ДонНТУ   Портал магистров

Реферат
«Обработка многопараметрических данных измерений в информационных системах защиты информации»

Содержание

Введение

В процессе проектирования системы летательного аппарата (ЛА) становится задача оптимального синтеза, то есть нужно выбрать структуру и параметры системы, обеспечивающие ее оптимальное качество.

Сложность математического описания систем ЛА, не стационарность и нелинейность процессов в ней, случайность факторов, действующих на ЛА, обуславливают сложность задачи и не позволяют создать строгий в математическом смысле метод оптимального синтеза. Поэтому в процессе проектирования решение задачи синтеза распадается на ряд последовательных этапов и представляет собой итеративный процесс с характерным для каждого этапа циклом – теория, расчеты, эксперимент, анализ. Именно из – за невозможности получения адекватного теоретического описания примерно 40% всех возникающих проблем решаются с помощью экспериментальных испытаний. Но из – за сложности и высокой стоимости ЛА производить большие партии объектов для испытаний нецелесообразно. Для повышения эффективности летных испытаний и уменьшения материальных затрат на их проведение, необходимо обеспечить измерения наиболее информативных параметров и использование высокоточных систем измерения. Все параметры движения ЛА можно разделить на 4 группы [1]:

  1. те, которые характеризуют положение и перемещение центра масс объекта относительно различных систем отсчета (координаты объекта, его линейная скорость и ускорение);
  2. те, что показывают перемещение объекта относительно его центра масс (углы курса, тангажа и крена, углы атаки и т.д.);
  3. те, которые характеризуют функционирования бортовых систем (давление, температура, электрические величины)
  4. характеристики внешней среды (давление, влажность, температура).

Первая группа параметров получается системами внешнетраекторных измерений, параметры второй и третьей групп – бортовыми и радиотелеметрическими системами, четвертой группы – методами радиозондирования.

Все результаты измерений синхронизируются службой единого времени. Но тут встает вопрос того, что не все технические средства способны работать синхронно, а для точного анализа данных все измерения нужно привести к единым моментам времени, т.е. аппроксимировать результаты измерений.

Вследствие того, что при измерениях неизбежны помехи, а процессы, которые исследуются имеют стохастический характер, также необходимо предусмотреть возможность ошибки и ее отсев при обработке, или уменьшить ее влияние на конечный результат анализа.

То есть мы получили задачу, решение которой поможет нам повысить эффективность испытаний ЛА. Задача состоит из двух частей:

  1. Аппроксимировать данные измерений для сведения их к единым моментам времени [2];
  2. Сгладить возможную ошибку измерения и уменьшить ее влияние на результат работы системы обработки [3,4].

1. Актуальность темы

В условиях быстрого развития технологий, когда качество и сложность ЛА неуклонно растет, а траекторных измерений приближаются к границам своих точностных возможностей, обусловленным, главным образом, состоянием атмосферы [5], особенно важным становится разработка и применение методов анализа траекторного информации [6], основанным на использовании избыточных данных измерений для повышения точности и достоверности результатов обработки [7].

2. Цель и задачи исследования

Целью исследования является разработка, моделирование [8] и, возможно, апробация алгоритма обработки многопараметрических внешнетраекторных измерений на реальных данных измерений.

Основные задачи исследования:

  1. Анализ существующих методов обработки внешнетраекторных измерений;
  2. Выбор архитектуры и основных концепций нового метода обработки на базе текущих научных исследований [6, 9–13].

Объект исследования: методы обработки многопараметрических данных внешнетраекторных измерений.

Предмет исследования: объединение методов обработки временной и пространственной избыточности.

3. Обзор исследований и разработок

Вопрос обработки внешнетраекторных измерений, как и произвольных измерений вообще, напрямую связан с методами аппроксимации, интерполяции, сглаживания и способами построения математических моделей. Проблемы их анализа и реализации широко исследуются как учеными за рубежом, так и отечественными специалистами.

3.1 Обзор международных источников

Базовым методом аппроксимации и регресионого анализа [14,15] является метод наименьших квадратов, основной принцип которого заключается в минимизации суммы квадратов остатков регрессии. При использовании этого метода исследуемый процесс разлагается в n – мерном пространстве в произвольно выбранном базисе. Базис может состоять из линийнонезалежних (ЛНБФ) или ортогональных (ОБФ) векторов. Использование ортогонального базиса имеет несколько существенных преимуществ перед базисом ЛНБФ [16]. Проблема эффективного и быстрого построения ОБФ исследуется многими зарубежными авторами [15,17,18]. Также отдельно можно выделить алгоритм построения ОБФ из ЛНБФ, представляющие собой степенной ряд. Теоретическую основу заложил Форсайт (Forsythe G.E.) в 1957 году, когда в своей статье [19] впервые описал так называемую трехчленную рекуррентную формулу (Three – term recurrence relation [15]). Базовым и наиболее общим методом построения ОБФ является алгоритм Грама – Шмидта. Он и его модификации исследуются в работах Жюльена Лангоу (Julien Langou) [20], но используется он для решения систем уравнений с несколькими векторами свободных членов [21].

3.2 Обзор национальных и локальных источников

Как одному из самых распространенных методов обработки результатов экспериментов, методу наименьших квадратов посвящено много статей, учебников и монографий [22–26].

В 1959 – 63 гг. был разработан обобщенный метод контроля траекторий, который позволил обрабатывать как минимум данных измерений (три координаты), так и всю совокупность пространственно – избыточной траекторной информации. Данный метод стал основой кандидатской диссертации Н. Д. Огороднийчука [5,16].

Таким образом, созданный метод учета пространственной избыточности данных измерений, позволял использовать информацию от всех измерительных пунктов. Но временная избыточность, которая возникает при высоком темпе съема информации, оставалась неучтенной. Поэтому дальнейшей задачей Н.Д. Огороднийчук поставил создание метода совместной реализации пространственной и временной избыточности.

В результате, в 1974 году в Киевском высшем военном авиационном инженерном училище Н.Д. Огороднийчук защитил докторскую диссертацию на тему «Обобщенные методы и адаптивные алгоритмы обработки траекторной информации».

В дальнейшем в развитие методов обработки внешнетраекторных информации огромный вклад внесли адъюнкты Н.Д.  Огороднийчука: П.И. Кушнарев [27], В.В. Паслён, . В частности, были разработаны методы оперативного контроля и самоконтроля точности траекторных измерительных средств, детально исследована эффективность адаптивных алгоритмов сглаживания, исследованы алгоритмы обработки сбоев и влияние автокорреляции ошибок измерений на точность обработки траекторной информации. Было получено 3 авторских свидетельства на устройства адаптивного оптимального сглаживания данных.

Позже, с развитием вычислительной техники, была решена задача оптимизации системы лямбда – ортогональных базисных функций и исследованы возможности алгоритма совместного адаптивного нелинейного оптимального сглаживания параметров положения и движения, обладающих пространственно – временной избыточностью [28].

4. Метод обработки многопараметрических данных измерений

В работе [10] проводится моделирование процесса обработки многопараметрических данных измерений, имеющих пространственную избыточность. Вообще, функционирование обобщенной системы обработки с возможностью учета временной избыточности может быть представлена следующей блок – схемой (рис. 1).

Блок-схема алгоритма

Рисунок 1. Блок – схема алгоритма

Обобщенный метод дает возможность получить выигрыш в точности за счет количества измерительных стаций (рис.2). Ошибка расчета траектории уменьшается с количеством станций. А если учесть особенности функционирования каждой из них и оптимизировать их взаимное расположение перед экспериментальным измерениям [29], то ошибку можно еще уменьшить. Для проверки работы алгоритма моделировалась типичная траектория полета – Петля Нестерова. Для большей наглядности исходная ошибка умножена на 10.

Анимация-ошибка

Рисунок 2. Анимация. Зависимость ошибки от количества равноточных станций
(4 кадра, 2 секунды, ПО – MP Gif Animator)

Следующим этапом станет разработка алгоритма нелинейного сглаживания с помощью ОБФ двух переменных. Сейчас уже выполнены исследования [12,30], которые обосновывают возможность применения данного математического аппарата. В работе [12] предлагаются две формы описания таектории: (рис.3 и рис.4).

Первая структура

Рисунок 3. Первый способ описания траектории

Вторая структура

Рисунок 4. Второй способ описания траектории

Далее необходимо решить какую из приведенных систем использовать. В работе будет приведено обоснование выбора одной из клеточно – матричных структур, проверка ортогональности ОБФ и моделирование процесса обработки.

Выводы

Магистерская работа посвящена актуальной научной задаче совместной обработки многопараметрических данных измерений, обладающих пространственной и временной избыточность. На сегодня:

  1. Разработана общая структура алгоритма обработки;
  2. На основании выполненных исследований обоснована возможность описания траектории с помощью ортогональных базисных функций двух переменных;
  3. Проведены эксперименты относительно эффективности обобщенного метода обработки.

Дальнейшие исследования направлены на следующие аспекты:

  1. Исследование и выбор одной из предложенных клеточно – матричных структур для описания траектории;
  2. Проведение численного моделирования работы нового алгоритма и исследование его свойств и границ применения.

При написании данного реферата магистерская работа еще не завершена. Окончательное завершение: декабрь 2012 года. Полный текст работы и материалы по теме могут быть получены у автора или его руководителя после указанной даты.

Список источников

  1. Кринецкий Е.И. Основы испытаний летательных аппаратов / Е.И. Кринецкий. – М.:Машиностроение,1989 р.
  2. Хлуднева А.В. Обработка избыточных данных измерений при несовпадении моментов измерений во времени / А.В. Хлуднева ,М.В. Михайлов // Десята міжнародна молодіжна науково – практична конференція “Людина і космос”: Збірник тез. – Дніпропетровськ: НЦАОМУ, 2008 р.
  3. Фесенко Д.В. Устранение сбоев с помощью взвешенных приближений в адаптивних алгоритмах сглаживания / Д.В. Фесенко, М.В. Михайлов // Практика и перспективы развития партнерства в сфере высшей школы. Материалы восьмого научно-практического семинара. Донецк, 17-20 апреля 2007г. В 3-х томах. Т. 3 – Донецк , ДонНТУ, 2007 р. – с. 348 – 358.
  4. Травкин Р.В. Проблема исключения грубых ошибок из результатов внешнетраекторных измерений / Р.В. Травкин, В.В. Паслён // XIV Міжнародна молодіжна науково-практична конференція «Людина і Космос»: Збірник тез – Дніпропетровськ, 2012 р.
  5. Огороднийчук Н.Д. Обработка траекторной информации. Ч. I. / Н.Д. Огороднийчук – Киев: КВВАИУ, 1981. 141 с.
  6. Мотылев К.И. Обработка данных измерений, обладающих пространственной избыточностью / К.И. Мотылев, М.В. Михайлов, Е.В Гончаров // Таганрог: Изд–во ТРТУ, 2005. – с.260 – 262.
  7. Мотылев К.И. Метод повышения точности обработки данных траекторных измерений / К.И. Мотылев, В.В. Паслён // III Всероссийская конференция «Радиолокация и радиосвязь» – ИРЭ РАН, 2009 г.
  8. Шеннон Р. Имитационное моделирование систем – Искусство и наука / Р. Шеннон. – М.:«Мир», 1978 р. – 420 с.
  9. Мотылев К.И. Методы обработки данных измерений, обладающих пространственной и временной избыточностью / К.И. Мотылев , М.В. Михайлов , И.Л. Щербов , В.В. Паслён // Системные технологии. Региональный межвузовский сборник научных трудов. - Выпуск 8 (43). – Днепропетровск, 2006 – 149 с.
  10. Дрозда И.В. Реализация обобщенного метода обработки траекторной информации, обладающей пространственной избыточностью / И.В. Дрозда, В.В. Паслён, М.В. Михайлов // Вісник Дніпропетровського університету — Днепропетровск, ДНУ – 2009, Том 17, с. 3–7
  11. Мотылев К.И. Методы повышения точности определения вторичных координат маневрирующих объектов / К.И. Мотылев, В.В. Паслён // Донбас – 2020: перспективи розвитку очима молодих вчених: Матеріали V науково – практичної конференції. м. Донецьк, 25-27 травня 2010 р. – Донецьк, ДонНТУ Міністерства освіти і науки, 2010. – 973 с.
  12. Дрозда И.В. О возможности применения базисных функций двух переменных в практике траекторных измерений / И.В. Дрозда, Я.А. Савицкая, А.В. Мильштейн //8 – я Международная молодежная научно – техническая конференция «Современные проблемы радиотехники и телекоммуникаций» РТ – 2012 – Севастополь: 2012 г, с. 330
  13. Дрозда И.В. Сравнение методов построения ортогональных базисных функций как фундаментальной части алгоритмов сглаживания внешнетраекторных измерений / И.В. Дрозда, В.В. Паслён // 6 – я Международная молодежная научно – техническая конференция «Современные проблемы радиотехники и телекоммуникаций» РТ – 2010 – Севастополь: 2010 г, с. 380
  14. Себер Дж. Линейный регрессионный анализ / Дж. Себер. – М.: «Мир», 1980 р. – 456 с.
  15. Hamming R. W. Numerical Methods for Scientists and Engineers / R.W. Hamming. – New York: Dover Publications, Inc., 1986, c. 721
  16. Огороднийчук Н.Д. Обработка траекторной информации. Ч. IІ. / Н.Д. Огороднийчук – Киев: КВВАИУ, 1981. 230 с.
  17. Giraud Luc On the loss of orthogonality in the Gram-Schmidt orthogonalization process /Luc Giraud , Julien Langou , Miroslav Rozloznik// CERFACS – Advanced methods for the numerical simulation and the algorithmic solution [Электронный ресурс]. – Режим доступа: http://www.cerfacs.fr/algor/reports/2003/TR_PA_03_25.pdf
  18. Giraud Luc On the round – off error analysis of the Gram – Schmidt algorithm with reorthogonalization /Luc Giraud , Julien Langou , Miroslav Rozloznik // CERFACS – Advanced methods for the numerical simulation and the algorithmic solution [Электронный ресурс]. – Режим доступа: http://www.cerfacs.fr/algor/reports/2002/TR_PA_02_33.pdf
  19. Forsythe G.E. Generation and Use of Orthogonal Polynomials for Data – fitting with a Digital Computer,/. Soc. Ind. Appl. Math., vol. 5, no. 2, June, 1957; M. Ascherand G.E. Forsythe, SWAC Experiments on the Use of Orthogonal Polynomials for Data Fitting,/. Assoc. Computing Machinery, vol. 5, no. 1, January, 1958.
  20. Langou Julien PhD. Dissertation / Julien Langou //CERFACS – Advanced methods for the numerical simulation and the algorithmic solution [Электронный ресурс]. – Режим доступа: http://www.cerfacs.fr/algor/reports/Dissertations/TH_PA_03_24.pdf
  21. Langou Julien PhD. Thesis defence/ Julien Langou // CERFACS – Advanced methods for the numerical simulation and the algorithmic solution [Электронный ресурс]. – Режим доступа: http://www.cerfacs.fr/~langou/abstract-thesis.html
  22. Ліннік Ю.В. Метод наименьших квадратов и основы теории обработки наблюдений / Ю.В.Ліннік – М.: Физматгиз, 1962 р.
  23. Белов С.А. Численные методы линейной алгебры. Лабораторный практикум / С.А. Белов , Н.Ю. Золотих. – Нижний Новгород: Изд – во нижегородского госуниверситета им. Н.И. Лобачевского, 2005 р.
  24. Паслён В.В. Сглаживание и метод наименьших квадратов / В.В. Паслён //X Міжнародна молодіжна науково – практична конференція «Людина і Космос»: Збірник тез – Дніпропетровськ: 2008.
  25. Рао Р. Линейные статистические методы и их применения / Р. Рао – М.: «Наука», 1968.
  26. Жданюк Б.Ф. Основы статистической обработки наблюдений / Б.Ф. Жданюк – М.: «Советское радио», 1978.
  27. Кушнарев П.И. Статистические методы контроля точноститраекторных измерительных средств / П.И. Кушнарев,Огороднийчук Н.Д., Лакеев А.М.// Эффективность обработки информации в системах траекторных измерений.– М.: Министерство обороны СССР, 1968.
  28. Паслён В.В.  Новое в истории развития методов обработки данных внешнетраекторных измерений / В.В. Паслён, К.И. Мотылев , М.В. Михайлов // Вісник Дніпропетровського університету — Днепропетровск, ДНУ – 2007, №9
  29. Михайлов М.В. Оптимизация месторасположения измерительных средств / М.В. Михайлов, К.И. Мотылев, В.В. Паслён // IХ Міжнародна молодіжна науково – практична конференція «Людина і Космос»: Збірник тез – Дніпропетровськ: 2007.
  30. Башков Е.А. Адаптивное нелинейное оптимальное сглаживание многопараметрических данных измерений / Е.А. Башков, В.В. Паслён // Университетские микроспутники – перспективы и реальность: международная научно – практическая конференция – Днепропетровск, 2006.