Численное моделирование светолокационных систем Текст научной статьи по специальности «Физика»

8. Dhall S. K., Liu C. L. On a real-time scheduling problem // Operating Research. 1978. Vol. 26, N 1. P. 127—140.

9. Baker T. Multiprocessors EDF and deadline monotonic schedulability analysis // Proc. of the 24th IEEE Real-Time Systems Symposium. 2003. P. 120—129.

10. Никифоров В. В. Выполнимость приложений реального времени на многоядерных процессорах // Тр. СПИИРАН / Под общ. ред. Р. М. Юсупова. 2009. Вып. 8. С. 255—284.

11. Никифоров В. В., Шкиртиль В. И. Использование многоядерных процессоров для построения систем реального времени // Изв. вузов. Приборостроение. 2007. Т. 50, № 10. С. 28—35.

Виктор Викентьевич Никифоров

Вячеслав Иванович Шкиртиль

Сведения об авторах д-р техн. наук, профессор; Санкт-Петербургский институт информатики и автоматизации РАН, лаборатория технологий и систем программирования; E-mail: nik@iias.spb.su

канд. техн. наук, доцент; Санкт-Петербургский институт информатики и автоматизации РАН, лаборатория технологий и систем программирования; E-mail: jvatlas@mail.rcom.ru

Рекомендована СПИИРАН

Поступила в редакцию 22.06.11 г.

УДК 53.072; 681.3

А. В. Демин, Ю. Ю. Гатчина, С. И. Жуков ЧИСЛЕННОЕ МОДЕЛИРОВАНИЕ СВЕТОЛОКАЦИОННЫХ СИСТЕМ

Предложена численная модель для оценки коэффициента передачи мощности излучения при моделировании процесса прохождения лазерного излучения по трассе „атмосфера — водная поверхность — атмосфера" методом Монте-Карло. Приведены результаты моделирования.

Ключевые слова: мониторинг, оптико-цифровые системы, светолокационные системы, пеленгация, стратификация среды.

Мониторинг окружающей среды в оптическом диапазоне спектра электромагнитного излучения — одна из актуальных проблем на современном этапе жизнедеятельности. При этом решаемый круг задач определяется как проблемами оперативного экологического контроля за состоянием среды, так и своевременным предупреждением возможных катастроф. Среди известных систем мониторинга окружающей среды в оптическом диапазоне спектра излучения наиболее широкое распространение для решения указанных задач получили оптико-цифровые системы (ОЦС) активного и пассивного типа. ОЦС пассивного типа принимают излучение среды, а системы активного типа принимают эхо-сигнал от излучателя ОЦС.

При проектировании ОЦС активного типа (далее ОЦСАТ) основной является задача расчета световых полей прохождения излучения по трассе „ОЦСАТ ^ атмосфера ^ граница раздела облучаемый объект — атмосфера ^ атмосфера ^ ОЦСАТ" (далее трасса) и, в частности, определение такого параметра, как коэффициент передачи мощности излучения ОЦСАТ. Сложность задачи обусловлена необходимостью учета, во-первых, начальных и граничных условий, характеризующих стратификацию среды, и, во-вторых, оптико-физических параметров, характеризующих ОЦСАТ.

В этой связи для упрощения решения известного уравнения светолокации для расчета мощности эхо-сигнала целесообразно воспользоваться представлением трассы в форме численной модели [1]:

32

А. В. Демин, Ю. Ю. Гатчина, С. И. Жуков

Р(г) = АК(ехр} -2|рг (г'

4п

г +т

^и/2 | |

| вп (I)ехр \ -2 | Рг (г)& \ йт

0 I 0

К (г) = ехр

ЗА2

(

г&у +

ё0

0Е; 0Е=0 + у,

(1)

где Р(г) — поток излучения на входном зрачке оптической системы в текущий момент времени I, соответствующий удвоенному расстоянию 2 от излучателя до „отражателя"; А«Р0х£0 — аппаратная постоянная ОЦСАТ; £0 — площадь входной апертуры ОЦСАТ; Р0 — мощность излучения на выходе ОЦСАТ; рп(/) — коэффициент обратного рассеяния в среде; ^ — длительность импульса излучателя ОЦСАТ; 0 — телесный угол облучаемой водной поверхности на входном зрачке оптической системы; у — телесный угол принимающего эхо-сигнал блока ОЦСАТ; ё0 — диаметр выходного зрачка излучающего блока ОЦСАТ; А — расстояние между оптическими осями излучающего и принимающего эхо-сигнал блоков ОЦСАТ.

Зависимость коэффициента передачи мощности излучения по трассе от геофизической и климатической привязки ОЦСАТ (см. формулы (1)) приводит к ошибке.

В настоящей статье для расчета коэффициента передачи мощности излучения (Кизл) предложена численная модель световых полей, рассчитываемая по методу Монте-Карло.

Для численного моделирования процесса мониторинга поверхности моря построим модель этого процесса в целях выявления загрязнений. Результатом моделирования в данном случае является только математическое ожидание коэффициента передачи мощности излучения (Мк ). При построении численной модели учтем также толщину водного слоя, чтобы

учесть геофизическую и климатическую привязку ОЦСАТ. Для этого воспользуемся вероятностно-статистической моделью распространения излучения на трассе [1]. Следует отметить преимущество метода Монте-Карло [2, 3], по сравнению с другими известными методами, при расчете световых полей (зависимости мощности эхо-сигнала от функции светового поля), которое заключается в том, что составления и решения интегродифференциальных уравнений переноса излучения не требуется.

Для расчета по методу Монте-Карло примем следующие допущения:

— взаимодействием фотонов излучения можно пренебречь;

— учитывается только результат взаимодействия фотонов излучения со средой распространения;

— в ходе мониторинга трасса находится в стационарном состоянии.

Процесс переноса излучения может быть аппроксимирован однородной марковской цепью [4] с распределением фотонов по трассе с плотностью

( Ь >

//(/,) = в(г(/,))ехр -|е(г(/)й/

I 0

г(/г) = г0 + /гю,

(2)

где Г0 — начальная точка вектора пробега фотонов; г(/г) — оптическая длина отрезка

г(/г)]; ю — единичный вектор пробега фотонов.

Для нормировки значения плотности /¿(/¡) предположим, что вне среды распространения излучения коэффициенты ослабления потока в = 80 ^ 0, а косинус угла направления вектора

2

г(/г) распределен с плотностью индикатрисы рассеяния излучения. Если задано несколько типов коэффициентов и индикатрис рассеяния излучения, то вероятность поглощения (р(г)) и рассеяния ( ^(г)) фотонов при их столкновении определяется соотношениями [5]

р (г ) = Ч(г) =

£р(г).

е(г) '

(г)

е(г) '

где — коэффициент поглощения среды распространения.

Примем условие, что процесс рассеяния излучения по трассе изотропный. Тогда, проинтегрировав уравнение (2), получим функцию распределения значения длины свободного пробега фотонов по трассе [1, 4]:

/ (Г) = }е(г(//, г)).

Принимая условие, что процесс изменения азимутального угла рассеяния ф (для вертикальной трассы) изотропный, распределение его по потоку можно выразить формулой ф=2па, где ае(0.. .1) — случайное число.

При моделировании процесса прохождения лазерного излучения по трассе методом Монте-Карло зададим функцию длины свободного пробега фотонов как функцию времени [1, 4].

На рис. 1 и 2 приведены фрагмент компьютерного изображения морской поверхности и нормированные спектры волновых чисел (к), полученные при моделировании процесса прохождения лазерного излучения по трассе „атмосфера — морская поверхность — атмосфера" методом Монте-Карло при следующих условиях: граница раздела нестационарна и неизотропна, а скорость ветра составляет 6, 4 и 2 м/с (кривые 1—3 соответственно на рис. 2).

Л 1/м4 1,Е+00

1,Е-02 1,Е-04 1,Е-06 1,Е-08 1,Е-10

0,01

10 15 Рис. 1

20

Рис. 2

По результатам моделирования можно сделать следующие выводы:

— нестационарность коэффициента передачи излучения морской поверхности проявляется при приеме эхо-сигнала на глубинах до 50 м.

— математическое ожидание коэффициента передачи мощности излучения практически не зависит от скорости ветра в диапазоне 2. 4 м/с, так же как и от глубины приема эхо-сигнала: МК « 1,3.1,5.

изл

— для уточнения и верификации статистической модели влияния взволнованной поверхности моря на распространение лазерного излучения желательно получение дополнительных экспериментальных данных.

5

X

34 М. А. Аллес, С. В. Соколов, С. М. Ковалев

список литературы

1. Демин А. В., Виноградов Ю. Н., Копорский Н. С. и др. Численное моделирование оптического канала связи по трассе „атмосфера — граница раздела океан—атмосфера — толща океана" // Авиакосмическое приборостроение. 2005. № 10. С. 23—26.

2. Метод Монте-Карло в атмосферной оптике / Под ред. Г. И. Марчука. Новосибирск: Наука, 1976. 278 с.

3. Ермаков С. М. Метод Монте-Карло и смежные вопросы. М.: Наука, 1975. 471 с.

4. Демин А. В., Журенков А. Г., Яковлев В. А. и др. Моделирование трасс дистанционного оптического зондирования океана // Авиакосмическое приборостроение. 2005. № 10. С. 20—23.

5. Волков О. А., Денисенко С. А., Константинов К. В. Светолокационный измеритель высоты нижней границы облаков ДОЛ-2 // Оптич. журн. 2009. Т. 76, № 10. С. 29—34.

Сведения об авторах

Анатолий Владимирович Демин — д-р техн. наук, профессор; Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики, кафедра информатики и прикладной математики; E-mail: dav_60@mail.ru

Юлия Юрьевна Гатчина — Санкт-Петербургский национальный исследовательский университет

информационных технологий, механики и оптики, кафедра проектирования компьютерных систем; ассистент; E-mail: Gatchina@mail.ifmo.ru Сергей Ильич Жуков — ОАО „ЛОМО", Санкт-Петербург; гл. специалист

Рекомендована кафедрой Поступила в редакцию

информатики и прикладной математики 30.03.10 г.

УДК 004.3

М. А. Аллес, С. В. Соколов, С. М. Ковалев ОПТИЧЕСКИЕ НЕЧЕТКО-ЛОГИЧЕСКИЕ УСТРОЙСТВА

Обсуждается проблема аппаратной реализации нечетко-логических устройств и систем, осуществляющих обработку нечеткой информации. Рассмотрены недостатки существующих микропроцессорных средств обработки. Показаны перспективы применения нечетко-логических устройств, использующих пространственно-распределенные оптические вычисления, рассмотрен пример аппаратной реализации — оптический дефаззификатор.

Ключевые слова: нечеткая логика, микропроцессор, оптические технологии обработки информации, оптический фаззификатор.

Введение. В последние десятилетия резко возрос интерес к различным аспектам проблемы интеллектуального управления. Одно из основных направлений, связанных с решением этой проблемы, — использование аппарата нечетких систем: нечетких множеств, нечеткой логики, нечеткого моделирования и т.п. Применение этого аппарата обусловливает возможность построения систем управления и моделирования в ситуациях, когда традиционные методы неэффективны либо вообще неприменимы из-за отсутствия знаний об объекте управления или сложности его математической формализации [1].

Мировая практика применения аппарата нечетких систем показывает удовлетворительные результаты при построении автоматических и автоматизированных систем в различных отраслях промышленности, транспортной инфраструктуры, проектирования: например, таких, как проектирование промышленных роботов и бытовых электроприборов, управление