1РИ, 2013, 2

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ УКРАИНЫ

ХАРЬКОВСКИЙ НАЦИОНАЛЬНЫЙ УНИВЕРСИТЕТ

РАДИОЭЛЕКТРОНИКИ

ISSN 1563-0064

РАДИОЭЛЕКТРОНИКАИ

ИНФОРМАТИКА

Научно-технический журнал Основан в 1997 г.

2(61), апрель – июнь 2013 Выходит 4 раза в год

© Харьковский национальный

университет радиоэлектроники, 2013

Свидетельство о государственной регистрации КВ 12097-968 ПР 14.12.2006

2 РИ, 2013, 2

СОДЕРЖАНИЕ

РАДИОТЕХНИКА

МАРТЫНОВ С.А., ХАЖМУРАДОВ М.А. МАТЕМАТИЧЕСКИЕ МОДЕЛИ МЕХАНИЧЕСКИХ НАПРЯЖЕНИЙИ ДЕФОРМАЦИЙ В СИЛОВЫХ КАРКАСАХ ВИНТОВЫХ ОБМОТОК........................................................................3

СЛАБОСПИЦКИЙ Р.П., ХАЖМУРАДОВ М.А., ЛУКЬЯНОВА В.П. АНАЛИЗ ПЕРСПЕКТИВНЫХ СИСТЕМОХЛАЖДЕНИЯ АККУМУЛЯТОРНЫХ БАТАРЕЙ..............................................................................................................8

ЭЛЕКТРОНИКА

ЧЕРНЫШОВ Н.Н. ИССЛЕДОВАНИЕ КРИСТАЛЛОВ БЕЗ ЦЕНТРА ИНВЕРСИИ НА ОСНОВАНИИКВАНТОВОГО КИНЕТИЧЕСКОГО УРАВНЕНИЯ............................................................................................................13

ТЕЛЕКОММУНИКАЦИИ

СУНДУЧКОВ К.С., КОБЗАР Л.С. МЕТОДИ ПІДВИЩЕННЯ ЕФЕКТИВНОСТІ НАВЧАННЯ НЕЙРОННОЇМЕРЕЖІ ПРИ СТВОРЕННІ СИСТЕМИ ОЦІНКИ ЯКОСТІ СПРИЙНЯТТЯ ПОСЛУГИ IPTV...................................15

СИСТЕМЫ И ПРОЦЕССЫ УПРАВЛЕНИЯ

КАЧУР С.А. ДВИЖЕНИЕ КОСМИЧЕСКОГО АППАРАТА НА ОСНОВЕ МОДУЛЯЦИИ КРИВИЗНЫПРОСТРАНСТВА.....................................................................................................................................................................22

КОРОБСКАЯ А. В. ОБ ОДНОМ КЛАССЕ НЕСТАЦИОНАРНЫХ СЛУЧАЙНЫХ ПРОЦЕССОВ............................27

ГРИШКО С.В., ГУЦА О.М., СУХОМЛІНОВ А.І. МОДЕЛЮВАННЯ ВИРОБНИЧОЇ ЛОГІСТИКИ В УМОВАХПЕРЕБУДОВИ ПІДПРИЄМСТВА.........................................................................................................................................31

КОМПЬЮТЕРНАЯ ИНЖЕНЕРИЯ И ТЕХНИЧЕСКАЯ ДИАГНОСТИКА

БАГДАДИ АММАР АВНИ АББАС (BAGHDADI AMMAR AWNI ABBAS), ХАХАНОВ В.И.,ЛИТВИНОВА Е.И., БУТЕНКО С.А., ЧУМАЧЕНКО С.В. КВАНТОВЫЕ МОДЕЛИ ДИАГНОСТИРОВАНИЯЦИФРОВЫХ СИСТЕМ...........................................................................................................................................................35

ВЛАСОВ А.В., ЛУКИН В.В., КОМОЛОВ Д.И. КОДИРОВАНИЕ ИНФОРМАЦИОННЫХ РЕСУРСОВСИСТЕМ ВИДЕОКОНФЕРЕНЦСВЯЗИ ДЛЯ ПОВЫШЕНИЯ ИХ БЕЗОПАСНОСТИ..................................................44

КОМПЬЮТЕРНЫЕ НАУКИ

ГУРЖИЙ П.Н., БОЙКО Ю.П., ТРЕТЬЯК В.Ф. АДАПТИВНОЕ ОДНООСНОВНОЕ ПОЗИЦИОННОЕКОДИРОВАНИЕ МАССИВОВ ДЛИН СЕРИЙ ДВОИЧНЫХ ЭЛЕМЕНТОВ..................................................................49

ТУРЕНКО С.В. МОДЕЛЬ ОЦЕНКИ ИНФОРМАТИВНОСТИ НИЗКОЧАСТОТНОЙ СОСТАВЛЯЮЩЕЙСПЕКТРАЛЬНОГО ПРЕДСТАВЛЕНИЯ СЕГМЕНТА ИЗОБРАЖЕНИЯ.........................................................................53

ЛЕКАХ А.А. МЕТОД ОБРАБОТКИ ДИНАМИЧЕСКОЙ СОСТАВЛЯЮЩЕЙ НА ОСНОВЕ ПОЗИЦИОННОГОКОДИРОВАНИЯ С АДАПТИВНЫМ ВЫБОРОМ ОСНОВАНИЯ...................................................................................57

ОЛЕЙНИК А.А., ЗАЙКО Т.А., СУББОТИН С.А. МЕТОД СИНТЕЗА БАЗ ЧИСЛЕННЫХ АССОЦИАТИВНЫХПРАВИЛ.....................................................................................................................................................................................61

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

ХАХАНОВ В.И., ЛИТВИНОВА Е.И., ЧУМАЧЕНКО С.В., ФИЛИППЕНКО О.И.ИНТЕЛЛЕКТУАЛЬНОЕ ОБЛАКО УПРАВЛЕНИЯ ДВИЖЕНИЕМ (SMART CLOUD TRAFFIC CONTROL)..........67

РЕФЕРАТИ.................................................................................................................................................................................77

3РИ, 2013, 2

РАДИОТЕХНИКА

УДК 519.86

МАТЕМАТИЧЕСКИЕ МОДЕЛИМЕХАНИЧЕСКИХ НАПРЯЖЕНИЙ ИДЕФОРМАЦИЙ В СИЛОВЫХКАРКАСАХ ВИНТОВЫХ ОБМОТОК

МАРТЫНОВ С.А., ХАЖМУРАДОВ М.А.

Рассматриваются математические модели расчета на-пряжений и деформаций при действии прерывистыхраспределенных нагрузок несущих силовых элементоввинтовых обмоток тороидальных магнитных систем.Предлагаются расчетные схемы. Приводятся аналити-ческие выражения определения изгибающих моментов.Разработанный математический аппарат может бытьиспользован при написании компьютерных программ,определения напряженно-деформированного состоя-ния термоядерных физических установок указанногокласса.

1. ВведениеСреди множества проблем, стоящих перед разработ-чиками тороидальных магнитных систем [1,2] (ТМС),можно выделить направление, связанное с расчетомнапряженно-деформированного состояния (НДС).Как объект исследования ТМС обладают сложнойпространственной геометрической формой и внуши-тельными геометрическими размерами. Проектиро-вание таких систем – длительный и трудоемкий про-цесс, основанный на использовании нетрадицион-ных технологий изготовления. Вместе с тем суще-ствует ряд особенностей, характерных для построе-ния расчетных алгоритмов проектирования. К нимотносятся геометрические характеристики магнит-ных обмоток, входящих в состав термоядерных ус-тановок в качестве подсистем, таких как: винтоваяобмотка; компенсирующие, корректирующие, уп-равляющие катушки продольного поля, представ-ленные в виде плоских колец. Такие подсистемыобеспечивают магнитную конфигурацию, способ-ную удержать высокотемпературную плазму дляосуществления термоядерного синтеза. Токи в про-водниках перечисленных подсистем современныхтермоядерных физических установок достигают со-тен килоампер, что порождает огромные силы, дей-ствующие на элементы конструкции. Целью даннойработы является создание математического аппаратаи алгоритмов для расчета механических напряже-ний, возникающих в силовых элементах конструк-ции установок ТСМ. В качестве расчетной моделирассмотрим трехзаходную винтовую обмотку с тра-пецеидальной формой полюса.

2. Механические напряжения и деформациипри действии прерывистых распределенныхнагрузокВ современных термоядерных физических установ-ках несущими каркасами для проводников винтовойобмотки может служить либо силовой каркас [3,4],либо вакуумная камера, усиленная изоляционнымбандажом, различными вставками, клиньями, коль-цами. Несмотря на перечисленные особенности, рас-четная схема единая – кольцо постоянной толщины иединичной длины, загруженное прерывистыми рав-номерно распределенными нагрузками (рис. 1). Вкачестве допущения предположим, что кольцо выре-зано из прямой трубы, поскольку кривизной тораможно пренебречь.

Рис. 1. Расчетная модель: r – средний радиус кольца;q (кг/см) – интенсивность радиальной нагрузки; N –

продольная сила; X1 – момент сил

Используя метод сил, выберем в качестве системыкольцо с разрезом на оси симметрии. Продольнаясила N может быть найдена из условия равновесиядуги АВ (рис. 2).

Рис. 2. Расчетная модель

Проектируя силы на биссектрису угла 3/2π(см.рис. 2) и приравнивая сумму к нулю, находим:

0sinqr23/sinN2 =ϕ−π , ϕ= sinqr3/)32(N .

4 РИ, 2013, 2

Недостающую неизвестную – момент ix находим изканонического уравнения метода сил, выражающегоусловие отсутствия угла поворота берегов разреза всечении «А» 0q1xiii =∆+δ .Для изгибающих моментов:

);3/(0,sin)cos1(qr)3/32()cos1(NrM 2

ϕ−π≤θ≤ϕθ−=θ−=

( )[ ] ,3/cos1qrsin)cos1(qr)3/32(M 22 ϕ−π−θ−−ϕθ−=

)3/()3/( ϕ+π≤θ≤ϕ−π ;

( ),3/sinsinqr2sin)cos1(qr)3/32(M 22 π−θϕ−ϕθ−=

)()3/( ϕ−π≤θ≤ϕ+π ;

( )[ ] ,)(cos1qr

3/sinsinqr2sin)cos1(qr)3/32(M2

22

ϕ−π−θ−−

−π−θϕ−ϕθ−=

π≤θ≤ϕ−π )( .

Изгибающий момент от единичного момента 1M =представлен на рис.3.

Рис. 3. Расчетная модель. Единичный момент

Коэффициенты iiδ и q1∆ определяем способом Мора:

∫π

π=θ=δ0

2ii EJ/r2EJ/rdM2 , ∑∫

θθ=∆ EJ/rdMM2q1 ,

где EJ – жесткость при изгибе.

После подстановки значений изгибающих моментовимеем:

.d)]cos(

1)3/sin(sin2)cos1(sin)3/32[(

d)]3/sin(sin2sin)cos1)(3/32[(

d)]3/cos(1sincos1)(3/32[(

d)cos1(sin)3/32)(EJ/qr2(q1

3/

3/

3/

3/

0

3

θϕ+π−θ+

+−π−θϕ−θ−ϕ+

+θπ−θϕ−ϕϕ−+

+θϕ+π−θ+−ϕϕ−×

×θθ−ϕ=∆

∫

∫

∫

∫

π

ϕ−π

ϕ−π

ϕ+π

ϕ+π

ϕ−π

π

После преобразования

].3sin)3/32)[(EJ/qr2(q1 3 ϕ−ϕπ⋅−=∆

Подстановка 11δ и q1∆ в каноническое уравнениеприводит к следующему выражению для недостаю-щей неизвестной ]./3sin)3/32[(qrx 2

1 πϕ−ϕ=

Для получения суммарных изгибающих моментов научастках следует из уравнений моментов вычестьмомент 1x , что приводит к уравнениям (справа ислева сечения «А»):

)1(

.)()],cos(1

)3/sin(sin2cossin)3/32(/3[qrM

);()3/()],3/sin(sin2cossin)3/32(/3[qrM

);3/()3/()],3/cos(1cossin)3/32(/3[qrM

);3/(0],cossin)3/32(/3[qrM

2

2

2

2

⎪⎪⎪⎪⎪⎪⎪

⎭

⎪⎪⎪⎪⎪⎪⎪

⎬

⎫

π≤θ≤ϕ−πϕ+π−θ+−

−π−θϕ−θϕ−πϕ=

ϕ−π≤θ≤ϕ+ππ−θϕ−θϕ−πϕ=

ϕ+π≤θ≤ϕ−πϕ+π−θ+−θϕ−πϕ=

ϕ−π≤θ≤θϕ−πϕ=

Пользуясь выражениями (1), можно построить эпюруизгибающих моментов по всему кольцу, причем всилу симметрии достаточно исследовать первые двавыражения в интервале 3/0 π≤θ≤ , так как в дальней-шем схема будет шесть раз повторяться.Кроме изгибающего момента в сечении действуетпродольная сила. Она может быть рассчитана путемпроектирования всех сил на направление касательнойв данном сечении:

,cossinqr)3/)32(cosNN ϕϕ−=θ−=θ

)3/(0 ϕ−π≤θ≤ ;

)],3/cos(1[qrcossinqr)3/)32(

)]3/cos(1[qrcosNN

ϕ+π−θ−−ϕϕ−

=ϕ+π−θ−−θ−=θ

)3/()3/( ϕ+π≤θ≤ϕ−π .

Для двух других интервалов расчетные выражениябудут такими же.На основании изложенного можно представить экст-ремальные значения для изгибающих моментов ипродольных сил.

Для 0=θ :

]sin)3/32(/3[qrM 2min ϕ−πϕ= ;

ϕ−= sinqr)3/32(Mmax .

Для 3/π=θ :

]cos1sin)3/3(/3[qrM 2max ϕ+−ϕ−πϕ= ;

]cos)2/1(sin)6/35[(qrMmin ϕ−ϕ−= .

Используя эти выражения, можно определить макси-мальные напряжения в каркасе при расчете его напрочность E/NW/M −±=σ .

5РИ, 2013, 2

3. Определение радиальных перемещенийРассмотрим радиальные перемещения «U» под воздей-ствием трех взаимно-уравновешенных единичных сил,отстоящих друг от друга на угол 2p/3. В силу симмет-рии в таких сечениях радиальные перемещения будутодинаковыми. Утроенное радиальное перемещениеможет быть вычислено с помощью интеграла Мора:

∫ θ= EJ/rdMM3/1U ,

где М – изгибающий момент, вычисленный по соот-ношениям (1); M – изгибающий момент под воздей-ствием единичной силы; EJ – жесткость; θ – угол вмеридиональном сечении тора.

Для определения радиальных перемещений рассмот-рим два случая: 1) перемещения находятся для незаг-руженной части кольца; 2) перемещения находятсядля сечений загруженной части кольца.3.1. Перемещения в незагруженной частикольцаРасчетная схема представлена на рис. 4.

Рис. 4. Расчетная схема )3/(0 ϕ−π≤β≤

Уравнения изгибающих моментов от единичных силимеют вид:

⎪⎪⎪⎪

⎭

⎪⎪⎪⎪

⎬

⎫

ϕ+π≤θ≤β−πβ+π−θ=

β−π≤θ≤=

π≤θ≤β+πβ−π−θ+β−θ=

β+π≤θ≤ββ−θ=

β≤θ≤=

).()3/2(),3/2sin(rM

);3/2(0,0M

;)3/2(),3/2sin(r)sin(rM

);3/2(),sin(rM

;0,0M

(2)

Подстановка выражений (1) в (2) в соотношение длявычисления радиального перемещения «U» дает ре-зультат, представленный (2*).

Контур разбивается на определенное количество уча-стков, в пределах каждого из которых M и M –непрерывные функции. Суммирование интегралов содинаковыми подынтегральными выражениями и не-прерывно изменяющимися пределами интегрирова-ния приводит к выражению для вычисления переме-щений:

],LLLL)LLL(sin2)LLL(sin)3/32(

)LLL)(/3)[(EJ3/qr(U

13121110987

654

3214

++−−++ϕ−−++ϕ−

−++πϕ=

(3)

где )13,,3,2,1i(Li K= – интегральные выражения,которые зависят от номерных координат и угловойширины полюса ).,,( βθϕ

Подстановка этих интегралов в (3) после преобразо-ваний дает окончательное математическое выражениедля перемещений в интервале )3/(0 ϕ−π≤β≤ :

⎪⎭

⎪⎬⎫

⎪⎩

⎪⎨⎧

ββ+β+π−

−βϕϕ+πϕ=

sin3cos)323/sin[(

coscos3)/9()EJ3/qr(U 4

. (4)

⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪

⎭

⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪

⎬

⎫

⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪

⎩

⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪

⎨

⎧

θβ+π−θβ−π−θ+−π−θϕ−θϕ−πϕ+

+θβ+π−θπ−θϕ−θϕ−πϕ+

+θβ−π−θ+β−θπ−θϕ−θϕ−πϕ+

+θβ−θπ−θϕ−θϕ−πϕ+

+θβ−θϕ+π−θ+−θϕ−πϕ+

+θβ−θθϕ−πϕ

=

∫

∫

∫

∫

∫

∫

ϕ+π

ϕ−π

ϕ−π

β−π

ϕ−π

β+π

β+π

ϕ+π

ϕ+π

ϕ−π

ϕ−π

β

.d)3/2sin()]cos(1)3/sin(sin2cossin)3/32(/3[

d)3/2[sin()]3/sin(sin2cossin)3/32(/3[

d)]3/sin()[sin()]3/sin(sin2cossin)3/32(/3[

d)sin()]3/sin(sin2cossin)3/32(/3[

d)sin()]3/(sos1cossin)3/32(/3[

d)sin(]cossin)3/32(/3[

)EJ3/qr(U

3/2

3/2

3/

3/

3/

3/

3/

4 (2*)

6 РИ, 2013, 2

Значение прогиба при 0=β и )3/( ϕ−π=β будет:

.

]sin)33(

cos)333/2sin[

)2/3(/9

)EJ3/qr(U

;)sin323/(

cos3/9)EJ3/qr(U

4

3

40

⎪⎪⎭

⎪⎪⎬

⎫

⎪⎪⎩

⎪⎪⎨

⎧

ϕϕ++

+ϕϕ−+π−

−ϕ+πϕ

=

⎥⎥⎦

⎤

⎢⎢⎣

⎡

ϕ+π−

−ϕϕ+πϕ=

ϕ−π=β

=β

(5)

Выражение (5) необходимо для проверки правильно-сти дальнейших решений, чтобы обеспечить тем са-мым сходимость и адекватность дальнейших реше-ний. Сечение ϕ−π=β 3/ является граничным сечени-ем ненагруженного и нагруженного участков. Путемпредельного перехода от распределенной нагрузки ксосредоточенной силе при

0sin →ϕ→ϕ , ρ→ϕsinqr2 , 0cos =ϕ

из выражения (4) получим

⎥⎥⎦

⎤

⎢⎢⎣

⎡

ββ−

−β+π−πϕ=

.sin)2/3(

cos)236/(2/9)EJ3/qr(U 3

.

3.2. Перемещения в нагруженной части кольцаРасчетная схема приведена на рис. 5( 3/)3/( π≤β≤ϕ−π ).

Рис. 5. Расчетная схема перемещения

Для определения перемещений в ненагруженной час-ти кольца выражения (1)-(3) остаются прежними,меняются только пределы интегрирования.

Поступая так же, как в разделе 3.1, получаем

],LLLLLLLLsin)LL(2sin)LL)(3/32(

)LL)(/3)[(EJ3/qr(U

1413121110987

6543

214

++++−−−−−ϕ+−ϕ+−

−+πϕ=

где )14,,2,1i(Li K= – интегралы, значения которыхвычисляются по параметрам .,, ϕβθ

Подстановка этих интегралов в выражение для «U»дает решение для радиального перемещения загру-женной части кольца при 3/3/ π≤β≤ϕ−π

⎪⎪⎪⎪

⎭

⎪⎪⎪⎪

⎬

⎫

⎪⎪⎪⎪

⎩

⎪⎪⎪⎪

⎨

⎧

ϕβ−β×β−π×

×−β+β×

×−π−ϕ+ϕ×

×β−ββ−π+

+ϕβ+β×

×ϕ++−πϕ

=

sin)]sincos3()3/(

)4/3()sin3(cos

)2/33/4/3[cos

)sincos3)(3/)(4/3(

cos)sin3(cos

)4/32/3(3/9

)EJ3/qr(U 4. (6)

По данному выражению можно найти перемещение награнице участков, т.е. «U» при )3/( ϕ−π=β :

⎪⎪⎭

⎪⎪⎬

⎫

⎪⎪⎩

⎪⎪⎨

⎧

ϕϕ++

+ϕ+π+ϕ−×

×ϕ−ϕ+πϕ

=ϕ−π=β

)]sin)33(

cos)33/23[(

sin2/3/9

)EJ3/qr(U 43/ .

Выражение совпадает с (4), обеспечивая сходимостьрешения.Из полученных соотношений видно, что наибольшееперемещение будет при 3/π=β :

⎪⎭

⎪⎬⎫

⎪⎩

⎪⎨⎧

ϕ−π−ϕ+

+ϕϕ++−πϕ=π=β

sin)33/22/3(

cos)2/33(3/9)EJ3/qr(U 4

3/ .

Сделаем предельный переход к трем сосредоточен-ным силам:

).3/4/32/9)(EJ3/qr(

)3/22/3/9)(EJ6/qr(U

3

43/

π−−π=

=π−−πϕ=π=β

Далее

).3/4/32/9(

)EJ3/(Pr]sin)2/3(

cos)2/36/(2/9)[EJ3/(PrU3

3/

3

π−−π×

×=ββ−

β+π−π=

π=β

–

Такая многосторонняя проверка гарантирует сходи-мость результатов.4. Определение углов поворота сеченийДля определения углов поворота сечений необходимоприложить два взаимоуравновешивающих симмет-рично расположенных единичных моментов (рис. 6).Интеграл Мора, взятый по контуру кольца, дает удво-енный угол поворота сечений:

∫ θ=ϑ EJ/rdMM2/1 ,

где ϑ – угол поворота сечения; М – изгибающиймомент (равенство 1); M – единичный момент:

. при 1M,0 при 0M

π≤θ≤β=β≤θ≤=

(7)

В силу симметрии эквивалентной системы (см.рис. 1) исистемы, загруженной единичными моментами(см.рис. 6)

∫∫π

θ=θ0

EJ/rdMM2EJ/rdMM .

7РИ, 2013, 2

Рис. 6. Расчетная схема углов поворота

Таким образом, выражение (6) приобретает вид

∫π

θ=ϑ0

EJ/rdMM . (8)

Здесь для углов поворота надо рассматривать дваслучая – угол поворота для загруженной и для незаг-руженной частей.4.1. Углы поворота в незагруженной частикольцаРасчетная схема представлена на рис. 6. Диапазонизменения угла )3/(0 α−π≤β≤ .

Подстановка выражений (1), (7) в (8) дает аналитичес-кое выражение для ϑ (8*).

Интегрирование и преобразование приводит к выра-жению для )3/(0 ϕ−π≤β≤ :

]./3sinsin)3/32)[(EJ/qr( 3 πϕβ−βϕ=ϑ (9)

4.2. Углы поворота в загруженной части кольца

Диапазон изменения 3/)3/( π≤β≤ϕ−π . Алгоритмрасчета аналогичный для 4.1.Окончательное математическое выражение имеет вид

.

sin]cos)2/1(sin)6/3[

cos)sincos3)(2/1(

3/)/31(

)EJ/qr( 3

⎪⎭

⎪⎬

⎫

⎪⎩

⎪⎨

⎧

ϕβ−β+

+ϕβ−β+

+β+π−πβ−ϕ

=ϑ (10)

5. ВыводыПолученный математический аппарат может использо-ваться при написании компьютерных программ расчетанапряженно-деформированного состояния тороидаль-ных магнитных систем, предназначенных для удержа-ния высокотемпературной плазмы. Математическийаппарат может быть применен к системам любой заход-ности (рассмотрена трехзаходная система с большимиаспектовыми соотношениями).Используя полученные решения, можно построить:– по выражениям (1) – эпюры изгибающих моментовдля проверки конструкции на прочность;– по выражениям (4) и (6) – упругую линию и по нейпроверить жесткость кольца;– по выражениям (9) и (10) – эпюру девиации.Список литературы: 1. Быков В.Е., Георгиевский А.В.,Корявко В.И., Литвиненко Ю.А. Бессиловые тороидаль-ные магнитные системы. Препринт ХФТИ 76-39. Харь-ков, 1976. 2. Shishkin A.A. Torsatron type system with thesmall pitch angle of helical windings and additional toroidalfield coils – URAGAN-2M (Principal physics issues). PreprintKhIPT 2005-2. Kharkov, 2005. 3. Быков В.Е., ГеоргиевскийА.В., Друнов В.А. и др. Проект торсатрона с дополнитель-ным продольным полем – установка «УРАГАН-2М».Доклады 3 Всесоюзной конференции по инженернымпроблемам термоядерных реакторов. (Ленинград, 20-22июня 1984 г.). Москва :ЦНИИатоминформ, 1984. Том 1. С.61-67. 4. Мартынов С.А., Воробьева В.П., Круголь М.С.,Юркин А.Ю., Хажмурадов М.А. Модели и методы опти-мизации напряженно-деформированного состояния тор-сатрона «Ураган-2М» // АСУ и приборы автоматики.2009. 147. С. 32-38.

Поступила в редколлегию 11.05.2013

Рецензент: д-р техн. наук, проф. Кривуля Г.Ф.

Мартынов Сергей Алексеевич, канд.техн.наук, научныйсотрудник Национального Научного Центра Харьковс-кий Физико-технический институт (ННЦ ХФТИ). Адрес:Украина, 61108, Харьков, ул. Академическая, 1, (057)335-65-94. e-mail: khazhm@kipt.kharkov.ua

Хажмурадов Манап Ахмадович, д-р техн. наук, профес-сор, начальник отдела Национального Научного ЦентраХарьковский Физико-технический институт (ННЦ ХФТИ).Адрес: Украина, 61108, Харьков, ул. Академическая, 1,тел. (057)335-68-46. e-mail: khazhm@kipt.kharkov.ua

⎪⎪⎪⎪⎪⎪

⎭

⎪⎪⎪⎪⎪⎪

⎬

⎫

⎪⎪⎪⎪⎪⎪

⎩

⎪⎪⎪⎪⎪⎪

⎨

⎧

θβ−π−θ+−π−θϕ−ϕϕ−πϕ+

+θπ−θϕ−ϕϕ−πϕ+

+θϕ+π−θ+−θϕ−πϕ+

+θθϕ−πϕ

=ϑ

∫

∫

∫

∫

π

ϕ−π

ϕ−π

ϕ+π

ϕ+π

ϕ−π

ϕ−π

β

.d)])cos(1)3/sin(sin2cossin)3/32(/3[

d)]3/sin(sin2cossin)3/32(/3[

d)]3/(sos1cossin)3/32(/3[

d]cossin)3/32(/3[

)EJ/qr(

3/

3/

3/

3/

3 (8*)

8 РИ, 2013, 2

УДК 621.3

АНАЛИЗ ПЕРСПЕКТИВНЫХ СИСТЕМОХЛАЖДЕНИЯ АККУМУЛЯТОРНЫХБАТАРЕЙ

СЛАБОСПИЦКИЙ Р.П., ХАЖМУРАДОВ М.А.,ЛУКЬЯНОВА В.П.

Приводится анализ и обзор существующих и разрабаты-ваемых систем охлаждения аккумуляторных батарей.

1. ВведениеСистемы охлаждения применяются в компьютерной,космической и военной технике, в домашних и про-мышленных кондиционерах, на железнодорожном,водном и воздушном транспорте, а также в электро-мобилях. В наших работах [1-4] рассмотрены систе-мы охлаждения аккумуляторных батарей, используе-мых в электромобилях.2. Аналитический метод расчетаРасчеты проведены аналитическим методом для кон-кретной конструкции аккумуляторной батареи, гдеохлаждаются ячейки батареи потоком воздуха черезпрямоугольные каналы. Проведены расчеты для слу-чаев, когда ячейки охлаждаются потоком воздухаснизу, сверху и сбоку. Расчеты проведены как длясистемы охлаждения с равномерным распределениемтепла в ячейках батареи – 15 Вт выделяется по всейвысоте ячейки (рис. 1,а), так и с неравномернымраспределением тепла – 15 Вт распределены по высо-те ячейки согласно рис 1,б (в верхних частях ячеекбатареи температура выше, чем в нижних). Если вкакой-либо части ячейки батареи температура превы-шает допустимые условия ее работы (+50°С), то необ-ходимы дополнительные меры по охлаждению бата-реи.При расчетах аналитическим методом [5, 6] использо-валось уравнение баланса энергии (1) для батареи сразмерами L = 220 мм, b = 150 мм, а = 2, 3, 4, 5 мм:

1p2cc TCmTAhq ∆⋅⋅=∆⋅⋅= & , (1)

где cq – тепловой поток, поступающий в канал; ch –коэффициент теплопередачи; Lb2A ⋅= – общая пло-щадь поверхности контакта воздуха с теплопередаю-щей поверхностью; 2T∆ – разность температуры междуповерхностью ячейки sT и средней температуройпотока; m& – массовый расход воздуха; pC – удель-ная теплоемкость; 1T∆ – изменение температуры пото-ка между входом в канал и выходом из него.В уравнении (1):

⎟⎟

⎠

⎞

⎜⎜

⎝

⎛ +−=∆

2

TTTT 2b1b

s2 ; (2)

1b2b1 TTT −=∆ , (3)

здесь sT – средняя температура стенки; 1bT – темпера-тура потока на входе канала; 2bT – температура потокана выходе из него.

Рис. 1. Воздушное охлаждение через прямоугольныеканалы: а – с равномерным [1], б – с неравномернымраспределением мощности [4];

isT (i=1,ј,4) – темпера-

тура поверхности частей батареи

Массовый расход воздуха через канал равен

mVBm ⋅⋅ρ=& , (4)

где ρ – плотность воздуха; bB ⋅= a – площадь кана-ла; mV – средняя скорость движения воздуха.

Коэффициент теплопередачи рассчитывается по фор-муле

hc D

Nukh

⋅= , (5)

здсь k – коэффициент теплопроводности воздуха; Nu– число Нуссельта; hD – гидравлический диаметр.

Число Нуссельта для ламинарного движения вычис-ляется по формуле

,L

DPr)(Re86,1Nu

14,0

s

b33,0

h33,0лам ⎟⎟

⎠

⎞⎜⎜⎝

⎛µµ

⎟⎠

⎞⎜⎝

⎛⋅= (6)

а для турбулентного движения – по формуле

,PrRe023,0Nu 3,08,0турб ⋅= (7)

где Rе – число Рейнольдса; Pr – число Прандтля; hD –

гидравлический диаметр; L – длина канала; bµ , sµ –коэффициенты динамической вязкости воздуха приразных температурах (+20 оС и +50 оС) соответствен-но. Число Рейнольдса вычисляется по формуле

ν⋅

= hm DVRe , (8)

9РИ, 2013, 2

где mV – средняя скорость движения воздуха; ν –коэффициент кинетической вязкости.Расчеты выполнены при скорости подачи воздуха

=mV 1...20 м/с, различных значениях зазора междуячейками ( =a 2, 3, 4 и 5 мм), разных направленияхподачи охлаждающего потока воздуха в батарею (сбо-ку, снизу, сверху) [1-4]. Некоторые результаты рас-четов приведены в табл. 1.При подаче охлаждающего потока воздуха сбокувведена величина

срsT – средняя температура, каксреднее значение для всей поверхности ячейки

4/TT4

1iiss 4ср ∑

=

= [3].

Анализ данных табл. 1 показывает, что самая высо-

кая температура в верхней части ( 4sT ) поверхностиячейки при охлаждении снизу (76,7 оС), несколькониже температура поверхности нижней части ячейки

( 1sT ) при охлаждении сверху (68,8 оС), а лучшевсего из наиболее горячих частей охлаждается по-

верхность верхней части ячейки срsT (58,4 оС) при

охлаждении сбоку. Хотя четвертая часть ячейки навыходе потока воздуха и имеет высокую температу-ру (79 оС), однако средняя температура верхней ча-сти всей ячейки не очень высокая (58,4 оС). По-видимому, это связано с тем, что ширина батареи(150 мм) меньше, чем ее высота (220 мм).Общий вывод, который можно сделать в результатевсех проведенных исследований (изменение скоро-сти и направления подачи воздуха в батарею, зазо-ров между ячейками и др.), таков, что при малойскорости потока воздуха =mV 1 м/с не удается сни-зить температуру поверхности ячейки ниже +50 оС.Поэтому необходимо искать другие пути решенияэтой проблемы.3. Поиски эффективных систем охлажденияСоздать условия, когда температура самых горячихчастей поверхности ячейки будет меньше +50°С, можно

либо путем увеличения коэффициента теплопереда-чи ch , либо путем увеличения числа Нуссельта .NuВ наших работах [3-4] приведены графики зависи-мости величин ch и Nu от скорости поступающеговоздуха =mV 1...10 м/с при различных зазорах меж-ду ячейками ( =a 2, 3, 4 и 5 мм). Из графиковвидно, что с увеличением скорости mV движениевоздуха переходит от ламинарного в турбулентное,при котором поверхность ячейки лучше охлаждает-ся. Из графиков также следует, что при малыхскоростях ≤mV 3 м/с величина коэффициента теп-лопередачи ch намного меньше, чем при большихскоростях. Это позволяет рассмотреть ряд возмож-ных путей создания эффективных систем охлажде-ния, учитывая разработки, предложенные и опубли-кованные в мировой печати [7-9].4. Использование нанопокрытийВ 2010 году американские ученые разработали иопубликовали [7] специальное покрытие, позволя-ющее в 3,5-4 раза увеличить теплопередачу охлаж-дающих поверхностей. Предварительные результа-ты расчетов температуры поверхности при разныхскоростях потока воздуха mV для =a 2 мм приве-дены на рис. 2 и 3. На рис. 2 даны результатырасчетов температуры четвертой (верхней) частиячейки для нижней и верхней подачи воздуха безнанопокрытия и с нанопокрытием. На рис. 3 приве-дены такие же зависимости, но для первой (нижней)части ячейки.Из рис. 2, 3 видно, что при нанесении нанопокрытияснижается температура анализируемой поверхнос-ти ячейки. Температура в большинстве случаевстановится ниже +50 оС. Однако даже при нанесе-нии нанопокрытия, температура четвертой (верх-ней) части ячейки при нижней подаче воздуха ипервой (нижней) части ячейки при верхней подачевоздуха для =mV 1 м/с превышает 50 оС. Без нане-сения нанопокрытия температура поверхности яче-ек значительно выше (белее чем на 10 оС).

Подача сбоку Подача снизу Подача сверху a ,

мм mV ,м/с )1(T

4s ,ºС )2(T4s ,ºС )3(T

4s ,ºС )4(T4s ,ºС

ñðsT ,ºС1sT ,ºС

4sT ,ºС 1s

T ,ºС 4sT ,ºС

2 1 37,3 51,8 65,5 79 58,4 29,9 76,7 68,8 49,8

2 2 32 36 40,6 45 38,4 27,0 54,5 46,4 41,1

2 3 30 34 38 42 37,5 25,8 46,5 38,8 37,5

3 1 37,8 46,8 55,8 62,8 50,8 29,9 67,9 55,8 49,8

Таблица 1. Результаты расчетов системы охлаждения при подаче потокавоздуха сбоку, снизу и сверху

10 РИ, 2013, 2

Рис. 2. Температура четвертой (верхней) части ячейкипри нижней и верхней подаче воздуха без применениянанопокрытия ( HT 4s − ) и ( BT 4s − ) и с применением

нанопокрытия ( −4sT Н-нано) и ( −4sT В-нано)

Рис. 3. Температура первой (нижней) части ячейки принижней и верхней подаче воздуха без применения

нанопокрытия ( HT 1s − ) и ( BT 1s − ) и с применениемнанопокрытия ( −1sT Н-нано) и ( −1sT В-нано)

5. Оптимизация площади теплопередающейповерхностиТеплопередачу охлаждающей поверхности можноувеличить за счет площади теплопередающей повер-хности (охлаждающие поверхности), т.е. за счет со-здания ребристости поверхности. Точные расчетыаналитическим методом сделать трудно, поэтому по-пытаемся оценить возможность увеличения теплопе-редачи за счет создания простых ребер на поверхно-сти. Рассмотренный нами вариант приведен на рис. 4.В зазоре, по которому протекает воздух, создаютсявыступы (ребра). Ширина зазора =a 2 мм, ребрасоздаются с одной стороны охлаждаемой поверхнос-ти, высота ребер 1,5 мм и ширина 0,5 мм. Ширина0,5 мм выбрана, исходя из того, чтобы тепло изячейки могло достаточно хорошо проникнуть на всюдлину ребра. Зазор между ребрами равен 1 мм, высо-та ячейки L=220 мм, длина ячейки b=150 мм.На длине ячейки b =150 мм поместится примерно 100таких оребренных участков. Площадь одного такогооребренного участка Арс, включающего одно ребро иодин зазор между ребрами, как это видно на рис. 4, втри раза больше площади неоребренной поверхности.Чтобы определить температуру поверхности ячейки

sT , где 2/TTTT 11b2s ∆++∆= , необходимо вычис-

лить величины 1T∆ и 2T∆ . Для вычисления

Ahq

Tc

c2 ⋅

=∆ необходимо знать величину А – площадь

контакта воздуха с теплопередающей поверхностьюканала. Величина Lb2A ⋅= , где b и L – размерыячейки батареи. Если в канале нет ребер, то А=0,066 м2.Следовательно, если cq =15 Вт, ch =16,8 Вт/м2·град,

то 2T∆ =13,5oС. Если в канале имеются ребра(см.рис. 4), то Арс – площадь стороны, на которойпомещены ребра, будет в 3 раза больше, чем площадьстороны без ребер и общая площадь контакта воздухас теплопередающей поверхностью канала будет в 4раза больше, чем площадь одной стороны ячейки,когда нет ребер, т.е. Аобщ =0,132 м2 и, следовательно,величина 2T∆ =6,8oС.

Рис. 4. Батарея с ребристой охлаждающей поверхнос-тью

Для вычисления p

c1 Cm

qT

⋅=∆& необходимо знать мас-

совый расход воздуха через канал mVBm ⋅⋅ρ=& . Плот-ность воздуха ≈ρ 1,1 кг/м3 и скорость протекания

воздуха mV мы задаем равной 1 м/с. Площадь канала

равна bB ⋅= a . Для случая, когда нет ребер в каналеВ=300 мм2 и массовый расход воздуха =m& 0,33 г/с,

величина p

c1 Cm

qT

⋅=∆& будет равна 1T∆ =45°С. Следо-

вательно, величина 2/TTTT 11b2s ∆++∆= =56°С.

Когда в канале есть ребра, площадь канала по которо-му проходит воздух, уменьшается от В=300 мм2 доВ=225 мм2 и массовый расход воздуха через каналб у д е т

=m& 0,250 г/с. В этом случае p

c1 Cm

qT

⋅=∆&

возрастет

до 1T∆ =55°. Следовательно, величина

11РИ, 2013, 2

sT =54,3°С, что несколько ниже, чем для случая,когда в канале отсутствуют ребра ( sT =56°С). Еслитеперь разобьем ячейку по высоте на 4 части(см.рис. 1б), то температура поверхности для первойчасти 1s

T =30,4°С, для второй 2sT =46°С, для третьей

3sT =61,6°С и для четвертой 4sT =78,9°С.

Приведем еще данные для случая, когда для сохране-ния массы расхода воздуха m& = 0,33 г/с, как этобыло во всех предыдущих расчетах [1-4], увеличенаскорость протекания воздуха от mV =1 м/с до

mV =1,32 м/с. Когда ячейка не делится на 4 части,получаем 1T∆ =45°С, 2T∆ =6,8°С и величина

sT =49,3°С, что также несколько ниже, чем для слу-чая, когда в канале отсутствуют ребра ( sT =56°С).Если теперь разобьем ячейку по высоте на 4 части, тополучаем следующие значения:

1sT =29,3°С;

2sT =42,4°С; 3sT =52,5°С и

4sT =69,8°С. Эту величи-ну можно еще несколько снизить (до

4sT =67,1°С),если учесть, что с выступами гидравлический диа-метр hD будет равен не 4 мм, а 3 мм и, следователь-но, коэффициент теплопередачи возрастет с

ch =16,8 Вт/м2·град до ch =22,4 Вт/м2·град. При даль-нейшем увеличении площади охлаждающей поверх-ности за счет конструкторских решений можно ещенесколько снизить температуру поверхности ячейки,но очевидно, что качественного уменьшения, т.е. надесятки градусов, температуры поверхности ячейкиза счет любых выступов добиться не удастся. Сни-зить температуру поверхности ячейки более +50°Сможно только увеличив скорость воздуха mV боль-ше 2,5 м/с.На рис. 5 приведены возможные варианты охлаждаю-щих поверхностей батареи. Эффективность примене-ния такого типа поверхностей аналитическим методомоценить довольно сложно и для их расчетов исполь-зуются методы экспериментального и компьютерногомоделирования.

Рис. 5. Примеры охлаждающих поверхностей

6. Охлаждение ячеек батареи жидкостьюЗначительно эффективней охладить поверхность бата-реи можно, если охлаждать не воздухом, а водой. Втабл. 2 приведены справочные данные физическиххарактеристик тепловых процессов для воздуха иводы.Таблица 2. Справочные данные характеристик некото-

рых физических величин для воздуха и водыНаименование физической величины

Воздух Вода

Плотность воздуха, ρ

≈ 1,1 кг/м3 ≈ 1000 кг/м3

Удельная теплоемкость при

постоянном давлении, pC

1014 Дж/кг·град 4181 Дж/кг·град

Коэффициент теплопроводности, k

0,0265 Вт/м⋅ºС 0,658 Вт/м⋅ºС

Сделаем расчеты для случая, когда через канал( =a 2 мм, hD =4 мм) прокачивают воду со скорос-тью 1 м/с.Проведенные расчеты показали, что если для воздухачисло Рейнольдса Re=227, то для воды Re ≈ 2200.Число Нуссельта увеличивается до 12. При скорости

mV =1 м/с масса прокачиваемой воды увеличиваетсяпримерно в 103 раз по сравнению с воздухом, по-скольку ρ воды равно 983 кг/м3, а воздухаρ воздуха ≈ 1,1 кг/м3. Для воды величина удельной теп-лоемкости pC примерно в 4 раза больше, чем для

воздуха (см. табл. 2). Поэтому p

c1 Cm

qT

⋅=∆& для воды

будет в 4·103 раз меньше, чем для воздуха, т.е. дляводы ≈∆ 1T 0,01oС. Следовательно, если подавать в

канал воду с температурой 1bT =20oС, то на выходе из

канала температура воды будет 2bT =20,01oС. Коэф-

фициент теплопередачи h

c D

Nukh

⋅= для воды из-за

того, что коэффициент теплопередачи водыk =0,658 Вт/

м.oС значительно больше воздухаk =0,0265 Вт/м.oС и

водыNu > воздухаNu , будет равна ≈ch 1974 Вт/м2.oС,

что в 117 раз больше, чем для воздуха ≈ch 16,8 Вт/

м2.oС. Увеличение коэффициента ch более чем в 100

раз приводит к тому, что величина 2T∆ будет равен

≈∆ 2T 0,13oС. В результате этих оценок получаем, что

температура стенки ячейки sT =20,15oС приблизи-

12 РИ, 2013, 2

тельно равна температуре воды, входящей в канал.Настолько же будет отличаться от этой температуры итемпература отдельных участков стенок батареи. От-сюда следует, что вода и другие жидкости являютсяхорошими охладителями батареи, и большинствофирм, разрабатывающих электромобили, используютжидкости для охлаждения аккумуляторных батарей.Жидкостное охлаждение отводит тепло быстрее, чемвоздушное, оно компактнее и даже способно спра-виться с небольшим возгоранием, но потенциальноменее надежно, так как утечка жидкости из системыохлаждения может привести к выходу из строя акку-муляторной батареи. Опасно и использование жидко-стей (вода и др.), которые замерзают при отрицатель-ных температурах. Для преодоления этих проблемисследователи из института окружающей среды, бе-зопасности и энергетических технологий обществаФраунгофера (ФРГ) создали водно-этиленгликоль-парафиновую систему охлаждения CryoSolplus [8].Ее ключевые компоненты – вода, твердые парафино-вые капли, этиленгликоль (обеспечивает незамерза-ние) и поверхностно-активные вещества. Последниене дают парафину всплывать на поверхность (он легчеводы) и обеспечивают его равномерное распределе-ние по всему объему смеси. Теплоемкость такойсистемы в три раза выше, чем у воды. Такая системане требует большого бака для хранения. В ближайшеевремя будут проведены полевые испытания этой раз-работки на экспериментальном автомобиле.7. Новые типы аккумуляторных батарейВ настоящее время ученые разных стран работают надсозданием аккумуляторных батарей для электромо-биля, которые не нуждаются в охлаждении. Так,ученые из Массачусетса (США) разработали новыйтип аккумуляторных батарей [9], которые не боятсяотрицательных температур и не нуждаются в охлажде-нии. Новые батареи способны сохранять более 90%заряда при резкой смене температуры воздуха до – 30oС. «Мы считаем, что новый тип аккумуляторов –это настоящий прорыв в производстве электромоби-лей. Отказ от использования дорогостоящих системохлаждения, а также возможность эксплуатации элек-тромобилей в суровых климатических условиях бла-гоприятно скажутся на популяции этого класса авто-мобилей в мире», – заявил главный разработчикДевид Вью.

В итоге можно сказать, что в настоящее время в миреинтенсивно проводятся новые разработки как по сис-темам охлаждения аккумуляторов, так и по созданиюновых типов аккумуляторов. Дальнейшие исследова-ния покажут, какие системы окажутся более перспек-тивными и будут использованы в новых электромоби-лях.Литература: 1. Слабоспицкий Р.П., Хажмурадов М.А.,Лукьянова В.П. Анализ и расчет системы охлажденияаккумуляторной батареи // Радиоэлектроника и инфор-матика. 2011. 3. С.3-8. 2. Слабоспицкий Р.П., Хажмура-дов М.А., Лукьянова В.П. Исследование системы охлажде-ния аккумуляторной батареи // Радиоэлектроника и ин-форматика. 2012. 2. С.3-8. 3. Слабоспицкий Р.П., Хаж-мурадов М.А., Лукьянова В.П. Метод аналитических рас-четов в исследовании различных систем охлаждения.Препринт ННЦ ХФТИ. 2012-6. 22 с. 4. Slabospitsky R.P.,Khazhmuradov M.A., Lukyanova V.P., Prokhorets S.I. Usingthe analytical calculation method for cooling systems studying// Problems of atomic science and technology. Series: NuclearPhysics investigations. 2013. 3(85). P. 303-311. 5. КрейтФ., Блэк У. Основы теплопередачи. М.: Мир, 1983. 512с.6. Уонг Х. Основные формулы и данные по теплообменудля инженеров. Справочник. М.: Атомиздат, 1979. 216с.7. Hendricks T.J., Krishnan S. et all. Enhancement of pool-boiling heat transfer using nanostructured surfaces onaluminum and cooper // International Journal of Heat andMass Transfer. 2010. Vol. 53. Issues 15-1. P. 3357-3365.8. http://ecovoice.ru/blog/science-technology/4429/html.9. http: //www.liotech.ru/sectorness_207_601.

Поступила в редколлегию 12.05.2013

Рецензент: д-р техн. наук, проф. Кривуля Г.Ф.

Слабоспицкий Ростислав Павлович, д-р физ.-мат. наук,заместитель директора института Физики высоких энер-гий и ядерной физики (ИФВЭЯФ) Национального Науч-ного Центра Харьковский Физико-технический институт(ННЦ ХФТИ). Адрес: Украина, 61108, Харьков, ул. Акаде-мическая, 1, тел . (057)335-68-85, e-mail:slabospitskiy@kipt.kharkov.ua

Хажмурадов Манап Ахмадович, д-р техн. наук, профес-сор, начальник отдела Национального Научного ЦентраХарьковский Физико-технический институт (ННЦ ХФТИ).Адрес: Украина, 61108, Харьков, ул. Академическая, 1,тел. (057)335-68-46, e-mail: khazhm@kipt.kharkov.ua

Лукьянова Валентина Петровна, ведущий инженер-про-граммист Национального Научного Центра Харьковс-кий Физико-технический институт (ННЦ ХФТИ). Адрес:Украина, 61108, Харьков, ул. Академическая, 1, тел.(057)335-61-48. e-mail: khazhm@kipt.kharkov.ua

13РИ, 2013, 2

ЭЛЕКТРОНИКА

УДК 621.039.05

ИССЛЕДОВАНИЕ КРИСТАЛЛОВ БЕЗЦЕНТРА ИНВЕРСИИ НА ОСНОВАНИИКВАНТОВОГО КИНЕТИЧЕСКОГОУРАВНЕНИЯ

ЧЕРНЫШОВ Н.Н.

Описывается полученная по электрическому полю по-правка к току, связанная с отсутствием центра инверсиикристалла. Рассматривается случай невырожденного элек-трического газа. Качественно статический расчет показа-но моделью асимметричных рассеивателей. Циркуляр-ный фотогальванический эффект в этом расчете отсут-ствует и поле может считаться действительным. Посколь-ку решение задачи рассматривается за рамками борнов-ского приближения, основанием является метод кванто-вого кинетического уравнения.

1. ВведениеВ теории кинетических явлений ток в сильном элект-рическом поле является нечетной функцией. С учетоманизотропии при разложении тока по полю тензор ijkαравен нулю. Целью является разработка методикирасчета асимметричных рассеивателей при отсутствиициркулярного фотогальванического эффекта. Задачиисследования – разработка математической моделипереноса заряда и решение квантового кинетическогоуравнения итерациями по нечетному интегралу столк-новений.2. Явления переноса заряда в электрическомполеИз теории кристаллографии следует, что тензор нечет-ного ранга не равен нулю в кристалле без центраинверсии. Равенство нулю ijkα есть следствие предпо-ложения о четности вероятности рассеяния электро-нов. В этом предположении кинетическое уравнениеБольцмана имеет вид [1]

[ ] .fWfWfIpf

eE pp

pp,pp,ppp ∑

′′′′ −≡=

∂∂

−)

(1)

Оно разбивается на уравнения для четной +pf и нечет-

ной −pf частей функции распределения:

.fIpf

eE pp m

)=

∂∂

−±

(2)

В низшем порядке (p)),(ff0,f 0pp ∈== −− где (p))(f0 ∈ –равновесная функция распределения. Из уравнения

(2) следует, что −pf разлагается по степеням поля.

Если p,pW ′ не является четной функцией, то в разложе-

нии тока по электрическому полю возможны члены,содержащие четные степени Е. Известно, что в бор-новском приближении вероятность перехода являетсячетной. Для выхода за борновское приближение ис-пользовался метод квантового кинетического урав-нения. В работе [2] получен нечетный вклад вероятно-сти перехода в низшем порядке теории возмущений.В качестве механизма рассеяния были рассмотренызаряженные примеси с мультипольными моментами.Рассмотрим вероятность перехода для рассеяния элек-тронов на фононах. Для гамильтониана электрон-фононного взаимодействия в низшем порядке подеформации кристалла получим уравнение

,aa)bb(cH qpptq,tq,pt,q,

tq,eph+

−++

−+=∑ (3)

где tq,с – матричный элемент взаимодействия; t –номер ветви колебаний. Здесь и в дальнейшем ис-пользуется система единиц с 1=h .

Можно убедиться, что вклад от расчета не меняетсяпри смене знака всех импульсов. Этим свойствомобладают все расчеты в гармоническом приближе-нии. Следует учесть поправки более высокого поряд-ка по деформации кристалла. Первыми поправкамибудем пренебрегать. Во втором порядке гамильтонианвзаимодействия электронов с фононами имеет вид [3]

.δa)ab)(bb(bcH qqpp,pptqtqqtqtpp,,tt,,qq,

tqqt,phe ′++′′++

′′−′′+−

′′′′′− ++= ∑

Матричный элемент ангармонического взаимодей-ствия tqqt,с ′′ обладает следующими свойствами:

.ccc *tqqt,

*qt,tqtqqt, ′′−−′′′′ == (4)

Ангармоническое взаимодействие электронов с аку-стическими фононами при 0q → состоит из нелиней-

ного деформационного потенциала klijijkl uuΛ ( iju - де-формация кристалла) и нелинейного пьезопотенциа-ла. Первый из них приводит к четным по импульсамвкладам в вероятность перехода. Поле в пьезоэлект-рике с точностью до членов третьего порядка удовлет-воряет уравнению Пуассона:

).uuβEufu(β4π)EEkEk( lmjkijklmljkijkljkijkikjijkjiji ++∇=+∇

Здесь ijk – тензор диэлектрических проницаемостей;ijkk – нелинейная поляризуемость; ijkβ – пьезотензор;

ijklf – коэффициенты электрострикции; ijklmβ – нели-нейный пьезотензор.3. Решение квантового кинетическогоуравненияСхема решения квантового кинетического уравненияБольцмана состоит в следующем:– интеграл столкновений разбивается на части;– четная часть интеграла считается изотропной;

– считается, что время энергетической релаксации eτгораздо больше времени релаксации по импульсу pτ ;

14 РИ, 2013, 2

– вывод уравнений для изотропной и нечетной поимпульсу электрона частей функции распределения;– полученные расчеты подставлялись в кинетическоеуравнение с учетом анизотропного рассеяния [3].

Времена релаксации на фононах phτ и примесях iτ ;

( )

( )⎪⎪

⎩

⎪⎪

⎨

⎧

+=

+=

,Z3X

3XTτ(ετ

;ZX

XTτ(ετ

2

23

php

(2)p

2

23

phpp

(5)

где ( )( ) ( ) ;

TΛm2

πρsTτ;TτTτ

Z;TεX

2322

3

2phpi

p

php === s – ско-

рость звука.

Безразмерный вектор ( ) ( )2T

TτT3τeEξ e

php

ii = по по-

рядку величины равен изменению энергии электронав электрическом поле на длине остывания.Четный по электрическому полю вклад равен [4]

;θ(X)ξ1

dX- expNF(X)X

02 ⎟

⎟⎠

⎞⎜⎜⎝

⎛

+= ∫ (6)

Функция (T)τ

(T)τZ;

ZXXθ(X) i

p

php

2 =+

= и константа N опре-

деляются нормировкой

∫∫∞∞

==00

23

0.Φ(X)XdX1;F(X)XdXνT (7)

Примесный безразмерный тензор (i)ijkλ определяется

эффективным октупольным моментом примеси .Q~ ijk

Величина четвертого вклада

( ) [ ] .XλZλFθ(X)X

Z3Xθ(X)Xξξα2F)θ)θ(F(γα

(X)ξΦθ(X)dXXesnνTj

(ph)ijk

(i)ijk

2

23

kji

0

20

32

i

⎭⎬⎫+

′′×

×+

′++′′+

+′−= ∫∞

(8)

В предельных случаях получаем 1Z1,ξ <<<< – сла-бый разогрев, рассеяние на фононах превалирует:

[

.ξξZ1Zlnλ

31λ

ξγ)ξln2)(ξ2(13π

esnα4j

kj(i)ijk

(ph)ijk

2iiγ

0i

⎥⎦

⎤⎟⎠⎞

⎜⎝⎛ ++

++−′

=

Векторная величина iγ существует только в кристал-лах с особенной полярной осью – в частности, во всех

пиро- и сегнетоэлектриках. Тензор ijkλ отличен отнуля в более широком классе кристаллов, в частно-сти, в кубических кристаллах без центра инверсиитипа А3В5. В этих кристаллах существуют равныекомпоненты 321312231213132123 λλλλλλ ===== . В них чет-ная часть тока обращается в ноль, если поле направ-лено по одной из кристаллографических осей [5]. Вслабых полях четная по полю часть тока начинается сквадратичных iξ поправок. При благоприятных усло-виях в слабом электрическом поле квадратичная по-правка может достичь 10-2 от величины омическоговклада. В переменном электрическом поле квадра-тичная поправка к закону Ома определяет стационар-ный ток, который выражается через амплитуду пере-менного поля. Интересно, что квадратичная поправкак току не связана с разогревом электронов. Онаоказывается конечной в случае отсутствия фононногорассеяния, определяемого релаксацией энергии элек-тронов. Из уравнения для средней энергии электроновполучим

( ).ξξγα1T23e 2

ii +′−= (9)

4. ВыводНаучная новизна работы заключается в том, чторешение квантового кинетического уравнения даетвозможность определить сдвиг аргумента функциираспределения по импульсам на величину пропорци-ональную значению электрического поля.Из-за различия вероятностей рассеяния состояний ри -р сдвиг аргумента функции распределения по им-пульсам неодинаков для разных групп электронов,что приводит к изменению средней энергии электро-нов.Литература: 1. Glass A.M., Linde D. and Auston D.H.Excited state polarization, bulk photovoltaic effect and thephotorefractive effect in electrically polarized media // J.Electr, Mater. 1975. Vol.4, 5. P. 915-943. 2. Doviak J.M.,Kothary S. Optical rectification and photon drag in p-typeGaAs at 10.6m and 1.06m // Proceeding Intern. Conf. on Phys/ Semiconductors, Stuttgart. 1974. P. 1257-1261. 3. БаскинЭ.М., Энтин М.В. Фотогальванический эффект в кристал-лах без центра инверсии // ФТТ. 1978. Т.20, 8. С. 2432-2436. 4. Ивченко Е.Л., Пикус Г.Е. Фотогальваническиеэффекты в полупроводниках // Проблемы современнойфизики / Сборник статей к 100-летию со дня рождения А.Ф.Йоффе. Л.: Наука. 1980. С. 275-293. 5. Ландау Л.Д., Лиф-шиц Е.М. Квантовая механика // Нерелятивистская тео-рия. М.: Наука, 1989. с.340.

Поступила в редколлегию: 20.05.2013

Рецензент: д-р физ.-мат. наук, проф. Панченко А.Ю.

Чернышов Николай Николаевич, канд. техн. наук, стар-ший научный сотрудник кафедры микроэлектроники,электронных приборов и устройств ХНУРЭ. Научныеинтересы: математическая физика; методы математи-ческого анализа; численное моделирование; задачи тео-рии поля, солнечной и ядерной энергетики. Адрес: Укра-ина, 61166, Харьков, пр. Ленина, 14, тел. (057) 7021362. E-mail: chernyshov@kture.kharkov.ua.

15РИ, 2013, 2

ТЕЛЕКОММУНИКАЦИИ

УДК 004.7

МЕТОДИ ПІДВИЩЕННЯЕФЕКТИВНОСТІ НАВЧАННЯНЕЙРОННОЇ МЕРЕЖІ ПРИ СТВОРЕННІСИСТЕМИ ОЦІНКИ ЯКОСТІСПРИЙНЯТТЯ ПОСЛУГИ IPTV

СУНДУЧКОВ К.С., КОБЗАР Л.С.

Пропонуються методи нормалізації вхідних параметрів тавибору топології нейронної мережі при створенні систе-ми визначення якості сприйняття IPTV послуги. Пока-зується, що використання даних методів дозволяє підви-щити точність визначення якості сприйняття, зменшитичас та спростити процес навчання нейронної мережі.

1. ВступВизначення якості сприйняття системи IPTV на підставіоб’єктивних параметрів, які впливають на систему,можна розглядати як завдання класифікації. Це мож-ливо за рахунок того, що якість сприйняття в системіIPTV виражається за допомогою 5-бальної шкализгідно з [1]. Відповідно, завдання класифікації можнасформулювати так: знайти відповідність заданого на-бору величин, що впливають на систему IPTV пара-метрів і одного з п’яти класів якості сприйняття послу-ги IPTV. Розглянемо можливість вирішення даноїзадачі класифікації за допомогою математичного апа-рату нейронних мереж.Нейронні мережі використовуються як важливийінструмент для задач класифікації. Дослідження вобласті класифікації за допомогою нейронних мереж[2,3] показали, що нейронні мережі - перспективнаальтернатива існуючим методам класифікації. Перева-га нейронних мереж полягає в таких теоретичнихаспектах. По-перше, нейронні мережі самостійноадаптуються і управляються даними. Тому вони мо-жуть перебудувати свою роботу для відповідностіданим без будь-якої інформації про описувану мо-дель. По-друге, нейронні мережі можуть апроксиму-вати будь-яку функцію з заданою точністю [4,5]. По-третє, нейронні мережі є нелінійними моделями, щодозволяє їм моделювати процеси навколишнього се-редовища з більшою гнучкістю. Також нейронні ме-режі здатні обчислювати апостеріорну ймовірність,що дає можливість встановлювати правила класифі-кації і проводити статистичний аналіз [6].Системи визначення якості сприйняття, засновані нанейронній мережі, є гнучкими і масштабованими для

великої кількості вхідних параметрів. У даній роботірозглядається процес навчання нейронної мережі пря-мого поширення зі зворотним поширенням помилокдля створення системи визначення якості сприйняттяпослуги IPTV і пропонуються методи підвищенняефективності навчання за допомогою використанняособливостей прикладної області.2.Загальні положення про нейронні мережахпрямого поширення зі зворотним поширеннямпомилкиЗапропонована система визначення якості сприйняттяпослуги IPTV побудована на підставі багатошаровогоперсептрона прямого поширення зі зворотним поши-ренням помилки.Багатошарові мережі прямого поширення, або багато-шарові персептрони являють собою сукупність вхідногошару, одного або декількох внутрішніх шарів і одноговихідного шару нейронів, що показано на рис.1.

Рис. 1. Структурна схема багатошарового персептрона

До основних етапів побудови системи якості сприй-няття послуги на базі нейронної мережі прямого поши-рення зі зворотним поширенням помилки відносяться:1) збір та обробка даних для навчання;2) вибір архітектури мережі;3) навчання нейронної мережі методом прямого по-ширення зі зворотним поширенням помилки;4) тестування навченої нейронної мережі;5) введення системи визначення якості сприйняттяпослуги IPTV в експлуатацію.До переваг даної системи можна віднести відноснупростоту реалізації, коли система може бути реалізо-вана інструментарієм одного з відомих мов програму-вання, точність одержуваних результатів, оскількинавчання нейронної мережі проводиться на підставісуб’єктивного тестування існуючої системи IPTV,можливість обліку всіх факторів, що впливають насистему, і їх взаємний вплив.Серед недоліків запропонованого підходу можна ви-ділити необхідність їх навчання на основі суб’єктивно-го тестування існуючої системи, що потребує додат-кових матеріальних та часових ресурсів.3. Збір і підготовка даних для навчаннянейронної мережіОдним з найбільш важливих факторів успішної побу-дови нейронної мережі для вирішення задач класи-фікації є правильний вибір параметрів системи, що

16 РИ, 2013, 2

впливають на приналежність певного явища до певно-го класу. У загальному випадку це є нетривіальнимзавданням. З одного боку, більша кількість вхіднихпараметрів дає до більш точний результат рішеннязадачі класифікації. З іншого – така кількість пара-метрів може призвести до невиправданого усклад-нення системи і ефекту «перенавчання», коли алго-ритм зворотного поширення помилки не сходиться домінімуму її функції.Вхідними даними для навчання мережі є результати,отримані при суб’єктивному тестуванні, що представ-ляють собою відповідність вхідних параметрів і вихі-дного результату. Дані суб’єктивного тестуванняділяться на три підгрупи: навчальні дані, використову-вані для навчання мережі, перевірочні дані, викорис-товувані для перевірки результату навчання, і дані позадіапазоном навчання для валідації нейронної мережі.При розгляді вхідних даних для нейронної мережінеобхідно врахувати часові та технічні витрати длязбору даних. Крім того, необхідно аналізувати і транс-формувати вхідні дані для мінімізації шумів, виділенняважливих зв’язків, щоб допомогти нейронній мережіправильно навчатися. На практиці дуже рідко вхідніпараметри надходять в нейронну мережу в необробле-ному вигляді. Для трансформації даних використо-вується масштабування, логарифмування даних та ін.Також можуть використовуватися квантування длябезперервних величин, але даний підхід обмежуєкількість можливих варіантів значення змінних [7].Крім цього, може застосовуватися фільтрація вхіднихданих для отримання рівномірного розподілу значеньпараметрів.Після збору даних для навчання нейронної мережіздійснюється їх поділ на дві підгрупи: навчальна виб-ірка (близько 80% даних) і перевірочна вибірка (близько20% даних). Навчальна вибірка використовуєтьсябезпосередньо для навчання нейронної мережі за ме-тодом зворотнього поширення помилки. Перевірочнавибірка використовується для оцінки адекватностінавчання мережі. Тестові дані подаються на вхід ней-ронної мережі, і оцінюється помилка мережі при виз-наченні якості сприйняття. Якщо значення помилкизалишається в межах обраної норми, то мережа вва-жається коректно навченою і може бути використанадля оцінки заданої системи IPTV.4. Модифікований метод нормалізації вхіднихпараметрів нейронної мережі для створеннясистеми визначення якості сприйняття IPTVДля трансформації вхідних даних нейронної мережівикористовується масштабування, логарифмуванняданих. Коректність застосування зазначених методівтрансформації даних залежить від умов проведеннясуб’єктивного тестування. Якщо параметри експери-менту при суб’єктивному тестуванні будуть покрива-ти тільки частину допустимого діапазону величин, топри подальшому використанні навченої на такій вибірцінейронної мережі можуть бути отримані некоретнірезультати при появі величин вхідних даних не з

діапазону навчальної вибірки. Для виключення впли-ву даного чинника пропонується використання нор-малізації вхідних параметрів на підставі існуючих стан-дартів якості в області IPTV.Основна ідея нормалізації вхідних параметрів полягаєв зведенні всього можливого діапазону величин кож-ного з параметрів до діапазону [0; 1].Для приведення значення будь-якого параметра доданого діапазону необхідно розглянути два випадки:

Значення вхідного параметра P коваріантно значен-ню параметра якості сприйняття QoE.В такому випадку параметр може бути нормалізова-ний згідно з виразом:

⎪⎩

⎪⎨

⎧

>=

≤≤=

гр

гргр

PP,1|P|

PP0,PP|P| ,

.

Даний вираз може бути представлений графіком нарис. 2.

Рис. 2. Графік нормалізації коваріантного вхідногопараметра

Значення вхідного параметра P контраваріантно зна-ченню параметра якості сприйняття QoE. Для можли-вості нормалізації даного параметра в діапазоні ]1;0[будемо розглядати і нормалізувати його зворотнє

значення P1P =′ :

⎪⎩

⎪⎨

⎧

>=′

≤−=′

гр

гргр

PP,1|P|

PP,PP1|P| ,

.

Нормалізація контраваріантних параметрів показанана рис.3.

Рис. 3. График нормалізації контраваріантнихпараметрів

17РИ, 2013, 2

Згідно з рекомендацією [8] граничні значення зазначе-них ( табл.1) параметрів відповідають якості сприйняттяMOS = 5 (всі зазначені параметри є контраваріантними).

Таблиця 1. Параметри системи IPTV для MOS=5

Параметр Значення Час затримки сигналу 200 мс

Відстань втрати (відстань між послідовними втратами пакетів мережі

або помилковими подіями)

1 помилка за 4 год

Джиттер 50 мс Тривалість одиничної помилки 16 мс

Рівень втрат пакетів 1.22E-05 Затримка I-кадру 500 мс

Тривалість виконання команди в інтерфейсі користувача

200 мс

Час перемикання каналу 2 с Час запуску сервісу 10 с

Час підключення до мультикаст каналу 50 мс Інтервал затримки зупинки мультикаст

каналу 150 мс

Час відключення від мультикаст каналу 50 мс Таким чином, може здійснюватися нормалізація будь-якого параметра на підставі його граничного значен-ня. Дані значення можна отримувати на основі стан-дартів, які використовуються при розробці системIPTV, а також при суб’єктивному тестуванні.Розглянемо основні переваги даного підходу. Голов-на увага в літературі з обробки вхідних даних внейронних мережах [9-12] приділяється уникненнюнасичення мережі і необхідності використання неве-ликих випадкових значень початкових ваг. У загаль-ному випадку, значення початкових ваг зв’язків по-винно залежати від значень вхідних даних, їх кількостіта кореляції. Нормалізація вхідних параметрів дозво-ляє уникнути залежності початкових ваг від значеньпараметрів вхідних даних і дозволяє вибирати ці зна-чення випадковим чином без додаткових умов. Крімцього, нормалізація вхідних даних дозволяє уникатизупинки навчання нейронної мережі в локальномумінімумі за рахунок центрування даних, що збільшуєточність навчання нейронної мережі.5. Вибір архітектури нейронної мережіАрхітектура нейронної мережі являє собою три і більшешарів нейронів: вхідний, внутрішній та вихідний.Кількість параметрів системи IPTV, які необхідноврахувати, визначатиме кількість входів нейронноїмережі (НМ). Нехай нам необхідно змоделювати сис-тему, де існує I значущих параметрів, що відповідає Iнейронам у вхідному шарі: x,...,xX I1∈ .

У задачах класифікації кількість нейронів у вихідномушарі відповідає кількості можливих класів, до якихможе належати об’єкт дослідження. При розглядізадачі визначення якості сприйняття як об’єкта досл-ідження був обраний метод MOS як метод суб’єктив-ної оцінки якості сприйняття в системі IPTV [1]. Даний

метод був обраний за умовою найбільш частого вико-ристання в літературі при публікації результатівсуб’єктивного тестування системи IPTV. Але дляпобудови системи визначення якості сприйняття всистемі IPTV вибір методу суб’єктивної оцінки якостівпливає тільки на топологію навченої нейронної ме-режі і не є обмежуючою умовою застосування мате-матичного апарату нейронних мереж. Таким чином,при використанні методу суб’єктивної оцінки якостіMOS вихідний шар розглянутої нейронної мережіповинен містити: O = 5 нейронів, один з яких врезультаті роботи системи приймає значення 1, арешта – 0.Теоретично нейронна мережа з одним внутрішнімшаром з достатньою кількістю нейронів здатна апрок-симувати будь-яку безперервну функцію. На практицінейронні мережі з одним або двома внутрішнімишарами показують хороші результати для більшостізавдань. Збільшення кількості внутрішніх шарів можепризводити до «перенавчання» мережі. «Перенавчан-ня» виникає, коли в ході навчання використовуєтьсявідносно менше число тестових даних, ніж кількістьпараметрів мережі, що змінюються при навчанні. Чимбільша кількість ваг зв’язків між нейронами у по-рівнняні з кількістю тестових даних, тим більшаймовірність, що система буде запам’ятовувати особ-ливості окремих експериментів, а не виділяти загаль-не правило. Тому рекомендується створювати ней-ронну мережу з одним-двома внутрішніми шарами.На даний момент не існує правила, що визначаєоптимальне число нейронів у внутрішньому шарі.Кількість нейронів у внутрішньому шарі визначаєтьсяекспериментально. В даний час відомі такі підходи.Мастерс [13] запропонував розраховувати кількістьнейронів у внутрішньому шарі для тришарової ме-режі, як mn)2...5,0( , де m – кількість вихіднихнейронів, n – кількість вхідних нейронів. Деякі авторипри виборі кількості нейронів у внутрішньому шаріорієнтуються на кількість нейронів тільки у вхідномушарі: Бейлі і Томпсон [15] пропонують використову-вати 0,75n число нейронів у внутрішньому шарі, тодіяк Катц [14] вважає, що оптимальна кількість нейроніву мережі може бути знайдена в межах (0,5,...,3)n .Необхідно також враховувати, що правила визначен-ня кількості нейронів у внутрішньому шарі справед-ливі для тих випадків, коли кількість тестових данихперевищує в 2 і більше разів кількість нейронів увнутрішньому шарі, що не призведе до «перенавчан-ня» нейронної мережі.Загальне правило при виборі кількості нейронів таке:вибрати найменшу можливу кількість нейронів у внут-рішньому шарі. При тестуванні ефективності навчаннянейронної мережі з різною кількістю нейронів у внут-рішньому шарі необхідно інші параметри мережі зали-шати незмінними, оскільки зміна інших параметрівможе призвести до створення нейронної мережі зіншою функцією помилки, що ускладнить вибіркількості нейронів у внутрішньому шарі.

18 РИ, 2013, 2

6. Модифікований метод вибору топологіївнутрішніх шарів нейронної мережі длястворення системи визначення якостісприйняття IPTVДля складних вихідних функцій, які мають кількавершин, обгрунтовано мати два внутрішніх шари зкількома нейронами. До такого типу відноситься іфункція якості сприйняття IPTV. В [16] було показано,що наявність двох нейронів у другому схованомушарі дозволяє апроксимувати функцію з двома вер-шинами. Кожен додатковий нейрон у другому схова-ному шарі дозволяє апроксимувати функцію з щебільшою кількістю вершин. При цьому загальнакількість нейронів у першому та другому внутрішнь-ому шарах буде менша, ніж для аналогічної нейронноїмережі з одним внутрішнім шаром. Але в той же час,якщо використовувати більшу кількість нейронів удругому схованому шарі, ніж необхідно для вихідноїфункції, це призведе до зупинки навчання в локально-му мінімумі або до великих часових витрат при на-вчанні.Оскільки вихідна функція в ідеальному випадку по-винна мати 5 вершин, що відповідає 5-бальній шкаліоцінки MOS, то найбільш ефективним буде викорис-тання 5 нейронів у другому схованому шарі.Розглянемо необхідну кількість нейронів у першомувнутрішньому шарі. Для цього розглянемо окремофункцію нейрона внутрішнього шару:

)xxx(h)x(h 332211 θ+θ+θ=′θ .

Вхід одного нейрона першого внутрішнього шару єлінійною комбінацією вхідних параметрів:

332211 xxxx θ+θ+θ=′ .

Таким чином, кожен з нейронів першого внутрішнь-ого шару являє собою функцію від значення лінійноїкомбінації вхідних нейронів. Вагові коефіцієнти міжвхідними нейронами і заданим нейроном першоговнутрішнього шару визначають, який з вхідних пара-метрів найбільш вплине на вихідне значення заданогонейрона внутрішнього шару. Тоді окремий нейронпершого внутрішнього шару можна розглядати якгрупування вхідних параметрів за певним критерієм.У даній роботі пропонується угруповання параметрів,схожих за типом впливу на систему, що дозволитьоб’єднати однорідні фактори в рамках однієї груповоїфункції.Шукана якість сприйняття в системі IPTV є суперпози-цією функцій впливу кожного з факторів. Пропонуєть-ся використовувати такий вираз, що враховує всігрупи факторів, які впливають на якість сприйняття:

)spTimeRe,Codec,EnvFact,Avail,TrPar(fQoE = ,

де TrPar – параметри транспортної мережі; Avail –параметри доступності сервісу; EnvFact – факторисередовища; Codec – параметри ефективності коду-вання / декодування; Re spTime – час відповідісервісу.

У табл. 2 наведені параметри, які відповідають кожнійз груп факторів.

Таблиця 2. Поділ параметрів системи IPTV на групи

Назва групи пара-метрів

Параметри

TrPar Cередня затримка пакета, варіація затримки пакета, рівень втрат пакетів, до-ступність шляху, час вда-лої установки з'єднання, час вдалого закінчення з'єднання, групова доступ-ність сервісу, рівень групо-вої втрати пакетів

Avail Доступність додатка, до-ступність серверів, доступ-ність функцій сервісу, навантаження додатка

EnvFact Навантаження процесора, кількість вільної оператив-ної пам'яті, наявність віль-ного простору на дискових ресурсах, швидкість запису / зчитування інформації на дискові пристрої

Codec Швидкість кодування, співвідношення сигнал / шум

spTimeRe Тривалість виконання ко-манди в інтерфейсі корис-тувача, перемикання кана-лу, час запуску сервісу, час підключення до мульти-каст каналу, інтервал за-тримки зупинки мульти-каст каналу, час відклю-чення від мультикаст кана-лу

Таким чином, при суб’єктивному тестуванні можебути використано від однієї до п’яти груп факторів.При розробці архітектури нейронної мережі, що вико-ристовує для навчання задану вибірку данихсуб’єктивного тестування, пропонується використо-вувати відповідну кількість нейронів у першому внут-рішньому шарі. Наприклад, за наявності параметрів зтрьох зазначених вище груп необхідно вибрати тринейрона в першому внутрішньому шарі.На підставі викладених пропозицій можна узагальни-ти модифікований метод вибору топології внутрішніхшарів:1. При розробці архітектури нейронної мережі длязабезпечення якості сприйняття системи IPTV виби-рається два внутрішніх шари: перший використо-

19РИ, 2013, 2

вується для групування вхідних параметрів за приро-дою їх впливу на систему, другий внутрішній шарвикористовується для найкращої апроксимації вихід-ної функції класифікації якості сприйняття.2. Кількість нейронів у першому внутрішньому шарівизначається кількістю груп параметрів, які бралиучасть у суб’єктивному тестуванні.3. Кількість нейронів у другому внутрішньому шарі -5, що відповідає 5-бальній шкалі оцінки MOS. Якщопри суб’єктивному тестуванні була використана іншашкала, то кількість нейронів у другому схованомушарі обирається відповідно.7. Аналіз ефективності навчання нейронноїмережі при використанні запропонованихмодифікованих методівДля аналізу ефективності навчання нейронної мережіз використанням модифікованих методів була вико-ристана нейронна мережа з такою архітектурою: 7вхідних нейронів, 2 нейрона в першому внутрішньомушарі, 5 нейронів у другому внутрішньому шарі, 5нейронів у вихідному шарі. Для доведення ефектив-ності модифікованого методу нормалізації вхіднихпараметрів нейронної мережі вказана мережа буланавчена на підставі суб’єктивних даних, опублікова-них в [17], без обробки і з використанням запропоно-ваного методу нормалізації вхідних параметрів. На-вчання відбувалося за методом зворотного поширен-ня помилки. Комп’ютерне моделювання нейронноїмережі було виконано за допомогою програмногозабезпечення Neuroph Studio.Параметри для методу зворотного поширення помил-ки були обрані емпірично за критерієм мінімальноїпомилки роботи нейронної мережі.Графік залежності помилки мережі від кількості іте-рацій навчання зображений на рис. 4.

Рис.4. Графік залежності помилки нейронної мережі відкількості ітерацій при її навчанні за допомогою ненор-

малізованої навчальної вибірки

Мінімальна помилка склала 45,0st =δ , що становить

%14,9%100545,0

st =⋅=ε .

Розглянемо навчання нейронної мережі 7-2-5-5 задопомогою нормалізованого набору параметрів суб-’єктивного тестування.Графік залежності помилки мережі від кількості іте-рацій навчання зображений на рис. 5.

Рис.5. Графік залежності помилки нейронної мережі відкількості ітерацій при її навчанні за допомогою нормал-

ізованої навчальної вибірки

У процесі навчання мінімальна помилка нейронноїмережі склала 1,0mod =δ , що становить

%2%10051,0

mod =⋅=ε .

Можна зробити висновок, що використання модиф-ікованого методу нормалізації вхідних параметрівдозволяє збільшити точність визначення якості

сприйняття в системі IPTV на %14,7modst =ε−ε .Дані результати показують ефективність запропоно-ваних модифікацій для створення системи визна-чення якості сприйняття IPTV на підставі нейронноїмережі прямого поширення зі зворотним поширен-ням помилок.Для аналізу ефективності застосування модифіко-ваного методу вибору топології внутрішніх шарівНМ було прийнято рішення про порівняння швид-кості навчання НМ з архітектурою 7-2-5-5, обраноюза допомогою запропонованого методу, і НМ зархітектурою 7-6-5, обраною згідно з існуючимиметодиками побудови НМ для задач класифікації.Обидві НМ були навчені методом зворотного поши-рення помилки.Ефективність навчання в даному випадку визна-чається на підставі порівняння кількості операцій,необхідних для досягнення заданого показника по-милки НМ: 2,0=δ .

При навчанні НМ з архітектурою 7-6-5 був досягну-

тий заданий показник помилки за 350N 567 =−− іте-рацій. Графік залежності помилки мережі від кількостіітерацій навчання зображений на рис. 6.

20 РИ, 2013, 2

Рис. 6. Графік залежності помилки мережі від кількостіітерацій навчання НМ з архітектурою 7-6-5

Отримана НМ після навчання має вигляд, показанийна рис. 7.

Рис. 7. НМ з архітектурою 7-6-5 після навчання

При навчанні НМ з архітектурою 7-2-5-5 був досягну-тий заданий показник помилки за 257N 5527 =−−−

ітерацій. Графік залежності помилки мережі відкількості ітерацій навчання зображений на рис. 8.

Рис. 8. Графік залежності помилки мережі від кількостіітерацій навчання НМ з архітектурою 7-2-5-5

Отримана НМ після навчання має вигляд, показанийна рис. 9.

Рис. 9. НМ з архітектурою 7-2-5-5 після навчання

Знайдемо виграш при використанні модифікованогометоду вибору топології НМ, який запропонований вданій роботі:

%5,26350

257350%100N

NN

567

5527567 =−=⋅−=∆−−

−−−−−

На підставі наведеного аналізу можна зробити висно-вок про ефективність використання модифікованогометоду вибору топології НМ при створенні системиоцінки якості сприйняття IPTV.ВисновкиВперше запропоновані модифікований метод нормал-ізації вхідних параметрів нейронної мережі і модифіко-ваний метод вибору топології внутрішніх шарів ней-ронної мережі для створення системи визначенняякості сприйняття IPTV.Було показано, що дані методи дозволяють збільшитиефективність навчання нейронної мережі за рахунок:а) збільшення точності оцінки якості сприйняття на7,14%;б) зменшення часу навчання нейронної мережі на26,5%;в) спрощення вибір початкових вагових коефіцієнтівпри навчанні мережі.Таким чином, застосування запропонованих методівє доцільним та ефективним при створенні системивизначення якості сприйняття IPTV послуги.Література: 1. ITU-T P.800 : Methods for subjectivedetermination of transmission quality. 2. Serpico S.B.,Bruzzone L., Roli F. An experimental comparison of neuraland statistical non-parametric algorithms for supervisedclassification of remote sensing images. Pattern RecognitionLetters, 1996, 17(13). Р. 1331-1341. 3. Kanellopoulos I.,Wilkinson G.G.,1997. Strategies and best practice for neuralnetwork image classification. International Journal of RemoteSensing, 18(4). Р. 711-725. 4. Cybenko G. “Approximation bysuperpositions of a sigmoidal function” Math. Contr. SignalsSyst., 1989. Vol.2. Р. 303-314, 5. Devijer P.A., Kittler J. PatternRecognition: A Statistical Approach Engelwood Cliffs,NJ:Prentice-Hall, 1982. 6. Richard M.D., Lippmann R.“NeuralNetwork classifiers estimate Bayesian a posterioriprobabilities” Neural Comput., 1991. Vol.3. Р. 461-482. 7.Iebeling Kaastra, Milton Boyd. Designing a neural network

21РИ, 2013, 2

for forecasting financial and economic time series.Neurocomputing, issue 10, 1996. 8.TR-126 Triple-play ServicesQuality of Experience (QoE) Requirements. 9. Cardell N.S.,Joerding W., and Li Y. (1994), “Why Some FeedforwardNetworks Cannot Learn Some Polynomials,” NeuralComputation, 6, 761-766. 10. Flake G.W. (1998), “Square unitaugmented, radially extended, multilayer perceptrons,” in Orrand Mueller (1998). Р. 145-163. 11. Orr G.B., and K. R. Muellereds. (1998), Neural Networks: Tricks of the Trade, Berlin:Springer, ISBN 3-540-65311-2. 12. Reed R.D., and Marks R.J.,II (1999), Neural Smithing: Supervised Learning in FeedforwardArtificial Neural Networks, Cambridge, MA: The MIT Press.13. Masters T. Practical Neural Network Recipes in C++.Academic Press, New York, 1993. 14. Рекомендация МСЭ-Т Y.1541 « Требования к сетевым показателям качествадля служб, основанных на протоколе IP», 2006. 15. BailyD., Thompson D.M. Developing neural network applications,

AI Expert, 1990, pp. 33-41. 16. Bishop C.M. (1995), NeuralNetworks for Pattern Recognition, Oxford: Oxford UniversityPress. 17. VQEG, “Final report from the Video Quality ExpertsGroup on the validation of reduced-reference and no-referenceobjective models for standard definition television, Phase I,”June 2009, available at http://www.vqeg.org/.

Надійшла до редколегії 17.06.2013

Рецензент: д-р техн. наук, проф. Безрук В. М.

Сундучков Костянтин Станіславович, д-р техн.наук,проф., заступник директора з наукової роботи НДІТ НТУУ«КПІ». E-mail: k.sunduchkov@gmail.com, тел. (044) 4068299.

Кобзар Людмила Сергіївна, аспірантка, Інститут телеко-мунікаційних систем НТУУ «КПІ». E-mail:l.s.kobzar@gmail.com, тел. (063) 2103216.

22 РИ, 2013, 2

СИСТЕМЫ ИПРОЦЕССЫУПРАВЛЕНИЯУДК 629.13

ДВИЖЕНИЕ КОСМИЧЕСКОГОАППАРАТА НА ОСНОВЕ МОДУЛЯЦИИКРИВИЗНЫ ПРОСТРАНСТВА

КАЧУР С.А.

Предлагаются модель двойной системы черных дыр срадиопульсаром и метод определения траектории движе-ния космического аппарата вблизи этой системы, а такжемодель системы модуляции кривизны пространства вземных условиях на основе двух ядерных реакторов иэлектромагнитного излучателя.

1. Введение и постановка задачиО геометрии мира впервые сказал А.А. Фридман.Вопросам искривления пространства он посвятил не-сколько работ: «О кривизне пространства» (1922),«Мир как пространство и время» (1923), «О возмож-ности мира с постоянной отрицательной кривизной»(1924). Ведутся поиски естественных пространствен-но-временных «коридоров» или «туннелей». Однакопредставляется, что такие «коридоры» предназначеныне для космического аппарата (КА) и разрушительныдля него.В настоящее время все полеты КА в Солнечной сис-теме осуществляются с применением пертурбацион-ного маневра. Это специальный маневр, используе-мый для разгона или изменения траектории полетакосмического аппарата. Для проведения пертурбаци-онного маневра используется сочетание одновремен-ного воздействия гравитационных полей небесныхтел на космический аппарат и импульс ракетногодвигателя самого космического аппарата. Такой ма-невр впервые предложил осуществлять при косми-ческих полетах Ю. В. Кондратюк в работах «Тем, ктобудет читать, чтобы строить» (1919), «Завоеваниемежпланетных пространств» (1929).С точки зрения изменения кривизны пространстванаибольший интерес представляют необычные свой-ства вращающихся черных дыр. Из эргосферы такойдыры можно извлекать энергию, в сотни раз превос-ходящую эффективность выделения энергии при тер-моядерных реакциях. На рис.1 представлено изобра-жение вращающейся черной дыры в разрезе. Слева:горизонт событий окружен эргосферой, в которойтела, частицы и фотоны непрерывно двигаются, под-хваченные вихревым гравитационным полем чернойдыры. Справа: луч света, проходящий вблизи враща-ющейся черной дыры, изменяет свое движение.

Наиболее перспективным является модуляция про-странства на основе двойной системы черных дыр срадиопульсаром. Однако радиопульсары со спутни-ками – черными дырами пока не открыты. Теорияпредсказывает, что на каждую тысячу радиопульса-ров должен приходиться один пульсар в паре с чернойдырой [1].

Рис.1. Схематическое изображение вращающейсячерной дыры в разрезе

Одна из задач ближайшего будущего – обнаружениеи исследование движения радиопульсаров в двойныхсистемах с черными дырами. Для этого необходимаразработка моделей такого рода объектов и новыхподходов в целях повышения эффективности исполь-зования энергии космических объектов.Черная дыра – космический объект, возникающий врезультате сжатия тела гравитационными силами доразмеров, равных его гравитационному радиусу (длявнешнего наблюдателя). У черной дыры имеются трихарактеристики: масса, угловой момент и электричес-кий заряд. Лучи света вблизи черной дыры загибают-ся, двигаются по круговым траекториям и даже заса-сываются в черную дыру (рис.2).

Рис. 2. Лучи света вблизи черной дыры

Представляется, что реликтовое излучение – равно-мерно распределенное во Вселенной электромагнит-ное излучение. Свойства двойной системы, компо-нентами которой являются две черные дыры с радио-пульсаром на орбите, определяют возможность моду-ляции пространства для КА. При реализации это при-ведет к маневру на основе электромагнитных полей иизлучений. Назовем такой маневр электромагнитным.Электромагнитный маневр – это маневр, использую-щий эффект искривления пространства в результате

23РИ, 2013, 2

взаимодействия электромагнитных полей космичес-ких объектов с электромагнитным полем КА. Одно-временное использование кривизны пространства игравитационных полей превзойдет в разы эффектыприменения этих маневров независимо.Цель работы – создание метода определения траек-тории движения КА на основе электромагнитногоманевра.Для описания электромагнитного маневра вблизидвойной системы черных дыр с пульсаром опишемгипотетическую схему строения такого объекта ипредставим имитационную модель такой структурыдля реализации модуляции кривизны пространства вземных условиях.2. Гипотетическая схема двойной системычерных дыр с пульсаром и модуляцииискривления пространства для КАПредставляется, что схема движения двух черныхдыр Р1 и Р2 с пульсаром П на орбите может бытьпредставлена рис. 3. Ось вращения системы проходитчерез центр (точка О) и перпендикулярна к плоскостирисунка. Штрих-пунктирной линией обозначена тра-ектория движения радио пульсара, описывающая вок-руг каждой черной дыры ее зргосферу. Вращательноедвижение этих двух сфер создают эргосферу систе-мы, которая определена на рис.3 внешней окружнос-тью. Исходя из предложенной модели строения систе-мы, со стороны внешнего наблюдателя такая системане отличается от черной дыры.

Рис.3. Гипотетическая схема строения двойной систе-мы черных дыр с радиопульсаром

В процессе перетекания массы от черной дыры Р2 к Р1радиопульсар П перемещается из нижней части схе-мы в верхнюю, т.е из точки В в точку О. В точке Омасса черной дыры Р2 становится равной нулю, массаР1 – суммарной массе системы. При перемещениирадиопульсара из точки О в точку А перетекание массотсутствует. В случае движения радиопульсара из А вВ процесс перетекания массы повторяется в обратномнаправлении от Р1 к Р2 на участке (АО) с последую-

щей паузой на участке (ОВ). Таким образом, направ-ление движения пульсара соответствует направлениюперетекания массы. Фазы перетекания массы череду-ются с фазами покоя.При движении пульсара по направлению (ВО) изме-нение значений масс черных дыр можно описатьгармоническим осциллятором следующими форму-лами:

)cos1(ММ 2max2 γ−= , (1)

γ= 2max1 cosММ , (2)

где М1, М2 – массы соответственно черных дыр Р1 иР2 ; Мmax – суммарная масса двойной системы черныхдыр; γ – угол между направлением от точки В допульсара и осью АВ.При движении пульсара по направлению (АО) массаР1 определяется по формуле (1), а масса Р2 – поформуле (2).Положению пульсара на плоскости (D1DD2) или(Е1ЕЕ2), при котором β =45°, α =90°, соответствуетсоотношение масс черных дыр 1:1. Масса пульсараопределяется в этом граничном состоянии из соотно-шений между массами небесных тел и расстояниямимежду ними (FD), (FЕ) и (DЕ):

221

22П

22П

R4MgM

R5MgМ

RMgМ

=+ , (3)

2/MMM max21 == , (4)

где МП – масса пульсара; R – радиус эргосферычерных дыр; g – постоянная гравитации.В результате несложных преобразований формул (3),(4) получим

maxmaxП М1,0М6,9

1М ≈= . (5)

Можно предположить, что исходными параметрамидля определения изменения кривизны пространствавблизи двойной системы являются: суммарная массасистемы Мmax; радиус орбиты пульсара R; предельнаячастота излучения dω , соответствующая полной акк-реции на одну из черных дыр; время иррегулярногоизменения излучения ld; доля истекающей массы поотношению к полной массе объекта dβ .

Поскольку в дальнейшем для построения системымодуляции пространства в земных условиях будетрассматриваться в качестве аналога черной дырыядерный реактор, последние три параметра определе-ны по аналогии со следующими параметрами ядерно-го реактора: ω – частота изменения реактивности; l –время жизни мгновенных нейтроновβ – доля всехзапаздывающих нейтронов по отношению к полномучислу нейронов.

24 РИ, 2013, 2

По аналогии с ядерным реактором нулевой мощностив области высоких частот [2] коэффициент усилениядвойной системы черных дыр при нахождении пуль-сара в точке О можно определить по формуле

1ddd )l(K −ω= . (6)

Коэффициент усиления K1 в случае нахождения пуль-сара в произвольной точке F во время фазы перетека-ния массы определяется следующим образом:

d11 l

1Kω

= , (7)

d1 Zω=ω , (8)

FDFE

Z = , (9)

где |FD| и |FE| – расстояния от пульсара до соответ-ственно черных дыр Р1 и Р2.С учетом Доплер-эффекта вещества (топлива), ис-пользуя вывод для ядерного реактора, приведенный в[3], запишем формулу расчета коэффициента искрив-ления пространства:

2

1d

)101

1(1

1k

ωβ+−

= . (10)

Учитывая, что скорость распространения электромаг-нитных волн равна скорости света с, а длина волныдолжна соответствовать расстоянию между центрамичерных дыр, частота пульсара определяется по фор-муле

R2с

П =ω . (11)

Модуляция кривизны пространства осуществляется вфазе перетекания энергии (массы) за счет изменениячастоты излучения 1ω , которое определяется положе-нием пульсара.3. Метод построения траектории движения КАвблизи двойной системы черных дырОпределим траекторию полета космического аппара-та и требуемые значения его параметров для прохож-дения через двойную систему черных дыр с пульса-ром в фазе искривления пространства. Наиболее бе-зопасным для КА является положение пульсара при

o45=α .

Рассмотрим траекторию движения КА (рис.4). Дви-жение КА в искривленном пространстве начинается вточке А, отстоящей от центра двойной системы (точкаО) на расстояние L1:

kR2L1 = . (12)

Пространство расширяется с коэффициентом k доуровня (скорость КА на участке (ВСВ) равна) срасстоянием (АK):

kRL 2 = . (13)

На интервале (SВС) движение происходит без искрив-ления пространства. На интервале (СВ) наступаетсжатие пространства с коэффициентом k. При выходеиз петли (ВСВ) КА возвращается в исходное про-странство с коэффициентом кривизны, равным 1, чтосоответствует участку траектории (BDEA). Радиуссферы (ОЕ), определяющий границу искривленияпространства, равен kR.

Рис.4. Траектория движения КА вблизи двойнойсистемы черных дыр с радиопульсаром

Для того чтобы КА мог осуществить движение поописанной траектории, значения его параметров дол-жны удовлетворять следующим условиям.1. КА должен иметь ретранслятор энергии, работаю-щий на частотах 1ω и Пω . Вопросы ретрансляцииэнергии для ядерного реактора вблизи мгновеннойкритичности рассмотрены в работах [4, 5].2. Скорость КА на участке (ВСВ) не должна превы-шать Z(м/с), где Z определяется по формуле (9). Этоусловие рассмотрено в [3] при сжатии пространства

d1)с(

КА lcV ω= . (14)

3. Скорость КА на участке (АS) не должна превышать

)с(КА

)p(KA kVV = . (15)

4. Максимальная масса КА определяется для егоположения в точке F из соотношения

25РИ, 2013, 2

221

2ПКА

22КА

)R2(MgM

)2/R(MgkМ

)2/R(MgkМ

=+ , (16)

При о45=α М2 ≈ 0,08Мmax, МП ≈ 0,104Мmax. При-нимая, что М2 ≈МП=0,1 Мmax, из соотношения (16)получим

kМ028,0

М maxКА = . (17)

5. При попадании в петлю сжатия КА должен поднять-ся над плоскостью, в которой находятся П, Р1 и Р2, нарасстояние h:

)2/(tgkRh γ= . (18)

6. Время пребывания КА в каждой из четырех фазискривления пространства: 1) расширение (участоктраектории (АS)); 2) пауза (участок траектории (SВС)),для которой искривление пространства отсутствует;3) сжатие (участок траектории (СВ)); 4) восстановле-ние (участок траектории (ВDEA)).Соотношение времени для различных фаз в нашем(Т1) и искривленном (Т2) пространстве представим вследующем виде:

Т1 — τ : τ - τ /k : τ /k : 2 τ ,

Т2 — τ /k : τ - τ /k : τ : 2 τ .

Величина временного интервала τ определяетсякак базисная из анализа сжатия в соответствии сформулой

)c(KAVRk=τ . (19)

Период модуляции пространства равен

τ= 4Т . (20)

Модуляция кривизны пространства КА заключаетсяв изменении частот ретранслятора в соответствии сизменением положения радиопульсара и коррекциейскорости полета в зависимости от кривизны про-странства.Реальное искривление пространства производит двой-ная система черных дыр с радиопульсаром, но воз-можность попасть в это пространство определяет КАи таким образом модулирует кривизну своего про-странства, осуществляя электромагнитный маневр.4. Модель системы модуляции кривизныпространства в земных условияхОпределим структуру системы, имитирующей ис-кривление пространства двойной системой черныхдыр с радиопульсаром. В состав имитирующей сис-темы входят: реактор Р1, реактор Р2, излучательэлектромагнитных волн П, движущийся объект.

Схема расположения компонентов системы соответ-ствует рис.4. Для положения излучателя о45=α . Всоставе ядерного топлива содержится 239Pu, β =0,0021,время жизни мгновенных нейтронов l=10-8с.Запуск двойной системы реакторов осуществляетсявнешним электромагнитным воздействием. Минималь-ная частота внешнего воздействия соответствует мак-симальной длине волн реликтового излучения( λ =1,5мм), которое является равномерно распреде-ленным во Вселенной электромагнитным излучени-ем. При расчете используется известная формула [6]

λ=ω с

min.вн . (21)

Применив передаточную функцию реактора для рас-чета коэффициента усиления K, определим запускаю-щую частоту конкретного реактора при условии, чтоK=1/с=1/3.108, по следующей формуле:

lс

вн =ω . (22)

Максимальное расстояние Lвн.max от запускающеговнешнего излучателя до реактора Р1 определяется изсоотношения [6] (частота указана в рад/с)

сn

L max.внmax.вн =π

ω, n=1, 2, 3…3.108. (23)

Исходными параметрами модели системы являются:1) радиус R=500м; 2) суммарная масса ядерноготоплива реакторов Мmax=20т; 3) минимальная частотаизменения реактивности ω=0,3(3)Гц.

Определим параметры системы модуляции простран-ства.1. Коэффициент асимметрии в соответствии с форму-лой (9): Z =1,47.2. Частота изменения реактивности в соответствии с

формулой (8): 1ω =0,49Гц.

3. Коэффициент искривления пространства в соответ-ствии с формулой (10): k=7,024.4. Массы компонентов системы в соответствии сформулами (2), (1), (5): М1=18,4т, М2=1,6т, МП=2т.5. Частота электромагнитного излучателя в соответ-ствии с формулой (11): Пω =3.105 Гц.

6. Минимальная частота запускающего внешнего элек-тромагнитного излучения в соответствии с формулой(21): ω вн.min=2.1011 Гц.

7. Максимальное расстояние от запускающего внеш-него излучателя до реактора Р1 в соответствии сформулой (23): Lвн=2,25.105м.Определим параметры движущегося объекта.1. Скорость объекта на участке сжатия в соответствиис формулой (14): V(c)= 1,47 м/с.

26 РИ, 2013, 2

2. Скорость объекта на участке расширения в соответ-ствии с формулой (15): V(р)= 10,3 м/с.3. Масса объекта в соответствии с формулой (17):Мо=79,7кг.4. Высота поднятия объекта относительно плоскостиреактора и излучателя в соответствии с формулой(18): h=18,5м.5. Частоты электромагнитного излучения: 0,49Гц и3.105 Гц.Определим параметры траектории и время движенияобъекта.1. Расстояние от объекта до центра двойной системыреакторов в соответствии с формулой (12):L1=14,048км.2. Расстояние от объекта до границы области расши-рения в соответствии с формулой (12): L2=7,024км.3. Соотношение времени для различных фаз в нашемТ1 и искривленном Т2 пространстве в соответствии сформулой (19):

Т1 — 40мин. : 34,3мин. : 5,7мин. : 1ч 20мин.,Т2 — 5,7 мин. : 34,3мин. : 40мин. : 1ч 20мин.

4. Период модуляции пространства в соответствии сформулой (20): Т=2ч 40мин.Движущимся объектом в рассмотренной модели си-стемы модуляции пространства на первый взглядможет быть человек, но в этом случае частоты элек-тромагнитных излучений мозга человека должны со-ответствовать 0,49Гц и 3.105 Гц. Кроме того, в работе[5] показано, что запускающий излучатель, функцио-нирующий на частотах порядка 1012Гц при воздей-ствии на реактор, можно представить в виде эквива-лентной схемы, включающей два излучателя: высо-

кочастотный излучатель на частоте 3.105Гц ( 1ω ) инизкочастотный излучатель на частоте 3,3.10-2Гц ( ω 2).Низкочастотный излучатель является скрытым, по-скольку минимальное расстояние от него до реакторасоставляет в соответствии с (23) 4,2.109 м. В этомслучае сердце человека должно иметь способностьработать с частотой 2 удара/мин. Указанные парамет-ры зависят от индивидуума. Поскольку природа чело-века не известна, необходима разработка индивиду-альных средств защиты при изучении пространствен-но-временных явлений.5. ЗаключениеТеоретическая новизна. Предложены модель двой-ной системы черных дыр с радиопульсаром и методопределения траектории движения космического ап-парата вблизи этой системы. Введено понятие элект-ромагнитного маневра, позволяющего использоватькосмическим аппаратом пространственно-временные

изменения вблизи двойных систем черных дыр. Опре-делены условия, при которых КА может совершатьперемещение во времени и пространстве. Дано поня-тие модуляции кривизны пространства КА, котораязаключается в изменении частот ретранслятора КА всоответствии с изменением положения радиопульса-ра и коррекцией скорости полета в зависимости откривизны пространства.Разработана модель системы модуляции кривизныпространства в земных условиях на основе двухядерных реакторов и электромагнитного излучателя.Практическая значимость. Использование предло-женной модели двойной системы черных дыр с ра-диопульсаром направлено на повышение эффектив-ности исследования космических объектов, расши-рение возможностей освоения космоса, разработкумоделей и методов построения траектории межгалак-тических полетов. Применение в земных условияхсистем модуляции кривизны пространства позволитвыйти на новый уровень использования и управленияэнергией электромагнитных полей.Основной проблемой электромагнитного управленияи модуляции кривизны пространства, которой не уде-ляется должного внимания, является обеспечение бе-зопасности человека в случае электромагнитноговоздействия и изменения пространственно-времен-ных характеристик. Кроме того, необходимо проведе-ние работ по созданию ретранслятора энергии, рабо-тающего на частотах искривления пространства.Литература: 1. Черепащук А.М., Чернин А.Д. Вселенная,жизнь, черные дыры. Фрязиво: Век 2, 2007. 320 с. 2. Еме-льянов И.Я., Ефанов А.И., Константинов Л.В. Научно-технические основы управления ядерными реакторами.М.: Энергоиздат, 1981. 360с. 3. Качур С.А. Модель движе-ния космического аппарата при межгалактических поле-тах и теория космического реактора// Радиоэлектроникаи информатика. 2012. 2. С.43-49. 4. Качур С.А. Управле-ние ядерным реактором посредством внешнего электро-магнитного излучения// Пром. теплотехника. 2012. Т.34,4. С.39-43. 5. Качур С.А. Ретрансляция энергии ядерногореактора вблизи мгновенной критичности// Пром. тепло-техника. 2013. Т.35. 2. С.37-42. 6. Бутиков Е.И., БыковА.А., Кондратьев А.С. Физика. М.:Наука,1979. 608с.

Поступила в редколлегию 26.04.2013

Рецензент: д-р техн. наук, проф. Копп В.Я.

Качур Светлана Александровна, канд. техн. наук, доценткафедры автоматизации технологических процессов ипроизводств Севастопольского национального универ-ситета ядерной энергии и промышленности. Научныеинтересы: сети Петри, моделирование, управление слож-ными техническими системами, системный анализ слож-ных систем управления, безопасность управления реак-торными установками. Адрес: Украина, 99029, Севасто-поль, Пр. Острякова, 74-9,(0692) 57-09-92, 0934310286.

27РИ, 2013, 2

УДК 519.216

ОБ ОДНОМ КЛАССЕНЕСТАЦИОНАРНЫХ СЛУЧАЙНЫХПРОЦЕССОВ

КОРОБСКАЯ А. В.

Описывается один класс эволюционно представимых не-стационарных случайных процессов в рамках гильберто-ва подхода к корреляционной теории случайных процес-сов. Вычисление инфинитезимальной корреляционнойфункции, описывающей отклонение случайного процес-са от стационарного, осуществляется при помощи ре-зольвенты оператора, дающего эволюционное представ-ление. При этом используются треугольные модели дис-сипативных операторов.

ВведениеВ [1] был введен класс так называемых эволюционнопредставимых нестационарных процессов, для кото-рых при вложении в гильбертово пространство соот-ветствующая кривая является решением задачи Коши.Для таких процессов в [1] была установлена теснаясвязь со спектральной теорией несамосопряженныхили неунитарных операторов. В дальнейшем подход,предложенный в [1], привлек внимание широкогокруга исследователей [2-6]. Однако эволюционнопредставимые процессы, порождаемые задачей Кошис оператором, который является самосопряженнымвозмущением оператора Вольтерра, не изучались.Поэтому возникает необходимость в расширении клас-са нестационарных случайных процессов в рамкахкорреляционной теории.Целью исследования является изучение одного клас-са нестационарных случайных процессов и получе-ние канонического представления для инфинитези-мальной корреляционной функции.Задача исследования состоит в решении задачи Кошидля соответствующего эволюционно представимогодиссипативного процесса первого ранга нестацио-нарности в случае, когда рассматривается самосоп-ряженное возмущение оператора Вольтерра.Постановка задачиВ работе изучаются случайные процессы, оператор-ное представление которых порождается операторами

в [ ]l;0L2 вида ∫+α=l

x

dy)y(fi)x(f)x()x)(Af( ,

где )x()x( α=α . Соответствующая кривая )x,t(ξ в

[ ]l;0L2 имеет вид )x(e)x,t( 0iAtξ=ξ , т. е. является

решением задачи Коши:

⎪⎩

⎪⎨

⎧

=ξ

ξ+ξα=∂

ξ∂∫

).x(f)x,0(

dy)y,t(i)x,t()x(t

)x,t(

0

l

x , (1)

Решение . Включим оператор A в операторный ком-плекс

∫+α==l

x

dy)y,t(fi)x,t(f)x(Af(K ,

[ ] )1J ,1)x(g ,l;0L2 =≡ .

Поскольку все характеристики нестационарности тес-но связаны с однопараметрической полугруппой опе-раторов iAte )AA( *≠ , то можно вычислить непос-редственно )x(fe)x,t( 0

iAt=ξ , воспользовавшись

представлением iAte в виде

λλ−π

−= ∫γ

−λ d)IA(ei2

1e 1itiAt , где γ – контур,

охватывающий спектр оператора A , или решая зада-чу Коши (1).Найдем резольвенту и полугруппу для треугольноймодели оператора (1), когда (1) имеет вид:

∫+=l

xtxx dtfixfAf .

Вычислим резольвенту 1)IA(R −λ λ−= оператораA

и пусть hf)IA( 1 =λ− − , тогда

∫+λ−=l

xtxx dthih)x(f .

Сделаем замену xx h)x(G λ−= и перепишем эторавенство в виде

∫ λ−+=

l

x

txx dt

tG

iGf .

После дифференцирования получим задачу Коши

⎪⎩

⎪⎨⎧

=

′=λ−

−′

ll

xx

fG

fxG

iG ,

. (2)

Легко проверить, что функция

dtf)t()x(

)l()l(f)x(G

l

xti

i

ii

x ∫ ′λ−λ−−

λ−λ−=

является решением задачи Коши (2).Получаем, что

dtf)t()x(

)l()l(f)x(h

l

xti

1i

i1i

x ∫ ′λ−λ−−

λ−λ−=

−−

.

Таким образом, резольвента 1)IA(R −λ λ−= опе-

ратора ∫+=l

xtxx dtfixfAf , действующего в про-

странстве [ ]l;0L2 , имеет вид:

28 РИ, 2013, 2

dtf)t()x(

)l()l(f)x()x(f)A(R

l

xti

1i

i1i ∫ ′

λ−λ−−

λ−λ−=

−−

λ .

Воспользуемся формулой контурного интегрирова-

ния для вычисления полугруппы itAt ez = . Как изве-

стно [3]:

∫γ

λ− λλ−π

−= de)IA(i2

1e ti1itA.

Тогда для )x(fe)x,t( itA=ξ получим:

∫γ

−λ −λ−

λ−π

−=ξ i1iit

)l()l(f)x((e

i21)x,t(

=λ′λ−

λ−− ∫−

d)duf)u(

)x(l

xui

1i

∫γ

λ +−λ

λ−λ−λ

π=

xd)l(f)

lx(e

i21 iit

du)x

d)u()x(e

i21(f i

iti

l

xu −λ

λ−λ−λ

π−′+ ∫∫

γ

λ.

Вычислим интеграл

=−λλ

−λ−λ

π− ∫

γ

λ

xde)

ux(

i21 tii

=−λλ

−λ−+

π−= ∫

γ

−λ

xd)

xux1(e

i21 iti

∫γ

λ +−λ−⋅−−−+

−λ−−

π−= 2

2ti

)x()ux(

!2)1i)(i(

xuxi1(e

i21

=−λλ+

−λ−⋅−−−−−+

xd...)

)x()ux(

!3)2i)(1i)(i(

3

3

+−⋅++−⋅+= 222

2itx )xu(t

)!2(i)1i(i)xu(t

!1ii1(e

...))xu(t)!3(

i)2i)(1i(i 332

3

+−⋅+++ .

Перепишем выражение в скобках как сумму:

∑=

⋅⋅⋅−n

0kk2

k

i)!k(

)it)xu((, (3)

где )1ki)...(1i(ii k −++= .

Данный ряд сходится, так как

!k)1k1(...21i k ≤−+⋅⋅⋅≤ ,

а ряд ∑=

⋅⋅−n

0k2

k

)!k(ti)xu(

сходится при любом x , ξ и

t , потому что радиус его сходимости ∞=R .

Данная сумма (3) является разложением в ряд вырож-денной гипергеометрической функции [5]:

( ) ∑∞

⋅γα

=γα0 k

kk

!k)(z)(

z,,F ,

где для нашего случая )xu(itz −= , kk i)( =α ,!k)( k =γ . Тогда имеем

))xu(it,!k,i(F)z,,(F k −=γαи справедлива следующая теорема.Теорема 1. Если оператор, действующий в про-странстве [ ]l,0L2 , имеет вид:

∫+=l

xtxx dtfixfAf ,

то

−−⋅⋅−==ξ ))xl(it,!k,i(F)l(fe)x(fe)x,t( kitxitA

duf))xu(it,!k,i(Fe uk

l

x

itx ′−⋅− ∫ ,

где [ ]l,0L)x(f 2∈ , а ))xu(it,!k,i(F k − имеет вид:

k

n

0k2

k

k i)!k(

)it)xu(())xu(it,!k,i(F ⋅−=− ∑=

, (4)

здесь ( ]l;xu ∈ .

Перейдем к общему случаю. Этот подход был предло-жен для рассматриваемого оператора В. А. Золотаре-вым. Пусть оператор A имеет вид:

∫+α=l

xtx dtfif)x(Af .

Вычислим резольвенту 1)IA(R −λ λ−= оператора

A и пусть hf)IA( 1 =λ− − . Тогда

x

l

xtx fdthih))x(( =+λ−α ∫ .

После замены )x(ydthl

xt =∫ получим задачу Коши:

⎪⎩

⎪⎨

⎧

=λ−α

−=λ−α

−′

0)l(y)x(

)x(fy)x(iy .

29РИ, 2013, 2

Функция ∫

=β

λ−βα−

l

x

d)(i

cey является решением одно-родного уравнения, а решение задачи Коши имеетвид:

+λ−α

−=′−=λ− −

)x()x(fyf)IA( 1

=∫

⋅λ−α

⋅⋅∫

⋅λ−α

+β

λ−βαβ

λ−βα−

∫ due)u(

)u(fie)x(1

l

u

l

x

d)(il

x

d)(i

⋅λ−α

+∫

λ−α−=

βλ−βα

−

)x(1e

)x()l(f

l

x

d)(i

.due)u(f

u

x

d)(il

x

∫⋅′⋅

βλ−βα

−

∫

Вычислим fz t :

−λ∫

α−λπ−==ξ ∫

γ

λβ

βα−λ dee)x(

)l(fi2

1fz)x,t( itd

)(i

t

l

x

λλ−α

′⋅∫

π−

λ

γ

ββα−λ

∫ ∫ d)x(

e du )u(fei2

1 itl

x

d)(

iu

x , (5)

где ( ]l;xu ∈ .

Отметим, что при ul = :

=λ∫

α−λπ− ∫

γ

βα−λβ

λ

de)x(

ei2

1l

x)(

diit

λ∫

α−λπ−= ∫

γ

βα−λβ

λ

de)x(

ei2

1u

x)(

diit

. (6)

Разложим ∫ βα−λ

βu

x)(

di

e в степенной ряд и перепишем (6)в виде:

=λ∫

α−λπ− ∫

γ

βα−λβ

λ

de)x(

ei2

1u

x)(

diit

−λβα−λ

βα−λπ⋅

−= ∫∫γ

λα d

)(d

)x(e

i2)!1(ie

u

x

it)x(it

...d))(

d()x(

ei2)!2(

i 2u

x

it2

−λβα−λ

βα−λπ⋅

− ∫∫γ

λ

, (7)

где ( ]l;xu ∈ .

Преобразуем слагаемые (7) с помощью интегральнойформулы Коши [3]:

)x(itit

0 ed)x(

ei2

1I α

γ

λ

=λα−λπ

−= ∫ ;

=λβα−λα−λ

βπ

−= ∫∫γ

λ

d))())(x((

edi2

iIitu

x1

( ) ( )

∫ βα−βα

+βα−α

=βααu

x

itxit

d)))x()((

e))()x((

e(i ;

∫∫ ⋅π⋅

−=1t

x2

u

x1

2

2 dtdti2)!2(

iI

=λα−λα−λα−λ

⋅ ∫γ

λ

d))t())(t())(x((

e

21

it

+α−αα−α

=α

∫∫ ))t()x())(t()x((e(dtdt

)!2(i

21

)x(itt

x2

u

x1

2 1

+α−αα−α

+α

))t()t())(x()t((e

211

)t(it 1

)))t()t())(x()t((

e

122

)t(it 2

α−αα−α+

α

.

Учитывая полученную закономерность, выписываем nI :

⋅−= ∫∫∫−1n1 t

xn

t

x2

u

x1

n

n dt...dtdt)!n(

iI

+α−α⋅⋅α−α

⋅α

))t()x((...))t()x((e(

n1

)x(it

++α−α⋅⋅α−α⋅α−α

+α

...))t()t((...))t()t(())x()t((

e

n1211

)t(it 1

)))t()t((...))t()t(())x()t((

e

1nn1nn

)t(it n

−

α

α−α⋅⋅α−α⋅α−α+ .

(8)Тогда (5) примет вид:

−λ∫

α−λπ−⋅=ξ ∫

γ

ββα−λ

λ

de)x(

ei2

1)l(f)x,t(

l

x

d)(

iit

=λ∫

α−λπ−⋅′−

ββα−λ

λ

γ∫∫ du)de

)x(e

i21()u(f

u

x

d)(

iitl

x

х

х

х

х

х

х

30 РИ, 2013, 2

−+++++⋅= ...)I!n

i...I!2

iiII()l(f n

n

2

2

10

=+++++⋅′− ∫ ...)I!n

i...I!2

iiII(ud)u(f n

n

2

2

10

l

x

=⋅′−⋅= ∫ ∑∑∞

=

∞

=

ud)I!k

i()u(fI~!k

i)l(fl

x 0kk

k

0kk

k

ud)I!k

i)(u(f!k

iI)x(fl

x

u0k

k

k

0k

k

0 ∫ ∑∑ ′+⋅⋅=∞

=

∞

=,

где ( ]l;xu ∈ , а kI~ имеет вид:

⋅−= ∫∫∫−1k1 t

xk

t

x2

l

x1

k

k dt...dtdt)!k(

iI~

+α−α⋅⋅α−α

⋅α

))t()x((...))t()x((e(

k1

)x(it

++α−α⋅⋅α−α⋅α−α

+α

...))t()t((...))t()t(())x()t((

e

k1211

)t(it 1

)))t()t((...))t()t(())x()t((

e

1kk1kk

)t(it k

−

α

α−α⋅⋅α−α⋅α−α+ .

Теорема 2. Если оператор, действующий в про-

странстве [ ]l,0L2 , имеет вид:

∫+α=l

xtxx dtfif)x(Af ,

то его полугруппа равна кривой в [ ]l,0L2 :

+⋅⋅==ξ ∑∞

=

α

0k

k)x(ititA

!kie)x(f)x(fe)x,t(

ud)I!k

i)(u(fl

x

u0k

k

k

∫ ∑ ′+∞

=,

где [ ]l,0L)x(f 2∈ , ( ]l;xu ∈ , а kI имеет вид (8).

Перейдем к вычислению инфинитезимальной корре-ляционной функции [1]:

)s(),t(AIm2)s,t(W ξξ= .

Поскольку в рассматриваемом случае

∫ ==l

0

gg,fdx)x(fAfIm2 ,

где 1)x(g ≡ (т.е. 1Im2dim =AH ), то

)s()t()s,t(W ϕϕ= , где

∫ ξ=ξ=ϕl

0

dx)x,t(g),x,t()t( .

Следовательно, при x)x( =α имеем:

−−⋅−=ϕ ∫l

0k

itx dx))xl(it,!k,i(Fe)l(f)t(

=′−− ∫ ∫ dx du)u(f))xu(it,!k,i(Fel

0k

l

x

itx

−−−= ∫l

0k

itx dx))xl(it,!k,i(F)l(fe

=′−− ∫ dx)x(f))xx(it,!k,i(Fxe k

l

0

itx

∫ −−=l

0k

itx dx))xl(it,!k,i(F)l(fe , (9)

где k

n

0k2

k

k i)!k(

)it)xu(())xu(it,!k,i(F ⋅−=− ∑=

.

Таким образом, доказана следующая теорема.

Теорема 3. Пусть tξ – эволюционно представимыйдиссипативный процесс первого ранга нестацио-нарности, спектр которого состоит из всех точекинтервала [ ]l;0 . Тогда инфинитезимальная корре-ляционная функция имеет вид )s()t()s,t(W ϕϕ= ,

где )t(ϕ имеет вид (9), процесс tξ асимптотическизатухает и его корреляционная функция имеет вид

ττ+ϕτ+ϕ= ∫∞

d)s()t()s,t(K0

.

В общем случае имеем:

+⋅⋅=ϕ ∫ ∑∞

=

α dx)!k

i(e)x(f)t(l

0 0k

k)x(it

=′+ ∫ ∫ ∑∞

=

l

0

l

x

u0k

kk dx ud)I!k

i)(u(f

( )∫ ∑∑ ′+⋅⋅=∞

=

∞

=

αl

0

x0k

kk

0k

k)x(it dx))I

!ki

(x)!k

i(e(xf ,

где kI имеет вид (8). При этом корреляционная функ-

ция dx)s,x()t,x(,)s,t(Kl

0st ∫ ξξ=ξξ= .

ВыводыПредложенный в статье операторный подход реализо-ван для моделирования одного класса нестационар-ных случайных процессов в рамках корреляционнойтеории. Вычислена полугруппа операторов для мо-

дельного оператора ∫+=l

xtxx dtfixfAf и для опера-

х

х

31РИ, 2013, 2

тора , имеющего более общий вид

∫+α=l

xtx dtfif)x(Af . Получена инфинитезималь-

ная корреляционная функция для эволюционно пред-ставимого диссипативного процесса первого ранганестационарности.Практическое значение: результаты данного иссле-дования могут служить основой для моделированиякорреляционных функций нестационарных случай-ных процессов при обработке статистических дан-ных, а также для построения спектральной теориинекоторых классов нестационарных случайных фун-кций.Литература: 1. Лившиц М. С. Теория операторных узловв гильбертовых пространствах / М. С. Лившиц, А. А. Ян-цевич. Х. : Изд-во Харьк. ун-та, 1971. 160 с. 2. ЗолотаревВ. А. Аналитические методы спектральных представле-

ний несамосопряженных и неунитарных операторов /В. А. Золотарев. Х. : [ХНУ], 2003. 342 с. 3. Zolotarev V.Nonstationary curves in Hilbert spaces and their correlationfunctions. I / V. Zolotarev, K. Kirchev // Integr Equat OperTheory, 1994. Vol. 19. Р. 270-289. 4. Zolotarev V.Nonstationary curves in Hilbert spaces and their correlationfunctions. II / V. Zolotarev, K. Kirchev // Integr Equat OperTheory, 1994. Vol. 19. Р. 447-457. 5. Никифоров А. Ф. Осно-вы теории специальных функций / А. Ф. Никифоров. М.:Наука, 1974. 303 с. 6. Яглом А. М. Введение в теориюстационарных случайных функций / А. М. Яглом // Усп.мат. наук. 1952. Т. 7. Вып. 5(51). 168 с.

Поступила в редколлегию 20.05.2013

Рецензент: д-р физ.-мат.наук, проф. Золотарев В. А.

Коробская Анна Викторовна, канд. пед. наук, старшийпреп. кафедры высшей математики и информатики ХНУим. В. Н. Каразина. Научные интересы: случайные про-цессы. Адрес: Украина, 61022, Харьков, пл. Свободы, 4,тел. 057-707-51-90, e-mail: korobskayaanna@gmail.com

УДК 656.13:658

МОДЕЛЮВАННЯ ВИРОБНИЧОЇЛОГІСТИКИ В УМОВАХ ПЕРЕБУДОВИПІДПРИЄМСТВА

ГРИШКО С.В., ГУЦА О.М., СУХОМЛІНОВ А.І.

Аналізуються методи формування ефективної виробни-чої логістики в умовах перебудови виробництва. В рамкахдетермінованого моделювання виробничої логістикирозглядаються одно- та багато- продуктові транспортнізадачі. Окреслюються підходи до формування виробни-чої логістики в рамках детермінованого моделювання.

Актуальність, мета та задачі дослідженняПочинаючи з 70-х років минулого століття логістика,яка відома з античних часів, перейшла у фазу бурх-ливого розвитку і стала об’єктом досліджень, в першучергу, економістів та прикладних математиків. За цейчас змінився і предмет самої логістики. Від науки тапрактики забезпечення військ логістика перетвори-лась, з одного боку, у самостійну галузь світовоїекономіки, з іншого – на науку, що базується наметодах математики та економіки і втілює свої досяг-нення в автоматизованих та автоматичних системахуправління різних рівнів – від малого підприємства таприватного підприємця до транснаціональних корпо-рацій та наддержавних утворень.Виробництво в сучасних умовах характеризуєтьсясталим ускладненням бізнес-процесів. Збільшуєтьсяноменклатура товарів. Це призводить до ускладненняструктури матеріального потоку, що забезпечує ви-робництво та зростання значущості інформаційногопотоку, що супроводжує матеріальний потік. Зрозум-іло, що ефективне управління матеріальним потокомможливе тільки за наявності досконалих комп’ютери-зованих систем, які ґрунтуються на теоретичних заса-дах сучасної логістики і забезпечують ефективнийсупровід матеріального потоку у режимі реального

часу, підтримуючи при цьому зв’язок з системоюуправління підприємством.Як відмічалось у [1], ”актуальність управління матері-альними потоками обумовлена трьома компонентами:– суттєвою роллю матеріальних потоків у виробничо-му процесі промислового підприємства,– складністю управління рухом матеріальних ресурсіву просторі і часі,– сучасними тенденціями організації виробництва.”Ускладнення бізнес-процесів вимагає нових підходівдо управління сучасним підприємством. Для досяг-нення високої ефективності діяльності підприємстванеобхідно мати максимально точну картину того, щовідбувається, максимально точний аналіз. Крім того,дуже важливо мати прогноз наслідків виконання прий-нятих рішень. Світова теоретична думка не стоїть намісці і продукує нові технології і методики моделю-вання бізнес-процесів. Звернемо увагу на появу ново-го стандарту для моделювання бізнес-процесів і мере-жевих послуг Business Process Modeling Notation(BPMN) [2]. Як показано у [3], ”ВРМN автоматизує іупорядковує бізнес-процеси, які є значущими длязбільшення продуктивності, починаючи від найму пер-соналу і закінчуючи обробкою замовлення на покуп-ку. ВРМN сприяє реструктуризації, контролю та уп-равлінню виробничими процесами, що включають всебе людей і системи, для більш ефективного вико-нання робіт”. Якщо логістику розглядати як один звидів бізнес-процесів, то стає зрозумілим, що однимз найперспективніших підходів в логістиці є впровад-ження в практику господарювання візуального іміта-ційного моделювання бізнес-процесів [3].Актуальність впровадження нових методів управліннязначно зростає у випадку перебудови підприємства,коли доводиться приймати рішення, наслідки яких неапробовані практикою господарювання, а є лише тео-ретичними розрахунками або, навіть, лише інтуїтивни-ми здогадками.

32 РИ, 2013, 2

Метою цього дослідження є визначення методів іпідходів до розробки ефективної виробничої логісти-ки на рівні підприємства на етапі перебудови у життє-вому циклі підприємства. Для досягнення цієї метинеобхідно розв’язати такі задачі:– визначення методів формування ефективної вироб-ничої логістики при сталому виробництві;– визначення методів формування ефективної вироб-ничої логістики при перебудові виробництва;– визначення методів формування ефективної вироб-ничої логістики з урахуванням недетермінованостілогістичних параметрів.1. Виробнича логістика підприємства присталому виробництвіУ ланцюжку виробничого процесу виробнича логі-стика займає місце між заготівельною та розподіль-чою логістикою. Сама виробнича логістика, у фінан-совому сенсі, відноситься до витрат на виробництво.Підприємництво, як вид діяльності, має за мету отри-мання прибутку при дотримані певних умов (в першучергу легітимності та етичності).Загальноприйнятим є формулювання мети підприєм-ництва (цільової функції), як максимізація прибутку:

maxВДП →−= , (1)

де П – прибуток; Д – дохід від реалізації продукції;В – загальні витрати, що включають витрати на заку-півлю сировини, на виробництво та збут продукції.Розглянемо загальні витрати як суму двох складових:

інВ ВЛВ += , (2)

тут ВЛ – витрати на виробничу логістику; інВ – всіінші витрати.

Припустимо, що існує інтервал часу t , для якоговиконуються такі умови:1. Є незмінними ціни на виготовлену продукцію.2. Є незмінними ціни на сировину, що закуповуєтьсядля виробництва, та інші складові інВ , в тому числіі на заготівельну та розподільчу логістику.3. Обсяг виробництва є постійним.

4. Тривалість інтервалу часу t перевищує кількациклів виробництва.

5. Протягом проміжку часу t є можливість змінюватиструктуру та інтенсивність матеріального потоку наетапі виробництва, тобто застосовувати різні планивиробничої логістики.

Виходячи з умов 1 та 3 маємо constД = . Враховуючиумови 2 та 3 трати маємо constВін = .

Таким чином, на проміжку часу t максимізація при-бутку П зводиться до мінімізації витрат на виробничулогістику:

minЛВ → . (3)

Якщо витрати на виробничу логістику ВЛ розглядатияк суму двох складових – витрати на переміщеннявантажів (організація матеріального потоку) та постійнівитрати, що не залежать від витрат на матеріальнийпотік, то мінімізація витрат на виробничу логістику (3)зведеться до мінімізації витрат на переміщення ван-тажів. Ця задача відома як транспортна або як двоін-дексна задача лінійного програмування. Математичнамодель транспортної задачі для перевезення одноговиду вантажу є такою [4]:

∑ ∑= =

=m

1i

n

1jijijxcF (4)

за умов

∑=

==m

1ijij )n,1j(bx , (5)

∑=

==n

1jiij )m,1i(ax , (6)

)n,1j;m,1i(0xij ==≥ , (7)

де n – кількість пунктів відправлення вантажу; m –кількість пунктів призначення; ijc – тариф перевезен-ня однієї одиниці вантажу з i -го пункту відправленняу j -й пункт призначення; ia – запаси вантажу у i -мупункті відправлення; jb – потреба у вантажі у j -мупункті призначення; ijx – кількість одиниць вантажу,що перевозиться з i -го пункту відправлення у j -йпункт призначення. Будь-яке невід’ємне розв’язаннясистеми лінійних рівнянь (5) та (6) прийнято називатипланом транспортної задачі [4]. План транспортноїзадачі є визначником nm × :

)n,1j;m,1i()x(X ij === .

План, при якому цільова функція (4) приймає мінімальнезначення, називається оптимальним. Існує кілька ме-тодів знаходження оптимальних планів транспортноїзадачі, зокрема метод потенціалів і метод диференці-альних рент [4].Зважаючи на те, що зазвичай виробнича логістика маєсправу не з одним видом вантажів, а з кількома,доводиться розглядати організацію матеріального по-току в логістиці як багато продуктову транспортнузадачу, тобто як задачу, що складається з кількохтранспортних задач (4)-(7) для кожного виду вантажу(продукту). Цільову функцію такої задачі можна запи-сати як суму цільових функцій для кожного продукту.Таким чином, формування ефективної виробничоїлогістики при сталому виробництві можна розглядатияк знаходження мінімального значення цільової функціїбагатопродуктової транспортної задачі Φ :

minFp

1k

)k( →=Φ ∑=

, (8)

де p – кількість видів вантажу.

33РИ, 2013, 2

2. Виробнича логістика підприємства при змінівиробництваРозглянемо ситуацію, коли відбувається перебудовапідприємства, тобто перехід від одного сталого проце-су виробництва до іншого ( 1ii СВСВ +→ ).

Причин перебудови може бути багато. З них, на нашудумку, є три основні причини: перша – неможливість абоневигідність продовжувати існуюче виробництво; друга– це можливість перейти до більш рентабельного вироб-ництва, яке буде давати більший прибуток і за прийнят-ний час покриє витрати на перебудову виробництва;третя – забезпечення нової функціональності підприєм-ства у складі більшої організаційної структури.Виходячи з аналізу матеріальних потоків, перебудовувиробництва можна розділити на такі типи:– обсяг та структура вхідного і вихідного матеріально-го потоку не змінюється. Прикладом такого типуперебудови є впровадження устаткування, що дозво-ляє скоротити кількість працюючих, а відповідно змен-шити витрати на виробництво;– обсяг та структура вхідного матеріального потоку незмінюється, а обсяг чи структура або обсяг і структуравихідного потоку змінюються таким чином, що цеприводить до збільшення надходжень від реалізаціїпродукції. Прикладом такої перебудови може бутиперехід на новий технологічний процес, який зменшуєкількість відходів або дозволяє використовувати ко-лишні відходи для виготовлення корисної продукції;– відбувається одночасна зміна обсягів, а можливо іструктури, як вхідного, так і вихідного матеріальнихпотоків. Такий тип перебудови характерний для повно-го або часткового перепрофілювання виробництва.Розглянемо тривалий інтервал часу T , який охоплюєпевний проміжок iСВ , час перебудови виробництвата деякий проміжок 1iСВ + :

1iПi TTTT +++= ,

де iT – інтервал існування iСВ ; ПT – час перехідногоперіоду 1ii СВСВ +→ ; 1iT + – інтервал існування

1iСВ + . На рисунку зображено перехід від одногосталого виробництва до іншого.

Ti TП Ti+1

>t0

Сталевиробництво

Сталевиробництво

Перебудовавиробництва

час

t1 t2

Рис. 1. Часова схема перебудови виробництва

На рисунку 0t означає момент часу, коли відбулосяусвідомлення про необхідність зміни виробництва

1ii СВСВ +→ ; 1t – момент початку перебудови; 2t –момент завершення перебудови і початок нового ста-лого виробництва.

З наведених вище трьох причин перебудови перша ідруга явно повинні привести до більш ефективноговиробництва, тобто до ситуації, коли за однаковийпроміжок часу t∆ 1iСВ + повинно давати більшийприбуток, ніж iСВ :

)t(П)t(П i1i ∆>∆+ , (9)

де )t(Пi ∆ та )t(П 1i ∆+ – прибуток, отриманий запроміжок часу t∆ при відповідному сталому вироб-ництві. Для третьої причини зміни виробництва (новафункціональність) співвідношення (9) може і не вико-нуватися для підприємства, на якому відбуваєтьсяперебудова, але це обов’язково пов’язано з намаган-ням виконати співвідношення (9) для виробничої струк-тури, до якої належить підприємство, що перебудо-вується.Розглянемо задачу максимізації прибутку (1) на інтер-валі часу T . Якщо на інтервалі T обмежитись тільки

iСВ та 1iСВ + , то максимізація прибутку зведетьсяпросто до формування двох ефективних виробничихлогістик, які визначаються цільовими функціями бага-топродуктових транспортних задач (8) для двох ста-лих виробництв. Більш того, зважаючи на співвідно-шення (9), узагальнений прибуток буди максималь-ним, якщо в момент 0t (рисунок) зразу перейти до

1iСВ + . Теоретично це можливо, коли ніщо не заважаєбез вкладень і перехідного періоду змінити виробниц-тво. Але у загальному випадку потрібен час на підго-товку до перебудови виробництва (на рисунку цеінтервал ]t,t[ 10 ) і час на його перебудову (на рисункуце інтервал ]t,t[ 21 ). Час перебудови виробництва ПTвизначається об’єктивними чинниками і в реальнихумовах може варіюватись в доволі широкому діапа-зоні. Зазвичай існує кілька варіантів перебудови ви-робництва, які характеризуються різною вартістю ітривалістю, але приводять до однакового стану ви-робництва. Будемо вважати, що існує n таких варі-антів, кожен з яких має свою вартість )k(ω , тривалістьперебудови )tt(T )k(

1)k(

2)k(

П −= та інтервал підготовкидо перебудови )tt( 0

)k(1

)k( −=τ , де n,1k ∈ . Введемовеличину щільності прибутку ρ як відношення отри-муваного прибутку за одиницю часу. Також вибере-мо момент часу 1i3 Tt +∈ , що більший за будь-який

)k(2t . Тоді найвигіднішим буде варіант перебудови,при якому величина

max)tt( n,1k)k()k(i

)k(231i ⎯⎯ →⎯ω−τ⋅ρ+−⋅ρ ∈

+ , (10)

де iρ – щільність прибутку при iСВ , а 1i+ρ –щільність прибутку при 1iСВ + , досягає максимуму.

Таким чином, для виробничої логістики підприєм-ства, що зазнає перебудови, ефективність буде визна-чатися цільовою функцією багатопродуктової транс-портної задачі (8) та вибором варіанту перебудови(10).

34 РИ, 2013, 2

3. Детерміноване та стохастичне моделюваннявиробничої логістикиУ детермінованій моделі будь-якого явища абооб’єкта всі можливі події є заздалегідь визначенимищодо їх достовірності. Стохастичне моделюваннядозволяє створювати більш адекватні моделі, ніждетерміноване моделювання, адже ми живемо у світі,де будь-яке явище відбувається з якоюсь ймовірні-стю.За більш високу адекватність стохастичного моде-лювання доводиться платити свою ціну. Стохастичнімоделі значно складніші за детерміновані.Розглянуті вище моделі виробничої логістики булизведені до багатопродуктової транспортної задачі(4)-(8), в якій ijc – тариф перевезення однієї одиницівантажу; ia – запаси вантажу та jb – потреба увантажі є детермінованими величинами. План пере-везень )x(X ij= також розглядається як детерміно-ваний, тобто такий, при якому весь вантаж, відправ-лений з i -го пункту до j -го пункту у кількості ijx ,прибуде без втрат у запланований час. Для урахуван-ня недетермінованості параметрів виробничої логі-стики можна скористатися засобами імітаційногомоделювання [5]. ”На відміну від аналітичного іміта-ційне моделювання знімає більшість обмежень, по-в’язаних з можливістю відображення в моделях ре-ального процесу функціонування системи, яку дос-ліджують, динамічної взаємної обумовленості по-точних і наступних подій, комплексного взаємозв’-язку між параметрами і показниками ефективностісистеми тощо” [5].Погоджуючись з автором [5] і розглядаючи вироб-ничу логістику, як систему масового обслуговуван-ня, приходимо до висновку про необхідність вклю-чення у автоматизовану систему управління підприє-мством функціональності, що використовує імітац-ійну модель виробничої логістики і дозволяє знахо-дити ефективні рішення з урахуванням недетерміно-ваності параметрів виробничої логістики.Таким чином, спроба урахування недетермінова-ності параметрів виробничої логістики призводить донеобхідності впровадження інформаційних системуправління, які в режимі реального часу будутькоригувати виробничу логістику, на відміну від де-термінованого варіанту, де можна отримати статичнерозв’язання транспортної задачі і на його підставісформувати стабільну виробничу логістику.

ВисновкиУ досліджені розглянуті, у рамках детермінованоїмоделі, ефективні методи формування виробничоїлогістики при сталому виробництві і при переходівиробництва з одного сталого варіанту до іншого. Врамках детермінованої моделі виробничої логістикизроблено висновок, що ефективна логістика можебути сформована на основі розв’язання багатопро-дуктової транспортної задачі.У досліджені також окреслені підходи до урахуваннянедетермінованості параметрів виробничої логістики.У цьому випадку пропонується створювати імітаційнумодель виробничої логістики і підходити до неї як досистеми масового обслуговування.Подальший розвиток дослідження автори бачать унеобхідності побудови моделі виробничої логістики іззалученням апарату стохастичного моделювання татеорії прийняття рішень [6].Література: 1. Гришко С.В., Єфременко Г.В. Моделирова-ние процессов производственной логистики на промыш-ленных предприятиях // Економіка та управління підприє-мствами машинобудівної галузі: теорія і практика, 2009. 1(5). С. 31-43. 2. BPMI Notation Working Group. [Електрон-ний ресурс]. Режим доступу www. URL: http://www.bpmi.org - Загол. з екрана. 3. Андрейчіков О.О., ГуцаО.М., Українець О.Г. Візуальне й імітаційне моделюваннябізнес-процесів як найбільш ефективні методи впровад-ження процесно-орієнтованого підходу до керуванняпідприємством // Системи обробки інформації. 2012. Вип.3(101). Том 1. С. 92 – 95. 4. Акулич И.Л. Математическоепрограммирование в примерах и задачах. М.: Высш. шк.,1986. 319 с. 5. Жерновий Ю.В. Імітаційне моделюваннясистем масового обслуговування: Практикум. Львів:Видавничий центр ЛНУ ім. Івана Франка , 2007. 307 с.6. Розен В.В. Математические модели принятия решенийв экономике. М.: Книжный дом «Университет», Высшаяшкола, 2002. 288 с.

Надійшла до редколегії 23.04.2013

Рецензент: д-р техн. наук, проф. Ілюшко В.М.

Гришко Світлана Валеріївна, канд. економ. наук, доценткафедри економічної кібернетики ХНУРЕ. Адреса: Украї-на, 61166, Харків , пр . Леніна , 14, E-mail:kafedra_eim@kture.kharkov.ua.

Гуца Олег Миколайович, канд. техн. наук, доцент кафед-ри економічної кібернетики ХНУРЕ. Адреса: Україна,61166, Харків , пр . Леніна , 14, E-mail:kafedra_eim@kture.kharkov.ua.

Сухомлінов Артем Ігоревич, аспірант кафедри економі-чної кібернетики ХНУРЕ. Адреса: Україна, 61166, Харків,пр. Леніна, 14. E-mail: kafedra_eim@kture.kharkov.ua.

35РИ, 2013, 2

КОМПЬЮТЕРНАЯИНЖЕНЕРИЯ ИТЕХНИЧЕСКАЯДИАГНОСТИКАУДК658.512.011:681.326:519.713

КВАНТОВЫЕ МОДЕЛИДИАГНОСТИРОВАНИЯ ЦИФРОВЫХСИСТЕМ

БАГДАДИ АММАР АВНИ АББАС (BaghdadiAmmar Awni Abbas), ХАХАНОВ В.И.,ЛИТВИНОВА Е.И., БУТЕНКО С.А.,ЧУМАЧЕНКО С.В.

Предлагается новая модель представления данных и мат-ричный метод квантового диагностирования функцио-нальных нарушений в программных или аппаратных бло-ках, а также константных неисправностей, которые ис-пользуют кубитные структуры данных квантовых вычис-лительных процессов, что дает возможность существен-но уменьшить вычислительную сложность при установ-лении диагноза за счет введения параллельных логичес-ких операций над матричными данными, составляющи-ми диагностическую информацию. Описываются кубит-ные структуры данных и квантовый метод исправногомоделирования цифровых устройств, который имеет су-щественно более высокое быстродействие благодаря ад-ресной реализации процедуры обработки функциональ-ных примитивов, заданных Q-покрытиями.

1. ВведениеМодель объекта диагностирования представлена вформе цифровой системы, которая имеет функцио-нальные элементы, соединенные линиями связей.Среди них имеются ассерционные точки наблюдения,необходимые для верификации, тестирования и диаг-ностирования неисправностей [1]. Диагностическаяинформация представлена компонентами: 1) Тест про-верки или диагностирования неисправностей задан-ного класса, в данном случае рассматриваются оди-ночные константные дефекты 1,0 ≡≡ линий схемы.2) Таблица неисправностей [2], строки которой зада-ют векторы проверяемых на каждом тестовом наборедефектов, привязанных к линиям схемы. 3) Матрицадостижимостей, которая определяет достижимостькаждой ассерционной точки со стороны множествапредшествующих линий [3]. 4) Матрица состоянияассерционного механизма или матрица эксперимен-тальной проверки, которая определяет состояние каж-дой ассерции на тестовых наборах путем сравненияэталонной реакции в данной точке с реальным сигна-лом в процессе выполнения диагностического экспе-римента [4].

В процессе выполнения метода диагностированиясоздается двоичная матрица структурной активизациинеисправностей, которая служит маской для суще-ственного уменьшения множества подозреваемыхдефектов при совместном анализе таблицы неисправ-ностей. При этом символы одиночных константныхдефектов 1,0X,,X,1,0 =∅ в ячейках таблицынеисправностей [5] кодируются соответствующимикубитами (10,01,11,00) многозначного алфавита Кан-тора ,X,1,0Ak ∅= , что дает возможность исклю-чить из вычислительных процессов теоретико-мно-жественные процедуры, заменив их на векторныелогические операции.2. Квантовый метод диагностированияцифровых системДля рассмотрения сущности предлагаемого методаиспользуется фрагмент цифровой схемы, представ-ленной на рис. 1. Здесь имеются три ассерционныхточки A,B,C для наблюдения за состоянием всехлиний схемы в процессе тестирования (выполнениядиагностического эксперимента) путем подачи пятитестовых воздействий, заданных в таблице неисправ-ностей F\T . Координаты данной таблицы задаютпроверяемые на тест-векторах неисправности 0 и 1, атакже имеются состояния координат: (.)∅ – отсут-ствие проверяемых дефектов иX – проверка на линииконстанты 0 и 1 одновременно. Правая часть таблицыесть матрица состояний ассерционного механизма ввиде результатов сравнения эталонной и реальнойреакций цифрового устройства на тестовые наборы.Значение 1 означает несравнение, 0 – совпадениеупомянутых реакций.

111000...1...0011111000010101100....000011000001111.11.1.101001110001111.1.1.10101010011100000.0000111101

VVVCBA987654321F\T cba

Рис. 1. Фрагмент цифровой схемы и таблица неисправ-ностей

В таблице неисправностей не учитывается структурасхемы для повышения глубины диагностирования наоснове вычисления реальной матрицы состоянийассерционного механизма, которая совместно с мат-рицей достижимостей создает структурную маску,минимизирующую множество подозреваемых де-фектов.

36 РИ, 2013, 2

Для фрагмента цифровой схемы, представленной нарис. 1, матрица достижимостей имеет следующийвид:

1..1.11111..3.1..111.11112..1.......111CBA987654321SS ij=

Здесь выходы-ассерции A,B,C являются мониторамитехнического состояния объекта диагностирования.Каждый из них может иметь два состояния:

jiijij UTA,1,0A ⊕== , которые формируют мас-ку возможных дефектов с помощью следующего

выражения: )S()S()T(S j0A

j1A

ii

jj ==∨∧∨= . Каждый

тест-вектор (-сегмент) активизирует собственнуюструктуру, поэтому маска возможных дефектов фун-кционально зависит от структуры, ассерций и тесто-вых наборов: Si ¬f (S,A, Ti ) . Если предположить, чтов матрице ijSS = состояния выходов равны (A,B,C)= (011), то маска возможных дефектов будет иметьследующий вид:

).110011111110()110011111110()111111111110()001100000001()010011111010101111011100()S()SS(S 132

i

=∧==∧∨=∧∨=

Полученная маска накладывается на первую строкутаблицы неисправностей, что определяет множествоподозреваемых неисправностей, формирующих ас-серционную реакцию (A,B,C) = (011) устройства напервый тест-вектор:

11.000..00..)1S(1T1101111111001S1100000.00001TCBA987654321Faults\Test

В соответствии с предложенной процедурой получе-ния маски одной строки выполняется построение мат-рицы структурной активизации неисправностей наоснове использования матрицы экспериментальнойпроверки (состояния ассерционного механизма):

1111111111115T0000000000004T0000000000003T1101111111002T0010000000111TCBA987654321)T(S

1115T0004T0003T1102T0011TCBAA\T

1..1.11111..3.1..111.11112..1.......111CBA987654321SS )T(Sij i

i

=→=

Модель (базовая) диагностирования дискретного про-цесса или явления представлена компонентами, кото-рые создают 4 измерения в пространстве признаков:

⎪⎩

⎪⎨⎧

=

=

⎪⎪⎩

⎪⎪⎨

⎧

>>×+×=

×××=

⎩⎨⎧

><><=>=<

);A,T(gV

);T,A,S(fS

;PP);TF()AS(P

);TFAS(P

;T,F,A,SDT,F,A,SD

t

i

b

b

b

При этом объем диагностической информации P фор-мируется произведением мощностей четырех компо-нентов: 1) структура объекта; 2) механизм ассерцийили мониторинга; 3) совокупность неисправностейили модулей, подверженных функциональным нару-шениям; 4) тестовые наборы или сегменты для диаг-ностирования неисправностей или совокупности упо-мянутых модулей. Существенно уменьшить объемдиагностической информации можно путем пониже-ния размерности пространства признаков за счет раз-деления базовой модели на два непересекающихсяподмножества ><>< T,F,A,S . В этом случае оцен-ка объемной сложности становится не мультиплика-тивной, а аддитивной по отношению к мощностиподмножеств без какого-либо уменьшения глубиныдиагностирования. Первый компонент модели диаг-ностирования представлен матрицей достижимос-тей, которая позволяет минимизировать маску воз-можных дефектов на основе анализа структуры схе-мы путем сравнения истинных и реальных результа-тов моделирования выходных сигналов на каждомтестовом наборе или сегменте. Число строк такойматрицы равно количеству наблюдаемых выходовили ассерций:

..0...1..100D000010000000010000011010C101010111111011111111010100110011010010111111111010110101010111010111011101010010101110111011110101010010101011101011010CBA987654321F

1111111111115T0000000000004T0000000000003T1101111111002T0010000000111TCBA987654321)T(F

1111111111115T0000000000004T0000000000003T1101111111002T0010000000111TCBA987654321)T(F

)T(S i

==

∧

=→

Введенная операция, близкая к координатной опера-ции отрицания кубитов (двухразрядных векторов,кодирующих алфавит Кантора), позволяет на практи-ке реализовать функциональность диагностированиятолько путем логического умножения векторов мат-рицы кодов неисправностей:

)F()F()F()F()F(

)F()F()T(F

j1j

n

j0Aj1Aj0Aj1A

j0Aj1Ai

jjjj

jj

=====

==

∧=∧∧∧=∨∧∧=

=∨∧∨=

.

Предварительно выполняется операция инверсии надячейками матрицы кодов неисправностей, маскируе-мыми нулевыми сигналами матрицы активизации, атакже над всеми нулевыми кодами таблицы неисправ-ностей: )0S()00F(FF ijjjij =∨=←= :

11100111100011011011100100∆

X01X110X0

X01∅

∅∆

Таблица истинности скорректирована относительноинверсии состояния 00 в 11 при единичном значениисигнала активизации неисправности, потому что та-кой код (00) означает присутствие в схеме на линии

37РИ, 2013, 2

пустого множества проверяемых дефектов, что не-возможно. Но код 00 еще и блокирует все вычисле-ния конъюнкции по столбцу, превращая результат в00. Инверсия кода дает возможность не маскироватьпри умножении действительно присутствующих де-фектов, любых знаков. При этом предполагается, чтоневозможно тест-вектором проверить на одной линиисхемы дефекты разных знаков.Теорема 1.Одиночные константные дефекты циф-ровой схемы, заданные кубитами на тестовых на-борах многозначной таблицы неисправностей, оп-ределяются с помощью векторной and-операции,маскируемой по строкам вектором эксперименталь-ной проверки:

)S()S()S()S()S()T(S j1j

nj

0Aj

1Aj

0Aj

1Ai

jjjj =====∧=∧∧∧=∨∧∨= .

Выражение является верным, потому что: 1) Второйсомножитель чистая математика – отрицание дизъюн-кции есть конъюнкция отрицаний, что означает умно-жение кодов таблицы с их предварительным отрица-нием. 2) Первый сомножитель ориентирован на поискнепротиворечивых дефектов. Действительно, на од-ной линии или переменной не могут присутствоватьодновременно две противоположных по знаку прове-ряемых неисправности. Поэтому в базовой формуледизъюнкция дефектов в большей степени ориентиро-вана на поиск кратных неисправностей, но не связан-ных с одной линией. Кратность противоречивых де-фектов на одной линии, равно как и инверсия пустогомножества неисправностей, теоретически создаетусловия беспрепятственного умножения других яче-ек столбца в целях формирования на каждой линиирезультата в виде дефекта одного знака или пустогомножества неисправностей.Теорема 2. Кратные константные дефекты циф-ровой схемы, заданные кубитами на тестовых на-борах многозначной таблицы неисправностей, оп-ределяются с помощью векторных or- and- опера-ций, маскируемых по строкам вектором экспери-ментальной проверки:

)S()S()S()S()T(S j0A

j1A

j0A

j1A

ijjjj ====∧∧∨=∨∧∨= .

Выражение является верным, потому что: 1) Второйсомножитель чистая математика – отрицание дизъюн-кции есть конъюнкция отрицаний, что означает умно-жение кодов таблицы с их предварительным отрица-нием. 2) Первый сомножитель ориентирован на поисккратных дефектов в предположении, что на однойлинии или переменной могут присутствовать одно-временно две противоположных по знаку проверяе-мых неисправности. Данная формула в большей сте-пени ориентирована на поиск кратных неисправнос-тей в блоках цифровых систем, не связанных с однойлинией. Кратность дефектов в цифровой системе тео-ретически создает условия для логического сложе-ния других ячеек столбца в целях формирования

результата в виде множества дефектов формирующихзаданный вектор экспериментальной проверки, изкоторых необходимо вычесть проверяемые на тестенеисправности, не влияющие на формирование не-корректных реакций по выходам.Интерес представляет поиск кратных дефектов наоснове мультипроцессора Хассе, который ориенти-рован на решение задачи покрытия путем полногоперебора событий, обеспечивающих точное покрытиевектора экспериментальной проверки столбцами таб-

лицы неисправностей: 0A)S()T(S jj

i =⊕∨= .

Здесь решением является такое сочетание столбцов,участвующих в векторной операции логического сло-жения, которое в совокупности дает равенство векто-ру экспериментальной проверки. Поскольку опера-ция времязатратная, то для нее следует использоватьмультипроцессор Хассе, ориентированный на взятиебулеана в почти параллельном режиме:

F 1 2 3 4 5 6 7 8 9 A B C Va Vb Vc111101 10 10 01 01 11 01 01 01 01 10 10 10 1 0 0010101 10 11 01 11 01 11 01 01 01 10 10 10 0 1 1101001 11 10 11 10 10 11 10 10 10 10 01 01 0 0 0000011 11 11 11 11 01 01 10 10 01 10 01 10 0 0 0111110 10 10 11 11 11 01 11 11 11 10 10 10 1 1 1

D 10 10 01 00 00 01 00 00 00 10 00 00D* 0 0 1 . . 1 . . . 0 . .

Таким образом, модель диагностирования содержитследующие преобразователи:Препроцессирование. Генерирование исходной диаг-ностической информации в виде теста диагностирова-ния, таблицы неисправностей и матрицы достижимо-стей цифровой системы.Моделирование реального устройства на тестовыхнаборах и сравнение результатов с эталоном по на-блюдаемым линиям-ассерциям, что дает возможностьсформировать матрицу выходных реакций или экспе-риментальной проверки в двоичном алфавите.Вычисление матрицы активности графовой структурына каждом входном тестовом наборе, равной по раз-мерности таблице неисправностей, с помощью матри-цы экспериментальной проверки и матрицы достижи-мостей.Модификация содержимого таблицы неисправностейпутем применения матрицы активности графовойструктуры, в целях индикации неисправностей, дей-ствительно проверяемых тестовыми наборами.Выполнение процедуры векторного логического ум-ножения над строками таблицы для получения вектораподозреваемых дефектов3. Кубитные модели описания цифровыхсистемДефект определяется как каждое отдельное несоот-ветствие требованиям спецификации, но при этоммодель дефекта не должна выводить изделие за преде-

38 РИ, 2013, 2

лы функциональности. Поэтому дефект (модель де-фекта – неисправность) есть фиксированная во време-ни часть функциональности, привязанная к физичес-кому компоненту. Константная неисправность линии– есть фиксированный в двух соседних тактах пере-ход 0-0. Нет смысла далее его рассматривать какпродолжение в других тактах, поскольку все ониописываются, согласно автоматной модели посред-ством двух соседних временных фреймов. Распрос-траняя данную двухфреймовую концепцию на авто-матные переменные, можно ввести полное множествонеисправностей переходов: 00, 01, 10, 11. Действи-тельно, говоря об автоматных переменных, например,регистра, необходимо строить тестовые наборы, про-веряющие упомянутые выше переходы. Исходя изконцепции дефекта следует, что полное множествосостояний функциональности формирует также пол-ное множество дефектов с той лишь разницей, чтоконкретный дефект всегда является дополнением поотношению к тестовому сигналу, проверяющему не-исправность [6]:

⎪⎪⎩

⎪⎪⎨

⎧

=⊕=⊕=⊕

∅=⊕⊕

.TLF;FLT;LFT

,LTF

Здесь показано, что взаимодействие теста функцио-нальностей и дефектов всегда сворачивается в пустоеили нуль пространство, что дает возможность опреде-лить любой дефект посредством непустого взаимо-действия между тестом и функциональностью. Нопоскольку тест есть производная от функциональнос-ти, то из этого следует вывод, что дефект, а точнее егомодель есть производная от функциональности или еепространственно временной фрейм. Естественно, что-бы такое взаимодействие триады было возможным,необходимо привести модели всех трех компонентовк единому виду или форме (матрица или таблица,булевы уравнения, структура). Одним из вариантовзамены традиционной символики Рота [7], направлен-ной на визуализацию активных путей в схеме, являет-ся векторное представление пространственно-времен-ных фреймов модели, теста, дефекта в дискретномбулевом измерении.Кубитная модель данных осуществляет трансформи-рование кванта информации, лучше не назовешь, изтеоретико-множественного символа в логический бит-вектор с унитарным кодированием примитивов. Этопрактически означает замену теоретико-множествен-ных операций векторно-логическими, что позитивновлияет на быстродействие, но при этом возникаетсубъективный проигрыш в визуализации информа-ции для человека, который плохо умеет читать буквы(тексты), представленные в форме бинарных векто-ров. Таким образом, любой замкнутый многознач-ный теоретико-множественный алфавит записываетсясовокупностью двоичных векторов, где трансформи-

рование определяется следующим соотношением:

)2B(logn n2 == , где B – булеан или множество

всех подмножеств, n – число битов или примитивов(мощность универсума), образующих булеан. Иначе,кубит есть векторно-логический эквивалент любогозамкнутого теоретико-множественного алфавита. Этоозначает, что кубит есть вектор с числом битов (неменее двух), равных числу примитивных символов,который способен своими двоичными разрядами пред-ставлять булеан состояний. Однобитовый кубит неимеет смысла, поскольку он не имеет соответствия втеоретико-множественном пространстве.Пример четырехразрядного кубита. Пусть имеетсядвухтактный алфавит описания автоматных перемен-ных, представляющий собой булеан на универсуме изчетырех примитивов:

=)Y(B2 Q=(1000), E=(0100), H=(0010), J=(0001),O=Q,H=(1010), I=E,J=(0101), A=Q,E=(1100),B=H,J=(0011), S=Q,J=(1001, P=E,H=(0110),

C=E,H,J=(1110), F=Q,H,J=(1011),L=Q,E,J=(1101), V=Q,E,H=(1110),

Y=Q,E,H,J =(1111), U=(0000).Операции над символами теоретико-множественногоалфавита сводятся к логическим командам and, or,not, xor, которые формируют функционально полныйбазис, согласно теореме Поста [8]. Например, нижепредставлены логические преобразования отдельныхтеоретико-множественных операций:

);(U000010111011FF;Y010011111011YF;B001100010010JH;Y110101101011PF

;A11000011B~;Q100011101001VS;A110001001000EQ

∅==⊕=∆==⊕=∆==⊕=∆==⊕=∆

===

==∧=∩==∨=∪

Квантовая интерпретация булеана из четырех прими-тивов (двоичные позиционные коды: 00, 01, 10, 11)представлена ниже:

00 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 101 0 0 0 0 1 1 1 1 0 0 0 0 1 1 1 110 0 0 1 1 0 0 1 1 0 0 1 1 0 0 1 111 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1

Она создает 16 различных функций от двух перемен-ных. В то же время последнюю таблицу можно пред-ставить в виде кодов (векторов) символов много-значного алфавита, которыми легко оперировать длярешения задач синтеза и анализа булевых функций:

YVLAFOSQCPIEBHJ1010101010101010J1100110011001100H1111000011110000E1111111100000000Q

∅

39РИ, 2013, 2

Таким образом, кубит, составленный из четырех би-тов, способен описать 16 состояний пространственно-временного фрейма функциональностей и при этомоперировать векторными логическими операциямидля решения задач синтеза и анализа.4. Квантовое моделирование цифровых системНапример, для описания цифровой схемы, представ-ленной на рис. 2, необходимо иметь структуру взаи-мосвязанных элементов и кубическое покрытие логи-ческого элемента И-НЕ.

011101110100YXX 21

Рис. 2. Фрагмент цифровой схемы

Данное покрытие можно трансформировать с учетомунитарного кодирования входных векторов. Как след-ствие, для любого покрытия функционального одно-выходового примитива всегда имеется только двакуба. Они показывают не только все решения, но иинверсию сигналов на выходе, что интересно с пози-ции активизации всех логических путей в схемнойструктуре. Например, в следующем кубитном покры-тии вентиля для изменения состояния выхода необхо-димо создать на входах пару следующих друг задругом условий, где в первом такте должны бытьпервые три вектора (адреса), а во втором – четвертыйвектор, формируемый двумя входными переменны-ми:

01110000111110

0J1V

0J1H1E1Q

011110101100

→===

Для моделирования исправного поведения достаточ-но иметь только один куб (нулевой или единичный),поскольку второй всегда является дополнением кпервому. Следовательно, ориентируясь, например, наединичный куб, формирующий на выходе 1, можноубрать бит состояния выхода примитива, что умень-шит размерность куба или модели примитива до коли-чества адресов элемента, где бит с адресным номеромi идентифицирует способность адреса, составленногоиз значений входных переменных, сформировать еди-ничное состояние выхода примитива.Кубитное или квантовое покрытие одновыходовогопримитива всегда представлено двумя кубами, раз-мерность которых равна степени двойки от числавходных переменных, где единичное значение коор-динаты определяет участие адреса рассматриваемогобита в формировании соответствующего (0,1) состо-яния выхода примитива. Квантовые модели примити-вов требуют создания новой теории моделирования,прямой и обратной импликации, синтеза тестов, моде-

лирования неисправностей, поиска дефектов. Здесьосновные процедуры связаны с манипулированиемадресами, неявно представленными в координатахдвух кубов квантового (кубитного) покрытия, далееименуемого Q-покрытием (Q-coverage):

1001001101

1H0F

0J1H0E0Q

011110001000

=== .

Модель цифровой системы на основе использованиякубитных структур данных и информационных кван-тов может быть описана четырьмя компонентами:

).Q,...,Q,...,Q,Q(Q);X,...,X,...,X,X(X

);M,...,M,...,M,M(M);L,...,L,...,L,L(L

,Q,X,M,LF

nxix2x1x

nxix2x1x

nj21

nj21

++++

++++

==

=

=>=<

Здесь представлены: вектор идентификаторов эквипо-тенциальных линий схемы цифровой системы, вектормоделирования состояний всех линий схемы, упоря-доченная совокупность векторов входных перемен-ных каждого примитива схемы, привязанных к номе-рам выходов, совокупность векторов – квантовыхпокрытий примитивов, строго привязанных к номе-рам выходов и входным переменным примитивов; n –число линий в схеме, x – количество входных пере-менных.В качестве примера кубитного задания модели цифро-вого устройства >=< Q,X,M,LF , представленно-го на рис. 2, ниже приведены два варианта таблицописания схемы для анализа исправного поведения(fault free similation):

L 1 2 3 4 5 6 7 8 9 A BQ . . . . . 1 1 1 1 1 1

. . . . . 1 1 1 1 1 1

. . . . . 1 1 1 1 1 1

. . . . . 0 0 0 0 0 0X 13 34 27 75 68 89M 1 1 1 1 1 0 0 1 1 1 0

L 1 2 3 4 5 6 7 8 9 A BM 1 1 1 1 1 0 0 1 1 1 0X . . . . . 13 34 27 75 68 89Q . . . . . 1 1 1 1 1 1

. . . . . 1 1 1 1 1 1

. . . . . 1 1 1 1 1 1

. . . . . 0 0 0 0 0 0

Процедура исправного моделирования сводится копределению адреса, формируемого двоичными со-стояниями входных переменных каждого примитивацифровой схемы. Если переменные создают не дво-ичный адрес, то в данном случае существует возмож-ность формирования не двоичного состояния выходапримитива, которое определено в троичном алфавитесимволом Х. Состояния выходов формируются пос-

40 РИ, 2013, 2

ледовательной процедурой моделирования на основепростых итераций или итераций Зейделя. Во второмслучае необходима препроцессорная процедура ран-жирования линий и примитивов схемы, которая по-зволяет существенно уменьшить количество прохо-дов по примитивам схемы для достижения сходимо-сти, когда фиксируется равенство состояний всехлиний схемы в двух соседних итерациях. Кроме того,ранжирование примитивов по уровням формирова-ния выходов дает возможность существенно повы-сить быстродействие моделирования за счет парал-лельной обработки функциональных элементов одно-го уровня. Например, для схемы, представленной нарис. 2, одновременно можно обрабатывать элементыс номерами 6,7, затем – 8,9 и далее – A,B. В первомслучае, когда используются простые итерации, ран-жирования не требуется, но платой за простоту алго-ритма моделирования является существенно большеечисло итеративных проходов по примитивам схемыдля достижения упомянутого критерия сходимости.Структуры кубитных данных модифицируются в сто-рону дополнения строкой типов примитивов

)P,...,P,...,P,P(P,Q,P,X,M,LF mi21=>=< , за-действованных при синтезе цифровой системы, еслинеобходимо в процессе функционирования выпол-нять ремонт или восстановление работоспособностипутем введения запасных примитивов, которые также как и основные, реализуются на основе элементовпамяти. В следующей таблице представлены строкатипов логических элементов, а также адреса этихпримитивов, отмеченные номерами:

L 1 2 3 4 5 6 7 8 9 A BM 1 1 1 1 1 0 0 1 1 1 0X . . . . . 13 34 27 75 68 89P . . . . . 1 1 1 1 1 1Q 1 1 1 1 1 1 1 1 1 1 1

1 1 1 1 1 1 1 1 1 1 11 1 1 1 1 1 1 1 1 1 10 0 0 0 0 0 0 0 0 0 0

L 1 2 3 4 5 6 7 8 9 A BM 1 1 1 1 1 0 0 1 1 1 0X . . . . . 13 34 27 75 68 89P . . . . . 1 2 3 4 5 6Q 1 1 1 1 1 1 1 1 1 1 1

1 1 1 1 1 1 1 1 1 1 11 1 1 1 1 1 1 1 1 1 10 0 0 0 0 0 0 0 0 0 0

Вторая таблица оперирует номерами примитивов, чтодает возможность заменить любой отказавший эле-мент исправным из ремонтного запаса путем измене-ния адресного номера в строке примитивов Р. Ремон-тные элементы в даннной таблице начинаются с номе-ра 7. В первой таблице, ориентированной на про-граммную реализацию моделирования, ремонтные при-митивы начинаются с номера 2. Если существуетвозможность перепрограммирования логики в эле-менте памяти с одинаковым числов входных перемен-ных, то данную процедуру следует выполнять послефиксации неисправного элемента, когда становитсяизвестно – какой элемент в структуре и какой тип

примитива отказал. Такая процедура восстановленияработоспособности ориентирована на PLD-реализа-цию цифровых систем. Если кубитные модели схемне имеют запасных примитивов, то соответствующиеим таблицы будут иметь следующий вид:

L 1 2 3 4 5 6 7 8 9 A BM 1 1 1 1 1 0 0 1 1 1 0X . . . . . 13 34 27 75 68 89P . . . . . 1 1 1 1 1 1Q 1 . . . . . . . . . .

1 . . . . . . . . . .1 . . . . . . . . . .0 . . . . . . . . . .

L 1 2 3 4 5 6 7 8 9 A BM 1 1 1 1 1 0 0 1 1 1 0X . . . . . 13 34 27 75 68 89P . . . . . 1 2 3 4 5 6Q 1 1 1 1 1 1 . . . . .

1 1 1 1 1 1 . . . . .1 1 1 1 1 1 . . . . .0 0 0 0 0 0 . . . . .

Таким образом, квантовые структуры данных ориен-тированы на компактность описания функционаловцифрового изделия кубитными векторами, повыше-ние быстродействия процедур моделирования за счетадресации состояний выходов примитивов, а также навосстановление работоспособности отдельных логи-ческих элементов, благодаря их реализации в элемен-тах памяти PLD.5. Модель комбинационнойсамовосстанавливаемой структурыНемногочисленные работы, посвященные восстанов-лению работоспособности логических схем [9], опи-сывают две идеи. Первая заключается в реконфигура-ции структуры логических элементов в режиме off-line, которая обеспечивает возможность замены каж-дого из неисправных примитивов. Вторая создаетусловия для замены неисправных элементов путемиспользования запасных логических компонентов ирасширения мультиплексоров для переадресации от-казавших примитивов. Далее предлагается в качествепримера для рассмотрения теории и практики адреса-ции примитивов комбинационных схем в целях встро-енного ремонта функциональных нарушений логи-ческих элементов использовать описание простейшейсхемной структуры (см.рис. 2).Она содержит шесть однотипных логических элемен-тов, которые можно представить в адресном про-странстве следующим списком (двумерным масси-вом):

011101110100YXX

)1(F11110011111MBA987654321No

YYYBA9876LXXX985743LXXX867231L111111111P987654321No

S

21

321 ==

=

=====

=

Каждый столбец соответствует логическому элемен-ту схемы, а примитивы с номерами 7, 8, 9 являютсязапасными, которые используются для замены любых

41РИ, 2013, 2

трех из шести элементов при диагностировании впоследних каких-либо функциональных нарушений.В строке P указаны типы примитивов, ниже – номеравходных и выходных переменных, вектор моделиро-вания М содержит результат анализа входного слова11111 на схемной структуре, представленной рис. 3.

Рис. 3. Пример схемной структуры из адресуемых изапасных элементов

Процесс-модель формирования выходных значенийсхемы в зависимости от конкатенированных состоя-ний входов, формирующих адрес ячейки состояниявыхода, можно представить в абстрактном или аппа-ратно ориентированном, на использование векторасостояния М, виде:

⎥⎥⎥⎥⎥⎥⎥⎥

⎦

⎤

⎢⎢⎢⎢⎢⎢⎢⎢

⎣

⎡

==

====

→

⎥⎥⎥⎥⎥⎥⎥⎥

⎦

⎤

⎢⎢⎢⎢⎢⎢⎢⎢

⎣

⎡

==

====

).M*M(PM);M*M(PM);M*M(PM);M*M(PM);M*M(PM

);M*M(PM

).X*X(PY);X*X(PY);X*X(PY);X*X(PY);X*X(PY

);X*X(PY

986B

865A

5749

7238

4327

3116

986B

865A

5749

7238

4327

3116

Здесь М – вектор состояния линий схемы, iP –логическая функция И-НЕ, имеющая два входа, реа-лизованная в виде элемента памяти LUT. Посколькувсе шесть примитивных элементов реализуют однулогическую функцию И-НЕ, то предыдущее выраже-ние можно упростить путем замены всех структурныхэлементов одним функциональным примитивом F споследующим использованием для операции конка-тенации двумерного массива линий связи (L) междувходами и выходами логических элементов:

⎥⎥⎥⎥⎥⎥⎥⎥

⎦

⎤

⎢⎢⎢⎢⎢⎢⎢⎢

⎣

⎡

==

====

→

⎥⎥⎥⎥⎥⎥⎥⎥

⎦

⎤

⎢⎢⎢⎢⎢⎢⎢⎢

⎣

⎡

==

====

)].L(M*)L(M[FM)];L(M*)L(M[FM)];L(M*)L(M[FM)];L(M*)L(M[FM)];L(M*)L(M[FM)];L(M*)L(M[FM

).M*M(FM);M*M(FM);M*M(FM);M*M(FM);M*M(FM);M*M(FM

6261B

5251A

42419

32318

22217

12116

98B

86A

579

728

437

316

Таким образом, можно синтезировать структуру дляреализации процесс-модели схемы, имеющей двух-входовые функциональные примитивы, в следующемвиде:

)]L(M[F)]L(M*)L(M[F)L(M irijisp == .

Учитывая факт, что все вычисления в схеме привяза-ны к структурным элементам, которые имеют иденти-фикатор логической операции, предыдущую форму-лу можно трансформировать к виду:

)].L(M[P)]L(M*)L(M[P)L(M irijiisp ==

В общем случае структура модели функциональнос-ти, ориентированной на реализацию в кристалле PLD,содержит пять компонентов:

)].L(M[P)L(M;,1e;,1t];T[T

;s,1q;n,1p];L[L

);M,...,M,...,M,M(M

);F,...,F,...,F,F(F);P,...,P,...,P,P(P

,T,L,M,F,PS

te

ppq

kr21

mj21

ni21

=µ=η==

===

=

==

>=<

Здесь представлены: 1) примитивы схемной структу-ры P, определенные идентификаторами типа функци-ональности (номер или код команды); 2) типы функ-циональных элементов F – набор элементов памятиLUT, из которых реализуются примитивы, а такжеизбыточные элементы для ремонта функциональнос-тей; 3) вектор моделирования M (двоичный), опреде-ляющий состояния всех линий (входные, внутренние,выходные); 4) матрица эквипотенциальных линий связиL для объединения n логических элементов в структу-ру; 5) матрица входных тестовых (рабочих) наборовТ. Обработка схемы (processing) в кристалле сводит-ся к определению адреса, составленного двоичнымибитами вектора моделирования, по которому находит-ся логическая функция. Каждый примитив имеет циклобработки, содержащий три процедуры:1) Адресное считывание номеров входных перемен-ных из соответствующего столбца матрицы L дляформирования адреса состояния входной переменнойвектора моделирования: 1s,1j;n,1i,LA pij −=== .

2) Формирование адреса (двоичного кода) для вы-числения логической функции путем конкатенациисоответствующих состояний входных переменных ввекторе моделирования )L(M*)L(MA irij= .

3) Запись результата выполнения логической функ-ции как состояния выхода в соответствующий разрядвектора моделирования

)]L(M*)L(M[F)L(M irijisp = .

6. Операционное устройство длямоделирования комбинационной структурыПроцесс обработки всех примитивов схемы в данномслучае является строго последовательным, что пред-ставляет собой существенное замедление процедурыформирования состояний выходных переменных.Однако уменьшение быстродействия можно считатьплатой за сервис встроенного и автономного восста-

42 РИ, 2013, 2

новления работоспособности цифровой структуры,который является одним из этапов функционированияинфраструктуры обслуживания SoC, представленнойна рис. 4.

Рис. 4. Операционная структура комбинационнойсхемы

Комбинационная схема становится операционнымустройством, где присутствуют операционный и уп-равляющий автоматы. Заменяемыми компонентами воперационном автомате являются типы примитивов –функциональные элементы (рис. 5).

Рис. 5. Граф-схема алгоритма управления процессоммоделирования

Операционное устройство реализации элементо-адре-суемых комбинационных схем содержит: счетчикобработки текущего примитива 1C ; память для хране-ния типов примитивов, соответствующих структур-ным элементам Р; счетчик считывания номеров вход-ных и выходной переменных текущего примитива

2C ; дешифратор типов примитивов DC; память дляхранения вектора моделирования M; матричную па-мять для хранения номеров входов-выходов струк-турных примитивов L; линейку памятей, реализую-щих функциональные примитивы F; регистр форми-

рования входного адресного слова для обрабатывае-мого примитива RG; логический элемент Or для ком-мутации результатов обработки функциональных при-митивов.Граф-схема алгоритма управления процессом моде-лирования структуры комбинационной схемы пред-ставлена на рис. 5.1. Инициализация (формирование) всех компонентов(номера и типы элементов, линии связей для входов ивыходов логических элементов) схемной структуры:

.s,1q;n,1p];L[L

);F,...,F,...,F,F(F);P,...,P,...,P,P(P

ppq

mj21ni21

===

==

2. Инициализация параметра обрабатываемого прими-тива и номера входного набора 0t,0i == для егомоделирования в двоичном алфавите 1,0Mr = .

3. Инкрементирование индекса примитива, номератеста и инициализация входного тестового (рабочего)набора: .)X(T),X(T)X(M,1tt,1ii tt η==+=+=

4. Конкатенация (#) разрядов слова для формирова-

ния входного воздействия )L(M# ijk

1j= логического

элемента iP и выполнение процедуры определениясостояния его выхода с последующей записью всоответствующую координату вектора моделирова-

ния: )L(M 1k+ : )].L(M#[P)L(M ijk

1ji1k

=+ =

5. Повторение пунктов 3 и 4 в целях получениясостояний выходов всех логических элементов довыполнения условия: i = n.6. Повторение пунктов 2–4 в целях моделированиявсех входных тестовых (рабочих) наборов до выпол-нения равенства: η=t , где η – длина теста.

7. Окончание процесса моделирования цифровогоустройства.7. ЗаключениеПредставлен аппарат квантового описания цифровыхкомпонентов, который дает возможность существен-но повысить быстродействие процедур синтеза и ана-лиза за счет увеличения размерности векторов дляунитарного кодирования символов теоретико-множе-ственного алфавита.Показаны примеры использования кубитных струк-тур данных и квантовых преобразований для моде-лирования цифровых схем и решения задач диагно-стирования путем использования векторных парал-лельных логических операций и ремонта неисправ-ных модулей на основе адресуемых логическихпримитивов.Направления будущих исследований:

43РИ, 2013, 2

1. Использование or-операции или для анализа табли-цы неисправностей в целях поиска кратных дефектов.2. Исследование и применение Хассе, процессора дляпоиска одиночных и/или кратных дефектов по таблиценеисправностей путем приведения процедуры к зада-че поиска оптимального покрытия.3. Моделирование исправного поведения последова-тельностных схем на основе кубитных структур дан-ных цифровых устройств.4. Синтез кубитных моделей функциональных прими-тивов.5. Моделирование неисправностей переходов авто-матных переменных путем модификации дедуктивно-го алгоритма.Литература: 1.Проектирование и тестирование цифро-вых систем на кристаллах / В.И. Хаханов, Е.И. Литвинова,О.А. Гузь. Харьков: ХНУРЭ. 2009. 484 с. 2. Hahanov V.,Wajeb Gharibi, Litvinova E., Chumachenko S. Informationanalysis infrastructure for diagnosis // Information an int.interdisciplinary journal. 2011. Japan. Vol.14, 7. Р. 2419-2433. 3.Хаханов В.И., Мурад Али А., Литвинова Е.И., ГузьО.А., Хаханова И.В. Квантовые модели вычислительныхпроцессов // Радиоэлектроника и информатика. 2011. 3. С.35-40. 4.Бондаренко М.Ф., Хаханов В.И., ЛитвиноваЕ.И. Структура логического ассоциативного мультипро-цессора // Автоматика и телемеханика. 2012. 10. С. 71-92. 5.Хаханов В.И. Техническая диагностика цифровых имикропроцессорных структур.К.: ИСИО. 1995. 242 с. 6.Ха-ханов В.И., Баркалов О.О., Мариан Адамски. Infrastructureintellectual property for SoC simulation and diagnosis service.Springer, 2011. Р. 289-330. 7.Чжен Г., Мэннинг Е., Метц Г.Диагностика отказов цифровых вычислительных систем.М.: Мир, 1972. 230 с. 8. Горбатов В.А. Основы дискретнойматематики. М. : Высшая школа. 1986. 311 с. 9. ХахановВ.И., Литвинова Е.И., Хаханова И.В., Murad Ali Abbas.

Инфраструктура встроенного восстановления логичес-ких PLD-схем // Радиоэлектроника и информатика. 2012.2. С. 54-57.

Поступила в редколлегию 11.06.2013

Рецензент: д-р техн. наук, проф. Баркалов А.А.

Baghdadi Ammar Awni Abbas, аспирант кафедры АПВТХНУРЭ. Научные интересы: проектирование и тестиро-вание вычислительных систем. Адрес: Украина, 61166,Харьков, пр. Ленина, 14, тел. +380 57 70-21-326. E-mail:hahanov@kture.kharkov.ua.

Хаханов Владимир Иванович, декан факультета КИУХНУРЭ, д-р техн. наук, профессор кафедры АПВТХНУРЭ. IEEE Senior Member. IEEE Computer Society GoldenCore Member. Научные интересы: проектирование и тес-тирование вычислительных систем, сетей и программ-ных продуктов. Увлечения: баскетбол, футбол, теннис,горные лыжи. Адрес: Украина, 61166, Харьков, пр. Лени-на , 14, тел. +38 057 70-21-326, E-mail:hahanov@kture.kharkov.ua.

Литвинова Евгения Ивановна, д-р техн. наук, профессоркафедры АПВТ ХНУРЭ. Научные интересы: автоматиза-ция диагностирования и встроенный ремонт компонен-тов цифровых систем в пакете кристаллов. Адрес: Укра-ина, 61166, Харьков, пр. Ленина, 14, тел. 70-21-421. E-mail:kiu@kture.kharkov.ua.

Бутенко Сергей Александрович, студент 4-го курса фа-культета КИУ ХНУРЭ. Научные интересы: автоматиза-ция диагностирования и встроенный ремонт компонен-тов цифровых систем в пакете кристаллов. Адрес: Укра-ина, 61166, Харьков, пр. Ленина, 14, тел. 70-21-421.

Чумаченко Светлана Викторовна, д-р техн. наук, про-фессор, зав. кафедрой АПВТ ХНУРЭ. Научные интере-сы: дискретная математика, моделирование вычислитель-ных систем. Адрес: Украина, 61166, Харьков, пр. Ленина,14, тел. +380 57 70-21-326. E-mail: ri@kture.kharkov.ua.

44 РИ, 2013, 2

УДК 621.327:681.5

КОДИРОВАНИЕ ИНФОРМАЦИОННЫХРЕСУРСОВ СИСТЕМВИДЕОКОНФЕРЕНЦСВЯЗИ ДЛЯПОВЫШЕНИЯ ИХ БЕЗОПАСНОСТИ

ВЛАСОВ А.В., ЛУКИН В.В., КОМОЛОВ Д.И.

Предлагается подход по обеспечению безопасности ви-деоинформационного ресурса систем видеоконференц-связи в системах управления специального назначения наразных этапах доставки на основе компактного ее пред-ставления. Разрабатывается метод кодирования видео-изображений, который обеспечивает повышение эффек-та сжатия и уменьшения потерь семантической инфор-мации.

ВведениеВнедрение новейших информационных систем и тех-нологий в системы управления государственныхорганов власти оказывает влияние на качество уп-равления, своевременность принятия решений и ихдоведение. Снижение эффективности обработки иповышение временных задержек, вызванные про-цессами передачи и обработки видеоинформации вреальном времени, приводят к нарушению безопас-ности информации [1].В системах управления специального назначения(Вооруженные Силы, МВД) в настоящее время ши-роко применяются системы видеоконференцсвязи(ВКС) [2, 3]. Данные системы являются базовойкомпонентой организации управления и обеспеченияобъективного контроля. Информационный ресурссистем ВКС весьма чувствителен к потерям пакетов,временным задержкам, а также к ошибкам, возника-ющим в инфокоммуникационных системах в про-цессе обработки и передачи [4, 5].В настоящее время в инфокоммуникационных систе-мах специального назначения реализованы методы,которые ориентированы в основном на обеспечениезащиты информации, в первую очередь ее конфиден-циальности, решения задач разграничения и контро-ля доступа к видеоинформационному ресурсу [4].Неоднородность структуры существующих инфо-коммуникационных систем, ограниченные харак-теристики производительности реализованных тех-нологий передачи и обработки информации приво-дят к искажениям и нарушениям обрабатываемойвидеоинформации, к нарушению таких категорийбезопасности информации, как ее доступность ицелостность [4].Поэтому обеспечение безопасности информации наразных этапах ее доставки, в том числе и на этапеобработки видеоинформации в системах ВКС системуправления специального назначения является ак-туальной научно – прикладной задачей.

Одно из направлений решения данной задачи –применение технологий компрессии видеоинформа-ции [6, 7].В связи с этим вопросы повышения безопасностивидеоинформации в инфокоммуникационных систе-мах специального назначения, основанные на разра-ботке и внедрении стандартов обеспечения ее дос-тупности и целостности на базе компактного пред-ставления видеоинформации, являются актуальны-ми.Целью исследований – разработка метода компрес-сии видеоинформации для повышения ее целостнос-ти и доступности на основе технологий маскирова-ния с сохранением семантически значимой инфор-мации.Основная частьКонцептуально все существующие технологии ком-прессии основаны на сегментировании видеоизоб-ражений с заранее заданными размерами. Проведен-ный анализ показал [5, 8], что при этом не учитыва-ется неоднородная семантическая структура обраба-тываемых видеоизображений. Одной из базовых со-ставляющих семантической обработки видеоизоб-ражений на практике являются методы маскирова-ния, которые позволяют выделять наиболее семанти-чески значимую информацию о структурных харак-теристиках объектов в изображениях [5].Для повышения безопасности видеоинформации сопределением и последующим сохранением семан-тически значимой информации необходимо разрабо-тать метод компрессии видеоданных, который пред-лагается строить на основе последовательности эта-пов дифференцированной обработки видеоинформа-ции с введением интеллектуального анализа, а имен-но:а) обнаружение и локализация семантически значи-мой информации в видеоизображениях;б) выполнение пофрагментного анализа видеоин-формации с классификацией семантической струк-туры (степени насыщенности контурами);в) реализация компрессии видеоданных в зависимо-сти от класса семантической структуры.Обнаружение и локализация семантически зна-чимой информации в видеоизображенияхДля обнаружения и локализации семантически зна-чимой информации в видеоизображениях предлага-ется применять градиентные методы маскирования,которые позволяют выделить информативные сведе-ния о структурных характеристиках объектов в ви-деоизображениях [5, 8]. Градиентные методы явля-ются интегрированными методами для выделенияконтуров с произвольным направлением. Для реали-зации были отобраны следующие градиентные мето-ды: Робертса, Прюитта, Собела, Шару, Хрящева,Лапласа, Лапласиан, маска метода Канни [5, 8].

45РИ, 2013, 2

В результате исследований было доказано, что су-ществующие методы маскирования являются эф-фективными только в пределах узкого класса изоб-ражений [8, 9]. При этом отсутствует достоверныйаппарат оценки качества работы методов маскиро-вания, что снижает их эффективность при исполь-зовании для широкого класса изображений. Оцен-ка качества метода маскирования в большинствеслучаев являлась субъективной (визуальная оцен-ка качества работы). Но такой подход применимтолько в случае наличия эксперта или лица, прини-мающего решение. Поэтому для решения первойподзадачи были обоснованы количественные мерыоценки качества методов маскирования для после-дующей реализации в системах автоматическойобработки видеоинформации [8, 9]. Количествен-ная оценка эффективности работы методов маски-рования выполняется на основе предлдоженныхмер качества детектирования и локализации конту-ров объектов [8, 9, 11].Результат проведенных исследований по оценкекачества методов маскирования представлен в [8,12].Для предлагаемого метода компрессии в системахавтоматической обработки видеоинформации (сис-темах ВКС) при устранении недостатков отдельныхметодов маскирования с соблюдением непрерыв-ности процесса обработки предлагается применятьдвухкаскадную интеллектуальную схему маскиро-вания с использованием различных методов маски-рования для каскада 1 – го и 2 – го уровней. Этопозволит в конечном итоге одновременно устра-нить недостатки методов маскирования и реализо-вать оценку качества маскирования [8 – 10].В первом каскаде схемы решаются следующиезадачи [8 – 10]:а) выделяются контуры в изображении с использо-ванием масок 1 – го уровня (допускается выделе-ние ложных контуров);б) выполняется оценка показателей структурнойсложности изображения (фрагментов).На втором каскаде реализуется [8 – 10]:а) классификация изображения (фрагментов) постепени насыщенности их контурами;б) локализация контуров объектов изображениямаской 2-го уровня с учетом класса насыщенностиконтурами;в) определение параметров метода компрессии длявидеоизображения (пофрагментно) в зависимостиот класса насыщенности контурами.Для реализации данного подхода необходимо опре-делить параметры структурной сложности изобра-жения, на основании которых будет выполнятьсяклассификация изображения (фрагментов) по сте-пени насыщенности контурами.

Анализ видеоинформации с классификациейсемантической структуры по степенинасыщенности контурамиВ результате исследований [8 – 10, 12] для оценкинасыщенности контурами изображения (фрагментов)были предложены следующие параметры структур-ной сложности изображений S (абсолютные и относи-тельные значения):1) усредненное значение двоичных перепадов в стро-ках относительно столбцов:

.стл

N

1xx1

'1 N

nn

.стр

∑== , (1)

где n1x – количество двоичных перепадов в x-й стро-

ке; .стлN – количество столбцов; .стрN – количествострок; x – порядковый номер строки;2) усредненное значение двоичных перепадов в стол-бцах относительно строк:

.стр

N

1yy2

'2 N

nn

.стл

∑== , (2)

где n2y – количество двоичных перепадов в y-мстолбце; y – порядковый номер столбца;3) интегральный параметр по оценке двоичных пере-падов:

2'2

2'1 nnn += ; (3)

4) интегральный параметр удельного насыщения кон-турами – отношение площади контура контураS к пло-щади изображения .изображS , (в %):

из.pix

.кнтpix

.изображ

контура

NN

SS

S ≅=∆ , (4)

где .кнтpixN – общее количество пикселей в контурах(белых – после обработки маской); из.pix N – общееколичество пикселей в изображении ( .стр.стл NN ⋅ , впикселях);5) количество двоичных перепадов по строкам (абсо-лютное и усредненное значение двоичных перепадовпо строкам);6) количество двоичных перепадов по столбцам (аб-солютное и усредненное значение двоичных перепа-дов по столбцам);7) количество двоичных серий по строкам (абсолют-ное и усредненное значение двоичных серий по стро-кам);8) количество двоичных серий по столбцам (абсолют-ное и усредненное значение двоичных серий по стол-бцам);

46 РИ, 2013, 2

9) значение двоичных перепадов по строкам (столб-цам) усредненное ко всему изображению (фрагмен-ту).Предложенные параметры структурной сложностиизображения рассчитываются на выходе 1-го каскадасхемы обработки.Предлагается рассматривать 3 класса семантическойнасыщенности контурами (КНК): слабонасыщенные,средненасыщенные и сильнонасыщенные изображе-ния.Обработка результатов экспериментов позволяет сфор-мировать диапазоны значений параметров структур-ной сложности изображения для каждого класса на-сыщенности контурами. Диапазоны параметров струк-турной сложности используются во втором каскадесхемы обработки при построении решающего прави-ла по определению параметров метода компрессии.Концепция обработки видеоинформации с учётом ре-зультатов маскированияСуществующие методы компрессии при предвари-тельном сегментировании видеоизображений обраба-тывают разнородные по семантической структуреобласти [5 – 8]. С одной стороны, это позволяетснизить время обработки на этапе сжатия, а сдругой – стороны приводит к частичной (зачастуюнеобратимой) потере информации.В связи с этим необходимо разрабатывать такие стан-дарты компактного представления видеоизображе-ний, которые бы уменьшали потери семантическойсоставляющей видеоизображений.Для выбора параметров компрессии в зависимости отКНК изображения предлагается применять дифферен-цированную стратегию квантизации - систему решаю-щих правил, учитывающую механизм квантования взависимости от класса семантической структурыфрагментов видеоизображения и позволяющую опре-делить параметры квантизации:

⎪⎪⎪

⎩

⎪⎪⎪

⎨

⎧

===

,Q

;Q

;Q

)m,n(Q)K;S;M;X(FQ

3

2

1

q (5)

где )K;S;M;X(qF – функционал, формализующий си-

стему решающих правил для дифференцированногоопределения параметров квантизации Q на основерезультата маскирования M исходного видеоизобра-жения X, определении класса K семантической насы-щенности по параметрам структурной сложности S;Q1, Q2, Q3 – соответствующие Ki классу насыщенно-сти матрицы коэффициентов квантования.

Механизм квантования предполагает определение зна-чений коэффициентов матрицы квантования на основезначений динамических диапазонов каждой транс-форманты преобразования. Значения коэффициентовквантизации q [i, j] определяются эмпирическим пу-тем на основе экспериментальных данных обработкиреалистических изображений.Метод компрессии изображений на основедифференцированной обработки изображений смаскированиемПредлагается организовывать компактное представ-ление видеоизображений на основе позиционногокодирования трансформированного представлениявидеоизображения с формированием параметровсжатия, которые определяются структурными осо-бенностями исходного изображения (классом семан-тической структуры фрагментов изображения) [7,12].Предлагается применять дискретное двумерное пре-образование Хаара (ДПХ), что позволит учитыватьлокальные связи и особенности изображений, выпол-нить их быструю обработку. Знание класса семанти-ческой структуры позволит сформировать матрицуквантования. Для изображения (блока пикселей Xразмером nхn) его ДПХ Y будет вычисляться поформуле:

)n('H)n,n(X)n(H)n,n(Y = . (6)

Матрица )n(H получается в результате дискретиза-ции множества функций Хаара (элементы матрицы -коэффициенты при базисных функциям Хаара) [6, 7].В результате выполнения преобразования ДПХ, за-данного соотношением (6), формируется трансфор-манта Y размером nn× элементов, представляемая ввиде двумерного массива:

n,nj,n1,n

n,ij,i1,i

n,1j,11,1

y...y...y...

y...y...y...

y...y...y

Y =, (7)

где j,iy – )j,i( -я компонента трансформанты.

Компоненты трансформанты изображения подверга-ются процедуре квантизации:

⎟⎠

⎞⎜⎝

⎛=

]j,i[q

]j,i[YndIntegerRou]j,i[Y . (8)

Для повышения точности определения и учета нерав-номерности диапазонов по двум направлениям транс-форманты предлагается использовать смешаннуюдвумерную систему оснований )2(

yW размерностьюnn× :

47РИ, 2013, 2

n,n,n1,n

n,k,k1,k

n,1,11,1

)2(y

w...w...w...

w...w...w...

w...w...w

W

l

l

l

=. (9)

В качестве основания lkw выбирается значение ди-намического диапазона lkd для (k, l ) элемента lkyтрансформанты Y, т.е ll kk dw = . Значения весо-вых коэффициентов )2(

kV l определяются следующимобразом:

∏+=ξ

ξ=n

1k

)2(k wV ll . (10)

Кодовая структура в созданном спектральном диффе-ренцированно - квантизированном пространстве длятрансформанты изображения с учетом сформирован-ной системы оснований )2(

yW и весовых коэффициен-тов )2(

kV l определяется следующим соотношением:

∑=

=n

1k

)2(kk

)1( VyN lll . (11)

Физический смысл сформированного кода для фраг-мента видеоизображения определяется степенью на-сыщенности контурами и текстурным содержанием.Для формирования кода будет использоваться нерав-номерное количество разрядов.Выводы1. Таким образом, в предложенном методе компрес-сии видеоизображений:а) разработано позиционное кодирование трансфор-мант преобразования. В результате такого кодирова-ния сокращается комбинаторная избыточность в транс-формантах, что обеспечивает повышение эффектасжатия и уменьшает потери информации из-за нехват-ки разрядов в машинном слове;б) введена возможность дифференцированной обра-ботки изображений, которая позволяет: адаптироватьизбыточность изображения под класс семантическойструктуры; сохранить, с одной стороны, семантикуизображений, а с другой – обеспечить требуемыйуровень сжатия и как следствие доступности видео-изображений;в) предложенное кодирование изображений позволя-ет адаптироваться к дифференцированной обработкефрагментов изображений с использованием техноло-гий маскирования.2. Предложены количественные показатели оценкиструктурной сложности изображения (1) – (4) дляреализации решающего правила определения классанасыщенности контурами видеоизображения.

3. Разработана двухкаскадная схема маскированияизображений, которая позволяет повысить качествомаскирования и сократить суммарное время обработ-ки, устранить недостатки отдельно используемых ме-тодов маскирования с сохранением достоинств ипреимуществ технологии маскирования в целом.4. Разработан метод интеллектуальной дифференци-рованной обработки видеоизображений для их ком-пактного представления в целях повышения безопас-ности видеоинформации, а именно ее доступности ицелостности, основанный на:а) применении каскадной схемы детектировании илокализации семантической информации (контуровобъектов) в видеоизображении с заданным качеством;б) выполнении анализа видеоизображения и класси-фикации его фрагментов по степени насыщенностиконтурами;в) определении базовых компонент технологии и па-раметров метода компрессии в зависимости от степе-ни семантической насыщенности;г) компрессии видеоданных с сохранением семанти-чески значимой информации и контролем качествакомпактного представления.Литература: 1. Горбулін В.П. Актуальні проблеми сис-темного забезпечення інформаційної безпеки України /В.П. Горбулін, М.М. Биченок, П.М. Копка // Матер.між-нар. наук.-практ. конф. “Форми та методи забезпеченняінформаційної безпеки держави”. К.: Національна ака-демія СБ України, 2008.115 с. 2. Андреев A. Применениевидеоконференцсвязи в Вооружённых силах иностран-ных государств / A.Андреев, B.Аржанов, К.Семёнов //Зарубежное военное обозрение. 2008. 7. С.19 – 25. 3.Андреев A. Применение видеоконференцсвязи в Воору-жённых силах иностранных государств / A.Андреев,B.Аржанов, К.Семёнов // Зарубежное военное обозре-ние. 2008. 8. С.16 – 22. 4.Богуш В.М. Інформаційнабезпека держави /В.М. Богуш, О.К. Юдин. К.: МК–Прес,2005. 432 с. 5. Гонсалес Р.С., Вудс Р.Э. Цифровая обра-ботка изображений / Р.С. Гонсалес, Р.Э. Вудс. М.: Тех-носфера, 2006. 1072 с. 6. Ватолин В.И. Методы сжатияданных. Устройство архиваторов, сжатие изображенийи видео / В.И. Ватолин, А. Ратушняк, М. Смирнов, В. Ю-кин. М.: ДИАЛОГ – МИФИ, 2002. 384 с.7. Баранник В.В.Кодирование трансформированных изображений в ин-фокоммуникационных системах / В.В. Баранник, В.П.Поляков. Х.: ХУПС, 2010. 212 с. 8. Власов А.В. Анализметодов обнаружения границ объектов на изображени-ях и их классификация / А.В. Власов, В.В. Баранник,А.В. Яковенко // Сучасна спеціальна техніка. 2012. Вип.3 (30). С. 17 – 27. 9. Власов А.В. Методологія двухкаскад-ного маскування зображень в системах інфотелекомун-ікацій / А.В. Власов, В.В. Баранник, А.В.Ширяев // АСУта прилади автоматики. 2013. Вип. 162. С. 34 – 40. 10.Власов А.В. Двухкаскадный подход для маскированияизображений / А.В. Власов, В.В. Баранник // IV міжна-родна науково – практична конференція “Методи тазасоби кодування, захисту та ущільнення інформації”.Вінниця: ВНТУ, 2013. С. 265 – 266. 11. Vlasov A.V. Estimationof quality methods disguise images for detection edge

48 РИ, 2013, 2

contours // Science-Based Technologies. 2013. 2 (18). Р.193 – 197.

Поступила в редакцию 22.05.2013

Рецензент: д-р техн.наук, проф. Баранник В.В.

Власов Андрей Владимирович, научный сотрудник на-учного центра Харьковского университета ВоздушныхСил имени Ивана Кожедуба. Научные интересы: техноло-гии кодирования и безопасности информации. Адрес:Украина, 61023, Харьков, ул. Сумская, 77/79, e-mail:vav_and@i.ua.

Лукин Владимир Васильевич, д-р техн. наук, профессорНационального аэрокосмического университета им.Н.Е.Жуковского “Харьковский авиационный институт”. На-учные интересы: обработка и повышение безопасностивидеоизображений аэромониторинга . E-mail:lukin@ai.kharkov.com.

Комолов Дмитрий Иванович, соискатель ХНУРЭ. Науч-ные интересы: технологии зашиты информации в инфо-коммуникационных системах.Адрес: Украина, 61166,Харьков, пр. Ленина, 14.

49РИ, 2013, 2

КОМПЬЮТЕРНЫЕНАУКИ

УДК 621.327:681.5

АДАПТИВНОЕ ОДНООСНОВНОЕПОЗИЦИОННОЕ КОДИРОВАНИЕМАССИВОВ ДЛИН СЕРИЙ ДВОИЧНЫХЭЛЕМЕНТОВ

ГУРЖИЙ П.Н., БОЙКО Ю.П., ТРЕТЬЯК В.Ф.

Показывается, что существующий подход относительнокодирования битового описания трансформант на осно-ве неравновесного позиционного кодирования с предва-рительным построением массивов длин серий двоичныхэлементов имеет ряд недостатков. Выявляются недостат-ки, влияющие на снижение результирующей степенисжатия и увеличение времени на обработку. Излагаютсяосновные этапы построения методологии одноосновно-го позиционного кодирования массивов длин серий дво-ичных элементов. Проводится оценка и обосновываютсяпреимущества предложенного направления относитель-но совершенствования технологий компрессии видео-данных.

1. ВведениеСовершенствование инфокоммуникационных техно-логий (ИТ) проводится в направлении повышениякачества предоставления сервисных услуг [1]. Про-блема возникает при необходимости предоставлениявидеоинформационных услуг. В связи с этим, в ИТинтегрируются технологии компрессии изображений[2; 3]. Наиболее используемыми являются технологиина базе JPEG [2 - 4]. Здесь обеспечивается сокраще-ние объемов видеоданных до 30 раз. Однако в совре-менных условиях формирования видеоинформацион-ных услуг таких характеристик оказывается недоста-точно. Это приводит к появлению существенных за-держек и снижению качества реконструируемых изоб-ражений [3 - 5].Значит, сокращение объемов видеоданных при задан-ных размерах изображений качества их визуальноговосприятия является актуальной научно-прикладнойзадачей.Направление развития технологий компрессии зак-лючается в совершенствовании технологий кодиро-вания битовых плоскостей [4; 5]. Перспективнымнаправлением является кодирование битового описа-ния трансформанты (БОТ) с предварительным выяв-лением серий двоичных элементов (СДЭ). Последую-щее кодирование массивов СДЭ организуется наоснове неравновесного позиционного кодирования[4; 5]. Однако такой подход имеет ряд недостатков,состоящих в увеличении количества служебных дан-

ных и росте задержек на обработку. Поэтому предла-гается усовершенствовать технологию кодированияБОТ. Отсюда, цель исследований состоит в разработ-ке адаптивного позиционного кодирования массивовдлин серий двоичных элементов.2. Анализ недостатков неравновесногопозиционного кодированияАнализ технологии кодирования на основе неравно-весного представления позволяет сделать заключениео том, что элементы последнего столбца могут форми-роваться для нескольких бинарных плоскостей транс-формант. Тогда получим характерные искажения,проявляющиеся в изменении количества и длин серийдвоичных элементов [4; 5]. Это приведет к такимпоследствиям:- значения компонент трансформант как для низкоча-стотных, так и для высокочастотных компонент будутполучены с искажениями, что соответственно приве-дет к существенным потерям информации, содержа-щимся в отдельных фрагментах изображения;- если сумма длин серий двоичных элементов будетменьшей, чем необходимо для полного заполнениябинарного описания трансформанты, то будет принятоошибочное решение о том, что текущий столбец мас-сива длин СДЭ не является последним.В этом случае начальное кодовое слово для следую-щей трансформанты (ее первого столбца) будет при-нято как кодовое слово последнего столбца текущейтрансформанты. Это приведет к возникновению ла-винного эффекта, когда ошибки при декодированииодной трансформанты будут распространяться и раз-множаться в процессе восстановления всех последу-ющих трансформант. В результате произойдут потериинформации не только в отдельном фрагменте изобра-жения, а в нескольких фрагментах вплоть до всегоизображения.Значит, для исключения потерь информации необхо-димо дополнительно использовать служебную ин-формацию, позволяющую оценить количество KSэлементов в последнем столбце. Для этого требуетсядополнительно передавать информацию о количестве∑S длин серий двоичных элементов, сформирован-

ных для бинарного описания трансформанты. Дляэтого может потребоваться от 10 до 16 двоичныхразрядов в зависимости от размеров обрабатываемыхтрансформант.Оценим, как такая дополнительная информация по-влияет на суммарный объем ∑V сжатого представле-ния трансформанты для разных режимов потери каче-ства визуализации изображений и классов реалисти-ческих изображений. Рассматриваются следующиережимы: режим 1 – сжатие без потери качества (зна-чение пикового отношения сигнал/шум равно

50=σ дБ); режим 2 – сжатие с частичной потерейкачества (значение пикового отношения сигнал/шумравно 27=σ дБ). В результате экспериментов получе-

50 РИ, 2013, 2

но, что составляющая суммарного объема, приходя-щаяся на дополнительную информацию о количестведлин СДЭ в БОТ, составляет в среднем от 7 - 10 %(для режима сжатия 50=σ дБ) и от 27 % (для режимасжатия 27=σ дБ). Следовательно, можно заключить,что дополнительная информация о количестве длинСДЭ в БОТ особенно значительно влияет на степеньсжатия для режима 27=σ дБ.

Отсюда вытекает, что потенциал для снижения степе-ни сжатия заключается в обеспечении возможностивосстановить бинарное описание трансформант с за-данной потерей качества визуализации изображенийбез использования дополнительной информации околичестве длин серий двоичных элементов. Дляэтого необходимо проводить восстановление в усло-виях заранее неизвестного количества элементов встолбце массива длин двоичных серий.Разработаем теперь условие для снижения количе-ства операций при реализации технологии кодирова-ния бинарного описания трансформанты.Схема практической реализации неравновесного по-зиционного кодирования заключается в вычислениизначения кода kС по следующей схеме:

S,ks,k2,k1,kk С...С...ССС +++++= ,

где s,kС – величина произведения s -го элемента k -го столбца массива длин СДЭ на величину весового

коэффициента, т.е. ∏=ξ

ξν=S

sk,ss,k pС .

В результате суммирования величин s,kС по всем s ,S,1s= получим итоговое значение кода:

k,SSk,1S

S

sk,s

S

2k,1k p...p...pС ν+ν++ν++ν= −

=ξξ

=ξξ ∏∏ .

Весовые коэффициенты вычисляются по рекуррент-ной схеме, для чего используются следующие выра-жения:

1i,sii,s DpD −= , S,1s= , S,2i= , (1)

где ip – основание i -го элемента неравновесногопозиционного (НП) числа.Данное выражение позволяет вычислить весовой ко-эффициент i,sD для элементов s -й строки по меретого, как становятся известными значения основанийдля i -го количества последующих строк, начиная совторой строки. Поэтому считается, что в формуле (1)значение весового коэффициента 1D 1,s = . Тогда вы-ражение (1) задает рекуррентное вычисление весово-го коэффициента со смешением.Итоговое значение весового коэффициента формиру-ется, когда обработано основание для последнегоэлемента НП числа, т.е.

∏+=

− ===S

1sii1S,sSS,ss pPpDD .

Недостаток такого подхода заключается в том, чтоформирование величин s,kС невозможно без знаниявесового коэффициента, т.е. без предварительноговычисления произведения оснований для всех млад-ших элементов НП числа. Отсюда для вычислениякода НП числа требуется выполнить два прохода поэлементам столбца массива длин СДЭ. Первый про-ход требуется для определения весовых коэффициен-тов элементов НП числа. Соответственно на второмпроходе производится вычисление накопленной сум-мы величин s,kС . В конечном счете это приводит кнеобходимости в процессе обработки использоватьвременные задержки на предварительное вычислениевесовых коэффициентов для всех элементов НП чис-ла. Если длина столбца массива длин серий двоичныхэлементов равна S , то временная задержка будетравна времени выполнения )1S( − -й операций умно-жения.

Соответственно процесс декодирования кода kС бу-дет сводиться к необходимости предварительноговычисления накопленных произведений для всех ос-нований элементов неравновесного позиционногочисла. И только после этого будет возможным осуще-ствлять восстановление элементов k,sν НП числа, т.е.

ssskskk,s p]Dp/C[]D/C[ −=ν , S,1s= . Так, восста-

новление первого элемента k,1ν НП числа потребуетпредварительного выполнения )1S( − -й операций ум-ножения для вычисления весового коэффициента

∏=

=S

2ii1 pD .

Такие задержки приводят к увеличению времени наформирование и декодирование кода неравновесногопозиционного числа.Проведем оценку влияния такой временной задержкина суммарное количество операций для реализациитехнологии кодирования бинарного описания транс-форманты.Для указания размеров массивов длин серий двоич-ных элементов необходимо выполнить одну операциюумножения и одну операцию деления. Образованиядлин СДЭ для всего бинарного описания трансфор-манты требует выполнения: nmd операций сравне-ния. Формирование оснований элементов НП числакак элементов столбцов массива длин СДЭ связано свыполнением )K)1S(( − операций сравнения. Опре-деление значений весовых коэффициентов элементовнеравновесного позиционного числа для массива длинСДЭ требует выполнения )1S( − операции умноже-ния. Для формирования значений кодов для столбцовмассива длин серий двоичных элементов требуется

51РИ, 2013, 2

выполнить )K)1S(( − операций умножения и )K)1S(( −операций сложения. Тогда суммарное количествоопераций на технологию кодирования бинарного опи-сания трансформанты равно

))1K()1S(( +− (оп. умн) + )K)1S(( − (оп. сл) +))K)1S((nmd( −+ (оп. срв).

Рассмотрим удельный вес операций умножения наформирование весовых коэффициентов на суммар-ное количество операций технологии кодированиядля 8d = , 8m = , 8n = , 8;4K = и 12;8S= . В результатеполучим, что для 8K = удельный вес в процентах пооперациям умножения равен 12%, а для 4K = - 25%.Учитывая, что в среднем одна операция умножениявыполняется в 10 раз дольше, чем операция сравненияи сложения, а для вычисления кодов НП чисел ихпотребуется в 3 раза меньше, чем суммарное количе-ство операций сравнения и сложения, то влияниезадержки на предварительное вычисление весовыхкоэффициентов оказывается в среднем на уровне 20%от суммарного времени на кодирование БОТ.Значит, условие для технологии неравновесного по-зиционного кодирования относительно сокращениявремени на обработку заключается в уменьшениизадержки на предварительное формирование весовыхкоэффициентов для элементов НП числа.Отсюда требуется разработать такую реализацию адап-тивного позиционного кодирования, для которой бу-дет существовать возможность вычисления кода вусловиях исключения предварительного определениязначений весовых коэффициентов.3. Создание адаптивного одноосновного позици-онного кодирования массивов длин серий двоич-ных элементовДля исключения недостатков, связанных с неравно-весным позиционным кодированием массивов длиндвоичных серий, предлагается формировать адап-тивные позиционные числа с одним основанием. Ве-личина кода )р(C одноосновного позиционного чис-ла с адаптивным выбором основания р определяетсяпо формуле:

∑=

−−

θ−θ

−− ν=ν+ν++ν++ν+ν=S

1s

sSsS1S

S2S2

1S1 рp...р...рр)р(C .

Это позволит формировать весовой коэффициент sDдля s -го элемента на основе известного количества

sω младших элементов адаптивного позиционногочисла, т.е. sррD sS

sω− == . Здесь sω – количество

младших элементов адаптивного позиционного числаотносительного s -го элемента. Величина sω опреде-ляется в условиях известной длины S позиционногочисла.

В условиях, когда длина KS последнего K -го стол-бца массива длин двоичных серий будет меньшей,

чем длина S полных столбцов, то выражение для кодаадаптивного позиционного числа примет следующийвид:

∑=

−

−

⎪⎩

⎪⎨⎧

=→

−≤→⋅ν=

S

1ssS

sS

s.Kk,р

;1Kk,р)р(C

K

Схема адаптивного позиционного кодирования с од-ним основанием р примет следующий вид:

S,ks,k2,k1,k )р(с...)р(с...)р(с)р(с)р(С ′+++++= . (2)

Здесь S′ определяется из условия:

⎩⎨⎧

=→−≤→

=′.Kk,S

;1Kk,SS

K

Величина s,k)р(с равна произведению s -го элементаk -го столбца массива длин СДЭ на величину весово-го коэффициента, т.е. sS

k,ss,k р)р(с −′ν= . Длина cVкодового слова для представления кода АОП числаопределяется из расчета длины S полного столбцамассива серий двоичных элементов по следующейформуле: 1]1рog[V S

2c +−= l . При этом длина cV ко-дового слова будет одинаковой для всех кодов АОПчисел, образованных для текущего массива νA , т.е.

cKk1 V))p(C(V,...),)p(C(V,...),)p(C(V = ,

где ))p(C(V k – длина кодового слова для представле-ния значения кода k)p(С ; K – количество столбцов вмассиве длин серий двоичных элементов.Разработанный метод адаптивного одноосновногопозиционного кодирования осуществляет формиро-вание кода за один проход, т.е. не требуется прово-дить предварительное вычисление весовых коэффи-циентов.В этом случае за счет возможности формированиякода по мере добавления элементов АОП числа ис-ключается задержка на предварительное вычислениевесовых коэффициентов. Отсюда количество опера-ций умножения сокращается на )1S( − операцию. Тог-да суммарное количество операций на технологиюкодирования бинарного описания трансформанты бу-дет равно

)K)1S(( − (оп. умн) + )K)1S(( − (оп. сл) ++ ))K)1S((nmd( −+ (оп. срв).

Соответственно время на реализацию технологии ко-дирования будет сокращаться в среднем на 20%.4. Вывод1. Показано, что для исключения существенных по-терь информации в случае неравновесного позицион-ного кодирования массивов длин СДЭ требуется до-полнительно использовать служебную информацию,позволяющую оценить количество элементов в пос-леднем столбце. При этом составляющая суммарного

52 РИ, 2013, 2

объема, приходящаяся на дополнительную информа-цию о количестве длин СДЭ в БОТ, составляет всреднем от 10 % (для режима сжатия пикового отно-шения сигнал/шум на уровне 50дБ) и от 30 % (длярежима сжатия пикового отношения сигнал/шум науровне 27дБ).2. Выявлено, что в случае НП кодирования использу-ются вынужденные временные задержки на предва-рительное вычисление весовых коэффициентов длявсех элементов НП числа. При этом влияние задержкидля предварительного вычисления весовых коэффи-циентов оказывается в среднем на уровне 20% отсуммарного времени на кодирование бинарного опи-сания трансформанты.3. Создано адаптивное позиционное кодирование,базирующееся на формировании кода для одногооснования, формируемого для каждого массива длинсерий двоичных элементов.При этом достигается отличие, состоящее в том, что:для вычисления весовых коэффициентов обрабатыва-емых элементов не требуется проводить предвари-тельную обработку; в процессе кодирования не требу-ется проводить предварительное вычисление весовыхкоэффициентов. Время на реализацию технологиикодирования будет сокращаться в среднем на 20%.Научная новизна. Впервые разработано кодированиепоследовательностей длин серий двоичных элемен-тов на базе позиционного представления с адаптив-ным формированием основания, которое в отличие отсуществующих методов формирует кодовое значе-ние в независимости от оснований младших элемен-тов. Это позволяет в процессе сжатия устранить вре-менную задержку для предварительного вычислениявесовых коэффициентов.Практическое значение:1) дополнительно повышается степень сжатия в сред-нем на 7 и 27% за счет сокращения количестваслужебных данных на представление информации околичестве элементов в столбцах массива длин серийдвоичных элементов;

2) снижается время обработки в среднем на 20% засчет исключения предварительного вычисления весо-вых коэффициентов элементов АОП числа.Литература: 1. Уолрэнд Дж. Телекоммуникационные икомпьютерные сети / Дж. Уолрэнд. М.: Постмаркет, 2001.480 с.2. Ватолин В.И. Методы сжатия данных. Устрой-ство архиваторов, сжатие изображений и видео / В.И.Ватолин, А. Ратушняк, М. Смирнов, В. Юкин. М.: ДИА-ЛОГ – МИФИ, 2002. 384 с. 3. Баранник В.В. Обоснованиевозможности компактного представления длин серий по-лиадическими кодами / В.В. Баранник, Н.А. Королева //Системи обробки інформації. Харків: НАНУ, ПАНМ,ХВУ. 2001. Вип. 4(14). С. 72 – 77. 4. Barannik V. ImageEncoding Design Based On 2-D Combinatory Transformation/ V. Barannik., V. Hahanov // International Symposium [ІIEEEEast-West Design & TestІ], (Yerevan, Armenia, September7 – 10, 2007) / Yerevan: 2007. P. 124 – 127. 5. Barannik V.Method Of Encoding Transformant Uolsha Is In Systems AirMonitoring Of Earth / V. Barannik, А. Yakovenko,А. Krasnorutkiy // International Conference TCSET’2009[ІModern problems of radio engineering, telecommunicationsand computer scienceІ] (Lviv-Slavsko, Ukraine, February 19– 23, 2009) / Lviv Polytechnic National University, 2009.P. 381 - 383.

Поступила в редколлегию 08.03.2013

Рецензент: д-р техн.наук, проф. Баранник В.В.

Гуржий Павел Николаевич, канд. техн. наук, начальникнаучно-исследовательного отдела Военного институтателекоммуникаций и информатизации Государственно-го университета телекоммуникаций. Научные интересы:системы, технологии преобразования, кодирования, за-щиты и передачи информации. Адрес: Украина, 01011,Киев, ул. Московская, 45/1, тел. 8 066-4691563.

Бойко Юлия Петровна, ассистент кафедры компьютер-ных систем зашиты информации Национального авиаци-онного университета. Научные интересы: системы, тех-нологии кодирования и защиты информации. Адрес:Украина, 01011, Киев, пр. Космонавта Комарова, 1.

Третьяк Вячеслав Федорович, канд. техн. наук, доцент,старший научный сотрудник Научного центра Воздуш-ных Сил Харьковского университета Воздушных Сил.Научные интересы: системы, технологии преобразова-ния, кодирования, защиты информации. Адрес: Украина,6100, Харьков, ул. Сумская, 77/79.

53РИ, 2013, 2

УДК 621.327:681.5

МОДЕЛЬ ОЦЕНКИИНФОРМАТИВНОСТИНИЗКОЧАСТОТНОЙ СОСТАВЛЯЮЩЕЙСПЕКТРАЛЬНОГО ПРЕДСТАВЛЕНИЯСЕГМЕНТА ИЗОБРАЖЕНИЯ

ТУРЕНКО С.В.

Выявляются недостатки и показывается необходимостьсовершенствования технологии кодирования низкочас-тотных составляющих спектрального представления дляформата JPEG. Строится математическая модель для оцен-ки информативности структурного описания низкочас-тотных компонент, базирующаяся на том, что апертураравномерной длины, построенная для нормированныхнизкочастотных компонент, является комбинаторнымобъектом в условиях нормирования по первой низкоча-стотной компоненте и выявления скорректированныхлокальных приращений между смежными элементамиапертуры.

1. ВведениеАктуальность развития теоретических основ и техно-логий сжатия видеоданных обусловлена наличиемтенденции значительно более высоких темпов роставидеоприложений по сравнению с внедрением высо-коскоростных беспроводных технологий [1 – 3]. Од-ним из широко используемых стандартов являетсяJPEG [2; 3]. Поэтому предлагается направление даль-нейшего развития такой технологии. В аспекте однойиз важных составляющих является разработка коди-рования низкочастотных составляющих спектрально-го представления.Стратегия кодирования квантизированной трансфор-манты для компонентного описания строится с учетомтаких свойств [2; 3]:1) концентрация основной энергии исходного сигна-ла в ограниченном количестве низкочастотных ком-понент трансформанты;2) выделение области высокочастотных компонент,несущих информацию о мелких деталях изображенийи потому оказывающих менее значимое влияние навизуальное восприятие изображений, чем низкочас-тотные компоненты;3) появление компонент трансформанты с нулевымизначениями, особая концентрация которых велика длязигзагообразного обхода в диагональном направле-нии в области высокочастотных компонент.Такие свойства надолго предопределили развитиебазовых стратегий кодирования компонентного пред-ставления трансформанты, а именно раздельную об-работку низкочастотной DC-компоненты и остальныхAC компонент трансформант.

Компоненты DC могут кодироваться с использовани-ем следующих способов:1) назначение поэлементных кодов с применениемкодовых таблиц в зависимости от диапазона DC-компоненты;2) проведение предварительного дифференциальногопредставления между DC-компонентами соседнихтрансформант с последующим кодированием по тех-нологии LZW;3) равномерное кодирование DC-компоненты с пред-варительной ее квантизацией.Данные способы имеют следующие недостатки:– если значение DC-компоненты велико, то таблицакодов по диапазону будет увеличивать длину выход-ного кода. Как показывают эмпирические исследова-ния, затраты количества бит на DC-компоненту притаком способе кодирования будут не ниже 10 – 12 бит;– снижение значения DC-компоненты возможно засчет ее квантизации, но такой подход неминуемоприведет к потере значительной информации;– использование LZW технологии позволит в лучшемслучае уменьшить количество бит на представлениеDC-компоненты не более, чем на 5 – 7%.Таким образом, необходимо создать такую техноло-гию кодирования низкочастотных компонент транс-формант, для которой будет обеспечено снижениебитовой скорости сжатого потока видеоданных вусловиях отсутствия искажений и проведения обра-ботки в реальном времени независимо от степенинасыщенности изображений. В связи с этим, дляобоснования направления по обработке низкочастот-ных компонент требуется разработать соответствую-щую модель оценки информативности, что и состав-ляет цель исследований.2. Основная частьПо условию формирования вектора двухкомпонент-ных кортежей низкочастотная компонента DC не уча-ствует в такой обработке. Значение DC компонентынесет ключевую информацию об исходном сегментеи имеет относительно значительный динамическийдиапазон. Такие свойства накладывают определен-ные требования относительно выявления закономер-ностей и технологий кодирования низкочастотныхкомпонент, а именно необходимо:1) учитывать относительно незначительные измене-ния между DC-компонентами соседних линеаризиро-ванных трансформант в случае обработки слабонасы-щенных сегментов изображений;2) обеспечивать компенсацию при наличии резкихперепадов между DC-компонентами, что характернодля ЛТ, соответствующих сегментам насыщенныхизображений;3) исключать искажения в процессе обработки DC-компонент.

54 РИ, 2013, 2

Поэтому предлагается выявлять закономерности дляпоследовательности DC-компонент на базе смежныхЛТ, учитывая их структурные и статистические зави-симости.

Рассмотрим последовательность G низкочастотныхDC-компонент, соответствующих соседним ЛТ.Для учета статистической зависимости между DCкомпонентами смежных трансформант предлагаетсяв первую очередь осуществлять их представление вдифференциальном пространстве за счет нормирова-ния по первой DC-компоненте в векторе G . Этозадается следующим выражением:

1,1r,1r,1 ссс −=′ , (1)

где r,1с′ – значение r -й низкочастотной компоненты внормированном пространстве.

В результате нормировки (1) формируется вектор G′ ,у которого первая компонента имеет значение, равноенулю, 0с 1,1 =′ , т.е.

сс,...,сс,...,0G 1,1R,11,1r,1 −−=′ .

Такое представление позволит сократить динами-ческий диапазон низкочастотных компонент, исполь-зуя зависимость между соседними DC-компонента-ми. Для того чтобы выявить закономерности во всейпоследовательности DC-компонент, предлагаетсяформировать для вектора G′ апертурные закономер-ности.Характеристиками апертуры являются:

1) длина R апертуры, вычисляемая как количествоDC-компонент, для которых выполняется условие

]CD;CD[c maxminr,1 ′′∈′ , R,1r = ;

2) начальный элемент 1,1c′ апертуры;

3) высота d апертуры, определяемая как разницамежду верхним maxCD ′ и нижним minCD ′ значениями

динамического диапазона для вектора G′и задающаядопуск на диапазон отклонения значений элементовапертуры, элементов предсказанных кадров.Основным структурным свойством апертуры являет-ся то, что ее элементы принадлежат ограниченномудинамическому диапазону, т.е. maxr,1min CDсCD ′≤′≤′ .

Это позволяет рассматривать апертуру как переста-новку с повторениями по R элементов, на динами-ческие диапазоны )с( 1,1′λ и )с( r,1′λ которых наложеныследующие ограничения:

11)с(c 1,11,1 =−′λ≤′ ; (2)

minmaxr,1r,1 CDCD1)с(c ′−′=−′λ≤′ , R,2r = . (3)

Тогда количество )G(W ′ различных апертур длинойR в нормированном по координате апертуры про-

странстве, которое можно составить при наличииограничений на динамические диапазоны элементов,заданных выражениями (2) и (3), будет равно

1Rminmax

1Rr,11,1 ))CDCD())с(()с()G(W −− ′−′=′λ⋅′λ=′ .

Соответственно количество )G(V ′ информации в век-торе G′ , составленное из низкочастотных компонентлинеаризированных трансформант в нормированномпо начальному элементу пространстве, оцениваетсяпо формуле ))CDCD(og)1R()G(V minmax2 ′−′−=′ l .

Здесь по условию формирования апертуры выполня-ется условие

maxmaxminmax DCCDCDCD <′<′−′ , (4)

где maxDC – максимальное значение низкочастотнойкомпоненты в векторе G до нормирования.

В то же время в процессе выявления закономерностейдля последовательности низкочастотных компонент иих кодирования необходимо учитывать особенностиформирования апертур, а именно: если апертура стро-ится в режиме заранее заданной высоты, то перемен-ной будет ее длина. Тогда, с одной стороны, этоприведет к потере адаптивности относительно реаль-ного динамического диапазона DC компонент. Отсю-да возможны такие последствия, когда динамическийдиапазон: будет значительно меньшим, чем выбран-ное заранее значение высоты апертуры, что приведетк появлению избыточного количества разрядов приформировании объема DC-компонент; будет иметьнестационарные значения, что в случае фиксирован-ной высоты апертуры приведет к образованию боль-шого количества апертур. С другой стороны, длинаапертуры будет зависеть от степени когерентностисегментов и приводить к: снижению помехоустойчи-вости кодовых конструкций; уменьшению степенисжатия для сегментов насыщенных высокочастотны-ми составляющими; увеличению количества опера-ций на обработку как результат роста количестваотдельных апертур.Для устранения таких недостатков предлагается осу-ществлять дополнительное выявление закономернос-тей, основанных на учете локально-пространствен-ных свойств апертуры для последовательности низко-частотных компонент смежных ЛТ [4; 5]. Выявлениелокально-пространственных свойств для последова-тельности низкочастотных компонент предлагаетсяосуществлять на основе учета ограниченного прира-щения rh между соседними низкочастотными ком-понентами. Наличие таких свойств объясняется, во-первых, когерентностью смежных сегментов изобра-жения, а во-вторых – представлением последователь-ности низкочастотных компонент в нормированномпространстве.Такой вид ограничений задается следующей систе-мой соотношений:

55РИ, 2013, 2

⎪⎩

⎪⎨⎧

′≥+′

′≤−′

−

−

.сhс

;сhс

r,1r1r,1

r,1r1r,1 (5)

Для сокращения служебных данных предлагается наоснове вектора H приращений формировать однозначение, вычисляемое как максимальное прираще-ние maxh [4; 5]: hmaxh r

Rr1max

≤≤= , где maxh – мак-

симальное приращение среди компонент вектора H .

Величина maxh вычисляется для последовательностинормированных низкочастотных компонент и опреде-ляет динамический диапазон приращений между каж-дой парой ее элементов. Следовательно, величина

maxh характеризует локальные пространственно-вре-менные свойства апертуры. Для элементов последо-вательности G′ выполняется ограничение

max1r,1r,1max1r,1 hcchc +′≤′≤−′ −− , R,1r = . (6)

Однако выражение (6) не учитывает ограничения,накладываемые на элементы апертуры относительноих допустимого отклонения в пределах высоты апер-туры. Тогда возможен вариант, когда величина при-ращения может быть больше, чем половина высотыапертуры, т.е.

2/)CDCD(2/dh minmaxmax ′−′=> .

В этом случае нормированные низкочастотные ком-поненты будут изменяться в пределах

]h;h[с maxmax1r,1 −∈′ − , причем

maxmax1r,1r,1max1r,1min CDhcchcCD ′>+′≤′≤−′>′ −− , R,1r = .(7)

В то же время по определению апертуры принадлежа-щие ей элементы не должны выходить за ее нижний иверхний пределы, т.е. maxr,1min CDсCD ′≤≤′ .

Следовательно, для выполнения требований относи-тельно формирования апертуры необходимо вводитькорректирующее условие, которое позволит избе-жать случаев, описываемых соотношением (7). Дляэтого предлагается вычислять локальное прираще-ние как минимальное значение между высотой dапертуры и максимальным приращением maxh [5]:

)d;hmaxmin(h rRr1

max≤≤

=′ . Данное выражение задает

локальное приращение maxh′ между нормированны-ми низкочастотными компонентами с корректиров-кой.Значит, для нормированных низкочастотных компо-нент, рассматриваемых как элементы апертуры с ло-кальным приращением maxh′ , будет соответствоватьдинамический диапазон, задаваемый следующимисоотношениями:

11)с(c 1,11,1 =−′λ≤′ ; (8)

)d;hmaxmin(c rRr1

r,1≤≤

≤′ , R,2r = . (9)

Отсюда можно сформулировать следующее опреде-ление.Определение. Апертура равномерной длины, постро-енная для нормированных низкочастотных компо-нент, является комбинаторным объектом, а именноперестановкой с повторениями по R элементов, ди-намические диапазоны )с( 1,1′λ и )с( r,1′λ которых опре-деляются в соответствии с выражениями (8) и (9).

Количество таких апертур )G(W ′′ определяется какколичество перестановок по R элементов с двумяспецификациями )с( 1,1′λ и )с( r,1′λ и задается форму-лой

1Rr

Rr1))d;hmax2(min()G(W −

≤≤=′′ . (10)

Соотношение (10) для оценки количества нормиро-ванных апертур с учетом скорректированного огра-ничения на локальное приращение обеспечивает ис-ключение тех апертур, элементы которых выходят заее границы.На основе выражение (10) максимальное количестводвоичных разрядов )G(V ′′ , затрачиваемое на пред-ставление равномерной нормированной последова-тельности G ′′ низкочастотных компонент с учетомвыявления скорректированных ограничений на ло-кальное приращение, находится по следующему вы-ражению:

1]))d;hmax2(min(og)1R[()G(V rRr1

2 +−=′′≤≤

l . (11)

Минимальное количество избыточности min)G(S ′′ от-носительно исходной последовательности низкочас-тотных компонент, которое сокращается в результатенормирования по первой компоненте, выявления скор-ректированных ограничений на локальное прираще-ние и рассмотрения апертуры как перестановки сповторениями с двумя спецификациями, оцениваетсяпо формуле

100)G(V

)G(V)G(V)G(S minmin ×

′′−=′′ %.

Здесь )G(V – максимальное количество двоичныхразрядов на представление последовательности низ-кочастотных компонент без нормировки и до выявле-ния локальных приращений, равное

1]DCogR[)G(V max2 += l ,

где maxDC – максимальное значение низкочастотнойкомпоненты в векторе G до нормирования.

Тогда с учетом выражения (11) получим следующеесоотношение для оценки минимального количестваизбыточности min)G(S ′′ относительно исходной пос-ледовательности низкочастотных компонент, котороесокращается в результате нормирования по первой

56 РИ, 2013, 2

компоненте, выявления скорректированных ограни-чений на локальное приращение и рассмотрения апер-туры как перестановки с повторениями с двумя спе-цификациями, а именно:

100)1]DCogR[

1]))d;hmax2(min(og)1R[(1()G(S

max2

rRr1

2

min ⋅+

+−−=′′ ≤≤

l

l

%.

Здесь R – длина последовательности низкочастотныхкомпонент.Поскольку выполняется неравенство

))d;hmax2min(dDC rRr1

max≤≤

<< ,

то минимальное устраняемое количество избыточно-сти будет всегда больше нулевого уровня, т.е.

0)G(S min >>>′′ .

Количество устраняемой избыточности объясняется:выявлением статистических закономерностей, обус-ловленных когерентностью соседних сегментов изоб-ражений; выявлением структурных ограничений налокальное приращение; коррекцией локального при-ращения относительно высоты апертуры.3. Выводы1. Обоснована эффективность нормированной после-довательности низкочастотных компонент в виде апер-туры с выявленными скорректированными локальны-ми приращениями между элементами. Здесь обеспе-чивается устранения избыточности без потери инфор-мации с учетом: относительно незначительных изме-нений между DC-компонентами соседних линеаризи-рованных трансформант в случае обработки слабона-сыщенных сегментов изображений; наличия компен-сации при резких перепадах между DC-компонента-ми, что характерно для ЛТ, соответствующих сегмен-там насыщенных изображений.2. Разработана математическая модель для оценкиинформативности структурного описания трансфор-манты, базирующаяся на том, что апертура равномер-ной длины, построенная для нормированных низкоча-

стотных компонент, является комбинаторным объек-том, а именно перестановкой с повторениями по Rэлементов, динамические диапазоны которых опреде-ляются в соответствии с условиями нормирования попервой низкочастотной компоненте и выявления скор-ректированных локальных приращений между смеж-ными элементами апертуры.Научная новизна. Впервые разработана математичес-кая модель для оценки информативности линеаризи-рованной трансформанты. Отличительные характери-стики модели состоят в том, что последовательностьнизкочастотных компонент представляется комбина-торным объектом, а именно перестановкой с повторе-ниями, динамические диапазоны которых определя-ются в соответствии с условиями нормирования попервой низкочастотной компоненте и выявления скор-ректированных локальных приращений между смеж-ными элементами апертуры. Это позволяет оценитьнижнюю границу эффективности компрессии сег-ментов изображений.Литература: 1. Олифер В.Г. Компьютерные сети. Прин-ципы, технологии, протоколы: Учебник для вузов / В.Г.Олифер, Н.А. Олифер. СПб.: Питер, 2006. 958 с. 2. Гонса-лес Р. Цифровая обработка изображений / Р. Гонсалес, Р.Вудс. М.: Техносфера, 2005. 1072 с. 3. Баранник В.В. Коди-рование трансформированных изображений в инфоком-муникационных системах / В.В. Баранник, В.П. Поляков.Х.: ХУПС, 2010. 212 с. 4. Баранник В.В. Информативнаямодель двухадического представления апертурных ви-деоданных с адаптивным приращением / В.В. Баранник,Д.С. Кальченко // Сучасна спеціальна техніка. 2011. 4(27).С. 23-29. 5. Баранник В.В. Модель оценки информативно-сти двухосновного позиционного представления с фик-сированным приращением / В.В. Баранник, Д.С. Каль-ченко // Збірник наукових праць Харківського універси-тету Повітряних Сил. Х.: ХУПС. 2011. Вип. 3 (29). С. 81 - 89.

Поступила в редколлегию 05.01.2013

Рецензент: д-р техн.наук, профессор Баранник В.В.

Туренко Сергей Викторович, аспирант ХНУРЭ. Научныеинтересы: обработка и передача информации. Адрес:Украина, 61023, Харьков, ул. Ленина, 14.

57РИ, 2013, 2

УДК 621.327:681.5

МЕТОД ОБРАБОТКИ ДИНАМИЧЕСКОЙСОСТАВЛЯЮЩЕЙ НА ОСНОВЕПОЗИЦИОННОГО КОДИРОВАНИЯ САДАПТИВНЫМ ВЫБОРОМОСНОВАНИЯ

ЛЕКАХ А.А.

Излагается метод сжатия массивов динамической состав-ляющей на основе одномерного позиционного кодиро-вания с адаптивным выбором основания. Предлагаетсяразбивку динамической составляющей на массивы осу-ществлять с учетом наличия информации о количествеэлементов динамической составляющей. Обосновывает-ся, что за счет позиционного кодирования объем динами-ческой составляющей снизится на 38%. В результате пред-ложенного кодирования массивы динамической состав-ляющей заменяются последовательностью кодовых зна-чений позиционных чисел с адаптивным основанием.

1. ВведениеДля повышения производительности систем передачиинформации необходимо применять методы обработ-ки (кодирования) изображений, позволяющие умень-шать объем данных, но при этом сохранять информа-ционное содержание. Решение этой задачи неразрыв-но связано с разработкой и применением новых мето-дов и средств компактного представления данных,позволяющих не только сократить их объем, но иминимизировать время передачи информации по ка-налам связи и формирование ее графической моделив устройствах отображения в реальном масштабевремени.Отсюда, цель исследований заключается в разработкеметода сжатия массивов динамической составляю-щей на основе одномерного позиционного кодирова-ния с адаптивным выбором основания.2. Разработка метода сжатия массивовдинамической составляющейПозиционному кодированию с адаптивным выборомоснования подвергаются не отдельные элементы, а ихсовокупности (строки). Поэтому перед началом пози-ционного кодирования с адаптивным выбором осно-вания требуется из отдельных элементов сформиро-вать массивы. Динамическая составляющая динІ раз-бивается на массивы.На время формирования массивов D влияет порядокобхода динамической составляющей. С техническойточки зрения наименьшее время отображения инфор-мации на экране достигается при построчном порядкеобхода динамической составляющей. Это объясняет-ся тем, что в процессе отображения изображения оновыводится на экран по строкам (строчная развертка).Тогда при восстановлении изображения оно будетвыводиться на экран по мере восстановления элемен-

тов, принадлежащих динамической составляющей. Вэтом случае она разбивается на блоки равных разме-ров.Поэтому порядок обхода динамической составляю-щей предлагается организовывать по строкам в на-правлении слева направо. Для каждой последующейдинамической составляющей динІ процесс разбие-ния ее на массивы начинается сначала.Количество элементов в динамической составляю-щей динν нам известно и оно определяется как коли-чество единичных элементов в стационарной состав-ляющей стІ . Поэтому предлагается разбивку динами-ческой составляющей на массивы осуществлять сучетом наличия информации о количестве ее элемен-тов. Отсюда размер массива предлагается выбирать сучетом:1) максимального заполнения массивов элементамидинамической составляющей, т.е. в последнем мас-сиве, сформированном для нее должно быть какможно меньше незаполненных строк;2) того, что позиционное число и код формируютсядля строки массива. В этом случае необходимообеспечить отсутствие ситуаций, приводящих к пе-реполнению максимально допустимой длины кодо-вого слова;3) того, что количество потенциальной сокращаемойизбыточности увеличится с ростом размера позици-онного числа. Это обусловлено тем, что для большейдлины блока можно выявить больше закономернос-тей, используемых в процессе сокращения избыточ-ности.В связи с этим предлагается следующая процедураопределения размеров массивов, на которые разбива-ется динамическая составляющая:1. Если длина допустимого кодового слова ограниче-на 64 битами, то в соответствии со свойствами пози-ционного кодирования длина строки массива динами-ческой составляющей не должна превышать 8. Сдругой стороны, в соответствии с третьим требовани-ем относительно выбора размера массива динамичес-кой составляющей длина строки не должна бытьменьше 4. Поэтому на первом этапе предлагаетсявыбирать длину строки массивов динамической со-ставляющей равную 6, т.е.:

диндиндин nесли),6n( ν≤= , (1)где динν – количество элементов в динамическойсоставляющей.Тогда суммарное количество строк динамическойсоставляющей ( )динm Σ при учете знания величиныдинν определяется по формуле:

( )⎪⎪⎩

⎪⎪⎨

⎧

=ν

−ν

≠ν

−ν

ν

+ν

=Σ,0m]

n[если

;0m]n

[если

,n

,1]n

[m

диндин

диндин

диндин

диндин

дин

диндин

дин

дин (2)

58 РИ, 2013, 2

где дин

динnν

– количество строк динамической состав-

ляющей, на основе которых формируются полные

массивы; диндин

диндин m]

n[ν

−ν – остаточное количество

строк динамической составляющей, на основе кото-рого нельзя сформировать полный массив.2. Суммарное количество строк разбивается на от-дельные массивы. Здесь необходимо учитывать, чтоколичество строк в массивах должно быть одинако-вым. С другой стороны, на выбор количества строк вмассиве влияет условие сохранения однородностисвойств в локальной области по динамическим диапа-зонам. Это позволит выбирать адаптивное основаниепозиционного числа, наиболее адекватно описываю-щее свойство локальной области. В связи с этимпредлагается количество строк в массиве выбиратьравным 6nдин = . Тогда количество ( )дин

мν массивов,на которые разбивается вся динамическая составляю-щая, определяется по формуле:

( ) ( )]

mm

[дин

диндинм

Σ=ν . (3)

При этом, чтобы сократить количество основанийпозиционных чисел, выбираемых для каждого мас-сива в отдельности, предлагается следующая проце-дура:

( ) ( )2

m3m]

mm

[m диндин

дин

диндин =<

Σ−Σ , (4)

тогда последний полный массив заполняется остав-шимися строками из неполного массива.В противном случае, когда:

( ) ( )2

m4m]

mm

[m диндин

дин

диндин =≥

Σ−Σ , (5)

то формируется неполный массив.В общем виде схема позиционного кодированиямассивов динамической составляющей с адаптив-ным выбором основания показана на рис.1.

Таблица Ω составляется из всех возможных масси-вов данных (в общем виде), распределенных в зави-симости от значения основания, где 1U + – количе-ство различных массивов динамической составляю-щей заданного размера, а u – индекс подмножествамассивов динамической составляющей, удовлетво-ряющих значению основания uλ . Массивы динами-ческой составляющей образуются из исходного изоб-ражения на основе функционалов динϕ . Затем дляполученных массивов находится основание uλ . Най-денное основание служит входным параметром длясчитывания из таблицы Ω множеств uΩ соответ-ственно возможных массивов динамической состав-ляющей. В пределах выбранных множеств uΩ стол-

бцы массивов динамической составляющей нумеру-ются по порядку соответственно от 0 до uΩ . Поэто-му путем сопоставления конкретных массивов дина-мической составляющей столбцам множеств uΩ оп-ределяются соответствующие коды для позиционныхчисел i)u(N .

В общем случае полный массив uD динамическойсоставляющей имеет вид

динn,динmj,динm2,динm1,динm

динn,ij,i2,i1,i

динn,1j,12,11,1

u

d...d...dd...

d...d...dd...

d...d...dd

D =, (6)

где j,id – )j;i( -й элемент массива динамическойсоставляющей; динm , динn – соответственно количе-ство строк и столбцов в массивах uD .

Необходимо заметить, что массив uD может бытьзаполненный не полностью.Формирование строки массива динамической со-ставляющей проводится с учетом сдвига на количе-ство элементов, равное длине строки массива динn .

На процесс разбиения динамической составляющейна массивы uD влияет максимальное значение maxdэлемента динІ и количество динn столбцов. Этообусловлено тем, что код формируется не для от-дельного элемента динамической составляющей, адля строки ее массива. Поэтому на значение кодапозиционного числа i)u(N и на длину его кодограм-мы iL влияет адаптивное основание, которое выби-рается в соответствии с maxd и количеством элемен-тов в позиционном числе, что определяется динn .При этом мы можем управлять только величинойдинn . Величина maxd вычисляется отдельно для

каждой динамической составляющей. В связи сэтим перед выбором динn предлагается рассмотретьособенности позиционного кодирования с адаптив-ным выбором основания.Первая особенность заключается в ограничении, на-кладываемом на длину кодограммы iL , которое от-водится под позиционное число i)u(N . Выполнениеэтого ограничения необходимо для исключения по-терь информации из-за нехватки разрядов для пред-ставления значения кода i)u(N . Для этого величинамаксимально возможного числа, которое может хра-ниться в кодограмме iL разрядов, не должна превы-шать величины динамического диапазона )N(D зна-чений кодов позиционных чисел, т.е.:

,D2 )N(iL ≥ (7)

59РИ, 2013, 2

где iL2 – максимально возможное число, котороеможет храниться в кодограмме длиной iL бит.

Динамический диапазон )N(D определяется как мак-симально возможное значение кода позиционныхчисел i)u(N для заданного значения основания uλ .

Вторая особенность вызвана тем, что значения кодовi)u(N формируются для позиционных чисел равно-

мерной длины динn . Это обусловлено тем, что пози-ционное число формируется на базе элементов от-дельных строк массивов динамической составляю-щей. Поэтому коды i)u(N будут принимать различ-ные значения для разных строк. Отсюда для сокраще-ния кодовой избыточности предлагается длину кодог-раммы iL выбирать неравномерной, т.е.:

VARLi = . (8)Для предложенной организации массивов uD схемавычисления позиционных чисел для строк

d...,d....,;d;dD динn,ij,i2,i1,ii,u = этих массивов сучетом адаптивного выбора основания uλ задаетсявыражениями:

∑=

=динn

1jjj,ii Pd)u(N ; (9)

)jдинn(ujP −λ= ; (10)

динmi1динnj1

j,iu 1dmax

≤≤≤≤

+=λ (11)

где i)u(N – значение кода для i-го позиционногочисла, полученного для i-й строки u-го массива дина-мической составляющей; jP – весовой коэффициентj-го элемента позиционного числа; uλ – основание u-го массива динамической составляющей.

Рассмотрим пример вычисления кодов для позицион-ных чисел строк массива динамической составляю-щей.

Пример. Вычислим значения i)u(N для кодов пози-ционных чисел массивов uD :

uD1510491820302310

= .

Вначале определим позиционные числа для строкмассива i,uD динамической составляющей. Для это-го найдем основание uλ и вычислим по формуле (10)их накопленные произведения jP . Величина основа-ния uλ =31. Тогда весовой коэффициент 96131P 2

1 == ;3131P 1

2 == ; 131P 03 == . На основе этих значений по

формуле (9) вычислим i)u(N для кодов позиционныхчисел i,uD :

1023414312096110)u(N 1 =×+×+×= ; 1L =14 бит;

22671110311896123)u(N 2 =×+×+×= ; 2L =15 бит;

2912411531996130)u(N 3 =×+×+×= ; 3L =15 бит.

Максимально количество разрядов, затрачиваемое напредставление позиционных чисел динамической со-ставляющей, равно 15 разрядам. При этом на кодовоепредставление исходного фрагмента изображения(фрагмент изображения классифицируется как силь-нонасыщенный деталями, имеющий различные дина-мические составляющие) понадобится 24 разряда.Следовательно, за счет позиционного кодированияобъем динамической составляющей снизится на 38%.Позиционные коды позволят компактно представитьмассивы динамической составляющей, если соответ-ствующие максимальные значения uλ имеют ограни-чения, т.е. динmaxu ,1u,d ν=<λ . Здесь maxd – макси-

1,uD 1)u(N

1L

iL

динmL

2,uD

…

i,uD

динm,uD

і)u(N

динm)u(N

uD uD

Рис. 1. Схема получения кодов – номеров для частей фрагментаизображения

динІ

60 РИ, 2013, 2

мальное числовое значение динамической составля-ющей.Таким образом, в результате предложенного кодиро-вания массивы динамической составляющей заменя-ются последовательностью кодовых значений пози-ционных чисел с адаптивным основанием

)u(N,...)u(N,...)u(Nдинmi1 .

Рассмотрим интерпретацию предложенного кодиро-вания.Каждой строке массива динамической составляю-щей, рассматриваемой как позиционное число, соот-ветствует один код i)u(N неравномерной длины. Тог-да можно сказать, что за счет позиционного кодиро-вания с адаптивным основанием равномерные частидинамической составляющей заменяются кодограм-мами неравномерной длины. Поэтому всю цепь пос-ледовательных преобразований можно рассматриватькак равномерное векторное квантование с последую-щим неравномерным распределением количества дво-ичных разрядов (см.рис. 1).Обозначим данное преобразование следующим обра-зом:

;Df)u(N ui,uрвкi λ= ; (12)

,;;Dff;NfL uui,uрвкнррui,uнррi δλ=δ= (13)

где рвкf – функционал, задающий равное векторноеквантование динамической составляющей; нррf –функционал, описывающий процесс распределенияколичества двоичных разрядов под каждый код пози-ционного числа.Поскольку, с одной стороны, количество элементов впозиционном числе является равномерным, а с дру-гой – значения их элементов имеют неравномерноераспределение на натуральной оси, то код i)u(N будетнеравномерным, т.е.:

VAR)u(N i = . (15)

В этом случае, если под каждый код формироватькодограмму заранее заданной равномерной длины

cL , будет образовываться кодовая избыточность cR .Это обусловлено появлением незначимых старшихразрядов кодограммы, как показано на рис.2.

iL cR

cL

і)u(N

Рис. 2. Схема формирования кодовой избыточности

Кодовая избыточность определяется следующей фор-мулой:

icc LLR −= , (15)

где iL – количество разрядов на представление зна-чения кода позиционного числа, формируемое адаптив-

но для каждой строки массива динамической со-ставляющей uD ; сL – заранее выбранная равномер-ная длина кодограммы, не учитывающая структур-ные особенности массивов динамической составля-ющей uD .

В связи с этим, для сокращения кодовой избыточно-сти предлагается формировать длину кодограммы,учитывая структурные особенности каждой строки

i,uD массива динамической составляющей. При этомнеобходимо учитывать, что длина кодограммы будетнеравномерной, т.е. для каждой строки массивадинамической составляющей в общем случае можетвыполняться неравенство:

динmi1 L...L...L ≠≠ . (16)

Для таких условий существуют две базовые страте-гии позиционирования кодограмм сжатого пред-ставления.Первая стратегия заключается в использовании мар-керных разделителей между кодограммами. Мар-керные разделители представляют собой кодовуюпосылку, содержание которой не может повторятьсяни в одной кодограмме. С одной стороны, это позво-ляет обеспечить разделение кодограмм на приемнойстороне, но с другой – приводит к увеличениюобъема сжатого представления.Для устранения данного недостатка предлагаетсяиспользовать вторую стратегию. Суть ее заключает-ся в том, что количество разрядов под кодограммувыбирается с учетом особенностей динамическихдиапазонов обрабатываемых строк динамическойсоставляющей. При этом для сокращения служеб-ных данных предлагается использовать только туслужебную информацию, которая применялась впроцессе формирования кода i)u(N .

В случае формирования кода для позиционного чис-ла предлагается учитывать следующие их свойства.

Максимальное значение кода max)u(N позиционно-го числа для заданного основания uλ определяетсянакопленным произведением оснований его элемен-тов, т.е.:

1)u(N динnmax −λ= . (17)

Отсюда значение кода i)u(N для позиционных чиселс адаптивным основанием uλ будет ограничено сле-дующей величиной:

1)u(N динni −λ≤ . (18)

Количество двоичных разрядов iL на представлениекода i)u(N по адаптивному основанию uλ будетиметь следующую верхнюю границу:

1]1[log1])u(N[logL динn2i2i +−λ≤+= . (19)

Как следует из выражения (19), правая часть нера-венства зависит от величины адаптивного основания

uλ и длины строки динn массива динамической

61РИ, 2013, 2

составляющей. Величина uλ используется в процес-се кодирования, т.е. не является дополнительнойслужебной информацией, поэтому для позициониро-вания кодограмм позиционных чисел предполагает-ся осуществлять распределение количества разря-дов под каждую кодограмму в соответствии с нера-венством (19). В этом случае длина кодограммы iLбудет равна:

1]1[logL динn2i +−λ= , (20)

тогда uλ=δ .

В соответствии с предложенной стратегией количе-ство разрядов под каждую кодограмму в пределаходного массива динамической составляющей будетпостоянным. Но для разных массивов динамическойсоставляющей затраты количества разрядов под каж-дую кодограмму будут неравномерными. Это объяс-няется различиями значений оснований uλ . Поэтомупредлагается принцип распределения количества раз-рядов под кодограмму называть локально-равно-мерным.3. Выводы1. Предложены требования относительно разбивкидинамической составляющей на массивы, учитыва-ющие, с одной стороны, необходимость дополни-тельного сокращения избыточности, с другой – ис-ключение случаев переполнения кодового слова.2. Разработан метод сжатия массивов динамическойсоставляющей на основе одномерного позиционно-го кодирования с адаптивным выбором основания.

При этом код позиционного числа формируется дляотдельных строк массива динамической составляю-щей, а длина кодового слова выбирается неравно-мерной.3. Длины кодовых слов позиционируются относи-тельно друг друга в соответствии с известным значе-нием длины позиционного числа и адаптивногооснования.Литература: 1. Аудиовизуальные системы связи и веща-ния: новые технологии третьего тысячелетия, задачи ипроблемы внедрения в Украине / [О.В. Гофайзен,А.И. Ляхов, Н.К. Михалов и др.] // Праці УНДІРТ. 2000. 3. С. 3-40. 2. Олифер В.Г. Компьютерные сети. Прин-ципы, технологии, протоколы: Учебник для вузов / В.Г.Олифер, Н.А. Олифер. СПб.: Питер, 2006. 958 с.3. Barannik V. Optimization of the Data Width to theBooked Quality of the Dobeshies-Wavelet Transform /V. Barannik., I. Hahanova // International Symposium [ІIEEEEast-West Design & TestІ], (Yerevan, Armenia, September7 – 10, 2007) / Yerevan: 2007. P. 154 – 157.4. Баранник В.В.Кодирование трансформированных изображений в ин-фокоммуникационных системах / В.В. Баранник, В.П.Поляков. Х.: ХУПС, 2010. 212 с.

Поступила в редколлегию 05.05.2013

Рецензент: д-р техн.наук, проф. Баранник В.В.

Леках Альберт Анатольевич, научный сотрудник науч-ного центра Харьковского университета Воздушных Силим. Ивана Кожедуба. Научные интересы: системы, тех-нологии преобразования, кодирования, защиты и пере-дачи информации. Адрес: Украина, 61023, Харьков, ул.Сумская, 77/79, тел. 8 067-2593011.

УДК 004.93

МЕТОД СИНТЕЗА БАЗ ЧИСЛЕННЫХАССОЦИАТИВНЫХ ПРАВИЛ

ОЛЕЙНИК А.А., ЗАЙКО Т.А., СУББОТИН С.А.

Решается задача построения баз численных ассоциатив-ных правил. Разрабатывается метод синтеза баз ассоциа-тивных правил, в котором выполняется фаззификациятранзакционной базы данных, вычисляются пороговыезначения поддержки, используются критерии для оцени-вания косвенных ассоциаций, что понижает степень уча-стия пользователя в процессе поиска ассоциативных пра-вил, а также позволяет извлекать не только часто встреча-ющиеся наборы, но и редко возникающие интересныеассоциативные правила.

ВведениеВ настоящее время для поиска закономерностей меж-ду связанными событиями широко распространеныассоциативные правила [1].Как правило, исследуемые объекты или процессыописываются численными признаками, поэтому дляизвлечения ассоциативных правил и построения на ихоснове баз правил необходимо численные атрибутыпредварительно преобразовывать к формату, доступ-

ному для применения известных методов поиска ас-социативных правил [1–3]. При этом требуется вы-полнять разбиение численных признаков на непересе-кающиеся интервалы, каждый из которых рассматри-вается затем как новый атрибут.Однако в таких случаях возникают проблемы выбораколичества интервалов и существенного возрастанияразмерности решаемой задачи, что повышает требо-вания к вычислительным ресурсам ЭВМ. Кроме того,в некоторых случаях кроме часто встречающихсянаборов важными для извлечения новых знаний обисследуемых объектах или процессах являются неча-стые наборы элементов, позволяющие выявлять кос-венные ассоциации, которые не извлекаются при ис-пользовании известных методов синтеза баз ассоци-ативных правил [1–6].Поэтому актуальной является разработка метода син-теза баз численных ассоциативных правил, свободно-го от указанных недостатков и позволяющего извле-кать не только часто встречающиеся наборы, но иредко возникающие интересные ассоциативные пра-вила.Целью настоящей работы является создание методасинтеза баз численных ассоциативных правил.

62 РИ, 2013, 2

Постановка задачи синтеза баз численных ассо-циативных правилПусть задан набор (база) транзакций D:

DN21 T...,,T,TD = ,

в котором каждый элемент jT , DN...,,2,1j = содер-жит информацию о некоторых взаимосвязанных со-бытиях; DND = – количество элементов (транзак-ций) в наборе данных D; It...,,t,tT jNj2j1j jitem

⊆=– j-я транзакция базы D, представляющая собой спи-сок элементов ijt с конкретным значением числовыхатрибутов; ijt – i-й элемент j-й транзакции jT ,

jTN...,,2,1i = ; jTN – количество элементов в j-йтранзакции jT ; ,...,,I

IN21 τττ= – множество воз-можных переменных (признаков), которые могут вхо-дить в список элементов каждой транзакции jT ,

DN...,,2,1j = набора данных D; aτ – а-й элементмножества I, IN...,,2,1a = ; INI = – количество эле-ментов множества I.

В случае, если база транзакций D содержит кромебинарных, еще и вещественные переменные, элемен-ты ijt транзакции jT представляются кортежем:

>ττ=< )(v;t ijijij ,

где ijτ – признак из множества I, соответствующийэлементу ijt ; )(v ijτ – значение признака ijτ в тран-закции jT , ];[)(v maxijminijijij ττ=∆∈τ ; minijτ и

maxijτ – минимальное и максимальное значения издиапазона возможных значений ij∆ признака ijτ .

Тогда задача синтеза базы численных ассоциативныхправил на основе заданной транзакционной базы дан-ных D заключается в том, что необходимо построитьнабор (базу) численных ассоциативных правил БП ввиде импликаций ( ) ( )Yv,YXv,X → , в которыхнаборы X и Y не пересекаются [3]:

БП: ( ) ( )Yv,YXv,X → : IX ⊂ , IY ⊂ , ∅=YXI ,

где ( )Xv и ( )Yv – множества значений признаков,принадлежащих множествам X и Y, соответственно.Построение баз численных ассоциативныхправилДля извлечения ассоциативных правил из транзакци-онных баз данных D, содержащих численные атрибу-ты, такие атрибуты преобразовываются к формату,доступному для применения известных методов поис-ка ассоциативных правил [2, 4]. При этом требуетсявыполнять разбиение численных признаков на непе-ресекающиеся интервалы, каждый из которых рас-сматривается затем как новый атрибут. В разработан-

ном методе синтеза баз численных ассоциативныхправил предлагается использовать подход на основетеории нечетких множеств [3, 7, 8], позволяющийразбивать исходные признаки на нечеткие интервалыи работать с каждым признаком, а не с отдельнымиинтервалами его разбиения.Поэтому на начальном этапе предложенного методавыполняется фаззификация базы транзакций D, т.е.приведение всех ее численных значений к нечеткомувиду: FuzzyDD → . Такое преобразование позволитвыделить нечеткие термы каждого признака для вы-полнения дальнейшего извлечения ассоциативныхправил.При поиске ассоциативных правил важной характери-стикой, используемой в процессе их извлечения,является поддержка наборов элементов, а также еепороговое значение, задаваемое, как правило, пользо-вателем в качестве параметра метода. В разработан-ном методе построения баз численных ассоциативныхправил поддержку транзакции jT будем рассчиты-вать как пересечение функций принадлежности при-знаков, входящих в транзакцию jT :

Ija T

jaj )T()Tsupp(∈τ

µ= ,

где )T( jaµ – значение функции принадлежности a-го

признака, вычисленное для транзакции jT .

Тогда поддержка набора X определяется как суммаподдержек всех транзакций, содержащих это множе-ство:

( ) ∑∑⊆ ∈τ⊆

µ==j jaj TX T

jaTX

j )T()Tsupp(Xsupp I .

Взвешенную поддержку набора X, учитывающуюоценки индивидуальной информативности признаков,входящих в данный набор, определим следующимобразом:

( ) ( ) ∑∈τ

=Xa

awXsuppXwsupp ,

где величина ∑∈τ Xa

aw определяет оценку информатив-

ности набора признаков X.Взвешенная поддержка ассоциативного правила

YX → может быть определена по формуле:

( ) ( ) ∑∈τ

=→YXa

awYXsuppYXwsuppU

U .

Будем считать X часто встречающимся взвешеннымнабором, если будет выполняться условие:

( ) twminsupporXwsupp ≥ ,

где twminsuppor – пороговое (минимально допусти-мое) значение взвешенной поддержки.

63РИ, 2013, 2

Для поиска часто встречающихся наборов X устано-вим значение минимальной поддержки с учетом оцен-ки информативности самого длинного набора призна-ков в базе данных D:

twminsupporminsupport ⋅α= ,

где α – коэффициент, учитывающий значимость са-

мой длинной транзакции jT ( JDJT

j TmaxT∈

= ) в транзак-

ционной базе данных D:

∑

∈=∈τ

=α

JTDJT

maxjT,jTa:aaw

1 .

Часто встречающимися будем считать наборы X, длякоторых выполняется условие:

( ) minsupportXsupp ≥ .

Важно отметить, что в некоторых случаях кроме частовстречающихся наборов X важными для извлеченияновых знаний об исследуемых объектах или процес-сах являются нечастые наборы элементов, позволяю-щие выявлять косвенные (непрямые) ассоциации.Если два набора элементов X и Y существенно зави-сят от третьего набора Z, тогда будем считать, что параX и Y косвенно связана по набору Z: YX Z⎯→⎯ .Наличие такой связи будем определять, исходя изистинности таких условий:

1) значение взвешенной поддержки набора YXU

меньше минимально допустимой:( ) ( )YXwsuppYXwsupp UU β< ,

где ( )YXwsupp Uβ – пороговое значение взвешеннойнечеткой поддержки между наборами X и Y – величи-на, указывающая на то, что они встречаются не часто.Значение ( )YXwsupp Uβ можно установить следующимобразом: ( ) twminsupporYXwsupp =β U ;

2) существует непустой набор Z ( ∅≠∃Z ), для кото-рого выполняются условия:

( ) ( )( ) ( )⎪⎩

⎪⎨⎧

β≥

β≥

;ZYwsupp

;ZXwsupp

Zwsupp

Zwsupp

U

U и

( )( )⎩

⎨⎧

≥≥

,wZ,Yw;wZ,Xw

min

min

где ( )Zwsuppβ – пороговое значение взвешенной нечет-кой поддержки между некоторым набором и наборомZ, являющимся ключевым для появления пары набо-ров X и Y, – величина, указывающая на то, что наборыX и Y встречаются часто при наличии множества Z.Значение ( )Zwsuppβ целесообразно установить следу-ющим образом: ( ) ( )YXwsuppZwsupp Uβ≥β ; ( )Z,Xw и

( )Z,Yw – критерии оценивания взаимосвязи междумножествами X и Z, а также Y и Z, соответственно;

minw – минимально допустимое значение критерияоценивания взаимосвязи между множествами эле-ментов базы транзакций.

В качестве меры ( )Z,Xw целесообразно использо-вать следующую формулу:

( ))Z(p)X(p

)ZX(pZ,Xw I= ,

где )X(p , )Z(p , )ZX(p I – вероятность появлениянаборов X, Z и ZXI в базе данных D.

Таким образом, использование предложенных вышекритериев и их пороговых значений позволит извле-кать не только часто встречающиеся наборы, но инаборы, редко возникающие в исходной базе данных,однако являющиеся интересными и позволяющиевыявлять новые знания об исследуемых объектах илипроцессах.После выполнения подготовительных процедур, свя-занных с преобразованием транзакционной базы дан-ных и определением пороговых значений поддержкии достоверности, выполняется извлечение ассоциа-тивных правил и построение на их основе базы пра-вил. В предложенном методе в целях сокращенияпространства поиска используется свойство антимо-нотонности поддержки [1, 4] при создании новыхнаборов кандидатов.Для построения базы численных ассоциативных пра-вил задается транзакционная база данных D, содержа-щая транзакции jT с числовыми значениями атрибу-тов aτ , выбирается при необходимости набор функ-ций принадлежности µ , используемых для разбиениядиапазонов ak∆ численных признаков на нечеткиеинтервалы, определяется минимальная взвешеннаяподдержка twminsuppor и взвешенная достоверность

encewminconfid , а также другие пороговые значения( ( )YXwsupp Uβ , ( )Zwsuppβ , minw ), необходимых дляработы метода.

Затем каждое j-е численное значение ajτ a-го призна-ка aτ в транзакции jT преобразовывается к нечетко-му значению ajfτ :

∑= ∆

∈τµ=τ

aинт.N

1k ak

jaakaj ||

)T(f ,

где )T( jaak ∈τµ – функция принадлежности a-гопризнака k-му терму, вычисленная для признака aτ втранзакции jT ; ak∆ – ширина k-го диапазона разби-ения a-го признака.После этого вычисляется мощность каждого k-годиапазона разбиения a-го признака:

∑=

∈τµ=∆DN

1jjaakak )T(C

и находится максимальная величина для каждого a-го признака:

akN...,,2,1ka CmaxCmaxaинт.

∆=∆=

, I...,,2,1a = ,

64 РИ, 2013, 2

а также соответствующий величине aCmax ∆ интер-вал разбиения amax ∆ , который в дальнейшем про-цессе извлечения ассоциативных правил будет ис-пользоваться для представления нечетких характери-стик элемента aτ .

Для каждого интервала amax ∆ , I...,,2,1a = вычисля-ется взвешенная поддержка ( )amaxwsupp ∆ по фор-мулам, приведенным выше. Все интервалы amax ∆ ,значения взвешенной поддержки которых не менееминимально допустимого порогового значения

twminsuppor , заносятся в массив 1FI , содержащийодноэлементные часто встречающиеся наборы:

( ) twminsuppormaxwsupp|maxFI aa1 ≥∆∆= .

Интервалы с малыми значениями взвешенных под-держек ( )amaxwsupp ∆ заносятся в массив 1RI редковстречающихся одноэлементных наборов:

( ) twminsuppormaxwsupp|maxRI aa1 <∆∆= .

В случае, если множество 1FI является пустым, методпрекращает свою работу, поскольку сгенерироватьчасто встречающиеся и достоверные ассоциативныеправила не представляется возможным.

Затем на основе текущего множества dFI d-элемент-ных наборов генерируется множество 1dC + (d + 1)-элементных кандидатов в часто встречающиеся набо-ры. При этом аналогично методу Apriori [1–3] дляуменьшения количества кандидатов на (d + 1)-й ите-рации используется свойство антимонотонности под-держки, заключающееся в том, что поддержка любо-го множества элементов X не превышает значенияминимальной поддержки любого его подмножества

XY ⊂ [1, 3]. Поэтому на этапе генерации множествакандидатов 1dC + отсекаются (не создаются и не зано-

сятся в 1dC + ) те наборы, которые не могут стать частовстречающимися, что определяется на основе инфор-мации о наборах с низкими значениями поддержкиwsupp , рассчитанными на предыдущих этапах и хра-нящимися во множестве RI . Таким образом, присоздании нового множества 1dC + кандидатов ис-пользуется идея о том, что у набора, который потенци-ально является часто встречающимся, все подмноже-ства также должны быть часто встречающимися (зна-чения всех поддержек подмножеств должны быть нениже порогового). Следовательно, кандидат X, со-держащий подмножество XY ⊂ , отброшенное напредыдущих этапах как нечасто встречающееся( RIY ∈ ), не включается в следующее множество

1dC + кандидатов в часто встречающиеся наборы.

После формирования множества 1dC + для каждогонабора 1d1d21 C...,,,X ++ ∈τττ= ( 1dX += ) вычис-ляется его нечеткая характеристика для j-й транзакции

jT :

( ) IX:a

jaajXa

)T(T∈τ

∈τµ=µ ,

далее определяется взвешенная поддержка набора Х:

( ) ( ) ∑∑∈τ∈∈

µ=Xa

aDjT,jTX

jX wTXwsupp.

Если значение ( )Xwsupp не менее минимально допу-стимого порога twminsuppor , множество Х заноситсяв массив 1dFI + часто встречающихся наборов эле-ментов, в противном случае – в массив редко встре-чающихся наборов 1dRI + .

В случае, если ∅≠+1dFI , выполняются действия,аналогичные описанным выше. В противном случаесчитается, что дальнейшее генерирование часто встре-чающихся наборов является невозможным. Поэтомудалее выполняется извлечение ассоциативных правилс приемлемым уровнем достоверности.Ассоциативные правила будем генерировать исходяиз того, что:

( ) ( )( )

.YX

ence,wminconfidXwsupp

YXwsuppYXwconf

∅=

≥→=→

I

Массив всех часто встречающихся наборов, найден-ных ранее, может быть сформирован как совокуп-ность массивов CFI :

Ud

1CCFIFI

== .

Для каждого набора FIA ∈ и каждого его подмноже-ства AX ∈ выполняются проверки:

( )( ) encewminconfidXwsuppAwsupp ≥ и

( )( ) encewminconfid

X\AwsuppAwsupp ≥ .

Пусть X\AY = . Тогда, если выполняется первоеусловие, то генерируется ассоциативное правило

YX → . Если выполняется второе условие, то генери-руется правило XY → . При невыполнении обоихусловий генерации правила для FIA ∈ и AX ∈ непроисходит.После этого выполняется поиск интересных, но редковстречающихся правил вида YX Z⎯→⎯ . Для этогоформируется множество RI:

Ud

1CCRIRI

==

и для каждого его элемента RIA ∈ выполняютсяследующие действия: AAX = – последний элементмножества A; 1AAY −= – предпоследний элементмножества A; ( )YX\AZ U= . Тогда будем извлекать

65РИ, 2013, 2

ассоциативные правила вида YX Z⎯→⎯ при выполне-нии следующих условий:

( ) ( )( )( ) ( )( ) ( )

( ) ( )⎪⎩

⎪⎨

⎧

≥

β≥

β<

.wZ,YwZ,Xw

;ZYwsuppZXwsupp

;YXwsupp

min

Zwsupp

YXwsupp

I

UIU

U U

После извлечения импликаций вида YX → иYX Z⎯→⎯ на их основе синтезируется база ассоциа-

тивных правил, описывающая исследуемые объектыи процессы.Таким образом, предложенный метод синтеза базчисленных ассоциативных правил предполагает ис-пользование критериев для оценивания косвенныхассоциаций, что понижает степень участия пользова-теля в процессе поиска ассоциативных правил, умень-шает вероятность извлечения правил, некорректноописывающих исследуемые объекты и процессы, атакже позволяет извлекать не только часто встречаю-щиеся наборы, но и редко возникающие интересныеассоциативные правила.Для исследования эффективности предложенногометода построения баз численных ассоциативныхправил оценим его вычислительную сложность O.Извлечение ассоциативных правил связано с постро-ением множества часто встречающихся наборов FI,что в свою очередь требует определения значенийподдержек каждого из кандидатов, максимальноеколичество которых не превышает 2I . Сложностьэтого процесса составит )I(O 2

FI операций. Процессизвлечения ассоциативных правил из множества FIпредполагает обработку каждого подмножества

FIA ∈ , на что потребуется )I(O 2.извл операций.

Поэтому вычислительная сложность предложенногометода составит:

)I(O)I(O)I(OO 22.извл

2FI =+= .

Поскольку зависимость элементарных операций отразмера входных данных является полиномиальной(квадратичной), можно сделать вывод о том, чтопредложенный метод является вычислительно эффек-тивным.Эксперименты и результатыДля исследования свойств и характеристик предло-женного метода построения баз численных ассоциа-тивных правил была выполнена его программная ре-ализация на языке программирования C#.Экспериментальное исследование разработанногометода выполнялось с помощью тестовых транзакци-онных баз данных. Результаты исследований приве-дены в таблице, в которой используются такие обозна-чения: DN – количество транзакций jT в базе D; I –количество элементов (признаков), из которых могли

формироваться транзакции; jT – среднее количество

признаков в транзакциях базы D; |БП| – количествоизвлеченных ассоциативных правил в синтезирован-ной базе правил БП; t – время работы метода.

Результатыэкспериментальных исследований

Характеристики базы транзакций D

Результаты синтеза баз

ассоциативных правил

DN I jT |БП| t

1 10000 100 10 202 0,12 2 10000 500 10 246 0,41 3 10000 1000 10 281 0,92 4 50000 100 10 489 0,53 5 50000 500 20 519 2,27 6 50000 1000 30 621 5,82 7 100000 1000 10 802 6,13 8 100000 5000 20 858 31,05 9 100000 10000 30 992 67,58

Как видно из таблицы, время работы предложенногометода существенно зависит от количества I элемен-тов в базе D, что подтверждает оценку вычислитель-ной сложности )I(O 2

метода. Кроме того, результа-ты экспериментов показали, что количество сгенери-рованных правил |БП| растет с увеличением парамет-ров DN , I и jT базы транзакций D. Это обусловле-но большим количеством различных элементов вмножестве часто встречающихся наборов FI, чтопозволило сгенерировать больше численных ассоци-ативных правил.Таким образом, результаты экспериментов показали,что разработанный метод позволяет извлекать из за-данного набора транзакций численные ассоциативныеправила, формируемые не только на основе частовстречающихся наборов, но и на основе наборов,редко возникающих в исходной базе данных, однакоявляющихся интересными и позволяющих выявлятьновые знания об исследуемых объектах или процес-сах.ВыводыРешена актуальная задача автоматизации построениябаз численных ассоциативных правил.Научная новизна работы заключается в том, чтопредложен метод синтеза баз численных ассоциатив-ных правил, в котором выполняется фаззификациятранзакционной базы данных, вычисляются порого-вые значения поддержки, используются критерии дляоценивания косвенных ассоциаций, что понижает сте-пень участия пользователя в процессе поиска ассоци-ативных правил, а также позволяет извлекать не толь-ко часто встречающиеся наборы, но и редко возника-ющие интересные ассоциативные правила.

66 РИ, 2013, 2

Практическая ценность полученных результатовзаключается в том, что на основе предложенногометода разработано программное обеспечение, по-зволяющее выполнять построение баз численных ас-социативных правил.Работа выполнена в рамках госбюджетной научно-исследовательской темы Запорожского националь-ного технического университета «Интеллектуальныеинформационные технологии автоматизации проекти-рования, моделирования, управления и диагностиро-вания производственных процессов и систем» (номергосударственной регистрации 0112U005350).Литература: 1. Adamo J.-M. Data mining for associationrules and sequential patterns: sequential and parallelalgorithms / Adamo J.-M. New York : Springer-Verlag, 2001.259 p. 2. Gkoulalas-Divanis A. Association Rule Hiding forData Mining / A. Gkoulalas-Divanis,V. S. Verykios. NewYork: Springer-Verlag, 2010. 150 p. 3. Субботін С. О. По-дання й обробка знань у системах штучного інтелекту тапідтримки прийняття рішень: Навч. посібник / С. О. Суб-ботін. Запоріжжя: ЗНТУ, 2008. 341 с. 4. Zhao Y. Post-miningof association rules: techniques for effective knowledgeextraction / Y. Zhao, C. Zhang, L. Cao. New York : InformationScience Reference, 2009. 372 p. 5. Khan M. S. WeightedAssociation Rule Mining from Binary and Fuzzy Data /M. S. Khan, M. Muyeba, F. Coenen // Lecture Notes inComputer Science. 2008. Vol. 5077. P. 200-212. 6. Koh Y. S.Rare Association Rule Mining and Knowledge Discovery /Y. S. Koh, N. Rountree. New York : Information Science

Reference, 2009. 320 p. 7. Субботін С. О. Неітеративні,еволюційні та мультиагентні методи синтезу нечітколо-гічних і нейромережних моделей: Монографія / С. О. Суб-ботін, А. О. Олійник, О. О. Олійник; Під заг. ред. С. О. Суб-ботіна. Запоріжжя : ЗНТУ, 2009. 375 с. 8. Encyclopedia ofartificial intelligence / Eds.: J. R. Dopico, J. D. de la Calle, A.P. Sierra. New York : Information Science Reference. 2009. Vol.1–3. 1677 p.

Поступила в редколлегию 16.06.2013

Рецензент: д-р техн. наук, проф. Гоменюк С. И.

Олейник Андрей Александрович, канд. техн. наук, доценткафедры программных средств Запорожского нацио-нального технического университета. Научные интере-сы: интеллектуальные системы поддержки принятия ре-шений. Адрес: Украина, 69063, Запорожье, ул. Жуковс-кого, 64.

Зайко Татьяна Анатольевна, аспирант кафедры про-граммных средств Запорожского национального техни-ческого университета. Научные интересы: методы ин-дуктивного обучения, ассоциативные правила. Адрес:Украина, 69063, Запорожье, ул. Жуковского, 64.

Субботин Сергей Александрович, кандидат техническихнаук, доцент, профессор кафедры программных средствЗапорожского национального технического универси-тета. Научные интересы: нейронные сети, нечёткая ло-гика, интеллектуальные системы поддержки принятиярешений. Адрес: Украина, 69063, Запорожье, ул. Жуков-ского, 64.

67РИ, 2013, 2

ИНФОРМАЦИОННЫЕТЕХНОЛОГИИ

УДК 681.324:519.613

ИНТЕЛЛЕКТУАЛЬНОЕ ОБЛАКОУПРАВЛЕНИЯ ДВИЖЕНИЕМ (SmartCloud Traffic Control)

ХАХАНОВ В.И., ЛИТВИНОВА Е.И.,ЧУМАЧЕНКО С.В., ФИЛИППЕНКО О.И.

Предлагается интеллектуальная облачная инфраструкту-ра мониторинга и управления дорожным движением вреальном масштабе времени на основе использованияглобальных систем позиционирования и навигации, мо-бильных гаджетов и Интернета в целях повышения каче-ства и безопасности передвижения транспортных средств,а также минимизации временных и материальных затратпри движении автомобилей по заданным маршрутам.Основная инновационная идея – перенос светофоров споверхности Земли в виртуальное облачное простран-ство для управления транспортом, снабженным мобиль-ным гаджетом, на экран которого выводятся: карта, мар-шрут следования, координаты участника дорожного дви-жения и сигналы светофора. Предлагается комплекс ин-новационных технологических решений для социальных,гуманитарных, экономических, топливно-энергетичес-ких и экологических проблем, связанных с созданием иприменением облака мониторинга и управления. Упо-мянутые технологии и компоненты интегрируются в си-стемную автоматную модель интерактивного взаимо-действия в реальном времени инфраструктурного обла-ка мониторинга и управления с гаджетом транспортногосредства.

1. ВведениеНаноэлектроника, компьютер и киберпространство(Интернет) составляют сегодня три эволюционирую-щих уровня иерархии цифровой планеты. На их основетреть всех интеллектуальных ресурсов человечества внастоящее время трудится над созданием цифровойкарты или зеркала структурного взаимно-однозначно-го соответствия между процессами, явлениями реаль-ного и виртуального миров в целях повышения каче-ства жизни людей путем создания «зеленой» киберп-ланеты. Это означает оцифровывание не только всехмобильных и стационарных объектов, но и «чистого»структурированного земного пространства для точно-го задания координат процессов и явлений, происходя-щих на реальной планете. Цифровая карта последнейпостоянно эволюционирует от стационарности к дина-мике процессов реального времени и уже использует-ся для создания в киберпространстве облачных серви-сов точного мониторинга и оптимального (беспилотно-го) управления (движущимися) объектами реальногомира в измерениях: 1D, 2D, 3D.

Ускорение развития знаний о природе в последнеевремя связывается с технологической сингулярнос-тью или взрывом в понимании законов микро- имакромира на коротком промежутке времени, чтонепременно приведет к созданию через два десятиле-тия глобального кибермозга для управления челове-чеством, а также процессами и явлениями реальногомира. Это возможно благодаря развитию трех компо-нентов: биоинженерии, искусственного интеллектакиберпространства и нанотехнологий аддитивногопроизводства промышленных изделий. Здесь имеетсяв виду: 1) встроенная и непосредственная интеграциямозга человека с компьютером или киберпростран-ством путем устранения языковых интерфейсов меж-ду ними; 2) создание искусственного интеллекта длясамообучения и самосовершенствования небиологи-ческих (компьютерных) структур, программ и про-цессов; 3) «нано-выращивание» компьютера путемаддитивного структурирования атомов. Рыночная при-влекательность «зеленых» нанотехнологий восходя-щего проектирования – построение или выращивание(квантового) компьютера путем структурированияатомов – заключается в безотходности, микроминиа-тюрности, сверхнизком энергопотреблении, абсолютноминимальной затратности материалов, а в будущем истоимости, сверхвысоком быстродействии и требуе-мой масштабируемости, соизмеримой с классом до-ставляемых сервисов. Современные технологии по-зволяют сегодня не только сканировать атомные струк-туры, но и последовательно строить или выращиватьих с помощью технологий 3D-принтера. Однако напути решения проблемы нано-технологического на-правления разработки квантового компьютера на рынкеимеется три привлекательных, но еще не решенныхзадачи: 1) Открытие технологий с высоким быстро-действием выращивания требуемых гетерогенныхатомных структур в соответствии с заданной про-граммной спецификацией вычислителя. 2) Созданиеэффективного транзакционного механизма для реали-зации простого мониторинга и управления квантовы-ми состояниями выращенных атомных вычислитель-ных структур с адресуемыми компонентами. 3) Обес-печение требуемой стабильности во времени состоя-ний компонентов атомной структуры, реализующейпамять. Решение упомянутых проблем в микромирепозволит радикально изменить все процессы и явле-ния в макромире, который сегодня эволюционирует вформе киберпространства (Интернета) планеты, пос-ледовательно проходя следующие периоды: 1) 1980-е годы – формирование парка персональных компью-теров; 2) 1990-е годы – внедрение Интернет-техноло-гий в производственные процессы и быт человека; 3)2000-е годы – повышение качества жизни за счетповсеместного использования мобильных устройстви облачных сервисов; 4) 2010-е годы – созданиецифровой инфраструктуры мониторинга, управленияи взаимодействия между собой стационарных и дви-жущихся объектов, включая воздушный, морской,наземный транспорт и роботов; 5) 2015-е годы –создание глобальной цифровой инфраструктуры ки-

68 РИ, 2013, 2

берпространства, где все процессы, явления иденти-фицируются во времени и в трехмерном простран-стве, постепенно превращаясь в интеллектуальные(Internet of Things, Smart Everything).Куда сегодня стремится реальный кибернетическиймир? Корпоративные сети, персональные компьюте-ры, а также отдельные сервисы (программные про-дукты) уходят в облака киберпространства, которыеимеют ярко выраженную тенденцию к расслоениюИнтернета по специализированным сервисам. Еслисегодня 4 миллиарда пользователей соединяются в

Интернете (1 zettabytes = 7021 210 = байт) посред-ством 50 миллиардов гаджетов, то через пять леткаждый активный пользователь будет иметь не менее10 устройств для связи с киберпространством. Стано-вится невозможным использование персональныхгаджетов и компьютеров без частичного или полногоих отображения и синхронизации на облаках Интерне-та. Это дает возможность решать проблему удаленно-го доступа к личным данным и сервисам персональ-ного компьютера при перемещении пользователей впространстве. Экономический фактор неэффективно-го использования приобретенных приложений, раз-мещенных в гаджетах и персональных компьютерах,заставляет пользователя отказываться от их покупки впользу почти бесплатной аренды сервисов на обла-ках. Все упомянутое выше является существеннымаргументом и неоспоримым доказательством неми-нуемого перехода всего человечества в киберпрост-ранство виртуальных сетей и компьютеров, распола-гаемых в профессионально надежных облаках серви-сов. Достоинства виртуального мира заключаются втом, что микро-ячейки и макро-сети в облаках инва-риантны по отношению к многочисленным гаджетамкаждого пользователя или корпорации. Облачныетехнологии снимают практически все упомянутыевыше проблемы надежности, безопасности, сервис-ного обслуживания и почти не имеют недостатков. Всвязи с глобальным переходом корпораций и пользо-вателей в облака чрезвычайно актуальной и рыночнопривлекательной становится проблема защиты ин-формации и компонентов киберпространства от не-санкционированного доступа, деструктивных проник-новений, вирусов. Необходимо создавать надежную,тестопригодную и защищенную от несанкциониро-ванных проникновений инфраструктуру киберпрост-ранства и его компонентов (виртуальные персональ-ные компьютеры и корпоративные сети) по аналогиис существующими сегодня решениями в реальномкибернетическом мире. Таким образом, каждый сер-вис, разрабатываемый в реальном мире, должен бытьпомещен в соответствующую ячейку облака, котороеобъединяет близкие по функциональностям и полез-ные человеку компоненты. Сказанное непосредствен-но относится и к сервисам проектирования цифровыхсистем на кристаллах, которые экономически и тех-нически целесообразно хранить в киберпространстведля последующего использования по назначению.Персональный компьютер превращается в удобный

интеллектуальный микроминиатюрный интерфейс длядоступа к собственной цифровой ячейке или к жела-емому облачному сервису киберпространства. Длясоздания персональных интерфейсов-гаджетов в фор-ме цифровых систем на кристаллах рынок нано-электронных технологий предоставляет разработчи-кам до 1 миллиарда вентилей на пластине размернос-тью 2х2 см при ее толщине, равной 5 микрон. При этомсовременные технологии допускают создание пакетаили «сэндвича», содержащего до 7 кремниевых кри-сталлов. Практически «беспроводное» соединениетаких пластин основывается на технологической воз-можности сверления порядка 10 тысяч сквозных от-верстий (vias) на 1 квадратном сантиметре. Крометого, появление трехмерных FinFETs транзисторов иоснованных на них 3D-технологий реализации объем-ных цифровых систем предоставляет новые возмож-ности для создания более быстродействующих вы-числительных устройств за счет уменьшения задер-жек. Имея упомянутые технические возможности,можно и нужно использовать «жадные» к аппаратуремодели и методы для создания быстродействующихсредств параллельного решения практических задач.Для этого следует применять дискретность и много-значность алфавитов описания информационных про-цессов, свойство параллелизма, заложенное в кван-товых вычислениях, что сегодня является востребо-ванным при создании эффективных и интеллектуаль-ных вычислителей для анализа киберпространства,облачных структур Big Data, а также для проектирова-ния новых функциональностей Интернета. Сказанноевыше непосредственно относится и к сервису дорож-ного движения, которое имеет цифровое отображениев киберпространстве для последующего моделирова-ния всех процессов на облаке с целью предложитькаждому водителю качественные условия передви-жения с экономией времени и средств.2. Формальная модель облачного управления изадачи исследованияЦель – повышение качества и безопасности дорожно-го движения путем создания его виртуальной интел-лектуальной инфраструктуры, включающей монито-ринг и управление в реальном масштабе времени [1,3]на основе использования мобильных гаджетов транс-портных средств и облачных светофоров, что даетвозможность минимизировать временные и матери-альные затраты при организации дорожного движе-ния, а также создавать инновационные решения соци-альных, гуманитарных, экономических и экологичес-ких проблем.Объект исследования – облачные технологии мони-торинга и управления транспортными средствами наоснове использования виртуальных светофоров, до-рожных знаков и мобильных гаджетов для идентифи-кации, радиолокации и радионавигации участниковдорожного движения.Предмет исследования: транспортные потоки, вирту-альная инфраструктура дорожных сообщений, про-

69РИ, 2013, 2

граммно-аппаратные мобильные системы идентифи-кации, мониторинга и управления дорожным движе-нием на основе применения виртуальных светофоров.Сущность исследования – создание интеллектуаль-ного облака управления дорожным движением (iCloudTraffic Control) в реальном масштабе времени наоснове создания облачной виртуальной инфраструк-туры дорожного движения, интегрированной с вирту-альными уличными светофорами, мобильными сред-ствами идентификации автомобилей в целях повыше-ния качества и безопасности передвижения транспор-тных средств, минимизации временных и материаль-ных затрат при исполнении заданных маршрутов.Инновационное предложение: Интеллектуальное об-лачное управление дорожным движением (IntelligenceCloud Traffic Control – iCTC) имеет целью переноссветофоров в облака, что радикально меняет всюинфраструктуру дорожного движения на Земле исоздает потенциальные возможности для экономиитысяч тонн металла для изготовления светофоров,сотен тысяч киловатт электроэнергии на поддержаниеих работоспособности, миллионов долларов на ихустановку и эксплуатационные расходы, а также умень-шение времени установки и актуализации светофоровв виртуальной инфраструктуре городов до несколь-ких минут.Формальная модель киберсистемы представлена ввиде двух облачных компонентов или механизмов[1]: 1) f – мониторинг и управление; 2) g – исполни-тельные инфраструктурные механизмы, которые свя-заны между собой сигналами мониторинга, управле-ния и инициирования обоих компонентов для реализа-ции сервисов. Аналитическая форма [4] задания iCTC-системы и ее структурный эквивалент изображены нарис. 1.

A = (f,g,µ, υ, X, R, Y, P),Yt = f[(X, R,µ)t, Yt−1];Pt = g[(X, R, υ, Y)t ].

X = (v, p,s);Y = [G(k), L, M, Pur

];R = (G, P

ur)R;P = (G(k), L, M, P

ur)P;

µ = [G(k), L, M, Pur

];υ = Li, Lt, Lh, Lx = L;GR, P = G(k), L, M, P

ur.

Рис. 1. Аналитическая и автоматная формы заданияiCTC-системы

В модели фигурируют A = (f,g,µ, υ, X, R, Y, P) соответ-ственно: блоки управления и исполнения, сигналы

мониторинга и управления, входы управляющих за-даний и исполнительных ресурсов, выходы индика-ции состояния алгоритма реализации задания и предо-ставления сервиса. Здесь также присутствуют сигна-лы внешнего управления дорожным движением X = (v, p,s) для регулирования проезда правитель-ственных персон, полицейских машин и автомобилейспециального назначения соответственно. Сигналыуправления транспортом υ = Li, Lt, Lh, Lx = L ис-пользуют виртуальный светофор, работающий в ре-жимах: 1) интеллектуальный, функционально зависи-мый от дорожной обстановки; 2) автоматический, сфиксированными периодами переключения; 3) руч-ной виртуальный режим на основе цифрового мони-торинга перекрестка на экране полицейского компью-тера, аналог – управление воздушным транспортом спомощью монитора диспетчера в аэропорту; 4) экст-ренный останов υ∈xL транспортного средства поцифровому запросу полиции, который визуализиру-ется на экране монитора гаджета автомобиля. Облач-ному мониторингу подлежат соответственно: µ = [G(k), L, M, P

ur] все мобильные гаджеты автомоби-

лей с их координатами, состояния светофоров, привя-занные к карте местности M, а также исполнениезаказанных маршрутов движения транспорта.

Перенос светофора P,L υ∈ с реального перекрест-ка на облачный завершает создание виртуальной ин-фраструктуры планеты, образуя замкнутый цикл сис-темы мониторинга и управления с единственным ре-альным компонентом в виде мобильного гаджета GR, P = G(k), L, M, P

ur участника дорожного движе-

ния (УДД). Гаджет реализует функцию интерфейсадля связи с облаком: R-вход в облако – заказ сервиса R = (G, P

ur)R (делегирование в облако ID-гаджета и

пути передвижения) и P-выход из него – получениесервиса P = [M,G(k), P

ur, L] (карта, координаты гадже-

та, оптимальный маршрут, светофор).Участник получает сервис оконного скроллинга кар-ты и сигналы светофоров в реальном масштабе вре-мени по пути движения P

ur, если он делегирует свой

гаджет в облако. При заказанном пути он дополни-тельно получает квазиоптимальный маршрут движе-ния и приоритетный проезд светофоров. На самомделе систему с позиции пользователя создают двакомпонента: облако и гаджет. При этом новизна иоригинальность системы заключается в предоставле-нии облачного сервиса – сигналов светофора наэкране гаджета участника дорожного движения. Всеостальное: карты, маршруты движения – уже суще-ствуют и работают. Внедрение предлагаемой iCTC-системы будет происходить путем создания виртуаль-ных светофоров, дублирующих реальные в синхрон-ном режиме, а затем постепенного устранения всехфизических устройств и знаков земной инфраструк-туры дорожного движения по мере приобретения во-

70 РИ, 2013, 2

дителями новой технологической культуры эволюци-онным путем. Более того, все крупные города ужеимеют фактически централизованное компьютерное(облачное) управление светофорами. Поэтому пере-нос светофоров в облако не будет связан с суще-ственными дополнительными затратами, а скорее на-оборот – большие эксплуатационные расходы на под-держание светофорной и знаковой инфраструктурыгородов в работоспособном состоянии трансформи-руются в ноль.Мобильный гаджет транспортного средства G являет-ся главным управляющим воздействием для iCloudTraffic Control, равно как и он есть основным потре-бителем светофорных сигналов L управления движе-нием автомобиля, выводимых на лобовое стекло L = Li, Lt, Lh, Lx = F(L,G, V, T, D, P

ur) , где V – сигналы

спецуправления, T – программируемый цикл авто-номного управления светофором, D – накопленныеинтеллектуальные статистические данные по светофо-ру (проспекту, району), в том числе учитывающиевремена года и суток, P

ur – поступающие заказы на

маршруты движения транспорта. Создание виртуаль-ной системы светофоров дает возможность практи-чески без финансовых, временных, материальных иэнергетических затрат размещать путем программи-рования новые светофоры в виртуальном простран-стве, равно как и удалять их из облака в процессемодернизации инфраструктуры. Визуализация на ло-бовом стекле (мобильном мониторе) сигналов свето-фора и голосовое дублирование повысит качество ибезопасность дорожного движения, снизит аварий-ную обстановку как для водителя, так и для инфра-структуры городов в целом. Облачный светофор, какцифровой сигнал, в отличие от аналогового восприя-тия водителем реального светофора, является болеенадежным средством управления транспортом, в томчисле и для последующего внедрения в дорожноедвижение автопилота, воспринимающего только де-терминированные сигналы управления.Участники дорожного движения идентифицируются воблаке гаджетом или iPhone, который паруется припосадке в автомобиль. Статус участника повышаетсяпри прохождении светофоров, если маршрут движе-ния заказывается заранее. Другие участники дорож-ного движения (пешеходы, мотоциклисты и велоси-педисты) также имеют право заказывать маршрут,повышая свой статус для использования светофоров.Пешеходы имеют возможность получить сервис длязаказа комбинированного маршрута, включающеговсе виды наземного и подземного транспорта (авто-бусы, метро).Для автомобиля система управления формирует функ-ционал, оптимизирующий критерий качества обслу-живания, который зависит от следующих переменных(время, длина и качество маршрута): )K,P,T(fminQ = .

Для светофора система управления формирует функ-ционал, минимизирующий суммарное время простоя

автомобилей в течение суток (Z – цикл переключения

светофора): 1n

1i iiiiiiii

)J,V,P(Z)J,L,V,P(T

n1minQ

−

=∑

⎥⎥⎦

⎤

⎢⎢⎣

⎡= , где в

числителе и знаменателе представлены функциональ-ные зависимости времени простоя и цикла от указан-ных в скобках параметров. Фактически суммируютсячасти светофорных циклов, необходимые для проездакаждому автомобилю через перекресток. Если в ре-зультате получится оценка качества, близкая к едини-це Q=1, то перекресток функционирует нормально. Впротивном случае необходимо модифицировать циклпереключения или реконструировать перекресток. Дляинфраструктуры города или района система управле-ния формирует функционал, оптимизирующий крите-рий качества обслуживания автомобилей за проме-жуток времени (час, сутки), который зависит от сум-марного времени проезда автомобилей по заданныммаршрутам и рекомендуемой скорости, времени про-стоя автомобилей на светофорах и в пробках, отнесен-ных к идеально пройденным маршрутам при разре-шенной скорости движения без задержек на светофо-

рах и в пробках: 1

n

1i iii

iiiii)V,P(T

)J,L,V,P(Tn1minQ

−

=∑

⎥⎥⎦

⎤

⎢⎢⎣

⎡= .

Для проспекта города система управления формируетфункционал, оптимизирующий критерий суммарноговремени проезда автомобилей от начала и до концаулицы за промежуток времени (час, сутки):

1n

1i iiiiii

)V(T)J,L,V(T

n1minQ

−

=∑ ⎥

⎦

⎤⎢⎣

⎡= .

Задачи, подлежащие решению для реализации iCloudTraffic Control (iCTC):1) Разработка технологии радиочастотного цифрово-го позиционирования транспортного средства (гад-жета) с точностью до 2 метров.2) Создание новой системы мнемонических и сопро-вождающих звуковых сигналов на мониторе, состав-ляющих облачные правила дорожного движения.3) Разработка операционного и управляющего авто-матов, которые объединяют все компоненты iCloudTraffic Control в единую облачную систему, имею-щую входом и выходом гаджет G(k) (автомобиля),как единственный интерфейс связи с облаком, пози-ционируемый в реальном масштабе времени точнымикоординатами k на карте M инфраструктуры со свето-форами L для управления передвижением участникадорожного движения.4) Проектирование масштабируемой системы iCTCдля светофора, проспекта, района, города, страны,планеты.5) Разработка сервисов (программных приложений)на стороне клиента (автомобиль, пешеход, велосипе-дист, мотоциклист) для оптимального управленияисполнением маршрутов передвижения, включая си-

71РИ, 2013, 2

стему видео- и аудио-сигналов, привязанных к инф-раструктуре и доставляемых из iCTC в реальноммасштабе времени.6) Проектирование сервисов на стороне облака (сер-вера) для решения задач оптимизации при прокладкемаршрутов, управлении светофором, модификацииоблачной и реальной инфраструктуры, а также серви-сов оперативного управления облачными светофора-ми на основе мониторинга дорожного движения.7) Разработка кубитных структур данных и «кванто-вых» матричных процессоров на основе технологийBig Data для одновременного и параллельного сер-висного обслуживания пользователей iCTC-облака вреальном масштабе времени, число которых в преде-ле должно быть равным количеству жителей планеты.8) Создание интеллектуальных моделей, методов син-теза и анализа виртуальной инфраструктуры для оце-нивания качества дорожного движения, моделирова-ния трафика, предложения оптимального маршрута сучетом технических, климатических, социальныхфакторов, качества дорог, количества светофоров,левых поворотов в целях создания новых и реконст-рукции существующих инфраструктур дорожногодвижения.9) Предоставление облачных сервисов для автотран-спортных предприятий в целях повышения качестваобслуживания пассажиров, перевозки грузов, опти-мизации временных и материальных затрат.10) Предоставление облачных сервисов для водителяв целях повышения качества проезда по заданномумаршруту и оптимизации временных и материальныхзатрат.11) Сбор статистической информации (интеллектуа-лизация глобальной, корпоративной и персональнойинфраструктуры) путем накопления истории трафика,изменения его параметров во времени и в простран-стве для прокладывания квазиоптимальных маршру-тов будущих поездок.12) Создание средств защиты информации и санкци-онированного доступа к персональным и корпоратив-ным данным в облаке. Каждый пользователь видиттолько свой автомобиль в облаке и обезличенныетранспортные потоки. Все идентификаторы транспор-та могут быть доступны по решению суда или поста-новлению следственных органов только специаль-ным государственным службам.13) Создание спецификации iCloud Traffic Control какstart-up проекта для его последующего предложенияили продажи компаниям Apple и Google.14) Поиск валидных партнеров в европейских странах(Германия, Польша, Франция, Швеция, Норвегия) дляподачи совместного проекта iCloud Traffic Control вцелях получения гранта до 10 миллионов евро врамках FP8 или TEMPUS программ.15) Поиск состоятельных инвесторов и валидныхпартнеров в других странах (Россия, Иран, Саудовс-

кая Аравия, США) для реализации совместного про-екта iCloud Traffic Control в целях получения грантовна исполнение масштабируемого прототипа в преде-лах города или района.16) Патентование в Украине и США виртуальнойтехнологии (инфраструктуры) управления дорожнымдвижением на основе использования облачного све-тофора, отображаемого на дисплее гаджета.Детализованная структура iCTC-системы представ-лена на рис. 2, где основными блоками являются:гаджет автомобиля и облако, которое делится на двечасти. Первая из них g содержит инфраструктуру скомпонентами [1-3]: карта местности, координатыгаджета – автомобиля, светофоры и дорожные знаки,а также память для хранения заказанных маршрутов истатистики передвижения транспорта. Вторая частьоблака f представлена блоками памяти, мониторингаи управления, а также модулем защиты от несанкци-онированного доступа.

Рис. 2. Структура iCTC-системы

Таким образом, предлагаемая инновационная iCTC-система характеризуется наличием только облачныхвзаимосвязанных компонентов: инфраструктуры,мониторинга и управления дорожным движением,включая светофоры, что дает возможность: 1) квази-оптимально управлять каждым транспортным сред-ством в режиме реального времени на основе исполь-зования существующих каналов связи и мобильныхгаджетов, спаренных с автомобильными компьютера-ми; 2) оптимизировать процессы оптимального повремени, затратам и качеству управления дорожнымдвижением для решения социальных, гуманитарных,экономических и экологических проблем; 3) ради-кально уменьшать реальную инфраструктуру дорож-ного движения и сэкономить: материалы для изготов-ления дорожных знаков и светофоров, электроэнер-гию на обеспечение их работоспособности, финансына установку светофоров и эксплуатационные расхо-ды за счет создания светофоров в виртуальной инфра-структуре планеты.

72 РИ, 2013, 2

Алгоритм работы облачной системы управления со-держит следующие шаги: при посадке в автомобильводитель с помощью гаджета заказывает маршрутпередвижения путем обращения к iCTC, которая вери-фицирует валидность пользователя с помощью блока«Security», разрешающего вход в облако, котороеопределяет координату гаджета или автомобиля вокне карты местности, вычисляет оптимальный путьво времени и пространстве, а также осуществляетсопровождение транспорта в реальном времени путемпредоставления сервисов по управлению с помощьюоблачных светофоров, привязанных к координатамили перекресткам на маршруте движения. При отсут-ствии заказанного пути пользователь получает толькоокно карты местности со светофорами на текущемпути передвижения транспортного средства, но приэтом сама iCTC-система может предложить наиболеевероятный маршрут движения, исходя их статистикипоездок, сохраняемой в блоке истории «Storage».Гаджет может быть использован и пешеходом дляперехода через перекрестки и проспекты, заказа мар-шрута передвижения на основе применения суще-ствующих транспортных средств: автобус, метропо-литен, поезд, самолет.Режимы работы iCTC-системы для пользователя: 1)сопровождение участника дорожного движения пу-тем предоставления инфраструктурной карты, коор-динаты и сигналов светофора; 2) заказ маршрутапередвижения, когда к функциональности первогорежима добавляется квазиоптимальный путь, мини-мизирующий время, дистанцию, качество передви-жения, включая статистическую светофорную зеле-ную волну по пути следования; 3) особый заказмаршрута участниками X (v,p,s) , когда по путиследования и впереди специального транспорта обес-печивается запланированная и гарантированная зеле-ная волна, предлагающая другим участникам дорож-ного движения не препятствовать специальным маши-нам, вплоть до остановки, путем цифровой и голосо-вой индикации соответствующих сигналов управле-ния на экране гаджетов автомобилей в зоне взаимногоинфраструктурного влияния транспорта.3. Основания для реализации проекта1) Рыночная привлекательность. Капитализация биз-нес-проекта в пределах Украины после внедренияiCTC-облака может составить 1 миллиард долларов.2) Проект ориентирован на предоставление сервисовдля 7 миллионов водителей Украины и 8 тысяч ком-паний. Аналогов таких систем в мире пока не суще-ствует. Имеются отдельные компоненты для созданияинфраструктуры: электронные карты, спутниковыесистемы локации и навигации, специализированныебазы данных в облаках, средства мониторинга, сбораи защиты информации, централизованно управляе-мые светофоры, сотовая связь, как часть необходи-мой инфраструктуры для реализации проекта. Финан-совая доступность для водителей мобильных средствнавигации, управления и мониторинга движения транс-

портных средств. Наличие программных, аппаратныхи сетевых систем централизованного управления до-рожным движением в масштабах страны. Доступ-ность облачных вычислительных технологий. Посто-янное совершенствование и удешевление техноло-гий, применяемых в инфраструктуре дорог и киберп-ространстве. Возрастание компьютерной, мобильнойи интернет-грамотности населения. Понимание со сто-роны государства необходимости создания и исполь-зования интеллектуальной инфраструктуры и облач-ного сервиса качественного и безопасного дорожно-го движения.3) Государственная целевая программа «Безопасностьдорожного движения» в рамках стратегического пла-на Украины «Зажиточное общество, конкурентоспо-собная экономика, эффективное государство» на пе-риод до 2016 года с планируемым бюджетом 5,43млрд гривен, от 25 марта 2012 года.4) Теоретические разработки интеллектуальных мо-делей, методов и процессоров анализа киберпрост-ранства, связанные с дискретной оптимизацией, по-иска, распознавания и принятия решений [1-4].5) Опыт разработки и внедрения встроенных и RFIDцифровых систем для мониторинга дорожного дви-жения [5-9].6) Опыт разработки и внедрения программных про-дуктов и облачных сервисов для оптимизации марш-рутов транспортных средств украинских предприятийв целях минимизации материальных и временныхзатрат и повышения качества обслуживания пассажи-ров [10-15].7) Разработки распределенной системы управлениядорожным движением в условиях крупных городов имегаполисов на основе высоконадежной вычисли-тельной техники [11-13].8) Существующие системы мониторинга дорожногодвижения в США, Канаде и Японии – OnStar и NEXCOCentral. Система OnStar ориентирована на мониторинготдельных машин, NEXCO Central осуществляет гло-бальный мониторинг трафика на основных и самыхоживленных магистралях страны. OnStar сервисыдоступны владельцам автомобилей: Acura, Audi, Isuzu,Subaru, Volkswagen. На данный момент насчитывает-ся около 4 000 000 пользователей данного сервиса.Стоимость одного устройства мониторинга порядка$200. Используется CDMA канал связи, предоставля-емый преимущественно Verizon Wireless в США и BellMobility в Канаде. Для определения местоположенияиспользуется GPS. Имеется возможность голосовойсвязи с операторами. Информация с сенсоров (восновном это датчики ударов и срабатывания поду-шек безопасности) автоматически передается в call-центры. Это позволяет немедленно оповещать о мес-тоположении аварии спасательные и правоохрани-тельные органы. Кроме этого, все машины, оборудо-ванные данной системой, имеют GPS передатчик,который позволяет отследить угнанный автомобиль.Также имеется возможность получения информации

73РИ, 2013, 2

о скорости, расходе топлива, направлении движенияи стиле вождения автомобиля. Данная информацияиспользуется страховыми компаниями для расчетастоимости индивидуальных страховых полисов. Но-вые модели автомобилей оборудуются системой уда-ленной остановки двигателя. Автомобиль можно за-вести только после ввода специального секретногокода. Стоимость сервисов – Safe & Sound – $18.95 вмесяц. Тариф включает автоматическое оповещениеоб аварии, мониторинг угнанного автомобиля, ава-рийные сервисы. Directions & Connections – $28.90 вмесяц. Дополнительно имеется возможность монито-ринга направления движения и стиля вождения авто-мобилиста.Система NEXCO Central разработана Japan HighwayPublic Corporation. Принцип работы заключается вглобальном мониторинге дорожного движения наглавных автострадах страны. Система покрывает по-рядка 2000 км дорог. Дата-центр обрабатывает дан-ные, получаемые с дорожных датчиков с минутныминтервалом с помощью глобальной IP сети. На доро-гах установлено 744 точки доступа и передачи инфор-мации по телефонным каналам о дорожной ситуации.Создание двух новых обществ в информационнойсистеме IEEE свидетельствует о высоком уровнеактуальности и рыночной привлекательности облач-ного мониторинга и управления движущимися объек-тами в ближайшие 10 лет.4. Преимущества и недостатки облачных серви-сов iCTC-системы1) Для планеты – сохранение экологии за счет умень-шения загрязнения окружающей среды, повышениепродолжительности и качества жизни человека, эко-номия топливно-энергетических ресурсов путем со-кращения времени движения благодаря выбору опти-мального маршрута, уменьшения количества и слож-ности пробок за счет внедрения в инфраструктуруинтеллектуальных светофоров.2) Для государственных структур – полиция, дорож-ная инспекция – точная идентификация автомобилей,мониторинг позиционирования транспортных средствво времени и пространстве, включая угоны, колли-зии, несанкционированные маршруты. Существенноеснижение аварийности благодаря просчету уровнябезопасности маневров, уменьшение последствий до-рожно-транспортных происшествий, повышение бе-зопасности и комфорта участников дорожного дви-жения.3) Для транспортных компаний – мониторинг позици-онирования и передвижения транспортных средств,квазиоптимальное выполнение заказов по перевозкепассажиров и грузов с точки зрения минимизацииматериальных и/или временных затрат.4) Для водителя – предоставление сервисов, связан-ных с прокладыванием квазиоптимальных маршру-тов и графика движения с учетом негативных факто-ров существующей инфраструктуры в целях миними-зации материальных и временных затрат в режиме

реального времени. Снижение аварийности за счетмониторинга закрытых для визуального просмотраучастков дороги и просчета уровня безопасностиманевров.5) Для пассажира – предоставление сервисов помониторингу позиционирования и движения пасса-жирских транспортных средств на остановочных илитранспортных терминалах посредством использова-ния стационарных мониторов или мобильных гадже-тов для связи с соответствующими облачными серви-сами. Визуализация на экране в автомобиле критичес-ких точек маршрута движения транспортного сред-ства в реальном масштабе времени путем использова-ния камер видеонаблюдения.4.1. Технические и функциональныевозможности iCTC1) Мониторинг реальной скорости движения всехтранспортных средств и информирование о зонахскоростного режима. Цифровой мониторинг проездана запрещающие знаки и сигналы светофоров.2) Экономия топлива, уменьшение загрязнения окру-жающей среды, сокращение времени движения бла-годаря выбору оптимального маршрута, предостав-ленного облаком.3) Уменьшение количества и сложности пробок засчет планирования движения транспортных средств,учитывающего будущие маршруты участников. Кор-ректировка маршрута движения транспортного сред-ства в реальном времени при изменении дорожнойситуации.4) Интеллектуальное управление циклами переключе-ния светофоров в зависимости от дорожной обста-новки на перекрестках.5) Генерирование аналитических, статистических от-четов и рекомендаций по улучшению инфраструкту-ры дорог, расстановки виртуальных знаков, светофо-ров и централизованное программирование циклов ихпереключения.6) Противодействие угону транспортного средства исамовольного уезда с места ДТП благодаря монито-рингу местоположения каждого автомобиля. Облач-ная цифровая регистрация для страховых компанийвсех необходимых деталей и динамики ДТП, не свя-занных с травмами, без участия дорожной полиции.7) Информирование с помощью тревожной кнопкиспециальных служб о происшествиях, случившихсяна дорогах или с автомобилем.8) Предупреждение водителя о потенциальной опас-ности на заказанном маршруте, полученной от облакав процессе движения.4.2. Проблемы, решаемые с помощьюцифровой идентификацииУже сегодня существует достаточно много актуаль-ных и практически ориентированных задач, которые

74 РИ, 2013, 2

можно решить с помощью радиоцифровых паспор-тов:1. Идентификация изделия (объекта или субъекта)в локальной или глобальной системе координат.2. Сохранение параметров, характеризующих ос-новные свойства объекта.3. Накопление и сохранение истории жизненногоцикла объекта.4. Передача информации об объекте или явлении посанкционированному требованию в облако управ-ления.5. Прием санкционированной информации, даю-щей возможность модифицировать отдельные свой-ства электронного паспорта объекта.6. Санкционированное взаимодействие с электрон-ными паспортами других объектов, находящихся вполе радиовидимости объекта.7. Передача информации о взаимодействии объек-та с другими идентификаторами в пределах радио-видимости.Таким образом, электронный цифровой идентифи-катор объекта является автономной цифровой сис-темой на кристалле с приемо-передатчиком, кото-рый способен хранить информацию об идентифици-руемом объекте, модифицировать ее по командецентра управления, а также хранить информацию овзаимодействиях с окружающей средой с возмож-ностью передачи данных в облако управления. Дру-гие варианты ID коммуникаций связаны с исполь-зованием: 1) сети мобильной телефонии; 2) спутни-ковых систем для приема и передачи информации.4.3. Аргументы против внедрения облака вмасштабах страны1. «Нарушение права на неприкосновенность част-ной жизни, поскольку теоретически облако осуще-ствляет тотальный мониторинг всех транспортныхсредств». На самом деле сегодня существует сис-тема законного перехвата телекоммуникаций, реа-лизованная в соответствии с международными тре-бованиями. Но возможность перехвата телефонныхпереговоров любого абонента используется тольков ходе следствия и с санкции суда. Имеется воз-можность отслеживать место нахождения абонентаспециальными службами. Данный факт для законо-послушных граждан никакой проблемы не создает.2. «Дополнительные затраты на приобретение аппа-ратно-программных мобильных гаджетов иденти-фикации и арендная плата, порядка 100 долларов вгод, за использование сервисов iCTC-системы».Уже сегодня практически все жители планеты име-ют такие устройства, а экономические преимуще-ства облака, связанные с экономией топлива иуменьшением времени поездки, вполне достойнокомпенсируют затраты на приобретение сервисов.

5. Практические примеры внедрениякомпонентов iCTC-системыПрограммное приложение управления корпоратив-ными перевозками [1-3] используется для оптималь-ного планирования рейсов по доставке грузов, приво-дящего к уменьшению временных и материальныхзатрат за счет: 1) снижения расходов на горюче-смазочные материалы (ГСМ); 2) оптимального рас-пределения заказов между автомобилями; 3) прогно-зирования поставок товаров для уменьшения складс-ких издержек; 4) экономии рабочего времени персо-нала или сокращения штатных сотрудников; 5) умень-шения числа автомобилей для выполнения заданногообъема перевозок; 6) мониторинга и оперативногоуправления автомобилями при доставке грузов в ре-альном времени. Рыночная привлекательность облач-ного сервиса транспортной логистики: оптовые ком-пании, региональные дистрибьюторы продовольствен-ных и промышленных товаров (хлебозаводы, моло-козаводы, мясокомбинаты, пиво-безалкогольные ком-бинаты, промышленные предприятия, автотранспорт-ные предприятия, торговые сети, логистические опе-раторы, транспортно-экспедиторские компании, вен-динговые компании, скорая помощь, инкассаторскиеслужбы, курьерские службы, интернет-магазины,клининговые компании).Телеметрический модуль “SHERLOCK” [1-2] пред-назначен для построения распределенных систем мо-ниторинга и управления объектами, включая мобиль-ные. Представляет собой электронное изделие, пост-роенное на основе использования трех новейшихтехнологий Mobile-to-Mobile, GPS и GPRS. Задачи,решаемые с помощью модуля: 1) Автоматическоеопределение местоположения транспортных средств.2) Управление автотранспортным парком, логистика.3) Автоматизация служб такси. 4) Мониторинг мар-шрута и расписания движения транспорта. 5) Монито-ринг режимов эксплуатации транспортных средств.Технические характеристики: GPS – многоканальныйприемник с высокой чувствительностью и малымэнергопотреблением, специально предназначен дляработы в условиях городской застройки и наличияотраженных сигналов. Доступ к онлайн-сервису мо-ниторинга осуществляется круглосуточно со стра-нички http://gps.rfid.com.ua. Для получения доступа ксервису пользователь должен авторизоваться припомощи логина и пароля. На главной странице серви-са большую часть площади экрана занимает окно скартой, на которую накладываются данные о местопо-ложении мобильных объектов. Для визуализации ис-пользуется картографическая информация компанииВИЗИКОМ. При визуализации на карте пиктограмма-ми отображается состояние объектов и маршрут дви-жения за выбранный интервал времени, а также про-должительные стоянки. Размер и положение картыможно изменять при помощи мыши и элементовуправления. В нижней части главной страницы распо-лагаются элементы управления, позволяющие быстропереключаться между частями маршрута и между

75РИ, 2013, 2

объектами, а также статистическая информация. Привыборе отображения только одного объекта доступнафункция расчета расстояния. Комплект поставки те-леметрического модуля: антенна GPS;. антенна GSM;кабель соединительный; инструкция по эксплуатации;SIM-карта.6. Научная новизна, рыночнаяпривлекательность и социальная значимостьТрудно предсказать и перечислить все позитивныесоциальные, технологические и технические послед-ствия радикального преобразования существующегомира после внедрения цифровых сервисов интеллек-туального облака дорожного движения. Через 10 летследует ожидать появления беспилотного транспортапри исполнении маршрутов. Для ближайшего буду-щего ниже представлены отдельные и очевидные до-казательные инновационные научно-технические ре-шения социальных, гуманитарных, экономических иэкологических проблем, связанные с появлениемоблачного мониторинга и управления дорожным дви-жением.Научная новизна проекта «Интеллектуальное облач-ное управление дорожным движением” (IntelligenceCloud Traffic Control – iCTC) характеризуется перено-сом светофоров в виртуальное киберпространство,что завершает создание виртуальной инфраструктурыдорожного движения для повышения качества жизниводителей, уменьшения времени нахождения в пути изатрат на топливо, экономии тысяч тонн металла дляизготовления светофоров, сотен тысяч киловатт элек-троэнергии на поддержание их работоспособности,миллионов долларов на установку светофоров и экс-плуатационные расходы, а также уменьшение време-ни установки и актуализации светофоров в виртуаль-ной инфраструктуре городов до нескольких минут,что в совокупности дает возможность автоматизиро-вать процессы квазиоптимального управления транс-портом и дорожным движением в режиме реальноговремени и решать социальные, гуманитарные, эконо-мические и экологические проблемыПрактическая значимость определяется получениемновых услуг участникам дорожного движения, до-рожной полиции, специальным службам и организа-циям:1. Сервис специального управления переключениемвиртуальных дорожных светофоров в режиме on-lineдля автоматического обеспечения беспрепятственно-го движения по заданному маршруту специализиро-ванных машин или кортежей (перевозка детей, важ-ные государственные чиновники, скорая помощь,пожарная служба, военные колонны, опасные грузы).2. Сервис оптимального управления виртуальнымисветофорами в режиме on-line на дорогах и перекре-стках с помощью точного цифрового мониторингадорожного движения путем использования гаджетовавтомобиля, дающий возможность минимизироватьвремя прохождения маршрута всеми участникамидорожного движения.

3. Сервис планирования оптимального маршрута длядостижения одного или нескольких пунктов назначе-ния автомобилем во времени и в пространстве, даю-щий возможность уменьшить временные и матери-альные затраты при заданном качестве комфорта (вре-мя суток, года, дорожное покрытие, левые повороты,погодные условия, пробки, ремонтные работы) пере-движения транспортного средства.4. Сервис интеллектуальной истории передвиженияавтомобиля, имеющего виртуальную модель в кибер-пространстве – индивидуальную ячейку в облаке,инвариантную по отношению к водителям, обслужи-вающим транспортное средство, что дает возмож-ность отследить любые передвижения транспортногосредства в прошлом; а также прогнозировать желае-мые маршруты и поездки в будущем уже без участияводителя.5. Сервис интеллектуального управления виртуаль-ным светофором, когда сигналы переключения фор-мируются в зависимости от наличия или количестватранспортных средств, посылающих запросы от авто-мобильных гаджетов.6. Сервис облачного мониторинга мобильных цифро-вых паспортов транспортных средств в режиме on-line позволит убрать автомобильные номера из систе-мы учета, и как следствие:1) в некритических ситуациях исключить непосред-ственное участие дорожной полиции в фиксации на-рушений правил дорожного движения (превышениескорости, проезд на запрещающие сигналы светофо-ров, нарушение правил маневрирования, легкие стол-кновения);2) сэкономить тысячи тонн металла на изготовлениеметаллических номеров и упростить регистрацию ав-томобилей при покупке с нескольких дней до не-скольких минут;3) автоматизировать оформление ДТП без участиясотрудников дорожной полиции путем цифровогомониторинга цифровой карты происшествия, скопи-рованного с облака;4) существенно сократить численный состав дорож-ной полиции, поскольку история перемещений авто-мобиля и его дорожных нарушений становится абсо-лютно прозрачной для облака, что позволит автомати-чески списывать со счетов водителя стоимость нару-шения в соответствии с законодательством конкрет-ной страны;5) полностью исключить коррупцию в отношенияхводителя с дорожной полицией благодаря невозмож-ности стереть информацию о нарушении в облаке;6) практически ликвидировать криминалитет в облас-ти угона автомобилей благодаря встроенному в ма-шину цифрового мобильного паспорта, что обеспечи-вает круглосуточную наблюдаемость транспорта врежиме on-line, если автомобиль физически не унич-тожен;

76 РИ, 2013, 2

7) упростить легализацию водителя путем идентифи-кации водительской лицензии (driver’s license) в спискеразрешенных лиц цифрового паспорта автомобиля попротоколу “blue tooth”, что позволяет устранить изго-товление бумаг и доверенностей на вождение автомо-биля другими лицами;8) уменьшить количество ДТП, существенно повы-сить качество жизни водителей и пассажиров благо-даря тотальному мониторингу нарушений и неотвра-тимости наказаний за каждое из них;9) уменьшить автомобильные выбросы углекислогогаза за счет снижения времени простоев на перекре-стках и выбора оптимальных режимов и маршрутовпередвижения транспорта;10) обеспечить высокую рыночную привлекатель-ность облака за счет продажи сервисов компаниям ичастным лицам, что гарантирует получение высокойприбыли – от сотен миллионов до миллиардов долла-ров, масштабируемой в зависимости от площадипокрытия сервисами: города, страны, всего мира.7. Экономические интересы. При наличии в стране 10миллионов автомобилей и стоимости годового облач-ного сервиса, равного 100 долларов, уровень капита-лизации проекта равен 1 миллиарду долларов. Затра-ты на создание масштабируемого прототипа iCTC – 10миллионов долларов, плюс накладные расходы потехнической поддержке и эксплуатации облачнойинфраструктуры – 10 миллионов долларов в год длястраны.8. Направления будущих исследований. Реальныймир нуждается в совершенных и точных процессахоблачного мониторинга и управления. Проблема бу-дет решена только с помощью радиоцифровой иден-тификации всей произведенной продукции и природ-ных объектов на планете, включая человека и живот-ных. Следующие шаги – создание облачных вирту-альных цифровых моделей субъектов и объектовреального мира, а также всех возможных отношений(природных, социальных, технических, технологи-ческих) между ними для создания сервисов точногоцифрового моделирования, мониторинга и управле-ния процессами и явлениями на планете.9. Создание цифровой инфраструктуры мониторингаи управления дорожным движением с помощью вы-сокоточных управляющих и наблюдающих адреснонаправленных радиосигналов есть будущее транс-порта без водителей, аварий, коллизий на земле, водеи в воздухе. Для этого необходимо технологическиобеспечить двух- и трехмерные стандарты радиоциф-рового измерения и идентификации планетарного про-странства с возможностью мониторинга и управлениякаждой его ячейки с размером порядка 10см.Литература: 1. Хаханов В.И., Меликян В.Ш, Саатчян А.Г.,Шахов Д.В. «Зеленая волна» – облако мониторинга иуправления дорожным движением. Армения. Вестник «Ин-формационные технологии, электроника, радиотехника».Вып. 16(1). С.53-60. 2. Hahanov V.I., Guz O.A., ZiarmandA.N., Ngene Christopher Umerah, Arefjev A. Cloud TrafficControl System. Proc. of IEEE East-West Design and Test

Symposium. Rostov-on-Don. 27-30 September 2013. P.72-76.3. Hahanov V., Gharibi W., Baghdadi Ammar Awni Abbas,Chumachenko S., Guz O., Litvinova E. Cloud traffic monitoringand control. Proceedings of the 2013 IEEE 7th Internationalconference on intelligent data acquisition and advancedcomputing systems (IDAACS). Berlin. September 12-14. 2013.P. 244-248. 4. Бондаренко М.Ф., Хаханов В.И., ЛитвиноваЕ.И. Структура логического ассоциативного мультипро-цессора // Автоматика и телемеханика. 2012. 10. С. 71-92.5. Lu Antao, Li Yushan, Sun Yufang, Cao Chongzhen, GaoKuigang, Xu Jing. Research on the Integrated Managementof Highway Based on Radio Frequency IdentificationTechnology // Third International Conference on MeasuringTechnology and Mechatronics Automation (ICMTMA). 2011.Vol.3. P. 116-119. 6. Pandit A.A., Talreja J., Mundra A.K. RFIDTracking System for Vehicles (RTSV) // First InternationalConference on Computational Intelligence, CommunicationSystems and Networks. 2009. P.160-165. 7. Jiang Lin-ying,Wang Shuai, Zhang Heng, Tan Han-qing. Improved Designof Vehicle Management System Based on RFID // InternationalConference on Intelligent System Design and EngineeringApplication (ISDEA). 2010. Vol. 1. P. 844-847. 8. Chen Xue-Mei,Wei Zhong-Hua. Vehicle management system based on multi-node RFID cards // 30th Chinese Control Conference (CCC).2011. P. 5497-5499. 9. Дудников С., Боенко И. Бесконтакт-ная идентификация транспорта, основанная на RFID //Компоненты и технологии. 2007. 1. http://www.kit-e.ru/assets/files/pdf/2007_01_140.pdf 10.Manikondan P.,Yerrapragada A.K., Annasamudram S.S. Intelligent trafficmanagement system // IEEE Conference on SustainableUtilization and Development in Engineering and Technology(STUDENT). 2011. P. 119-122. 11. Samad T. Perspectives inControl Engineering Technologies, Applications, and NewDirections. Intelligent Transportation Systems: RoadwayApplications. Wiley-IEEE Press. 2001. P. 348 -369. 12. SchutteJ. Recent trends in automatic train controls // IEEE IntelligentTransportation Systems. 2001. P. 813 -819. 13. Zingirian N.,Valenti C. Sensor clouds for Intelligent Truck Monitoring //IEEE Intelligent Vehicles Symposium (IV). 2012. P. 999-1004.14. Branisso L.B., Kato E.R.R., Pedrino E.C., Morandin O.,Tsunaki R.H. An Intelligent Autonomous Vehicle ManagementSystem // Second Brazilian Conference on Critical EmbeddedSystems (CBSEC). 2012. P. 42-47. 15. Brizgalov V.V.,Chukhantsev V., Fedorkin E., Architecture of traffic controlsystems using cloud computing // International Conferenceand Seminar on Micro/Nanotechnologies and Electron Devices(EDM). 2010. P. 215-216.

Поступила в редколлегию 14.06.2013Рецензент: д-р техн. наук Кривуля Г.Ф.

Хаханов Владимир Иванович, д-р техн. наук, декан факуль-тета КИУ, профессор кафедры АПВТ ХНУРЭ. Научныеинтересы: техническая диагностика цифровых систем, се-тей и программных продуктов. Увлечения: баскетбол,футбол, горные лыжи. Адрес: Украина, 61166, Харьков, пр.Ленина, 14, тел. 70-21-326. E-mail: hahanov@kture.kharkov.ua.Литвинова Евгения Ивановна, д-р техн. наук, профессоркафедры АПВТ ХНУРЭ. Научные интересы: техническаядиагностика цифровых систем, сетей и программныхпродуктов. Увлечения: плаванье, горные лыжи. Адрес:Украина, 61166, Харьков, пр. Ленина, 14, тел. 70-21-326. E-mail: kiu@kture.kharkov.ua.Чумаченко Светлана Викторовна, д-р техн. наук, про-фессор кафедры АПВТ ХНУРЭ. Научные интересы: ма-тематическое моделирование, теория рядов, методы дис-кретной оптимизации. Увлечения: путешествия, люби-тельское фото. Адрес: Украина, 61166, Харьков, пр. Лени-на, 14, тел. 70-21-326. E-mail: ri@kture.kharkov.ua.Филиппенко Олег Игоревич, канд. техн. наук, доц. каф.ТКС ХНУРЭ. Адрес: Украина, 61166, Харьков, пр. Ленина,14, e-mail: filippenko@rumbler.ru.

77РИ, 2013, 2

РЕФЕРАТИ ABSTRACTSУДК 519.86

Математичні моделі механічних напруг і деформацій усилових каркасах гвинтових обмоток / С.О. Мартинов,М.А. Хажмурадов // Радіоелектроніка та інформатика.2013. 2. С. 3-7.

Розрахунок напружено-деформованого стану тороїдаль-них магнітних систем є актуальним завданням визначенняхарактеристик магнітної конфігурації, що утримує висо-котемпературну плазму. Представлені математичні мо-делі параметрів напружено-деформованого стану дляавтоматизованого проектування систем даного класу.

Іл. 6. Бібліогр.: 4 назви.

УДК 621.3

Аналіз перспективних систем охолодження акумуля-торних батарей / Р.П. Слабоспицький, М.А. Хажмурадов,В.П. Лук’янова // Радіоелектроніка та інформатика. 2013. 2. С. 8-12.

Проведено аналіз систем охолодження акумуляторнихбатарей. Показано, що збільшити ефективність системиохолодження можна за рахунок збільшення площі тепло-передавальній поверхні батареї, підвищення швидкостіохолоджуючого потоку повітря і застосування рідинногоохолодження.

Табл. 2. Іл. 5. Бібліогр.: 9 назв.

УДК 621.039.05

Дослідження кристалів без центру інверсії на підставіквантового кінетичного рівняння / М.М. Чернишов//Радіоелектроніка та інформатика. 2013. 2. С. 13-14.

Описана здобута по електричному полю поправка доструму, пов’язана з відсутністю центру інверсії кристала.Розглянутий випадок невиродженого електричного газу.Якісно статичний розрахунок показано моделлю асимет-ричних розсіювачів. Циркулярний фотогальванічнийефект в цьому розрахунку відсутній і поле може вважати-ся дійсним. Оскільки рішення задачі розглядається зарамками борновського наближення, підставою є методквантового кінетичного рівняння.

Бібліогр.: 5 назв.

УДК 004.7

Методи підвищення ефективності навчання нейронноїмережі при створенні системи оцінки якості сприйняттяпослуги IPTV / К.С. Сундучков , Л.С.Кобзар //Радiоeлектронiка та iнформатика. 2013. 2. С. 15–21.

Робота присвячена підвищенню ефективності навчаннянейронної мережі при створенні системи визначенняякості сприйняття послуги IPTV. Запропоновані методнормалізації вхідних параметрів та метод вибору топологіїнейронної мережі при створенні системи визначенняякості сприйняття IPTV послуги. За допомогою комп’ю-терного моделювання було доведено, що використаннярозроблених методів дозволяє підвищити точність на 7,14%визначення якості сприйняття, зменшити час на 26,5% таспростити процес навчання нейронної мережі.

Табл. 2. Іл. 9. Бібліогр.: 17 назв.

UDC 519.86

Mathematical models of the mechanical stress and stains inthe power frames of the screw-type windings / S.O. Martynov,M.A. Khazhmuradov // Radioelektronika i informatika. 2013.N 2. Р. 3-7.

The calculation of the mode of deformation of the toroidalmagnetic systems is an important task in determining thecharacteristics of the magnetic configuration, retaining high-temperature plasma. This paper considers the mathematicalmodel of mode of deformation parameters for computer-aideddesign systems of this class.

Fig. 6. Ref.: 4 item.

UDC 621.3

Analysis of promising systems for accumulator batterycooling / R.P. Slabospitskij, M.A. Khazhmuradov,V.P. Lukyanova // Radioelektronika i informatika. 2013. N 2.Р. 8-12.

The accumulator battery cooling systems were analyzed. Itis shown that efficiency of cooling system can be increasedby increasing the area of the battery heat transfer surfacesand by increasing the cooling air flow rate and liquid coolingusage.

Tab. 2. Fig. 5. Ref.: 9 items.

UDC 621.039.05

The study of crystals without inversion center on the basisof the quantum kinetic equation /M.M. Chernyshev //Radioelektronika i informatika. 2013. N 2. Р. 13-14.

Described won by the electric field correction to the currentis related to the lack of inversion center of the crystal. Thecase of the electric nondegenerate gas. Qualitatively staticmodel calculation shows asymmetric diffuser . Circularphotovoltaic effect in this calculation is absent and the fieldcan be considered valid. Since the solution of the problem isseen outside approximation method is the basis of the quantumkinetic equation.

Ref.:5 items.

UDC 004.7

The Method of Improving the Efficiency of Neural NetworkLearning for Designing QoE Evaluation System for IPTVservice / K.S. Sunduchkov, L.S. Globa, L.S. Kobzar //Radioelektronika i informatika. 2013. N 2. P. 15-21.

The work is dedicated to improving the efficiency of neuralnetwork learning for designing QoE evaluation system forIPTV service. New method of input parameters normalizationand method of topology design selection were proposed inthis paper. Using of developed methods allows to reduce timeof learning up to 26,5% and increase the accuracy of QoEevaluation up to 7,14%.

Tab. 2. Fig. 9. Ref.: 17 items.

78 РИ, 2013, 2

УДК 629.13

Рух космічного апарату на основі модуляції кривизнипростору /С.О. Качур //Радіоелектроніка та інформатика.2013. 2.С.22-26.

Запропоновано модель подвійної системи чорних дір зрадіопульсаром і метод визначення траєкторії руху кос-мічного апарату поблизу цієї системи. Представленомодель системи модуляції кривизни простору в земнихумовах на основі двох ядерних реакторів й електромаг-нітного випромінювача.

Іл. 4. Бібліогр. 6 назв.

УДК 519.216

Про один клас нестаціонарних випадкових процесів / Г.В. Коробська // Радіоелектроніка та інформатика. 2013. 2. С. 27–31.

Вивчено один клас еволюційно зображуваних нестаціо-нарних випадкових процесів у межах гільбертового підхо-ду до кореляційної теорії випадкових процесів. Обчислен-ня інфінітезимальної кореляційної функції, яка описуєвідхилення випадкового процесу від стаціонарного, в силуеволюційної зображуваності здійснювалось за допомо-гою резольвенти оператора, що дає еволюційне представ-лення. При цьому застосовувалися трикутні моделі диси-пативних операторів.

Бібліогр.: 6 назв.

УДК 656.13:658

Моделювання виробничої логістики в умовах перебудо-ви підприємства / С.В. Гришко, О.М. Гуца, А.І. Сухо-млінов// Радiоeлектронiка та iнформатика. 2013. 2. С.31–34.

Розглянуті умови зведення процесу формування ефек-тивної виробничої логістики до багатопродуктової транс-портної задачі в рамках детермінованого моделюваннядля випадку сталого виробництва підприємства та длявипадку перебудови підприємства. Запропоновані підхо-ди до урахування недетермінованих параметрів виробни-чої логістики.

Іл. 1. Бібліогр.: 6 назв.

УДК 658.512.011:681.326:519.713

Квантові моделі діагностування цифрових систем / Баг-дад Аммар Авні АББАС ( Багдаді Аммар Авні Аббас ), В.І.Хаханов, Є.І. Литвинова, С.А. Бутенко, С.В. Чумаченко / /Радіоелектроніка та інформатика. 2013. 2. С. 35-43.

Запропонована нова модель представлення даних і мат-ричний метод квантового діагностування функціональ-них порушень в програмних або апаратних блоках, атакож константні несправності, які використовують кубітніструктури даних квантових обчислювальних процесів , щодає можливість істотно зменшити обчислювальнускладність при встановленні діагнозу за рахунок введенняпаралельних логічних операцій над матричними даними,складовими діагностичної інформації. Описані кубітніструктури даних і квантовий метод справного моделю-вання цифрових пристроїв, який має істотно більш високушвидкодію завдяки адресній реалізації процедури оброб-ки функціональних примітивів, заданих Q- покриттями.

Іл. 5. Бібліогр.: 9 назв.

UDC 629.13

Movement of space vehicle on the basis of modulation ofcurvature of space/S.A. Kachur //Radioelectronika i infor-matica. 2013. N 2. P.22-26.

Offered model of the double system of black holes withradiopulsar and method of determination of trajectory ofmovement of space vehicle near-by this system. The modelof the system of modulation of curvature of space in earthlyterms on the basis of two nuclear reactors and electromagnet-ic emitter is represented.

Fig. 4. Ref. 6 items.

UDC 519.216

About one class of nonstationary random processes / G. V.Korobska // Radioelektronika i informatika. 2013. N 2. P. 27–31.

One class of evolutionary represented nonstationary ran-dom processes in the frame of the Hilbert approach to thecorrelation theory of random processes was considered. Thecalculation of infinitesimal correlation function that describesthe deviation of a random process from the stationary pro-cess due to the representation of evolution was performedwith the help of the resolvent operator giving evolutionaryrepresentation. In this case the triangular models of dissipa-tive operators were used.

Ref.: 6 items.

UDC 656.13:658

Modeling production logistics in the restructuring of enter-prises / S.V. Grishko, O.N. Gutsa, A.I. Suhomlinov // Radio-elektronika i informatika. 2013. N 2. P. 31-34.

The conditions for the reducing of the formation of anefficient production logistics to many food transportationproblem in the deterministic model for the case of stableproduction process of the enterprise and in the case ofrestructuring the company. The approaches to accountingfor non-deterministic parameters of production logistics

Fig. 1. Ref.: 6 items.

UDC 658.512.011:681.326:519.713

Quantum models of diagnosis of digital systems / BaghdadAmmar Abbas Avni, V.I. Hahanov, E.I. Litvinova, S.A. Buten-ko, S.V. Chumatchenko // Radioelektronika i informatika.2013. N 2. P. 35-43.

A new model for data representation and quantum matrixmethod of diagnosing functional disorders in the software orhardware blocks, as well as constant faults, data structuresused qubit quantum computational processes, which allowsto significantly reduce the computational complexity at diag-nosis due to the introduction of parallel logic operations onmatrix information constituting diagnostic information. Qu-bit described data structures and quantum method service-able modeling of digital devices, which has significantlyhigher performance thanks to the implementation of proce-dures for processing address functional primitives definedQ-covers.

Fig. 5 . Ref.: 9 items.

79РИ, 2013, 2

УДК 621.327:681.5

Кодування інформаційних ресурсів систем відеоконфе-ренцзв’язку для підвищення їх безпеки / А.В. Власов,В.В. Лукін, Д.І. Комолов // Радiоeлектронiка та iнформатика.2013. 2. С. 44–48.

Запропонований підхід по забезпеченню безпеки відеоі-нформаційного ресурсу систем відеоконференцзв’язку всистемах управління спеціального призначення на різнихетапах доставки на основі компактного представлення.Розроблений метод кодування відеозображень, який за-безпечує підвищення ефекту стискування і зменшеннявтрат семантичної інформації з використанням методівмаскування для визначення семантичної інформації, оцін-кою класу семантичної насиченості фрагментів зобра-жень на базі розроблених параметрів структурної склад-ності, введенням диференційованої стратегії визначенняпараметрів компресії і реалізації позиційного кодуваннятрансформаційного представлення відеозображення.

Бібліогр.: 11 назв.

УДК 621.327:681.5

Адаптивне одноосновне позиційне кодування масивівдовжин серій двійкових елементів / П.М. Гуржій,Ю.П.Бойко, В.Ф. Третяк // Радіоелектроніка і інформати-ка. 2013. 2. С. 49-52.

Показано, що існуючий підхід щодо кодування бітовогоопису трансформант на основі нерівноважного позицій-ного кодування з попередньою побудовою масивів дов-жин серій двійкових елементів має ряд недоліків. Виявле-но недоліки, які впливають на зниження результуючогоступеня стиснення і збільшення часу на обробку. Викла-дено основні етапи побудови методології одноосновногопозиційного кодування масивів довжин серій двійковихелементів. Проведена оцінка та обгрунтовуються перева-ги запропонованого напрямку щодо вдосконалення тех-нологій компресії відеоданих.

Бібліогр.: 5 назв.

УДК 621.327:681.5

Модель оцінки інформативності низькочастотної скла-дової спектрального представлення сегмента зображен-ня / С.В. Туренко // Радіоелектроніка і інформатика. 2013. 2. С.53-56.

Виявлено недоліки і показана необхідність вдосконаленнятехнології кодування низькочастотних складових спект-рального уявлення для формату JPEG. Побудована мате-матична модель для оцінки інформативності структурно-го опису низькочастотних компонент.

Бібліогр.: 5 назв.

УДК 621.327:681.5

Метод обробки динамічної складової на основі позицій-ного кодування з адаптивним вибором основи / А.А. Ле-ках// Радіоелектроніка і інформатика. 2013. 2. С. 57-61.

Розроблений метод стиснення масивів динамічної скла-дової на підставі одномірного позиційного кодування задаптивним вибором основи. Запропоновано розбивкудинамічної складової на масиви здійснювати з урахуван-ням наявності інформації про кількість елементів динам-ічної складової. Обґрунтовано, що за рахунок позиційно-го кодування забезпечується стиснення динамічної скла-

UDC 621.327:681.5

Eencoding of informative resources of systems ofvideokonferencsvyazi for increase of their safety / VlasovA.V., Lukin V.V., D Komolov// Radioelektronika i informatika.2013. N 2. P. 44-48.

The paper offered approach on providing safety of videoinformation resource of the systems of video conferencing incontrol system the special setting on the different stages ofdelivery on the basis of its compact presentation. The methodof encoding of video pictures is developed, which provides theincrease of effect of compression and diminishing of losses ofsemantic information with the use of methods of disguise forthe selection of semantic information, by the estimation ofclass of semantic saturation of fragments of images on the baseof the developed parameters of structural complication, byintroduction of the differentiated strategy determination ofparameters of compression and realization of the positionencoding of transformation presentation of video picture.

Ref.: 11 items.

УДК 621.327:681.5

Adaptive encoding positional monobasic lengths of seriesarrays of binary elements. / P. Gurgziy, Yu. Boiko, V. Tretyak// Radioelektronika i informatika. 2013. N 2. P. 49-52.

The paper shows that the current approach regarding codingbit description transforms on the basis of non-equilibriumposition encoding with a pre-built binary run-length arraysof elements has a number of drawbacks. There are drawbacksaffecting the reduction of the resulting compression ratio andan increase in processing time . Outlines the main steps in theconstruction methodology monobasic positional encodingarrays of run lengths of binary elements. An evaluation of thebenefits and justify the proposed direction on how to improvethe video compression technology.

Ref.: 5 items.

УДК 621.327:681.5

Model estimation informing low frequency constituent ofspectral presentation display group / S. Turenko // Radioele-ktronika i informatika. 2013. 2. P. 53-56.

Failings come to light and the necessity perfection of tech-nology encoding is shown low frequency constituents spec-tral presentation for the format JPEG. The construction ofmathematical model is expounded for the estimation of in-forming structural description low frequency component.

Ref.: 5 items.

УДК 621.327:681.5

Method for compressing the dynamic component arraysbased on one-dimensional positional coding with adaptiveselection of the base / A.A. Lekakh // Radioelektronika iinformatika. 2013. 2. P. 57-61.

The paper developed a method for compressing the dynamiccomponent arrays based on one-dimensional positionalcoding with adaptive selection of the base. Offered abreakdown of the dynamic component to implement arraysbased on the availability of information on the number of

80 РИ, 2013, 2

дової. У результаті запропонованого кодування масивидинамічної складової заміняються послідовністю кодовихзначень поз позиційних чисел з адаптивною основою.Також запропоновано для скорочення кодової над-мірності довжину кодограми вибирати нерівномірною

Іл. 2. Бібліогр.: 4 назви.

УДК 004.93

Метод синтезу баз чисельних асоціативних правил /А. О. Олійник, Т. А. Зайко, С. О. Субботін // Радіоелект-роніка та інформатика. 2013. 2. С. 61–66.

Розглянуто задачу побудови баз чисельних асоціативнихправил. Розроблено метод синтезу баз асоціативних пра-вил, у якому виконується фаззифікація транзакційної базиданих, обчислюються граничні значення підтримки, ви-користовуються критерії для оцінювання непрямих асоц-іацій, що знижує ступінь участі користувача в процесіпошуку асоціативних правил.

Табл. 1. Бібліогр.: 8 назв.

УДК 681.324:519.613

Інтелектуальна хмара управління рухом (Smart CloudTraffic Control ) / В.І. Хаханов, Є.І. Литвинова, С.В. Чума-ченко, О.І. Філіппенко // Радіоелектроніка і інформатика.2013. 2. С. 67-76.

Пропонується інтелектуальна хмарна інфраструктурамоніторингу та управління дорожнім рухом у реальномумасштабі часу на основі використання глобальних системпозиціонування і навігації, мобільних гаджетів та інтерне-ту в цілях підвищення якості і безпеки руху транспортнихзасобів, а також мінімізації часових і матеріальних витратпри рухові автомобілів по заданих маршрутах. Основнаінноваційна ідея перенесення світлофорів з поверхні Земліу віртуальний хмарний простір для управління транспор-том, обладнаним мобільним гаджетом, на екран якоговиводяться: карта, маршрут прямування, координати учас-ника дорожнього руху та сигнали світлофора. Пропо-нується комплекс інноваційних технологічних рішень длясоціальних, гуманітарних, економічних, паливно- енерге-тичних та екологічних проблем, пов'язаних із створеннямі застосуванням хмари моніторингу та управління . Зга-дані технології та компоненти інтегруються в системнуавтоматну модель інтерактивної взаємодії в реальномучасі інфраструктурної хмари моніторингу та управлінняз гаджетом транспортного засобу.

Іл. 2. Бібліогр.: 15 назв.

elements of the dynamic component. Justified that positionby the amount of coding dynamic component will decreaseby 38%. As a result of the proposed encoding arrays dynamiccomponent replaced the positional sequence of code numberswith adaptive base.

Fig. 2. Ref.: 4 items.

UDC 004.93

Method of quantitative association rule bases synthesis /A. Oliinyk, T. Zayko, S. Subbotin // Radioelektronika iinformatika. 2013. 2. P. 61-66.

The solution of the problem of constructing quantitativebases of association rules is considered. The method ofsynthesis of association rules bases, which consists offuzzyfication of transactional database, calculation ofthreshold values of support, criteria used to evaluate theindirect associations, which reduces the degree of userinvolvement in the process of mining association rules.

Tab. 1. Ref.: 8 items.

UDC 681.324:519.613

Cloud Intelligent Traffic Control (Smart Cloud TrafficControl) / V.I. Hahanov, E.I. Litvinova, S.V. Chumachenko,O.I. Filippenko // Radioelektronika i informatika. 2013. 2. P.67-76.

Intelligent cloud infrastructure monitoring and trafficmanagement in real- time based on the use of global positioningand navigation , mobile gadgets and the Internet to improvethe quality and safety of movement of vehicles, and alsominimizing the time and cost when driving cars on thespecified routes has been proposed. The main innovativeidea – the transfer of traffic lights from the ground to a virtualcloud space for traffic management , equipped with a mobilegadget , which displays on the screen: map, route, coordinatesof the road user and traffic signals. Proposed a set of innovativetechnological solutions for social, humanitarian, economic,fuel, energy and environmental problems associated with thecreation and application of cloud monitoring and management.These technologies and components are integrated into thesystem automata model interactive real-time cloudinfrastructure monitoring and management with gadgetvehicle.

Fig. 2. Ref.: 15 items.

81РИ, 2013, 2

Рекомендовано Ученым советом Харьковского национальногоуниверситета радиоэлектроники (протокол 10 от 27.06.2013)

Підписано до друку 27.06.2013. Формат 60×841/8.Умов. друк. арк. 9,8 . Зам. б/н . Тираж 300 прим. Ціна договірна.

Віддруковано у СПД ФО Степанов В.В.61168, Харків, Акад. Павлова, 311.

ПРАВИЛАоформления рукописей для авторовнаучно-технического журнала

"Радиоэлектроника и информатика"Тематика: радиотехника; электроника; телекоммуни-кации; компьютерные науки; компьютерная инжене-рия и техническая диагностика; системы и процессыуправления; информационные технологии в науке,образовании, культуре, медицине, экономике, эколо-гии, социологии.Формат страницы — А4 (210х297 мм), поля: сверху –15, справа, слева, снизу – 20 мм. Количество колонок– 2, интервал между ними – 5 мм. Редактор: Pagemaker6.0 (можно, но нежелательно Word), гарнитура TimesET (Times New Roman Cyr), кегль – 10 пунктов,межстрочное расстояние — 110%, табуляция — 5 мм.Объем рукописи – от 2 до 10 с. (языки: русский,украинский, английский). Текст рукописи долженбыть структурирован и содержать все основные час-ти, характерные для научной статьи: введение(отражает актуальность, формулирование цели и за-дач исследования); сущность (изложение основногоматериала исследования с описанием идеи, метода, иобоснованием полученных научных результатов);выводы (отражают результаты исследования, их на-учную новизну и практическую значимость, сравне-ние с лучшими аналогами, перспективы).Структура рукописи: заголовок, аннотация, текст, ли-тература, реферат (на украинском и английском язы-ках), сведения об авторах.

ОБРАЗЕЦ ОФОРМЛЕНИЯУДК 519.713НАЗВАНИЕ РУКОПИСИФАМИЛИЯ И.О.(Название желаемого раздела тематики)Аннотация (на языке статьи, абзац 5-10 строк, кегль 9)помещается в начале статьи и содержит информацию орезультатах описанных исследований.Основной текст можно разделять на 2 и более подраз-делов с заголовками, выделенными полужирнымшрифтом, пронумерованными арабскими цифрами,как показано в следующей строке.1. Название разделаРисунки и таблицы (черно-белые, контрастные) поме-щаются в текст после первой ссылки в виде перено-симых объектов и раздельно нумеруются, при нали-чии более одного рисунка (таблицы), арабскимицифрами. Рисунок содержит подрисуночную центри-рованную подпись под иллюстрацией (вне рисунка),как показано на рис. 1.

2

3 5 7

4 6 8

1

Рис. 1. Граф с контурами

Табличный заголовок располагается справа над таб-лицей (вне таблицы), что иллюстрируется табл.1. Ре-дакторы: СorelDraw, Table Editor, Excel.

Формулы нумеруются при наличии ссылок на них врукописи. Формулы, символы, переменные, встреча-ющиеся в тексте, должны быть набраны как объектыMicrosoft Equation. Рекомендуемая высота формуль-ных кеглей: переменная – 10 пунктов, индекс – 8, над-и подиндекс – 8, основной (индексный) математичес-кий символ – 12(10):

i i ji

i

k

j iRj

h kjF F

bP n

F X+=

+=

+−= − ∏ ∑

+ +∑1 1

211 . (1)

Формат переменных (желательно не курсивом – безнаклона) в тексте и формулах должен быть идентич-ным. В тексте над- и подиндексы составляют 70 % отвысоты кегля, которые рекомендуется опускать (под-нимать) на 17 (33) % относительно основной строки.Литература (включает опубликованные источники, накоторые имеются ссылки в тексте, заключенные вквадратные скобки) печатается без отступа, кегль 9пунктов.Образец окончания текста рукописи (литература, све-дения об авторах, реферат) представлен ниже.Литература: 1.Фамилия И.О. Название книги. Город: Из-дательство, 1900. 000 с. 2. Название сборника / Под ред.И.О. Фамилия. Город: Издательство, 1900. 000 с. 3. Фами-лия И.О. Название статьи // Название журнала. Названиесерии. 1997. Т. 00, 00. С. 00-00 .

Поступила в редколлегию 00.00.00Рецензент: должность, ученая степень, Фамилия, И.О.

Фамилия, имя, отчество, ученая степень, звание, долж-ность и место работы. Научные интересы. Увлечения ихобби. Адрес, контактные телефоны.Рефераты представляются на украинском и английс-ком языках.УДК 000.000.00Назва статтi /Iнiцiали. Прiзвище // Радiоeлектронiка таiнформатика. 2000. 00. С. 00–00.Текст реферату.Табл. 00. Іл. 00. Бібліогр.: 00 назв.UDC 000.000.00Title of paper / Initials. Surname // Radioelektronika i informa-tika. 2000. N 00. P. 000-000.Text.Tab. 00. Fig. 00. Ref.: 00 items.Представление материаловРукопись, рефераты, сведения об авторах — в одномфайле, поименованном фамилией автора, на дискете3,5 дюйма. Твердая копия материалов – для гражданУкраины — в одном экземпляре: рукопись, подписан-ная авторами, рефераты, акт экспертизы, внешняя рецен-зия, подписанная доктором наук, заявление на имяглавного редактора со сведениями об авторах.Адрес редакции: Украина, 61166, Харьков, пр. Ленина, 14,ХНУРЭ, комната 321, тел. 70-21-326, e-mail: ri@kture.kharkov.ua;hahanov@kture.kharkov.ua. http://www.ewdtest.com/ri

Шаг i 1 2 3 4 5 6 Ф1(1,3) 1 2 2 4 6 1

Таблица 1