
 sin
 ,
  2Rm cos 
z
z 
4

 z
где Ф – магнитный поток полюса; Rm – магнитное сопротивление постоянной МДС; х – текущая координата.
Так как информационные сигналы преобразователей Холла прямо пропорциональны
МДС F13, F14, F23, F24, то из формул (1) следует, что рассматриваемая измерительная система
позволяет получить две пары противофазных сигналов F13  F24 и F23  F14 , сдвинутых между
собой на 90 электрических градусов, в виде
 2 x  
E1  F24  F13  2 2Rm cos 
 ;
4
 z
(2)
 2 x  
E2  F23  F14  2 2Rm cos 
 .
4
 z
Проведенный нами анализ измерительных средств, используемых в прецизионных координатных системах субмикронного технологического оборудования, показал, что современным требованиям достижимой разрешающей способности, достоверности и стабильности получаемой измерительной информации, быстродействия измерительной системы, удобства получения, хранения и передачи измерительной информации отвечают два вида первичных изме39
рительных устройств: лазерные интерферометры, основанные на измерении фазового сдвига
методом компенсации, и прецизионные оптические датчики отражательного типа с интерферометрическим принципом сканирования. Среди них оптимальным выбором для измерения
наноперемещений являются оптические датчики отражательного типа с интерферометрическим принципом сканирования. Такие датчики с малым периодом входного сигнала и выходным сигналом «синус–косинус» позволяют получить разрешение измерительной системы до
0,44 нм, что вполне достаточно для современного и перспективного в ближайшие 3…5 лет оптико-механического оборудования.
Траекторное управление на основе верификации в режиме реального времени
Разработанная нами обобщенная структура системы управления [4] представляет собой
аппаратно-программный комплекс, включающий аппаратную часть в виде контроллера, сконфигурированного под конкретный тип электродвигателя, и программы верхнего уровня, обеспечивающей информационную связь между контроллером и пользователем, а также поддерживающей штатный автоматический режим работы устройства с регулированием движения по
скорости, ускорению и положению в зависимости от требуемой технологической операции.
В соответствии с предложенной структурой управления многофункциональными прецизионными координатными системами разработан программно-аппаратный комплекс
LSMC-x на базе современного процессора семейства DSP MS320VC33, позволяющий одновременно управлять шестью позиционными осями с электроприводами в серворежиме (подчиненное регулирование по положению или его первой и второй производной, а также регулирование по усилию или моменту). В зависимости от конфигурации и функционального назначения
координатных систем контроллер может комплектоваться одним или двумя сервоконтроллерами UC48NQ, контроллерами ввода-вывода SPS/IO-8(16), линейкой усилителей мощности (в
двухфазном исполнении PU2 (200 Вт) и PU3 (500 Вт), в трехфазном исполнении PU10 (1 кВт) и
PU20 (5 кВт)).
При работе с контроллером LSMC-x имеется возможность траекторного управления и
динамического программирования параметров перемещения, скорости и ускорения приводов.
Контроллер обладает блоком внутренней памяти, в который при необходимости записываются
заданные пользователем параметры движения. Впоследствии сохраненные данные могут быть
переданы на управляющий персональный компьютер для дальнейшей обработки и анализа.
Пересылка команд от компьютера к контроллеру, а также получение информации от контроллера осуществляется через последовательный интерфейс RS-232, USB или Ethercat. Контроллер
LSMC-x совместим с программной оболочкой DSP-Host и инструментарием MATLAB RealTime Workshop, что позволяет реализовать методику аппаратно-программного моделирования
и верификации математической модели линейного двигателя.
Использование подходов аппаратно-программного моделирования и верификации [5]
позволило реализовать в системе управления приводами адаптивный пропорциональноинтегрально-дифференциальный регулятор (ПИД-регулятор), расчет параметров которого основан на верификации в MATLAB в режиме реального времени компьютерной модели исполнительного привода по информации, поступающей с датчиков обратной связи и токовых контуров усилителей мощности. Передаточная функция управления одной координатой при этом
имеет вид


K


 K пр  и  K д s  Gу м( s)GСД ( s)  Gфф ( s)Gу м( s)GСД ( s)
s

,
GСУ ( s)  
K


1   K пр  и  K д s Gу м( s)GСД ( s)Gд ( s)
s


(3)
где Kпр , Kи , K д  параметры пропорционального, интегрального и дифференциального каналов
ПИД-регулятора
соответственно;
Gфф ( s) 
параметр
упреждающего
канала
ПИД-регулятора; Gу м( s) – передаточная функция усилителя мощности; GСД ( s) – передаточная функция синхронного двигателя; Gд ( s) – передаточная функция датчика Холла.
40
Программа определения оптимальных параметров ПИД-регулятора, разработанная в
MATLAB/Simulink, позволила реализовать разработанный адаптивный регулятор в системе
управления LSMC-x с удобным для пользователя интерфейсом, включающим как числовую
информацию о предельно допустимых и текущих задаваемых и искомых параметрах синхронного двигателя, так и графическую информацию о переходных процессах и им соответствующих функциях изменения управляющих токов и напряжений. На рис. 2 в качестве примера показана копия окна программы с графиком амплитуды задаваемых и действительных управляющих токов, а также график напряжения в рассматриваемой фазе при реализации позиционного управления перемещением на 40 мм со скоростью 1 м/с и ускорением 15 м/с2.
Заданная
амплитуда тока
Напряжение
Действительная
амплитуда тока
Рис. 2. Графики управляющих токов и напряжений
Анализ возможных алгоритмов управления показал, что для систем перемещений сборочного оборудования во многих случаях достаточно реализовать обратные связи по положению на основе токовых сигналов, снимаемых с датчиков Холла. Системы перемещений для
субмикронного оборудования, безусловно, требуют реализации обратных связей как по положению, так и по скорости и ускорению с реализацией программных компенсаторов статической и динамической погрешностей.
Внедрение разработанных контрольно-измерительных средств и системы траекторного
управления в технологическое оборудование микроэлектроники позволило получить следующие результаты.
Координатные системы для сборочного оборудования в комплекте с системой управления LSMC-х, разработанные как автономные мехатронные модули с датчиками обратных связей на магнитно-индукционных и оптоэлектронных преобразователях, обеспечивают разрешение до 50 нм, точность позиционирования до 1 мкм, скорость до 1 м/с, ускорение до 2 м/с2.
Координатные системы для оптико-механического оборудования в комплекте с системой управления LSMC-х модульно встраиваются в конкретное оборудование, работающее в
сочетании с лазерными интерферометрами измерительной системы, обеспечивая разрешение
до 1 нм, точность позиционирования до 5 нм, скорость до 0,5 м/с, ускорение до 5 м/с2.
Выводы
В системах перемещений сборочного оборудования микроэлектроники для достижения
точности позиционирования и траекторной погрешности в пределах ±3…±5 мкм достаточно
измерительной системы, обеспечивающей обратные связи в системе управления на магнитоиндукционных датчиках Холла.
Для систем перемещений оптико-механического оборудования, особенно перспективного с перемещениями наноуровня, необходимо использовать абсолютную систему измерений
на основе лазерных интерферометров, позволяющих получить разрешение до 0,5 нм и лучше.
41
TRAJECTORY CONTROL OF COORDINATE SYSTEMS OF SUBMICRON
MICROELECTRONICS EQUIPMENT
I.V. DAINIAK, V.V. JARSKI, S.E. KARPOVICH
Abstract
Measuring tools used for the forming of programming motions in the assembly and optomechanical equipment of microelectronics were analyzed. The structure of the trajectory control system based on approach of hardware-in-the-loop modeling and real-time verification was proposed.
The results of using the proposed trajectory control system in coordinate systems of precision equipment were shown.
Список литературы
1. Карпович С.Е. Прецизионные координатные системы на основе электропривода прямого действия.
Минск, 2001.
2. Карпович С.Е, Жарский В.В., Дайняк И.В. Программируемые движения в прецизионных системах перемещений. Минск, 2008.
3. Sharski V.V., Trusov N.K. Positionssensor für den Anker eines elektromagnetischen Schrittmotors / Offenlegungsschrift DE 101 03 478 A 1 Bundesrepublik Deutschland von 02.08.2001.
4. Jarski V. // SPIE. 2009. Vol. 7377. CID 7377 1A.
5. Ahranovich A., Karpovich S., Zharsky V. // Electronics and Electrical Engineering. 2007. № 5(77). P. 49–52.
42
ДОКЛАДЫ БГУИР
№ 4 (74)
2013
УДК 519.2:005
ИНТЕРВАЛЬНОЕ ПРОГНОЗИРОВАНИЕ НЕСТАЦИОНАРНЫХ ПРОЦЕССОВ,
ОПИСЫВАЕМЫХ СТОХАСТИЧЕСКИМИ ДИФФЕРЕНЦИАЛЬНЫМИ
УРАВНЕНИЯМИ С ПЕРЕМЕННЫМИ ПАРАМЕТРАМИ
А.В. ОВСЯННИКОВ
Белорусский государственный университет
Независимости, 4, Минск, 220030, Беларусь
Поступила в редакцию 14 ноября 2012
Рассмотрена задача интервального прогнозирования нестационарных процессов, описываемых моделями стохастических дифференциальных уравнений с переменными параметрами. Получены алгоритмы интервального прогнозирования в дискретном и непрерывном
времени. Проанализированы вопросы достижения границ и временнỏй адекватности прогностической модели.
Ключевые слова: нестационарный процесс, стохастическое дифференциальное уравнение,
интервальный прогноз, алгоритм, достижение границ, временнảя адекватность.
Введение
Задача прогнозирования стохастических процессов представляет значительный теоретический интерес и имеет прикладной характер во многих областях научных исследований, в
частности, в теории управления, статистической радиотехнике, оценке надежности технических систем, финансово-экономической сфере и т.д. В классической (труды А.М. Яглома,
Т. Андерсона, Э. Парзена, Р. Брауна и др.) и обширной современной литературе, посвященной
этому вопросу, представлены результаты точечного и интервального прогнозирования (ИП),
полученные в предположении гауссовской, стационарной «шумовой» компоненты прогнозируемого процесса. В тоже время во многих практических задачах шумы имеют негауссовский и
нестационарный характер. Применение приближений нестационарного процесса совокупностью стационарных участков [1,2] обеспечивает получение краткосрочных прогнозов на относительно небольших временных интервалах и не позволяет строить качественные, с различным
уровнем горизонта, точечные и интервальные прогнозы.
В работе [3] предложен метод ИП нестационарных процессов с произвольным распределением шума и независимыми временными отсчетами. ИП в этом случае оказывается эффективнее классических методов [4], в том смысле, что гарантирует прогноз в заданном доверительном интервале на произвольный временной отрезок. Представляется целесообразным, в
развитие работы [3], рассмотреть задачу ИП с учетом «тонкой» структуры шумового процесса,
модель формирования которого может быть задана стохастическим дифференциальным уравнением (СДУ). В этом случае структура алгоритмов ИП позволяет учитывать нестационарность «шумовой» компоненты прогнозируемого процесса и обеспечивает распространение
предлагаемой методики на широкий класс процессов, описываемых СДУ с переменными параметрами.
Цель статьи – разработать общий, теоретически обоснованный метод и алгоритмы ИП
нестационарных процессов, описываемых СДУ с переменными параметрами с учетом различных сведений о его структуре, оценить эффективность ИП и временную адекватность прогностической модели.
43
Постановка задачи интервального прогнозирования
Рассмотрим задачу прогнозирования на P шагов в условиях регулярного статистического эксперимента. Пусть имеется наблюдаемая последовательность ξ=[ξ1 ,..., ξ k ]T , принадлежащая нестационарной плотности (НП) P  P( | X , t ) , где X – набор параметров НП. В непрерывном времени модель процесса представляется СДУ
(t )  a(t , )  g (t )(t ) ,
(1)
где a(t , ), g (t ) – известные детерминированные функции, удовлетворяющие условию Липшица, (t ) – нормальный белый шум с нулевым средним (t )  0 и дельтообразной корреляционной функцией (t )(t ')  N (t ' t ) / 2 , N – односторонняя спектральная плотность. Оптимальная разностная схема, при понимании СДУ (1) в форме Ито, имеет вид
i  i 1  ai 1  gi i ,
(2)
где   ti  ti 1 малый интервал времени, на котором слева и справа интегрируется СДУ (1),
ti
ai 1  a(ti 1 , i 1 ) ,  i  (1/ )  (t )dt , M i  i 1  ai 1 – математическое ожидание, Di  B(ti )
ti 1
ti
– дисперсия, B(ti )  lim( N / 2)  g 2 ( x)dx – коэффициент диффузии (в случае g = const этот ко0
ti 1
эффициент B  Ng / 2 ). Глобальная среднеквадратическая погрешность разностной схемы (2)
2
определяется величиной [5]   
  M (a g(t))  dt 
1/2
T
0

2
, T  k  . В дальнейшем, там где это не
вызывает сомнений, зависимости функций от аргументов опускается.
При фиксированном объеме ряда {i } выборочным пространством является k-мерное
пространство Rk, на котором задана плотность P (здесь и далее под плотностью понимается
плотность распределения вероятностей). Верхний  p и нижний  p доверительный предел для
момента времени tp > tk ( p  k  P ) определяются из условия P(p  M p  u  p  M p )   ,
где u    M p , M p – систематическая составляющая последовательности {i } ,  – заданная
доверительная вероятность. Следовательно, выражения для верхнего и нижнего доверительного предела p  M p  Fp1  Fp (0)   / 2 , которое при симметричной НП преобразуется к виду
p  M p  Fp1 ( / 2) ,
(3)
где Fp1 – функция, обратная функции распределения Fp (p  M p )   / 2 . Ширина интервала
прогноза –  p  2Fp1   / 2 . Таким образом, если известна НП, определяющая однозначное интегральное преобразование Fp1 , решение задачи прогнозирования сводится к вычислению (3) в
моменты времени tp > tk .
Алгоритмы интервального прогнозирования в дискретном и непрерывном времени
Функцию F 1 аналитически можно найти в ограниченном ряде случаев. Поэтому можно воспользоваться тем, что одношаговая плотность перехода (ОПП) марковского процесса (2)
имеет вид

2
 1

i  M i   / 2Di .
P(i | i 1 )  exp 


 2 Di

44
(4)
Функция распределения, соответствующая (4) и доверительному интервалу  p , имеет
вид F (i  M i )  (1/ 2)Erf (i  M i ) / 2 Di  , где Erf – функция интеграла вероятности и,
следовательно, алгоритм ИП (3) принимает вид
i  M i  2Di Erf 1 ( ) .
(5)
Уравнение (4) позволяет получить текущую оценку верхнего и нижнего доверительного
интервального предела на интервале i  1, k . Уравнение для следующих P шагов имеет вид (5)
с учетом замены переменных M i и Di на их оценки по результатам k наблюдений.
Рассмотрим СДУ
(t )  a(t , )  g t (t )
(6)
и его разностную схему i  i 1  ai 1  g 
ti
ti 
t (t )dt , для которой определим параметры сно-
са A  ai 1 , диффузии B(ti )  Bti , ti  (ti  ti 1 ) / 2 , среднего значения M i  i 1  ai 1 и дисперсии Di  Dti , D  B . Таким образом, видно, что приведенное СДУ соответствует ОПП (4)
и для него применим алгоритм ИП (5).
Используя метод максимального правдоподобия, величину параметра масштаба D
можно найти из уравнения  i 1  ln P(i | i 1 ) / D  0 . Выполняя преобразования, получим
k
Dk*
2
1 k (i  M i )
  i 1
,
k
ti
(7)
и, следовательно, алгоритм ИП (5) принимает вид
p  M *p  2Dk*t p Erf 1 ( ) .
Здесь величина M *p
(8)
представляет собой функцию, описывающую поведение средне-
го значения процесса. С учетом разложения в ряд функции a(i 1 ) по степеням i1 до второй
включительно, получим выражение
T1  a / 2
a  0 , то
1
1
M *p  0  r  p  0 (T / T1 )(1  r  p )  , где T  a
1
,
– постоянные времени СДУ, r  exp( / T ) . Заметим, что если принять
M *p  0 r p , что соответствует приближению стохастического процесса экспо-
ненциально-коррелированным.
Рассматривая уравнения (8) относительно  p для двух последовательных моментов
времени t p , t p 1 и переходя к пределу при   0 , получаем обобщенные уравнения оценки
верхнего и нижнего доверительного предела в непрерывной форме:
 (t )  m* (t )  2DT* (1  r 2 )t Erf 1 ( ) , t  tk  T
(9)
В приведенном выражении величина m (t )  (t ) представляет собой среднее процес-
T
T
 a 2  t 1dt , T  k  . В табл. 1 представлены парамет
ры дискретного и непрерывного алгоритма ИП гауссовского экспоненциальнокоррелированного процесса. Анализ алгоритмов (8), (9) позволяет сделать вывод о том, что в
отличие от ИП процесса с независимыми отсчетами, в случае его описания моделями СДУ,
становится существенным наличие среднего значения. Если имеет место процесс с
са описываемого СДУ (1), DT* 

2T 0 
2
45
lim m (t )  0 , то при малых постоянных времени влияние m* (t ) на результат работы алгоритма
t 
ИП практически незначительно. В то же время эта величина может оказаться существенно значимой при больших постоянных времени СДУ или в случае нестационарности самого процесса
(t ) относительно среднего, т.е. lim m (t )  0 .
t 
В табл. 2, приведены характеристики экспоненциально-коррелированных стохастических процессов, описываемых СДУ (t )  (t )(t )  g t (t ) , для которых существует точный
алгоритм ИП в виде
 (t )  m (t )  2D (t )Erf 1 ( ) .
Решение

СДУ
(10)
имеет
t
(t )  (t0 , t )  g  ( x, t ) x( x)dx ,
вид

t
где
t0
(t0 , t )  exp  ( x)dx , ( x, t )  (t0 , t )( x, t0 ) . Коэффициенты сноса и диффузии СДУ равны
t
0
A(t , )  (t )(t ) ,
B(t )  Bt .
Автокорреляционная
функция
(АКФ)
процесса
t
K (t ', t )  B(t0 , t ')(t0 , t )  x( x, t0 )2 dx . В табл. 2 приведены среднее значение процесса m (t ) ,
t0
.
дисперсия Dξ(t) и АКФ K(t,τ).
Таблица 1. Параметры дискретного и непрерывного алгоритма ИП СДУ (6) a()  
Алгоритм
Параметр μ
Дискретный
  b / 2Dk*
Непрерывный
  b / 2DT*
Среднее значение
M *p  0 exp(p)
m (t )  (t0 )exp(t )
Dk* 
Параметр масштаба
1 k (i  (1  )i 1)2

k i 1
ti
DT* 
1
2T
T
0 
2
 ()2  t 1dt

Таблица 2. Характеристики СДУ (6) с a(t , )  (t )(t ) и параметры алгоритма ИП
СДУ
Параметр μ(t)
Пример 1

Пример 2
(t  c)1 , с = const
Среднее значение m (t )
(t0 )exp(t )
(t0 )c (t  c)
D (2t  e2t  1),
D (c2(t )2  (t  c)(2t  t  c) 
Дисперсия Dξ(t)
D  B / 4 2
D  B / 2(22  3  1), (t)  c (t  c)
D (t )e
АКФ,   t  t
D (t )e (t ) 
Рассмотрим важный для практики случай, когда функция a(t , ) ограничена некоторой
константой a(t , )  C . Тогда дисперсия процесса (t ) , заданного СДУ (1), также ограничена
t
D (t )  Dmax (t )  ( N / 2)  g 2 ( x)dx . Таким образом, уравнения для теоретических границ верхне0
го
и
нижнего
доверительного


 (t )  max (t )  m (t )  2Dmax (t )Erf 1 ( ) .
предела
Например,
(10)
пусть
принимают
задано
вид
СДУ
y(t )  v tanh(uy)  g t (t ) . Заменой переменных   uy , C  uv , K  ug преобразуем его к виду
(t )  C tanh((t ))  K t (t ) .
При
кусочно-линейной
аппроксимации
функции
a()  C,   ; C,    , где δ – фиксированный интервал, получаем систему СДУ для раз-
личных участков
1  C1  K t (t ),
 ,
2  Csign(2 )  K t (t ),    .
46
(11)
(12)
Дисперсия
процесса
при
этом
ограничена
функциями
Dmax (t )  D1 (t )  D (t )  D 2 (t )  Dmax (t ) , где величина D1 (t ) , с учетом результатов примера 1
приведенного в табл. 2 имеет вид
D1 (t )  ( B / 4v 2 )(2uvt  e2uvt  1) , D 2 (t )  ( NK 2 / 2)t 2 / 2  u 2 Bt 2 / 2 .
Интервальное прогнозирование процессов с систематической составляющей
Рассмотрим задачу ИП на P шагов в следующей постановке. Модель наблюдаемого
дискретного временного ряда имеет вид yi  fi  i , i  1, k . В этой модели последовательность
{yi } рассматривается как сумма детерминированной {fi  f (ti ,)} , где   [λ1 ... λ q ]T – вектор
параметров тренда, и случайной последовательности {i } – “шума” наблюдения, описываемого в непрерывной форме моделью СДУ (1).
В этом случае верхний  p и нижний  p доверительный предел определяются из условия P(p   p  u  p   p )   , где величины u  y   p ,  p  ( f p ,  p )  f p  M p
– систе-
матическая составляющая последовательности {yi } . Следовательно, выражения для верхнего и
нижнего доверительного предела (8), (9), с учетом того, что i  yi  fi , преобразуются к виду
p  f p*  M *p  2Dk*t p Erf 1 ( ) ,
(13)
 (t )  f * (t )  m (tгр )  2DT* (1  r 2 )t Erf 1 ( ) , t  tk  T ,
(14)
где f p*  f (t p , *k ) , f * (t )  f (t , T* ) – функции тренда с оценкой ее параметров *k , *T  по результатам k наблюдений временного ряда {yi } . Система уравнений последовательной оценки
*i приведена ниже для последнего данного наблюдения yk
*k  0k  K k Zk fk0 , K k1  K k11  (fk0 )(fk0 )T Zk  (2 fk0 )Zk ,
где Zk   ln P(k | k 1 ) / k  (0k  M *k ) D1 , 0k  yk  f k0 , M *  *k 1  ak*1 , *k 1  yk 1  f k*1 ,
f k0  f (tk , 0k ) , f k*1  f (tk 1 , *k 1 ) , f k0  f k0 /  , Zk  Zk / k , Kk – матрица коэффициен-
тов усиления,  0k – найденное одним из известных способов предварительное значение оценки.
Достижение границ и временнảя адекватность прогностической модели
Рассматриваемый метод позволяет решать практически важные задачи, связанные с достижением заданных границ G   [G  , G  ] прогнозируемыми процессами, и соответственно, находить прогнозируемое время их достижения tгр  min(tгр , tгр+ ) . В общей постановке решение задачи достижения границ можно определить как задачу с плавающими границами G   G  (t ) ,
например, G  (t )  g0  g1t . Заметим, что из практических соображений такая постановка является более реалистичной. Время достижения ближайшей интервальной границы определяется
решением нелинейного уравнения (13), (14). В частности, для непрерывной формы имеем
G  (tгр )  f * (tгр )  m* (tгр )  2DT* (1  r 2 )tгр Erf 1 ( ) .
Так, например, в простейшем случае модели тренда f * (t )  *0  1*t , G  (t )  G  и

m* (tгр ) получаем tгр(±)  *T  *T 2  4(G (  )  *0 )1*

2
/ 41*2 , *T  2DT* (1  r 2 )Erf 1 ( ) . В случае
стационарности процесса (t ) относительно среднего и малых постоянных времени СДУ влияние величины m* (tгр ) на решение несущественно и эту составляющую уравнения можно не
47
учитывать.
Рассмотрим отношение   tгр / tp . Очевидно, что при   1 используемая в (15) модель
f * утрачивает эффективность и становится неадекватной с точки зрения прогноза на время tр.
В этом случае необходимо либо уменьшить величину tр либо модифицировать модель тренда f.
Таким образом, вычисляя предварительно время достижения интервальной границы tгр можно
определить эффективное время прогнозирования t эp  tгр выбранной модели f*. Поскольку ве-
личина tгр является функцией доверительной вероятности tгр (  ) , то можно говорить об эффективном времени прогнозирования с заданной доверительной вероятностью t эp  t pэ ( ) .
Моделирование алгоритмов интервального прогнозирования
Результаты моделирования алгоритмов ИП нестационарных процессов описываемых
СДУ с переменными параметрами (табл. 2) и коэффициентом   0,9 приведены на рис. 1, 2.
ИП велось от середины временного интервала моделирования. На рис. 1 приведены результаты
работы алгоритма ИП детерминированной функции f (t )  100  0,05t на фоне стохастического
процесса (t )  0,2(t )  t (t ) с начальным значением (0)  100 и B = 2. На рис. 1 представлены: процесс ξ(t), результат работы точного алгоритма ИП (10) – 1, результат работы алгоритма ИП (14) с r  0,5 – 2. В случае r  0 поведение зависимостей   (t ) ИП практически
совпадает с зависимостью 1.
350
2
300
1
250
y(t)
200
150
100
50
0
-100
2
1
-50
0
100
200
300
400
500
t,c
600
700
800
900
1000
Рис.1. ИП линейного СДУ примера 1 (табл. 2)
На рис. 2 приведены результаты работы алгоритма ИП детерминированной функции
f (t )  10  0,1t на фоне стохастического процесса (t )  2(t  1)1 (t )  t (t ) с начальным значением (0)  100 , B = 2 и средним значением m (t )  10(t  1)2 . На рис. 2 представлены: процесс ξ(t), результат работы точного алгоритма ИП (10) – 1, результат работы алгоритма ИП (14)
с r  0 …2, результат алгоритма ИП (14) с r = 0,5…3.
На рис.3 и рис.4 приведены результаты моделирование алгоритма ИП функции
f (t )  10  0,1t на фоне стохастического процесса (t )  v tanh(u)  g t (t ) с начальным зна-


чением (0)  10 и B = 2. Среднее значение процесса m (t )  asinh euvt sinh(u0 ) / u . Моделирование алгоритма ИП проводилось для различных значений параметра u и v = 2. На рис.3
представлены: процесс ξ(t) с u = 0,1, результат работы алгоритма ИП (11) c u = 0,1…1, результат работы алгоритма ИП (12) с соответствующей величиной Dmax (t ) . На рис. 4 представлены:
процесс ξ(t) при u = 10 и результат работы алгоритма ИП с соответствующей величиной
Dmax (t ) .
48
x 10
1
4
2
3
y(t)
0.5
1
0
-0.5
1
3
2
-1
0
1000
2000
3000
4000
5000
t,c
6000
7000
8000
9000
10000
Рис. 2. ИП линейного СДУ примера 2 (таблица 2)
2000
800
1500
600
1000
2
400
1
500
y(t)
y(t)
200
0
0
-500
-200
-1000
2
-400
-600
-1500
-2000
0
100
200
300
400
500
t,c
600
700
800
900
Рис. 3. ИП нелинейного СДУ с параметром u = 0,1
0
500
1000
t,c
1500
2000
Рис. 4. ИП нелинейного СДУ с параметром u = 10
Заключение
Рассматриваемый подход к ИП обобщает результаты полученные в [3] на случай описания стохастических процессов моделями СДУ с переменными параметрами. В работе получены дискретные и непрерывные алгоритмы ИП с учетом нестационарности шумовой компоненты прогнозируемого процесса. Решение задачи ИП позволяет решать и сопутствующие задачи, связанные с достижением заданных границ прогнозируемыми процессами и оценкой
временной адекватности прогностической модели. На аналитических примерах и результатах
моделирования показана эффективность применения разработанных алгоритмов.
INTERVAL PREDICTION OF NON-STATIONARY PROCESSES, DESCRIBED BY
STOCHASTIC DIFFERENTIAL EQUATIONS WITH VARIABLE PARAMETERS
Abstract
A.V. AUSIANNIKAU
The task of interval prediction of non-stationary processes of stochastic differential equations
described by models with variable parameters is considered. Algorithms of interval prediction in the
discrete and continuous time are received. Questions of achievement of boundaries and temporal adequacy of prognostic model are analyzed.
Список литературы
1. Орлов Ю.Н., Осминин К.П. Нестационарные временные ряды: Методы прогнозирования с примерами
анализа финансовых и сырьевых рынков. М, 2011.
2. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов. М., 2003.
3. Овсянников А.В. // Изв. НА НБ. Сер. физ.-мат. наук. 2010. № 4. С.21–28.
4. Грешило А.А., Стакун В.А., Стакун А.А. Математические методы построения прогнозов. М., 1997.
5. Никитин Н.Н., Разевиг В.Д. // Жур. Выч. Матем. и матем. физики. 1978. Т 18, № 1. С.106–117.
49
ДОКЛАДЫ БГУИР
№ 4 (74)
2013
УДК 621.396.001
БАЗОВЫЕ МЕТОДЫ МОДУЛЯЦИИ СТОХАСТИЧЕСКИХ СИГНАЛОВ
Р.М. ДИДКОВСКИЙ1, С.М. ПЕРВУНИНСКИЙ1, Н.И. БОКЛА2
1
Черкасский государственный технологический университет
Т. Шевченко, 460, Черкассы, 18006, Украина
2
Государственный университет информационно-коммуникационных технологий
Соломенская, 7, Киев, 03110, Украина
Поступила в редакцию 20 декабря 2013
Представлен сравнительный анализ базовых методов модуляции стохастических сигналов.
Указаны преимущества и недостатки рассматриваемых методов. Выполнен анализ потенциальной помехоустойчивости систем связи с шумовой несущей. Показана перспективность использования шумовых сигналов в области конфиденциальной связи.
Ключевые слова: шумовой сигнал, модуляция, помехоустойчивость.
Введение
Стохастические сигналы в качестве несущих привлекали к себе внимание специалистов
в области связи еще со середины 50-х годов прошлого столетия (академик А.А. Харкевич).
Прежде всего, это объясняется целым рядом преимуществ такого типа несущей: высокая информационная емкость шумового сигнала, высокая структурная скрытность сигнала, простота
структуры системы связи с шумовой несущей, стойкость к многолучевому распространению и
допплеровскому смещению частоты.
За прошедшие годы было разработано большое количество методов модуляции и обработки шумовых сигналов. Однако практическая реализация систем связи с шумовыми сигналами тормозилась отсутствием теории потенциальной помехоустойчивости таких систем и несовершенством элементной базы радиотехнических устройств. Развитие цифровых технологий
формирования и обработки сигналов позволяет на современном этапе по-новому подойти к
проблемам разработки эффективных систем связи с шумовой несущей. Однако на протяжении
последнего десятилетия не было опубликовано работ, позволяющих на основании адекватных
теоретических оценок вероятности ошибки выполнить сравнительный анализ эффективности
методов модуляции стохастической несущей, указать возможные области применения того или
иного метода.
Кроме того, полученные еще в 60-х годах оценки помехоустойчивости систем с шумовыми сигналами базировались на предположении о гауссовом распределении величины на
входе решающего устройства (детектора). Такое предположение использовано по аналогии с
классическими системами связи, которые основаны на взаимно-корреляционном приеме.
Однако в работе [1] показано, что это предположение не верно и ведет к значительному
завышению оценки вероятности ошибки приемника системы. В работе [1] также предложен
метод точного определения потенциальной помехоустойчивости системы связи с фазовой манипуляцией шумового сигнала (ФМШС).
В данной работе мы распространим предложенный метод на целую группу систем связи. Покажем, что их помехоустойчивость гораздо выше, чем считалось ранее, и уровень их помехоустойчивости вполне приемлем для использования соответствующих методов передачи
информации в практических системах конфиденциальной связи.
50
Анализ методов модуляции
Рассмотрим базовые бинарные методы внесения информации в шумовой сигнал.
Амплитудная манипуляция шумового сигнала (АМШС) [2]. В этой системе символ «0»
кодируется пассивной паузой, а символ «1» – фрагментом шумового сигнала. Структурная
схема передатчика системы изображена на рис. 1, а. На рисунке обозначено: ГШС – генератор
шумового сигнала, x(t ) – шумовой сигнал на выходе генератора (некоторая реализация широкополосного стохастичного процесса), y (t ) – модулированный сигнал, (t ) – первичный цифровой сигнал (имеет постоянное значение на протяжении символьного интервала).
Прием осуществляется энергетическими методами (рис. 1, б). Если в конце символьного интервала продолжительности T величина r * , которая наблюдается на выходе демодулятора, превышает порогове значение  , то принимается решения о приеме символа «1», иначе – о
приеме «0».
x(t )
y (t )
Выходной
Переданный
ГШС
×
тракт
сигнал
Информация
Кодер
 (t )  0 , при передаче «0»;  (t )  1 , при передаче «1»
а
t T
Демодулятор
Принятый
сигнал
Входной z (t )
тракт
T

×
0
r
*
Детектор
Компаратор
H1
r *  


H0
б
Рис. 1. Структурная схема: а – передатчика; б – приемника системы связи с АМШС
Частотная манипуляция шумового сигнала (ЧМШС) [3]. Передатчик системы данного
типа содержит два генератора шумовых сигналов, которые отличаются своей полосой частот
(рис. 2, а). Параметры генераторов выбирают таким образом, чтобы мощности выходных сигналов x0 (t ) и x1 (t ) были равными, а полосы частот не пересекались.
Прием сигнала осуществляется путем сравнения энергии сигнала в одной и другой полосе частот (рис. 2, б). Полосы пропускания фильтров Ф-0 и Ф-1 согласованы с полосами частот генераторов ГШС-0 и ГШС-1.
Необходимо отметить, что энергетический метод приема сигналов в системах этих двух
типов позволяет стандартному энергетическому приемнику выявить признаки модуляции (при
достаточно высоком отношении сигнал-помеха). Следовательно, системы с АМШС и ЧМШС
имеют сравнительно невысокую структурную скрытность. Указанного недостатка лишены системы с корреляционно-временной модуляцией (с передачей опорного сигнала) [4], которые
рассмотрены ниже.
Однако простота реализации приемника и отсутствие необходимости передавать опорный сигнал привели к тому, что идеи, заложенные в системах с АМШС и ЧМШС, получили
развитие сразу в нескольких направлениях:
1) многоразовое изменение свойств шумового сигнала на протяжении одного символьного интервала [5];
2) использование изменения значений кумулянтов высших порядков (мощность или
дисперсия является кумулянтом 2-го порядка) как переносчика информации [6];
3) применение многопозиционных импульсных схем модуляции [7].
51
Кодер
0
x1 (t )
ГШС-1
Информация
Коммутатор
x0 (t )
ГШС-0
Выходной
тракт
y (t )
1
Переданный
сигнал
 (t )  0 , «0»;  (t )  1 , «1»
а
t T
Демодулятор
T
Ф-0

×
Детектор
r0*
Компаратор
z (t )
*
1
T
Ф-1
r1*

×


H
1 r *
r 
0
H
0
0
0
б
Рис. 2. Структурная схема: а – передатчика; б – приемника системы связи с ЧМШС
Система Ланге-Мюллера [8–9]. Кодирование информации в этой системе происходит
путем задержки опорного сигнала на разное время  0 и  1 в зависимости от передаваемого
символа (рис. 3, а). Передатчик излучает сумму опорного и информационного сигнала.
Приемник содержит два автокорреляционных устройства (с соответствующими задержками) по максимуму выхода которых принимается решение о приеме того или иного символа (рис. 3, б).
ГШС
x(t )
Коммутатор
τ0
0
τ1
Информация
Кодер
y (t )
+
1
Выходной
тракт
Переданный
сигнал
 (t )  0 , «0»;  (t )  1 , «1»
а
t T
Демодулятор
τ0
×
z (t )
Детектор
r0*
T

H
T
τ1
×
Компаратор
1
r1*  r0*
0
r1*



H0
0
б
Рис. 3. Структурная схема: а – передатчика; б – приемника системы связи Ланге-Мюллера
Упрощенная система Ланге-Мюллера [4]. Отличается от предыдущей отсутствием в
приемнике каскада с задержкой  0 (используется пассивная пауза). Вместо этого в детекторе
устанавливается ненулевой порог регистрации вторичного максимума автокореляционной
функции сигнала (то есть детектор работает по типу системы с АМШС).
52
Автокорреляционная система с противоположными сигналами (О.О. Воронин) [8]. В
этой системе информационный сигнал всегда задерживается на одно и то же время  . При передаче «1» он является копией опорного, а при передаче «0» – противоположный к нему
(рис. 4, а).
Детектирование сигнала осуществляется с помощью одного автокореляционного
устройства с задержкой  , причем оптимальный пороговый уровень детектора в данной системе равняется нулю независимо от мощности помех (рис. 4, б).
Системы последних трех типов имеют высокий уровень структурной скрытности сигнала. Однако достигается это ценой высокого уровня внутренних системных помех, которые
значительно снижают помехоустойчивость данных систем связи.
τ
x(t )
ГШС
Информация
Кодер
×
+
y (t )
Выходной
тракт
Переданный
сигнал
 (t )  1 , «0»;  (t )  1 , «1»
а
t T
Демодулятор
τ
T
z (t )
r*

×
Детектор
0
Компаратор
H1
r *  0


H0
б
Рис. 4. Структурная схема: а – передатчика; б – приемника системы Воронина
Фазовая манипуляция шумового сигнала (ФМШС) [9]. Система с ФМШС разработана
авторами данной работы на базе системы Воронина с целью избавиться от внутренних системных помех. Проблема решается путем последовательной передачи опорного и информационного сигналов (рис. 5, а).
На протяжении первой половины символьного интервала передатчик излучает опорный
сигнал, а на протяжении второй – информационный. Информационный сигнал является задержанным дубликатом опорного при передаче символа «1» и противоположным к опорному –
при передаче «0». Прием сигнала можно осуществить с помощью устройства, схема которого
изображена на рис. 5, б.
Коммутатор
t T /2
x(t )
ГШС
T/2
Информ.
Кодер
y (t ) Выходной
тракт
×
Переданный
сигнал
 (t )  1 , «0»;  (t )  1 , «1»
а
Демодулятор
T/2
z (t )
T
×

T /2
t T
r*
Детектор
Компаратор
r
*
H1

 0


H0
б
Рис. 5. Структурная схема: а – передатчика; б – приемника системы с ФМШС
53
Результаты и их обсуждение
Предложенный в [1] метод точного вычисления вероятности ошибки приема информационного бита Pb в системе с ФМШС был распространен авторами на другие типы систем,
описанных выше. Это позволило провести подробный анализ помехоустойчивости систем и
указать ряд их особенностей.
Графики рис. 6 иллюстрируют полученные результаты и позволяют сравнить помехоустойчивость разных систем при изменении нормированного отношения сигнал-шум h2=Eb/N0
(Eb – энергия бита, N0 – спектральная плотность мощности флуктуационной помехи) и фиксированной базе сигнала B=FT=256. Здесь рост h2=ρ2B происходит за счет увеличения отношения
сигнал/помеха по мощности ρ2=Py/Pn. Из рисунка видно, что наилучшую помехоустойчивость
имеет система с ФМШС. Около 1 дБ (при данной базе сигнала) проигрывает ей система с
ЧМШС и 3 дБ – система с АМШС.
1
Pb
0.1
0.01
3
110
4
110
5
110
6
110
7
110
ÀÌØÑ
АМШС
×ÌØÑ
ЧМШС
Ланге-Мюллер
Ëàíãå-Ìþ
ëëåð
Упр.Ланге-Мюллер
Ñïð.Ëàíãå-Ìþ
ëëåð
Воронин
Âîðîí³í
ФМШС
ÔÌØÑ
8
110
9
110
 10
110
 11
110
h2
 12
110
0
2
4
6
8
10
12
14
16
18
20
22
24
26
28
30
32
34
36
2
Рис. 6. Сравнение зависимостей Pb = Pb(h ) при фиксированной базе B = 256
Исследования показали, что для систем с шумовыми сигналами повышение в k раз
мощности излучения и повышение в k раз базы сигнала не эквивалентны с точки зрения улучшения надежности передачи данных. Как результат, вероятность ошибки в системах с шумовой
несущей является функцией двух независимых переменных: отношения сигнал-помеха по
мощности ρ2 и базы B. Кроме того, появляется понятие оптимальной базы Bopt и оптимального
2
отношения сигнал-помеха по мощности opt
, которые обеспечивают минимальное значение ве-
роятности ошибки Pb при фиксированном значении h2.
Таким образом, процедура оптимального выбора параметров системы связи с шумовой
несущей состоит из двух шагов: 1) установление мощности передатчика, обеспечивающей оптимальное отношение сигнал-помеха по мощности; 2) выбор базы сигнала, необходимой для
2
получения заданного значения h2. Расчетные значения opt
для различных методов модуляции
шума приведены в таблице.
Оптимальные значения отношения сигнал/помеха по мощности и потери помехоустойчивости систем при оптимальных параметрах
Тип системы
АМШС
ЧМШС
Ланге-Мюллер
Упр. Ланге-Мюллер
Воронин
ФМШС
54
2
opt
3,556
3,2
0,943
0,978
0,894
1,456
Относительно ФМ, ког. пр.
раз
дБ
12,8
11,072
6,76
8,299
32
15,051
64
18,062
16
12,041
6,76
8,299
Относительно ФМШС
Раз
дБ
1,893
2,773
1
0
4,734
6,752
9,467
9,762
2,367
3,742
1
0
Следует отметить, что при оптимальном выборе параметров системы функция
Pb = Pb(h2) фактически зависит от изменения базы сигнала B при фиксированном отношении
2
сигнал-помеха по мощности 2  opt
. При этом форма кривой Pb = Pb(h2) имеет классический
вид, что позволяет установить точные соотношения между эффективностью различных методов модуляции. Расчетная величина проигрыша в помехоустойчивости различных систем с
шумовыми сигналами относительно системы с бинарной фазовой манипуляцией детерминированного сигнала (когерентный прием), а также относительно системы с ФМШС приведены в
размещенной выше таблице.
Заключение
Исходя из полученных результатов, можно сделать вывод, что методы ФМШС и
ЧМШС имеют одинаковые показатели помехоустойчивости вполне приемлемые для их практического применения. Преимуществом системы с ЧМШС является простота реализации приемо-передающих устройств и более высокая скорость передачи данных при том же уровне вероятности ошибки. Однако достигается это ценой значительного повышения мощности излучения по сравнению с ФМШС, что ухудшает энергетическую скрытность системы. Кроме того,
использование энергетических методов приема свидетельствует о том, что структурная (параметрическая) скрытность системы с ЧМШС уступает системе с ФМШС.
Таким образом, в системах передачи конфиденциальной информации с шумовыми сигналами ФМШС является наиболее предпочтительным методом модуляции.
ЧМШС и АМШС могут быть использованы при разработке недорогих систем связи,
обеспечивающих надежную передачу данных в сложных условиях распространения сигнала
(многолучевое распространение, доплеровское смещение частоты и т.д.).
BASIC METHODS OF STOCHASTIC SIGNAL MODULATION
R.M. DIDKOWSKY, S.M. PERVUNINSKII, N.I. BOKLA
Abstract
Comparative analysis of basic methods of stochastic signal modulation is presented. Advantages and disadvantages of these methods are indicated. Performance analyzes of communication
system utilizing noise carrier is done. It is shown that using of noise signals is perspective research direction for confidential communication systems.
Список литературы
1. Первунінський С.М., Дідковський Р.М. // Наукові праці ОНАЗ ім. О.С. Попова. 2011. №1. С. 33–42.
2. Мурза Л.П. // Радиотехника и электроника. 1983. Т.28. №3. С. 461–468.
3. Murarka N.P. // IEEE Trans. On Communications. 1973. Vol.17. №7. P. 842–847.
4. Семенов А.М., Сикарев А.А. Широкополосная радиосвязь. М., 1970.
5. Парфенов В.И. Вероятностные модели и статистический анализ стохастических модулированных процессов в условиях параметрической априорной неопределенности: Дис … д-ра физ.-мат. наук. Воронеж,
2002.
6. Лега Ю.Г. Системное проектирование средств связи с шумовыми сигналами. Киев, 2000.
7. Дмитриев А.С., Клецов А.В., Лактюшкин А.М. и др. // Радиотехника и электроника. 2006. Т.51. №10.
C. 1193–1209.
8. Воронин А.А. // Электросвязь. 1966. №7.
9. Первунінський С.М., Дідковський Р.М., Метелап В.В. и др. // Вісник Черкаського університету. Серія
«Прикладна математика». 2006. Вип. 83. С. 112–123.
55
ДОКЛАДЫ БГУИР
№ 4 (74)
2013
УДК 621.396.96
СПОСОБ АДАПТИВНОЙ КОГЕРЕНТНОЙ КОМПЕНСАЦИИ
СИГНАЛА ОТРАЖЕННОГО ОТ КОРПУСА АВТОМОБИЛЯ
ПРИ ОБРАЩЕННОМ СИНТЕЗЕ АПЕРТУРЫ АНТЕННЫ
А.С. ГЕЙСТЕР
Белорусский государственный университет информатики и радиоэлектроники
П. Бровки, 6, Минск, 220013, Беларусь
Поступила в редакцию 21 февраля 2013
Задача распознавания класса движущегося наземного объекта в радиолокационных системах мониторинга по-прежнему остается актуальной из-за своей сложности. Одним из путей
ее решения является получение радиолокационного изображения колесно-гусеничного
тракта в ходе синтеза апертуры антенны. Однако на формирование такого изображения
оказывают негативное влияние сигналы, отраженные от корпуса транспортного средства.
Рассматривается новый способ адаптивной когерентной компенсации сигналов, отраженных от корпуса транспортного средства, основанный на выделении радиолокационного
изображения корпуса, его обратного преобразования во временную структуру и вычитании
из принятого сигнала.
Ключевые слова: синтез апертуры антенны, автомобиль, адаптивная компенсация.
Введение
Практика радиолокации в приложении к мониторингу движущейся наземной техники
включает решение традиционных задач: обнаружения, измерения координат и распознавания
класса. Наиболее сложной из них является задача распознавания класса, которая в приложении
к мониторингу наземной техники формулируется как разделение техники на два основных
класса (колесная техника и гусеничная техника). Эта задача может решаться разными
способами, однако одним из наиболее эффективных является сравнительно новый способ,
основанный на синтезе апертуры антенны (САА). В течение нескольких последних лет этот
способ разрабатывается в нашей республике [1,2] применительно к мониторингу дорожного
движения с использованием радиолокационных датчиков с обращенным синтезом апертуры
антенны (ОСАА). Разработки в этом направлении выполняются в ходе последнего десятилетия
и за рубежом [3,4].
Использование специального ОСАА [1,2] позволяет построить радиолокационное
изображение колеса и, следовательно, получить информацию о количестве и расположении
колес (мостов) вдоль корпуса автомобиля. Это открывает возможности для более детальной
классификации автомобилей. Предварительные исследования показали, что на практике
качество построения радиолокационного изображения колеса существенно снижается из-за
проникновения в каналы обработки [2] сигналов отражений от корпуса автомобиля, которые в
десятки  сотни раз превышают мощность сигналов, отраженных от колес. Это проникновение
происходит через боковые лепестки амплитудно-частотных (пространственно-скоростных)
характеристик каналов обработки, формирующих изображение колеса.
Таким образом, в основе обеспечения высокого качества формирования
радиолокационного изображения колес лежит устранение или существенное снижение влияния
мощных сигналов, отраженных от корпуса автомобиля.
56
Обоснование нового способа адаптивной когерентной компенсации сигнала от корпуса
Сигнал, отраженный от движущегося автомобиля и принятый неподвижным
радиолокатором, представляет собой сумму сигналов
uM (t )  uK (t ) 
Q
 u (t ),
(1)
q
q 1
где uK (t )  сигнал, отраженный от корпуса автомобиля; uq (t )  сигнал, отраженный от q -го
колеса, число которых равно Q .
Сигналы, отраженные от корпуса и колес автомобиля, будем представлять в виде сумм
сигналов от дискретных изотропных отражателей, которыми аппроксимируются поверхности
корпуса и колес. Для такого представления на коротком интервале времени, соответствующем
времени ОСАА, сигналы, отраженные от дискретных отражателей, являются медленно
флуктуирующими, и можно полагать, что время корреляции флуктуаций комплексной
огибающей каждого отдельного отраженного сигнала превышает время САА. Соответственно,
изменения амплитуды и фазы отраженных сигналов будут определяться только изменением
дальности до соответствующих отражателей. С учетом этого сигнал от корпуса автомобиля с
момента начала наблюдения ( t  0 ) может быть представлен [3] суммой сигналов от N K
отражателей на поверхности корпуса:
uK  t  
NK
E U
n
n 1
L (t
 tr _ n (t ))exp i  0t  n (t )   ,
(2)
где En  амплитуда сигнала, отраженного от n -го отражателя; U L (t )  комплексный закон
модуляции ограниченной временем САА последовательности из L одиночных зондирующих
сигналов (ЗС); tr _ n (t )  2rn (t ) / c  время задержки сигнала, отраженного от n -го отражателя;
0  круговая частота ЗС; n (t )  2krn (t )  закон изменения фазы сигнала, отраженного от n го отражателя, в соответствии с измерением расстояния rn (t ) от фазового центра антенны
радиолокатора (РЛ) до центра n -го отражателя на корпусе; k  2 /   волновое число; c и
  скорость распространения и длина волны ЗС соответственно.
Аналогично сигнал, отраженный от q -го колеса автомобиля, с момента начала
наблюдения при t  0 может быть представлен [1] в виде суммы сигналов от NC отражателей
на поверхности колеса:
uq  t  
NC
E
q , kU L (t
k 1


 tr _ q ,k (t ))exp i 0t  q ,k (t )  ,
(3)
где Eq ,k  амплитуда сигнала, отраженного от q, k -го отражателя на поверхности q -го колеса;
tr _ q,k (t )  2rq,k (t ) / c
 время задержки сигнала, отраженного от
q, k -го отражателя;
q,k (t )  2krq,k (t )  закон изменения во времени t фазы сигнала, отраженного от q, k -го
отражателя, в соответствии с изменением расстояния rq ,k (t ) от фазового центра антенны РЛ до
центра q, k -го отражателя.
Из выражений (2) и (3) следует, что временное разделение сигналов, отраженных от
отдельного колеса и корпуса автомобиля, за счет сверхразрешения по дальности не
представляется возможным, так как колеса размещаются в пределах корпуса автомобиля.
Кроме того, первичный анализ, проведенный в [1], указывает на то, что спектры этих сигналов
с учетом согласованного движения корпуса и центра колеса также пересекаются.
Для снижения влияния сигналов корпуса на построение изображения колеса
предлагается выделить сигнала корпуса путем ОСАА, адаптивного к параметрам движения
автомобиля, а затем выполнить его вычитание из принятого сигнала. Очевидно, что наилучшее
качество компенсации для этого нового способа ожидается при использовании алгоритма
ОСАА с полной фокусировкой в каждую точку корпуса автомобиля [5].
57
Представленное обоснование позволяет описать последовательность действий при
реализации предлагаемого способа адаптивной компенсации сигнала корпуса, которая
включает следующие этапы:
 адаптация алгоритма ОСАА по корпусу к параметрам движения автомобиля;
 ОСАА по корпусу в течение анализируемого временного фрагмента, в результате
которого формируется радиолокационное изображение корпуса автомобиля в азимутальной
плоскости;
 выделение на полученном изображении радиолокационного портрета (РЛП) корпуса
автомобиля в виде совокупности комплексных амплитуд сигналов, принадлежащих элементам
разрешения на поверхности корпуса;
 обратное преобразование выделенного РЛП корпуса во временную реализацию
сигнала корпуса и вычитание ее из временной реализации исходного принятого сигнала.
Полученная в результате этапа 4 временная реализация принятого сигнала, в которой
сигнал корпуса скомпенсирован, используется для построения изображения колесного тракта.
Алгоритм адаптивной когерентной компенсации сигнала от корпуса
На основе описанной выше последовательности действий при реализации
предложенного способа может быть разработан алгоритм адаптивной когерентной
компенсации сигнала корпуса.
Рассмотрим вначале особенности ОСАА при построении радиолокационного
изображения корпуса автомобиля. Суть такого ОСАА с полной фокусировкой [3] заключается
в формировании матрицы обзора в виде набора синтезированных диаграмм направленности
(элементов разрешения), равномерно расставленных вдоль объекта максимальной
протяженности. В каждом элементе матрицы осуществляется когерентное суммирование
принятых сигналов после компенсации набега фазы для центра элемента разрешения за период
дискретизации принятого сигнала. В результате формируется азимутальный РЛП,
представляющий собой совокупность комплексных амплитуд сигналов, относящихся к
различным элементам разрешения вдоль линии движения автомобиля.
Заметим, что ОСАА с полной фокусировкой выполняется после адаптации к условиям
наблюдения, которая включает следующее: обнаружение автомобиля, определение
местоположения центра корпуса автомобиля в системе координат РЛ на момент начала
синтеза, измерение абсолютной скорости автомобиля Vt .
В неподвижном РЛ ОСАА с полной фокусировкой выполняется следующим образом
(см. рисунок):
– в соответствии с величиной скорости Vt и расположением центра корпуса
определяются параметры алгоритма ОСАА;
– в пределах физической диаграммы направленности антенны (ДНА) РЛ относительно
центра автомобиля вправо и влево разворачивается матрица обзора, реализуемая набором из J
синтезированных ДНА.
x0  VtTSAA / 2
jJ
X
y0
j 1
РЛ
Центр объекта и
матрицы обзора
Y
Графическое пояснение ОСАА с полной фокусировкой по корпусу
58
Для сокращения математических выкладок введем ограничение: ОСАА (см. рисунок)
проводится только для значений x  0 . С учетом этого скорость автомобиля при приближении
к точке x  0 имеет знак минус ( Vt  0 ), а при удалении от нее – знак плюс ( Vt  0 ).
Соответственно в момент начала синтеза апертуры находится на оси OX в точке
 x0  VtTSAA / 2 . С учетом введенного непринципиального ограничения ( x  0 ) алгоритм ОСАА
с полной фокусировкой можно представить в виде:
2

N 1
T
J


 j  U M _ n H n exp  i 2k y02   x0  Vt SAA  x  j x  Vt nTd   , j  1, J ,
(4)
2
2


 
n 0


где  j – комплексная амплитуда сигнала, формируемого в j -ой синтезированной ДНА

(элементе разрешения матрицы обзора); n – номер временного отсчета; U M _ n , n  0,( N  1) –
отсчеты комплексной огибающей принятого сигнала; H n , n  0,( N  1) – весовые
коэффициенты, определяемые видом весовой функции [6] для требуемого уровня боковых
лепестков синтезируемых ДНА; TSAA – интервал ОСАА, имеющий в данном случае значение
TSAA  Td N ; Td – интервал дискретизации принятого сигнала по времени.
С учетом введенных пояснений алгоритм адаптивной когерентной компенсации
сигнала от корпуса включает следующую последовательность операций.
Операция 1. Обнаружение автомобиля, определение его местоположения относительно
РЛ, определение абсолютного значения скорости Vt . На основе полученных данных
выполняется адаптация алгоритма ОСАА по корпусу к параметрам движения автомобиля.
Операция 2. ОСАА с полной фокусировкой по корпусу, адаптированный к
местоположению и параметрам движения автомобиля. ОСАА выполняется по выборке
принятого сигнала uM  kTd  , k  0, N  1 , причем NTd  TSAA . В результате САА формируется
радиолокационное изображение, в котором присутствует РЛП автомобиля.
Операция 3. Выделение в радиолокационном изображении, полученном в ходе
операции 2, РЛП корпуса автомобиля. Выделение выполняется в виде определения границ в
виде номеров каналов левой границы L1 и правой границы L2 , в которых присутствуют
сигналы, отраженные от элементов корпуса. В итоге выделяется РЛП корпуса автомобиля  K в
виде совокупности комплексных амплитуд K  {l , l  L1 , L2 } .
Операция 4. Обратное преобразование выделенного портрета корпуса во временную
реализацию сигнала, отраженного от корпуса автомобиля, uK (kTd ) в виде:
uK (kTd ) 
L2
 H
l
1
k exp[i 2krl ( kTd )],
k  0; N  1,
(5)
l  L1
где rl (kTd ) – дальность до вертикального сечения корпуса автомобиля l -ой синтезированной
ДНА в k -ом временном отсчете временного фрагмента обрабатываемого принятого сигнала.
Дальность rl (kTd ) рассчитывается в соответствии с выражением:
2
T
J


rl (kTd )  y02   x0  Vt SAA  x  l x  Vt kTd  ,
(6)
2
2


в котором в соответствии с введенным ранее ограничением (ОСАА (в соответствии с
рисунком) проводится только для значений x  0 ) скорость автомобиля при приближении к
точке x  0 имеет знак минус ( Vt  0 ), а при удалении от нее – знак плюс ( Vt  0 ).
Операция 5.
Вычитание
выделенного
сигнала
корпуса
uK (kTd ), k  0, N  1
из
временной реализации исходного принятого сигнала uM  kTd  , k  0, N  1 и формирование
выборки принятого сигнала uM  kTd  , k  0, N  1 , в котором скомпенсирован сигнал корпуса
автомобиля:
59
uM (kTd )  uM  kTd   uK (kTd ), k  0, N  1.
(7)
Сигнал uM (kTd ), k  0, N  1 является конечным результатом работы алгоритма
компенсации сигнала корпуса, который используется далее для построения изображения
колесного тракта.
Заключение
Для снижения влияния мощного сигнала, отраженного от корпуса автомобиля, на формирование радиолокационного изображения колеса предложен новый способ адаптивной когерентной компенсации, основанный на выделении сигнала корпуса путем обращенного синтеза
апертуры антенны. Предварительные результаты моделирования показали реализуемость и высокую эффективность предложенного способа. Разработанный способ может быть использован
как в наземных РЛ мониторинга дорожного движения, так и в РЛ воздушного базирования, в
которых решается задача обнаружения и классификации движущейся наземной техники.
METHOD FOR ADAPTIVE COHERENT COMPENSATION
OF SIGNAL REFLECTED FROM CAR BODY
A.S. HEISTER
Abstract
Classification of ground vehicles is still actual task in radar systems due to its complexity.
ISAR imaging of wheels and tracks of vehicles is effective way for vehicle classification. Signals reflected from vehicle body adversely affect the imaging procedure. Method for adaptive coherent compensation of signal reflected from car body is considered. The method is based on ISAR imaging of
vehicle body, transformation of achieved image to temporal signal and its subtraction of received signal.
Список литературы
1. Гейстер А.С. // Докл. БГУИР. 2011. № 1 (55). С. 38–42.
2. Гейстер А.С. // Докл. БГУИР. 2011. № 6 (60). С. 68–73.
3. P. Berens // 9th European Conference on Synthetic Aperture Radar. Nuremberg, Germany. 23–26 April 2012.
P. 119–122.
4. M. Martorella // International Conference on Radar. Adelaide, SA. 2–5 Sept 2008. P. 38–43.
5. Гейстер С.Р., Пархоменко Н.Г., Гейстер А.С. // Электромагнитные волны и электронные системы.
2011. Т. 16, №1 2. С. 27–33.
6. Лайонс Р. Цифровая обработка сигналов. М., 2006.
60
ДОКЛАДЫ БГУИР
№ 4 (74)
2013
УДК 004.932.2
СИСТЕМА ПАНОРАМНОГО ВИДЕОНАБЛЮДЕНИЯ С УПРАВЛЯЮЩЕЙ
СВЯЗЬЮ ОТ ОПЕРАТОРА
К.А. ВОЛКОВ, В.К. КОНОПЕЛЬКО, И.И. СИРОТКО, В.Ю. ЦВЕТКОВ
Белорусский государственный университет информатики и радиоэлектроники
П. Бровки, 6, Минск, 220013, Беларусь
Поступила в редакцию 02 апреля 2013
Предложена модель системы панорамного видеонаблюдения с управляющей связью от
оператора. Проведено экспериментальное исследование параметров системы панорамного
видеонаблюдения, обеспечивающих комфортные условия работы оператора. Выработаны
рекомендации по использования вариантов системы для различных компоновочных решений рабочего места оператора и пропускной способности канала передачи видеоданных.
Ключевые слова: панорамное видеоизображение, видеокодек.
Введение
Одной из основных задач видеокодирования является компактное представление видеоданных, что особенно актуально для мобильных сетей из-за ограниченной пропускной способности каналов связи. Разрабатываемые с 1980-х годов методы эффективного кодирования
(сжатия) видеоданных ориентированы на передачу изображения для пассивного наблюдателя.
При сжатии видеоинформации используется устранение внутрикадровой (пространственной и
статистической) и временной (на основе межкадровой разности или компенсации движения)
избыточности [1, 2]. При этом поле зрения и направление взгляда зрителя (оператора) определяется направлением и параметрами камеры. Существующие кодеки позволяют достичь значительного (до 101  10 2 раз) сжатия передаваемых данных, однако они не эффективны для задач
передачи панорамных изображений, поскольку их разрешение значительно превосходит разрешение обычной видеокамеры. Использование при кодировании информации о секторе
наблюдения позволяет дополнительно сжать передаваемую информацию. Для этого предлагается модифицировать классическую схему системы передачи видеоданных, включив в нее
управляющую связь от оператора к видеокодеру для использования информации о секторе
наблюдения (рис. 1) [3].
Видеокамера
Видеокодер
Канал
передачи
Видеодекодер
Устройство
отображения
Оператор
Устройство
определения
направления взгляда
Рис. 1. Модель канала передачи видеоданных с оператором
В работе исследуются параметры функционирования системы передачи панорамных
видеоданных, обеспечивающие комфортные для оператора условия видеонаблюдения. Для
определения угловой ориентации головы оператора использовался оптический принцип, по61
скольку он не требует специальной модификации шлема, пригоден для работы оператора в
условиях стесненного рабочего пространства с множеством металлических поверхностей и
наличием вибраций [4]. Для устранения внутрикадровой избыточности в работе применялся
видеокодек MotionJPEG.
Модель системы панорамного видеонаблюдения
К параметрам, влияющим на комфортность оператора при эксплуатации системы панорамного видеонаблюдения, относятся дискретность и задержка реакции системы на изменение
угловой ориентации головы оператора (УОГО), максимальная угловая скорость перемещения
сектора наблюдения, минимальные частота кадров и качество формируемого изображения в
нашлемной системе индикации. С точки зрения проектирования системы, при принятии компоновочных решений также важным параметром является точность определения угловой ориентации головы оператора, зависящая от расположения оператора относительно следящей камеры, характеристик используемого оборудования, светового загрязнения рабочего пространства [5]. Поскольку аналитически произвести такие оценки достаточно трудно, была разработана упрощенная модель системы панорамного видеонаблюдения, не формирующая панорамное изображение, а осуществляющая трансляцию с управляемой видеокамеры, перемещающейся синхронно с головой оператора (рис. 2).
Оптический
фильр
Цифровой
фильтр
Видеокамера
1
2
Блок
сегментации
3
4
Блок вычисления
Блок вычисления
Блок
Блок
координат
вектора
вычисления
управления
маркеров
направления
углов поворота
приводом
5
6
7
8
Рис. 2. Структурная схема управления поворотной камерой
Функционирование системы осуществляется следующим образом. Изображение через
оптический фильтр, устраняющий одну из компонент цвета для облегчения дальнейшей обработки, поступает на цифровую следящую видеокамеру. Изображение от видеокамеры подвергается цифровой фильтрации: применяется медианный фильтр для устранения помех типа
«соль-перец» [6]. Далее оно передается в блок сегментации, который осуществляет выделение
областей, соответствующих проекциям маркеров. Полученный результат передается в блок
вычисления пространственных координат маркеров, в котором определяется положение маркеров в пространстве относительно камеры [4]. Далее информация поступает в блок вычисления
вектора направления, который определяет угол поворота головы оператора и передает его в
блок вычисления угла поворота подвижной камеры. Задача данного блока заключается в
устранении случайных движений головы, обусловленных спецификой моторики оператора
(тремором). После чего данные об угле передаются на блок управления поворотом видеокамеры, обеспечивающий изменение ее ориентации в пространстве.
В модели системы использовалась нашлемная система индикации НСИ-05Б и стереоскопическая поворотная видеокамера с двумя степенями свободы. Определение УОГО осуществляется либо одной следящей камерой с разрешением 640×480 пикселов, частотой кадров
25 Гц и углом обзора 60°, либо парой аналогичных камер, размещенных со стереобазой 150
мм. В качестве маркеров для шлема использовались инфракрасные светодиоды АЛ164В5, разнесенные на расстояние до 120 мм.
Экспериментальная оценка характеристик
Для определения влияния оптических фильтров и расстояния между шлемом и следящей видеокамерой на функционирование системы был проведен натурный эксперимент. Шлем
62
с установленными маркерами размещался на различных расстояниях от следящей камеры на
штативе, обеспечивающем вращение в двух плоскостях с различной скоростью. Следящей камерой были сделаны видеозаписи (с применением светофильтров) для различных условий
освещенности помещения: при искусственном освещении и естественном освещении в пасмурную и солнечную погоду. По условиям эксперимента, в каждом видеокадре должно присутствовать 4 маркера в известных позициях. Число ложных обнаруженных маркеров на 1000
кадров (Err1) и число пропущенных маркеров на 1000 кадров (Err2) фиксировалось автоматически. Результаты проведенного эксперимента приведены в таблице.
Таблица 1. Зависимость качества обнаружения инфракрасных маркеров (пропущенные/ложные) от условий
освещенности и применяемых светофильтров
Светофильтр
Без фильтра
Синий
Красный
Зеленый
Желтый
Поляризационный
Черный
Искусственное освещение
(50–60 Лк)
Err1 = 37
Err2 = 5
Err1 = 9
Err2 = 2
Err1 = 7
Err2 = 0
Err1 = 8
Err2 = 0
Err1 = 10
Err2 = 2
Err1 = 2
Err2 = 2
Err1 = 9
Err2 = 2
Пасмурная погода
(380-400 Лк)
Err1 = 54
Err2 = 8
Err1 = 11
Err2 = 3
Err1 = 8
Err2 = 2
Err1 = 8
Err2 = 2
Err1 = 20
Err2 = 4
Err1 = 7
Err2 = 0
Err1 = 8
Err2 = 2
Солнечная погода
(2800–3000 Лк)
Err1 = 197
Err2 = 54
Err1 = 24
Err2 = 17
Err1 = 36
Err2 = 15
Err1 = 23
Err2 = 14
Err1 = 30
Err2 = 11
Err1 = 23
Err2 = 7
Err1 = 14
Err2 = 13
Для оценки точности определения УОГО исследовались три варианта системы:
1) система с определением УОГО в одной (горизонтальной) плоскости;
2) система с определением УОГО в двух плоскостях с помощью одной следящей камеры;
3) система с определением УОГО в двух плоскостях с помощью пары следящих камер.
На рис. 3 представлена зависимость погрешности определения УОГО в горизонтальной
плоскости от расстояния между центром системы маркеров и камерой при различных углах
наклона плоскости маркеров к горизонту (что соответствует наклону головы). На рис. 4 представлена зависимость погрешности определения УОГО в двух плоскостях (максимальное значение по двум плоскостям) от расстояния между центром системы маркеров и центром
стреобазы пары следящих камер. Поскольку для всех вариантов освещения (50 – 3000 Лк) получены одинаковые величины погрешности, то исследования влиянии уровня освещенности
рабочего пространства оператора на точность определения координат не приводились.
Рис. 3. Зависимость погрешности определения УОГО в горизонтальной плоскости от расстояния
до следящей камеры
63
Рис. 4. Зависимость погрешности определения УОГО в двух плоскостях от расстояния
до следящей камеры
Для определения человекозависимых характеристик был проведен ряд экспериментов,
в ходе которых операторы осуществляли видеонаблюдение в условиях разнообразных ландшафтов с различной интенсивностью движения объектов. Поскольку блоки обработки изображения являются программными, а сам процесс занимает около 10 мс, то это позволило добавить искусственную контролируемую задержку реакции системы на изменение положения головы оператора, моделируя задержку передачи данных в сети.
Определенные в результате эксперимента комфортные для оператора значения параметров системы приводятся в табл. 2. Полученные значения соответствуют величинам критической скорости мелькания изображений (10 – 30 Гц), времени сохранения ощущения (0,2 –
0,5 с), латентного периода зрительной реакции (160 – 240 мс), угловой дискретности представления информации (2 – 3°), которые используются при разработке бортовых информационных
систем [5].
Таблица 2. Значения параметров системы панорамного видеонаблюдения
Параметр
Максимальная угловая
скорость перемещения,
не менее
Дискретность реакции
на изменение УОГО
Комфортное
значение
30°/сек
2 – 3°
Задержка реакции на
изменение УОГО, не
более
Частота кадров в НСИ
Коэффициент качества
(Quality) изображения
(MJPEG)
200 мс
Примечание
Меньшая скорость вызывает дезориентацию и затрудняет фокусировку взгляда из-за ощутимого рассогласования изображения и
направления взгляда при резком повороте головы оператора.
Большая дискретность затрудняет фокусировку взгляда на изображении из-за наличия случайных вибраций и мелкой моторики
движении головы (тремора); меньшая дискретность повышает
утомляемость оператора из-за отрывистости перемещения изображения.
Большая задержка вызывает дезориентацию и затрудняет фокусировку взгляда из-за ощутимого рассогласования изображения и
направления взгляда из-за опережающего избыточного поворота
головы оператора.
25 Гц
(минимально 15 Гц)
Меньшая частота кадров приводит к утомляемости оператора.
70%
(минимально 30 %)
Большее сжатие вызывает видимое «замыливание» изображения и
трудность визуального обнаружения мелких объектов.
Поскольку передача данных между кодером и декодером может осуществляться по
беспроводному каналу, скоростные характеристики которого могут значительно варьироваться, возникает задача выбора характеристик передаваемого изображения. Уменьшение объема
передаваемой информации возможно путем уменьшения частоты кадров, уменьшения коэффициента качества (Quality) изображения MotionJPEG и снижения разрешения [1]. В ходе экспериментального видеонаблюдения с использованием канала передачи видеоданных с пропуск64
ной способностью 3 – 7 Мбит/сек было установлено, что влияние данных характеристик на
субъективное качество воспринимаемого оператором изображения нелинейно.
В табл. 3 приводятся рекомендуемые характеристики видеоданных для различной пропускной способности канала, при котором обеспечивается наилучшее субъективное восприятие
изображения. При использовании методов кодирования, устраняющих межкадровую избыточность (MPEG-4 и H.264), коэффициент сжатия может быть увеличен, за счет чего требования к
пропускной способности канала могут быть снижены [1, 2].
Таблица 3. Рекомендумые характеристики видеоизображения для различных пропускных способностей каналов
передачи информации
Скорость канала передачи
данных, Мбит/сек
>7
5,5 – 7
3,7 – 5,5
2,8 – 3,7
2,6 – 2,8
1,3 – 2,6
Частота кадров, Гц
25
20 –24
20
15 – 20
15
15
Коэффициент качества
MJPEG, %
70
70
40–70
40
30 – 40
30–60
Разрешение изображения,
пикселы
768×576
768×576
768×576
768×576
768×576
384×288
Анализ результатов эксперимента
Анализ полученных результатов эксперимента позволяет сделать следующие выводы.
1. Использование светофильтров значительно увеличивает качество распознавания
маркеров, т.к. приводит к уменьшению соответствующей цветовой составляющей фона для оптического диапазона, но не оказывает воздействия на отображение инфракрасных маркеров,
которые имеют белый цвет. Эффективно дополнительное применение поляризационного фильтра, поскольку позволяет сократить количество бликов, которые алгоритмом обработки ошибочно принимаются за маркеры.
2. Выделение маркеров при значительных углах наклона плоскости маркеров к горизонту затруднено из-за особенностей диаграммы направленности излучения инфракрасных
светодиодов. При близком расположении камеры и маркеров сокращается возможность перемещения оператора относительно камеры. Поэтому, целесообразно располагать камеру на расстоянии 0,5–1,4 м от оператора; при этом обеспечиваются комфортные условия работы и требуемая точность определения УОГО.
3. Для определения УОГО в одной плоскости или определения УОГО в двух плоскостях при близком расположении камеры и маркеров (до 1 м) целесообразно использование
одиночной следящей видеокамеры.
4. Для определения УОГО в двух плоскостях на расстоянии свыше 1 м целесообразно
использование пары следящих видеокамер.
5. Время обработки одного кадра составляет около 10 мс для всех вариантов системы,
причем основную часть времени занимают операции в цифровом фильтре и блоке сегментации
изображения (суммарно 8–9 мс). Таким образом, использование оптического принципа для определения УОГО оправдано, поскольку обеспечивается требуемое быстродействие (табл. 2).
6. Контролируемая следящей видеокамерой с указанными характеристиками площадь
составляет 1,33–3 м2 при расстоянии 1–1,5 м между камерой и плоскостью маркеров, что позволяет с использованием одного комплекта оборудования определять одновременно УОГО для
двух расположенных рядом операторов, причем их взаимное расположение может быть произвольным. Поскольку основные блоки системы могут использоваться совместно, время обработки одного кадра следящей видеокамеры для определения УОГО двух операторов увеличивается незначительно (до 11 мс).
7. Для обеспечения наилучшего восприятия оператором изображения в НСИ при понижении скорости передачи, каждая из характеристик видеоданных (частота, разрешение, качество) не может изменяться отдельно от других. При уменьшении скорости канала целесообразно сначала уменьшать частоту кадров, затем качество и разрешение изображения.
65
Заключение
Предложена модель системы панорамного видеонаблюдения, использующая управляющую связь от оператора для сжатия видеоданных. Определены требования к дискретности и
задержке реакции системы на изменение угловой ориентации головы оператора, максимальной
угловой скорости перемещения сектора наблюдения. Установлены параметры видеокодека,
обеспечивающие комфортное восприятие видеоинформации оператором при пропускной способности канала связи в диапазоне 1,3 – 7 Мбит/сек с использованием метода устранения внутрикадровой избыточности MJPEG. Выработаны рекомендации по использования вариантов системы с одной и двумя следящими камерами для различных компоновочных решений рабочего
места оператора.
Полученные результаты могут использоваться при разработке стационарных и мобильных систем панорамного видеонаблюдения с оператором для контроля технологических процессов на предприятиях, охраны объектов, проведения научных исследований в области зоологии, метеорологии и др.
SYSTEM OF PANORAMIC VIDEO SURVEILLANCE WITH THE OPERATOR
К.А. VOLKOV, V.K. KANAPELKA, I.I. SIROTKO, V.Yu. TSVIATKOU
Abstract
The model of panoramic video surveillance system with the operator is offered. The pilot research of parameters of panoramic video surveillance system, providing comfortable working conditions of the operator is conducted. Recommendations on uses of options of system for various layout
solutions of a workplace of the operator and capacity of the channel of transfer of video data are developed.
Список литературы
1. Тропченко А.Ю., Тропченко А.А. Методы сжатия изображений, аудиосигналов и видео. СПб, 2009.
2. Alois M. Bock. Video Compression Systems. UK, 2009.
3. Волков К.А. Конопелько В.К. //Докл. БГУИР. 2012. № 4 (66). С. 12–16.
4. Волков К.А. // Матер. междунар. научн.-техн. семинара «Телекоммуникации: сети и технологии, алгебраическое кодирование и безопасность данных: материалы международного научно-технического семинара». Минск, 2011. С. 33–39.
5. Кучерявый А.А. Бортовые информационные системы. Ульяновск, 2004.
6. Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде MATLAB. М., 2006.
66
ДОКЛАДЫ БГУИР
№ 4 (74)
2013
УДК 621.396.96
ОСОБЕННОСТИ ФИЛЬТРАЦИИ КООРДИНАТ И ПАРАМЕТРОВ ДВИЖЕНИЯ
ОБЪЕКТА НА ЭТАПЕ СОВЕРШЕНИЯ УСТАНОВИВШЕГОСЯ РАЗВОРОТА
А.С. СОЛОНАР, П.А. ХМАРСКИЙ, А.А. МИХАЛКОВСКИЙ
Военная академия Республики Беларусь
Минск, 220057, Беларусь
Поступила в редакцию 19 ноября 2012
Представлены особенности построения дискретного фильтра Калмана для модели движения объекта, совершающего установившийся горизонтальный разворот. Рассмотрена структура многогипотезного измерителя с межобзорной памятью гипотез. Проведен сопоставительный анализ результатов фильтрации модификаций многогипотезного измерителя с
межобзорной памятью гипотез.
Ключевые слова: сопровождение летательных аппаратов, фильтр Калмана при косвенных
измерениях, многогипотезный измеритель с межобзорной памятью гипотез, установившийся горизонтальный разворот.
Введение
Одной из основных задач радиолокации является измерение координат и параметров
движения летательных аппаратов. В основе синтеза структуры измерителя лежит модель изменения вектора состояния наблюдаемого процесса, называемая моделью задающего воздействия. В радиолокации модель задающего воздействия называют моделью движения (МД) летательного аппарата (ЛА).
При радиолокационном наблюдении воздушных объектов обычно рассматривают модели движения нулевого, первого и второго порядков, описывающие соответственно неподвижные ЛА, перемещающиеся с постоянной скоростью или с постоянным ускорением. В ряде
зарубежных и отечественных источников [7–9, 10, 12] появились описания движения ЛА, совершающего установившийся разворот. Однако в них опущены некоторые особенности алгоритма фильтрации координат и параметров движения объекта на этапе совершения установившегося разворота.
Сама по себе модель движения ЛА на этапе установившегося разворота не представляет большого интереса, так как более 70 % от всей траектории составляют прямолинейные
участки полета ЛА. В то же время, момент времени начала разворота и его окончания для
наблюдателя не известны. Использование измерителя, учитывающего только одну модель
движения ЛА, неизбежно приведет к появлению переходных процессов в момент смены МД и
росту суммарной ошибки измерения координат и параметров движения ЛА. Возникающие при
этом ошибки необходимо корректировать введением цепей коррекции и адаптации [1, 3, 7, 10].
В решениях задач адаптации все более широкое распространение получают многогипотезные измерители с межобзорной памятью гипотез (МИМПГ). В англоязычной
литературе [6–8] такие разновидности дискретных следящих систем называются IMM
(Interactive Multiple Model). МИМПГ представляет собой N фильтров Калмана (ФК), настроенных на разные МД, работающие параллельно. От предыдущего шага измерения на текущий передается фиксированное число гипотез по МД с учетом вероятностей их взаимного перехода.
Существенное снижение канальности измерителя обеспечивается также сочетанием фильтров,
отличающихся видами МД.
67
Одной из возможных МД, которые могут включаться в структуру МИМПГ, является
модель установившегося горизонтального разворота [1, 7, 9]. Вопрос о необходимости включения этой модели в структуру МИПГ остается открытым.
Целями статьи являются: рассмотрение особенностей реализации фильтра Калмана с
моделью установившегося горизонтального разворота и МИМПГ; проверка необходимости использования в МИМПГ канала, настроенного на модель установившегося горизонтального разворота, методом сопоставительного моделирования.
Постановка задачи
Начальные условия. Будем считать, что вектор наблюдаемых параметров θ, интервал
обновления данных T и корреляционная матрица ошибок R θ наблюдений соответствуют [4, 5].
Наблюдается аэродинамический летательный аппарат (ЛА). Возможны следующие варианты
МД ЛА: прямолинейное движение с постоянной скоростью; равноускоренное движение; установившийся и неустановившийся развороты. Для МД ЛА, совершающего установившийся и
неустановившийся горизонтальные развороты, в вектор состояния α  x x z z  входят разовые оценки прямоугольных координат x (направление на север), z (на восток), скоростей их изменения и угловой скорости Ω.
Задачи: 1) рассмотреть особенности реализации фильтра Калмана для МД ЛА, совершающего установившийся горизонтальный разворот; 2) рассмотреть особенности построения
МИМПГ; 3) методами математического моделирования провести сопоставление суммарных
ошибок измерения местоположения ЛА для МИМПГ без учета и с учетом МД ЛА, совершающего установившийся горизонтальный разворот.
T
Особенности работы алгоритма фильтра Калмана для модели движения летательного
аппарата, совершающего установившийся горизонтальный разворот
Возможны следующие варианты реализации ФК при косвенных измерениях для МД
ЛА, совершающего установившийся горизонтальный разворот (в зарубежной литературе [7, 9]
обозначается как Coordinate turn model) – ФК с известной угловой скоростью, ФК с фильтрацией по угловой скорости. Первая модификация позволяет достичь высоких показателей в точности, но при этом, как правило, подобные априорные сведения отсутствуют в реальных ситуациях. Рассмотрим особенности реализации ФК с фильтрацией по угловой скорости. Структура
данной модификации ФК соответствует ФК при наблюдении коррелированных прямоугольных
координат [4]. Неслучайная динамическая матрица пересчета приращений вектора состояния kго шага наблюдения на следующий шаг будет каждый раз пересчитываться и определяться выражениями [7, 9, 10]:
1 sin(kT ) / 
0 cos( kT )
Bk 
0
 T ( zk sin(kT )  xk cos( kT )) xk sin( kT )  zk (cos( kT )  1) 
[1  cos( kT )]



k
k
k 2


0  sin( kT )
 zkT cos( kT )  xk T sin( kT )
0
[1  cos(kT )]
1 sin( kT ) /  k
k
0 sin(kT )
0 0
0 cos(kT )
0 0
 z cos(kT ) xk sin(kT ) zk sin(kT ) xk (cos(kT )  1) 
T k




k
k
 k 2T
 k 2T


xk T cos(kT )  zkT sin(kT )
1
,
где  k – фильтрованное значение угловой скорости на k-ом шаге наблюдения; xk , zk – фильтрованное значение скорости изменения координат x и z соответственно на k-ом шаге наблюдения.
Матрица пересчета изменений вектора состояния в изменения вектора наблюдения па1 0 0 0 0
раметров имеет вид: H 
. Матрица случайного дискретного маневра:
0 0 1 0 0
68
M  σ 2m1
S
022
012
022
S
012
021
T4
T3
4
4 , 0  0 0, 0  0,0  0 0.
021
, где S  3
12
21
22
0
0 0
T
T2
σ 2m 2T 2 / σ 2m1
4
Дисперсия случайного маневра σ 2m1 характеризует случайный маневр по прямоугольным координатам, а σ 2m 2 – по угловой скорости.
Важными особенностями при реализации ФК являются установка начальных значений
корреляционной матрицы ошибок и оценка угловой скорости.
Оценка угловой скорости ˆ 3 на третьем шаге наблюдения определяется согласно [11]:
z 
zk  zk 1 zk  zk 1 xk  xk 1
x  xk 1 zk  zk 1 xk  xk 1 ˆ
,

; x  k
,

; 3  max   z ,  x  .
xk T
xk T
zk T
zk T
xk T
zk T
Установка матрицы ошибок фильтрации осуществляется по конечной выборке [1, 3],
которая для третьего шага наблюдения будет определяться согласно выражениям:
R  Hθ R f HθT ,
Hθ 
cos(β k )
 sin(β k )Vβ
sin(β k )
cos(β k )Vβ
VβVr
0
cos(β k )
0
sin(β k )
Vβ rk
T (Vr 2  Vβ 2 rk 2 )
T (Vr 2  Vβ 2 rk 2 )
rk sin(β k )
Vr sin(β k )  rk cos(β k )Vβ
rk cos(β k )
Vr cos(β k )  rk sin(β k )Vβ
0
rk sin(β k )
0
rk cos(β k )
1
T
Vr rk
T (Vr 2  Vβ 2rk 2 )
σ 2r
, Rf 
σ 2r
T
0
0
σ 2r
T
2σ 2r
T2
0
0
0
0
0
0
σ
σβ2
2
β
σβ2
T
2σβ2
T
T2
,
где V , Vr – скорости изменения азимута и радиальной дальности ЛА соответственно на третьем шаге наблюдения.
Структура многогипотезного измерителя с межобзорной памятью гипотез
МИМПГ фильтр представляет собой N ФК, настроенных на разные МД, и работающих
параллельно [1, 2]. От k-го шага измерения на (k+1)-ый всегда передается ровно N гипотез с
учетом вероятностей их взаимного перехода πlj , (j  1, ..., N ; l  1, ..., N ) из l-й МД в j-ю.
Рассмотрим алгоритм работы МИМПГ для (k+1)-го шага измерения (после того, как
получены апостериорные плотности для k-го шага):
1) определяются условные вероятности перехода Pk ( j l , fk ) из l-й МД в j-ю после получения k реализаций f k  отраженного от ЛА сигнала с учетом апостериорных вероятностей гиN
потез k-го шага измерения Pk (l fk ) : Pk 1 ( j l , fk )  πPk (l fk ) / Pk 1 ( j ), где Pk 1 ( j )   πlj Pk (l fk  ) ;
l 1
2) определяются уточненные значения апостериорных условных оценок αˆ k ( j ) как
N
сумма условных оценок k-го шага фильтрации: αˆ k ( j )   αˆ k (l ) Pk 1 ( j l , fk  ), а условные матрицы
l 1
N
T
ошибок фильтрации R k (l ) : R k ( j )    R k (l )   αˆ k (l )  α k (l )  αˆ k (l )  α k (l )   P( j l , fk  );


l 1
3) определяются экстраполированные условные оценки αˆ 0( k 1) ( j ) и соответствующие
им матрицы ошибок R0( k 1) ( j ) . При этом используются заранее заданные для каждой из моделей
движения условные динамические матрицы пересчета B( j ) и корреляционные матрицы случайного маневра:
Mk ( j )  j  1,..., N  : αˆ 0( k 1) ( j )  B( j )α k ( j ), R0( k 1) ( j )  B( j )R k ( j )BT ( j )  Mk ( j );
69
4) находятся условные результирующие оценки вектора состояния αˆ k 1 ( j ) и корреляционные матрицы ошибок их фильтрации R
 j  на основании наблюдения θˆ :
( k 1)
k 1
αˆ ( k 1)  j   αˆ 0( k 1)  j   K α(k+1)  j  θˆ k 1  Hk 1  j  αˆ 0( k 1)  j  ,
R( k 1)  j   E  K α(k+1)  j  H  j  R 0( k 1)  j  ,
1
где K α(k+1)  j   R 0( k 1)  j  HTk 1  j  Hk 1  j  R 0( k 1)  j  HTk 1  j   R θ( k 1)  ;
5) вычисляются апостериорные вероятности гипотез: Pk 1 ( j fk  ) 
Pk 1  j  Lk 1  j 
N
 P l  L l 
k 1
l 1
, через
k 1
коэффициенты правдоподобия
Lk 1  j  
 2π 
m/ 2




T
 1

exp  θˆ k 1  H k 1  j  αˆ 0( k 1)  j  R 1( k 1)  j  θˆ k 1  H k 1  j  αˆ 0( k 1)  j  
2

;
T
R θ(k+1)  H k 1  j  R 0( k 1)  j  H k 1  j 
N
6) вычисляются безусловные оценки вектора состояния: αˆ ( k 1)   αˆ k  j  P  j fk1  , и
j 1
корреляционной матрицы ошибок фильтрации:

N

T
R ( k 1)    R k 1  j    αˆ k 1  j   αˆ k 1   αˆ k 1  j   αˆ k 1  P j fk 1 .


j 1
На рис. 1 приведена структурная схема МИМПГ. Текущая оценка вектора наблюдения
ˆθ поступает во все каналы МИМПГ, которые настроены на различные МД. На выходе канаk 1
лов формируются условные оценки вектора состояния αˆ k 1 ( j ) по уточненным априорным
данным αˆ k ( j ) , R k ( j ) с предыдущего шага измерений. Устройство расчета вероятностей осуществляет расчет апостериорных вероятностей МД Pk 1 ( j fk  ) и вероятностей перехода одной
модели в другую Pk ( j fk  ) . Полученные вероятности Pk 1 ( j fk  ) подаются на весовой сумматор
для вычисления безусловной оценки вектора состояния αˆ ( k 1) .
θˆ k1
αˆ k 1 (1), R k 1 (1)
L k 1 (1)
Фильтр 1
Pk 1 (1/ fk 1 ' )
Lk 1 (2)
αˆ k 1 (2), Rk 1 (2)
...
...
Фильтр 2
Lk 1 ( N )
Блок
вычисления
вероятностей
...
Pk 1 (2 / fk 1 ' )
αˆ k  1
Взвешенное
суммирование
R k 1
Pk 1(N / fk 1 ')
αˆ k1(N), Rk1(N)
Фильтр N
tз  t( k 1)
~
~ ( i ), R
α
k
k (i )
R k 1 (1)
αˆ k (1 )
R k 1 ( 2)
αˆ k ( 2 )
..
.
R k 1 ( N )
αˆ k ( N )
Коррекция условных оценок
Рис. 1. Структурная схема МИМПГ
Для проведения сопоставления были синтезированы две модификации МИМПГ –
МИМПГ1 и МИМПГ2. МИМПГ1 включала в себя гипотезы: ФК при наблюдении коррелированных прямоугольных координат с МД 1-го порядка (ФК1), ФК при наблюдении коррелированных прямоугольных координат с МД 2-го порядка (ФК2), Фильтр Калмана с коррелированными приращениями первого порядка с МД по Сингеру (ФС). МИМПГ2 включала в себя те же
гипотезы, что и МИМПГ1, а также ФК для МД ЛА, совершающего установившийся горизонтальный разворот (ФК3).
70
Результаты математического моделирования
Комплекс математического моделирования. Для проведения сопоставительного моделирования ошибок измерений модификаций МИМПГ использовался комплекс математического моделирования [4, 5]. Задающее воздействие представляло собой различные виды МД ЛА
[1, 5, 10]: равномерное прямолинейное, равноускоренное прямолинейное, установившийся и
неустановившийся разворот. Характеристики двухкоординатной РЛС кругового обзора (период обзора и СКО ошибок наблюдений) соответствуют выбранным в [4, 5].
Показатели качества. За показатель качества модификаций фильтров была выбрана
СКО суммарной ошибки измерения местоположения Δ (k ) , которая вычислялась согласно [1, 4, 5].
Фильтры, входящие в состав модификаций МИМПГ, имели следующие параметры:
ФК1 – σ m =0,01 м/с2; ФК2 – σ m =0,001 м/с3; ФС – σ m =4,0 м/с2 и временем корреляции равным
25 с; ФК3 – σ m1 =0,01 м/с2, σ m 2 =0,001 рад/с2. Исходные вероятности гипотез для МИМПГ1 задавались равными 1/3, диагональные элементы матрицы π lj равными 0,975, а недиагональные
0,0125. Для МИМПГ1 исходные вероятности гипотез задавались равными 1/4, диагональные
элементы матрицы π lj равными 0,997, а недиагональные 0,001.
В ходе моделирования было проведено 10000 опытов для каждого модельного эксперимента, после чего в каждом модельном эксперименте значение Δ (k ) нормировалось к СКО
текущих оценок.
Модельный эксперимент № 1. ЛА находился на дальности 100 км от РЛС (начальные
значения курса и азимута – α=90o; β=45o соответственно). ЛА двигался прямолинейно с постоянной скоростью 900 км/ч. В динамике изменений вероятностей переходов гипотез для обеих
модификаций МИМПГ характерно преобладание ФК1. МИМПГ1 и МИМПГ2 для таких условий наблюдения имеют практические равные показатели качества.
Модельный эксперимент № 2. ЛА находился на дальности 100 км от РЛС (начальные
значения курса и азимута – α=90o; β=45o соответственно). Моделировалось прямолинейное
равноускоренное движение ЛА на всем участке трассы с ускорением 1 м/с2. В динамике изменений вероятностей переходов гипотез для обеих модификаций МИМПГ характерно преобладание ФК2. МИМПГ1 и МИМПГ2 для таких условий наблюдения имеют практические равные
показатели качества.
Модельный эксперимент № 3. Результаты эксперимента приведены на рис. 2. ЛА находился на дальности 100 км от РЛС (начальные значения курса и азимута – α=90o; β=45o соответственно – см. рис. 2, а). ЛА двигался с 1-го по 30-ый и с 71-го по 100-ый шаг прямолинейно
с постоянной скоростью равной 720 км/ч. С 30-го по 70-ый шаг ЛА совершал разворот в горизонтальной плоскости с нормальной перегрузкой ny  1,4 . Использование обеих модификаций
МИМПГ позволяет избежать срыва сопровождения на этапе выполнения разворота, однако
МИМПГ2 на этапе совершения разворота имеет выигрыш до 18% точности над МИМПГ1, после завершения маневра модификации МИМПГ имеют примерно равные показатели качества.
Это объясняется возможностью в МИМПГ2 обеспечивать переход к МД ЛА, совершающего
установившийся горизонтальный разворот, которая будет преобладающей на этапе совершения
разворота (рис. 2, г). Введение МД по Сингеру обеспечивает минимизацию ошибок фильтрации на участках переходных процессов, а для МИМПГ1 также во время маневра
(см. рис. 2, в, г).
Модельный эксперимент № 4. Результаты эксперимента приведены на рис. 3. ЛА находился на дальности 100 км от РЛС (начальные значения курса и азимута – α=90o; β=45o соответственно – см. рис. 3, а). ЛА двигался с 1-го по 30-ый и с 71-го по 100-ый шаг прямолинейно с постоянной скоростью равной 720 км/ч. С 30-го по 70-ый шаг ЛА совершал неустановившийся разворот в горизонтальной плоскости - нормальная перегрузка изменялась в диапазоне от 1,1 до 1,4.
Использование обеих модификаций МИМПГ позволяет избежать срыва сопровождения на этапе
выполнения разворота, однако МИМПГ2 на этапе совершения разворота имеет выигрыш до 10%
точности над МИМПГ1, при этом по сравнению с установившимся разворотом в динамике изменения ошибки фильтрации для МИМПГ2 наблюдаются некоторые переходные процессы.
71
разворот
P
x
конец
движения
70
Вероятности перехода гипотез
x
(север)
150
60
z
100
80
начало
движения
100
50
разворот
РЛС
50
0
100
0.8
ФК 1
ФC
0.6
0.4
ФК2
0.2
z
(восток)
0
50
100
k
номер шага обновления данных
а
б
разворот
Δ∑ , %
Вероятности перехода гипотез
Нормированное СКО суммарной
ошибки
МИМПГ 1
80
МИМПГ 2
60
разворот
40
20
P
0.8
ФК 1
ФК3
0.6
ФК2
0.4
ФC
0.2
0
0
50
k
100
50
100
k
номер шага обновления данных
в
г
Рис. 2. Результаты моделирования (установившийся разворот): а – траектория ЛА; б – нормированная
суммарная ошибка измерения местоположения для МИМПГ 1 и МИМПГ 2; в – вероятность перехода
гипотез для МИМПГ1; г – вероятность перехода гипотез для МИМПГ 2
разворот
x
70
60
40
60 95
105
z
конец
движения
20
неустановившийся
разворот
РЛС
0
50
Вероятности перехода гипотез
начало
движения
x
(север)
P
ФC
0.8
ФК 1
0.6
0.4
ФК2
0.2
z
(восток)
0
50
а
б
разворот
100
МИМПГ 1
80
МИМПГ 2
60
40
разворот
0
50
Вероятности перехода гипотез
Нормированное СКО суммарной
ошибки
Δ∑ , %
20
k
100
номер шага обновления данных
P
ФК3
0.8
ФК 1
0.6
ФК2
0.4
ФC
0.2
100
номер шага обновления данных
0
50
100
в
г
Рис. 3. Результаты моделирования (неустановившийся разворот): а – траектория ЛА; б – нормированная
суммарная ошибка измерения местоположения для МИМПГ 1 и МИМПГ 2; в – вероятность перехода
гипотез для МИМПГ1; г – вероятность перехода гипотез для МИМПГ 2
72
Заключение
В статье рассмотрены особенности алгоритма работы ФК для МД ЛА, совершающего
установившийся горизонтальный разворот. В основе алгоритма лежит фильтрация угловой
скорости вращения траектории ЛА.
Результаты моделирования наглядно доказывают необходимость использования в
МИМПГ канала, настроенного на модель установившегося горизонтального разворота. Включение этой МД в МИМПГ позволяет достичь выигрыша по точности до 18% на этапе совершения установившегося разворота и до 10% для неустановившегося разворота.
FEATURES OF FILTERING USING COORDINATED TURN MODELS
A.S. SOLONAR, P.A. KHMARSKI, A.A. MIKHALKOVSKI
Abstract
The features Extended Kalman filter using coordinated turn models are considered. The estimation performance of Interacting Multiple Model filter modifications is compared.
Список литературы
1. Бар-Шалом Я., Ли Х.Р. Траекторная обработка. Принципы, способы и алгоритмы. М., 2011.
2. Горшков С.А., Солонар А.С. // Информационно-измерительные и управляющие системы. 2006. №6.
С. 14–30.
3. Фарина А., Студер Ф. Цифровая обработка радиолокационной информации. Сопровождение целей.
М., 1993.
4. Хмарский П.А., Солонар А.С. // Докл. БГУИР. 2012. № 7. С 47–53.
5. Хмарский П.А., Солонар А.С. // Докл. БГУИР. 2012. № 8. С 57–64.
6. Bar-Shalom Y. // IEEE Transaction on aerospace and electronic systems. 1989. Vol. 25. № 2. P. 296–300.
7. Blackman S. Design and analysis of modern tracking systems. Boston, London: Artech House. 1999.
P. 147−224.
8. Kirubarajan T., Bar-Shalom Y., Pattipati K.R. et. al. // IEEE Transactions on Aerospace and Electronic Systems. 2000. Vol. 36. № 1. P. 26–45.
9. Li X.R., Jilkov V.P. // Proceeding of SPIE on Signal and Data Processing of Small Targets. Orlando, FL. 2000.
10. Ширман Я.Д., Багдасарян С.Т., Горшков С.А. и др. // Радиоэлектронные системы: Основы построения
и теория. Справочник. Издание 2-е переработ. и доп. / Под ред. Ширмана Я.Д. М. 2007. С. 345−365.
11. Bar-Shalom Y., Lerro D. // IEEE Transaction on aerospace and electronic systems. 1993. Vol. 29, №2.
P. 494–509.
12. Li R., Bar-Shalom Y., Blair W.D. // Engineer's guide to variable-structure multiple-model estimation for
tracking in Multitarget-Multisensor Tracking: Applications and Advances. 2000. Vol. III, Ch. 10. P. 499–567.
73
ДОКЛАДЫ БГУИР
№ 4 (74)
2013
УДК 004.93
РЕШЕНИЕ ЗАДАЧИ РАЗГРАНИЧЕНИЯ ДОСТУПА В СИСТЕМУ НА ОСНОВЕ
НЕЙРОННОЙ СЕТИ СВЕРТКИ
Н.А. ИСКРА
Белорусский государственный университет информатики и радиоэлектроники
П. Бровки, 6, Минск, 220013, Беларусь
Поступила в редакцию 15 мая 2012
Предлагается алгоритм, в основе которого лежит извлечение главных компонент изображений в качестве информативных признаков и нейронная сеть свертки в качестве классификатора. Эксперименты показывают частичную инвариантность к поворотам, масштабированию и деформациям, что достигается благодаря иерархическому извлечению информативных признаков. Доля правильного распознавания образов лиц составила 99 %.
Ключевые слова: нейронная сеть свертки, анализ главных компонент, идентификация личности, биометрия, разграничение доступа.
Введение
Задача разграничения доступа в систему может быть сформулирована следующим образом. Пусть дано ограниченное количество классов пользователей (порядка 100 человек), которым может предоставляться доступ в систему. Всем остальным классам в доступе должно
быть отказано. Кроме того, для некоторых групп пользователей могут предоставляться особые
права (либо вводиться ограничения). Необходимо однозначно идентифицировать личность из
заданного набора классов.
В качестве исходных данных для решения данной задачи доступно большое количество
изображений (обучающих образов) на каждый класс. Как альтернативный вариант, можно отметить алгоритм, основанный на применении многослойного персептрона (МП) в качестве
классификатора [1]. Как показывают результаты экспериментов, алгоритм достаточно устойчив, имеет приемлемые показатели эффективности, однако вычислительно сложен. Кроме того,
нет возможности гибкой настройки работы алгоритма (когда, например, нужно добавить еще
один класс пользователей системы).
В данной статье предлагается использовать нейронную сеть свертки (НСС), применение которой способствует устойчивому распознаванию и позволяет «дообучать» классификатор. В то же время информативные признаки, извлекаемые данной сетью, являются инвариантными к смещению, повороту, масштабированию и деформациям [2].
Структура нейронной сети свертки
НСС имеет иерархическое строение слоев, благодаря этому она может извлекать ключевые признаки, чем достигается устойчивость решения к внутриклассовым вариациям образов. В отличие от МП в НСС гибкость может быть достигнута за счет добавления новых соединений между нейронами в слоях.
Для сокращения размерности входных данных предлагается использовать анализ главных компонент (PCA – Principal component analysis) [3]. Общеизвестно, что PCA обеспечивает
эффективную самоорганизующуюся процедуру обучения при сжатии данных, в то же время
сохраняя большую часть полезной информации о входном сигнале.
74
Для извлечения главных компонент изображения используется однослойная рециркуляционная нейронная сеть, представленная на рис. 1, которая извлекает заданное количество
главных компонент из многомерного случайного процесса. Относительно ее структуры необходимо отметить, что:
– сеть имеет m входов и p выходов, причем p<m;
– все нейроны выходного слоя являются линейными;
– в качестве алгоритма обучения используется обобщенный алгоритм Хебба [4].
x1
1
x2
2
...
i
...
m
xi
xm
1
y1
2
...
y2
p
yp
Рис. 1. Однослойная нейронная сеть для извлечения p главных компонент
Правила модификации весов в алгоритме Хебба представлены формулами (1) и (2):
p
yi (n)   wij (n) xi (n), j  1, m ,
(1)
j


wij (n)    y j (n) xi (n)  y j (n) wki (n) yk (n) ,
k 1


(2)
i 1
где η – параметр скорости обучения; m – общее число входных нейронов; wij– вес синаптической связи, соединяющей нейроны i и j; yi(n) – выходной сигнал нейрона i, i-тая главная компонента. Для сокращения вычислительных затрат при определении первой главной компоненты
может быть использован один собственный вектор.
Структура НСС для идентификации личности представлена на рис. 2. Данная структура
была получена по аналогии со структурой сети, применяемой для распознавания рукописного
шрифта [3, 4].
Рис. 2. Нейронная сеть свертки для распознавания образов лиц
Сеть состоит из набора слоев, каждый из которых содержит определенный набор карт
признаков. Каждый нейрон получает входной сигнал от локального рецептивного поля
(receptive field) в предыдущем слое, извлекая, таким образом, его локальные признаки. После
извлечения абсолютное местоположение признака не имеет значения, т.к. установлено его расположение относительно других признаков. Каждый вычислительный слой состоит из множества карт признаков (feature map), каждая из которых имеет форму плоскости, на которой все
нейроны должны использовать одно и то же множество синаптических весов. За каждым слоем
75
свертки следует вычислительный слой, осуществляющий локальное усреднение (local
averaging) и подвыборку. Это приводит к уменьшению разрешения карт признаков, что в свою
очередь дает инвариантность к смещению и прочим деформациям. Такая сеть обучается посредством алгоритма обратного распространения ошибки.
Входной слой содержит 23×28 сенсорных узлов (для тестовой базы предварительно
производится усреднение по каждым четырем соседним пикселям). Функционирование вычислительных слоев осуществляется следующим образом:
– I скрытый слой реализует свертку; состоит из 20 карт признаков из 21×26 нейронов;
каждому нейрону соответствует поле чувствительности (рецептивное поле) размером 3×3;
– II скрытый слой выполняет подвыборку и локальное усреднение; состоит из также 20
карт размером 11×13; каждому нейрону соответствует рецептивное поле 2×2, настраиваемый
коэффициент, настраиваемый порог и сигмоидальная функция активации (настраиваемые коэффициент и порог определяют рабочую область нейрона);
– III скрытый слой выполняет повторную свертку; состоит из 25 карт по 9×11 нейронов;
каждый нейрон этого слоя может иметь синаптические связи с различными картами признаков
предыдущего слоя, в противном случае он был бы аналогичен первому слою;
– IV скрытый слой осуществляет вторую выборку и повторное локальное усреднение;
состоит из 25 карт по 5×6 нейронов;
– выходной слой осуществляет последний этап свертки; состоит из 40 нейронов, каждому из которых соответствует один из классов в базе.
Стратегия соединения слоев в сети, минимизирующая количество весов, определена
эмпирически для конкретной тестовой базы изображений [5] и представлена в табл. 1.
Таблица 1. Характеристики слоев нейронной сети свертки для распознавания лиц
№ слоя
1
2
3
4
5
Тип слоя
Свертка
Подвыборка
Свертка
Подвыборка
Свертка
Число карт
x
y
20
20
25
25
40
21
11
9
5
1
26
13
11
6
1
Рецептивное
поле
3×3
2×2
3×3
2×2
5×6
Связность
100%
–
30%
–
100%
Эксперименты и результаты
Тестирование системы разграничения доступа осуществлялось на базе The Database of
Faces лаборатории AT&T Кембриджского университета [5]. В данной базе представлено 40
классов субъектов. Для каждого субъекта имеется 10 различных изображений. Для некоторых
классов фотографии были получены в различное время (т.е. присутствует эффект старения),
при различном освещении, присутствуют также внутриклассовые вариации в виде различных
выражений лица (глаза открыты/закрыты, с улыбкой/без улыбки и т.д.) и деталей (в очках/без
очков). Все изображения были получены на темном однородном фоне с небольшими вариациями в положении лица. Размер каждого изображения 92×112 пикселей, 256 градаций серого.
Пример набора изображений для одного субъекта представлен на рис. 3.
Классификатор обучался с использованием различного количества изображений.
В табл. 2 проанализированы следующие характеристики системы:
– процент распознавания (Rr, %) – процент правильной классификации образов, на которых производилось обучение сети;
– процент обобщения (Rg, %) – процент правильной классификации образов из набора,
не содержащего обучающие образы;
– время обучения (Tt, с);
– среднее время распознавания (Tr, с) – среднее время обработки одного изображения.
76
Рис. 3. Пример изображений из The Database of Faces
Таблица 2. Характеристики системы
Количество изображений
для обучения
1
Rr, %
Rg, %
T t, с
Tr, с
79,25
70,20
0,3
0,1
2
3
93,75
98,50
73,61
78,23
0,9
1,4
0,4
0,7
4
5
98,90
99,99
82,99
86,25
1,8
2,3
0,9
1,2
Также оценивались и сравнивались эффективность использования НСС с анализом
главных компонент и без него. На рис. 4 показано увеличение эффективности НСС с использованием PCA.
Рис. 4. Зависимость процента обобщения от размера тренировочной выборки
Как видно из графика, использование главных компонент увеличивает процент обобщения данного классификатора до 82% уже при использовании только одного обучающего
изображения.
Из результатов экспериментов можно заключить, что данный алгоритм позволяет однозначно идентифицировать личность с достаточно высоким процентом распознавания и обобщения за ощутимо короткое время. При увеличении числа тренировочных данных точность
распознавания возрастает, а время увеличивается несущественно. Таким образом, данный алгоритм подходит для решения поставленной задачи разграничения доступа в систему.
77
Заключение
Предложен алгоритм, предназначенный для идентификации образов лиц, с применением нейросетевых технологий, а именно алгоритм распознавания образов лиц на основе нейронной сети свертки с предварительным выделением ключевой информации в виде главных компонент.
Данный алгоритм отличается тем, что позволяет с высокой вероятностью идентифицировать изображения лиц с небольшими изменениями освещения, масштаба, положения и эмоций.
За счет того, что признаки в нейронной сети свертки сканируются по всему изображению, алгоритм устойчив к деформациям. Благодаря набору параллельных карт признаков достигается устойчивость к внутриклассовым вариациям (очки, прически и т.д.), а за счет поиска
и усреднения в окрестностях модель деформаций эластична.
A SOLUTION TO SYSTEM ACCESS PROBLEM BASED ON CONVOLUTIONAL
NEURAL NETWORK APPROACH
N.A. ISKRA
Abstract
The algorithm based on the principal components of the images as informative features extracting and convolutional neural network as a classifier is proposed. Experiments have shown partial
invariance to the rotation, scaling and deformation, achieved through a hierarchical extraction of informative features. The resulting percentage of correct recognition rate of persons is up to 99%.
Список литературы
1. Bryliuk D., Starovoitov V. // Proc. of the 2nd International Conference on Artificial Intelligence, Crimea,
Ukraine, 2002. P. 428.
2. Lawrence S., Giles C.L., Tsoi A.C. et. al. Face Recognition: A Hybrid Neural Network Approach // IEEE
Trans. on Neural Networks. 1997. Vol. 8, №1. P. 98.
3. Хайкин С. Нейронные сети. Полный курс. Второе издание. Москва, Санкт-Петербург, Киев, 2006.
4. LeCun Y., Boser B., Denker J. // Advances in Neural Information Processing. 1999. P. 396.
5. The Database of Faces (formerly «The ORL Database of Faces»), AT&T Laboratories, Cambridge. [Электронный ресурс]. – Режим доступа: http://www.cl.cam.ac.uk/research/. – Дата доступа: 10.05.2013.
78
ДОКЛАДЫ БГУИР
№ 4 (74)
2013
УДК 004.422.5:[002+51]-047.58
ИНФОРМАЦИОННОЕ И МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ
НАДЕЖНОСТИ ПРОФЕССИОНАЛЬНОЙ ДЕЯТЕЛЬНОСТИ ОПЕРАТОРОВ
А.Г. ДАВЫДОВСКИЙ, М. ЕЛ-ГРЕЙД, К.Д. ЯШИН, В.С. ОСИПОВИЧ, Л.П. ПИЛИНЕВИЧ,
Ю.А. ГЕДРАНОВИЧ, Е.В. ТОМАШЕВИЧ
Белорусский государственный университет информатики и радиоэлектроники,
П. Бровки, 6, Минск, 220013, Беларусь
Поступила в редакцию 27 ноября 2012
Разработаны информационная и математическая модели оценки риска снижения надежности профессиональной деятельности операторского персонала опасных производств. Предложен метод математического прогнозирования риска снижения надежности операторов.
Ключевые слова: оператор, надежность, риск, прогнозирование, информационная модель,
математическая модель.
Введение
Проблема обеспечения безаварийного функционирования энерготранспортных предприятий, тесно связана с решением задач по прогнозированию риска снижения надежности
профессиональной деятельности операторского персонала этих предприятий [1, 2]. Определены профессионально важные психо-физиологические характеристики (ПХ) оператора опасного
производства и разработан программный комплекс для мониторинга параметров этих характеристик оператора [2, 3]. Актуальной является разработка программного комплекса, позволяющего осуществить оценку риска снижения надежности оператора опасного производства, а
также прогнозирование снижения надежности этого оператора. В свою очередь для создания
программного комплекса необходимо разработать математическую модель оценки риска снижения надежности. Для построения математической модели необходимо разработать информационную модель изменения надежности оператора.
В связи с этим, целью работы была разработка информационной и математической моделей риска изменения надежности профессиональной деятельности оператора на основе анализа изменений психофизиологических характеристик специалиста.
Информационная модель надежности деятельности оператора
За рабочую гипотезу принимаем положение о том, что риск снижения надежности оператора (СНО) пропорционален вероятности нарушения функционального состояния оператора,
определяемого на основании мониторинга его психофизиологических характеристик. На основании этой гипотезы разработана информационная модель изменения надежности профессиональной деятельности оператора (рис. 1). Модель учитывает детерминированность функционального состояния оператора индивидуальными ПХ [4]. Исходным является оптимальное рабочее состояние оператора, которое характеризуется высокой устойчивостью ПХ и отсутствием каких-либо признаков утомления человека.
Установим четыре основных состояния надежности оператора. Первое из них – состояние допустимой надежности оператора. В данном состоянии оператор находится в условиях
обычного дежурства. При этом вероятность риска СНО не превышает некоторого предельно
допустимого значения (lim – P) < lim. Данное состояние характеризуется высокой надежностью
79
деятельности оператора, его ПХ находятся в пределах нормы. Первое состояние характерно
для операторского персонала, когда врабатывание уже произошло, а количество ошибок, совершаемых оператором, практически равно нулю.
Состояние 1 – допустимая надежность деятельности оператора.
Диапазон вероятности: Р<lim
Состояние 2 – сниженная надежность деятельности оператора.
Диапазон вероятности: lim≤P<В1
Состояние 3 – низкая надёжность деятельности оператора.
Диапазон риска: В1≤P≤В2
Состояние 4 – критическое состояние надежности оператора.
Диапазон вероятности: В2<P<1
Рис. 1. Информационная модель изменения надежности деятельности операторов опасных производств
Второе состояние – сниженная надежность оператора. При возрастании информационных, эмоциональных, физических нагрузок и в связи с развитием центрального (умственного) и
периферического (физического) утомления оператор переходит в состояние снижения
надежности своей деятельности. При этом вероятность риска СНО находится в пределах
lim ≤ P < В1. Показатели ПХ находятся на границах нормы, что объясняется нарастанием симптомов утомления, повышением частоты совершения ошибочных действий оператора. Восстановление работоспособности и надежности оператора возможно после отдыха, после чего возможен возврат в состояние допустимого риска.
Третье состояние – низкая надежность оператора. Это состояние характеризуется высокой вероятностью риска СНО (В1 ≤ P ≤ В2), выходом ряда ПХ за пределы диапазонов нормы и
появлением риска аварийных ситуаций. Это состояние объясняется продолжительной работой
и усугублением центрального и периферического утомления. При пребывании оператора в третьем состоянии целесообразно специальное обследование, медицинская и профессиональная
экспертиза. После отдыха возможно улучшение функционального состояния специалиста.
Четвертое состояние – критическое состояние надежности оператора. Здесь характерно
значительное и интенсивное снижение профессиональной надежности оператора, частые ошибочные действия и риск возникновения аварийных ситуаций. При этом диапазон вероятности
СНО В2 < P < 1. В данном состоянии необходимо прекратить профессиональную деятельность
оператора. Целесообразны реабилитационные мероприятия.
Значения lim, В1, В2 определяются экспериментальным путем на основе наблюдений и
с учетом характера деятельности оператора.
Очевидно, что допустимая степень надежности профессиональной деятельности оператора (рис. 1) достигается только в случае, если показатели его ПХ находятся в пределах нормы.
При этом надежность профессиональной деятельности оператора снижается, если показатель
хотя бы одного из ПХ меньше минимального или превышает максимальное значение диапазона нормы.
Математическая модель оценки риска снижения надежности деятельности оператора
На основе представленной выше рабочей гипотезы предлагается математическая модель оценки нарушения функционального состояния оператора. Модель основана на нашем
допущении, что изменение риска СНО относительно изменения вероятности нарушения функционального состояния оператора dR/dP прямо пропорционально (коэффициент пропорциональности 1) произведению этой величины вероятности P и риска снижения надежности R:
dR
 P  R.
dP
80
(1)
После дифференцирования уравнения (1) в разделяющихся переменных и полагая, что
dP=d(P+Po), где Po и P – соответственно, исходное и текущее значения вероятности нарушения
функционального состояния оператора:
dR
 P  d( P  Po ).
R
(2)
Последующее интегрирование (2) приводит к уравнению (3):
ln R 
P2
 Po  P  C1 ,
2
(3)
где C1 – постоянная величина интегрирования, характеризующая степень ошибки эмпирических измерений психофизиологических показателей функционального состояния оператора
(определяется экспериментально). Последующее потенцирование уравнения (3) позволяет
прейти к уравнению (4) для количественной оценки риска СНО в зависимости от вероятности
нарушения функционального состояния оператора:
 P2 
R  exp    exp  P0 P   exp  C1  .
 2 
(4)
Уравнения (1) и (4) позволяют связать риск снижения надежности профессиональной
деятельности оператора с вероятностью нарушения его функционального состояния, которое, в
свою очередь, характеризуется индивидуальным набором ПХ.
Введем специальный дискриминант количественной оценки вероятности нарушения
функционального состояния оператора Di, где i – количество исследованных ПХ оператора.
Дискриминант Di позволяет соотнести изменения каждого из количественно измеряемых показателей ПХ (xi) по отношению к минимуму (xmin) и максимуму (xmax) соответствующего диапазона нормы (последние определяются экспериментальным путем):
Di 
( xi  xmin )( xi  xmax )
.
xmin xmax
(5)
При этом Di является удобным маркером для оценки риска снижения надежности профессиональной деятельности операторов. Если величина ПХ находится в пределах определенной нормы (xmin < xi < xmax), то Di < 0 и вероятность СНО довольно низка. Если величина ПХ
выходит за пределы определенной нормы (xi < xmin, или xi > xmax), то Di > 0 и вероятность СНО
возрастает по мере увеличения Di(xi).
Удельное изменение вероятности снижения надежности оператора P(Di) относительно
параметров Di можно записать в виде:
dP( Di )
 P( Di ) 1  P( Di ) .
dDi
(6)
После интегрирования уравнения (6) получаем логистическую функцию [5], задаваемую уравнением (7):
P( Di ) 
e Di
.
1  e Di
(7)
На основе уравнения (7) можно оценить интегральную вероятность нарушения функционального состояния оператора с учетом измеренных ПХ [3] в любой момент времени tj периода профессиональной деятельности:
n
P(t j )   P( Di ) .
(8)
i 1
Далее, с использованием выражения (4), может быть рассчитан риск снижения надежности оператора Rj, где j – порядковый номер исследования риска СНО, которое выполнено в
81
j-ый момент времени с использованием интегральных показателей вероятности нарушения
функционального состояния оператора P(tj):
R j ( Di , t j )  P0 ( D0 , t0 )e
 P 2 ( Di ,t j ) 




2


,
(9)
где P0(D0, t0) – вероятность нарушения функционального состояния оператора, рассчитанная в
начальный период времени исследований (первичные измерения ПХ).
С помощью уравнения (9) может быть рассчитан средневзвешенный показатель риска
СНО ‹R› для любого момента времени профессиональной деятельности:
R   R j wj ,
(10)
где Rj – риск СНО в j-м исследовании в период мониторинга функционального состояния оператора, а wj – его удельно-весовой показатель. Последний определяется экспериментальным
путем: более ранние исследования ПХ имеют низкие wj, более поздние – имеют высокие wj.
Старые измерения ПХ учитываются, но их вес постепенно уменьшается по сравнению с более
поздними измерениями ПХ.
Зная риск СНО в каждый из моментов времени tj, можно прогнозировать ожидаемый
риск (Rпрогноз) через определенный период времени от настоящего момента. Назовем это прогнозом на заданную «глубину прогнозирования». Мгновенное изменение прогнозируемого
риска пропорционально средневзвешенному риску ‹R› на всем периоде профессиональной деятельности оператора T и «глубине прогнозирования» t. При этом коэффициент пропорциональности равен единице. Поэтому получим:
d( Rпрогноз  R )
dt
T t 

 ( Rпрогноз  R ) ,
 T 
(11)
где ‹R› – величина средневзвешенного риска СНО, T – полный период времени всех предшествующих мониторингов функционального состояния оператора, n – «глубина прогнозирования» риска СНО.
После дифференцирования уравнения (11) в разделяющихся переменных:
d( Rпрогноз  R )  T  t 

(12)
 dt .
( Rпрогноз  R )  T 
Последующее интегрирование (12) позволяет получить уравнение (13):

t2 
ln( Rпрогноз  R )   t 
(13)
  C2 .
 2T 
где С2 – постоянная интегрирования, характеризующая величину ошибок в расчетах риска.
Последующее потенцирование выражения (13) позволяет получить уравнение (14) для
расчета величины риска на задаваемую «глубину прогнозирования»:

t2 
Rпрогноз  exp R  exp  t 
(14)
  exp  C2  .
 2T 
Таким образом, величина прогнозируемого риска СНО непосредственно зависит от величины средневзвешенного риска СНО и «глубины прогнозирования» t. Очевидно, что увеличение «глубины прогнозирования» t на фоне небольшой продолжительности предшествующих
наблюдений T приведет к увеличению ошибки прогнозируемой величины риска. Анализ выражения (12) показывает, что при t→0 и С2→0 уровень прогнозируемого риска СНО равен:
 1 
Rпрогноз  exp R  exp 
.
 2T 
(15)
На рис. 2 представлена поэтапная схема прогнозирования риска СНО. Начальным этапом является исследование комплекса индивидуальных ПХ специалиста.
82
Количественная оценка психофизиологических
характеристик оператора [2, 3]
Расчет дискриминанта Di по формуле (5) для каждой
характеристики
Расчет вероятности нарушения функционального
состояния оператора по формуле (6)
Расчет интегральной вероятности СНО по формуле (8)
Расчет риска Rj(Di,tj) по формуле (9)
Расчет средневзвешенного риска по формуле (10)
Расчет величины риска на заданную «глубину
прогнозирования» по формуле (14)
Рекомендации по повышению надежности деятельности
оператора
Рис. 2. Схема прогнозирования риска снижения надежности профессиональной деятельности оператора
На основе полученных диагностических данных, характеризующих функциональное
состояние оператора, можно рассчитать дискриминант Di по каждому из ПХ, а также оценить
вероятность нарушения функционального состояния оператора P(Di). С помощью выражения (8) можно рассчитать вероятность нарушения функционального состояния оператора с
учетом показателей всех ПХ для момента j-го исследования функционального состояния оператора. Теперь с помощью выражения (9) можно рассчитать величину риска СНО R(tj) для
каждого момента времени tj (R1, R2, R3, …, Rj). Это позволяет оценить средневзвешенный риск
‹R›. С помощью величины средневзвешенного риска может быть осуществлена оценка величины прогнозируемого риска СНО по формуле (14). На заключительном этапе прогнозирования
риска СНО необходимо выработать персональные рекомендации по повышению надежности
профессиональной деятельности оператора сложного технологического процесса.
Представленная на рис. 2 схема может быть использована для разработки математического и программного обеспечения мероприятий профессионального отбора кандидатов на
должность оператора, а также мониторинга и прогнозирования надежности операторов систем
управления опасными технологическими процессами. Предлагаемый метод прогнозирования
риска может быть использован для повышения надежности и оптимизации деятельности операторского персонала опасных производств. Данный метод принципиально отличается от всех
ранее известных способов оценки надежности операторов технических систем [1–4].
Заключение
Разработана математическая модель, связывающая психофизиологические характеристики с риском снижения надежности деятельности оператора на заданной «глубине прогнозирования». Модель предназначена для разработки программного комплекса, который, в
свою очередь, позволит осуществлять профотбор, оценивать текущую и прогнозную надежности деятельности оператора, а также проводить медицинские эксперименты с целью поиска связи между психофизиологическими характеристиками и различными заболеваниями человека.
83
INFORMATIONAL AND MATHEMATICAL SIMULATION OF THE OPERATOR
PROFESSIONAL RELIABILITY
A.G. DAVIDOVSKY, М. EL-GREYD, K.D. YASHIN, V.S. OSIPOVICH, L.P. PILINEVICH,
Yu.A. HEDRANOVYCH, E.V. TOMASHEVICH
Abstract
Information and mathematical models for risk assessment of reduced reliability professional
personnel carrier hazardous industries are developed. A method of mathematical prognosis risk of reduced reliability of operators are proposed.
Список литературы
1. Душков Б.А., Ломов Б.Ф., Смирнов Б.А. Хрестоматия по инженерной психологии. М., 1991.
2 Eл-Грейд М., Егоров В.В., Давыдовский А.Г. и др. // Безопасность жизнедеятельности. 2012. № 6. С. 12–17.
3. Ел-Грейд М., Яшин К.Д., Егоров В.В. // Докл. БГУИР. 2011. №8. С. 95–98.
4. Savic S. // The Scientific Journal Facta Universitatis. Series: Working and Living Environmental Protection.
1998. Vol. 1, № 3. P. 33–40.
5. Kingsland S.E. Modeling nature. Chikago, 1995.
84
ДОКЛАДЫ БГУИР
№ 4 (74)
2013
КРАТКИЕ СООБЩЕНИЯ
УДК 621.315.592
ВЫРАЩИВАНИЕ МОНОКРИСТАЛЛОВ CuIn13S20 И СТРУКТУРЫ НА ИХ
ОСНОВЕ
В.В. ШАТАЛОВА
Минский государственный высший радиотехнический колледж
Независимости, 62, Минск, 220005, Беларусь
Поступила в редакцию 22 апреля 2013
Методом направленной кристаллизации (вертикальный метод Бриджмена) выращены монокристаллы CuIn13S20. Определены состав и структура полученных кристаллов. На основе
выращенных кристаллов созданы фотоэлектрохимические ячейки и измерены спектральные зависимости квантовой эффективности фотопреобразования ячеек электролит/CuIn13S20. Указана возможность применения монокристаллов CuIn13S20 в широкополосных фотопреобразователях естественного излучения, а также в разработке солнечных элементов.
Ключевые слова: монокристаллы CuIn13S20, метод Бриджмена, фотоэлектрохимические
ячейки, квантовая эффективность фотопреобразования.
Введение
Детальные исследования взаимодействия в системах I–III–VI привели к тому, что вместе с широко известными тройными соединениями AIBIIIC2VI существует целый ряд полупроводниковых фаз вида CuIn2x+1S3x+2 (где х = 0…11). Указанные фазы образуются в процессе самоорганизованного
межатомного
взаимодействия
на
псевдобинарных
разрезах
AI2CVI-BIII2CVI3 [1,2]. Эти материалы, как и соединение CuInS2 (х = 0), относятся к числу новых
перспективных материалов в связи с возможностью использования их в полупроводниковой
опто- и микроэлектронике, а также в солнечной энергетике [3–5].
Данное исследование относится к перспективному направлению полупроводниковой
фотоэлектроники нового поколения и направлено на поиск технологии выращивания монокристаллов соединения CuIn13S20 (х = 6), а также создание фоточувствительных структур на его основе.
Методика эксперимента
Монокристаллы CuIn13S20 предварительно получали двухтемпературным методом (горизонтальный вариант). Исходными веществами для получения указанных монокристаллов
служили металлические компоненты (медь, индий) полупроводниковой степени чистоты и сера
марки «ос. ч.», дополнительно очищенная многократной пересублимацией. Процесс синтеза
проводили следующим образом. Металлические компоненты (медь, индий) загружали в кварцевую лодочку, которую располагали в одном конце кварцевой ампулы. В противоположном
конце ампулы находится сера, взятая с избытком, от стехиометрии, необходимым для создания
давления ее паров над расплавом ~ 2,0 атм. После откачки ампулы до остаточного давления
~10–3 Па ее отпаивали от вакуумной системы и располагали в горизонтальной двухзонной печи
таким образом, чтобы лодочка с металлическими компонентами находилась в «горячей» зоне
печи, а сера – в «холодной». Температуру «горячей» зоны устанавливали ~ 1400 К, температу85
ру «холодной» зоны повышали со скоростью ~100 К/ч до ~ 700 К и выдерживали в течение 2 ч
(для протекания реакции между металлическими компонентами и парами серы). Для более
полного протекания этой реакции температуру с такой же скоростью повышали до 920 К с повторной выдержкой в течение 1 ч. По истечении указанного времени проводили понижение
температуры в «горячей» зоне со скоростью ~ 100 K/ч до 700 К и печь отключали от сети.
Полученные поликристаллические слитки растирали в порошок и загружали в двойные
кварцевые ампулы, которые для уменьшения количества центров кристаллизации имели
небольшую конусность в области расплава и заканчивались цилиндрическим капилляром для
формирования монокристаллической затравки. Снизу к наружной ампуле приваривали
кварцевый стержень, используемый в качестве держателя. После вакуумирования ампул до
остаточного давления ~ 10 –3 Па ее помещали в вертикальную однозонную печь. Температуру в
печи повышали со скоростью ~ 100 K/ч до ~ 1400 К, выдерживали 2…3 ч, после чего
проводили направленную кристаллизацию расплава, понижая температуру печи со скоростью
~ 2 К/ч до полного затвердевания расплава. Для гомогенизации полученных слитков их
отжигали при 1070 К в течение 240 ч. Выращенные в таких условиях монокристаллы были
диаметром ~ 14 мм и длиной до 40 мм.
Для определения состава выращенных монокристаллов был использован микрорентгеноспектральный анализ. Поэлементный состав указанных монокристаллов производился на установке «Stereoscan-360». В качестве анализатора рентгеновского спектра использовали рентгеновский спектрометр «AVALON-8000».
Равновесность монокристаллов CuIn13S20 определяли рентгеновским методом. Угловые
положения линий дифракционного спектра записывали на рентгеновском аппарате ДРОН – 3М в
CuK-излучении с графитовым монохроматором. Образцы для измерений готовили путем измельчения кристаллов с их последующей запрессовкой в специальном держателе. Для снятия
механических напряжений, возникающих при растирании монокристаллов, проводили их
отжиг в вакууме при температуре 650 К в течение 2 ч.
Рис. 1. Спектральная зависимость относительной квантовой эффективности фотопреобразования η(ћ)
для фотоэлектрохимических ячеек электролит/ CuIn13S20 при освещении их со стороны электролита
На основе монокристаллов CuIn13S20 созданы фотоэлектрохимические ячейки (ФЭХЯ),
конструкция которых представлена на рис. 1. Для этого из монокристаллов, выращенных как
описано выше, вырезали плоскопараллельные пластинки, которые механически шлифовали и
полировали с двух сторон, а затем подвергали обработке в полирующем травителе состава
Br2 : C2H5OH = 1:3. В качестве электролита использовался водный раствор NaCl.
На пластину из монокристалла наносили омический контакт 1, в качестве которого использовали серебряную пасту (контактол). Для изоляции электролита от омического контакта с
проводником последний покрывался диэлектрическим лаком, после чего фотоэлектрод помещали в кварцевую кювету 3 с электролитом 2.
86
Результаты и их обсуждение
Типичные результаты рентгеновских исследований приведены на рис. 2 и в таблице.
Видно, что на представленной дифрактограмме проявляются рефлексы отражения, характерные для кубической структуры шпинели. Параметр элементарной ячейки, рассчитанный методом наименьших квадратов для рефлексов при углах 2θ>60°, для CuIn13S20 равен
a = 10,754±0,005Å. Наблюдаемое на дифрактограмме (рис. 2) разрешение высокоугловых рефлексов указывает на равновесность выращенных с помощью развитой методики направленной кристаллизации расплава монокристаллов CuIn13S20.
Проведенные исследования стационарных вольт-амперных характеристик показали, что
созданные структуры обладают диодной характеристикой и при напряжениях смещения
U  10 В коэффициент выпрямления ВАХ достигает К = 20 при Т = 300 К. Пропускное направление для таких ячеек реализуется при отрицательной полярности внешнего смещения на фотоэлектродах на основе монокристаллов CuIn13S20.
При освещении ФЭХЯ со стороны контрэлектрода возникает фотовольтаический эффект, знак которого не зависит ни от энергии падающих фотонов, ни от места локализации светового зонда на фотоприемной плоскости ячейки. Сказанное дает основание считать, что фотовольтаический эффект обусловлен разделением фотогенерированных пар на единственной активной области, возникающей в месте контакта свободной поверхности пластины CuIn13S20 с
жидким электролитом. Следует отметить, что кристаллы CuIn13S20 в таких ячейках при их
освещении всегда заряжаются отрицательно, что коррелирует с направлением выпрямления.
Рис. 2. Дифрактограмма соединения CuIn13S20
Рентгенометрические данные кристаллов CuIn13S20
расчет
14,27
23,41
27,48
28,75
33,32
36,4
41,07
43,734
47,79
50,14
53,9
56,04
2Θ, град
эксперимент
14,25
23,38
27,49
28,73
33,34
36,39
41,09
43,7
41,81
50,15
53,88
56,03
I/I0, %
hkl
17
20
100
17
63
11
11
54
97
12
7
18
111
220
331
222
400
331
422
511
440
531
620
533
расчет
59,51
61,54
64,82
66,76
69,94
76,75
79,68
86,23
89,15
95,62
105,19
108,26
2Θ, град
эксперимент
59,51
61,53
64,83
66,76
69,93
76,78
79,69
86,21
89,15
95,63
105,2
108,27
I/I0, %
hkl
9
10
16
7
17
9
12
23
9
15
10
7
622
444
711
642
731
800
751
840
931
844
773
775
Максимальная вольтовая фоточувствительность для ФЭХЯ составляет 5000…8500 В/Вт
при Т = 300 К и хорошо воспроизводится на фотоэлектродах, созданных на пластинах, вырезанных из различных участков слитков монокристаллов CuIn13S20. Сказанное свидетельствует о
том, что выращенные монокристаллы CuIn13S20 являются однородными по всей длине слитков.
Следует также отметить отсутствие какой-либо деградации фотоэлектрических параметров созданных ячеек.
На рис. 1 представлена спектральная зависимость относительной квантовой эффективности фотопреобразования η(ћ) для фотоэлектрохимических ячеек электролит/ CuIn13S20 при
освещении их со стороны электролита. Видно, что для созданных ячеек характерна широкополосная фоточувствительность. На месте коротковолнового спада η в ФЭХЯ электро87
лит/CuIn13S20 возникает практически экспоненциальное возрастание фоточувствительности.
δ(ln η)
Этому возрастанию соответствует крутизна S, определяемая из соотношения: S 
. Осδ( ω)
новываясь на величине крутизны экспоненциальный рост η для ФЭХЯ свидетельствует о прямых межзонных переходах в кристаллах CuIn13S20. Основным отличием спектров фоточувствительности ячеек на основе монокристаллов CuIn13S20 является отсутствие коротковолнового
спада η. Таким образом, созданные нами фотоэлектрохимические ячейки могут быть использованы в солнечных и широкополосных фотопреобразователях естественного излучения.
GROWTH OF CuIn13S20 SINGLE CRYSTALS
AND STRUCTURES ON THEIR BASIC
V.V. SHATALOVA
Abstract
Using the method of directional solidification (the vertical Bridgman method) single crystals
CuIn13S20 were grown. The composition and structure of the obtained crystals were defined. On the
basis of the grown crystals the photo electrochemical cells were created and spectral dependence of
the quantum efficiency of photoconversion of cell electrolyte/CuIn13S20 was measured.
The possibility of application of single crystals CuIn13S20 in broadband photoconversions of
natural radiation, as well as in the development of solar cells was indicated.
Список литературы
1. Горюнова Н.А. Сложные алмазоподобные полупроводники. М., 1968.
2. Новоселова А.В. Физико-химические свойства полупроводниковых веществ: справочник. М., 1979.
3. Tsang S.B., Wei S.H., Zunger A. et.al // Phys.Rev.B. 1998. Vol.57. P. 9642.
4. Coutts T.J., Kazmerskii L.L., Wagner S. Copper Indiuum Diselenide for Photovoltaic Applications. Amsterdam, 1986.
5. Shay J.L., Wernick J.H. Ternary Chalcopyrite Semiconductors:Growth, Electronic Properties and Applications. New York, 1975.
88
ДОКЛАДЫ БГУИР
№ 4 (74)
2013
УДК 621.396.6:621.391.827
МЕТОДИКА РАСЧЕТА КОЭФФИЦИЕНТОВ УСИЛЕНИЯ АНТЕНН
ПЕРЕДАТЧИКА И ПРИЕМНИКА ПОМЕХИ ПРИ АНАЛИЗЕ ЭЛЕКТРОМАГНИТНОЙ СОВМЕСТИМОСТИ РАДИОЭЛЕКТРОННЫХ СРЕДСТВ
О.И. КОРОЛЬКОВА, В.М. КОЗЕЛ, К.Л. ГОРБАЧЕВ
Белорусский государственный университет информатики и радиоэлектроники
П.Бровки, 6, Минск, 220013, Беларусь
Поступила в редакцию 2 октября 2012
Изложена методика расчета коэффициентов усиления антенн передатчика и приемника помехи по основной и кроссполяризации, а также суммарного коэффициента усиления антенн
в зависимости от значения истинного разностного угла.
Ключевые слова: ослабление антенны, коэффициент усиления антенны, истинный разностный угол, основная поляризация, кроссполяризация.
Введение
В связи со стремительным ростом количества телекоммуникационных систем в
настоящее время наблюдается дефицит частотного ресурса. Поэтому некоторые системы
используют для работы совмещенный диапазон частот, следовательно задача обеспечения
электромагнитной совместимости радиоэлектронных средств (ЭМС РЭС) является весьма
актуальной. Расчет коэффициентов усиления антенн передатчика и приемника помехи является
составной частью расчетов, необходимых для определения условий беспомеховой работы
телекоммуникационных систем, работающих в совмещенной полосе.
Методика расчета коэффициента усиления антенны в направлении на приемник помехи
для основной поляризации
Методика расчета коэффициента усиления антенны в направлении неосновного
излучения [1] использует не коэффициент усиления антенны, а ослабление антенны по
отношению к максимуму излучения A дБ. Кроме этого, разность азимутов ориентации
антенны α в направлении неосновного излучения в расчете принимает значения 0180, а
разность между углами места ориентации антенны и направления неосновного излучения ,
принимает значения 090.
Ослабление антенны в направлении неосновного излучения по отношению к
максимуму излучения начинается с определения по диаграммам направленности антенны
ослабления относительно максимального излучения в направлении неосновного излучения в
горизонтальной AHOR () и вертикальной AVER () плоскостях по результирующему углу , где
 – истинный разностный угол [2]. Если диаграммы направленности антенны (ДНА)
несимметричны относительно направления основного излучения, то учитывается знак  [3].
Ослабление антенны в направлении неосновного излучения по отношению к
максимуму излучения ARESULTING :
ARESULTING  AHOR  AVER , если AHOR  AVER ,
89
ARESULTING  AVER  ( AHOR  AVER ) 
α
α  γ
ARESULTING  AHOR  ( AVER  AHOR ) 
, если AHOR  AVER ,
γ
, если AHOR  AVER .
α  γ
Если предпочтительно пользоваться не ослаблением антенны относительно максимума
излучения, а реальным коэффициентом усиления, то необходимо перейти к коэффициентам
усиления:
AHOR  GHOR _ 0  GHOR  G0  GHOR ,
AVER  GVER _ 0  GVER  G0  GVER ,
ARESULTING  G0  GRESULTING ,
G0  GHOR _ 0  GVER _ 0 – максимальный коэффициент усиления антенны.
Тогда при подстановке новых величин реальный коэффициент усиления антенны:
ARESULTING  AHOR  AVER , тогда
G0  GRESULTING  G0  GVER  G0  GHOR , следовательно,
GRESULTING  GVER  GHOR , если AHOR  AVER , то G0  GVER  G0  GHOR , исходя из того, что
GVER  GHOR , ARESULTING  AVER  ( AHOR  AVER ) 
α
.
α  γ
Теперь, переходя к коэффициентам усиления, получаем:
α
G0  GRESULTING  G0  GHOR  (G0  GVER  G0  GHOR ) 
,
α  γ
GRESULTING  GHOR  (GVER  GHOR ) 
α
α  γ
, если AHOR  AVER ,
тогда G0  GHOR  G0  GVER и соответственно GHOR  GVER .
ARESULTING  AHOR  ( AVER  AHOR ) 
γ
.
γ  α
Тогда при переходе к коэффициентам усиления:
G0  GRESULTING  G0  GHOR  (G0  GVER  G0  GHOR ) 
GRESULTING  GHOR  (GVER  GHOR ) 
γ
γ  α
γ
γ  α
,
, если AHOR  AVER , тогда G0  GHOR  G0  GVER и
GHOR  GVER .
По вышеуказанной методике рассчитываются частные коэффициенты усиления
антенны передатчика помехи для основной поляризации в горизонтальной GTX _ HOR _ CP (по
ДНА в горизонтальной плоскости) и вертикальной GTX _ VER _ CP (по ДНА в вертикальной
плоскости) плоскостях для истинного разностного угла : GTX _ HOR _ CP  GTX _ HOR _ CP () – по
ДНА в горизонтальной плоскости для основной поляризации; GTX _ VER _ CP  GTX _ VER _ CP () – по
ДНА в вертикальной плоскости для основной поляризации.
Рассчитывается коэффициент усиления антенны передатчика помехи для основной
поляризации в направлении на приемник помехи GTX _ CP по методике [1]:
GTX _ CP  GTX _ HOR _ CP  GTX _ VER _ CP , если выполняется условие GTX _ HOR _ CP  GTX _ VER _ CP , т.е.
антенна осесимметричная (ДНА в вертикальной и горизонтальной плоскостях совпадают);
90
GTX _ CP  GTX _ VER _ CP  (GTX _ HOR _ CP  GTX _ VER _ CP ) 
αTX = 0180;
αTX = 360 – αTX ,
если
αTX
αTX  γtx
,
где
αTX = 180360,
αTX  αTX
если
если
выполняется
условие GTX _ HOR _ CP  GTX _ VER _ CP , т.е. антенна неосесимметричная (ДНА в вертикальной и
горизонтальной плоскостях не совпадают);
GTX _ CP  GTX _ HOR _ CP  (GTX _ VER _ CP  GTX _ HOR _ CP ) 
γTX
αTX  γTX
, где
αTX  αTX , если
αTX = 0180; αTX = (360 – αTX ), если αTX = 180360, если выполняется
условие GTX _ HOR _ CP  GTX _ VER _ CP , т.е. антенна неосесимметричная (ДНА в вертикальной и
горизонтальной плоскостях не совпадают).
Аналогичным образом рассчитывается
кроссполяризации.
коэффициент
усиления
антенны
для
Методика расчета суммарного коэффициента усиления антенн передатчика и приемника
помехи с учетом пространственной и поляризационной избирательности
Методика расчета суммарного коэффициента усиления антенн передатчика и
приемника помехи [1] использует не коэффициенты усиления антенн, а ослабление антенн по
отношению к максимуму излучения ATX и ARX дБ.
Суммарное ослабление антенн передатчика и приемника помехи по отношению к
максимумам их излучения рассчитывается следующим образом [4]:
A A
1 2 


A  A1  10  lg 1  10 10  , где A1 – сумма ослаблений антенн передатчика и приемника




помехи для поляризации, основной для приемника помехи, дБ; A2 – сумма ослаблений антенн
передатчика и приемника помехи для поляризации, ортогональной (кроссполяризации) для
приемника помехи, дБ. Приведенная формула рассматривается только для линейной V и H
поляризации передатчика и приемника помехи.
Мощность сигналов, принимаемых антенной по основной и кроссполяризации (V и H)
P  G PTX  G PTX  G


равна PRX _   TX
, где PTX – мощность сигнала на входе антенны
L  a
L  aH
L  aV
передатчика, Вт; L – потери при распространении радиоволн, L  1, раз; G – произведение
коэффициентов усиления антенн передатчика и приемника помехи в направлении максимума
излучения, раз; aH – произведение ослаблений относительно максимума излучения антенн
передатчика и приемника помехи для поляризации H, aH  1, раз; aV – произведение ослаблений
относительно максимума излучения антенн передатчика и приемника помехи для поляризации
V, aV  1, раз; a – суммарное ослабление относительно максимума излучения антенн
передатчика и приемника помехи, a  1, раз.
Отсюда суммарное ослабление антенн передатчика и приемника:
a a
1
1
1
, a  H V ,


aH  aV
a aV aH
 a a 

a 
A  10  lg  a   10  lg  H V   10  lg  aH   10  lg 1  H  
aV 
 aH  aV 

AH


AH  AV

 1  10 10 
10
AH  10  lg 
  AH  10  lg 1  10
AH
 10 10 



где AH – сумма ослаблений относительно
приемника помехи для поляризации H, -

 ,


максимума излучения антенн передатчика и
 AH  +, дБи/дБд; AV – сумма ослаблений
91
относительно максимума излучения антенн передатчика и приемника помехи для поляризации
V, –  AV  +, дБи/дБд; A – суммарное ослабление относительно максимума излучения
антенн передатчика и приемника помехи, -  A  +, дБи/дБд.
Если предпочтительно пользоваться не суммарным ослаблением антенн относительно
максимума излучения, а суммарным коэффициентом усиления, то необходимо перейти к
коэффициентам усиления AH  G0  GH , AV  G0  GV , A  G0  G , где G0 – сумма
коэффициентов усиления антенн передатчика и приемника помехи в направлении максимума
излучения, дБи/дБд; GH – сумма коэффициентов усиления антенн передатчика и приемника
помехи в направлении друг на друга для поляризации H, дБи/дБд; GV – сумма коэффициентов
усиления антенн передатчика и приемника помехи в направлении друг на друга для
поляризации V, дБи/дБд.
Тогда при подстановке новых величин реальный суммарный коэффициент усиления антенн:
G0 GH G0 GV


10
G0  G  G0  GH  10  lg 1  10
,




 GH  GV


G  GH  10  lg 1  10 10  ,




GV GH

G  GH  10  lg 1  10 10



.


Заключение
В работе изложена методика расчета коэффициентов усиления антенн передатчика и
приемника помехи по основной и кроссполяризации в зависимости от истинного разностного
угла, а также суммарный коэффициент усиления.
CALCULATION METHODS OF GAIN FACTORS OF TRANSMITTER
AND NOISE RECEIVER ANTENNAS IN ANALYSIS
OF ELECTROMAGNETIC COMPATIBILITY
O.I. KOROLKOVA, V.M. KOZEL, K.L. GORBACHEV
Abstract
The calculation methods of the gain factors of the transmitter and the interferanthing receiver
antennas on the main and cross polarization depending on the true incremental angle and also of the
summary antennas gain factor are explained.
Список литературы
1. Agreement on the co-ordination of frequencies between 29.7 MHz and 39.5 GHz for the fixed service and the
land mobile service. Berlin, 14 September 2001
2. Королькова О.И., Козел В.М., Горбачев К.Л. //Докл. БГУИР. 2013. № 2. С. 69–73.
3. Чернышов В.П., Шейнман Д.И. Распространение радиоволн и антенно-фидерные устройства. М., 1973.
4. Уильям К.Ли. Техника подвижных систем связи. М., 1985.
92
ДОКЛАДЫ БГУИР
№ 4 (74)
2013
УДК 518.517(944)947
ПРИМЕНЕНИЕ ДИВЕРГЕНТНЫХ СХЕМ ДЛЯ ЗАДАЧИ БАКЛЕЯ-ЛЕВЕРЕТТА
Ю.П. КРУПНОВ
Белорусский государственный университет информатики и радиоэлектроники
П. Бровки, 6, Минск, 220013, Беларусь
Поступила в редакцию 23 ноября 2012
Построено семейство разностных схем на минимальном шаблоне узлов для нахождения
разрывного решения задачи Баклея–Леверетта.
Ключевые слова: уравнение в частных производных, разностная схема, разрывное решение.
В работе рассматривается семейство явных дивергентных разностных схем с параметрами, построенное на минимальном шаблоне узлов, для численного решения одномерной задачи Баклея-Леверетта. Исследуются границы изменения значений параметров, позволяющие
находить разрывное решение с хорошей точностью. В отличие от работ [1], [2], в данном семействе разностных схем не используются значения производной, а также не привлекаются
дополнительные расчетные узлы.
Рассмотрим уравнение вида
u F (u )

 0, Fu  0,
t
x
(1)
где F (u) – функция Леверетта с начальным и граничным условиями
u ( x,0)  u0 ( x), x  0,
u (0, t )  u 0 (t ), t  0,
(2)
в области   {0  x  , 0  t  T } .
На разностной сетке  h  {xi  ih, i  0,1,...; tn  n, n  0,1, ..., N  [T / ]} предлагаемое
семейство разностных схем для задачи (1), (2) записывается в виде

p  F ( uin1  (1  ) uin )  F (uin1  (1  ) uin )  ,
h
0  ,   1,   .
uin 1  uin 
(3)
Условие аппроксимации семейством (3) уравнения (1) следующее:
p (  )  1 .
(4)
Для определенности, можно всегда считать, что    . Нетрудно показать, что схемы
(3), (4) удовлетворяют принципу максимума при выполнении условия
(5)
K0  1 ,

где K 0  max Fu .
h
Первые дифференциальные приближения разностных схем (3), (4) имеют вид
93
2
 u  
u 1  2u
F (u ) 1   2u
 

 h  Fu 2  aFuu 
 ,
t 2  t 2
x
2  x
x 



где а     .
Для получения хороших значений по разностным схемам (3), (4), необходимо чтобы
выполнялось 0,8  a  1 , a      a, 0    0,1 .
Лучшие результаты для одних и тех же значений a получаются, когда   0 . В этом
случае разностные схемы (3), (4) имеют следующий вид
uin 1  uin 

 F ( u in1 (1  ) uin )  Fi n  .
h
(6)
Отметим, что если в (6) положить   1 , то имеем известную схему «уголок».
Результаты численных экспериментов позволили выделить из (6) класс наилучших
схем. Наилучшие схемы получаются при  , удовлетворяющим следующему условию
0,925    0,975 .
(7)
Следовательно, схема «уголок» (  1) не входит в класс наилучших схем (6), (7).
На рисунке приведены результаты расчетов по разностным схемам вида (6), когда
  0,95 и   1 для случая F (u)  10u 2 / ((1  u)2  10u 2 ), u0 ( x)  0, u 0 (t )  1 в моменты времени t  0,15; 0,3 .
Результаты расчетов по схеме (6): 1, 1′ – эталонные решения;
2, 2′ – численные решения, когда   0,95,   0,0033, h  0,0125, K  0,8;
o
3, 3′ – численные решения, когда   1,   0,0033, h  0,0125, K  0,8
Замечание. Если применять разносные схемы вида

uin 1  uin  b0 Fi n  b1 F (uin1  (1  )uin )  b2 Fi n1  ,
h
0    1, b0  0, b2  0,
o
(8)
где bi ,  удовлетворяют условиям необходимым для аппроксимации
b0  b1  b2  0,
b2  b1  1,
то приемлемые результаты получаются при выполнении условий
94
(9)
1  b1(  1)  a1 ,
(a1      a1 , 0,95  a1  1) (a1    a1  , 0,9  a1  0,95),
(10)
0    0,05.
Отметим, что при   a1 , получаем схемы (6), поэтому в (10)  берется большим или
меньшим, чем a1 . При выполнении условия (5), разностные схемы (8), (9) также удовлетворяют
принципу максимума. По сравнению со схемами (6), (7) результаты расчетов по схемам (8)–
(10) почти не улучшаются.
DIVERGENT SCHEMES FOR BACKLEY-LEVERETT PROBLEM APPLICATION
Yu. P. KRUPNOV
Abstract
The set of difference schemes for the one-dimentional Backley–Leverett problem is considered.
Список литературы
1. Крупнов Ю.П. // Весцi АН БССР. Сер. фiз.-мат. навук. 1981. №2. С. 127–129.
2. Крупнов Ю.П. // Весцi АН БССР. Сер. фiз.-мат. навук. 1985. №1. С. 122.
95
ДОКЛАДЫ БГУИР
№ 4 (74)
2013
ПРАВИЛА ОФОРМЛЕНИЯ СТАТЕЙ,
НАПРАВЛЯЕМЫХ В РЕДАКЦИЮ ЖУРНАЛА «ДОКЛАДЫ БГУИР»
1. К публикации принимаются статьи, отражающие результаты оригинальных научно-технических исследований и разработок, не опубликованные и не предназначенные
для публикации в других изданиях. Тематика представляемой статьи должна соответствовать рубрикам журнала (электроника, радиофизика, радиотехника, информатика).
2. Статьи должны быть написаны в сжатой и ясной форме и содержать соответствующий индекс УДК; название на русском и английском языках; инициалы и фамилии авторов на
русском и английском языках; полное название учреждений, в которых выполнялось исследование (с указанием адреса); ключевые слова (до 10 слов) на русском языке; аннотацию на русском и английском языках (3–5 предложений). Рекомендуется стандартизировать текст статьи,
используя подзаголовки введение, теоретический анализ, методика, экспериментальная
часть, результаты и их обсуждение, заключение, список литературы.
3. Статья представляется в двух экземплярах, распечатанных на листах формата A4, и в
электронном варианте в виде файла формата MS Word (расширение – *.doс). Также необходимо
представить акт экспертизы о возможности опубликования статьи в открытой печати.
Количество страниц и иллюстраций:
– для оригинальной статьи – не более 7 страниц и 8 иллюстраций;
– для краткого сообщения – не более 3 страниц и 2 иллюстраций.
4. При наборе текста используется гарнитура Times New Roman и Symbol, кегль – 11 pt.
Устанавливаемый размер бумаги – A4 (210297 мм). Поля слева, справа, сверху и снизу –
по 25 мм. Межстрочный интервал – 1,0. Абзацный отступ – 1,25 см. Запрещается при наборе
текста использовать гиперссылки, маркированные списки и ручные переносы слов.
5. Формульные выражения выполняются только в редакторе формул MathType,
стиль – «Математика» («Math»), гарнитура – Times New Roman и Symbol, кегль – 11 pt. Как в
тексте статьи, так и в формульных выражениях, математические функции, цифры, буквы греческого и русского алфавитов набираются прямым начертанием, латинские буквы – курсивом.
Нумеровать рекомендуется те формульные выражения, на которые имеются ссылки в последующем тексте, заключая при этом номер в круглые скобки.
6. Рисунки выполняются в соответствии со следующими требованиями:
– размер рисунка – не более 1520 см, разрешение – не менее 300 dpi;
– рисунок должен быть оформлен как графический объект;
– подрисуночные подписи обязательно должны включать в себя номер и название рисунка;
– словесных обозначений на рисунках рекомендуется избегать, используя при этом
цифровые либо буквенные обозначения, пояснения к которым следует давать в тексте статьи
либо подрисуночных подписях;
– цифровые и буквенные обозначения на рисунках по начертанию и размеру должны
соответствовать обозначениям в тексте статьи либо подрисуночных подписях.
7. Термины и определения, единицы физических величин, употребляемые в статье,
должны соответствовать ГОСТ.
8. Ссылки на литературные источники нумеруются в порядке их цитирования в тексте.
Номера ссылок заключаются в квадратные скобки.
9. Набор статьи рекомендуется производить в шаблоне, доступном для скачивания на
сайте БГУИР (www.bsuir.by → «Журнал "Доклады БГУИР"» → раздел «Авторам»).
10. Адрес для пересылки статей в электронном варианте и переписки с редакцией:
[email protected]
От вет ст венност ь за оригинальност ь и дост ове рност ь
мат ериалов, поданных в печат ь, несут авт оры.
96
1/--страниц
Пожаловаться на содержимое документа