З АКЛЮЧЕНИЕ

33

Рис. 7. Сигналы на входе и выходе интегратора основного канала – режим интегрирования с накоплением (осциллограф Scope).

На рис. 8 представлен другой возможный вариант рассматриваемой системы с использованием ШАРП.

Он отличается от модели на рис. 1 построением шумового канала. После усилителя в канале шума выходной сигнал выпрямляется (блок абсолютного значения |u|) и далее подается на вход фильтра нижних частот (ФНЧ) вместо блока интегратора. Таким образом, опорное напряжение в компараторе основного канала здесь формируется низкочастотной фильтрацией выпрямленного напряжения шума за интервалы времени между соседними импульсами передатчика.

На рис. 9-11 показаны результаты работы модели при входном шуме со средним квадратичным отклонением порядка 40% от амплитуды полезного сигнала. при отсутствии входного шума. Параметры модели:

амплитуда генератора импульсов основного канала 0,1 мВ, частота 1 кГц, длительность импульса 50 мкс, длительность паузы 950 мкс, полоса частот шума 50 – 15 000 Гц, частота среза ФНЧ шумового канала 10 Гц, постоянная времени интегратора основного

Рис. 8. Модель системы с использованием ФНЧ вместо интегратора.

34

вариант схемы ШАРП имеет показатели эффективности, не уступающие схеме с интегратором.

4. Моделирование в среде Simulink позволяет рационально выбрать основные параметры системы, в частности, значение постоянной времени интеграторов основного и шумового каналов, полосу пропускания ФНЧ шумового каналабез экспериментальной разработки схем приемника.

С

ПИСОК ЛИТЕРАТУРЫ

[1] Козинцев, В.И., Орлов, В.И. и др. Оптико-электронные системы экологического мониторинга природной среды. – М.: МГТУ им.

Баумана Н.Э., 2002. – 528 с.

[2] Медведев Е.М. Данилин И.М., Мельников С.Р. Лазерная локация земли и леса. М.: Геокосмос,2007 г.

[3] Попков В. К., Жумагулов Б. Т., Калимолдаев М. Н., Поллер Б. В., Бритвин А. В., Кузьмин А. М., Щетинин Ю. И. // Комплексные системы мониторин-га нефтепроводов на базе лазерных и пленочных технологий, T-Comm: Телекоммуникации и транспорт

№ 3. - 2013. - С. 51-54.

[4] Структура и функциональные возможности лазерной информационно-сенсорной системы для дистанционного контроля объектов в труднодо-ступных зонах / А. В. Бритвин, Б. В. Поллер, А. Б. Поллер, Ю. И. Щетинин // Радиолокация, навигация, связь : сб. докл. 19 междунар. науч.-техн. конф., Воронеж, 16-18 апр. 2013 г. – Воронеж : САКВОЕЕ, 2013. – Т. 1. – С. 178–184.

[5] Филлипов В.Л. Атмосфера и моделирование оптико- электронных систем в динамике внешних условий. – Казань: Изд-во Казан. ун.- та. 2015.- 632 с.

[6] Вильнер В., Ларюшин А., Рудь Е. Оценка возможностей светолокационного им-пульсного измерителя дальности с накоплением. Фотоника, 2007, №6, с. 22 -26.

[7] Вильнер В.Г. Проектирование пороговых устройств с шумовой стабилизацией порога. – Оптико – механическая промышленность, 1984, №5, с. 39-41.

[8] Дьяконов В.П. Simulink 5/6/7. Самоучитель. Москва: ДМК Пресс, 2012 – 784c.

Бритвин Александр Викторович

Кандидат технических наук, Старший научный сотрудник лаборатории лазерных информационных систем Института лазерной физики СО РАН

Поллер Борис Викторович

Доктор технических наук, профессор Заведующий лабораторией лазерных информационных систем Института лазерной физикиСО РАН

Щетинин Юрий Иванович

Кандидат технических наук, доцент кафедры Систем сбора и обработки данных Новосибирского государственного технического университета

978-1-5386-7054-5/18/$31.00 ©2018 IEEE 35

Использование технологии MIMO для решения вычислительных задач в системе

сейсмических датчиков

Даниил Е. Быченков, Михаил А. Райфельд

Новосибирский государственный технический университет, Новосибирск, Россия

Аннотация– В данной статье рассматривается возможности применения технологии MIMO(multiple-inputmultiple- output) в сейсмической системе наблюдения.Из-за большого количества элементов (датчиков) в такой системе имеются определѐнные проблемы при создании ортогональных пространственно-временных кодов. Возможным способом решения проблемы является разбиение области обслуживания системы на зоны. В этих зонах используются повторяющиеся кодовые последовательности, что приводит к появлению соканальной помехи, наличие которой не предполагается в классических примерах использования MIMO. Данная работа посвящена исследованию влияния соканальной помехи на работоспособность системы MIMO. В качестве результата представлена зависимость вероятности битовой ошибки от расстояния помехи до приемника.

Ключевыеслова –MIMO, многолучевое распространение, соканальная помеха.

I.

В

ВЕДЕНИЕ

НАСТОЯЩЕЙработе рассматривается возможность использования технологии MIMO для обеспечения надежной передачи данных в сейсмической системе наблюдения. Элементы данной системы (датчики)располагают ограниченным объѐмом памяти и вычислительным ресурсом. Поэтому они вынуждены кооперироваться для решения сложных вычислительных (в частности, оптимизационных) задач, связанных с совместной обработкой сейсмических сигналов. Эти датчики используют общий беспроводный канал связи для распределения вычислительной нагрузки и обмена блоками данных. Поскольку антенны датчиков находятся на небольшом расстоянии от поверхности

земли, то это приводит к

многочисленнымпереотражениям и многолучевому распространению сигналов. Достаточно часто вычисления должны производиться синхронно и все датчики системы должны располагать одним блоком данных, который передаѐтся всем датчикам.Датчики посылаютзапрос необходимого блока данных вобщий канал связи. После поступления в общий канал адреса запрашиваемого блока, датчики, у которых имеется в памяти такой блок, начинают широковещательную передачу, с целью сделать его доступным всем датчикам

системы. После определѐнного числа взаимных обменов данные считаются принятыми всеми датчиками.

Использование систем связи с разнесенными передающими и приемными антеннами (MIMO-системы) является одним из наиболее эффективных способов преодоления многолучевого распространения [1-4]. В этих системах на передающей стороне производится пространственно-временное кодирование, целью которого является возможность различения на приемной стороне сигналов от разных передающих антенн. Также на приемной стороне ведется оценка канальной матрицыH.

II.

П

ОСТАНОВКА ЗАДАЧИ

В настоящей работе рассматривается частный случай системы MIMO для нескольких передающих антенн и одной приемной, то есть MISO (multiple- inputsingle-output) (поскольку приѐмники соединены посредством радиоканала) для широковещательной передачи. Область обслуживания разделена на несколько зон для уменьшения вычислительных затрат, вызванных пространственно-временным кодированием. Подробнее об этом написано в разделе III. Предполагается, что внутри каждой зоны используются уникальные кодовые последовательности, при этом в других (например, соседних зонах) могут использоваться кодовые последовательности совпадающие с используемыми в текущей зоне. Применение повторяющихся кодовых последовательностей приводит к появлению помех особого рода по свойствам подобных тем, что имеют место в сотовых системах (соканальные помехи).

Необходимо исследовать влияние такой помехи на работу MISO системы.

III.

Т

ЕОРИЯ

A. Преобразование сигналов в MISO системе Рассмотрим MISOсистему с N передающими и одной приемной антенной и предположим, что многолучевой пространственный канал является неселективным по частоте (вследствие сравнительно небольших задержек радиосигналов). Тогда вектор H, составленный из

В

36

коэффициентов передачи

h n

_n

,  1,2,... N

сигналов (которые являются комплексными величинами) из n-ой передающей антенны в приемную, будет описывать распространение сигналов. Оценка такой матрицыпроизводится с помощью специальных пилот- сигналов. В системах связи данные передаются пакетами и длина пакета выбирается такой, чтобы пространственный канал можно было считать фиксированным в течении передачи одного пакета.

Матрица H оценивается с некоторой ошибкой, из-за влияния собственных шумов приемника и возможного изменения канала за время передачи пакета. Но в данной работе мы будем считать матрицу H точно известной.

Согласно [5], существуют ортогональные комплексные коды со скоростью ½ для любого числа передающих антенн.

Предположим, что кодовая матрица G _имеет размеры T N , где N – количество передатчиков, а T – число тактовых интервалов кода. Вектор принятых сигналов в приемнике равен

YHG Z , (1) где Z (z1 2, , , )T

z zN

  - вектор собственных шумов, которые являются гауссовскими некоррелированными во времени случайными комплексными величинами с нулевым средним и дисперсией 2, ( )T- операция транспонирования. Преобразование сигналов в пространственном декодере может быть описано матрицей U с размерами T K _{, где K –} количество информационных символов в кодовом блоке..В результате вектор выходного сигнала декодера имеет вид:

( )^T

S Y U

.

(2)

Данный сигнал представляет собой мягкую оценку.

Жесткие оценки вычисляются методом максимального правдоподобия: из множества возможных значений сигнала (символа модуляции)R выбирается тот, который имеет минимальное евклидово расстояние между ним и принятой мягкой оценкой:

ˆ

arg min ( , )

S d R S

.

(3) B. Разбиение на зоны

В связи с тем, что в сейсмической системе может быть большое количество датчиков (более ста), то размерность кодовой матрицы, например при N=104 передающих антеннах, составит согласно формуле

T N [5]:

8 2

^d

N  c 

(4)

4 27

2 2

^{c d}

2 134217728

T  ^  

,

⁽⁵⁾

где c=5, d=6- числа, на основе которых строится матрица кода. Использовать такие размерности матриц нецелесообразно, поэтому необходимо каким-либо образом их уменьшить. Так как при больших расстояниях затухание сигналов существенно, то разумным является разбиениеобласти обслуживания

системы на некоторые зоны, внутри которых затухание не будет играть важную роль, а сигналы от датчиков других зон достаточно слабые. Тогда возникает вопрос о кодировании сигналов на стороне передатчиков, расположенных внутри нескольких зон (см рис.1), ведь количество передающих антенн влияет на размер блока T. Ответ можно найти в [5], где доказывается, что если из кодовой матрицы G удалить один или несколько столбцов, то такая матрица также может использоваться для кодирования.

Рис. 1. Зоны передачи. Треугольником обозначен передатчик.

C. Моделирование помехи, создаваемой датчиками

«дальней» зоны

Выражение для принятого сигнала с помехой из

«дальней» зоны можно записать следующим образом:

YHG Z I

,

(6)

гдеI(i₁₁  i₁₂ ... i_1k,...,i_t1  i_t2 ... i_tk)^T - вектор значений помехи. Затухание сигналов, (в децибелах), вычисляется по следующей формуле:

32.4 20lg( ) 20lg( ) L  F  D

,

(7) где F – частота несущей в МГц, D – расстояние в километрах.

IV.

Р

ЕЗУЛЬТАТЫ ЭКСПЕРИМЕНТОВ

Моделирование проводилось в программе Matlab для случая 8-ми передатчиков и двух помех (датчиков из соседней зоны). Мощность излучения передатчиков 0.1мкВт, частота несущей в формуле (7) F=1000 МГц, расстояния до приемника первого – восьмого передатчиков соответственно: 0.025, 0.01, 0.01, 0.071, 0.015, 0.032, 0.017, 0.02 км. Дисперсия шума

2 k t B

    , где k – постоянная Больцмана, t= 290 K – температура в кельвинах, B 2 10⁷ МГц – ширина полосы частот. Результат моделирования представлен в виде графика зависимости вероятности битовой ошибки от величины расстояния помехи до приемника.

Аналитическая формула для вычисления вероятности битовой ошибки в зависимости от мощности шума, при одинаковой и нормированной мощности излучения передатчиков равной 1/N , вычисляется согласно [6]

следующим образом:

37

 

1 2

0

1 0.125 2

2 1 1 0.125 2 4 (1 0.125 2 )

N i

i i i

BER  C

 





   

   

      

 







,

(8)

где !

!( )!

a b

C b

a b a

  ,   N SNR_,N=8 – количество передающих антенн, SNR–отношение сигнал/шумПри отсутствии помех, в рассматриваемом случае отношение сигнал/шум будет приблизительно равно трем, поэтому

 

24

в приведенной выше формуле, а вероятность битовой ошибки составит BER

1.8 10

 ^8_{. Такой} результат говорит о том, что в случае отсутствия помех и наличия только теплового шума будет обеспечиваться хорошее качество связи.

Рис. 2. Зависимость вероятности битовой ошибки от расстояния помехи до приемника.

V.

О

БСУЖДЕНИЕ РЕЗУЛЬТАТОВ

На рисунке 2 изображены две зависимости для вероятности битовой ошибки. Сплошной линией изображен случай, когда сигнал помехи повторяет сигналы из первой и второй антенны полезного сигнала, пунктиром изображен случай, когда сигнал помехи является случайным. Данные кривые практически совпадают, что говорит о невосприимчивости системы к коррелированной помехе. Из приведенного графика следует, что уже на расстоянии пятидесяти метров соканальная помеха не влияет на работу системы.

VI.

В

ЫВОДЫ И ЗАКЛЮЧЕНИЕ

В данной работе было рассмотрено поведение MISO системы под воздействием соканальной помехи.

Результаты моделирования говорят о возможности использования технологии MIMO в сейсмической системе наблюдения, при использовании нескольких зон, которые должны быть удалены друг от друга на некоторое расстояние, необходимое для устранения влияния соканальной помехи.

С

ПИСОК ЛИТЕРАТУРЫ

[1] Space-Time Processing for MIMO Communications / Editors A.B.

Gershman and N.D. Sidoropoulos. Wiley&Sons, 2005. 370 p.

[2] Paylraj A., Nabar R. and Gore D. Introduction to Space-Time Wireless Communications. Cambridge UniversityPress, 2003.

[3] Jankiraman M. Space-Time Codes and MIMO Systems. Artech House, Inc., 2004.

[4] Ермолаев В.Т., Мальцев А.А., Флаксман А.Г. и др. Применение адаптивных антенных решеток для повышения скорости передачи информации в беспроводных компьютерных сетях // Труды (шестой)научной конференции по радиофизике, посвященной 100- летию со дня рождения М.Т. Греховой. 7 мая 2002 г. / Ред. А.В.

Якимов. Нижний Новгород: ТАЛАМ, 2002. С. 22–28.

[5] Hamid Jafarkhani. Space-Time Coding: Theory and Practice.

Cambridge UniversityPress, 2005.

[6] Simon, M. K. A moment generating function (MGF)-based approach for performance evaluation of space-time coded communication systems. //WirelessCommunication and Mobile Computing, 2(7): Nov.

2002, 667–92.

ДаниилЕ. Быченковродился в Новосибирске в 1993 году.

Закончилбакалавриатпонаправлению подготовки «Инфокоммуникационные технологии и системы связи» в 2015 году Новосибирского Государственного Технического Университета, Новосибирск, Россия. В 2017 годузакончилмагистратурупонаправлению подготовки«Инфокоммуникационные технологии и системы связи»

Новосибирского Государственного Технического Университета,Новосибирск, Россия.

В настоящее время является аспирантом кафедры Теоретических Основ Радиотехники Новосибирского Государственного Технического Университета по направлению подготовки

«Электроника, Радиотехника и системы связи».

МихаилА. Райфельдродился в Новосибирске в 1965 г. В 1987 г. закончил Новосибирский электротехнический институт. В настоящее время работает профессором на кафедре Теоретических основ радиотехники в Новосибирском Государственном Техническом Университете. В 1995 г. получил звание доцента. В 2009 г. защитил докторскую диссертацию по специальности

«Теоретические основы информатики».

Опубликовал более 60 статей. Область научных интересов – статистические методы обработки сигналов и изображений, создание программного обеспечения для комплексных систем локации и связи.

978-1-5386-7054-5/18/$31.00 ©2018 IEEE 38

Алгоритмы моделирования бинарных текстурныхизображений

ВасилийН. Васюков, АннаЮ. Зайцева

Новосибирский государственный технический университет, Новосибирск, Россия

Аннотация–Работа посвящена моделированию бинарных текстурных изображений с несколькими типами текстур.

Для описания текстурных свойств бинарных изображений применяется подход на основе представления текстурного изображения реализацией бинарного случайного поля с распределением Гиббса. Границы текстурных областей генерируются на основе диаграмм Вороного и с применени- ем клеточных автоматов.Демонстрируются результаты моделированияизображений текстурных карт и бинарных текстурных изображений.

Ключевыеслова –Моделирование, текстурное изображение, гиббсовские случайные поля, текстурная карта, спутнико- ваяфотосъемка.

I.

В

ВЕДЕНИЕ

ЦЕНИВАНИЕ эффективности алгоритмов анализа изображений в автоматизированных системах ви- деомониторинга требует наличия большого количества реальных изображений, получаемых в таких системах, что часто не представляется возможнымили сопряжено с неприемлемыми затратами. Общеизвестным способом решения этой проблемы является формирование типич- ных изображений на основе их имитационного модели- рования [1–3]. Следует отметить, что для оценки эффек- тивности и точности алгоритмов сегментации использо- вание искусственных изображений является предпочти- тельным, так как в этом случае точно известно положе- ние границ текстурных областей.Данная работа посвя- щена имитационномумоделированию изображений по- верхности Земли, получаемых посредствомаэро- или спутниковой фотосъемки. Рассматриваемые изображе- ния, как правило, состоят из областей, обладающих ярко выраженными текстурными свойствами, характерными для того или иного вида природной зоны (леса, поля или луга) (см. Рис.1).

Рис. 1. Пример спутникового фотоснимка.

В работе предлагается подход к моделированию по- добных изображений на основе их описания, состоящего из двух уровней – карты текстурных областей, где каж- дая область имеет определѐнную метку, и совокупности текстурных изображений в пределах областей, каждое из которых представляется реализацией случайного поля с гиббсовским распределением вероятностей [4–

5].Преимуществом гиббсовских моделей является еди- нообразный подход к генерированию реализаций слу- чайных полей с разнообразными свойствами на основе- алгоритмовстохастической релаксации –поточечной мо- дификацииполяв соответствии с локальными характери- стиками – условными вероятностями (плотностями веро- ятностей) в текущей точке при заданной конфигурации поля на еѐ окрестности.

II.

П

ОСТАНОВКА ЗАДАЧИ

При выборе метода реализации алгоритмов имитаци- онного моделирования целесообразным представляется применение единого инструментария для генерирования карты текстурных областей и формирования их заполне- ния. В работе предлагается применение статистического подхода к описанию текстур, основанного на представ- лении текстурного изображения в виде реализации слу- чайного поля с гиббсовским распределением вероятно- стей.

Конечнозначная гиббсовская модель цифрового изо- бражения предполагает представление случайного поля в виде совокупности дискретных случайных величин из конечного множества, ассоциированных с точками пря- моугольной решетки [4]. Для задания гиббсовского рас- пределения вероятностей вводятся понятия клики и ок- рестности точки. Кликой называется совокупность точек решетки, считающихся попарно соседними [5]. Точки клики не обязательно должны быть геометрически со- седними: соседство означает лишьналичие статистиче- скоговзаимодействия между ними. Каждой клике припи- сывается функция,называемая потенциалом, значение которой зависит от значений поля в точках клики.

Окрестностью точкиназывается объединение всех клик, которым она принадлежит, за вычетом самой этой- точки.В то время как совместное распределение значе- ний любого случайного поля формально можно записать в виде распределения Гиббса, с практической точки зре- ния наибольший интерес представляют гиббсовские слу- чайные поля, структура соседства которых основана на окрестностях, содержащих небольшое количество точек-

О

39

решетки. Кроме того, с вычислительной точки зрения целесообразно, чтобы поле принимало небольшое коли- чество значений.

Применение конечнозначных гиббсовских случайных полей с небольшим количеством уровней яркости (2, 3 или 4) для описания текстурных свойств изображений возможно благодаря тому, что текстура является харак- теристикойвариаций изображения в окрестности точки, и при преобразовании полутонового изображения даже в бинарное значительная часть информации о текстуре может сохраняться.Например,выделение контурных ли- ний на изображении или бинаризация дискретной функ- ции яркости исходного изображения, детализирующих коэффициентов вейвлет-разложения позволяет получать так называемые бинарные препараты текстуры (см.

Рис.2) [6-8], сохраняющие характерные признаки текстур и позволяющие решать задачи текстурной сегментации.

Ниже рассматривается построение бинарных текстур- ных изображений при использовании окрестности перво- го порядка, образованнойпарными кликами, сформиро- ваннымиточками, геометрически соседнимипо вертикали и по горизонтали[9].

Рис. 2. Полутоновыетекстурные изображения леса (а) и поля (б) и их бинарные препараты.

В рамках гиббсовского подхода к моделированию тек- стурных изображений естественным является примене- ние двухуровневой модели, когда текстурная карта рас- сматривается как реализация конечнозначного случайно- го поля, принимающего несколько дискретных значений из заданного множества (меток), а наблюдению подле- жат реализации, подчиняющиеся распределениям Гиб- бса, различным для разных областей [6,8].Однако при моделировании протяженных областей текстурной карты возникает затруднение, связанное с явлением фазового перехода [10]. Простейшей моделью поля с гиббсовским распределением вероятностей является изотропная мо- дель Изинга, предназначенная для описания явления ферромагнетизма в статистической физике [11]. Данная модель предполагает задание гиббсовского распределе- ния вероятностей с использованием окрестности первого порядка (окрестности фон Неймана). Поле в каждой точ- ке принимает одно из двух значений (+1 и – 1).Потенциалклики равен ─β, если значения поля в точ- ках клики совпадают, и β– в противном случае. Длямо-

делированияпротяженных областей внутри текстурного

No documento TECHNICAL CONFERENCE ON ACTUAL PROBLEMS OF ELECTRONIC INSTRUMENT (páginas 35-41)