Федеральное агентство по образованию
Рязанский государственный радиотехнический университет
В.Н. ЛОКТЮХИН, С.В. ЧЕЛЕБАЕВ
НЕЙРОСЕТЕВЫЕ ПРЕОБРАЗОВАТЕЛИ
ИМПУЛЬСНО-АНАЛОГОВЫХ СИГНАЛОВ
Учебное пособие
Рязань 2006
УДК 681.325.5
Нейросетевые преобразователи импульсно-аналоговых сигналов: Учеб. пособие/ В.Н. Локтюхин, С.В. Челебаев; Рязан. гос. радиотехн. ун-т. Рязань, 2006. 68 с.
Рассмотрены вопросы организации и синтеза преобразователей частотно-временных параметров сигналов в цифровой код на основе нейросетевых технологий.
Предназначено для студентов специальностей 190500 и 19006 при изучении вопросов проектирования преобразователей биосигналов.
Табл. 8. Ил. 26. Библиогр.: 14 назв.
Печатается по решению редакционно-издательского
совета
Рязанского государственного радиотехнического университета.
Рецензент: кафедра БМПЭ (зав. кафедрой д-р физ.-мат. наук, проф. С.П. Вихров)
Для измерения целого ряда параметров биологических объектов и процессов (расход, плотность, давление, скорость, температура и т.д.) широко используются частотные датчики с представлением измерительных данных в виде частотно- и время-импульсных сигналов. Кардинальное повышение точности и надежности их измерения обеспечивается во многом развитием функциональных (интеллектуальных) возможностей преобразователей, осуществляющих аналого-цифровое преобразование и первичную математическую переработку этих (импульсно-аналоговых) сигналов.
С развитием в последние годы БИС и СБИС с перепрограммируемой структурой, в том числе и ПЛИС (программируемые логические интегральные схемы), появились все необходимые предпосылки для расширения функциональных возможностей, а также дальнейшего улучшения технико-экономических характеристик преобразователей частотно-временных параметров измерительных сигналов. Однако известные методы преобразования импульсно-аналоговых сигналов ориентированы в основном на построение устройств на базе цифровых схем со средним уровнем интеграции. При этом их прямой перевод в среду ПЛИС, например с помощью графического редактора САПР, не учитывает возможностей современных БИС на оперативную (программную) перестройку их схемы на решение новой задачи преобразования, что весьма существенно для проектирования преобразователей с обучаемой (перестраиваемой) структурой. Одним из эффективных путей построения устройств с такой структурой является применение технологии искусственных нейронных сетей (ИНС). Ее использование позволяет в результате обучения нейросети получить математическое описание структуры преобразователя, отличающегося высокой однородностью составляющих его нейроэлементов и технологической простотой реализации сети на ПЛИС, в том числе путем ее представления на языках описания аппаратуры.
Внедрение нейросетевой организации систем в основу построения преобразователей импульсно-аналоговых сигналов в код, называемых часто еще импульсно-цифровыми, позволяет также существенно расширить их функциональные (интеллектуальные) возможности. В первую очередь, это – обучаемость ИНС-устройства на реализацию нелинейной функции преобразования с возможностью коррекции погрешностей датчиков, подключаемых к преобразователю, а также поддержка сетью функций адаптации к входным сигналам (фильтрация помех, предсказание результата, динамическая перестройка структуры ПФИ на вид определенного воздействия и т.п.). В связи с этим в данном учебном пособии рассматриваются вопросы эффективного использования методов ИНС для описания моделей структур преобразователей частотно-временных параметров сигналов в цифровой код и создания процедур синтеза этих устройств с целью упорядочивания процесса их проектирования.
1. ОБОСНОВАНИЕ ПРИМЕНЕНИЯ БАЗИСА НЕЙРОСЕТЕВЫХ ОПЕРАЦИЙ ДЛЯ ПРОЕКТИРОВАНИЯ ПРЕОБРАЗОВАТЕЛЕЙ ЧАСТОТНО-ВРЕМЕННЫХ ПАРАМЕТРОВ СИГНАЛОВ В КОД, МОДЕЛИ ИХ СТРУКТУР С ФИКСИРОВАННЫМИ СВЯЗЯМИ
1.1. Состояние применения ИНС для построения преобразователей формы представления информации
Искусственные нейронные сети – это одно из направлений развития средств вычислительной техники, в основе которого лежит идея создания искусственных интеллектуальных устройств по образу и подобию человеческого мозга. В основу теории искусственных нейронных сетей положена идея построения математического нейрона – устройства, моделирующего нейрон мозга человека. Такой нейрон представляет собой пороговый элемент с несколькими входами и одним выходом. Одни из входов нейрона оказывают возбуждающее действие, другие – тормозящее. У. Мак-Каллок и В. Питтс предложили конструкцию сети из математических нейронов и показали, что такая сеть в принципе может выполнять числовые и логические операции. Далее они высказали идею о том, что сеть из математических нейронов в состоянии обучаться.
На сегодняшний день ИНС широко применяются в системах обработки изображений, в авиации (в задачах управления летательным аппаратом и его подсистемами), в системах идентификации личности, в решении задач обработки бортовых данных объектов космической техники, в системах принятия решений и др. Наряду с этим, прослеживается тенденция развития применения ИНС, связанного с измерением и преобразованием сигналов с частотно- (ЧИМ) и широтно-импульсной (ШИМ) модуляцией.
На настоящий момент типичные системы цифровой обработки информации содержат АЦ‑преобразователь с классической структурой и устройство вторичной обработки оцифрованного сигнала с использованием ИНС только в этом блоке. Их структура показана на рис. 1.1. Характерной особенностью таких систем является отделение использования ИНС‑технологий от процесса преобразования ²аналог → цифра².
Рис. 1.1. Типичная структура системы обработки информации с каналом АЦП
Наряду с такой организацией, возможен вариант построения системы преобразования и обработки информации с применением ИНС-технологий (рис. 1.2), в которой часть операций первичной обработки информации (линеаризация, фильтрация и др.) совмещается с ее преобразованием. Устройства, совмещающие преобразование и математическую переработку исходного аналогового сигнала, принято называть вычислительными преобразователями. Если они реализуют операцию нелинейного преобразования, то их называют функциональными. Такое совмещение позволяет в ряде случаев исключить из системы ее вторую компоненту и упростить систему в целом.
Рис. 1.2. Структура системы преобразования и обработки информации с использованием ИНС‑технологий
При решении задачи построения преобразователей с использованием ИНС‑операций необходимо вначале концептуально определить, как интерпретировать сеть, реализующую операцию преобразования.
1.2. Концепция и направления приложения ИНС-технологий при проектировании преобразователей формы информации (ПФИ)
Основные определения и понятия, связанные с проектированием (синтезом) преобразователей
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.
