WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

На правах рукописи

Тарасов Илья Евгеньевич

СПЕЦИАЛИЗИРОВАННЫЕ ВЫЧИСЛИТЕЛЬНЫЕ КОМПЛЕКСЫ ДЛЯ ПОМЕХОУСТОЙЧИВОЙ СТАТИСТИЧЕСКОЙ ОБРАБОТКИ ИНФОРМАЦИИ В ИЗМЕРИТЕЛЬНЫХ УСТРОЙСТВАХ

Специальность 05.13.15 – Вычислительные машины, комплексы и компьютерные сети (по техническим наук

ам).11.13 – Приборы и методы контроля природной среды, веществ, материл

АВТОРЕФЕРАТ

диссертации на соискание ученой степени доктора технических наук Москва 2012

Работа выполнена в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Ковровская государственная технологическая академия им. В.А.

Дегтярева» на кафедре физики.

Научныеконсультанты: доктор технических наук, профессор Нефедов Виктор Иванович доктор технических наук, профессор Тетерин Евгений Петрович

Официальные оппоненты: доктор технических наук, профессор Петров Андрей Борисович доктор технических наук, профессор Шагурин Игорь Иванович доктор технических наук, профессор Назаров Александр Викторович

Ведущая организация: Федеральное государственное унитарное предприятие «Научно-исследовательский институт «Квант»

Защита состоится 26 сентября2012 г. в 1100 на заседании диссертационного совета Д212.131.05 при МГТУ МИРЭА по адресу:

г. Москва, пр. Вернадского, д. 78, в ауд. Д-412.

С диссертацией можно ознакомиться в библиотеке МГТУ МИРЭА.

Отзывы на автореферат в двух экземплярах, заверенные печатью, просим направлять по адресу:

119454, г. Москва, пр. Вернадского, д. 78.

Автореферат разослан «14» июня 2012г.

Ученый секретарь диссертационного совета кандидат технических наук, доцент Андрианова Елена Гельевна

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы В настоящее время все более повышается роль автоматизации измерений в технических системах. В качестве основных тенденций можно упомянуть развитие телекоммуникаций, систем непрерывного контроля объектов промышленности, энергетики, транспорта и ЖКХ.

Увеличение числа контролируемых объектов и их энергопотребления, расширение телекоммуникационных сетей и связанное с ним увеличение уровня электромагнитных помех формируют комплекс проблем по обеспечению точного и помехоустойчивого измерения физических величин, служащих для автоматизированного контроля объектов и систем.

С учетом развития микроэлектронной отрасли имеется возможность создания интегральных микросхем с высокой степенью интеграции компонентов, образующих в совокупности систему на кристалле (СНК). Развитие элементной базы микроэлектронных систем делает предпочтительным достижение высоких техникоэкономических показателей путем применения высокопроизводительных методов обработки измерительной информации вместо экстенсивного улучшения характеристик аналоговых цепей. Преимущества подхода, ориентированного на цифровую обработку измерительной информации, основаны на том, что существующая тенденция постоянного повышения производительности цифровой части СНК позволяет ориентироваться на высокопроизводительные платформы, которые могут реализовать алгоритмы с большой вычислительной сложностью. Важным направлением повышения производительности является использование параллельных вычислительных структур.

С учетом многообразия подходов к проектированию цифровых систем, для получения эффективного решения необходимо выделить класс решаемых такими системами задач, конкретизировав таким образом технические требования. При наличии единообразных подходов к обработке измерительной информации архитектура и основные узлы вычислительных устройств могут быть специализированы для выполнения характерных для обработки измерительной информации задач. Ввиду этого предлагается использовать понятие «специализированный вычислительный комплекс» (СВК), рассматривая при этом комплексы, специализированные для решения задач статистической обработки измерительной информации.

В настоящее время для статистической обработки используется в основном оценка по среднему арифметическому значению выборки с использованием центрального момента второго порядка (дисперсии) для определения абсолютной ошибки. Оценка по среднему арифметическому является общепризнанной методикой обработки результатов многократных измерений, однако ее использование следует считать корректным только для симметричных распределений случайных величин. Практически чаще всего используют гауссовское (нормальное) распределение, хотя, как показывают исследования, отнюдь не абсолютное большинство измерительных процессов дает распределение результатов измерений, подчиняющееся этому закону. Способы оценки интервала распределения (например, по центральным моментам различного порядка) зависят от конкретного вида закона распределения.

Таким образом, для повышения эффективности измерительных устройств целесообразно рассмотреть алгоритмы обработки информации, которые обеспечивали бы улучшение их техникоэкономических и эксплуатационных характеристик и при этом ориентировались на параллельные вычислительные архитектуры, позволяя использовать возможности, предоставляемые микроэлектронной элементной базой для создания специализированных вычислительных комплексов.

Цель работы заключается в создании научных основ разработки специализированных вычислительных комплексов, повышающих эффективность измерительных устройств путем реализации помехоустойчивой статистической обработки измерительной информации.

Задачи работы заключаются в:

разработке подхода к проектированию измерительных устройств, предусматривающего комплексное улучшение техникоэкономических показателей за счет применения помехоустойчивых методов статистической обработки результатов измерений;

создании помехоустойчивого метода статистической обработки результатов измерений физических величин и методик его применения;

разработке специализированных вычислительных архитектур для статистической обработки результатов измерений в измерительных устройствах;

внедрении научных положений диссертации в практических разработках.

Объект исследования: специализированные вычислительные комплексы, предназначенные для помехоустойчивой статистической обработки измерительной информации.

Предмет исследования: методы реализации специализированных вычислительных комплексов для помехоустойчивой статистической обработки измерительной информации.

Методы исследований При выполнении работы использовались теоретические и экспериментальные методы исследования. Теоретические исследования выполнялись на основе теории вероятностей, теории многомасштабного анализа, математической и прикладной статистики, компьютерного моделирования. В экспериментальных исследованиях использовались макетирование и натурный эксперимент.

Научная новизна диссертационной работы заключается в следующем:

предложен метод реализации специализированных вычислительных комплексов для помехоустойчивой статистической обработки результатов измерений с целью улучшения техникоэкономических показателей измерительных устройств;

сформулированы критерии эффективности вычислительных комплексов с параллельностью на уровне потоков данных, основанные на оценке эффективности использования подсистемы памяти и транзакций на уровне регистровых передач;

создан помехоустойчивый метод статистической обработки результатов измерений физических величин, основанный на использовании функций распределения вероятности с переменным масштабом;

разработан способ оценки параметров зависимостей, приближающих экспериментальные данные, основанный на использовании функций распределения вероятности с переменным масштабом.

Практическая ценность диссертационной работы заключается в следующем:

предложены подходы к организации измерений с использованием помехоустойчивой статистической обработки результатов измерений физических величин;

предложена методика повышения эффективности измерительных устройств, использующих помехоустойчивую статистическую обработку результатов измерений;

разработана архитектура вычислительного комплекса для статистической обработки результатов измерений в измерительных и управляющих системах;

разработана последовательность проектирования цифровых устройств обработки измерительной информации класса «Система на кристалле», предназначенная для реализации многопроцессорных архитектур;

внедрены учебные курсы по проектированию вычислительных комплексов на базе процессорных систем.

Результаты, полученные в ходе выполнения диссертационной работы, используются в учебном процессе и научных исследованиях кафедры физики ФБГОУ ВПО «Ковровская государственная технологическая академия имени В.А. Дегтярева», подразделения ФБГОУ ВПО «Московский государственный технический университет радиотехники, электроники и автоматики»«Центр проектирования интегральных схем, устройств наноэлектроники и микросистем», были применены в процессе выполнения г/б НИР «Исследование реологических, термодинамических и молекулярно-кинетических характеристик жидкостей при времени воздействия на них, соизмеримом с временем релаксации жидкостей» (номер госрегистрации 01.940.002021), выполненной на кафедре физики ФГБОУВПО «Ковровская государственная технологическая академия им. В.А. Дегтярева», применяются в производственной практике ЗАО «Прибор РСТ» (г. Ковров), ОАО «Зеленоградский инновационно-технологический центр», ЗАО «ИДМ-Плюс» (г. Зеленоград), ЗАО «НПО «Электрум» (г. СанктПетербург), ООО «НПП «Диатранс» (г. Москва), в исследовательских и опытно-конструкторских работах ОАО «НИИ Теплоприбор» (г.

Москва), КБ «Арматура» - филиала ГУП ГКНПЦ им. М.В, Хруничева, ЗАО «НПО «Измерительные системы» (г. Ковров). Результаты работы были использованы при выполнении исследований в рамках участия в международных программах Europractice (регистрационный номер A47420, 1999-2001 гг.)и REASON (Research and Training Action for System on Chip Design) (регистрационный номер IST - 2000 - 30193, 01.12.2002 – 15.12.2004); при выполнении ОКРпо теме «Разработка архитектуры и основных компонентов унифицированной параметризованной платформы для высокопроизводительных «систем-накристалле» шифр 2007-9-2.7-00-01-003 (основание для проведения ОКР - решение Конкурсной комиссии Роснауки № 24 протокол № от 24 августа 2007 г.).

Разработанные учебно-методические материалы используются в авторизованном учебном центре ЗАО «КТЦ «Инлайн Груп» (г. Москва) при оказании информационно-консультационных услуг по применению программируемых логических интегральных схем фирмы Xilinx.

Результаты диссертационной работы внедрены в учебный процесс на кафедре физики КГТА им. В.А. Дегтярева в лекционных курсах и лабораторных практикумах по дисциплинам «Физические основы измерений», «Физические основы получения информации», «Статистические методы обработки результатов измерений».

Материалы диссертации опубликованы в тезисах докладов на международных и всероссийских конференциях в гг. Москва, С.Петербург, Н. Новгород, Владимир, Ковров, Новочеркасск, Геленджик, Барнаул, в статьях в центральной печати и в двух монографиях.

Всего по материалам диссертации имеется 44 публикации, из них – статьи, опубликованные в журналах, рекомендуемых ВАК для публикации основных результатов диссертационных работ на соискание ученой степени доктора наук.

Структура и объем работы Диссертация состоит из введения, пяти глав, заключения и приложения, содержащего документы об использовании основных результатов работы.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Введение содержит обоснование актуальности темы диссертации. Сформулированы ее цель и основные задачи.

Первая глава диссертации рассматривает подходы к реализации вычислительных комплексов, предназначенных для статистической обработки результатов измерений. Рассматривается использование программируемых логических интегральных схем (ПЛИС) для прототипирования и реализации вычислительных комплексов с высокой степенью интеграции. Отмечается, что применение программируемой аппаратной платформы позволяет реализовать вычислительное устройство со специализированной архитектурой, в том числе основанной на параллельных вычислениях. Также в главе анализируются методы статистической обработки результатов измерений физических величин в измерительных и управляющих устройствах. В выводах по первой главе формулируется постановка задачи исследования.

Во второй главе рассмотрено применение специализированных вычислительных комплексов для статистической обработки результатов измерений в измерительных устройствах. Предложено использовать для измерительных устройств многопроцессорные комплексы с гетерогенной архитектурой, в которых основной объем вычислений выполняется специализированным ядром, ориентированным на статистическую обработку измерительной информации с параллелизмом на уровне потоков данных, а задачи общего управления решаются отдельным процессорным ядром (возможно, с привлечением вспомогательных ядер для реализации коммуникационных, мультимедийных и прочих задач).

При создании специализированных вычислительных комплексов (СВК) в настоящей работе предлагается ограничиться подклассом СВК, предназначенных для реализации алгоритмов статистической обработки измерительной информации.

По аналогии с существующим критерием оценки эффективности многопроцессорных вычислительных архитектур предлагается следующий критерий эффективности использования подсистемы памяти:

T1n Emn Smn/ m, (1) mTmn где n – величина, используемая для параметризации вычислительной сложности, в простейшем случае - количество входных данных задачи;

– время выполнения задачи с одним интерфейсом памяти;

m – число независимых интерфейсов подсистемы памяти;

Sm(n) – ускорение, получаемое при использовании m интерфейсов памяти.

Для оценки эффективности непрограммируемых вычислительных узлов предлагается применить аналогичный параметр для анализа эффективности транзакций, т.е. синхронных регистровых передач, реализуемых непрограммируемым вычислительным узлом:

T1n Et n Sk n/ k, (2) kTk n где k – число непрограммируемых вычислительных узлов;

T1 – количество транзакций (транспортов данных) при решении одной задачи;

Sk(n) – ускорение, получаемое при использовании k вычислительных узлов.

Данный критерий способен отразить наблюдаемое повышение эффективности СВК на базе ПЛИС, поскольку в таких системах дополнительные расходы на организацию управляющих транзакций оказываются низкими в силу высокой специализации схемы.

Также рассмотрено влияние методов статистической обработки результатов измерений на технические, экономические и эксплуатационные характеристики измерительных устройств. Утверждается, что применение метода статистической обработки результатов измерений, устойчивого к появлению промахов, оказывает комплексное положительное влияние на эти характеристики. Наиболее значимым следствием является возможность повышения точности измерительногоустройства. Кроме того, малая чувствительность к промахам, достигаемая уже при объеме выборки до 30 значений, позволяет говорить об уменьшении времени на проведение измерений. В зависимости от области применения это свойство может иметь ряд положительных следствий: повышение производительности измерений, уменьшение затрат на расходуемые материалы, расширение полосы пропускания сигнала. Появляется возможность улучшения массогабаритных показателей изделия за счет смягчения требований к конструктивным методам борьбы с помехами. Однако, поскольку комплексное улучшение характеристик измерительной системы достигается за счет проведения статистической обработки, высокие требования к производительности вычислений увеличивают стоимость устройства статистической обработки и потребляемую мощность. По этому необходимо уделить внимание способам повышения эффективности цифровой вычислительной системы, осуществляющей статистическую обработку измерительной информации.

На рис. 1 приведена иллюстрация к вопросу повышения эффективности измерительной системы путем реализации помехоустойчивых методов статистической обработки результатов измерений Рис. 1. Иллюстрация к вопросу повышения эффективности измерительной системы путем реализации помехоустойчивой методов статистической обработки результатов измерений Устранение влияния промахов, показанных на рис. 1, приведет к уменьшению величины абсолютной ошибки измерений. В том случае, если этот эффект достигается для выборки ограниченного объема (а не, например, путем увеличения выборки с целью уменьшения влияния единичного промаха на оценку по среднему арифметическому), можно говорить об уменьшении времени измерений.

Таким образом, измерительное устройство, использующее помехоустойчивый метод статистической обработки, обладает комплексом характеристик, позволяющих говорить о его большей эффективности. В то же время, реализация метода статистической обработки предусматривает применение согласованных конструкторских, технологических и организационных мер по обеспечению требуемой производительности вычислений, реализации подсистем питания, интерфейсов, устройств хранения результатов измерения и статистической обработки, обеспечению соответствующих условий монтажа и эксплуатации.

Внедрение помехоустойчивых методов обработки измерительной информации оказывает положительное влияние на устройства, обладающие следующими признаками:

для измерения используются выборки объемом до 30 отсчетов;

на измерительные цепи действуют импульсные помехи;

в составе устройства присутствует вычислительный комплекс с высокой производительностью вычислений;

в процессе измерений требуется анализ закона распределения измеряемой величины и принятие решений по результатам такого анализа.

На основании разработанного метода могут быть применены следующие подходы к проектированию измерительных устройств:

1. В устройствах класса «интеллектуальный датчик» для предварительной обработки данных, поступающих с чувствительного элемента. Такое применение метода обеспечит повышенную помехоустойчивость датчика, улучшив тем самым его эксплуатационные характеристики.

2. В устройствах управления для помехоустойчивого определения параметров приближающей зависимости сигналов обратной связи, а также для идентификации объекта управления.

3. В устройствах сбора, обработки и визуализации данных.

Предложенный метод реализации специализированных вычислительных комплексов состоит в следующем.

1. Основное вычислительное устройство комплекса проектируется таким образом, чтобы выполнять алгоритмы статистической обработки, преимущественно на уровне параллельных потоков данных.

Данное вычислительное устройство может представлять собой непрограммируемый узел (конечный автомат).

2. Управляющее процессорное ядро вычислительного комплекса выбирается исходя из требований обеспечения коммуникационных функций, управления, настройки и мониторинга. К управляющему ядру не предъявляются требования достижения высокой производительности в задачах общего вида.

3. Вспомогательные процессорные устройства вычислительного комплекса добавляются для ускорения ресурсоемких операций, по итогам теоретического анализа или экспериментального исследования вычислительной нагрузки на отдельные элементы комплекса.

В представленном методе повышение эффективности комплекса в целом достигается путем специализации вычислительного устройства с параллельной архитектурой для статистической обработки измерительной информации. Это позволяет получить высокий коэффициент эффективности использования аппаратных ресурсов на уровне регистровых передач.

Ослабление требований к центральному процессору комплекса позволяет сосредоточиться на улучшении других показателей. В частности, таким показателем может быть плотность кода, что является актуальным для встраиваемых систем и элементов распределенных сенсорных сетей. Основные характеристики процессорных устройств, предлагаемых для СВК, приведены в табл.1.

Таблица Процессор Управляющий Сигнальный Статистический Основная ха- Плотность Производитель- Производительрактеристика кода ность операций ность операций «умножение с на- статистической коплением» обработки Также во второй главе проведен сравнительный анализ эффективности различных методов обработки измерительной информации применительно к ультразвуковым измерительным системам. Показано, что способы измерения, ориентированные на получение помехоустойчивых статистических оценок, дают возможность повысить точность измерения ряда физических параметров жидкостей. Способы защищены авторскими свидетельствами на изобретения.

В третьей главе исследуется задача помехоустойчивой статистической обработки результатов измерений. Предлагается подход, основанный на использовании теоремы Байеса, заключающийся в синтезе гипотез о состоянии исследуемого объекта при переменных параметрах априорного распределения. Пусть события X1, X2,... XN соответствуют состояниям xист=x1, xист=x2 и т.д. Пусть также в результате измерений были получены события A1, A2,... Am, соответствующие состояниям xизм=a1, xизм=a2 и т.д. На основании этих данных требуется оценить вероятности событий X1, X2,... XN, определить наиболее вероятное значение измеряемой величины и оценить погрешность измерений. При этих условиях апостериорная (послеопытная) вероятность событий X1, X2,... XN может быть использована для оценки истинного значения xист измеряемой величины. Определение апостериорной вероятности осуществляется в соответствии с теоремой Байеса:

PA X PX k k PX A, k N (3) A PXi P Xi iгде P(XkA) – апостериорная (послеопытная) вероятность гипотезы Xk при условии, что произошло событие A;

P(AXk) – условная вероятность появления события A при наличии гипотезы Xk;

P(Xk) – априорная вероятность гипотезы Xk.

Или, для непрерывных случайных величин:

f xPA x f x , A (4) PA xf xdx где fA(x) – плотность распределения вероятности x по A.

Поскольку в теореме Байеса не вводятся ограничения на количество произведенных измерений m, можно ожидать, что и при малых m будет получена адекватная оценка вероятности гипотез. Однако основным препятствием к использованию теоремы Байеса является недостаточно обоснованная оценка априорной вероятности гипотез Xi при проведении конкретных измерений. Действительно, в выражениях (3), (4) оказываются неизвестными как априорные вероятности появления того или иного истинного значения измеряемой величины, так и условная вероятность появления соответствующих показаний прибора.

В диссертации для оценки апостериорной вероятности гипотез предложено рассматривать функцию P(AXk) в некотором диапазоне значений ее дисперсии (масштаба). Построение для каждого из выбранных значений масштаба функции распределения вероятности позволит получить апостериорную вероятность гипотез как функцию двух величин – Xk и масштаба :

PX f X,, (5) k P k где fP(Xk, ) – некоторая функция двух переменных, имеющая смысл вероятности.

Особенности данного подхода рассмотрены на примере нормального распределения. Предполагается, что истинные значения контролируемого параметра объектов исследования равномерно распределены в рабочем диапазоне измерительной системы, т.е. появление объекта с теми или иными свойствами равновероятно.

Априорная вероятность появления показаний прибора xk, при условии, что истинное значение измеряемой величины равно xист, описывается некоторой функцией распределения вероятности. Вид этой функции зависит от методики проведения измерений и конструкции прибора, и может быть качественно оценен на этапе разработки и испытаний. Например, при нормальном (гауссовском) законе распреде ления условная вероятность появления тех или иных показаний прибора определяется как:

xk xист 2 dPxk xист e dx, (6) 2 Тогда, в соответствии с теоремой Байеса, оказывается возможным определение апостериорной вероятности гипотезы Xk : xист=xk в соответствии с (3) или (4). При условии, что априорные вероятности событий являются функциями дисперсии, получаем:

f xPx x, k ист f x, , A (7) Px x, f xdx k ист Поскольку было сделано предположение, что появление объектов с теми или иными свойствами равновероятно, можно считать f x const, и (7) принимает вид:

f xPx x, Px x, k ист k ист f x, Px x, A k ист (8) f x Px x, dx Px x, dx k ист k ист (последнее преобразование было сделано с учетом того, что ).

Наконец, для серии измерений A1, A2,... Am, воспользовавшись формулой сложения вероятностей, получаем:

N f x, x (9) P x,.

A i ист N iАналогично, для серии измерений, при условии, что f x const, (7) может быть записано в виде:

(10).

Поскольку под знаком суммы в (9) находятся плотности вероятности, функция f x, также имеет физический смысл плотности веA роятности. В этом случае координаты x локальных экстремумов можно рассматривать как моды анализируемой выборки при переменном значении дисперсии (или, в более общем рассмотрении, масштаба вероятностного распределения). При подобном подходе наличие нескольких мод при унимодальном распределении свидетельствует о необходимости увеличения дисперсии.

Таким образом, результаты анализа функции f x, могут быть A сопоставлены с результатами статистической обработки результатов измерений. В диссертации показано, что положение экстремума f x, при использовании нормального распределения стремится к A математическому ожиданию выборки при :

N x x.

(11) i N iВыражение (11) представляет собой формулу для определения среднего арифметического выборки x. Следовательно, максимум функции f x, при достигается для x = xср, и, таким образом, A оценка при является состоятельной.

В рассмотренном выше примере была показана возможность соотнесения результатов предлагаемого метода анализа с результатами исследований известными в статистике методами. Однако существующие методы, основанные на определении математического ожидания в качестве наиболее вероятной величины и среднего квадрата отклонений (или центрального момента) для оценки степени рассеивания результатов, обладают низкой помехоустойчивостью. При выборках небольшого объема возможно появление данных, не укладывающихся в предполагаемый закон распределения. Данная проблема иллюстрируется следующим примером, представленным в табл. 2.

Таблица Номер измерения 1 2 3 4 Значение случайно рас10 10 10 10 пределенной величины Пример иллюстрирует результаты измерений некоторой физической величины с истинным значением 10. Значение этой величины было измерено 5 раз. Измерение под номером 5 представляет собой промах.

Далее рассматривается влияние такого промаха на результаты статистической обработки. Математическое ожидание приведенной выборки равно 26, средний квадрат отклонения S=16.Для сравнения на рис. 2отмечены точки, в которых достигаются локальные экстремумы производной df/dx.

Рис. 2. Скелет максимумов функции f x, для выборки табл. A Анализ рис.3 дает следующие характеристики выборки: координата x, при которой наблюдается единственный максимум функции f x, , составляет 10,323; наименьшее значение , при котором наA блюдается единственный максимум, равно 27,235. Использование математического ожидания для оценки наиболее вероятного значения измеряемой величины привело к появлению абсолютной ошибки в 160%, тогда как предлагаемый метод анализа в этой ситуации дал ошибку всего в 3,23%. На рис.2 также можно видеть, что максимум f x, асимптотически стремится к среднему арифметическому выA борки при увеличении .

Приведенный пример показывает, что при наличии выбросов в исходной выборке наблюдаются малые отклонения результирующей моды. Вместе с тем при анализе не используются явные методы фильтрации или отбрасывания данных, по каким-либо параметрам кажущихся недостоверными. Таким образом, разработанный в диссертации метод оценивания статистических характеристик предполагает получение как смещенной оценки, так и несмещенной. Несмещенная оценка является частным случаем метода, получаемого предельным переходом к .

Влияние амплитуды промаха на степень отклонения моды было исследовано численными методами. На рис. 3представлены результаты анализа выборки из N значений, одно из которых отличается от остальных на величину x. На рис. 4 приведены зависимости откло нения результатов измерения от объема выборки N при наличии в ней одного промаха для оценки по среднему арифметическому и по моде апостериорной вероятности.

Рис. 3. Зависимость величины откло- Рис. 4. Зависимостиотклонения резульнения моды x0 от амплитуды промаха татов измерения от объема выборки N для различных объемов анализируе- при наличии в ней одного промаха для мой выборки оценки по среднему арифметическому и по моде апостериорной вероятности На рис. 4 видно, что влияние амплитуды промаха на отклонение моды резко уменьшается уже при объеме выборки 4–5. Такое количество измерений можно обеспечить в большинстве измерительных приборов. Таким образом, обработка результатов измерений по предлагаемой методике может использоваться в измерительных приборах, подверженных возмущающим воздействиям, приводящим к появлению промахов. Это свойство, наряду с небольшим объемом выборки, необходимым для оценки измеряемой величины, позволяет существенно улучшить эксплуатационные характеристики измерительных устройств, использующих данную методику оценки.

Также в третьей главе рассматривается способ оценки параметров зависимостей, приближающих экспериментальные данные, основанный на использовании функций распределения вероятности с переменным масштабом. Наиболее распространенным методом приближения экспериментальных данных является регрессионный анализ, использующий метод наименьших квадратов (МНК), минимизирующий сумму квадратов отклонений экспериментальных точек от соответствующих значений, полученных из построенной зависимости:

N J x, y (12) f i i, iгде – вектор параметров зависимости.

Введем для метода наименьших квадратов функцию. В этом случае (12) можно представить в виде N J f x,, y .

(13) i i iПоскольку функция является функцией расстояния между точками x1, x2 в некотором пространстве R(x, ), метод наименьших квадратов можно рассматривать как минимизирующий сумму расстояний в пространстве R от приближающей зависимости до экспериментальных точек.С точки зрения метода оценки по апостериорной вероятности, (13) можно записать в виде:

N P pf x, y, .

(14) i i iПри использовании данного критерия необходимо определить набор параметров i, при подстановке которого в (14) функция P() достигает наибольшего значения.

Поскольку функционал качества приближения может быть получен и на основе МНК, и на основе вероятностных методов, между функцией расстояния и функцией вероятности существует взаимосвязь. Можно ввести оператор, отображающий вероятность наличия зависимости с данными параметрами в расстояние от приближающей зависимости до очередной экспериментальной точки в пространстве R.

Если функция расстояния, а функция плотности вероятности и, очевидно, что нулевое расстояние в пространстве R соответствует максимальной вероятности, то можно принять в виде:

(15).

При использовании такого отображения минимальному (нулевому) расстоянию соответствует максимальная плотность вероятности. Следовательно, условие максимума функции вероятности, определяемое (14) можно также записать в виде адекватного условия минимизации суммарного расстояния в некотором пространстве R между предполагаемой зависимостью и точками исходной выборки.

Из приведенного выше следует, что для набора экспериментальных отсчетов строится пространство с функцией расстояния между точками, определяемой характеристиками измерительного канала (включая и цифровую часть). Для данного пространства неочевидно выполнение аксиомы треугольника (более того, можно показать, что данная аксиома не выполняется в случае гауссовского распределения ошибки), таким образом, в общем случае нельзя говорить о его метрике. Для подобных пространств, где не выполняется аксиома треугольника (однако выполняются остальные аксиомы, характерные для метрических пространств), применяются термины «симметрика» или «псевдометрика».

Устойчивость предложенного способа была исследована численными методами.В качестве параметра, характеризующего меру устойчивости, использован коэффициент засорения шумом в соответствии с моделью Тьюки-Хубера. Серия численных экспериментов позволяет сделать вывод, что оценка по минимизации расстояния в пространстве с симметрикой, сформированной на основе функции Гаусса, обладает существенно более высокой устойчивостью по сравнению с методом наименьших квадратов, что проявляется и при высоких значениях коэффициента засорения выборки согласно модели Тьюки-Хубера.

Для сравнительного анализа помехоустойчивости были определены производные сигнала обратной связи после подбора параметров функции, приближающей переходный процесс, согласно функционалу качества приближения (13). Результаты определения первой производной показаны на рис. 5.

Рис.5. Сравнительные результаты определения первой производной На рис. 6 в более подробном масштабе представлен график первой производной, определенной аналитически по (14). На рис. 7 приведен график второй производной сигнала обратной связи.

Рис. 6.Результаты определения первой Рис. 7. Результаты определения втопроизводной сигнала обратной связи рой производной сигнала обратной связи Анализ графиков на рис. 6 и рис.7показываетвозможность аналитического определения производных высоких порядков при сохранении существующих подходов к проектированию систем стабилизации и управления, поскольку в данном случае изменяется только способ определения производных сигнала обратной связи.

Четвертая глава диссертации посвящена вопросам разработки СВК, реализующих рассмотренные в гл. 3 методы статистической обработки. Задача, решаемая в диссертации, заключается в разработке последовательности проектирования вычислительных устройств для высокопроизводительной статистической обработки данных в помехоустойчивых измерительных устройствах.

Последовательность проектирования цифровых интегральных микросхем класса «Система на кристалле» (СНК), предназначенных для использования в измерительных и управляющих устройствах, была применена при выполнении ОКР по теме «Разработка архитектуры и основных компонентов унифицированной параметризованной платформы для высокопроизводительных «систем-на-кристалле» шифр 2007-9-2.7-00-01-003 (основание для проведения ОКР - решение Конкурсной комиссии Роснауки № 24 протокол № 6 от 24 августа 2007 г.).

Программа Программа … Ввод струкпроцессора процессора туры СНК Ассемб Кросс- Параметризация лер ассемблиро- компонентов СНК вание Структурное предОбраз памяти Образ памяставление СнК … процессора ти процессора Структурное представТрансляция структурноление компонентов го представления СНК RTL-представление RTL-представление компонентов СНК А Б А Б Тестовые ТополоTLM Тестовые Функ- Трансвоздейcтв гич.предс САПР воздейcтв циональ- ляция в ияTLM тавления ИМС ияRTL ное мо- САПР делиро- ПЛИС вание на уровне Моде- КонфиRTL ли гурация Моделирова- ПроектироПАС ние на физич. вание топоуровне логии Отчет по TLM Отчет по Макетирование и Отчет по Технологическая функцио- верификация в физическому документация для нальному ПЛИС моделирова- изготовления СНК моделиро- нию ванию Рис. 8.Блок-схема последовательности проектирования СНК, предназначенных для реализации статистической обработки данных в измерительных устройствах В диссертации предложена архитектура вычислительного устройства, основанного на параллельном подходе к вычислениям функции апостериорной вероятности. Для обеспечения управления вычислительными блоками и представления результатов вычислений предложено использовать проблемно-ориентированный подход к проектированию вычислительных систем, заключающийся в данном случае в расширении системы команд управляющего процессорного устройства с целью обеспечения простого доступа к интерфейсам вычислительных блоков.

Из (3) и (4) следует, что для вычисления значения функции для заданного набора аргументов необходимо определить сумму значений плотности распределения вероятности ошибки для всех аргументов (x-Xi, ), где Xi – очередное значение из обрабатываемой выборки.

Структурная схема специализированного вычислительного устройства для определения апостериорной вероятности приведена на рис. 9.

Рис. 9. Архитектура многоканального вычислительного устройства для аппаратного определения апостериорной вероятности согласно теореме Байеса Разработанное устройство содержит набор таблиц, представляющих значения функции плотности распределения вероятности для различных масштабов. Таблицы хранятся в независимых блоках памяти. Требуемый объем памяти можно сократить, представив функцию в диапазоне [0; Xmax]. Тогда адресом для блока памяти будет являться модуль выражения x-Xi.

После загрузки очередного отсчета анализируемой выборки автомат управления инициирует последовательное изменение величины x, представляющей собой гипотезу о наличии очередного истинного значения. Разность между величиной отсчета и гипотезы служит адресом для таблицы значений функции плотности распределения вероятности, которое появляется на выходе блока памяти на следующем такте. Это значение суммируется с ранее накопленным значением вероятности. В процессе вычисления также запоминается значение x, для которого было получено наибольшее значение апостериорной вероятности, что ликвидирует необходимость отдельной проверки массива с целью определения моды апостериорной вероятности. При необходимости учесть вероятности появления различных значений (при ) в вычислительном модуле используются аппаратные умножители независимых операндов.

Управление работой устройства, настройка каналов, обработка результатов измерений и их представление производится проблемноориентированным управляющим процессорным ядром, разработанным с использованием языка описания аппаратуры VHDL по методике создания программируемых конечных автоматов. Показанные на рис. 9 устройства в основном могут быть реализованы на базе аппаратных ядер ПЛИС с архитектурой FPGA, что обеспечивает эффективное использование ресурсов элементной базы такого типа и высокие технические характеристики вычислителя. Синтез макета устройства, использующего таблицы значений 1024x18 бит, был проведен для FPGAVirtex-6 LX240T в САПР ISE 11.4. Выполнен сравнительный анализ производительности реализации в FPGA и аналогичных по технологическому уровню платформ для высокопроизводительных вычислений, такими, как системы на базе PC с памятью типа DDR3, и графические ускорители, работающие в режиме аппаратного ускорения математических вычислений (например, технология NviduaCUDA). В табл. 3приведены результаты оценки пропускной способности памяти для упомянутых подходов, причем для DDR3 и Nvidia 8800 GT приведены теоретические значения пиковой пропускной способности, а для вычислителя на базе Virtex-6 – данные, полученные в САПР ПЛИС, и соответствующие реальным характеристикам разработанного устройства.

Таблица x86, Nvidia Virtex-6 Virtex-Платформа DDR3- 8600GT LX240T SX475T 18Пропускная способ29,9 86,4 224,6 574,ность памяти, Гбайт/с Таким образом, представленный метод обработки является эффективным с точки зрения использования возможностей современных микроэлектронных устройств и может являться основой для построения специализированных интегральных микросхем для статистической обработки данных.

В пятой главе рассматриваются результаты внедрения разработанных вычислительных комплексов в измерительных и управляющих устройствах. Наиболее показательными являются следующие результаты:

1. Ультразвуковые интерферометры постоянной и переменной базы, предназначенные для комплексного определения параметров жидкостей.

Результаты диссертационной работы были применены при создании ультразвуковых интерферометров в рамках г/б НИР «Исследование реологических, термодинамических и молекулярно-кинетических характеристик жидкостей при времени воздействия на них соизмеримом с временем релаксации жидкостей», выполненной на кафедре физики ФГБОУВПО «Ковровская государственная технологическая академия им. В.А. Дегтярева». При разработке ультразвуковых интерферометров, предназначенных для контроля параметров жидкостей, необходимо решить задачу определения параметров акустического сигнала, подвергающегося комплексному воздействию помех в рабочем объеме акустической камеры. Широкий диапазон изменения частоты и амплитуды принимаемого сигнала обусловливает необходимость применения ресурсоемких алгоритмов обработки сигнала.

При создании ряда интерферометров был применен подход, основанный на включении в состав системы специализированных вычислительных устройств на базе ПЛИС, аппаратно ускоряющих алгоритмы цифровой обработки сигналов и статистической обработки результатов измерений. Применение методов проектирования СВК, предложенных в диссертации, позволило разработать новые способы определения физических параметров жидкостей, подтвержденные авторскими свидетельствами и патентами на изобретения.

2. Измерители тангенса угла диэлектрических потерь жидких диэлектриков, применяемых в высоковольтном оборудовании.

Определение фазовых характеристик синусоидальных сигналов является основной измерительной операций в ряде методов периодического контроля высоковольтного энергетического оборудования и электроизоляционных материалов. В частности, для трансформатор ных масел, выполняющих роль изоляторов в маслонаполненном силовом энергетическом оборудовании, требуется периодический контроль объемного диэлектрического сопротивления и тангенса угла диэлектрических потерь.

Использование метода вероятностной оценки позволило решить целый ряд проблем, связанных, прежде всего, с наличием непредсказуемых помех в сети переменного тока и высоковольтном испытательном оборудовании. Поскольку рассматриваемый метод обладает повышенной устойчивостью к асимметричным выбросам в анализируемой выборке, оказалось возможным создать измерительную аппаратуру для контроля тангенса угла диэлектрических потерь на основе прямого измерения разности фаз двух синусоидальных сигналов. В то время как амплитуда выбросов в ходе испытаний составляла 10-2 рад, экспериментальная установка оказалась способной определять тангенс угла диэлектрических потерь с погрешностью не более 10-4, что сопоставимо с характеристиками мостовых измерителей и соответствует требованиям ГОСТ. В конструкции приборов не применяются специальные методы подавления помех, такие как экранирование или использование автономного источника питания. Предложенные метод и алгоритмы определения разности фаз синусоидальных сигналов используются в ЗАО НПО «Измерительные системы» (г. Ковров), ООО «НПП «Диатранс» (г. Москва), ЗАО «НПО «Электрум» (г.

С.-Петербург) для создания измерительной аппаратуры. Измерители «Тангенс-М3» и «МЕП-6ИС» внесены в Государственный реестр измерительных средств и базируются на СВК, реализованных в ПЛИС Xilinx по технологии «Система на кристалле».

3. Последовательность проектирования цифровых систем для статистической обработки результатов измерений была использована при выполнении ОКР по теме «Разработка архитектуры и основных компонентов унифицированной параметризованной платформы для высокопроизводительных «систем-на-кристалле» шифр 2007-9-2.700-01-003 (основание для проведения ОКР - решение Конкурсной комиссии Роснауки № 24 протокол № 6 от 24.08.2007 г.). В рамках ОКР были разработаны RTL-представления семейства процессорных ядер, включающего 32-разрядный RISC-процессор, векторно-скалярный процессор, матрицы процессорных элементов.

4. Учебные курсы по проектированию вычислительных комплексов и их реализации на базе ПЛИС разработаны в рамках участия в международных программах Europractice (регистрационный номер A47420, 1999-2001 гг.) и REASON (Research and Training Action for System on Chip Design) (регистрационный номер IST - 2000 - 30193, 01.12.2002 – 15.12.2004) и внедрены в авторизованном учебном центре ЗАО «КТЦ «Инлайн Груп» при оказании информационноконсультационных услуг по применению ПЛИС фирмы Xilinx, в учебную практику кафедры физики КГТА им. В.А. Дегтярева, подразделения МГТУ МИРЭА «Центр проектирования интегральных схем, устройств наноэлектроники и микросистем».

В заключении сформулированы практическая значимость, научная новизна и основные положения, выносимые на защиту:

предложен подход к разработке измерительных устройств, заключающийся в применении специализированных параллельных вычислительных комплексов для помехоустойчивой статистической обработки результатов измерений с целью улучшения их техникоэкономических показателей;

создан помехоустойчивый метод статистической обработки результатов измерений физических величин с использованием функций распределения вероятности с переменным масштабом;

разработан способ оценки параметров зависимостей, приближающих экспериментальные данные, основанный на использовании функций распределения вероятности с переменным масштабом;

разработана архитектура параллельной вычислительной системы для статистической обработки результатов измерений в измерительных и управляющих системах;

разработана последовательность проектирования цифровых систем обработки измерительной информации класса «Система на кристалле», предназначенная для реализации многопроцессорных архитектур.

В приложении к диссертационной работе приведены документы об использовании ее результатов.

Основные положения диссертации опубликованы в следующих работах:

Издания, рекомендованные ВАК:

1. Неразрушающий контроль жидкостей различного назначения на основе акустических измерений [Текст]/ И.Е. Тарасов, Е.П. Тетерин, Д.С. Потехин // Контроль. Диагностика.– 2000. - №7.-С. 33-37.

2. Оценка результатов многократных измерений с использованием функций распределения вероятности с переменным масштабом [Текст]/ И.Е. Тарасов, Е.П. Тетерин, Д.С. Потехин//Научное приборостроение.– 2002.–Т. 12, №1. -С. 66-72. -ISSN 0868-5886.

3. Влияние коэффициентов и пределов интегрирования вейвлетфункции Морле на точность результатов анализа гармонических сигналов с нестационарными параметрами. [Текст]/ И.Е. Тарасов, Е.П.

Тетерин, Д.С. Потехин//Научное приборостроение.– 2002.–Т. 12, №1. С. 90-95. -ISSN 0868-5886.

4. Использование проблемно-ориентированного подхода к программированию измерительных комплексов[Текст]/ И.Е. Тарасов, Е.П.

Тетерин, Д.С. Потехин// Проектирование и технология электронных средств.–2002. - №3.-С. 39-43.

5. Архитектура с сокращенным набором транспортов и ее применение для создания форт-процессора на базе программируемых логических интегральных схем [Текст]/ И.Е. Тарасов, Е.П. Тетерин, Д.С.

Потехин//Проектирование и технология электронных средств. –2004.

- №1. -С.65-70.

6. Оценка результатов измерений с использованием функций распределения вероятности с переменным масштабом[Текст]/ И.Е.

Тарасов//Заводская лаборатория. Диагностика материалов. – 2004 - №11,Т. 70. - С. 55-61. -ISSN 1028-6861.

7. FPGASpartan-3E фирмы Xilinx. Новые перспективы [Текст]/ И.Е. Тарасов//Электроника. Наука. Технология. Бизнес. – 2005. - №3. С. 14-18.

8. Современные семейства ПЛИС фирмы Xilinx [Текст]/ И.Е. Тарасов// Электроника. Наука. Технология. Бизнес. – 2008 - №6. -С. 18-22.

9. Вероятностный метод определения параметров процессов, протекающих в нелинейных системах [Текст]/ И.Е. Тарасов// Нелинейный мир. – 2010– Т. 8, №8 -С. 521-524. - ISSN 2070-0970.

10. Архитектура массово-параллельного вычислительного устройства класса «Система на кристалле» для высокопроизводительной статистической обработки информации в измерительных и управляющих системах [Текст]/ И.Е. Тарасов//Успехи современной радиоэлектроники. – 2010 - №8. -С. 61-64. - ISSN 2070-0784.

11. Автоматическая фильтрация промахов в информационноизмерительных системах на основе байесовской статистики [Текст]/И.Е. Тарасов//Электромагнитные волны и электронные системы. – 2010. –Т. 15, №9. -С. 51-55. - ISSN 1560-4128.

12. Метод приближения экспериментальных данных с учетом закона распределения ошибок измерений исследуемых величин [Текст]/ И.Е. Тарасов//Системы управления и информационные технологии. – 2011. -№1(43). - С. 95-99.

13. О выборе интервалов гистограммирования [Текст]/И.Е. Тарасов//Системы управления и информационные технологии. – 2011. – №2.1(44). – С. 181-184.

14. Цифровой измеритель тангенса угла диэлектрических потерь изоляции высоковольтного оборудования [Текст]/ И.Е. Тарасов, Д.С.

Потехин //Датчики и системы. – 2011. - №8. -С. 38-41.

15. О вероятностных подходах к фильтрации асимметричных помех в интеллектуальных датчиках [Текст]/ И.Е. Тарасов//Датчики и системы. – 2011. - №10. – С. 33–36.

16. Повышение эффективности систем управления на основе помехоустойчивого определения параметров переходного процесса в реальном времени [Текст]/ И.Е. Тарасов//Системы управления и информационные технологии. – 2011. - №4.1(46). – С. 205-208.

Монографии 17. Разработка цифровых устройств на основе ПЛИС Xilinx с применением языка VHDL[Текст]/ И.Е. Тарасов//М.: Горячая линияТелеком, 2005. – 252 с.: ил. -ISBN 5-93517-242-9.

18. Разработка систем цифровой обработки сигналов на базе ПЛИС [Текст]/ И.Е. Тарасов, Д.С. Потехин //М.: Горячая линия – Телеком, 2007. – 248 с.: ил. - ISBN 978-5-93517-341-7.

Авторские свидетельства и патенты 19. Ультразвуковое устройство для комплексного измерения физических параметров жидких сред. [Текст]:патент №2174680 Российская Федерация / И.Е. Тарасов, Е.П. Тетерин, Д.С. Потехин //заявители И.Е. Тарасов, Е.П. Тетерин, Д.С. Потехин; патентообладатель КГТА;приоритет от 18.01.1999, зарегистрирован 10.10.2001.

20. Способ одновременного определения плотности и вязкости жидкостей. [Текст]:патент №2196973 Российская Федерация / И.Е. Тарасов, Е.П. Тетерин, Д.С. Потехин //заявители И.Е. Тарасов, Е.П. Тетерин, Д.С. Потехин; патентообладатель КГТА;приоритет от 26.05.2000, зарегистрирован 20.01.2003.

21. Способ определения плотности, вязкости и смазывающей способности жидких сред. [Текст]:патент №2196976 Российская Федерация / И.Е. Тарасов, Е.П. Тетерин, Д.С. Потехин //заявители И.Е. Тарасов, Е.П. Тетерин, Д.С. Потехин; патентообладатель КГТА;приоритет от 05.05.1999, зарегистрирован 20.01.2003.

22. Способ одновременного измерения плотности и вязкости жидкости. [Текст]:патент №2247357 Российская Федерация / И.Е. Тарасов, Е.П. Тетерин, Д.С. Потехин //заявители И.Е. Тарасов, Е.П. Тетерин, Д.С. Потехин; патентообладатель КГТА;приоритет от 10.11.2003, зарегистрирован 27.02.2005.

23. Способ одновременного определения скорости продольных и сдвиговых акустических волн. [Текст]:патент №2382358 Российская Федерация / И.Е. Тарасов, Е.П. Тетерин, Д.С. Потехин //заявители И.Е.

Тарасов, Е.П. Тетерин, Д.С. Потехин; патентообладатель КГТА;приоритет от 07.11.2006, зарегистрирован 20.02.2010.

Основные публикации в других изданиях 24. Статистическая обработка результатов измерений с учетом закона распределения измеряемой величины. [Текст]/ И.Е. Тарасов, Е.П.

Тетерин, Д.С. Потехин // «Компьютерные технологии в науке, проектировании и производстве»:тезисы всероссийской научно-технич.

конф. - Н. Новгород, 3-4 фев. 2000 г. - Н. Новгород: НГТУ, 2000.

25. Метод анализа случайно распределенной величины при ограниченном объеме выборки. [Текст]/ И.Е. Тарасов, Е.П. Тетерин, Д.С.

Потехин //«Информационные системы и технологии. ИСТ 2001»:тезисы докладов всероссийской научно-технической конференции, посвященной 65-летию факультета ИСТ НГТУ.

26. Определение коэффициента поглощения ультразвука и акустического импеданса жидкости в интерферометре переменной базы с непрерывно движущимся отражателем. [Текст]/ И.Е. Тарасов, Е.П. Тетерин, Д.С. Потехин //«Информационные системы и технологии. ИСТ-2001»: тезисы докладов Всероссийской научно-технической конференции, посвященной 65-летию факультета ИСТ НГТУ.

27. Мультипроцессорная организация подсистем управления работой измерительного комплекса для исследования физических свойств жидких сред в широком интервале состояний. [Текст]/ И.Е. Тарасов, Е.П. Тетерин, Д.С. Потехин //«Информационные системы и технологии. ИСТ-2002»:тезисы докладов Всероссийской научно-технической конференции. - Нижний Новгород, 2002, С. 96-97.

28. Проблемно-ориентированный подход к созданию информационно-измерительных систем [Текст]/ И.Е. Тарасов, Е.П. Тетерин, Д.С.

Потехин //«Информационные технологии в проектировании, производстве и образовании»: сборник трудов Российской научнотехнической конференции. – Ковров: КГТА, 2002. – 200 с.

29. Проблемно-ориентированный подход к созданию информационно-измерительных систем [Текст]/ И.Е. Тарасов, Е.П. Тетерин, Д.С.

Потехин // «Техника машиностроения». – 2002. - №3(37).

30. Аппаратное continuousвейвлет-преобразование в прецизионном анализаторе фазочастотных характеристик гармонических сигналов [Текст]/ И.Е. Тарасов, Д.С. Потехин //«Новые методологии проектирования изделий микроэлектроники»:материалы международной научнотехнической конференции. - 19-20 декабря 2002 г. - Владимир - ISBN 5-89368-362-5.

31. Построение программируемых конечных автоматов на базе архитектуры с сокращенным набором транспортов [Текст]/ И.Е. Тарасов, Н.А. Кузнецов//«Новые методологии проектирования изделий микроэлектроники. Материалы международной научно-технической конференции» - 19-20 декабря 2002 г. - Владимир - ISBN 5-89368-362-5.

32. Реализация распределенных вычислительных устройств статистической обработки с использованием функций распределения вероятности с переменным масштабом на базе ПЛИС [Текст]/ И.Е. Тарасов //«Новые методологии проектирования изделий микроэлектроники»:материалы международной научно-технической конференции. - 19-20 декабря 2002 г. – Владимир. - ISBN 5-89368-362-5.

33. Применение вероятностного подхода к статистической обработке результатов измерений в устройстве класса «Система на кристалле» на базе ПЛИС Xilinx[Текст]/ И.Е. Тарасов //«Новые методологии проектирования изделий микроэлектроники (Newdesignmethodologies)»: Материалы междунар. науч.-техн. конф. г.

Владимир. 4-5 декабря 2003 г. / Владим. гос. ун-т. – Владимир, 2003. – 160 с. ISBN 5-89368-455-9.

34. Combined FPGA Design Using Precompiled Processor Soft-cores [Текст]/ И.Е. Тарасов //Informatics, Mathematical Modeling and Design in the Technics, Controlling and Education (IMMD’2004): Proceedings of International Scientific Conference, Vladimir/ 27 - 29 May 2004/ Vladimir State University. - Vladimir, 2004.– 240 p.

35. Аппаратная реализация распределенных систем предварительной обработки данных в информационно-измерительных системах.

[Текст]/ И.Е. Тарасов //«Информационные технологии в науке, проектировании и производстве»:материалы тринадцатой Всероссийской научно-технической конференции (Computer-BasedConference). -2004.

- Нижний Новгород.-С. 32.

36. Применение высокопроизводительных ПЛИС для аппаратной реализации распределенных вычислений в цифровых системах обработки данных. [Текст]/ И.Е. Тарасов //«Новые методологии проектирования изделий микроэлектроники (Newdesignmethodologies)»: материалы междунар. науч.-техн. конф. Г. Владимир. 10-11 декабря 2004 г.

/ Владим. гос. ун-т. – Владимир, 2004. – 250 с. ISBN 5-86953-139-X, С.

186-137. Построение регрессионных моделей сигналов обратной связи в цифровых системах управления [Текст]/ И.Е. Тарасов // Информационные технологии моделирования и управления. – 2005. - №7(25). - С.

974-983.- ISSN 1813-9744.

38. Системы на кристалле на базе FPGA Xilinx со встроенными процессорами PowerPC[Текст]/ И.Е. Тарасов //Компоненты и технологии. - 2005 - №7. -С. 62-66, - 2005.- №8. -С. 82-85, - 2005. - №9. – С. 9294.

39. Проектирование конфигурируемых процессоров на базе ПЛИС [Текст]/ И.Е. Тарасов // Компоненты и технологии. – 2006.- №2. - С.7883, - 2006. - №3. -С. 58-62, - 2006. - №4. -С. 68-73.

40. Тарасов И.Е. Возможности FPGA фирмы Xilinx для цифровой обработки сигналов [Текст]/ И.Е. Тарасов // Компоненты и технологии. – 2007. - №5. -С.68-74.

41. CustomprocessorsinFPGAs[Текст]/ I. Tarasov //Xcelljournal. – 2Q2008. - vol.64. – P. 45-47.

42. ПЛИС Xilinx как аппаратная база встраиваемых систем [Текст]/ И.Е. Тарасов // Встраиваемые системы. – 2009. - №1. – С. 59-62.

43. Программируемые логические интегральные схемы как аппаратная платформа суперкомпьютеров [Текст]/ И.Е. Тарасов, Д.А.

Кнышев, Ю.И. Бялик//«Суперкомпьютерные технологии: разработка, программирование, применение»:материалы Международной научнотехнической конференции 27 сентября – 2 октября 2010. - Геленджик.

2010.- Т.1. -С. 27-30.

44. Опыт применения ПЛИС в исследовательской и конструкторской деятельности [Текст]/ И.Е. Тарасов //«Многоядерные процессоры и параллельное программирование; Системы обработки сигналов на базе ПЛИС и цифровых сигнальных процессоров»: сб. ст. регион. науч.-практ. конф. / отв. ред. А.В. Калачев. – Барнаул : Изд-во Алт. ун-та, 2011. – С. 111-115.

Изд. лиц. № 020354 от 05.06.97 г. Подписано в печать 10.06.2012г. Формат 60х84/16. Бумага писчая №1. Гарнитура «Таймс». Печать офсетная. Усл.печ.л.

1,86. Уч.-изд.л. 1,89. Тираж 100 экз. Заказ №888.

Федеральное бюджетное государственное образовательное Учреждение высшего профессионального образования «Ковровская государственная технологическая академия имени В.А. Дегтярева» 601910, Ковров, ул. Маяковского,19.




© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

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