На правах рукописи
УДК: 681.518.3+621.391.08+
+ 681.782.473+629.7.05+
+ 004.8.032.26+629.7.018] (043.3)
НЕРЕТИН Евгений Сергеевич
РАЗРАБОТКА АЛГОРИТМИЧЕСКОГО И АППАРАТНОГО
ОБЕСПЕЧЕНИЯ БОРТОВЫХ УСТРОЙСТВ ОБРАБОТКИ
ИНФОРМАЦИИ НА ОСНОВЕ ОПТОЭЛЕКТРОННЫХ МАТРИЧНЫХ
УМНОЖИТЕЛЕЙ И НЕЙРОННЫХ СЕТЕЙ
Специальность 05.11.16 – Информационно-измерительные и управляющие системы (авиационная и ракетно-космическая техника)Автореферат диссертации
на соискание учёной степени кандидата технических наукМосква –
Работа выполнена на кафедре «Приборы и измерительно-вычислительные комплексы» ФГБОУ ВПО «Московский авиационный институт (национальный исследовательский университет)» (МАИ).
Научный руководитель: кандидат технических наук, доцент Князева Валентина Валентиновна
Официальные оппоненты: доктор технических наук, профессор Бусурин Владимир Игоревич доктор технических наук, профессор Зайцев Александр Владимирович
Ведущая организация: ОАО «ГСКБ «Алмаз-Антей» им. академика А.А. Расплетина
Защита диссертации состоится 26 декабря 2011 г. в 09 часов 00 минут на заседании диссертационного Совета Д212.125.11 при ФГБОУ ВПО «Московский авиационный институт (национальный исследовательский университет)» (МАИ) по адресу: 125993, г. Москва, Волоколамское шоссе, д. 4.
С диссертацией можно ознакомиться в библиотеке МАИ.
Отзывы на автореферат, заверенные печатью организации, просьба направлять по адресу: 125993, г. Москва, Волоколамское шоссе, д. 4.
Автореферат разослан « 23 » ноября 2011 г.
Учёный секретарь диссертационного совета, канд. техн. наук, доцент Ю.В. Горбачёв
ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ
Актуальность работы. В авиации и ракетно-космической технике в настоящее время широкое применение находят электронные устройства обработки информации (УОИ). Цифровые электронные УОИ, как правило, выполняют последовательную обработку информации, и наиболее естественными для них являются логические операции. Современные и перспективные информационноизмерительные и управляющие системы (ИИиУС), во многом определяющие эффективность всей бортовой аппаратуры, выполняют, как правило, интегральные преобразования данных и должны обеспечивать более жёсткие требования к быстродействию.
Основными направлениями совершенствования БУОИ в настоящее время являются модернизация архитектуры, использование новых технологий и поиск эффективных альтернатив чисто электронным системам.
Для компенсации недостатков чисто электронных БУОИ одним из возможных подходов является использование оптических средств обработки информации. Наиболее значимым преимуществом этих средств является высокая скорость передачи данных, которая обеспечивается высокой частотой оптического излучения, изменяющейся в пределах от 31011 до 31017 Гц. Известно, что теоретически использование оптоэлектронных элементов и узлов в ИИиУС может значительно повысить их производительность вплоть до 1014 операций в секунду за счёт использования таких преимуществ оптики, как пикосекундное быстродействие активных элементов, массовый параллелизм вычислений и глобальный характер связей между процессорными элементами.
Совместное использование оптических и электронных методов обработки информации даёт возможность построения высокопроизводительных оптоэлектронных БУОИ.
Работы по разработке и внедрению оптоэлектронных технологий в ИИиУС нового поколения проводятся во всём мире в течение последних тридцати лет (наиболее активно – в США, России, Японии, Великобритании, Франции и Германии), при этом при разработке высокопроизводительных ИИиУС с БУОИ реального времени, решающих такие сложные задачи, как обработка сигналов и изображений, распознавание образов, аэрокосмическая навигация и ряд других, их производительность зачастую является ограничительным фактором по отношению к характеристикам ИИиУС в целом.
Одним из многообещающих направлений построения эффективных БУОИ, широко применяемым за рубежом, является использование новой информационной технологии – нейронных сетей, обладающих столь привлекательными чертами как гибкость, способность адаптироваться к изменениям внешних условий, сохраняя устойчиво высокое качество работы.
Кроме того, за счёт использования специальных архитектур на базе множества одинаковых, достаточно простых элементов, появляется возможность применения вычислительных средств, реализующих массовую параллельность вычислений. Достигаемое с помощью распараллеливания повышение быстродействия теоретически может достигать сотен и даже тысяч раз.
При применении этого перспективного подхода ограничением является необходимость разработки программно-алгоритмического обеспечения для узкой предметной области, поскольку особенности обучения нейронных сетей делают сегодня невозможным построение универсальной нейронной сети для обработки любой информации.
Одной из актуальных задач, решение которой возможно с использованием новых технологий, является повышение быстродействия существующих ИИиУС с БУОИ за счёт выполнения операций параллельными оптическими методами на основе алгоритмов нейронных сетей, которые рассчитаны на применение в БУОИ для обработки информации с радиолокаторов с синтезируемой апертурой.
По результатам анализа критичных задач для различных этапов обработки радиолокационной информации для перспективных радиолокаторов, представленным 3-им Центральным научно-исследовательским институтом Министерства обороны (3 ЦНИИ МО) Российской Федерации (РФ) на 4-й международной конференции DSPA было отмечено, что одним из узких мест при обработке этой информации является отождествление целей на последовательных периодах обзора с использованием нейросетевого решения задачи о назначениях. Проблема может быть решена за счёт применения мощных аппаратных средств с массовым параллелизмом в нейросетевом базисе, что позволит достичь требуемого быстродействия 10-100 миллионов операций в секунду при отождествлении цели.
Таким образом, актуальной задачей является повышение быстродействия существующих БУОИ для распознавания объектов на радиолокационных изображениях на базе использования оптоэлектронной аппаратуры и методов искусственного интеллекта.
Цель диссертационной работы – обеспечение адаптации к повышению быстродействия существующих БУОИ для распознавания объектов на радиолокационных изображениях на плоской сцене за счёт применения оптоэлектронных матричных умножителей и нейронных сетей.
Объект исследования – высокопроизводительные БУОИ на основе оптоэлектронного матричного умножителя и нейронных сетей Хопфилда для распознавания объектов на радиолокационных изображениях на плоской сцене.
Предмет исследования – алгоритмическое и аппаратное обеспечение высокопроизводительных БУОИ на базе нейронных сетей для распознавания объектов на радиолокационных изображениях на плоской сцене.
Задачи диссертационной работы:
разработать структуру БУОИ для распознавания объектов на радиолокационных изображениях на плоской сцене;
выбрать тип и модифицировать модели нейронных сетей, ориентированных на реализацию в БУОИ для распознавания объектов на радиолокационных изображениях на плоской сцене;
обучить нейронные сети, выбранные для решения задач распознавания объектов на радиолокационных изображениях на плоской сцене;
разработать программно-алгоритмическое и аппаратное обеспечение БУОИ на базе нейронных сетей для распознавания объектов на радиолокационных изображениях на плоской сцене;
экспериментально проверить предложенные решения на основе полунатурных экспериментов и моделирования.
Методы исследования, применённые в работе: методы обработки информации в сложных системах, методы искусственного интеллекта, методы анализа параллельных алгоритмов вычислений, методы экспериментальных исследований и методы контроля и испытаний образцов ИИиУС.
Научная новизна диссертационной работы заключается в следующем:
разработана структура БУОИ на основе оптоэлектронного матричного умножителя и нейронных сетей Хопфилда;
разработаны модификации моделей одномерной и двумерной биполярных нейронных сетей Хопфилда, применимые для реализации в БУОИ на основе оптоэлектронных матричных умножителей для распознавания объектов на радиолокационных изображениях на плоской сцене;
разработаны алгоритмы, реализующие модифицированные одномерную и двумерную биполярные нейронные сети Хопфилда, применимые для реализации в БУОИ на основе оптоэлектронных матричных умножителей для распознавания объектов на радиолокационных изображениях на плоской сцене;
структура программно-аппаратного комплекса (ПАК) для отработки алгоритмического и аппаратного обеспечения образцов оптоэлектронных элементов и блоков перспективных БУОИ на основе нейронных сетей.
Научные результаты, выносимые на защиту:
структура БУОИ, включающая оптоэлектронные матричные умножители и нейронные сети Хопфилда;
модифицированные модели одномерной и двумерной биполярных нейронных сетей Хопфилда, применимые для реализации в оптоэлектронных БУОИ для распознавания объектов на радиолокационных изображениях на плоской сцене;
новое алгоритмическое обеспечение на базе одномерной и двумерной биполярных нейронных сетей Хопфилда, применимое для обработки информации в перспективных высокопроизводительных оптоэлектронных БУОИ для распознавания объектов на радиолокационных изображениях на плоской сцене;
структура ПАК для отработки алгоритмического и аппаратного обеспечения образцов оптоэлектронных элементов и блоков перспективных БУОИ на основе нейронных сетей.
Практическая значимость полученных в диссертационной работе результатов состоит в следующем:
созданы программное и аппаратное обеспечения, реализующие полученные научные результаты и позволяющее автоматизировать отработку БУОИ на базе нейронных сетей;
полученные результаты применены для отработки и контроля оптоэлектронных элементов и блоков БУОИ.
Внедрение и реализация. Основные результаты диссертационной работы внедрены при выполнении научно-исследовательских работ в ОАО «Концерн «Вега» и в учебный процесс на кафедре «Приборы и измерительно-вычислительные комплексы» МАИ, что подтверждается соответствующими актами о внедрении. Результаты отражены в двух научно-технических отчётах о НИР.
Достоверность полученных результатов обеспечивается корректным применением математического аппарата и их экспериментальной проверкой на разработанном ПАК.
Апробация работы. Основные положения диссертационной работы представлены и обсуждены на XVI и XVIII международных научно-технических семинарах «Современные технологии в задачах управления, автоматики и обработки информации» (Украина, г. Алушта, 2007, 2009 гг.), Конкурсе молодых специалистов авиационно-космической отрасли (Комитет по развитию авиационнокосмического комплекса Торгово-промышленной палаты РФ, г. Москва, 2008 г.), Всероссийской студенческой научно-технической школе-семинаре «Аэрокосмическая декада» (Украина, г. Алушта, 2008 г.), XXI Международной научной конференции «Математические методы в технике и технологиях – ММТТ-21»
(г. Саратов, 2008 г.), V и VII Межрегиональных научно-практических конференциях студентов и аспирантов «Инновационные технологии в экономике, информатике и медицине» (г. Пенза, 2008, 2010 гг.), Международной технической конференции «Современные информационные технологии (Contemporary information technologies» (г. Пенза, 2009 г.), 16-й Всероссийской межвузовской научнотехнической конференции студентов и аспирантов «Микроэлектроника и информатика – 2009» (г. Москва, г. Зеленоград, 2009 г.).
Публикации. Основные результаты диссертационной работы полностью отражены в 5-ти статьях (три из которых – в рецензируемых журналах), 7-ми трудах и тезисах докладов международных, всероссийских и межрегиональных конференций и семинаров, а также зарегистрированы в государственном Реестре программ для ЭВМ.
Структура и объём диссертационной работы. Диссертация состоит из введения, четырёх глав, заключения и списка использованных источников.
Общий объём работы составляет 190 страниц, включая 105 рисунков и 21 таблицу. Список использованных источников содержит 137 наименований.
СОДЕРЖАНИЕ РАБОТЫ
Во введении даётся общая характеристика работы, сформулированы основная цель и вытекающие из неё задачи исследования, указаны объект, предмет и методы исследования, приведён обзор исследований по рассматриваемой тематике, отражены актуальность, научная новизна и практическая значимость диссертационной работы. Кратко излагается содержание работы по главам.
Первая глава диссертационной работы посвящена анализу современных и перспективных оптоэлектронных ИИиУС и алгоритмов обработки бортовой информации, для чего рассмотрены характеристики, классификация и конструктивно-технологические особенности оптоэлектронных устройств, исследованы алгоритмы, методы и средства обработки информации в БУОИ, проведён анализ существующих нейросетевых парадигм и возможностей их применения.
Проведённый анализ оптоэлектронных устройств и систем обработки информации показал, что в перспективных ИИиУС целесообразно сочетать оптические и электронные средства обработки информации. Повышение быстродействия существующих систем возможно за счёт выполнения последовательных операций параллельными оптическими методами на основе алгоритмов нейронных сетей.
Анализ существующих нейросетевых парадигм показал, что большинство из них подходит для обработки информации в бортовых системах распознавания образов, однако, парадигмой, позволяющей не только распознать образ, но и восстановить данные по их фрагментам (что крайне необходимо при распознавании бортовой аппаратурой зашумлённых изображений), является нейронная сеть Хопфилда. Она может быть обучена решению задачи обработки информации бортовыми устройствами.
Проведён обзор работ в области реализации нейронных сетей Хопфилда с применением оптоэлектронных транспарантов, который выявил трудности при построении одноканальных оптоэлектронных ИИиУС на базе нейронной сети Хопфилда из-за необходимости реализации как положительных, так и отрицательных значений весов матрицы взаимосвязей.
Изучение существующих методов обучения нейронной сети Хопфилда показало, что наиболее подходящим для данной сети является правило обучения Хебба, которое может быть базовым для разработки алгоритма обучения нейронной сети решению поставленной задачи.
На основе проведённого анализа сформулированы требования к высокопроизводительным БУОИ при распознавании образов на основе нейронных сетей.
Во второй главе диссертационной работы модифицированы модели одномерной и двумерной биполярных нейронных сетей Хопфилда с целью их применения в автоматизированных ИИиУС отработки БУОИ, а также алгоритмы их обучения.
Рассмотрим оптическую реализацию одномерной модели Хопфилда.
Предположим, что есть М бинарных («0», «1») векторов Vi (m ) длины N, где i = 1, 2..., N и m = 1, 2..., М. Информация в векторах хранится в форме межнейронных связей сети. Сила взаимосвязи между i-м и j-м нейронами описывается правилом обучения Хебба:
где ij – дельта-функция Кронекера (если i=j, ij = 1; иначе, ij = 0).
Реакция сети на входной стимул, который является одним из сохранённых векторов, например Vi (m 0), – это выдача выходной оценки:
Для получения неотрицательной матрицы взаимосвязей ко всем элементам исходной матрицы Tij добавляется смещение Ref, и неотрицательный матричный элемент Tij p =Tij+Ref. Ref представляет собой абсолютную величину отрицательного элемента матрицы Tij, являющегося минимальным. Таким образом, смещение Ref в выходной оценке представляет собой добавление зависимого от входа однородного фона, который может быть устранён регулировкой выходного порогового уровня.
Для биполярной модели выходная оценка для сохранённого вектора Vi(n) принимает вид:
пороговой обработки описывается в виде:
Процесс осуществляется фиксированной пороговой обработкой результирующего выходного вектора для униполярного входа, а текущая оптическая нейронная сеть имеет биполярные нейронные свойства.
Ожидаемая оценка выхода модифицированной одномерной биполярной модели Хопфилда:
где Max – максимум DTi, N 0 (n) – количество единиц во входном векторе V j (n).
Это выражение подразумевает, что биполярный ассоциативный вызов может выполняться динамической пороговой обработкой TH(n) результирующего выходного вектора униполярной системы и распределённым фоном BGi.
TH(n) является порогом, а BGi – фоном, добавленным к выходу. Все значения в уравнении выражены униполярно, таким образом вычисление может быть выполнено в единственном канале оптической системы.
Таким образом, можно составить расширенную матрицу взаимосвязей Wij:
Для согласования работы сети входному вектору необходимо добавить дополнительный элемент V N +1(n) = 1.
Использование (N+1)-й размерности расширенной матрицы взаимосвязей Wij (рис. 1) позволяет (в отличие от существующих оптических реализаций модели Хопфилда) реализовать биполярную сеть Хопфилда в одном оптическом канале ИИиУС.
Модель двумерной нейронной сети Хопфилда состоит из N2 взаимно связанных нейронов, текущие состояния которых характеризуются бинарными состояниями:
где элемент матрицы Vij, имеющий значение «1» или «0», обозначает состояние соответствующего нейрона. Набор М образов (или изображений) V(m), m=1,2...,М, каждый состоящий из NN элементов Vij(m ) (или пикселей), хранится в сети.
Элемент матрицы Tijkl обозначает силу взаимосвязи между нейронами ij и kl:
где ijkl – дельта-функция Кронекера, определяемая как:
Получение неотрицательной матрицы взаимосвязей Tijkl аналогично Tij для модифицированной одномерной нейронной сети Хопфилда, а процесс пороговой обработки описывается в виде:
где N 0m– количество единиц в хранящемся образе Vij(m ).
Расширенная матрица взаимосвязей Wijkl имеет вид:
Для согласования работы сети к входному образу добавляются элементы:
V( N +1) j = 1, Vi ( N +1) = 1, V( N +1)( N +1) = 1.
Ожидаемая оценка выхода модифицированной двумерной биполярной модели Хопфилда:
Таким образом, выходная пороговая обработка может быть получена путём пороговой обработки произведения входного сигнала размерности ( N + 1) ( N + 1) и матрицы элементов ( N + 1) 2 ( N + 1) 2, где (N+1)-й элемент выходной оценки используется в качестве порога. Дополнительные элементы матрицы Wijkl представляют распределённый фон и динамический порог.
Вариант двумерной реализации четырёхмерной матрицы взаимосвязей Wijkl нейронной сети Хопфилда показан на рис. 2.
Разработаны структура БУОИ на основе оптоэлектронного матричного умножителя и нейронных сетей, представленная на рис. 3, и структура ПАК для испытаний перспективных оптоэлектронных элементов и блоков БУОИ на основе нейронных сетей (рис. 4).
БУОИ состоит из программно-алгоритмической части (ПАЧ) и оптоэлектронного матричного умножителя (ОЭМУ). ПАЧ содержит как базу данных (БД), с образами объектов, необходимых для обнаружения, так и программноалгоритмическое обеспечение, реализующее работу модифицированных нейронных сетей. Процесс распознавания объектов на плоской сцене осуществляется в БУОИ итерационно. Блок-схема алгоритма распознавания представлена на рис. 5.
ПАК для комплексной отработки алгоритмического и аппаратного обеспечения оптоэлектронных элементов и блоков перспективных БУОИ, включающих нейронные сети, состоит из следующих основных модулей: автоматизированного рабочего места (АРМ) управления испытаниями и контроля работы нейронной сети, блока управления измерениями (БУ И), контроллера сбора и обработки данных (КСОД), блока управления источниками излучения (БУ ИИ), блока управления матричным оптоэлектронным транспарантом (БУ МОЭТ), блока получения информации (БПИ) и объектов испытаний – источников излучения (ИИ), матричного оптоэлектронного транспаранта (МОЭТ), приёмников излучения (ПИ) или состоящих из них блоков БУОИ.
Рис. 3. Структура БУОИ на основе программно-аппаратного комплекса отработки элементов и блоков БУОИ В третьей главе диссертации разработано программно-алгоритмическое обеспечение для применения модифицированных нейронных сетей Хопфилда в БУОИ. Обобщённая блок-схема алгоритмов, реализующих модифицированные нейронные сети, представлена на рис. 6.
Разработанные алгоритмы реализованы в форме ПО «Имитатор нейронной сети Хопфилда для бортовой аппаратуры», примеры главного окна и окна с выводом матрицы взаимосвязей которого представлены на рис. 7.
ПО «Имитатор нейронной сети Хопфилда для бортовой аппаратуры» реализует созданные алгоритмы и позволяет моделировать работу модифицированных нейронных сетей Хопфилда для реализации в канале ИИиУС на базе оптоэлектронного матричного умножителя. ПО разработано на языке программирования Delphi из пакета Embarcadero RAD Studio XE и зарегистрировано в Реестре программ для ЭВМ (свидетельство о государственной регистрации программы для ЭВМ №2011616541 от 19.08.2011).
элементов в сохранённых образах Определение максимального значения порога Формирование смещённой (неотрицательной) Определение количества единичных Вывод о распознавании или нераспознавании Рис. 6. Обобщённая блок-схема алгоритмов, реализующих Рис. 7. ПО «Имитатор нейронной сети Хопфилда для бортовой аппаратуры».
В четвёртой главе диссертации представлены:
– анализ вычислительной производительности БУОИ при выполнении операции векторно-матричного умножения;
– результаты моделирования модифицированных нейронных сетей;
– ПАК для испытаний образцов оптоэлектронных элементов и блоков перспективных БУОИ, – результаты натурных испытаний опытных образцов перспективных оптоэлектронных элементов, а именно МОЭТ размерностью 1616, макета одиночного лазерного диода и линейки лазерных диодов с вертикальным резонатором размерностью 16 на основе p-i-n MQW гетероструктур AlGaAs/GaAs с рабочей длиной волны света 850 нм для ОАО «Концерн «Вега» (рис. 8).
Проведён расчёт, позволивший оценить увеличение быстродействия разработанного БУОИ в 1,2…1,3 раза по сравнению с существующими БУОИ, выполняющими последовательную обработку информации.
Проведено два этапа моделирования модифицированных нейронных сетей.
На первом этапе проведено 20 серий экспериментов на простых примерах с образами размерностей 51, 81, 161, 201, 251, 55, 88, 1616, 2020, и количеством сохранённых образов в каждой из размерностей последовательно – 4, 5, 10 в ПО «Имитатор нейронной сети Хопфилда для бортовой аппаратуры».
Моделирование подтвердило адекватность модифицированных моделей нейронных сетей Хопфилда для решения поставленной задачи.
На втором этапе проведено 20 серий экспериментов на сложных примерах в среде MATLAB. Целью данного этапа была проверка применимости предложенных алгоритмов для распознавания объектов на плоской сцене, полученных с радиолокаторов с синтезируемой апертурой.
Для проведения экспериментов были взяты 20 радиолокационных изображений, полученных с помощью радиолокаторов с синтезируемой апертурой (РСА изображения) в Ка-диапазоне, разрешение 0,1 м. Источник – Интернет-ресурс www.sandia.gov/radar (Sandia National Laboratories, Lockheed Martin Company, США).
Эталонные объекты получены путём «вырезания» искомых объектов из панорамного снимка (рис. 9) и выравнивания яркости фона (за счёт устранения неоднородностей фона). Обнаружение объекта на плоской сцене осуществлялось по контуру тени, оставляемой им на поверхности земли. В результате моделирования обученная сеть при наличии помех распознала соответствующие объекты на представленных РСА изображениях так: при зашумлении объекта до 20% или более 80% распознавание имело место в 100% случаев, при зашумлении от 20% до 40% или от 60% до 80% распознавание происходило с вероятностью 99%.
При зашумлении от 40% до 60% (самый неблагоприятный вариант) распознавание невозможно. Таким образом, полученные результаты подтвердили работоспособность модифицированных моделей нейронных сетей при решении задачи распознавания объектов на плоской сцене на РСА изображениях в рабочих областях (кроме самого неблагоприятного варианта).
Рис. 8. Зависимость оптического Рис. 9. РСА изображение: Ка диапазон, контраста от номера элемента разрешение 0,1 м, размер 15911158, Эксперименты, проведённые на разработанном ПАК, подтвердили его полную пригодность для контроля оптоэлектронных элементов и блоков перспективных БУОИ.
ОСНОВНЫЕ РЕЗУЛЬТАТЫ ДИССЕРТАЦИОННОЙ РАБОТЫ
В диссертационной работе получены следующие основные выводы и результаты.1. Поставлена и решена задача обеспечения адаптации к увеличению быстродействия БУОИ за счёт применения оптоэлектронных матричных умножителей и нейронных сетей при распознавании образов.
2. Разработана структура БУОИ на основе оптоэлектронного матричного умножителя, выполняющего матричные вычисления параллельными оптическими методами, что позволяет адаптировать его к повышению быстродействия при распознавании объектов на радиолокационных изображениях на плоской сцене. Оценено увеличение быстродействия с применением предложенной архитектуры БУОИ в 1,2…1,3 раза по сравнению с существующими УОИ, выполняющими последовательную обработку информации.
3. Модифицированы биполярные одномерная и двумерная модели нейронной сети Хопфилда для применения в БУОИ на основе оптоэлектронного матричного умножителя при распознавании образов.
4. Разработаны алгоритмы, реализующие модифицированные биполярные модели одномерной и двумерной нейронной сети Хопфилда, позволяющие распознавать объекты на радиолокационных изображениях на плоской сцене в БУОИ. Алгоритмы реализованы в форме ПО «Имитатор нейронной сети Хопфилда для бортовой аппаратуры». ПО разработано на языке программирования Delphi из пакета Embarcadero RAD Studio XE и зарегистрировано в Реестре программ для ЭВМ (свидетельство о государственной регистрации программы для ЭВМ №2011616541 от 19.08.2011).
5. Проведено 20 серий экспериментов по тестированию разработанного ПО и 20 серий моделирования на простых примерах, которые полностью подтвердили его работоспособность и адекватность модифицированных моделей нейронных сетей в рассматриваемых задачах обработки бортовой информации.
Проведено моделирование с использованием 20 радиолокационных изображений, полученных с помощью радиолокаторов с синтезируемой апертурой (РСА изображения) в Ка-диапазоне, подтвердившее работоспособность созданных моделей нейронных сетей Хопфилда для решения задачи распознавания объектов в радиолокационных изображениях на плоской сцене при наличии помех.
Результаты моделирования показали, что при зашумлении объекта до 20% или более 80% распознавание происходит в 100% случаев, при зашумлении от 20% до 40% или от 60% до 80% распознавание происходит с вероятностью 99%, при зашумлении от 40% до 60% (самый неблагоприятный вариант) распознавание невозможно.
6. Разработана двухуровневая архитектура ПАК для отработки алгоритмического и аппаратного обеспечения образцов оптоэлектронных элементов и блоков перспективных БУОИ (использующих в том числе нейронные сети Хопфилда).
ПАК позволяет проводить испытания существующих и перспективных БУОИ.
7. На разработанном ПАК для комплексной отработки алгоритмического и аппаратного обеспечения образцов оптоэлектронных элементов и блоков перспективных БУОИ проведено испытание опытных образцов перспективных оптоэлектронных элементов, а именно матричного оптоэлектронного транспаранта размерностью 1616, макета одиночного лазерного диода с вертикальным резонатором и линейки лазерных диодов с вертикальным резонатором размерностью 16 на основе p-i-n MQW гетероструктур AlGaAs/GaAs с рабочей длиной волны света 850 нм для ОАО «Концерн «Вега», что подтверждается соответствующим актом внедрения в научно-исследовательскую и опытноконструкторскую работу Концерна.
8. Результаты диссертационной работы внедрены в учебный процесс ФГБОУ ВПО «Московский авиационный институт (национальный исследовательский университет)» (МАИ), что подтверждается соответствующим актом внедрения.
ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ
1. Неретин Е.С. Программно-алгоритмическое обеспечение систем испытания бортовых электронных устройств // Вестник МАИ. – 2011. – т. 18, №3. – с. 177–184.2. Кирпичев К.Ю., Неретин Е.С. Разработка автоматизированного места тестирования высокочастотных оптоэлектронных элементов и узлов в реальном масштабе времени // Труды МАИ. – №38. – 2010. (Идентификационный номер НТЦ «Информрегистр» 0421000009\0059). – Режим доступа:
http://www.mai.ru/science/trudy/published.php?ID=14158 – 21.11.2011.
3. Кулыба Ю.Н., Паппэ Г.Е., Турук В.Э., Егоров А.А., Кирпичев К.Ю., Неретин Е.С. Автоматизированное рабочее место для измерения характеристик и тестирования прибора задержки СВЧ-сигналов для радиолокаторов с синтезируемой апертурой // Вестник МАИ. – 2009. – т. 16, №5. – с. 149–158.
4. Баланин Д.А., Кирпичёв К.Ю., Неретин Е.С. Разработка универсального микропроцессорного блока дискретного ввода-вывода для управления испытаниями электронных устройств // Проектно-конструкторские и производственные вопросы создания перспективной авиационной техники / Под ред.
проф. Ю.Ю. Комарова. – М.: Изд-во МАИ-ПРИНТ, 2009 – с. 163–168.
5. Егоров А.А., Кирпичёв К.Ю., Неретин Е.С., Паппэ Г.Е. Микропроцессорный контроллер сбора и обработки данных для проведения измерений в оптоэлектронике // Промышленные АСУ и контроллеры. – №06. – 2006. – с. 58–61.
6. Егоров А.А., Князева В.В., Неретин Е.С. Разработка и изготовление автоматизированного устройства тестирования оптоэлектронных элементов и узлов в реальном масштабе времени // Современные технологии в задачах управления, автоматики и обработки информации: труды XVI Международного научно-технического семинара. Сентябрь 2007 г., Алушта. – Тула.: Изд-во ТулГУ, 2007. – с. 106–107.
7. Кирпичёв К.Ю., Неретин Е.С. Автоматизированный комплекс испытаний высокочастотных оптоэлектронных устройств // Микроэлектроника и информатика – 2009. 16-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов: Тезисы докладов. – М.: МИЭТ, 2009. – с. 200.
8. Кирпичёв К.Ю., Неретин Е.С. Контроллер управления испытаниями оптоэлектронных компонентов в реальном масштабе времени // Сборник статей V Межрегиональной научно-практической конференции студентов и аспирантов «Инновационные технологии в экономике, информатике и медицине». – Пенза:
ПГТА, 2008. – с. 90–93.
9. Князева В.В., Неретин Е.С., Кирпичёв К.Ю., Баланин Д.А., Донцов С.И., Корнеев А.К. Разработка автоматизированной системы испытания электронных устройств сверхвысокого диапазона частот // Современные технологии в задачах управления, автоматики и обработки информации: Труды XVIII Международного научно-технического семинара. Алушта, сентябрь 2009 г. – М.:
МИРЭА, 2009. – с. 243.
Князева В.В., Неретин Е.С., Окатов Ю.Э. Разработка автоматизированного модуля тестирования оптоэлектронных компонентов различного назначения // Всероссийская студенческая научно-техническая школа-семинар «Аэрокосмическая декада». Под ред. Куприкова М.Ю. – М.: Изд-во МАИ, 2008. – с. 42–43.
Неретин Е.С. Имитатор нейронной сети Хопфилда для бортовой аппаратуры. Свидетельство о государственной регистрации программы для ЭВМ №2011616541. Заявка №2011614840 от 29.06.2011. Зарегистрировано в Реестре программ для ЭВМ 19.08.2011.
Неретин Е.С. Разработка архитектуры, аппаратного и программноалгоритмического обеспечения информационной измерительно-управляющей системы испытаний оптоэлектронных элементов // Инновационные технологии в экономике, информатике и медицине. VII Межрегиональная научнопрактическая конференция студентов и аспирантов. Сборник статей. – Пенза:
Пензенская государственная технологическая академия, 2010. – с. 114–117.
Неретин Е.С., Кирпичёв К.Ю., Баланин Д.А., Донцов С.И. Оптимизация программно-аппаратного и алгоритмического обеспечения системы отработки ВЧ- и СВЧ-устройств // Современные информационные технологии (Contemporary information technologies). Труды международной научнотехнической конференции (Computer-based conference). – Пенза: Пензенская государственная технологическая академия, 2009, вып. 9. – с. 61–62.
Разработка алгоритмического и аппаратного обеспечения бортовых устройств обработки информации на основе оптоэлектронных матричных умножителей и нейронных сетей Автореф. дисс. на соискание учёной степени кандидата техн. наук.