Алгоритмы обработки потоковой информации в распределенных вторичных преобразователях на основе адаптивного сжатия тема диссертации и автореферата по ВАК РФ 05.13.05, кандидат наук Лачугин, Дмитрий Вячеславович
- Специальность ВАК РФ05.13.05
- Количество страниц 191
Оглавление диссертации кандидат наук Лачугин, Дмитрий Вячеславович
СОДЕРЖАНИЕ
СПИСОК СОКРАЩЕНИЙ
ВВЕДЕНИЕ
1. ОБЗОР ПРОГРАММНО-АППАРАТНЫХ СРЕДСТВ, МЕТОДОВ И АЛГОРИТМОВ ОБРАБОТКИ И ПЕРЕДАЧИ ИНФОРМАЦИИ В РАСПРЕДЕЛЕННЫХ УСТРОЙСТВАХ ВЫЧИСЛИТЕЛЬНОЙ ТЕХНИКИ И СИСТЕМАХ УПРАВЛЕНИЯ. ПОСТАНОВКА ЗАДАЧИ ИССЛЕДОВАНИЯ
1.1. Краткая характеристика объекта исследования
1.2. Характеристика методов спектрально-временного анализа сигналов, реализуемых в устройствах вычислительной техники
1.3. Краткое описание традиционных методов сжатия потоковой информации в устройствах вычислительной техники
1.4. Характеристика типовых транспортных протоколов, применяемых для коммуникации устройств вычислительной техники в
распределе11ных системах сбора и анализа информации
1.5. Характеристика методов построения распределенных комплексов устройств вычислительной техники, систем управления и обработки информации
1.6. Постановка задачи исследования
1.7. Заключение по разделу 1
2. РАЗРАБОТКА АРХИТЕКТУРЫ АДАПТИВНОГО КОМПЛЕКСА СБОРА, ПЕРЕДАЧИ И УПРАВЛЕНИЯ ПОТОКОВЫМИ ДАННЫМИ
2.1. Анализ существующих технологий адаптивной передачи потоковых данных
2.2. Выбор общей схемы адаптивной системы и её описание
2.3. Описание этапов преобразования данных
2.4. Применение адаптивной системы сбора, передачи и управления потоковыми данными
2.5. Заключение по разделу 2
3. СОЗДАНИЕ УСТРОЙСТВА АКТИВНОЙ СТЕРЕОСКОПИЧЕСКОЙ СИСТЕМЫ ТЕХНИЧЕСКОГО ЗРЕНИЯ КАК ВТОРИЧНОГО ПРЕОБРАЗОВАТЕЛЯ ИНФОРМАЦИИ
3.1. описа11ие и а11ализ типовой архитектуры конечного узла вторичного преобразователя
3.2. Проектирование структуры активной стереоскопической системы технического зрения
3.3. Заключение по разделу 3
4. ПОСТРОЕНИЕ АДАПТИВНОМ СИСТЕМЫ УПРАВЛЕНИЯ ПОТОКОВОЙ ИНФОРМАЦИЕЙ
4.1. Постановка задачи построения адаптивной системы управления
4.2. Разработка структуры системы управления и описание алгоритма ее функционирования
4.3. Использование генетических алгоритмов для определения значений параметров сжатия
4.4. Применение нечеткого регулятора для определения конфигурации системы
4.5. Заключение по разделу 4
5. РАЗРАБОТКА ПРОГРАММНОГО КОМПЛЕКСА АДАПТИВНОЙ СИСТЕМЫ СБОРА, ПЕРЕДАЧИ И УПРАВЛЕНИЯ ПОТОВОЙ СИГНАЛЬНОЙ ИНФОРМАЦИЕЙ
5.1. Описание задачи и методики оценки психофизического состояния человека
5.2. Проектирование программного комплекса адаптивной системы
сбора и обработки сигнальной информации
5.3. Анализ результатов внедрения адаптивной системы сбора, передачи и управления потоковой информацией
5.4. Заключение по разделу 5
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЯ
ПРИЛОЖЕНИЕ 1
ПРИЛОЖЕНИЕ 2
ПРИЛОЖЕНИЕ 3
ПРИЛОЖЕНИЕ 4
ПРИЛОЖЕНИЕ 5
ПРИЛОЖЕНИЕ 6
ПРИЛОЖЕНИЕ 7
СПИСОК СОКРАЩЕНИЙ
Сокращение Расшифровка
АдСУПИ адаптивная система управления потоковой информацией
АССОИ адаптивная система сбора и обработки информации
ВП вейвлет-преобразование
ВПИ вторичный преобразователь информации
ВФ вейвлет-функция
ИзУ измерительный узел
ИИС информационно-измерительные системы
ИС информационная система
КЗФ квадратурно-зеркальные фильтры
км контекстная модель
KM(N) контекстная модель порядка N
КМА кратномасштабный анализ
ЛФ лифтинговая схема
О объект наблюдения
ПЛИС программируемая логическая интегральная схема
ПЛИ первичный преобразователь информации
РВС распределенные вычислительные системы
СВАН спектрально-временной анализ
сстз стереоскопическая система технического зрения
стз система технического зрения
цеп цифровой сигнальный процессор
эк энтропийное кодирование
Рекомендованный список диссертаций по специальности «Элементы и устройства вычислительной техники и систем управления», 05.13.05 шифр ВАК
Обработка измерительных сигналов на основе вейвлет-преобразования в многоканальных информационно-измерительных системах2012 год, кандидат технических наук Федулеева, Марина Владимировна
Алгоритмический подход к совершенствованию ИИС на основе новых моделей представления сигналов2004 год, кандидат технических наук Панов, Алексей Павлович
Модели, методы и алгоритмы управления и обработки информации адаптивными реконфигурируемыми модулями в телеметрических системах2013 год, кандидат наук Говорухина, Татьяна Николаевна
Повышение эффективности шахтных информационно-управляющих систем на основе вейвлет-методов обработки данных2006 год, кандидат технических наук Вильгельм, Андрей Владимирович
Исследование и разработка алгоритмов обработки электрокардиосигналов в ультразвуковых приемо-передающих устройствах2023 год, кандидат наук Саидов Бехруз Бадридинович
Введение диссертации (часть автореферата) на тему «Алгоритмы обработки потоковой информации в распределенных вторичных преобразователях на основе адаптивного сжатия»
ВВЕДЕНИЕ
Актуальность темы. В настоящее время возрастает сложность и объем задач, решаемых современными средствами вычислительной техники, которые обычно обладают подсистемой передачи информации по магистралям коммуникации. Это обусловливает применение распределенных комплексов, работающих в параллельном режиме, при функционировании многих прикладных систем, использующих цифровые технологии, в основе которых содержится потоковая передача данных в режиме, приближенном к реальному времени.
Эта специфика инициирует рассмотрения вторичных преобразователей потоковой информации (ВПИ), ориентированных на работу в режиме реального масштаба времени с распределенной архитектурой построения приемопередающих элементов. При этом контроль характеристик ВПИ целесообразно осуществлять адаптивной настройкой параметров кодирования и сжатия потока, обеспечивая динамическое и оперативное управление изменением состояний подсистем ВПИ.
Степень проработанности темы. Интерес многих исследователей (Жерздев С.Вл., Калужин Р.Вл., Сидякин И.М., Слик Асад Али, Andreadis A., Susini S. и др.) направлен на исследование возможностей адаптивного сжатия аудио-, видео-, телеметрической информации. Изучаются возможности увеличения производительности распределенных вычислительных систем (Воеводин В.В., Воеводин Вл.В., Гергель В.П., Корсуков А.С., Топорков В.В., Тынченко В.С., Якобовский М.В., Ла Мин Хтут, Yang L., Santos-Neto Е., Fitzgerald S., и др.). Также активно проводятся работы по исследованию распараллеливания нагрузки с применением кластерных и GRID-технологий (Самуйлов К.П., Хританков А.С., Шаповалов Т.С., Foster I., Kesselman С., Tuecke S., Janakiram D.), по совершенствованию стратегий эффективного распределения запросов в системах с параллельными вычислениями (Мамойленко С.Н., Шаповалов Т.С., Янаева М.В., Аль-Мараят Бакер Ибрахим, Аль-хулайди Абдулмаджид Ахмед Галеб).
При этом, недостаточное внимание уделено задаче уменьшения потокового трафика для снижения нагрузки на систему, в частности, на основе сжатия информации, разделения функций обработки сигналов между удаленным узлом и ответной частью для повышения ее скорости при использовании в ВПИ.
В связи с этим в диссертационной работе рассматривается построение распределенных вторичных преобразователей, ориентированных на потоковую передачу информации, относящихся к классу адаптивных самонастраивающихся систем квазиреального времени, с точки зрения повышения эффективности их функционирования. При этом потоковая информация характеризуется большой степенью неоднородности, а также разбросом времени на обработку данных. Поэтому возникает необходимость разработки методов построения вторичных преобразователей, способных учитывать особенности обработки потоковой информации.
Целью работы является уменьшение времени полного цикла обработки потоковой информации распределенными вторичными преобразователями в режиме реального и приближенного к реальному времени на основе адаптивного сжатия при сохранении заданного качества передаваемых данных.
Объектом исследования являются распределенные вторичные преобразователи, ориентированные на работу с потоковыми сигналами.
Предмет исследования - алгоритмы построения вторичных преобразователей и сжатия данных для повышения скорости обработки и передачи информации при сохранении заданного уровня качества.
Задачи исследования. Для достижения поставленной цели, необходимо решить следующие задачи:
1. Проанализировать существующие подходы к построению распределенных вычислительных комплексов; типовые методы спектрально-временного анализа сигналов; средства эффективного сжатия потоковых данных. Оценить применимость типовых методов и средств для решения задачи потоковой обработки данных. Сформулировать критерий оценки работы вторичного преобразователя потоковой обработки данных.
2. На основе выделенных этапов обработки потоковых данных построить распределенную структуру вторичных преобразователей, ориентированных на обработку потоковых данных.
3. Развить метод построения распределенных вторичных преобразователей на основе построения адаптивной системы обработки потоковых данных, использующей клиент-серверную архитектуру передачи, сбора и управления потоковой информацией.
4. Развить алгоритмы управления потоковыми данными от распределенных вторичных преобразователей информации и оценки эффективности работы предлагаемой адаптивной системы.
5. Реализовать и апробировать комплекс проблемно-ориентированных программ, позволяющий выполнять эффективное управление сжатием информационных потоков от группы вторичных преобразователей на основе сформулированного критерия.
Научная новизна.
1. Создан алгоритм управления сжатием потоковых сигналов на основе вейвлет-преобразования и арифметического кодирования, отличающийся обеспечением заданного значения коэффициента компрессии при сохранении качества восстановленного сигнала, при этом искомой структурой решения является комбинация значений базового коэффициента квантования и параметра, связывающего коэффициенты квантования различных субполос разложения, в используемых квантовании с неравномерным шагом вейвлет-разложения и генетическом алгоритме, вычисляющем значения параметров квантования, что позволяет увеличить степень сжатия и обеспечивает восстановление сигнала с большей детализацией, чем при использовании однородного квантования.
2. Предложен новый метод построения распределенных вторичных преобразователей на основе создания адаптивной системы обработки потоковых данных, использующей клиент-серверную архитектуру, отличительной особенностью которой является способность динамически изменять конфигурацию алгоритма сжатия и передачи информации на основе определения
значений параметров базового коэффициента квантования и параметра, связывающего различные субполосы разложения, а также наличие открытой базы фильтр-функций вейвлетов, что позволяет адаптироваться к условиям передачи ресурсов вычислительной техники, сокращая временные затраты на обработку данных, а также синтезировать и добавлять в базу новые вейвлеты, более подходящие для анализа конкретных типов сигналов.
3. Разработан гибридный регулятор адаптивного управления преобразованием и передачей потоковой информации, включающий блоки нечеткой логики и генетических алгоритмов и отличающийся использованием двухэтапного режима работы алгоритма, причем на первом этапе, т.е. калибровки, осуществляется вычисление генетическим алгоритмом значений параметров квантования с использованием предложенного алгоритма управления сжатием потоковых сигналов, на втором, используя нечеткую логику и предложенный критерий оценки эффективности функционирования, выбирается конфигурация из конечного дискретного набора, определяющая характеристики преобразования и передачи сигнала, что позволяет реализовать предложенный алгоритм управления сжатием потоковых сигналов, выполнять оперативный мониторинг и динамически изменять конфигурацию системы в соответствии с условиями работы вторичного преобразователя.
Работа соответствует паспорту научной специальности: 05.13.05 «Элементы и устройства вычислительной техники и систем управления»: пункт 1 «Разработка научных основ создания и исследования общих свойств и принципов функционирования элементов, схем и устройств вычислительной техники и систем управления»; пункт 2 «Теоретический анализ и экспериментальное исследование функционирования элементов и устройств вычислительной техники и систем управления в нормальных и специальных условиях с целью улучшения технико-экономических и эксплуатационных характеристик».
Методы исследования. В выполненных исследованиях использовались методы теории кодирования и передачи информации, цифровой обработки
одномерных и многомерных сигналов, теории графов, вейвлет-преобразований, а также теория численных методов оптимизации и прикладного программирования.
Теоретическую и методологическую основу исследования составляют труды отечественных (Булаев В.И., Дьяконов В.П., Жиляков Е.Г., Королев C.B., Плахов А.Г., Потехин Д.С., Самуйлов К.Е., Шитов А.Б. и др.) и зарубежных (Jafarkhani H., Mathen S., Öktem R. и др.) исследователей по теории цифровой обработки и сжатию сигналов, теории матриц и вейвлет-преобразований.
Достоверность и обоснованность полученных результатов и рекомендаций обеспечивается апробацией результатов исследований на научных конференциях различного уровня и публикацией в печати; согласованностью реальных данных с результатами, полученными имитационным моделированием.
Выносимые на защиту положения и результаты. На защиту выносятся следующие новые и содержащие элементы новизны основные положения:
1. Нечеткий алгоритм управления сжатием потоковых сигналов на основе вейвлет-преобразования и арифметического кодирования с применением квантования с неравномерным шагом вейвлет-разложения, генетического алгоритма для определения значений параметров обработки, а также критерия оценки производительности обработки потоковых данных в системах управления в квазиреальном масштабе времени для увеличения степени сжатия и обеспечения заданного качества восстановленного сигнала. Алгоритм предлагается реализовать с использованием вычислителей во встраиваемых системах управления, выполняющих операции с целыми числами.
2. Развитый метод построения распределенных вторичных преобразователей с адаптивной системой обработки потоковых данных клиент-серверной архитектуры с динамическим изменением конфигурации алгоритма сжатия и передачи информации сокращает время на обработку данных. Структура предложенной адаптивной системы обработки потоковой сигнальной информации позволяет проектировать распределенную сеть вторичных преобразователей с параллельной многопоточной обработкой данных.
3. Гибридный регулятор адаптивного управления преобразованием и передачей потоковой информации со встроенными блоками нечеткой логики и генетических алгоритмов для оперативного мониторинга и динамического изменения конфигурации системы в соответствии с условиями работы вторичного преобразователя.
4. Результаты использования предложенных алгоритмов и метода для создания вторичных преобразователей для решения задач обработки потоковой информации в стереоскопической системе технического зрения с активной лазерной подсветкой и в системе определения признаков наркотического опьянения. Архитектура узла вторичного преобразователя с вычислителем на основе ПЛИС типа БРОА для программно-аппаратной реализации предложенного алгоритма адаптивного управления.
Практическая значимость работы заключается в следующем:
Получен нечеткий алгоритм управления сжатием потоковых данных на основе ряда этапов: вейвлет-преобразования, квантования коэффициентов с неравномерным шагом вейвлет-разложения, арифметического кодирования, с применением генетического алгоритма для определения значений параметров обработки, а также критерия оценки производительности обработки потоковых данных. Алгоритм разработан для реализации на основе вычислителей встраиваемых систем управления при выполнении операций с целыми числами с учетом архитектурных особенностей ПЛИС. Такой подход позволяет получить выигрыш в скорости обработки потоковой информации при параллельном подключении не менее 4 устройств, обслуживать на 14% больше удаленных узлов, поддерживая среднее время обработки информации ниже порога эргономичности человеко-машинных систем.
Практический интерес представляет также гибридный регулятор адаптивного управления преобразованием и передачей потоковой информации от распределенных узлов вторичных преобразователей. Разработанный гибридный регулятор целесообразно использовать при построении информационно-измерительных комплексов с распределенной системой вторичных
преобразователей, параллельно транслирующих данные в виде потоков. При этом динамическое распределение функций цифровой обработки сигналов между удаленными узлами вторичных преобразователей и системой сбора позволяет снизить затраты времени на обработку данных при одновременном функционировании многих узлов.
Разработан комплекс проблемно-ориентированных программ, реализующий модифицированный алгоритм сжатия и управления потоковой передачей информации, входящий в адаптивную систему управления.
Реализация и внедрение. Разработанный алгоритм сжатия потоковых данных на основе сформулированного критерия оценки производительности обработки потоковой сигнальной информации, а также предложенная адаптивная система управления в целом и передающая часть системы во вторичном преобразователе, в частности, реализованы в программном комплексе для устройства определения признаков наркотического опьянения, при создании автоматизированной системы мониторинга состояния шаговых глубинных насосов (ООО «Геофизмаш, г. Саратов), а также используются в учебном процессе на кафедре «Автоматизация, управление, мехатроника» СГТУ имени Гагарина Ю.А. при изучении курсов «Информационные системы в мехатронике и робототехнике» и «Управление мехатронными системами и промышленными сетями»; на кафедре «Информационные процессы и управление» ТГТУ в курсах «Вычислительные машины, системы и сети» и «Автоматизированные информационно-управляющие системы», что подвержено соответствующими актами.
Апробация работы. Результаты диссертационного исследования представлены на Международных конференциях («Математические методы в технике и технологиях» ММТТ-24 (Пенза, 2011), ММТТ-26 (Иркутск, 2013), ММТТ-27 (Тамбов, 2014); «Молодые ученые за инновации: создавая будущее» (Саратов, 2011); «Изменяя облик современности. Наука и жизнь» (Саратов, 2012); «Проблемы управления, обработки и передачи информации» (Саратов, 2013); «Наукоемкие технологии и инновации» (Белгород, 2014)), а также на
Всероссийских конференциях («Инновации и актуальные проблемы техники и технологий» (Саратов, 2009, 2010)).
Результаты диссертационного исследования включены в Отчет по научно-исследовательской и опытно-конструкторской работе, поддержанной по программе «УМНИК» Фондом содействия развитию малых форм предприятий в научно-технической сфере (ГК №10072р/14303).
Публикации. По материалам диссертационной работы опубликовано 15 печатных работ, в том числе 5 в ведущих рецензируемых изданиях, рекомендованных ВАК РФ, получено 1 свидетельство о государственной регистрации программного продукта (№2014660402).
Личный вклад автора. Сформулирован критерий оценки производительности обработки потоковых данных и на его основе разработан алгоритм сжатия и передачи сигнальной информации со вторичных преобразователей и элементов вычислительной техники для адаптивных систем управления в квазиреальном масштабе времени. Предложена структура вторичного преобразователя потоковой информации, проведено моделирование на примере комплекса стереоскопической СТЗ. Разработано программное обеспечение в виде отдельного модуля, подключаемого к программно-аппаратному комплексу определения признаков наркотического опьянения.
Структура и объем диссертации. Диссертационная работа состоит из введения, 5 разделов, заключения, списка литературы и 7 приложений. Основная часть работы состоит из 153 печатных страниц машинописного текста, в т.ч. содержит 51 рисунок и 5 таблиц. Список литературы включает 203 наименований.
1. ОБЗОР ПРОГРАММНО-АППАРАТНЫХ СРЕДСТВ, МЕТОДОВ И АЛГОРИТМОВ ОБРАБОТКИ И ПЕРЕДАЧИ ИНФОРМАЦИИ В
РАСПРЕДЕЛЕННЫХ УСТРОЙСТВАХ ВЫЧИСЛИТЕЛЬНОЙ ТЕХНИКИ И СИСТЕМАХ УПРАВЛЕНИЯ. ПОСТАНОВКА ЗАДАЧИ
ИССЛЕДОВАНИЯ
В настоящем разделе приводится краткая характеристика вторичных преобразователей, ориентированных на работу с потоковой информацией, как объекта исследования, а также обзор типовых спектрально-временных методов анализа сигналов, сжатия данных и протоколов их передачи по сети Интернет, т.е. основным этапам обработки информации в соответствующих первичных и вторичных преобразователях. Также рассматриваются методы построения распределенных вычислительных систем, как альтернативный и эффективный способ для увеличения скорости обработки потоковой информации. В разделе показывается целесообразность применения вейвлет-декомпозиции в качестве основного способа преобразования сигналов в задачах проектирования распределенных конечных узлов вычислительной техники и построения адаптивных систем сбора, передачи и управления потоковой информации. В завершении раздела сформулированы задачи диссертационной работы.
Рассмотрим вначале краткую характеристику объекта диссертационного исследования.
1.1. Краткая характеристика объекта исследования
Как отмечено ранее, объектом диссертационного исследования являются вторичные преобразователи, которые являются относительно сложной технической системой. Для определения характеристик объекта исследования рассмотрим с точки зрения исследования систем. Поэтому далее понятия «разрабатываемая в диссертации система» и «объект диссертационного исследования», представляемый вторичными преобразователями, являются синонимами.
Одним из важных этапов построения сложных технических систем является исследование объекта наблюдения и (или) управление им, например, технологическим процессом.
Контроль, диагностика и идентификация параметров различных объектов наблюдения, как и устройств, «снимающих» данные, должны осуществляться надежной измерительной системой. Для осуществления автоматического получения количественной информации непосредственно от изучаемого объекта на основе ее измерения, сбора, обработки и выдачи на базе ее другой информации, которая отражает в совокупности состояние этого объекта наблюдения, применяются информационно-измерительные системы (ИИС). Здесь под . информацией понимается совокупность сведений, представляющих определенный интерес для человека или полезных для осуществления работы некоторой системы. При этом ИИС объединяет в логически более высокоуровневую единицу различные технические средства, такие как датчики, различные устройства первичной и вторичной обработки информации, средства связи этих узлов, а также программное обеспечение, необходимое как для управления работой системы, так и позволяющее решать различные измерительные и вычислительные задачи [114].
Часто вычислительные устройства и преобразователи информации разрабатывают как специализированные комплексы, предназначенные для решения одной задачи или их узкого круга. На «выходе» этих устройств ожидается готовый, обработанный массив данных. Устройства этого типа используют специализированные аппаратную и программную составляющие, которые способствуют повышению точности и скорости функционирования системы, при этом необходимое математическое обеспечение реализуется на аппаратном уровне. Однако решение большинства практических и научных задач по сбору и анализу информации целесообразно, применяя универсальные вычислительные комплексы, построенных на базе персональных ЭВМ. Такого типа устройства используют аппаратную платформу общего назначения, а необходимая математическая база реализуется программно. При этом
специализированные и универсальные вычислительные комплексы находят практически одинаковое применение при проектировании ИИС, в зависимости от решаемых задач [110].
Необходимой составляющей функционирования сложных технических систем является определение состава параметров объектов, которые эти системы должны «обслуживать» их измерение, анализ результатов и принятие на их основе некоторых решений. Для определения состава параметров необходимо провести классификацию ИИС и на ее основе определить класс, к которому относится разрабатываемая система. Далее выявить параметры, характеризующие этот класс, а также решаемые задачи и критерии оценки достижения целей. Начнем с рассмотрения классификаций ИИС.
Наиболее распространенной является классификация по функциональному назначению [114]. В зависимости от выполняемых функций системы реализуются в виде: измерительных систем, систем автоматического контроля, технической диагностики, распознавания образов, систем идентификации. Измерительные системы используются для получения максимального количества достоверной измерительной информации об объекте для составления алгоритмического описания его поведения. Системы автоматического контроля осуществляют регулирование соотношения между текущим и заданным состояниями объекта по известной математической модели. В системах технической диагностики выполняемые измерения составляют базу для процедуры определение класса состояний, к которому принадлежит состояние обследуемого объекта. Системы распознавания образов предназначены для определения степени соответствия между исследуемым объектом и эталонным образом на основе количественного описания признаков, характеризующих объект исследования.
Классифицируются ИИС также по способу построения. Так, построенные на основе отдельных вычислительных машин (комплексов, систем), они образуют сосредоточенные системы, в которых обработка реализуется этой машиной (комплексом, системой). В случае, если процесс обработки данных рассредоточен по многим компонентам, объединенным одной информационной сетью (шинами,
каналами связи), то такие системы называются распределенными. При разработке распределенных систем возникает необходимость в объединении отдельных узлов средствами связи (кабельные или радиолинии) для организации информационных каналов. Такие системы называются телеметрическими. Специфика этих систем заключается в том, что они предназначены для телеизмерений, т.е. измерений на расстоянии и имеют более протяженные каналы связи, чем другие ИИС [48].
Информационно-измерительные системы сбора и анализа данных об объекте наблюдения могут применяться как автономно, так и в составе автоматизированных комплексов.
Еще один критерий, по которому можно провести классификацию, представляет масштаб времени, в котором должна работать ИИС. Система, для которой важно время получения результата, при этом обработка информации должна производиться за определённый конечный (обычно очень малый) период времени, чтобы поддерживать постоянное и своевременное взаимодействие со средой, называется системой реального времени. В зависимости от допустимых нарушений временных ограничений системы реального времени можно поделить на системы жёсткого реального времени, для которых нарушения равнозначны отказу системы, и системы мягкого реального времени, нарушения характеристик которых приводят лишь к снижению качества работы системы [152]. При этом режим мягкого реального времени можно выделить в отдельную группу, называемую работой в квазиреальном времени.
Также характеристики ИИС разделяются на статические и динамические. Статические характеристики представляются практически неизменными во времени, а соответствующие системы называются статическими. Динамические характеристики отражают функционирование системы, т.е. процесс изменения ее состояний: различия, последовательность смены состояний и развитие событий с течением времени. Частным случаем динамических систем являются адаптивные, т.е. которые в процессе функционирования способны приспосабливаться в сложных режимах работы к изменениям как внутренних, так и внешних условий. При этом адаптивные системы подразделяются на самонастраивающиеся и
самоорганизующиеся. Первые изменяют значения параметров в соответствии с изменениями режима функционирования, а вторые изменяют структуру и организацию системы [1].
Аналоговый характер обрабатываемой информации в ИИС обычно наблюдается только в блоках первичных преобразователей, когда сенсоры «считывают» различные показатели объекта наблюдения. В дальнейшем информация преобразуется из аналоговой формы в цифровую. Современные ИИС являются цифровыми системами. Распределенные системы, например, телеметрические, с протяженными каналами связи, по способу передачи цифровой информации можно условно разделить на дискретные и потоковые. В обоих случаях цифровые сигналы передаются отдельными пакетами (фреймами), однако потоковая передача обычно подразумевает работу в режиме реального или приближенного к реальному времени и предъявляет повышенные требования к ширине полосы частот, задержкам передачи и допустимым потерям данных.
Далее выделим и сформулируем класс систем, на которые направлено диссертационное исследование.
Существенное влияние на способ построения ИИС оказывают задачи, для которых они будут применяться. В последнее время возникает все большее количество задач, требующих применения именно распределенных ИИС, часто телеметрических. К ним относятся, например, задачи диагностики состояния глубинного штангового насоса [65], скрининг-диагностики психофизиологического состояния человека на основе информации о реакции зрачка на световые раздражители [115], построения рельефа поверхности и выделения объектов на основе пространственной информации [63] и т.д. В связи с этим возрастает необходимость информационного обмена при функционировании многих прикладных систем. К ним можно отнести: охранные видеосистемы, видеоконференции, технологии VoIP, системы мобильной сотовой связи, банковские и т.д. Причем к прикладным вычислительным системам часто предъявляется требование работы в режиме, приближенном к реальному масштабу времени. Существенно возрастает объем информации, который
Похожие диссертационные работы по специальности «Элементы и устройства вычислительной техники и систем управления», 05.13.05 шифр ВАК
Повышение метрологических характеристик информационно-измерительных систем путем совершенствования методов сжатия-восстановления сигналов на основе процедуры Прони2014 год, кандидат наук Терехина, Анастасия Валерьевна
Система передачи мониторинговой информации с винта вертолёта2021 год, кандидат наук Викулов Виктор Михайлович
Устройство контроля технических объектов с минимизацией объема сохраняемых данных2021 год, кандидат наук Асадчий Артём Владимирович
Методы и алгоритмы обработки информации на основе математического аппарата весового пространства Соболева, повышающие эффективность функционирования цифровых систем2013 год, доктор технических наук Бузыканов, Сергей Николаевич
Методы повышения производительности систем обработки изображений на основе цифровых фильтров с пониженной разрядностью коэффициентов2020 год, кандидат наук Нагорнов Николай Николаевич
Список литературы диссертационного исследования кандидат наук Лачугин, Дмитрий Вячеславович, 2015 год
СПИСОК ЛИТЕРАТУРЫ
1. Адаптивная система (кибернетика) [Электронный ресурс]. - Режим доступа : https://ru.wikipedia.org/wiki/Aдaптивнaя_cиcтeмa_(кибepнeтикa) (дата обращения: 29.12.2014).
2. Алгоритм Хаффмана на пальцах [Электронный ресурс]. - Режим доступа : http://habrahabr.ru/post/144200/ (дата обращения: 25.11.2014).
3. Алексеев, JI.А. Вокруг CWT: Учеб. пособие / JI.A. Алексеев. - Пенза: Пензенский гос. ун-т, 2003. - 67 с.
4. Ампилов, О.В. Некоторые проблемы аппаратной реализации устройств цифровой первичной обработки радиолокационных сигналов на современной элементарной базе / О.В. Ампилов, М.В. Никитин, С.А. Топчиев, А.К. Пяткин, A.A. Толкачев // Радиотехника, 2006. - №4. - С. 3944.
5. Астафьева, Н.М. Вейвлет-анализ: основы теории и примеры применения / Н.М. Астафьева // Успехи физических наук, 1996. - Т. 166. - №11. -С. 1145-1170.
6. Блаттер, К. Вейвлет-анализ. Основы теории / К. Бластер. - М.: РИЦ Техносфера, 2004. - 280 с.
7. Блейхут, Р. Быстрые алгоритмы цифровой обработки сигналов / Р. Блейхут. -М.: Мир, 1989.-448 с.
8. Большаков A.A. и др. Применение Grid-техпологий в образовательном и научном процессах СГТУ / Технологии интернет - на службу обществу (Актуальные проблемы использования и развития Интернет/Интранет технологий) : сб. ст. по материалам Всерос. науч.-практ. конф. / СГТУ. -Саратов, 2006. - С. 113-119.
9. Большаков, A.A. Использование технологий распределенных вычислений для решения сложных задач в дистанционной опрезовательпой среде вуза / A.A. Большаков, В.П. Глазков, И.В. Егоров, A.B. Лавров, C.B. Пчелинцева // Вестник Астраханского государственного технического университета,
2011. -№1. - С. 99-107.
10. Большаков, A.A. Синтез и реализация автоматизированных интеллектуальных систем управления организационно-техническими процессами: дис. ... доктора тех. наук / A.A. Большаков. Московский государственный университет инженерной экологии. - Москва, 2005. -382 с.
11. Вальдовский, А. Высокоточная съемка промышленных объектов методом лазерного сканирования с последующим ЗБ-моделироваиием / А. Вальдовский, В. Семыкин, Г. Морозова // САПР и графика, 2010. - №6. -С. 72-75.
12. Ватолин, Д. Методы сдатия данных. Устройство архиваторов, сжатие изображений и видео / Д. Ватолин, А. Ратушняк, М. Смирнов, В. Юкин. -М.: ДИАЛОГ-МИФИ, 2003. - 384 с.
13. Ватолин, Д.С. Media Data Compression. Сжатие изображений [Электронный ресурс]. - Режим доступа : www.compression.ru/video/ (дата обращения: 23.08.2014).
14. Вегешна, Ш. Качество обслуживания в сетях IP / Ш. Вегешна. - М.: Вильяме, 2003. - 356 с.
15. Витязев, В.В. Вейвлет-анализ временных рядов: Учеб. пособие / В.В. Витязев. - СПб.: Изд-во С.Пб. ун-та, 2001. - 58 с.
16. Воробьев, В.И. Теория и практика вейвлет-преобразования / В.И. Воробьев, В.Г. Грибунин. - СПб.: ВУС, 1999. - 204 с.
17. Гергель, В.П. Высокопроизводительные вычисления для многоядерных многопроцессорных систем: Учеб. пособие / В.П. Гергель. - Нижний Новгород: Издательство Нижегородского госуниверситета, 2010.-421 с.
18. Гладков, Л.А. Генетические алгоритмы: Учебное пособие / Л.А. Гладков, В.В. Курейчик, В.М. Курейчик. -М: Физматлит, 2006. - 320 с.
19. Глазков, В.П. Дистанционное образование и научные исследования на базе Grid-технологий / В.П. Глазков, C.B. Пчелинцева, И.В. Егоров, В.Ю. Мусатов // Математические методы в технике и технологиях - ММТТ-19 :
сб. тр. IXX междунар. науч. конф. - Воронеж, 2006. - С. 99-104.
20. Глазков, В.П. Расширение возможностей дистанциониого образования и научных исследований на базе GRID-технологий / В.П. Глазков, С.В. Пчелинцева, И.В. Егоров // Математические методы в технике и технологиях - ММТТ-22 : сб. тр. XXII междунар. науч. конф. - Ростов н/Д, 2008.-С. 175-177.
21. Гольдштейн, Б.С. IP-телефония / Б.С. Гольдштейн, A.B. Пинчук, A.JI. Суховицкий. -М.: Радио и связь, 2001. -336 с.
22. Гонсалес, Р. Цифровая обработка изображений в среде MATLAB / Р. Гонсалес, Р. Вудс, С. Эддинс. - М.: Техносфера, 2006. - 616 с.
23. Грузман, И.С. Цифровая обработка изображений в информационных системах: учеб. пособие / И.С. Грузман, B.C. Киричук, В.П. Косых, Г.И. Преретягин, A.A. Спектор. - Новосибирск: Изд-во НГТУ, 2002. - 352 с.
24. Грушвицкий, Р.И. Проектирование систем на микросхемах программируемой логики / Р.И. Грушвицкий, А.Х. Мурсаев, Е.П. Угрюмов. - СПб.: БВХ-Петербург, 2002. - 608 с.
25. Губанов, Д.А. Современные алгоритмы ЦОС: перспективы реализации / Д.А. Губанов, В.Б. Стешенко, С.Н. Шипулин // Электроника: наука, технология, бизнес, 1999. -№ 1. - С. 54-57.
26. Гущин, A.C. Быстрый алгоритм выравнивания кадров для оценки качества MPEG-4 видеопотоков, передаваемых по беспроводным сетям / A.C. Гущин, Е.М. Хоров, А.И. Ляхов, А.Г. Кирьянов // Труды конференции «Информационные технологии и системы - 2013», 2013. - С. 424-435.
27. Деменков, Н.П. Адаптивная система автоматической оптимизации с нечеткой последовательной процедурой проверки статистических гипотез / Н.П. Деменков, И.А. Мочалов // Вестник Российского университета дружбы народов. Серия Кибернетика. - 1999. - № 1. — С. 31-42.
28. Деменков, Н.П. Нечеткая логика в задаче фильтрации случайных возмущений / Н.П. Деменков, И.А. Мочалов // Промышленные АСУ и контроллеры. - 1999. - № 11. - С. 26-28.
29. Деменков, Н.П. Нечеткий логический регулятор в задачах управления / Н.П. Деменков, И.А. Мочалов // Промышленные АСУ и контроллеры. -1999.-№2.-С. 30-35.
30. Джонс, М.Т. Программирование искусственного интеллекта в приложениях / М.Т. Джонс; Пер. с англ. Осипов А.И. - М.: ДМК Пресс, 2013.-312 с.
31. Добеши, И. Десять лекций по вейвлетам / И. Добеши. - Ижевск: НИЦ «Регулярная и хаотическая динамика», 2004. - 464 с.
32. Долинина, О.Н. Новый подход к дистанционному образованию на основе grid-технологий / О.Н. Долинина // Математические методы в технике и технологиях: сб. трудов XIX Междунар. науч. конф./ ВГТА. - Воронеж, 2006.-Т. 4. -С. 177-180.
33. Дремин, И.М. Вейвлеты и их использование / И.М. Дремин, О.В. Иванов, В.А. Нечитайло // Успехи физических наук, 2001. - Т. 171. - №5. - С. 465501.
34. Дьяконов, В. Вейвлеты. От теории к практике, 2-е издание / В. Дьяконов. -М.: Солон-Пресс, 2004. - 400 с.
35. Дьяконов, В. Обработка сигналов и изображений: Специальный справочник / В. Дьяконов, И. Абраменкова. - СПб.: Питер, 2002. - 608 с.
36. Жиляков, Е.Г. Аппоратно-программный комплекс для обработки изображений в системах диагностики / Е.Г. Жиляков, A.A. Черноморец, А.Н. Заливин, И.И. Олейник, А.Г. Липницкий // Вопросы радиоэлектроники, 2014. - Т. 4. - № 2. - С. 48-53.
37. Жиляков, Е.Г. ПЛИС как средтво реализации оптимальной обработки канальных сигналов / Е.Г. Жиляков, Д.В. Урсол, В.В. Красилышков // Вопросы радиоэлектроники, 2013. - Т. 4.-№ 1.-С. 102-109.
38. Залманзон, Л.А. Преобразование Фурье, Уолша, Хаара и их применение в управлении, связи и других областях / Л.А. Залманзон. - М.: Наука, 1989. -496 с.
39. Исследование нейросенсорных показателей зрачковой реакции и ее
значимости в психофизической оценке состояния человек: отчет о НИР (заюпоч.) : СГТУ-81 / ФГБОУ ВПО СГТУ им. Гагарина Ю.А.; рук. А.А. Большаков; исполн.: В.В. Лобанов [и др.]. - Саратов, 2014. - 67 с.
40. Как мы создавали кластер из Raspberry Pi [Электронный ресурс]. - Режим доступа : http://habrahabr.ru/post/170305/ (дата обращения: 25.08.2014).
41. Камер, Д.Э. Сети TCP/IP. Том 1. Принципы, протоколы и структура / Д.Э. Камер. - М.: Вильяме, 2003. - 848 с.
42. Комолов, Д.А. Системы автоматизированного проектирования фирмы Altera MAX+plus II и Quartus II. Краткое описание и самоучитель / Д.А. Комолов, Р.А. Мяльк, А.А. Зобенко, А.С. Филиппов. - М.: ИП РадиоСофт, 2002.-352 с.
43. Корсуков, А.С. Инструментальный комплекс для разработки и применения гетерогенных распределенных вычислительных сред: автореф. дис. ... канд. техн. наук (05.13.11) / Александр Сергеевич Корсуков; ИДСТУ СО РАН. -Иркутск, 2009. - 19 с.
44. Коэн, Л. Время-частотные распределения: Обзор / Л. Коэн // ТИИЭР, 1989. -Т. 77. -№10. -С. 72-120.
45. Кравченко, В.Ф. Преобразование Чои-Вильямса и атомарные функции в цифровой обработке сигналов / В.Ф. Кравченко, О.В. Лазоренко, В.И. Пустовойт, Л.Ф. Черногор // Доклады академии наук, 2007. - Т. 413. - №6. -С. 750-753.
46. Красько Н. Адаптивное потоковое вещание - в поисках единого решения / Н. Красько, А. Мильцина // Теле-Спутник, 2012. - № 7. - С. 70-73.
47. Круглов, В.В. Искусственные нейронные сети. Теория и практика / В.В. Круглов, В.В. Борисов. -М.: Горячая линия - Телеком, 2002. - 382 с.
48. Крюков, В.В. Информационно-измерительные системы: Учеб. пособие / В.В. Крюков. - Владивосток: ВГУЭС, 2000. - 102 с.
49. Кудряшов, Б.Д. Теория информации: учебник для вузов / Б.Д. Кудряшов. -СПб.: Питер, 2009. - 320 с.
50. Куприянов, А.С. Методы обработки и анализа пупиллограмм / А.С.
Куприянов // Известия вузов. Приборостроение, 2009. - №8 (52). - С. 5863.
51. Курсы лаборатории компьютерной графики при ВМиК МГУ по Методам обработки и сжатия видео [Электронный ресурс]. - Режим доступа : http://courses.graphicon.ru/main/mdc (дата обращения: 23.08.2014).
52. Куцало, А.Л. Пупиллометрия в качестве метода экспресс-диагностики наркотической интоксикации: дис. ... канд. мед. наук / А.Л. Куцало. НИИ гигиены, профпаталогии и экологии человека. - Санкт-Петербург, 2004. -118 с.
53. Лазоренко, О.В. Системный спектральный анализ сигналов: теоретические основы и практические применения / О.В. Лазоренко, Л.Ф. Черногор // Радиофизика и радиоастрономия, 2007. - Т. 12.- №2. -С. 162-181.
54. Лачугин, Д.В. Адаптивная система преобразования информации на основе потоковых данных / A.A. Большаков, Д.В. Лачугин // Математические методы в технике и технологиях - ММТТ27: сб.тр. XXVII Междунар. науч. конф. / Под общ. ред. A.A. Большакова. Тамбов: Тамбовск. гос. техн. ун-т, 2014.-Т. 6.-С. 84-87.
55. Лачугин, Д.В. Высокоскоростная стереоскопическая система технического зрения / Д.В. Лачугин, И.В. Егоров // Инновации и актуальные проблемы техники и технологий: материалы Всерос. науч.-практ. конф. молодых ученых: в 2 т. Саратов, 2010. - Т. 1. - С. 61-63.
56. Лачугин, Д.В. К вопросу о подборе параметров видеокамер для СТЗ / Д.В. Лачугин // Сборник трудов конференции молодых ученых и студентов СГТУ. Саратов, 2011.-С. 115-116.
57. Лачугин, Д.В. Нейросетевое распознавание трехмерных объектов на основе информации о пространственных координатах точек поверхности /
B.П. Глазков, И.В. Егоров, Д.В. Лачугин // Вестник Саратовского государственного технического университета, 2010. - № 4(51). - Вып. 3. -
C. 167-172.
58. Лачугин, Д.В. О выборе оптимального сочетания параметров системы
технического зрения на базе четырех камер / И.В. Егоров, Д.В. Лачугин // Математические методы в технике и технологиях - ММТТ-24: сб. тр. XXIV междунар. науч. конф.: в 10 т. Саратов, 2011. - Т. 6. - С. 144-146.
59. Лачугин, Д.В. Оптимизация параметров системы технического зрения на базе трех камер / И.В. Егоров, Д.В. Лачугин // Вестник Саратовского государственного технического университета, 2012. - № 1(64). - Вып. 2. -С. 393-397.
60. Лачугин, Д.В. Проектирование программного комплекса адаптивной системы управления, сбора и анализа потоковых данных / A.A. Большаков, Д.В. Лачугин, В.В. Лобанов // Программная инженерия, 2015. - № 2. — С. 13-22.
61. Лачугин, Д.В. Разработка стенда для оценки применимости транспортных протоколов в задачах обработки потоковой информации для создания адаптивной системы преобразования данных / A.A. Большаков, И.В. Егоров, В.В. Лобанов, Д.В. Лачугин // Вестник Тамбовского государственного технического университета, 2014. - Т. 20. - №3. -С. 140-151.
62. Лачугин, Д.В. Создание архитектуры программно-аппаратного модуля вторичного преобразователя информации для адаптивной системы обработки информации / A.A. Большаков, Д.В. Лачугин, В.В. Лобанов // Наукоемкие технологии и инновации: сб. докладов Юбилейной Междунар. науч.-практ. конф., посвященной 60-летию БГТУ им. В.Г. Шухова. -Белгород: Изд-во БГТУ, 2014. - Ч. 6. - С. 122-127.
63. Лачугин, Д.В. Способ выделения объектов на изображениях на основе пространственной информации о рельефе поверхности / В.П. Глазков, Д.В. Лачугин // Вестник Саратовского государственного технического университета, 2012. -№ 1(64). - Вып. 2. - С. 280-284.
64. Лачугин, Д.В. Структура информационно-измерительной системы мониторинга и диагностики состояния глубинного насоса / A.A. Большаков, В.П. Глазков, Д.В. Лачугин // Проблемы управления,
обработки и передачи информации (АТМ-2013): сб.тр. III Междунар. науч. конф.: в 2 Т. / Под ред. A.A. Львова и М.С. Светлова. Саратов: Издательский Дом «Райт-Экспо», 2013. - Т. 1. - С. 89-93.
65. Лачугин, Д.В. Техническая диагностика по сигнальной информации на примере мониторинга состояния глубинного насоса / A.A. Большаков, В.П. Глазков, В.В. Лобанов, Д.В. Лачугин // Математические методы в технике и технологиях - ММТТ-26: сб.тр. XXVI Междунар. пауч. конф.: в 2 ч. / Под общ. ред. A.A. Большакова. Ангарск: Ангарск, гос. технол. Акад.; Иркутск: Иркут. гос. ун-т, 2013. - Ч. 2. - С. 40-41.
66. Лысенко, О. Машинное зрение от SICK/IVP / О. Лысенко // Компоненты и технологии, 2007. - № 1. - С. 45-50.
67. Макс, Ж. Методы и техника обработки сигналов при физических измерениях: в 2-х тт. / Ж. Макс. - Т. 1. -М.: Мир, 1983. - 312 с.
68. Максфилд, К. Проектирование на ПЛИС. Архитектура, средства и методы. / К. Максфилд; пер. с англ. - М.: Издательский дом «Додэка-ХХ1», 2007. -408 с.
69. Мала, С. Вейвлеты в обработке сигналов / С. Малла; пер.с англ. - М.: Мир, 2005.-671 с.
70. Марпл, С.Л. Цифровой спектральный анализ и его приложения / С.Л. Марпл. - М.: Мир, 1990. - 584 с.
71. Медведев, B.C. Нейронные сети. MATLAB 6. / B.C. Медведев, В.Г. Потемкин. - М.: ДИАЛОГ-МИФИ, 2002. - 496 с.
72. Методы робастного, нейро-печеткого и адаптивного управления / Под ред. Н. Д. Егупова. - М.: Изд-во МГТУ им. Н. Э. Баумана, 2002. - 744 с.
73. Миано, Дж. Форматы и алгоритмы сжатия изображений в действии / Дж. Миано. - М.: Издательство «Триумф», 2003. - 336 с.
74. Мунипов, В.М. Эргономика: человеко ориентированное проектирование техники, программных средств и среды / В.М. Мунипов, В.П. Зинченко. -М.: Логос, 2001.-356 с.
75. Найк, Д. Стандарты и протоколы Интернета / Д. Найк. - М.: Channel
Trading Ltd., 1999.-363 с.
76. Новиков, JI.B. Аппаратно-ориентированные вейвлеты и их применение для обработки данных: автореф. дис. ... д-ра физ.-мат. наук. Институт аналитического приборостроения РАН, С.-Пб, 2006.
77. Олифер, В.Г. Компьютерные сети. Принципы, технологии, протоколы: Учебник для вузов / В.Г. Олифер, H.A. Олифер. - СПб.: Питер, 2011. -944 с.
78. Оппенгейм, А. Цифровая обработка сигналов / А. Оппепгейм, Р. Шафер. -М.: Техносфера, 2009. - 856 с.
79. Осокин, А.Н. Модифицированный кодер стандарта JPEG с контролем битрейта / А.Н. Осокин, Д.В. Сидоров // Интернет-журнал Науковедение, 2013.-№5(18).-С. 70-78.
80. Панов, Н.В. Разработка рандомизированных алгоритмов в интервальной глобальной оптимизации: дис. ... кандидата физ.-мат. наук / Н.В. Панов. Институт вычислительных технологий Сибирского Отделения РАН. -Новосибирск, 2012. - 178 с.
81. Певнева, А.Г. Классификация эвристических методов глобальной оптимизации / А.Г. Певнева // Московское научное обозрение, 2012. -№ 11(27).-С. 70-74.
82. Певнева, А.Г. Построение классификации методов глобальной оптимизации / А.Г. Певнева // Международный научно-исследовательский журнал, 2012. -№ 3. - С. 14-23.
83. Переберин, A.B. О систематизации вейвлет-преобразований / A.B. Переберин // Вычислительные методы и программирование, 2001. - Т. 2. — С. 15-40.
84. Петухов, А.П. Введение в теорию базисов всплесков: Учебное пособие / А.П. Петухов. - СПб.: Издательство СПбГТУ, 1999. - 132 с.
85. Программируемые логические интегральные схемы: обзор архитектур и особенности применения [Электронный ресурс]. - Режим доступа : http://www.dsol.ru/library/book3/zanl.html (дата обращения: 25.11.2014).
86. Пяткин, A.K. Реализация цифрового формирователя полосы в многофункциональных PJIC / А.К. Пяткин // Цифровая обработка сигналов, 2003. - № 1. - С. 29-34.
87. Радченко, Г.И. Распределенные вычислительные системы / Г.И. Радченко. -Челябинск: Фотохудожник, 2012. - 184 с.
88. Ротштейн, А.П. Интеллектуальные технологии идентификации: нечеткая логика, генетические алгоритмы, нейронные сети / А.П. Ротштейн. — Винница: УНИВЕРСУМ-Винница, 1999. - 320 с.
89. Рубанов, В.Г. Интеллектуальные системы автоматического управления. Нечеткое управление в технических системах: учебное пособие / В.Г. Рубанов, А.Г. Филатов. - Белгород: Изд-во БГТУ им. В.Г. Шухова, 2010. -170 с.
90. Рутковская, Д. Нейронные сети, генетические алгоритмы и нечеткие системы / Д. Рутковская, М. Пилиньский, JI. Рутковский. - М: Горячая линия-Телеком, 2008. - 452 с.
91. Ряховский, А.Н. Сравнительная оценка методов трехмерного сканирования лица / А.Н. Ряховский, В.В. Левицкий, A.A. Карапетян, М.А. Мурадов, A.B. Юмашев // Панорама ортопедической стоматологии, 2007. - № 4. -С. 10-13.
92. Самуилов, К.Е. Двухфазная модель процесса передачи видео с учетом межуровневой адаптации в сети LTE / T.B. Ефимушкина, К.Е. Самуйлов // T-Comm: Телекоммуникации и транспорт, 2014. - Т. 8. - № 5. - С. 16-21.
93. Сергеенко, B.C. Сжатие данных, речи, звука и изображений в телекоммуникационных системах (ТКС): Учебное пособие / B.C. Сергеенко, В.В. Баринов. - М.: ИП «РадиоСофт», 2009. - 360 с.
94. Сергиенко, А.Б. Обработка сигналов и изображений [Электронный ресурс] / А.Б. Сергиенко. - Режим доступа http://matlab.exponenta.ru/signalprocess/book2/index.php (дата обращения: 23.08.2014).
95. Сидоров, Д.В. Простой алгоритм вей влет-сжатия полутоновых и цветных
изображений / Д.В. Сидоров, А.Н. Осокин // Известия Томского политехнического университета, 2007. - № 5(311). - С. 86-91.
96. Система на кристалле [Электронный ресурс]. - Режим доступа : https://ru.wikipedia.org/wiki/Cиcтeмa_нa_кpиcтaллe (дата обращения: 20.11.2014).
97. Система на кристалле [Электронный ресурс]. - Режим доступа : https://ru.wikipedia.org/wiki/Cиcтeмa_иa_кpиcтaллe (дата обращения: 20.11.2014).
98. Смоленцев, Н.К. Основы теории вейвлетов. Вейвлеты в MATLAB / Н.К. Смоленцев. - М.: ДМК Пресс, 2008. - 448 с.
99. Спектрально-временной анализ (СВАН) [Электронный ресурс]. - Режим доступа : http://www.vsegei.ru/ru/info/geodictionary/article.php7ELEMENT_ID =89272 (дата обращения: 21.11.2014).
100. Степанов, A.B. Методы компьютерной обработки сигналов систем радиосвязи / A.B. Степанов, С.А. Матвеев. - М.:СОЛОН-Пресс, 2003. -208 с.
101. Стешеко, В.Б. Современные алгоритмы ЦОС: пути реализации и перспективы применения [Электронный ресурс]. - Режим доступа : http://www.sm.bmstu.ru/sm5/n4/oba/zanl.html (дата обращения: 10.08.2014).
102. Стивене, Р. Протоколы TCP/IP. Практическое руководство / Р. Стивене. -СПб.: БВХ-Санкт-Петербург, 2003. - 672 с.
103. Столингс, В. Передача данных / В. Столипгс. - СПб.: Питер, 2004. - 755 с.
104. Столниц, Э. Вейвлеты в компьютерной графике / Э. Столииц, Т. Дэ Роуз, Д. Салезин; пер. с англ. - Ижевск: НИЦ «Регулярная и хаотическая динамика», 2002. - 272 с.
105. Суперкомпыотерные технологии в науке, образовании и промышленности / Под ред.: академика В.А. Садовничего, академика Г.И. Савииа, чл.-корр. РАН Вл.В. Воеводина. М.: Изд-во Московского университета, 2009. -232 с.
106. Сэломон, Д. Сжатие данных, изображений и звука / Д. Сэломон. - М.: Техносфера, 2006. - 386 с.
107. Таненбаум, Э. Компьютерные сети / Э. Танепбаум. - СПб.: Питер, 2007. -992 с.
108. Таненбаум, Э. Распределенные системы. Принципы и парадигмы / Э. Таненбаум, М. ван Стеен. - СПб.: Питер, 2003. - 877 с.
109. Умняшкин, C.B. Теоретические основы цифровой обработки и представления сигналов: учеб. Пособие / C.B. Умняшкин. - М.: ИД «ФОРУМ»: ИНФРА-М, 2009. - 304 с.
110. Уолрэнд, Дж. Телекоммуникационные и компьютерные сети. Вводный коре / Дж. Уолренд. - М.: Постмаркет, 2001. - 480 с.
111. Уэлстид С. Фракталы и вейвлеты для сжатия изображений в действии / С. Уэлстид. - М.: Триумф, 2003. - 320 с.
112. Фостер, Я. Анатомия грид: создание масштабируемых виртуальных организаций [Электронный ресурс] / Я. Фостер, К. Кессельмап, С. Тыоке — Режим доступа : http://masters.donntu.edu.ua/2008/iVti/dzeba/librai-y/libl0.htm (дата обращения: 16.08.2014).
113. Фу, К. Робототехника: пер. с англ. / К. Фу, Р. Гоисалес, К. Ли. - М.: Мир, 1989.-624 с.
114. Цапенко, М.П. Измерительные информационные системы: Структуры и алгоритмы, системотехническое проектирование.: Учеб. пособие для вузов /М.П. Цапенко. — М.: Энергоатомиздат, 1985. - 438 с.
115. Черепанов, А.Д. Программно-аппаратный комплекс для оценки психофизического состояния человека по зрачковой реакции / А.Д. Черепанов, В.В. Лобанов // Математические методы в технике и технологиях - ММТТ-26: сб.тр. XXVI Междунар. науч. конф.: в 2 ч. Саратов, 2013. - Ч. 1. - С. 32-34.
116. Чобану, М. Многомерные многоскоростные системы обработки сигналов / М. Чобану. М.: Техносфера, 2009. - 480 с.
117. Шаповалов, Т.С. Планирование выполнения заданий в распределенных
вычислительных системах с применением генетических алгоритмов: автореф. дис. ... канд. техн. наук (05.13.11) / Тарас Сергеевич Шаповалов; ВЦ ДВО РАН. - Хабаровск, 2011. - 19 с.
118. Шипулин, С.Н. Тенденции развития ПЛИС и их применение для цифровой обработки сигналов / С.Н. Шипулин, Д.А. Губанов, В.Б. Стешенко, В.Ю. Храпов // Электронные компоненты, 1999. - № 5. - С. 42-45.
119. Шкарин, Д.А. Повышение эффективности алгоритма РРМ / Д.А. Шкарин // Проблемы передачи информации, 2001. - Т. 37. - Вып. 3. - С. 44-54.
120. Штарк, Г.-Г. Применение вейвлетов для ЦОС / Г.-Г. Шгарк. - М.: Техносфера, 2007. - 192 с.
121. Штовба, С.Д. Введение в теорию нечетких множеств и нечеткую логику [Электронный ресурс]. - Режим доступа : http://matlab.exponenta.ru/fuzzylogic/bookl/index.php (дата обращения: 16.10.2014).
122. A-Law and mu-Law Companding Implementations Using the TMS320C54x [Электронный ресурс]. - Режим доступа : http://www.ti.com/lit/an/spral63a/spral63a.pdf (дата обращения: 18.09.2014).
123. Allen, R.L. Signal Analysis: Time, Frequency, Scale, and Structure / R.L. Allen, D.W. Mills. - Wiley-IEEE Press, 2004. - 966 p.
124. Bender, P.E. New asymptotic bounds and improvements on the Lempel-Ziv data compression algorithm / P.E. Bender, J.K. Wolf // IEEE Transactions on Information Theory, 1991. - Vol. 37(3). - P. 721-727.
125. Berger, T. Rate Distortion Theory / T. Berger. - N.J.: Prentice-IIall, 1971. -311 p.
126. Blelloch, G.E. Introduction to data compression [Электронный ресурс] / G.E. Blelloch. - Режим доступа : http://www.cs.cmu.edu/~guyb/realworld/compression.pdf (дата обращения: 23.08.2014).
127. Brislawn, С.М. Classification of Nonexpansive Symmetric Extension Transforms for Multirate Filter Banks / C.M. Brislawn // Applied and
Computational Harmonic Analysis, 1996. - Vol. 3(4). - P. 337-357.
128. Calderbank, R. Wavelet transforms that map integers to integers / R. Calderbank, I. Daubechies, W. Sweldens, B.-L. Yeo. [Электронный ресурс]. -Режим доступа : http://cm.bell-labs.com/who/wim/papers/integer.pdf (дата обращения: 10.12.2014).
129. Chan, H.L. Time-Frequency Analysis of Heart Rate Variability During Transient Segments / H.L. Chan, H.H. Huang, J.L. Lin // Annals of Biomedical Engineering, 2001. - Vol. 29. - No. 11. - P. 983-996.
130. Cleary, J.G. Data compression using adaptive coding and partial string matching / J.G. Cleary, I.H. Witten // IEEE Transactions on Communications, 1984. -Vol. 32.-P. 396-402.
131. Cleary, J.G. Unbounded length contexts for PPM / J.G. Cleary, W.J. Teahan, I.H. Witten // Proceedings Data Compression Conference, 1995. - Vol. 6. -P. 414-427.
132. Cohen A. Bi-orthogonal bases of compactly supported wavelets / A. Cohen, I. Daubechies, J. Feauveau // Communications on Pure and Applied Mathematics, 1992.-Vol. 45.-P. 485-560.
133. Datagram Congestion Control Protocol. Protocol specification [Электронный ресурс] - Режим доступа : http://tools.ietf.org/html/rfc4340 (дата обращения: 15.05.2014).
134. Dauger, D.E. Plug-and-play cluster computing: high-performance computing for the mainstream / D.E. Dauger, V.K. Decyk // Computing in Science & Engineering, 2005. - Vol. 7(2). - P. 27-33.
135. DeBenedicti, E.P. Reversible logic for supercomputing / E.P. DeBenedicti // Proceedings of the 2nd conference on Computing frontiers, 2005. - P. 391-402.
136. Dimitroulakos, G. A high-throughput and memory efficient 2-D discrete wavelet transform hardware architecture for JPEG2000 standard / G. Dimitroulakos, M.D. Galanis, A. Milidonis, C.E. Goutis // IEEE International Symposium on Circuits and Systems, 2005. - Vol. 1. - P. 472-475.
137. Flandrin, P. The Wigner Ville Spectrum of Nonstationary Random Signals / P.
Flandrin, W. Martin. -F.: ELSEVIER Ltd, 1997. - P. 1461-1470.
138. Forestiero, A. Building a Peer-to-peer Information System in Grids via Self-organizing Agents / A. Forestiero, C. Mastroianni, G. Spezzano // Journal of Grid Computing, 2008. - Vol. 6(2). P. 125-140.
139. Foster, I. Grid Services for Distributed System Integration / I. Foster, C. Kesselman, J. Nick, S. Tuecke // Computer, 2002. - Vol. 35(6). P. 37-46.
140. Foster, I. The Grid. Blueprint for a new computing infrastructure / I. Foster, C. Kesselman. - San Francisco: Morgan Kaufman, 1999. - 677 p.
141. Gomaa, H. Software Modeling and Design: UML, Use Cases, Patterns & Software Architectures / FI. Gomaa. - CambridgeUniversityPress, 2011. - 592 p.
142. Guazzo, M. A general minimum-redundancy source-coding algorithm / M. Guazzo // IEEE Transactions on Information Theory, 1980. - No. 1. - P. 15-25.
143. Hargrove, W.W. Cluster Computing: Linux Taken to the Extreme / W.W. Hargrove, F.M. Hoffman // Linux magazine, 2011. Vol. 1(1). - P. 56-59.
144. He, Z. A linear source model and a unified rate control algorithm for DCT video coding / Z. He, S.K. Mitra // IEEE Trans, on Circuit and System for Video Tech, 2002. - V. 12. - № 11. - P. 970-982.
145. He, Z. Optimum bit allocation and accurate rate control for video coding via p-domain source modeling / Z. He, S.K. Mitra // IEEE Trans, on Circuit and System for Video Tech, 2002. -V. 12. -№ 10. - P. 840-849.
146. Huang, Y. Supercomputing Research Advances / Y. Huang. - Nova Science Pub Inc, 2008. - 432 p.
147. Huffman, D.A. A Method for the Construction of Minimum Redundancy codes / D.A. Pluffman // Proceedings of the IRE, 1952. - Vol. 40. - P. 1098-1101.
148. IBM планирует уменьшить размеры суперкомпьютера Watson до размеров коробки для пиццы [Электронный ресурс]. - Режим доступа : http://habrahabr.ru/company/ibm/blog/230173/ (дата обращения: 25.08.2014).
149. Johnston, W.E. Grids as Production Computing Environments: The Engineering Aspects of NASA's Information Power Grid / W.E. Johnston, D. Gannon, B. Nitzberg // Proceedings of 8th IEEE Symposium on High Performance
Distributed Computing, 1999. - P. 197-204.
150. Korolev, S. 2D Wavelet-Based Compression of 3D Animation Sequences with Fixed Connectivity / S. Korolev, P. Panfilov, A. Nikitine // 3DTV Conference: The True Vision - Capture, Transmission and Display of 3D Video, 2008. -P. 109-112.
151. Kuo, S.M. Real-Time Digital Signal Processing. Implementations, Applications, and Experiments with the TMS320C55X / S.M. Kuo, B.H. Lee. - John Willey & Sons Ltd., 2001.-503 p.
152. Kyriazis, D. Achieving Real-Time in Distributed Computing / D. ICyriazis, T. Varvarigou, K. Konstanteli. - IGI Global, 2011. - 452 p.
153. Lachugin, D.V. Improving calculating accuracy of spatial coordinates using three camera-based stereoscopic mashine vision system / D.V. Lachugin // Материалы Международной студенческой научучо-практической конференции, конференции аспирантов и молодых ученых СГТУ им Гагарина Ю.А., International Conference of Postgraduates and Young Researchers from Gagarin Saratov State Technical University, Saratov, 2012. -P. 104-107.
154. Lachugin, D.V. Stereoscopic machine vision system parameters optimization / D.V. Lachugin // Материалы Международной научно-практической Интернет-конференции в рамках Международного Интернет-фестиваля молодых ученых, Young Scientists for Innovations: Shaping the Future, 2011. -C. 112-113.
155. Langdon, G.G. A note on the Ziv-Lempel model for compressing individual sequences / G.G. Langdon // IEEE Transactions on Information Theory, 1983. -Vol. 29(2).-P. 284-287.
156. Langdon, G.G. An introduction to arithmetic coding / G.G. Langdon // IBM Journal of Research and Development, 1984. - No. 2. - P. 135-149.
157. Mallat, S. A Wavelet Tour of Signal Processing, Third Edition: The Sparse Way / S. Mallat. - Academic Press, 2008. - 832 p.
158. Martin, G.N.N. Range encoding: an algorithm for removing redundancy from
digitized message / G.N.N. Martin // Video & Data Recording Conference, Southampton, 1979.-P.
159. Mertins, A. Signal Analysis: Wavelets, Filter Banks, Time-Frequency Transforms and Applications / A. Mertins. - Chichester: John Wiley & Sons, 1999.-317 p.
160. Minkoff, J. Signal Processing Fundamentals and Applications for Communications and Sensing Systems / J. Minkoff. - Boston: Artech House, 2002.-325 p.
161. Moffat, A. Arithmetic Coding Revisited / A. Moffat // Proceedings of Data Compression Conference, 1995.-P.
162. Moffat, A. Implementing the PPM data compression scheme / A. Moffat // IEEE Transactions on Communications, 1990.-Vol. 38(4).-P. 1917-1921.
163. Moorthy, A. Wireless video quality assessment: A study of subjective scores and objective algorithms / A. Moorthy, K. Seshadrinathan, R. Soundararajan, A. Bovik // IEEE Transactions Circuits and Systems for Video Technology, 2010. -Vol. 20. - No. 4. - P. 587-599.
164. Nabrzyski, J. Grid Resource Management. State of the Art and Future Trends / J. Nabrzyski, J.M. Schopf, J. Wçglarz. - Springer, 2004. - 340 p.
165. Petcu, D. Consuming Resources and Services from Multiple Clouds / D. Petcu // Journal of Grid Computing, 2014. - Vol. 12(2), P. 321-345.
166. Poularikas, A.D. The Transforms and Applications Flandbook / A.D. Poularikas. -BocaRaton: CRC Press LLC, 1999. - 1335 p.
167. Prodan, R. Grid Computing: Experiment Management, Tool Integration, and Scientific Workflows / R. Prodan, T. Fahringer. - Springer, 2007. - 317 p.
168. Pugliese, A. Modeling and Supporting Grid Scheduling / A. Puglicse, D. Talia, R. Yahyapour//Journal of Grid Computing, 2008. - Vol. 6(2). P. 195-213.
169. Qureshi, M.B. Survey on Grid Resource Allocation Mechanisms / M.B. Qureshi, M.M. Dehnavi, N. Min-Allah, M.S. Qureshi, H. Iiussain, I. Rentifis, N. Tziritas, T. Loukopoulos, S.U. Khan, C.-Z. Xu, A.Y. Zomaya // Journal of Grid Computing, 2014. - Vol. 12(2). - P. 399-441.
170. Rene, J.J. Fuzzy logic in control: Ph. D. thesis / J.J. Rene. - Delft University of Techology, The Netherlands, 1995.
171. RFC 1951. DEFLATE Compressed Data Format Specification v.1.3 [Электронный ресурс] / L.P. Deutsch. - Режим доступа : http://sochi.net.ru/~maxime/doc/rfcl95 l.ps.gz (дата обращения: 27.12.2014).
172. Rubin, F. Arithmetic stream coding using fixed precision registers / F. Rubin // IEEE Transactions on Information Theory, 1979. - No. 6. - P. 672-675.
173. Sadashiv, N. Cluster, grid and cloud computing: A detailed comparison / N. Sadashiv, S.M.D. Kumar // 6th International Conference on Computer Science & Education (ICCSE), 2011. - P. 477-482.
174. SagetongP. Analytical model-based bit allocation for wavelet coding with applications to multiple description coding and region of interest coding / P. Sagetong, A. Ortega // Proceedings IEEE International Conference on Multimedia and Expo, 2001. - P. 300-304.
175. Salamon, D. Data Compression: The Complete Reference / D. Salamon. -Springer London, 2007. - 1118 p.
176. Schindler, M. A byte oriented arithmetic coding / M. Schindler // Proceedings of Data Compression Conference, 1998. - P.
177. SETI@home (Search for ExtraTerrestrial Intelligence at home. Поиск ВнеЗемного Разума на дому) [Электронный ресурс]. - Режим доступа : http://setiathome.ssl.berkeley.edu/ (дата обращения: 26.11.2014)
178. Shapiro, J.M. Embedded image coding using zerotrees of wavelet coefficients / J.M Shapiro // IEEE Transactions on Signal Processing, 1993. - Vol. 41(12). -P. 3445-3462.
179. Shirahata, K. Hybrid Map Task Scheduling for GPU-Bascd Heterogeneous Clusters / K. Shirahata at al. // Cloud Computing Technology and Science (CloudCom), 2010. - P. 733-740.
180. Sloan, J.D. High Performance Linux Clusters with OSCAR, Rocks, OpenMosix, and MPI / J.D. Sloan. - O'Reilly Media Inc., 2009. - 370 p.
181. Spector, D.H.M. Building Linux Clusters / D.II.M. Spector. - O'Reilly &
Associates, 2000. - 360 p.
182. Sterling, T. Managing Clusters / T. Sterling // Beowulf Cluster Computing with Linux. - MIT Press, 2001.- 299 p.
183. Stranneby, D. Digital Signal Processing: DSP and Applications / D. Stranneby. -Devon: Florence Production Ltd. - 239 p.
184. Stream Control Transmission Protocol. Protocol specification [Электронный ресурс] - Режим доступа : http://tools.ietf.org/html/rfc4960 (дата обращения: 15.05.2014).
185. Sweldens, W. The lifting scheme: a construction of second generation wavelets / W. Sweldens // SIAM Journal on Mathematical Analysis, 1997. -Vol. 29(2). -P. 511-546.
186. Sweldens, W. The lifting scheme: a custom-design construction of biorthogonal wavelets / W. Sweldens // Applied and Computational Harmonic Analysis, 1996.-Vol. 3(2).-P. 186-200.
187. Sweldens, W. The lifting scheme: a new philosophy in biorthogonal wavelet constructions / W. Sweldens // Wavelet Applications in Signal and Image Processing III, 1995. - P. 68-79.
188. Szabo, C. Science in the Cloud: Allocation and Execution of Data-Intensive Scientific Workflows / C. Szabo, Q.Z. Sheng, T. Kroeger, Y. Zhang, J. Yu // Journal of Grid Computing, 2014. - Vol. 12(2), P. 245-264.
189. The Lightweight User Datagram Protocol. Protocol specification [Электронный ресурс] - Режим доступа : http://tools.ietf.org/html/rfc3828 (дата обращения: 15.05.2014).
190. Tianhe-2 [Электронный ресурс]. - Режим доступа : http://en.wikipedia.org/wiki/Tianhe-2 (дата обращения: 27.11.2014).
191. Tinku, A. Image Processing: principles and applications / A. Tinku, A.K. Ray // A John Wiley & Sons Inc. Publication, 2005. - 451 p.
192. Transmission Control Protocol. Protocol specification [Электронный ресурс] -Режим доступа : http://tools.ietf.org/html/rfc793 (дата обращения: 15.05.2014).
193. User Datagram Protocol. Protocol specification [Электронный ресурс] -Режим доступа : http://tools.ietf.org/html/rfc768 (дата обращения: 15.05.2014).
194. Utas, G. Robust Communications Software: Extreme Availability, Reliability and Scalability for Carrier-Grade Systems / G. Utas. - John Wiley & Sons Ltd, 2005.-352 p.
195. Vaquero, L.M. A break in the clouds: towards a cloud definition / L.M. Vaquero et al. // ACM SIGCOMM Computer Communication Review, 2009. - Vol. 39. P. 50-55.
196. Wang, Zhou. Image quality assessment: From error visibility to structural similarity / Zhou Wang, A.C. Bovik, H.R. Sheikh, E.P. Simoncclli // IEEE Transactions on Image Processing, 2004. - Vol. 13. - No. 4. - P. 600-612.
197. Wang, Zhou. Modern Image Quality Assessment / Zhou Wang, A.C. Bovik. -United States: Morgan & Claypool Publishers, 2006. - 160 p.
198. Welch, T.A. A technique for high-performance data compression / Т.Л. Welch // IEEE Computer, 1984. - Vol. 17(6). - P. 8-19.
199. Wu, S.W. Rate-constrained picture-adaptive quantization for JPEG baseline coders / S.W. Wu, A. Gersho// IEEE Intern. Conf. on Acoustic, Speech and Signal Processing, 1993. - V. 5. - P. 390-392.
200. Xiong, K. A Priority-Type Resource Allocation Approach in Cluster Computing / K. Xiong, K.-D. Kang, X. Chen // IEEE 13th International Conference on High Performance Computing and Communications (IIPCC), 2011. - P. 271-278.
201. Zemax - Optical and Illumination Design Software [Электронный ресурс]. — Режим доступа : http://www.zemax.com/home (дата обращения: 21.11.2014).
202. Ziv, J. A universal algorithm,(or sequential data compression / J. Ziv, A. Lempel // IEEE Transactions on Information Theory, 1977. - Vol. 23(3). - P. 337-343.
203. Ziv, J. Compression of individual sequences via variable-rate coding / J. Ziv, A. Lempel // IEEE Transactions on Information Theory, 1978. - Vol. 24(5). -P. 530-536.
Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.