авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:   || 2 | 3 | 4 | 5 |   ...   | 11 |
-- [ Страница 1 ] --

В мире научных открытий, 2010, №6.1 (12)

Материалы III Всероссийской научно-практической конференции

"Научное творчество XXI века"

с

международным участием

(октябрь, 2010 г.)

Алгебра, геометрия и математический анализ

УДК 514.144.2

Елена Александровна Баландина,

кандидат технических наук

Омский государственный институт сервиса г. Омск, Россия Balandina_elena@mail.ru РЕКОНСТРУКЦИЯ ПРОСТРАНСТВЕННОГО ОБЪЕКТА ПО ЕГО ЦЕНТРАЛЬНОЙ ПРОЕКЦИИ С ИСПОЛЬЗОВАНИЕМ АППАРАТА ПЕРСПЕКТИВНО-ЧИСЛОВОЙ МОДЕЛИ ПРОСТРАНСТВА В статье рассматривается процесс построения геометрической модели сложных каркасных поверхностей на основе перспективно-числовой модели про странства, применительно к проектированию изделий легкой промышленности с использованием NURBS-представления.

Ключевые слова: Перспективно-числовая модель пространства, реконст рукция поверхностей, NURBS-поверхности.

Исследования в области трёхмерного проектирования конструкций деталей одежды ведутся в соответствии с общим направлением развития САПР сложных объектов. При этом одной из важнейших задач в системе 3-CAD является матема тическое моделирование поверхностей. Использование геометрических моделей делает возможным быструю и точную визуализацию объектов, что позволяет вы явить ошибки проектирования уже на ранних этапах.

Реконструкция поверхностей динамично развивающееся область инженер ного анализа, интерес к которой на сегодняшний день очень высок. Программное обеспечение, предназначенное для реконструкции пространственных объектов, используется в качестве модуля в составе систем автоматизированного проекти рования для автоматического построения геометрической модели объекта.

Несмотря на имеющиеся разработки в области трёхмерного компьютерно го проектирования одежды, проблема образования объёмной формы изделия оста ется актуальной, и, прежде всего, актуальна задача получения геометрической модели поверхности тела человека и ее развертки.

Объектом исследования является процесс формирования геометрической модели сложных каркасных поверхностей, к числу которых относится поверх ность тела человека, применительно к проектированию изделий легкой промыш ленности. Цель работы заключается в создании оптимально-формализованной компьютерной геометрической модели пространственного объекта по облаку дис кретных оцифрованных точек.



Процесс реконструкции поверхности объекта может быть представлен в виде последовательности основных этапов: получение исходных данных – обра В мире научных открытий, 2010, №6.1 (12) ботка данных – построение поверхности объекта – визуализация геометрической модели.

Поверхность тела человека представляет собой сложную незакономерную поверхность, которая нестабильна и зависит от многих изменчивых факторов.

Геометрическая модель объекта должна быть его аналогом и повторять те его свойства и их взаимодействия, которые необходимы для изучения объекта, а именно для получения размерных характеристик и построения развертки поверх ности. Для современных методов реконструкции пространственных объектов воз никает необходимость получения достаточно точной информации о размерах и форме. Точность и время измерения поверхности тела человека, возможно, обес печить только бесконтактными методами исследований.

Для получения исходной информации о форме тела человека используется математический аппарат перспективно-числовой модели трехмерного евклидова пространства. В качестве исходных данных для построения поверхности исполь зуются координаты точек на фотографическом снимке, их координаты на физиче ском объекте и параметры: средняя высота фотографирования и приближенное фокусное расстояние. В ходе исследований были выведены формулы, которые представляют собой переход от перспективной проекции к ортогональной [1].

Полученные трехмерные координаты используются в качестве вершин контроль ной сети. Координаты точек поверхности объекта одновременно являются и пара метрическими координатами NURBS-поверхности.

Представление поверхностей, используемое для реконструкции, требует наличия определённых свойств: непрерывности, локальности, гибкости, открыто сти. NURBS-представление полностью удовлетворяет всем приведенным выше требованиям [2].

Вследствие того, что форма и гладкость построенной при помощи NURBS поверхности пространственного объекта зависит от параметризации исходных данных, выбор способа параметризации был осуществлен с учетом регулярности сети и равномерности расположения точек исходных данных. Равномерный метод является простейшим методом генерации параметров равномерно расположенных оцифрованных точек.

Чтобы получить достоверные сведения о форме поверхности реконструи руемого объекта, съемка производится в трех ракурсах под углом 120, каждый из полученных образов расположен в своей системе координат. Для восстановле ния точного взаимного расположения снимков и их преобразования в общую сис тему координат на поверхности физического объекта намечались маркеры. Каж дая пара маркеров должна быть видна как минимум на двух снимках, координаты маркеров известны в двух системах координат. Используя матрицы преобразова ния метода парных точек, осуществляется построение и перевод полученных пер спективно-числовой моделью координат в единую систему координат расчета.

Оптимальное расстояние между вводимыми оцифрованными точками и сечения ми 25 мм.

В процессе работы был разработан алгоритм реконструкции сложной кар касной поверхности с использованием перспективно-числовой модели простран ства и NURBS-представления. Доказана применимость данного алгоритма для решения задач геометрического моделирования.





В мире научных открытий, 2010, №6.1 (12) Список использованных источников и литературы 1. Баландина Е.А. Реконструкция объекта по его центральной проекции (фотоснимку) с использованием аппарата перспективно-числовой модели про странства / Г.Т. Караулова, Е.А. Баландина, И.В. Лашина // Актуальные проблемы подготовки специалистов для сферы сервиса. Сборник докладов междунар. науч. практ. конф. – Омск: ОГИС, 2003. – Ч. 2. – С. 48-50.

2. Голованов Н.Н. Геометрическое моделирование / Н.Н. Голованов – М.:

Издательство Физико-математической литературы, 2002. – 472 с.

UDC 514.144. E.A. Balandina Omsk State Institute of Service Omsk, Russia Balandina_elena@mail.ru THE RECONSTRUCTION OF A SPATIAL OBJECT BY ITS CENTRAL PROJECTION WITH THE USE OF PERSPECTIVE-NUMERICAL SPATIAL MODEL APPARATUS The process of geometrical model construction of complex framework surfaces on the basis of perspective-numerical model is considered in the article.

The process is applied to designing light industry items with the use of NURBS presentation.

Keywords: perspective-numerical spatial mode, reconstruction of surfaces, NURBS-presentation.

УДК 515(03) Анна Михайловна Кузнецова, ассистент кафедры алгебры, геометрии и МПМ Челябинский государственный педагогический университет г. Челябинск, Россия ИССЛЕДОВАНИЕ k-СТОРОННИКОВ В ПЛОСКОСТИ ТРАНСЛЯЦИЙ ПОРЯДКА 9 ДЛЯ k = 4, В работе найдены, с точностью до изоморфизма, все опорные k–наборы прямых общего положения при k = 4, 5 в плоскости трансляций, а именно:

1) 19 типов опорных четырехсторонников;

2) 75 типов опорных пятисторонников.

Для каждого такого опорного (типового) k–набора прямых найдены:

1) группа автоморфизмов (ее порядок и образующие элементы);

2) общее число k–наборов прямых, изоморфных опорному.

Имеются четыре конечные проективные плоскости (КПП) порядка 9: де заргова, хьюзова, трансляций и сдвигов. Первые две двойственны сами себе, а последние две – двойственны друг другу.

В мире научных открытий, 2010, №6.1 (12) Одним из важных вопросов при изучении строения конкретной КПП явля ется исследование k-дуг в этой КПП.

В настоящее время проведено полное исследование k-дуг в трех известных проективных плоскостях порядка 9: дезарговой, трансляций и хьюзовой [1]. Ана логичная задача для четвертой известной плоскости — плоскости сдвигов, к сожа лению, до сих пор не решена. Сложность решения этой задачи связана с тем, что группа коллинеаций указанной плоскости до сих пор не изучена.

Возможный вариант решения упомянутой задачи таков: исследовать в плоскости трансляций k-сторонники (наборы из k прямых, никакие три из кото рых не проходят через одну точку), а затем, благодаря возможности перехода от плоскости трансляций к двойственной плоскости сдвигов путем конкретного ото бражения, получить необходимые результаты о k-дугах плоскости сдвигов.

Результаты исследования k-сторонников для k = 1, 2, 3 в плоскости транс ляций получены ранее Васильковым В.И. [2]. Эти результаты позволили автору работы провести исследование, с точностью до изоморфизма, k сторонников для k = 4 (четырехсторонников) с помощью метода поэтапных ото ждествлений, разработанного проф. Гониным Е.Г. [3]. Оказалось, что в плоскости трансляций порядка 9 имеются, с точностью до изоморфизма, k-сторонники для k = 4 (четырехсторонники) точно 19 типов. Для каждого опорного четырехсторон ника найдены группа автоморфизмов, а также общее число четырехсторонников, изоморфных опорному.

Аналогичным методом в плоскости трансляций порядка 9 проведено ис следование пятисторонников. Оказалось, что в указанной плоскости имеются, с точностью до изоморфизма, k-сторонники для k = 5 (пятисторонники) точно типов. Для каждого опорного пятисторонника найдены группа автоморфизмов, а также общее число пятисторонников, изоморфных опорному.

Полученные результаты позволяют продолжить исследование k сторонников для k = 6, …, 10.

Список использованных источников и литературы 1. Васильков В.И. Опорные дуги и группы их автоморфизмов проектив ных плоскостях малых порядков: справочное пособие /В.И. Васильков, Ю.Н.Зверева, Г.В. Масленников. – Челябинск: Изд-во Челяб. гос. пед. ун-та, 2005.

– 261 с.

2. Васильков В.И. Конечные проективные плоскости малых порядков / В.И. Васильков. – Челябинск: Изд-во ЧГПУ, 2003. – 197 с.

3. Гонин Е.Г, Гонина Е.Е. Метод поэтапных отождествлений // Известия научно-образовательного центра «Математика». – Вып. 3. – Пермь: ПГТУ, 2006. – С.16-38.

В мире научных открытий, 2010, №6.1 (12) Информатика УДК Наталья Анатольевна Абросимова, соискатель на ученую степень КПН Муниципальное бюджетное образовательное учреждение, районный центр до полнительного образования детей «Спектр»

п. Излучинск, ХМАО-ЮГРА, Россия natali-1313@mail.ru ПЕДАГОГИЧЕСКОЕ СОПРОВОЖДЕНИЕ САМООБРАЗОВАНИЯ ОБУЧАЮЩИХСЯ ТУРИСТСКИХ ОБЩЕСТВЕННЫХ ОРГАНИЗАЦИЙ В УСЛОВИЯХ ДИСТАНЦИОННОГО ОБУЧЕНИЯ Актуальность исследования обусловлена необходимостью использования на новом качественном уровне образовательных возможностей туристских об щественных организаций в современных социально-экономических условиях.

В данной статье описывается опыт разработки курса дистанционного обучения «Туристы-проводники» для обучающихся на примере туристско общественной организации - турклуб «Альтаир», пгт. Излучинск, ХМАО-Югра.

Системообразующим фактором дистанционного обучения является ди дактическая подсистема, в основе которой лежит взаимодействие субъектов, разделенных во времени и пространстве: учащийся осуществляет самообразова ние, педагог организует самостоятельную познавательную деятельность обу чающегося. Взаимовлияние педагогического сопровождения, самообразования и дистанционного обучения оказывает большое влияние на качество образования обучающегося.

Ключевые слова: обучающиеся, педагогическое сопровождение, самообра зование, дистанционное обучение, туристско-общественная организация, каче ство образования.

В Национальной образовательной инициативе «Наша новая школа» отме чается, что модернизация и инновационное развитие - единственный путь, кото рый позволит России стать конкурентным обществом в мире 21-го века, обеспе чить достойную жизнь всем нашим гражданам… В частности, в развитии третьей инициативы, сказано: «… в направлении развития учительского потенциала: мо дели использования современных ИКТ в системе подготовки, переподготовки и повышения квалификации педагогических кадров….»[16]. Сегодня, благодаря современной технологической революции, просматривается устойчивая тенденция становления информационного общества. В таком обществе основным источни ком развития производительных сил выступают технологии генерирования зна ний, обработки информации и символической коммуникации, что в значительной степени усиливает потребность и значимость самообразования[1;

2;

3;

4].

Одним из направлений развития информационной культуры является дис танционная форма обучения, в основе которой лежит самообразование[5;

11;

12]. В тоже время, применение информационных технологий в современных формах образования увеличивает долю самообразования, что наиболее ярко проявляется в дистанционном обучении (в дальнейшем ДО) [6;

17].

В мире научных открытий, 2010, №6.1 (12) Актуальность исследования обусловлена необходимостью использования на новом качественном уровне образовательных возможностей туристских обще ственных организаций в современных социально-экономических условиях[18]. В настоящее время назрела необходимость изучения и научно-методического обес печения образовательной деятельности в туристских общественных организациях, особенно в аспекте организационно-методической работы, с учетом ее специфики в современных социокультурных и экономических условиях[6;

24].

Недостаточная теоретическая разработанность педагогического сопровож дения, а также сущность дистанционного обучения [20;

21] и самообразования позволили сформулировать следующие противоречия между :

- объективными потребностями в постоянном повышении самообразова тельного уровня учащегося и отсутствием эффективного педагогического «меха низма», стимулирующего учащегося к самообразовательной деятельности;

- современными образовательными условиями и требованиями дистанционного образования;

- потребностью в педагогическом сопровождении самообразования в дис танционном обучении и недостаточной разработкой его технологии;

- объективной необходимостью учащегося осознавать себя субъектом са мообразовательного процесса и отсутствием условий в самом образовательном процессе.

Данные противоречия обусловили актуальность исследования и позволили сформулировать тему: «Педагогическое сопровождение самообразования обу чающихся туристско-общественных организаций (ТОО) в условиях дистанцион ного обучения».

Цель исследования: разработать и обосновать структуру и содержание педагогического сопровождения самообразования в дистанционном обучении.

Объект исследования: процесс самообразования в условиях дистанцион ного обучения.

Предмет исследования: педагогическое сопровождение самообразования в условиях дистанционного обучения.

Гипотеза исследования: педагогическое сопровождение обеспечит эф фективность самообразования учащихся в условиях дистанционного обучения, если:

- дистанционное обучение выступает формой управления самообразовани ем;

- функции управления самообразованием направлены на развитие познава тельно-практической самостоятельности учащихся;

- все компоненты педагогического сопровождения самообразования обеспечивают субъект-субъектные отношения как согласование смыслов деятельности в реализации учебно-методического комплекса дистанционного обучения.

Задачи исследования:

1. Выявить сущность, структуру и содержание дистанционного обучения как формы образования.

2. Дать характеристику самообразованию как педагогическому феномену и системообразующему фактору дистанционного обучения.

3. Рассмотреть сущность понятия «педагогическое сопровождение».

В мире научных открытий, 2010, №6.1 (12) 4. Разработать и апробировать программу педагогического сопровождения самообразования.

Научная новизна исследования состоит:

в обосновании педагогического сопровождения как формы управления са мообразованием в дистанционном обучении;

в изучении зависимости педагогического сопровождения от структуры са мообразования и технологии дистанционного обучения;

в уточнении понятия «педагогическое сопровождение самообразования в дистанционном обучении».

Теоретическая значимость исследования состоит:

в определении самообразования как системообразующего фактора в дис танционном обучении, что обусловлено особенностью дидактической системы дистанционного обучения;

в выявлении взаимосвязей и функциональных особенностей деятельности педагога и обучающихся как субъектов дистанционного обучения, определяющих структуру и содержание педагогического сопровождения самообразования;

в определении функций и принципов педагогического сопровождения са мообразования в дистанционном обучении;

в разработке содержания, этапов и компонентов педагогического сопрово ждения.

Практическая значимость исследования определяется возможностью применения результатов в практике различных форм подготовки обучающихся в туристско-общественной организации на примере турклуба «Альтаир» муници пального бюджетного образовательного учреждения Районного центра образова ния детей «Спектр» пгт.Излучинск, Нижневартовский район;

в разработке про граммы педагогического сопровождения «Туристы-проводники»;

в применении логики разработки учебно-методического комплекса для спортивно оздоровительного туризма ТОО.

Методы исследования. Для решения поставленных задач был использован комплекс методов: теоретический анализ педагогической, философской, психологической, экономической литературы по проблеме исследования;

изучение учебно-методической документации;

моделирование;

эмпирические методы: наблюдение, анкетирование, беседа, анализ письменных работ обучающихся, педагогический эксперимент.

Речь идет о создании новой образовательной модели туристской общест венной организации на базе туристического клуба «Альтаир», которая включила бы в себя разработку структуры и содержания дистанционного курса (Таб.1) [7;

8;

9;

14;

15], разработку по темам мультимедийного сопровождения[22;

23]. В нашем районе существует широкая сеть туристских кружков и клубов юных пу тешественников в школах, центрах дополнительного образования детей. Каждый туристский кружок имеет свой особый профиль: одни отдают предпочтение ту ризму (пешеходные, водные туристские кружки и кружки младших инструкторов организаторов туризма), другие занимаются краеведением (кружки историков краеведов, туристов-следопытов, туристов-экологов, геологов и т. д.). Но каким бы ни был профиль туристского кружка, если этот кружок ставит своей целью путешествие или избирает активный способ передвижения к своим краеведческим объектам, умение ориентироваться будет обязательным для каждого из них[10].

В мире научных открытий, 2010, №6.1 (12) Таблица Учебный план дистанционного курса туристской, туристско-спортивной направленности (Базовый) № Наименование тем и разделов БУ п/п 1. Основы туристской подготовки 2. Топография и ориентирование 3. Краеведение 4. Основы гигиены и первая доврачебная помощь 5. Общая и специальная физическая подготовка ИТОГО за период обучения Зачетный поход 1 степени сложности или многодневное мероприятие (лагерь, слет, соревнования и т.д.) - вне сетки часов В основу курса положена образовательная программа «Туристы проводники» [8;

9;

19]. Предлагаемый курс рассчитан на 144 часа для педагогов дополнительного образования, учителей и учащихся общеобразовательных школ.

Данный дистанционный курс обучения по туризму нацелен на индивидуализацию обучения, будет способствовать повышению интенсивности учебного процесса, повысит эффективность обучения через нетрадиционный учебный материал по средством СД, интернет;

расширит рынок образовательных услуг на удаленных территориях;

распространит мой педагогический опыт с использованием новых носителей информации и электронных архивов.

Выводы:

1. Дистанционная система обучения предоставляет больше свободы в вы боре режима обучения и адаптируется под индивидуальные требования и обстоя тельства обучающихся.

2. Дистанционное обучение обеспечит индивидуальный подход со стороны педагогов, которые находятся в интерактивном контакте с обучающимися: прове ряют задания и тесты, обсуждают в форумах различные проблемы, возникающие по ходу обучения, отвечают на вопросы, индивидуально объясняют наиболее сложные темы и разделы самостоятельной работы.

3. Опыт дистанционного обучения может быть применён педагогами раз личных дисциплин. Созданные в электронной форме курсы не являются сканиро ванными учебниками или статьями из различных литературных источников. Это инновационные технологии в образовательном процессе.

4. Педагог оценивает и составляет рейтинг учащихся, который публикуется на сайте курса. Фиксируется не только успеваемость, но и посещаемость курсов учащимся, что также отражается на рейтинге.

5. Создание мультимедийного сопровождения позволит поддерживать пе дагогический процесс по различным разделам на высоком профессиональном уровне.

6. Мультимедийное сопровождение позволяет улучшить проведение обра зовательного процесса, что непосредственно положительно сказывается на каче стве знаний ученика.

В мире научных открытий, 2010, №6.1 (12) 7. Сумма всех достоинств современного педагогического сопровождения учебных курсов позволит повысить эффективность учебного процесса по туриз му.

Список использованных источников и литературы 1. Беспалько В.П. Педагогика и прогрессивные технологии обучения. - М., 1995. - 187 с.

2. Воронина Т.П., Кашицин В.П., Молчанова О.П. Образование в эпоху НИТ. - М.: АМО, 2002. - 237 с.

3. Газман О.С. Педагогическая поддержка детей в образовании как инно вационная проблема // Новые ценности образования: десять концепций и эссе. М., 1995, №3. - С. 58-65.

4. Галышева А.С. Технология проектирования профессиональных модулей // Образование и квалификация. - София, 1997. - С. 12-15.

5. Громцева А.К. Формирование у школьников готовности к самообразо ванию: Учеб. пособие по спецкурсу для студентов пед. ин-ов. -М.: Просвещение, 1983. - 178 с.

6. Комисарова Т.С. Проблемы и перспективы дистанционного обучения и повышение квалификации педагогов // Развитие личности в условиях вариативной школы. - Бакситогорск - СПб., 2000. - С. 7-8.

7. Куликов В.М., Ронштейн Школа туристских вожаков / В.М. Куликов, Л.М.Ронштейн – Москва,1999. – C. 76.

8. Константинов Ю.С. Программа, Туристы-проводники / Ю.С.Константинов – Москва, 2000. – C. 53.

9. Константинов Ю.С. Программы, Туризм и краеведение / Ю.С.Константинов – Москва, 2005. – C. 324.

10. Константинов Ю.С. Уроки ориентирования / Ю.С. Константинов – Мо сква, 2005. - C. 327.

11.Рогожин Н.В. Самообразование слушателей как условие непрерывной профессиональной подготовки / Под ред. Ю.В. Высоцкого. -СПб., 1997.-118 с.

12.Семенов А.А. Самообразование в системе непрерывного образования. СПб., 2001. - 220 с.] 13.Тихомиров В.П. Основные принципы построения системы дистанцион ного образования России // Дистанционное образование. - 1998, №1.- С. 36-38.

14. Рянский, Ф. Н. Нижневартовский регион : монография ученых НГГУ о природе, человеке и экологии / Ф. Н. Рянский и др. – Нижневартовск : НГГУ, 2007. – 302 с.

15. Журнал «Физическая культура в школе» №4, 2005, Основы туристской подготовки С. [С. 60-64].

16. Национальная образовательная инициатива НАША НОВАЯ ШКОЛА.

[Электронный ресурс]. — URL: http://www.educom.ru/ru/nasha_novaya_ shkola/school.php Проверено 09.11. 17. Дистанционное обучение РГУФКСиТ [Электронный ресурс]. — URL:

http://www.rgufk.ru. Проверено 01.11.2010.

18. Рекреация и спортивно-оздоровительный туризм. Российский государ ственный университет физической культуры, спорта и туризма. [Электронный ресурс]. — URL: http://www.ucheba.ru› Проверено 02.11.2010.

В мире научных открытий, 2010, №6.1 (12) 19. Рабочая учебная программа по спортивно-оздоровительному туризму.

Сибирский государственный университет физической культуры и спорта. … историю, теорию и методику спортивно-оздоровительного туризма - [Электрон ный ресурс]. — URL: http://www.sibsport.ru/www/sibsport.nsf/ Проверено 30.10.2010.

20. Центр дистанционного образования МГУ Ломоносова. [Электронный ресурс]. — URL: http://de.msu.ru. Проверено 03.11.2010.

21. Портал дистанционного обучения и повышения квалификации. [Элек тронный ресурс]. — URL: http://sng.unicor.ru/index.php?option= com_content&task=view&id=60&Itemid=54. Проверено29.10.2010.

22. Конкурс сайтов «Позитивный контент-2010». [Электронный ресурс].

— URL: http://www.positivecontent.ru/node/306. Проверено 01.11.2010.

23. Полученный опыт позволяет сделать вывод, что метод создания муль тимедийного сопровождения к учебным курсам универсален, повышает эффек тивность обучения. … 5. Мультимедийное сопровождение позволяет подчеркнуть все достоинства лектора, более полно. [Электронный ресурс]. — URL: http:// www.do.teleclinica.ru/375059/ Проверено 29.10.2010.

24. Общие сведения о курсе на базе среды Веб-класс ХПИ - цели и задачи обучения, принципы и методика работы. … Бесплатный дистанционный курс по педагогике. Общая информация о курсе: предисловие, авторы. [Электронный ре сурс]. — URL: sng.unicor.ru/index.phр. Проверено 02.11.2010.

UDC N.A. Abrosimova MBOY RCDOD SPEKTR Izluchinsk, Russia natali-1313@mail.ru PEDAGOGICAL SUPPORT OF SELF-EDUCATION OF TRAINED TOURIST PUBLIC ORGANIZATIONS IN THE CONDITIONS OF REMOTE TRAINING The research urgency is caused by necessity of use at new qualitative level of educational possibilities of tourist public organisations in modern social and economic conditions. In given article experience of working out of a course of remote training is described "Tourists-conductors" For trained on an example of tourist public organisa tion - tourist club "Altair", pgt.Izluchinsk, HmAo-Jugra. The backbone factor of remote training is the didactic subsystem in which basis interaction of the subjects divided in time and space lies: the pupil carries out self-education, the teacher will organise inde pendent informative activity of the trained. Interference of pedagogical support, self education and remote training renders a great influence on quality of formation trained.

Keywords: trained, pedagogical support, self-education, remote training, tu ristsko-public organisation, quality of formation.

В мире научных открытий, 2010, №6.1 (12) УДК 371. Алексей Александрович Богатырев Челябинский государственный педагогический университет г. Челябинск, Россия bogatirevaa@cspu.ru ПРОЕКТИРОВАНИЕ ПРОГРАММНО-ИНСТРУМЕНТАЛЬНОЙ СРЕДЫ, ОРИЕНТИРОВАННОЙ НА ПРИМЕНЕНИЕ ДИСТАНЦИОННЫХ ОБРАЗОВАТЕЛЬНЫХ ТЕХНОЛОГИЙ В УЧЕБНОМ ПРОЦЕССЕ На данный момент существует достаточно много систем дистанцион ного обучения (“Прометей”, “MS E-Learning”, “Competentum”), но при деталь ном анализе каждой из них выявляются недостатки, связанные с недостаточ ным уровнем представления материала, форм отслеживания продвижения слу шателей по курсам, солидную стоимость приобретения и т.д. Мы предлагаем разработать собственную систему дистанционного обучения, обладающую оп ределенным набором функций, и способную подстраиваться под требования тьютора к формам донесения и представления учебного материала.

Ключевые слова: информатика, дистанционные образовательные техно логии, система дистанционного обучения, программно-инструментальная среда, модель дистанционного обучения.

В настоящее время в педагогической литературе встречается множество определений понятия «дистанционное обучение», в целом все они схожи (так как если брать первоначальное определение, то под дистанционным обучением пони малось обучение на расстоянии) и разнятся только в подходах к понятию обуче ние. Мы предлагаем следующее определение, на наш взгляд достаточно полно отражающее всю специфику данной формы: дистанционное обучение – взаимо действие учителя и учащихся на расстоянии, построенное на принципах техноло гичности и модульности учебного процесса, отражающее все присущие учебному процессу компоненты, и осуществляющееся специфичными средствами Интернет технологий.

В ходе учебного процесса, на разных его ступенях возникает множество проблем и задач, от быстроты и качества решения которых, зависит уровень и степень усвоения материала, возможность предоставления обучаемому более ши рокой линейки возможностей для максимального приближения к его интересам.

Мы предлагаем в качестве одного из способов их решения рассмотреть использо вание дистанционных образовательных технологий (ДОТ) [2].

Мы сузим круг рассматриваемых предметных областей – информатикой, считая на будущее, что достигнутые результаты, смогут быть применены и для других дисциплин. Встает проблема, через что и с помощью чего реализовывать применение ДОТ в учебном процессе, причем, на наш взгляд является немало важным, чтобы программно-инструментальная среда, предназначенная для реали зации ДОТ, обладала функционалом, способным подстраиваться под наши требо вания к формам донесения и представления материала, а не мы под её возможно сти.

Согласно принципу информатизации [1] мы предлагаем, чтобы на основе спроектированной нами базы знаний компьютер сам решал эти задачи (“Как?

В мире научных открытий, 2010, №6.1 (12) Где? Для чего? В каком объеме? Какие формы и методики?”) и предлагал полу ченные решения преподавателю. В нашем случае в режиме диалога с ПК рожда ются различные варианты действий (пути) в каждом конкретном случае. И препо даватель при планировании своей деятельности, опираясь на закономерности, принципы обучения и рекомендации компьютера будет выбирать оптимальный вариант своей деятельности.

В зависимости от выбранного пути будет реализовываться определенный тип дистанционного обучения [3], решающий одну или несколько задач, которому будет ставиться в соответствие некоторая организационно-дидактическая модель ДО, фактическое применение которой в свою очередь, будет происходить в разра ботанной нами программно-инструментальной среде.

Список использованных источников литературы 1. Матрос Д.Ш. Информатизация общего среднего образования : Научно методическое пособие [Текст] / под ред. Матроса Д.Ш. – М.: Педагогическое об щество России. – 2004. – 384 с.

2. Можаева, Г.В. Учебный процесс в системе дистанционного образова ния [Текст] / Г.В. Можаева // Открытое и дистанционное образование. - 2000. - № 1. - С.11 - 17.

3. Хуторской А.В., Дистанционное обучение и его технологии [Электрон ный ресурс] / Хуторской А.В. // Интернет-журнал «Эйдос».– 2009.– 10 сентября.

http://www.eidos.ru/journal/2005/0910-18.htm.

UDC 371. A.A. Bogatirev Chelyabinsk State Pedagogical University Chelyabinsk, Russia bogatirevaa@cspu.ru CONSTRUCTION OF SOFTWARE BASED ON DISTANCE LEARNING TECHNOLOGIES The detailed analysis of existing systems for remote training, for example, "Prometheus", "MS E-Learning", "Competentum" brings the lacks of insufficient level of materials’ representation, listeners’ results forms at courses, etc. We suggest to develop the system of remote training based on a certain set of functions tutors needs in representing of the materials’ and reports’ forms.

Keywords: computer science, distance learning technologies, system of distance learning, software, model of distance learning.

В мире научных открытий, 2010, №6.1 (12) УДК 004. Алексей Анатольевич Белов, кандидат технических наук Александр Юрьевич Проскуряков Муромский институт (филиал) ГОУ ВПО «Владимирский государственный университет»

г. Муром, Россия aleks.murom@mail.ru ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЕ ПРИ ОБРАБОТКЕ ВРЕМЕННЫХ РЯДОВ В СИСТЕМАХ АВТОМАТИЗИРОВАННОГО КОНТРОЛЯ Рассматриваются вопросы применения вейвлет-преобразования для обра ботки и анализа экспериментальных временных рядов в системах автоматизиро ванного контроля. Разработана математическая модель экспериментального временного ряда, и основанные на ней алгоритмы автоматизированной обработ ки и анализа данных.

Ключевые слова: вейвлет-преобразование, обработка временных рядов.

Анализ и обработка временных рядов данных имеет место в различных прикладных областях, таких как экологический контроль и геомониторинг, медицинские исследования, экономический анализ. Вследствие этого разработка эффективных алгоритмов анализа и обработки экспериментальных временных рядов данных является важной задачей, требующей решения.

Одним из эффективных методов математической обработки нестационар ных во времени рядов данных является вейвлет-преобразование [1]. При примене нии вейвлет-преобразования существуют два основных подхода: алгоритмы, ос нованные на работе с коэффициентами разложения (первичная обработка, фильт рация, сжатие, прогнозирование и т.д.) и алгоритмы, основанные на многомас штабном анализе исследуемого сигнала (рассмотрение внутренней структуры анализируемых данных).

Для создания алгоритмов обработки и анализа временных рядов данных первоначально необходимо разработать математическую модель эксперименталь ного временного ряда, основанную на свойствах вейвлет-преобразования [2]. Ма тематическая модель временного ряда может быть представлена в виде суммы компонент – основного сигнала с датчика (устройства) u (t ) и флуктуации k относительно основного уровня сигнала:

x(t k ) u (t ) k k В результате вейвлет-преобразования получаются аппроксимирующие (С) и детализирующие (d) коэффициенты разложения:

1 C1 (u(t)k k )1(2t k), d1 (u(t)k k )1(2t k).

p p На каждой следующей итерации разложению подвергаются только ап проксимирующие коэффициенты предыдущего уровня.

В мире научных открытий, 2010, №6.1 (12) di1 Ci i1(2i1t k).

Ci i1 (2i1 t k ), Ci p p Таким образом, математическая модель экспериментального временного ряда концентраций при вейвлет-разложении до уровня n может быть представлена в виде:

n [(u(t ) k k ) 1 (2t k )) (Ci i1 (2i 1 t k )) Cn n (2 n t k )] xk p i Процесс обработки и анализа временных рядов начинается с процедуры сглаживания. Для этого проводится пороговая обработка детализирующих коэф фициентов первых уровней разложения. После первичной обработки временного ряда начинается выявление особенностей периодических структур и тренда вре менного ряда. Далее выполняется сжатие временного ряда на основе пороговой обработки вейвлет-коэффициентов разложения ряда [3].

Список использованных источников и литературы 1. Белов, А.А. Применение вейвлет - преобразований для обработки картографи ческих данных в экологической ГИС /А.А. Белов, Ю.А. Кропотов// Известия Орел ГТУ.

Серия «Фундаментальные и прикладные проблемы техники и технологии: информаци онные системы и технологии». 2008, №1, с. 40 – 2. Белов, А.А. Исследование вопросов сжатия и поиска картографической информации методом вейвлет-преобразований в экологической геоинформацион ной системе/А.А. Белов, Ю.А. Кропотов// Вестник компьютерных и информаци онных технологий. 2008, №12, с. 9- 3. Белов, А.А. Вопросы обработки экспериментальных временных рядов в электронной системе автоматизированного контроля/А.А. Белов, Ю.А. Кропотов, А.Ю. Проскуряков //Вопросы радиоэлектроники. Серия общетехническая.–2010. №1. - с. 95- UDC 004. A.A. Belov, A.Y. Proskuryakov Murom institute (branch) of Vladimir state university Murom, Russia aleks.murom@mail.ru WAVELET-TRANSFORMATION FOR PROCESSING OF TIME SERIES DATA IN SYSTEMS OF THE AUTOMATED CONTROL Questions of application wavelet-transformation for processing and the analysis of the experimental time series data in systems of the automated control are considered.

The mathematical model of the experimental time series, and the algorithms of the au tomated processing and data analysis is developed.

Keywords: wavelet-transformation, processing of time series data.

В мире научных открытий, 2010, №6.1 (12) УДК 004. Ольга Тимофеевна Данилова, кандидат физико-математических наук Евгений Валерьевич Трапезников Омский государственный технический университет г. Омск, Россия evtrapeznikov@yandex.ru АВТОМАТИЗИРОВАННАЯ СИСТЕМА УЧЕТА ПЕРСОНАЛЬНЫХ ДАННЫХ В работе представлена возможность разработки автоматизированной системы по учету персональных данных в связи со вступлением в силу 152 ФЗ «О персональных данных». Рассматриваются основные проблемы связанные с обра боткой персональных данных, их классификация и оценка по модели угроз.

Проблема защиты информации любого рода на сегодняшний момент явля ется одной из важных задача, требующих неотложного решения. Персональные данные – один из таких видов информации. Большое количество краденой инфор мации можно встретить на черном рынке. С каждым днем проблема защиты таких данных все более становиться актуальнее. Большое количество информации те реться как по вине хакерских атак, так и по вине собственно сотрудников компа ний. На решение таких задач не обходимо две составляющих:

1. Законодательная база.

2. Программно-техническая база.

Развитие одного не может быть без развития другого. Защита того, что не оговорено законом и того, за что может последовать ответственность теряет вся кий смысл, но аналогичная ситуация и в обратном направлении: имея хорошее законодательство и не имея при это средств защитить, то что оговорено в законе приведет к утечке информации.

В соответствие с требованиями Федерального закона № 152 «О персональ ных данных» от 27 июля 2006 года одним из основных требований данного закона является обязанность оператора персональных данных (организация, обрабаты вающая сведения о физических лицах) принимать необходимые организационные и технические меры для защиты персональных данных от неправомерного или случайного доступа к ним, уничтожения, изменения, блокирования, копирования, распространения персональных данных, а также иных неправомерных действий.

[1] Все эти положения в законе решаются с помощью нескольких составляю щих:

1. Формирование перечня необходимых персональных данных для обра ботки их в конкретно учреждении;

2. Классификация персональных данных;

3. Формирование модели угроз персональных данных;

4. Использование сертифицированных информационных систем для об работки персональных данных;

5. Ограничение доступа сотрудников к персональным данным;

В мире научных открытий, 2010, №6.1 (12) 6. Лицензирование деятельности по технической защите персональных данных.

Правильная организация защиты обработки персональных данных и учету помогает свести к минимуму потери персональных данных сотрудников какого либо учреждения.

Разрабатываемая автоматизированная система по учету персональных дан ных призвана помочь организациям по учету персональных данных, их классифи кации и помочь определить основные требования по техническому обеспечению защиты таковых.

Прямыми потребителями таких систем могут являться организации, ис пользующие в свое работе в той или иной степени персональные данные различ ной категории.

В настоящей работе представлен алгоритм автоматизированной системы учета персональных данных, который заключается в следующем.

1. Анкетирование в конкретном учреждении.

2. Оценка модели угроз.

3. Оценка нарушителей.

4. Выделение основных требований по техническому обеспечению безо пасности персональных данных.

Используемый язык программирования – C#. Для того, чтобы начать рабо ту с программой необходимо авторизоваться. Авторизация позволяет загрузить для конкретного пользователя в историю все его сеансы работы, содержащие от четы работы с программой. После того, как пользователь ввел данные программа сверяет введенные данные со сведениями хранящимся в зашифрованном файле.

Для того чтобы начинать защищать персональные данные, необходимо сначала провести анализ всех персональных данных, обрабатываемых в том или ином учреждении. Первоначальным этапом работы программы является анкети рования в частности определение класс обрабатываемых персональных данных.

Классификация персональных данных, оценка нарушителей происходит согласно основным документам ФСТЭК и ФСБ.

Для удобства использования программы в ней предусмотрена справка.

Справка разделяется на общую и по конкретным элементам. Общая располагается на панели, а по конкретным элементам пользователь может вызвать ее по кнопке F1.

Качественно проведенный аудит по персональным данным в конкретной организации позволяет правильно произвести защиту персональных данных произвести правильную настройку оборудования, подготовить квалифицирован ный персонал для работы с персональными данными. Наличие автоматизирован ных систем позволит уменьшить количество затрат на проведение аудита.

Список использованных источников и литературы 1. О персональных данных: федеральный закон РФ от 27.06.2006 № 152– ФЗ.

В мире научных открытий, 2010, №6.1 (12) UDC 004. O.T. Danilov, the candidate of physical and mathematical sciences E.V. Trapeznikov Omsk state technical university Omsk, Russia evtrapeznikov@yandex.ru THE AUTOMATED SYSTEM OF THE ACCOUNT OF THE PERSONAL DATA In work possibility of working out of the automated system under the account of the personal data in connection with coming into force 152 federal laws «About the personal data» is presented. The basic problems connected with processing of the per sonal data, their classification and an estimation by model of threats are considered.

Keywords: the law, system, protection, personal data, algorithm.

УДК 004. Борис Васильевич Олейников, кандидат философских наук, доцент Андрей Игоревич Шалабай, аспирант Сибирский Федеральный Университет г. Красноярск, Россия oleynik48@mail.ru, andrsh@gmail.com РАЗРАБОТКА ПОДХОДА ТЕМАТИЧЕСКОГО АГРЕГИРОВАНИЯ ЦИФРОВЫХ РЕСУРСОВ НА ОСНОВЕ GRID-ТЕХНОЛОГИЙ Рассмотрены тенденции агрегирования цифровых ресурсов. Указаны ос новные проблемы общего решения этой задачи. Предложен подход, основанный на формировании полнотекстовых тематических коллекций с использованием технологий Grid-сетей.

Ключевые слова: агрегирование информационных ресурсов, коллекция пол нотекстовых ресурсов, электронные библиотеки, Grid.

В настоящее время, с учетом развития Интернет, появления новых воз можностей, связанных с переработкой и поиском требуемой информации, внима ние исследователей и разработчиков все больше обращается к идее сохранения цифровой информации, ее агрегирования и предоставления доступа к ней.

Понятие «агрегирование информационных ресурсов» (агрегирование дан ных, агрегирование контента) ассоциируется в основном с деятельностью, при которой, в основном, контент не генерируется, а собирается, упорядочивается существующий и обеспечивается доступ к нему. В настоящее время в сфере Ин тернет существует большое количество агрегаторов, которые занимаются агреги рованием и предоставлением определенной тематической информации (например по авиакомпаниям, туризму, вакансиям, сайтам, библиотекам электронных ресур сов и др.). Это позволяет рядовому пользователю не пользоваться услугами раз личных посредников, а, практически через «одно окно», напрямую получать за В мире научных открытий, 2010, №6.1 (12) прашиваемую информацию и сервис. И хотя многие обеспокоены деятельностью агрегаторов, альтернативы этому движению, видимо, нет.

В деятельности агрегаторов существует две тенденции, которые можно от нести к сервисной и содержательно-архивной, во многих случаях они сосущест вуют и совместно. Сервисная ориентирована прежде всего на предоставление доступа к сервисам и информации. Содержательно-архивная нацелена в первую очередь на обеспечение долговременного сохранения информации, и, уже затем, на предоставление доступа к ней. Если говорить о Web ресурсах, то последняя тенденция в основном обусловлена временем существования сайтов.

Идею архивирования Интернет впервые начал осуществлять один из его основоположников Брюстр Кайл. Позже эту идею подхватила библиотека кон гресса США (подход «архивировать все»). Затем к ней присоединились библио теки европейских стран, в частности, Национальная библиотека Нидерландов, Британская библиотека (проект "Домен UK") (подход «архивировать избранное») и др. Копания IBM объявила об архивировании Интернет. Основным сайтом архи вированных Web ресурсов считается [1].

По данным агентства IDC количество информации в Интернет растет в геометрической прогрессии и удваивается каждые 18 месяцев [2]. Если в году в Интернете размещалось 486 эксабайт данных, то к 2012 году ожидается увеличение до 2502 эксабайт. К настоящему времени заархивированы уже сотни миллиардов web-страниц, что составляет сотни петабайт информации. В России программы, нацеленной на архивирование Web ресурсов, нет.

Особое внимание агрегаторы уделяют цифровым библиотечным ресурсам.

Существуют такие проекты как books.google [3], Европеана [4] и другие.

Агрегирование условно можно отнести к нескольким видам:

1) Ручное. Здесь сбор требуемой информации осуществляется вручную, так как лучше всего решить эту проблему может человек - эксперт в определенной области знаний. Для функционирования подобного проекта необходим постоян ный штат сотрудников, отбирающих наиболее интересные и востребованные ре сурсы.

2) Автоматическое. Поисковый робот сканирует открытые ресурсы и от бирает те из них, которые удовлетворяют заранее заданным критериям. При этом могут использоваться программные системы, относящиеся к категории knowledge mining ("извлечение" или "добыча" знаний).

3) Корпоративное (пример Европеана). Агрегатор заключает договоры с «поставщиками информации» - организациями, в которых размещаются информа ционные ресурсы и они сами предоставляют данные о хранящихся источниках в удобном для агрегатора формате.

Обычно при поиске требуемой информации пользователь вынужден обра щаться ко многим различным источникам, включая основные:

Электронные библиотеки, которых только в России насчитывается бо лее 800 [5]. Каждая из них использует свою базу данных документов, поэтому для поиска информации необходимо составить как можно более полный список биб лиотек требуемой тематики.

Неструктурированная область Интернета. Для того чтобы найти нуж ные данные, можно использовать различные поисковики. Но из-за огромного В мире научных открытий, 2010, №6.1 (12) числа веб-узлов, и особенностей поисковиков поиск релевантной информации, размещенной на веб-страницах, является трудной задачей.

Для упрощения поиска литературы возможно реализовать два подхода:

1) Разработать механизм, который одновременно осуществляет поиск во множестве фиксированных систем (библиотечные системы, интернет-поисковики) – сложный и неэффективный.

2) Индексировать и структурировать по тематическим направлениям всю литературу, которая может содержаться в различных источниках, но информация о тематике документов и файлы индексов должны находиться в едином хранили ще. Основная проблема – определение тематики документов.

В рамках второго направления можно предложить подход к его эффектив ной реализации, основанный на использовании технологий Grid-систем [6], что может стать новым этапом развития автоматизации библиотек.

Распределение вычислительных ресурсов в узлах Grid применительно к созданию электронных библиотек позволит ускорить индексирование хранимых данных для реализации возможности полнотекстового поиска. За счет использо вания распределенных человеческих ресурсов более эффективно решается и зада ча определения тематики документов для соответствующего их поиска. Каждый узел Grid-сети (индивидуальный пользователь компьютера, либо администратор библиотеки) указывает список хранящихся у него общедоступных документов и самостоятельно (с помощью соответствующего ПО) указывает их тематику по УДК или ГРНТИ. Система размещает на общем сервере файлы индексов для пол нотекстового поиска, сведения о принадлежности этой информации к определен ным областям знаний и данные о местонахождении каждого документа.

С ростом числа узлов может увеличиваться и количество доступной лите ратуры в системе. Поиск данных значительно упрощается, так как система объе диняет два вида поиска: тематический и полнотекстовый.

Grid-сеть не имеет фиксированного числа узлов: в любой момент могут подключаться новые, либо отключаться существующие. Стабильность распреде ленной библиотечной сети при большом числе узлов не зависит от каждого чело века, поскольку наиболее популярная литература дублируется в различных источ никах.

Распространение библиотечных Grid-сетей позволит более целенаправлен но сканировать Интернет, минимизировать временные и материальные затраты по формированию библиотечных фондов, а также значительно упростит процеду ру нахождения необходимой пользователю литературы.

В настоящее время в Сибирском федеральном университете ведутся рабо ты по реализации основных функций библиотечной Grid-сети, обеспечивающей представление тематических ресурсов, размещенных в Интернет и собственных электронных библиотеках.

Список использованных источников и литературы 1. Internet Archive // http://www.archive.org/ 2. International Agency IDC // http://www.washprofile.org/ru/node/ 3. Библиотечный проект Google // http://books.google.com/ google books/library.html 4. Europeana // http://europeana.eu В мире научных открытий, 2010, №6.1 (12) 5. Вигурский К.В. Что такое электронная библиотека?// http://rd.feb web.ru/library.htm 6. Грид // http://ru.wikipedia.org/wiki/Грид UDC 004. B.V. Oleynikov, A.I. Shalabay Siberian Federal University Krasnoyarsk, Russia oleynik48@mail.ru, andrsh@gmail.com DEVELOPMENT APPROACH THEMATIC AGGREGATION OF DIGITAL RESOURCES ON THE BASIS OF GRID-TECH The tendencies of aggregation of digital resources. Identifies the main prob lems of the general solution of this problem. An approach based on the formation of full text of thematic collections using Grid-technology networks.

Keywords: aggregation of information resources, a collection of full-text re sources, digital libraries, Grid.

УДК 004. Иван Александрович Гиря, аспирант кафедры «Управляющие интеллектуальные системы»

Национальный исследовательский ядерный университет «МИФИ»

ivan.girya@gmail.com Глеб Владиславович Свечников, студент Московский государственный институт радиотехники, электроники и автома тики (технический университет) г. Москва, Россия gleb.svechnikov@gmail.com МОДЕЛЬ ЗНАНИЙ ПОЛЬЗОВАТЕЛЯ АДАПТИВНОЙ ОБУЧАЮЩЕЙ СРЕДЫ НА ПРИМЕРЕ СИСТЕМЫ MOODLE Описан подход к построению архитектуры адаптивной обучающей среды, обеспечивающей централизованное ведение модели знаний ученика. Рассматри ваются задачи интеграции моделей знаний из различных курсов и первичного на полнения модели знаний для прохождения нового курса.

Ключевые слова: адаптивная обучающая система, модель ученика, moodle.

В основе работы любой адаптивной системы обучения лежит профиль ученика, называемый также моделью ученика. Модель ученика хранит разнооб разную информацию, касающуюся обучаемого, которая может быть использована для выбора оптимальных адаптивных воздействий на учебный процесс.

Проблемой организации модели ученика и модели представления его зна ний занимаются многие разработчики адаптивных систем. Одной из важных задач является построение архитектуры, позволяющей организовать обмен информаци В мире научных открытий, 2010, №6.1 (12) ей об ученике, накопленной в результате его работы с несколькими различными адаптивными курсами, входящими в единую адаптивную обучающую среду.

В описываемом проекте для реализации адаптивной обучающей среды бы ла выбрана система управления курсами «Moodle». Система Moodle (англ. аббре виатура “модульная объектно-ориентированная динамическая учебная среда”) — это свободная система управления обучением. С центральной страницы портала Moodle ученик может получить доступ к открытым для него в настоящий момент курсам. Курсы включают различные объекты: лекции, тесты, файлы и т.д..

Для реализации модели знаний обучаемого и создания инструментов инте грации таких моделей было решено создать дополнение к системе Moodle, кото рое бы позволило работать с адаптивной системой обучения.

Основным элементом адаптивной системы является «Понятие». Список понятий задается преподавателем (либо администратором системы) и хранится в отдельной таблице, представленный в виде иерархического графа.

Таблица «Понятия» содержит все концепции и определения, которые ис пользуются в курсах адаптивной обучающей среды, а также отражает связи между ними. Она является расширяемой и дополняется через специальный интерфейс по мере регистрации в системе новых учебных курсов.

Для каждого объекта учебного курса (таких как раздел, урок, тест) хранят ся связи с понятиями, которые используются в этом объекте.

С другой стороны, для каждого ученика ведется журнал, содержащий ин формацию о том, какие объекты курсов были им изучены или пройдены. Таким образом, через цепочку «ученик объект курса понятие», устанавливаются свя зи между учеником и понятиями.

Для каждого понятия хранится параметр «необходимый процент усвое ния», который может изменяться вручную администратором. Это число показыва ет, какой процент заданий, связанный с понятием, должен быть успешно выпол нен учеником, чтобы понятие считалось усвоенным.

Фактические значения успешности выполнения тестов и заданий для каж дого ученика хранятся в таблице «Показатели усвоения».

Преимущества описанной архитектуры:

структура «Понятия» воплощает иерархический граф, каждый узел ко торого относится к области знаний, теме или определению, содержащимся в адап тивной обучающей среде;

для каждого понятия хранятся связи с курсами и объектами курсов, в которых оно используется;

для каждого ученика-пользователя системы отслеживается информация о том, какие курсы (и в каком объеме) были пройдены, а также какие понятия бы ли им изучены и насколько успешно.

Описанные выше свойства системы обеспечивают возможность построе ния модели знаний ученика, опирающейся на модели знаний предметных областей (domain model в англоязычной литературе).

После того, как в системе зарегистрирован новый учебный курс и новые темы и термины добавлены в структуру «Понятия», возникает необходимость генерации моделей знаний для учеников, которым предстоит изучать этот курс.

Для этого системе достаточно сделать выборку данных из структуры «Показатели усвоения»: и в том случае, если ученик в процессе предыдущего обучения уже В мире научных открытий, 2010, №6.1 (12) имел дело с понятиями, которые встретятся ему в новом курсе, информация об этом будет перенесена в его модель знаний. Эта модель будет использоваться адаптивной системой при прохождении нового курса.

UDC 004. I.A. Girya, Postgraduate student National Research Nuclear University "MEPhI" ivan.girya@gmail.com G.V. Svechnikov, student Moscow State Institute of Radioengineering, Electronics and Automation Moscow, Russia gleb.svechnikov@gmail.com USER KNOWLEDGE MODEL IN AN ADAPTIVE LEARNING ENVIRON MENT ON EXAMPLE OF MOODLE SYSTEM The paper is dedicated to the method of designing an adaptive learning envi ronment with centralized student knowledge modeling principle. The task of knowledge models’ integration from different educational systems is discussed, as well as the task of fulfilling the knowledge model for the student starting a new course.

Keywords: adaptive learning system, student model, moodle.

УДК 519. Дмитрий Валерьевич Ременников, аспирант Омский Государственный Технический Университет г. Омск, Россия rem-dima@yandex.ru РАСПАРАЛЛЕЛИВАНИЕ АЛГОРИТМА ВЫЧИСЛЕНИЙ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ ПРЯМОГО РАСПРОСТРАНЕНИЯ Рассматриваются методы распараллеливания вычислений искусственной нейронной сети прямого распространения на эмуляторе. Оценена применимость методов к реальным вычислительным задачам.

Ключевые слова: искусственная нейронная сеть, алгоритм, распараллели вание.

В настоящее время моделирование искусственных нейронных сетей (ИНС) на ПК получило большое распространение. Развитие высокоуровневых языков программирования сделало эмуляцию ИНС на ПК очень простой и популярной, а рост производительности универсальных ПК сделало скорость просчета ИНС на эмуляторе сопоставимой с аналогами, реализованными схемотехнически (в “желе зе”). Эмулятор ИНС на ПК позволяет просчитывать ИНС с 1 миллионом нейронов и 1 миллиардом связей за приемлемое время. Однако, в реальных задачах, решае мых при помощи аппарата ИНС, требуется не один цикл просчета ИНС. Количе В мире научных открытий, 2010, №6.1 (12) ство циклов просчета ИНС может достигать миллиардов. В таких случаях неопти мизированная реализация ИНС на универсальном ПК, использующая одно вычис лительное ядро, не в состоянии справиться с задачей за приемлемое время. Одним из вариантов решения описанной проблемы является распараллеливание алгорит ма вычислений ИНС и реализация его на системе с несколькими вычислительны ми ядрами.

В данной работе рассмотрим методы распараллеливания алгоритма вычис лений ИНС прямого распространения. Отметим, что основная сложность при по пытке распараллелить вычисления ИНС прямого распространения заключается в том, что ИНС имеет послойную структуру и для вычисления одного слоя ИНС требуются результаты вычислений предыдущего слоя.

В работе рассматривается несколько алгоритмов распараллеливания ИНС прямого распространения:

- распараллеливание “по группам нейронов”:

а. группы с одним нейроном;

б. группы с нейронами одного слоя;

в. группы с отдельными слоями;

г. группы с произвольным набором нейронов;

д. группа со всей сетью.

- распараллеливание ”по сетям”;

- распараллеливание ”по входному множеству ”.

Распараллеливание “по группам нейронов”.

Метод распараллеливания “ по группам нейронов” заключается в том, что каждая вычислительная нить рассчитывает определенную группу нейронов.

а. группы с одним нейроном.

В рассматриваемом разбиении нейронов на вычислительные нити каждая вычислительная нить рассчитывает один нейрон. Такой подход к разбиению не эффективен, т.к обладает рядом недостатков:

1. Количество требуемых нитей равно количеству нейронов, что превыша ет современное количество ядер CPU (4-8). Вследствие этого количество нитей явно избыточное.

2. Большие временные потери при синхронизации большого количества вычислительных нитей.

3. Одновременно смогут работать только нити текущего слоя, т.к. для вы числения текущего слоя необходимы результаты предыдущего.

Вывод: Время обработки синхронизаций превышают выигрыш от самого распараллеливания. Следовательно, рассмотренный метод распараллеливания ИНС прямого распространения абсолютно не эффективен.

б. группы с нейронами одного слоя.

В рассматриваемом разбиении нейронов на вычислительные нити каждая вычислительная нить рассчитывает несколько нейронов одного слоя. Как правило, нейроны одного слоя распределяются на вычислительные нити в равных долях.

Количество вычислительных нитей принимается равным количеству вычисли тельных ядер.

Вывод: Такой подход к разбиению избавляет от всех недостатков разбие ния на группы с одним нейроном и является наиболее оптимальным из методов распараллеливания “по группам нейронов”.

В мире научных открытий, 2010, №6.1 (12) в. группы с отдельными слоями.


В рассматриваемом разбиении нейронов на вычислительные нити каждая вычислительная нить рассчитывает нейроны одного слоя. К рассматриваемой за даче это разбиение неприменимо, т.к. для просчета слоя требуется завершение вычисления предыдущего, что делает алгоритм последовательным и в один мо мент времени вычислениями будет заниматься только одна вычислительная нить.

г. группы с произвольным набором нейронов.

В рассматриваемом разбиении нейронов на вычислительные нити каждая вычислительная нить рассчитывает нейроны некоторой произвольной группы.

Данное разбиение является надмножеством остальных разбиений и в зависимости от приближения к одному из рассмотренных типов вбирает его преимущества и недостатки.

д. группа со всей сетью.

В рассматриваемом разбиении нейронов на вычислительные нити одна вы числительная нить рассчитывает нейроны всей ИНС. Рассматриваемое разбиение делает задачу однопоточной, и задействует только одно вычислительное ядро.

В заключение отметим, что распараллеливание “по группам нейронов” плохо подходит к решению задачи распараллеливания ИНС прямого распростра нения. Применение такого распараллеливания может быть применимо к задачам, в которых вычислительные затраты на просчет выхода одного элемента намного больше вычислительных затрат на обслуживание вычислительной нити. Просчет одного элемента (искусственного нейрона) в задаче просчета ИНС сводиться к суммированию входов и вычислению некоторой формально описанной функции, что не требует больших вычислительных ресурсов, поэтому, операция межните вой синхронизации более ресурсоемкая чем операция просчета одного элемента ИНС.

В связи с вышеизложенны, сделаем вывод, что требуется такое распарал леливание алгоритма просчета ИНС, чтобы минимизировать время, затрачиваемое на синхронизации вычислительных нитей. Оптимальным решением задачи распа раллеливания является вариант, когда у каждой вычислительной нити своя от дельная часть целой вычислительной задачи и количество задействованных вы числительных нитей равно количеству вычислительных ядер и равно количеству частей, на которые разбита целая вычислительная задача.

Рассмотрим 2 таких варианта разбиения вычислений.

Распараллеливание ”по сетям” Такой вид распараллеливания подразумевает, что несколько различных ИНС занимают отдельные области памяти и вычислением каждой ИНС занимает ся одна вычислительная нить. При таком подходе одновременно происходит про счет нескольких различных ИНС с одинаковыми входными значениями.

Применимо для задач с заранее определенным набором входных данных.

Пример - обучение ИНС генетическим алгоритмом, перебором.

Распараллеливание ”по входному множеству” Такой вид распараллеливания подразумевает, что создаются несколько идентичных экземпляров ИНС, раздельно в памяти и вычислением каждой зани мается одна вычислительная нить. Каждому экземпляру ИНС ставится задача про считать значения на некотором интервале входных значений. После вычислений результаты вычисления ИНС собираются в единый выходной массив. При таком В мире научных открытий, 2010, №6.1 (12) подходе одновременно происходит вычисление одной ИНС с различными входа ми.

Применимо для задач с большим количеством входных данных для обра ботки, но с одинаковой архитектурой ИНС. Пример – потоковая обработка сигна ла или нескольких сигналов.

Приблизительное время расчетов ИНС для случаев однопоточных и распа раллеленных вычислений (по методу разделения вычислений по входным значе ниям) на эмуляторе ИНС [1] приведено в таблице 1. Количество вычислительных ядер на ПК равно 4.

Таблица Кол-во вычисли Архитектура ИНС Время просчета, с.

тельных нитей 1 1. 2 1. 100 нейронов, ~1000 связей 3 0. (1000 входных векторов) 4 0. 5 0. 1 202. 2 105. 10000 нейронов, ~ связей 3 75. (100 входных векторов) 4 57. 5 59. Проанализировав данные таблицы 1 можно утверждать, что чем больше размер ИНС, тем более оптимально отношение полезной нагрузки ко всей нагруз ке. Это объясняется уменьшением процента времени на издержки синхронизации вычислительных нитей от общего времени расчета.

Заключение: Методы распараллеливания ИНС прямого распространения “по сетям” и ”по входному множеству” применимы для ускорения вычислений ИНС на многоядерной системе и дают почти линейное сокращение времени вы полнения задачи с ростом вычислительных ядер.

Отметим, что предложенный вариант ускорения просчетов ИНС на ПК яв ляется не единственным возможным и существует множество других способов ускорения, такие, как использование расширений процессора SSE, оптимизация обращений к памяти, оптимизация обращений к процессорному кэшу и т.д. Наи более перспективным методом ускорения расчетов ИНС на ПК является перенос вычислений с центрального процессора на графический. Производительность современных графических ускорителей достигает отметки в 1-2 ТФлопс, а так же они имеют МИМК (MIMD) архитектуру, хорошо подходящую для программиро вания на них ИНС. Однако, из-за высокой латентности графической памяти реали зация алгоритма просчета ИНС на графическом процессоре более сложна, чем на универсальном.

В мире научных открытий, 2010, №6.1 (12) В общем случае реализация предложенных алгоритмов распараллеливания ИНС прямого распространения возможна как на одном ПК с несколькими вычис лительными ядрами, так и на нескольких ПК.

Список использованных источников и литературы 1. Сайт технической поддержки XNeuron3D [Электронный ресурс]. – Ре жим доступа: http://XNeuron3D.ru/ (дата обращения 31.10.2010).

UDC 519. D.V. Remennikov Omsk State Technical University Omsk, Russia rem-dima@yandex.ru PARALLELIZATION CALCULATIOM ALGORITHM OF THE FEEDFORWARD NEURAL NETWORK Consider methods of parallelism of feedforward neural network on an emulator.

Assess the applicability of the methods to real computing.

Keywords: neural, network, algorithm, parallelization.

УДК 004. Михаил Николаевич Кулигин, кандидат физико-математических наук, доцент Муромский институт (филиал) ГОУ ВПО «Владимирский Государственный Университет»

г. Муром, Россия kaf-eivt@yandex.ru СИСТЕМЫ СБОРА И ОБРАБОТКИ ИНФОРМАЦИИ:

ОТЛИЧИТЕЛЬНЫЕ ЧЕРТЫ, ЭЛЕМЕНТНАЯ БАЗА На кафедре электроники и вычислительной техники МИ ВлГУ ведутся ра боты по созданию систем сбора данных [1]. В статье рассмотрены отличи тельные черты подобных систем, реализованных на современной элементной базе – микроконтроллерах.

Ключевые слова: микроконтроллеры, сбора и обработки информации.

Системы сбора и обработки информации, поступающей с различного рода датчиков, можно условно разделить на два класса.

К первому можно отнести так называемые компьютерные системы сбо ра, когда микроконтроллер расположен в специальном устройстве сопряжения с объектом, имеющем отдельный корпус, как правило, со своим блоком питания, подключаемым к сети (~ 220 В). К этому устройству подведены кабели от дат чиков, с которых снимается информация. Устройство сопрягается с компьютером по интерфейсу RS232, по которому в компьютер передается измерительная ин формация. Управление системой осуществляется также компьютером по этому же интерфейсу, т.е. микроконтроллер получает команды от компьютера, выполняет их, и результат выполнения посылает в компьютер. Компьютер получает предва В мире научных открытий, 2010, №6.1 (12) рительно обработанную (как правило, только оцифрованную) микроконтроллером информацию, окончательно ее обрабатывает и выводит результаты этой обработ ки на экран монитора и/или на принтер.

Отличительные черты компьютерных систем сбора следующие.

Обмен информацией микроконтроллера с компьютером идет постоянно, кроме того, в некоторых случаях основная программа работы микроконтроллера может передаваться в него из компьютера;

в этих условиях от интерфейса требу ется повышенные надежность и скорость обмена (115200 бод);

в связи с этим обя зательным является возможность программирования микроконтроллера по RS 232.

"Интеллектуальная" нагрузка на микроконтроллер достаточно низкая;

микроконтроллер ничего не считает, ввод/вывод информации осуществляется только по интерфейсу, поэтому программа для микроконтроллера примитивна, как правило, написана на ассемблере и в очень редких случаях ее объем превыша ет 2 кб;

основную "интеллектуальную" нагрузку несет программа, написанная для компьютера.

Повышены требования к АЦП: многоканальность (не менее восьми), по вышенная точность, дискретность измерений должна быть не менее 16 разрядов;

АЦП должен иметь самокалибровку;

перед АЦП обязательно должен располагать ся низкочастотный фильтр, частота среза которого равна частоте Найквиста— Котельникова, кроме того, желательно, чтобы был еще и заграждающий фильтр для подавления частоты 50 Гц. При этом затухание на этой частоте должно быть не менее -100 дБ.

Ко второму классу можно отнести так называемые автономные системы сбора, представляющие собой по существу приборы, правда, достаточно "интел лектуальные". Здесь микроконтроллер выступает в качестве основы, как аппарат ных, так и программных средств. Автономные системы сбора представляют собой устройства, оснащенные не только средствами измерений (датчиками измеритель ной информации), сбора и обработки измерительной информации, но и средства ми индикации результатов измерений, а также средствами ручного ввода инфор мации.

Автономные системы конструируются в отдельном корпусе и оснащаются своим блоком питания (во многих случаях батарейным). Часто автономные систе мы содержат в своем составе интерфейс сопряжения с компьютером (например, RS232). Иногда этот интерфейс выполнен только опционально, реже он все-таки используется, но основные его задачи - плановый съем архивной информации, тестирование системы, начальное занесение в систему необходимых коэффициен тов и/или режимов работы и т.п. При штатном режиме работы автономной систе мы интерфейс, как правило, не используется.

Отличительные черты автономных систем сбора следующие.

Обмен информацией с компьютером по интерфейсу происходит время от времени и достаточно редко;

от интерфейса не требуется высокое быстродействие (115200 бод). "Интеллектуальная нагрузка" на микроконтроллер достаточно вы сокая, в связи с этим программа для микроконтроллера сложная, как правило, написана на языке Си, и занимает десятки килобайт программной памяти;

кроме того, повышены требования и к объему ОЗУ.

В мире научных открытий, 2010, №6.1 (12) Повышенная точность измерения временных характеристик, как правило, не требуется, зато необходим их большой временной диапазон: секунды, минуты, часы, сутки, месяцы и даже годы;

это нужно для возможного архивирования ре зультатов измерений, так как автономная система (оснащенная, например, ба тарейным блоком питания с литиевыми элементами) может работать несколько лет.

Повышены требования к АЦП: повышенная точность, дискретность изме рений должна быть не менее 16 разрядов;

АЦП должен иметь самокалибровку;

перед АЦП обязательно должен находиться низкочастотный фильтр, частота среза которого равна частоте Найквиста-Котельникова, кроме того, желательно, чтобы был еще и заграждающий фильтр для подавления частоты 50 Гц. При этом затуха ние на этой частоте должно быть не менее -100 дБ. Не содержат большого числа однотипных измерительных каналов (как правило, число однотипных каналов не превышает трех-четырех), но число различного рода устройств, входящих в со став микроконтроллера, может быть большим (АЦП, ЦАП, таймеры/счетчики, часы, источники опорного напряжения и/или тока и т.п.), т.е. от микроконтролле ра требуется повышенная универсальность.

В настоящее время есть микроконтроллеры [2], которые могут быть запро граммированы по последовательному интерфейсу RS232. Такой режим програм мирования микроконтроллера еще называют последовательным или программи рованием в системе (in system programming). Это название режима программиро вания появилось в связи с тем, что такие микроконтроллеры совершенно необяза тельно вытаскивать из панельки, расположенной в готовом устройстве, вставлять (микроконтроллер) в программатор, программировать, а затем опять возвращать на место. Эти микроконтроллеры содержат программу-загрузчик (bootstrap loader), расположенную в памяти программ микроконтроллера.

Элементная база. В последнее время фирма Analog Devices выпустила целое семейство MCS51-совместимых микроконтроллеров ADuC8XX, в некоторые из которых входят 16- или 24-разрядные сигма-дельта АЦП С самока либровкой, низкочастотные фильтры, память программ объемом до 62 кбайт и многие другие новшества.

Фирма Texas Instruments (а точнее, влившаяся в нее фирма Burr-Brown) также выпустила семейство микроконтроллеров MSC1210YX, содержащих 24 разрядный сигма-дельта АЦП с самокалибровкой, низкочастотные фильтры, па мять программ объемом до 32 кбайт.

Список использованных источников и литературы 1. Кулигин М.Н. Шестикомпонентная станция регистрации поля геомаг нитных пульсаций. // Вопросы радиоэлектроники, серия ОТ.– 2010. - выпуск 1. – с. 134-139.

2. Редькин П.П. Прецизионные системы сбора данных семейства MSC12xx Texas Instruments // Современная электроника № 2, 2006.

В мире научных открытий, 2010, №6.1 (12) UDC 004. M.N. Kuligin Murom institute (branch) of Vladimir State University Murom, Russia kaf-eivt@yandex.ru SYSTEMS OF COLLECTION AND PROCESSING INFORMATION:

DISTINCTIVE FEATURES, ELEMENT BASIS On chair of electronics and computer tehnics equipment of MIVlGU operations on creation of data collection systems [1] are conducted. In article distinctive features of the similar systems implemented on the modern element basis – microcontrollers are considered.

Keywords: microcontrollers, collection and processing information.

УДК 621. Юрий Анатольевич Кропотов, кандидат технических наук, профессор Муромский институт (филиал) ГОУ ВПО «Владимирский государственный университет»

г. Муром, Россия kaf-eivt@yandex.ru СТАТИСТИЧЕСКИЕ ПАРАМЕТРЫ СИГНАЛОВ ПРИ ПРОЕКТИРОВАНИИ ОПЕРАТИВНО-КОМАНДНЫХ ТЕЛЕКОММУНИКАЦИОННЫХ СИСТЕМ В работе рассмотрено определение вероятности превышения порога отсчетов речевых сигналов оперативно-командных систем, вычисление дисперсии – мощности речевых сигналов при нормировании максимальных значениях отсчетов. Показана зависимость отношения сигнал/шумы квантования от числа разрядов при представлении отсчетов речевых сигналов.

Ключевые слова: оперативно-командные системы, шумы квантования, отношение сигнал/шум.

Введение. Современные оперативно-командные телекоммуникационные системы проектируются на цифровой элементной базе. Имеющиеся в них входные аналоговые сигналы соответственно оцифровываются, поэтому возникают некоторые особенности вычисления статистических параметров при обработке этих сигналов и при прохождении их в трактах проектируемых систем.

Информация об этих параметрах влияет на структуру проектируемой системы, на алгоритмы обработки сигналов.

1. Вероятности превышения отсчетами i-го уровня При исследовании зависимости появления отсчетов xi превышающий неко торый уровень квантования i-го порогового интервала для оцифрованных речевых сигналов воспользуемся выражением закона распределения вероятностей отсчетов амплитуд речевых сигналов в виде [1, 2] В мире научных открытий, 2010, №6.1 (12) xi M Bk P( xi ) Ak e, k где при M=3, погрешность 5 %, значения Ak и Bk для конкретной реа лизации определены по алгоритму в [2].

Вероятность превышения порогового уровня 2 n P( x ), P i iпор.

где iпор. – номер порогового уровня.

Если принять пороговый интервал на уровне среднеквадратического зна xmax 1, чения отсчетов речевых сигналов и при нормировании по правилу вычисление интервала квантования производится по выражению 2 xmax 2 n1, 2n где n – число разрядов в кодовой последовательности отсчетов;

тогда значение порогового интервала определяется выражением 2 n 1.

iпор.

xmax 1, 2 0,126 Вт, iпор.=46 (iпор.=0010110), При значениях n=8, P 0,0117, то есть вероятность превышения отсчетов уровня средне тогда квадратичного отклонения составляет менее 1,2 %. Результат получен при значе ниях параметров функции аппроксимации закона распределения M=3, А1=0.033715075, А2=0.003135969, А3=0.237038956, В1=9.647790078, В2=7.739749293, В3 = 0.47697697 [4].

2. Статистические параметры оцифрованных реализаций речевых сигналов В работах [3, 4] значения статистических характеристик речевых сигналов получены при ограничениях на стационарность и эргодичность процесса. Пред ставленный в работе [2] закон распределения вероятности отсчетов амплитуд ре чевых сигналов P(xi) позволяет получить статистические параметры без учета вышеуказанных ограничений.

В этом случае математическое ожидание дискретизированного и кванто ванного на 2n интервалах сигнала определяется выражением 2 n x P( x ), тогда xn 0.

xn i i i ( 2 n 1) Алгоритм исследования дисперсии речевых сигналов на тех же интервалах квантования, при x n 0, определяется выражением 2 n P ( xi ).

2 x i i ( 2 n 1) В мире научных открытий, 2010, №6.1 (12) xmax 1, С учетом нормирования максимальных значений отсчетов получаем дисперсию случайного процесса, мощность речевого сигнала на сопро тивлении 1 Ом, 2 Pc 0,126 Вт.

пр.

xmax Если – не нормировано, то интервал квантования определя ется по выражению 2 xmax xmax 2 ( n 1), пр. n в этом случае 2 2 xmax iдисп. пр. i 2 2 2 iдисп. 2 2( n 1) xmax, 2 i пр. дисп. пр. дисп. 2n 2 n 1 2, iдисп.

где – значение дисперсии речевого сиг 1, 2 ( n 1).

xmax нала при Тогда получаем выражение значения дисперсии речевого сигнала при xmax произвольном значении уровня, а именно пр. xmax 2.

2 3. Шумы квантования в оперативно-командных системах громкого ворящей связи При выполнении операции оцифровки речевых сигналов и квантования по уровню в каждый момент времени ti возникает ошибка квантования di, представ ляющая собой разность соответствующих значений реального xi и квантованного по уровню сигналов:

di=x-yi, где yi – ближайший уровень квантования.

Pкв Мощность шума квантования на единичном сопротивлении будет оп ределяться как [6] yi / 2n x y Px dx, P кв d i i i 1 yi / где n – количество разрядов в числе, представляющим уровень от счета сигнала, x – уровень отсчета сигнала, P(x)dx – вероятность возникновения мгновенного значения сигнала в ин тервале (x-0,5dx;

x+0,5dx).

Так как сравнение непрерывного и дискретного сигналов осуществляется только в моменты, соответствующие дискретным отсчетам, шум квантования В мире научных открытий, 2010, №6.1 (12) представляет собой последовательность дискретных отсчетов, поэтому можно принять, что мощность шума квантования 1N xk x кв.k (i), Pш.кв N k где N – количество отсчетов в реализации;

xk – значение аналогового сигнала, соответствующее k-му отсчету;

xкв k(i) – ближайший i-ый уровень квантования, соответствующий k-му от счету.

Максимальное отклонение ошибки квантования может быть xk xкв. k.

Усредненное значение абсолютной ошибки по N отсчетам 1N xk xкв. k (i) 2 3.

N k Тогда выражение мощности шума квантования 2 n 1 2 n P ( xi ) Pш.кв. P ( xi ).

n n i ( 2 1) i ( 2 1) Pш.кв..

Pc Pш.кв. имеет вид Отношение 2 n x P ( xi ) i 12 2.

Pc i 2 n n 2 Pш.кв.

P ( xi ) i ( 2 n 1) В случае нормирования максимальных отсчетов сигнала по правилу xmax 1, вычисленное значение 2 0,126 Вт, а значение Pш.кв. в зависи мости от числа уровней квантования 2n, учитывая, что n, Pш.кв. 2 2 n.

Тогда Pc Pc 3 22 n 2 (дБ ) 10 log 3 2 2 n 2.

или Pш.кв. Pш.кв.

В мире научных открытий, 2010, №6.1 (12) Представленные результаты Pс., получены при следующих ограничени Pш. кв.

ях:

шум квантования является стационарным случайным процессом;

шум квантования не коррелирован с отсчетами реализации xi;



Pages:   || 2 | 3 | 4 | 5 |   ...   | 11 |
 

Похожие работы:





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.