CC BY
61
Литература
1. Евдокимов, Ю.К. LabVIEW для радиоинженера: от виртуальной модели до реального прибора / В.Р. Линдваль, Г.И. Щербаков // Практическое руководство для работы в программной среде LabVIEW. М.: МДК Пресс, 2007. 400 с.
2. Андреев, В.И. Педагогика высшей школы: инновационно-прогностический курс / В.И. Андреев. Казань: Центр инновационных технологий, 2005. 466 с.
3. Байденко, В.И. Компетенции в профессиональном образовании (К освоению компетентностного подхода) / В.И. Байденко // Высшее образование в России. 2004. № 11. С. 3-13.
4. Зимняя, И.А. Ключевые компетенции - новая парадигма результата образования / И.А. Зимняя // Высшее образование сегодня. 2002. № 5. С. 34-42.
Особенности современной цифровой обработки сигналов
Хобер Дмитрий Вадимович ([email protected])
ГОУВПО «Марийский государственный университет», г. Йошкар-Ола
Аннотация
Приводится сравнение результатов классических и параметрических методов спектрального оценивания сигналов радиофизического зондирования ионосферы. Также приводятся результаты очистки сигнала от шума с помощью обработки его вейвлет-коэффициентов.
В настоящее время сигналы радиофизического зондирования ионосферы представляется возможным преобразовывать в файлы с расширением wav. Для них развиваются различные методы обработки. Мы исследовали эффективность использования данных методов для сигналов зондирования ионосферы. Данные методы реализованы в виде функций системы Matlab. Было проведено сравнение результатов классических и параметрических методов, полученных в системе Matlab.
При использовании классических (непараметрических) методов расчета спектра случайного процесса используется только информация, заключенная в отсчетах сигнала, без каких-либо дополнительных предположений. Наиболее популярным непараметрическим методом, согласно [2], является метод Уэлча. Вычисления при использовании метода Уэлча (он называется еще методом усреднения модифицированных периодограмм - averaged modified periodogram method) организуются следующим образом:
Вектор отсчетов сигнала делится на перекрывающиеся сегменты.
Каждый сегмент умножается на используемую весовую функцию.
Для взвешенных сегментов вычисляются модифицированные периодограммы.
Периодограммы всех сегментов усредняются.
Использование параметрических методов подразумевает наличие некоторой математической модели анализируемого случайного процесса. Спектральный анализ сводится в данном случае к решению оптимизационной задачи, то есть поиску таких параметров модели, при которых она наиболее близка к реально наблюдаемому сигналу. Метод MUSIC (Multiple Signal Classification) предназначен для спектрального анализа сигналов, представляющих собой сумму нескольких синусоид (точнее, в общем случае - нескольких комплексных экспонент) с белым шумом. Целью спектрального анализа подобных сигналов, как правило, является не расчет спектра как такового, а определение частот и уровней (амплитуд или мощностей) гармонических составляющих. Метод MUSIC предназначен именно для этого, поэтому получаемая с его помощью зависимость уровня сигнала от частоты называется псевдоспектром (pseudospectrum). В основе данного метода лежит анализ собственных чисел и собственных векторов корреляционной матрицы сигнала.
Рис. 1. Графики спектров: (а) БПФ, (б) метод Уэлча и (в) метод MUSIC
Информационные технологии в обучении 201
На рисунке 1 изображены графики спектров, полученных с помощью быстрого преобразования Фурье (БПФ), метода Уэлча и метода MUSIC.
Сигнал зондирования не всегда является квазигармоническим. Так как параметрические методы основаны на предсказании, они не всегда дают хорошие результаты.
Еще одним методом цифровой обработки сигналов является обработка вейвлет-коэффициентов для удаления шума.
При вейвлет-анализе сигнал раскладывается на аппроксимирующие коэффициенты, которые представляют сглаженный сигнал, и детализирующие коэффициенты, описывающие колебания. При удалении шума обрабатывают обычно детализирующие коэффициенты. Шумовая компонента представляет собой сигнал, меньший по модулю, чем основной. Поэтому простейший способ удаления шума состоит в том, чтобы сделать нулевыми значения коэффициентов, меньшие некоторого порогового значения. Эта процедура называется пороговой обработкой (трешолдингом) коэффициентов. Широкое распространение получили такие методы пороговой обработки, как жесткий трешолдинг и мягкий трешолдинг. При жесткой пороговой обработке сохраняются неизменными все коэффициенты, большие или равные по абсолютной величине порога т, а меньшие коэффициенты обращаются в нуль. При мягкой пороговой обработке наряду с обращением в нуль коэффициентов, по модулю меньших, чем т, происходит уменьшение по модулю остальных коэффициентов на величину т.
При решении задачи шумоподавления необходимо: оценить спектральный состав шумовой компоненты, выбрать тип пороговой обработки (трешолдинга) и критерий расчета самого порога.
От выбора порогового уровня фона (оценки дисперсии шума) зависит качество шумоподавления сигнала, оцениваемое в виде отношения сигнал/шум. Поиск оптимального значения означает отыскание такого порога, который при наименьшем смещении восстановленного сигнала обеспечивает наибольшее значение отношения сигнал/шум.
Таким образом, процедура удаления шума состоит из трех шагов:
1. Декомпозиция. Выбирается вейвлет и уровень разложения N. Вычисляется вейвлет-разложение исходного сигнала до уровня N.
2. Пороговая обработка детализирующих коэффициентов. Для каждого уровня от 1 до N выбирается порог и применяется мягкая или жесткая пороговая обработка детализирующих коэффициентов.
3. Реконструкция. Производится вейвлет-реконструкция, основанная на первоначальных аппроксимирующих коэффициентах уровня N и модифицированных детализирующих коэффициентах уровней от 1 до N.
Данный метод также реализован в виде функции системы Matlab. Исследовались как сигналы с выхода приемников, так и результаты спектральной оценки этих сигналов. На рисунке 2 изображены графики сигнала, очищенного сигнала и очищенного спектра сигнала.
Рис. 2. Графики (а) сигнала, (б) очищенного сигнала, (в) спектра сигнала и (г) очищенного спектра сигнала
Если во временной области сигнала всегда можно использовать обработку вейвлет-коэффициен-тов для удаления шума, то в спектральной области необходимо, чтобы выделяемые сигналы находи -лись на однородном фоне.
Литература
1. Добеши И. Десять лекций по вейвлетам. Ижевск : НИЦ «Регулярная и хаотическая динамика», 2001. 464 с.
2. Марпл.-мл. С.Л. Цифровой спектральный анализ и его приложения: Пер. с англ. М. : Мир, 1990. 584 с.
3. Сергиенко А.Б. Цифровая обработка сигналов. СПб : Питер, 2003. 604 с.
4. Смоленцев Н.К. Основы теории вейвлетов. Вейвлеты в МЛТЬЛБ. М. : ДМК Пресс, 2005. 304 с.
Системный подход к разработке и применению
ЭЛЕКТРОННЫХ УЧЕБНО-МЕТОДИЧЕСКИХ КОМПЛЕКСОВ В ПРОФЕССИОНАЛЬНОЙ ПОДГОТОВКЕ СПЕЦИАЛИСТОВ КОЛЛЕДЖА
Хорошавина Татьяна Викторовна ([email protected])
ГОУСПО РМЭ «Торгово-технологический колледж» («ТТК»), г. Йошкар-Ола
Аннотация
В статье представлен опыт поэтапной разработки и применения электронных учебно-методических комплексов в профессиональной подготовке специалистов колледжа на основе системного модульного подхода.
Разработка и внедрение инновационных электронных учебно-методических комплексов в профессиональное образование является необходимым условием, позволяющим повысить качество и эффективность подготовки современных специалистов. Актуальность разработки и применения ЭУМК подтверждает их преимущества по сравнению с традиционными УМК:
- сокращается время на создание учебных материалов на электронных носителях по сравнению с бумажными, быстрая их модернизация;
- интегрируются значительные объемы информации на одном носителе;
- технология мультимедиа позволяет ярко и наглядно представить учебный материал;
- обеспечивается модульная структура учебной дисциплины, позволяющая регулировать степень детализации материала, а также интеграцию его в другие курсы;
- гипертекстовая технология предоставляет возможность индивидуальной траектории обучения;
- предоставляется возможность самопроверки полученных знаний;
- ускоряется процесс тестирования и проверки знаний и навыков, отслеживание и направление траектории обучения.
Поскольку создание электронных учебно-методических комплексов является достаточно длительным и трудоемким процессом, то при его проектировании и разработке должны быть обязательно учтены фундаментальные принципы педагогики, дидактики, методики, психологии, эргономики, информатики и других наук. Данные принципы лежат в основе системного модульного подхода к разработке и при -менению ЭУМК в профессиональной подготовке.
Оценивая практическую значимость и образовательные возможности электронных учебно-методических комплексов дисциплин (предметов) в ГОУ СПО РМЭ «Торгово-технологический колледж» данному вопросу уделяется серьезное внимание.
В рамках реализации Программы развития колледжа, Программы информатизации образовательного процесса колледжа, инновационной образовательной программы «Подготовка компетентных специалистов для общественного питания и гостиничного сервиса в условиях Центра непрерывного образования» разработан системный модульный подход по подготовке и эффективному применению электронных учебно-методических комплексов дисциплин и специальностей, включающий следующие модули:
Первый модуль - «Нормативный» - изучение и разработка нормативных документов, приказы, локальные акты о разработке и применении ЭУМК.
Электронный УМК должен содержать необходимый для самостоятельного обучения материал, блок практических и тестовых заданий для контроля полученных знаний по заданной теме. Кроме того, в отличие от печатного учебника, электронный курс должен обеспечить:
