CC BY
0
Тихонов Максим Константинович, аспирант, [email protected]. Россия, Красноярск, Сибирский федеральный университет,
Научный руководитель: Непомнящий Олег Владимирович, канд. техн. наук, доцент, [email protected], Россия, Красноярск, Сибирский федеральный университет, 8рт-код:3836-5002, AuthorlD: 394443,
ON SUPPRESSION OF NEGATIVE FEEDBACK IN LOW-FREQUENCY SIGNAL TRANSMISSION D.O. Nepomnyashchy, V.N. Khaidukova, A.G. Khantimirov, M.K. Tikhonov
A review of the problem of suppressing reverberation noise of low-frequency signals is presented, and existing solutions to this problem are analyzed. This study is devoted to the development of a filtering method and algorithm based on the principle of pre-calculation of the correction signal. Also, within the framework of the study was developed a model of hardware filtering of low-frequency signals in real time. The modeling showed how to calculate the correction signal and compensate it without distorting the original signal within the established limits. With a time-varying transient response, it is possible to automatically adjust the filter when there is no signal. The result of the study can be considered a software and hardware solution, including program libraries and embedded hardware components for audio signal processing systems whose purpose is to compensate for acoustic feedback.
Key words: feedback, low-frequency signal, interference, suppression, filtering.
Nepomnyashchy Dmitry Olegovich, master's, [email protected]. Russia, Krasnoyarsk, Siberian Federal University,
Khaidukova Valeriya Nikolaevna, postgraduate, [email protected]. Russia, Krasnoyarsk, Siberian Federal University, Spin-code: 1448-8619, AuthorAD: 1080103,
Khantimirov Anton Gennadyevich, assistant, [email protected]. Russia, Krasnoyarsk, Siberian Federal
University,
Maxim Konstantinovich Tikhonov, postgraduate, [email protected], Russia, Krasnoyarsk, Siberian Federal University,
Scientific adviser: Nepomnyashchy Oleg Vladimirovich, candidate of sciences in technology, docent, [email protected], Russia, Krasnoyarsk, Siberian Federal University, Spin-code: 3836- 5002, AuthorID: 394443
УДК. 796. 05
DOI: 10.24412/2071-6168-2023-12-523-524
ПРИМЕНЕНИЕ МАТЕМАТИЧЕСКИХ МЕТОДОВ В СПОРТИВНЫХ ТРЕНИРОВКАХ ПО ПОДГОТОВКЕ К МАРАФОНУ
А.Г. Павлов, С.В. Тухто, А.А. Тарасов, О.А. Кочетков
Статья посвящена разработке предложений по формированию программы тренировок при подготовке к марафону на основе динамического программирования по принципу Беллмана, что позволяет оптимизировать работу, как профессиональных спортсменов, так и любителей.
Ключевые слова: марафон, математическое программирование, принцип Беллмана, программа тренировок.
Без правильно поставленной цели в беге, как, в принципе, и во всём, за что человек не берется, не добиться успеха. Если ты только полюбил пробежки, не стоит поднимать планку слишком высоко и сразу регистрироваться на марафон. Пробежал 5 км - закрепи результат на забеге, справился с 10 км - улучшай время, осилил полумарафон - не сдавайся и продолжай путь к лучшей версии себя [1].
И вот ты уже прошёл все этапы, следующий рубеж - 42,2 км - одновременно и пугающая, и завораживающая цифра. Чтобы марафон принёс удовольствие, а подготовка и сам забег обошлись без травм, нужно начать длительный процесс подготовки минимум за 16 недель до старта, но чем раньше, тем лучше, чтобы организм мог легче переносить нагрузки [2].
Использование методов математического программирования для формирования программы тренировок. Любая четко сформулированная цель может быть решена одним или несколькими методами оптимизации. Методы оптимизации эффективно применяются в самых различных областях человеческой деятельности. Особенно значительные успехи достигнуты при проектировании и анализе больших организационно-технических систем, чего не скажешь о физической подготовке. В настоящее время для специалистов знание методов оптимизации является столь же необходимым, как знание основ математики, физики, биологии и других дисциплин. Процесс оптимизации лежит в основе любой деятельности, поскольку практически любая решаемая задача относится к оптимизационным. Речь может идти о совершенствовании тренировок, формирования рационального питания, принятия рационального решения по конкретному вопросу, не осуществляя полного перебора возможных вариантов и не производя оценки их всех.
В зависимости от особенностей целевой функции F(x) и функций, задающих ограничения, в математическом программировании принято выделять ряд разделов [3], представленных на рисунке 1.
523
Рис. 1. Разделы математического программирования
С учетом сложности решения задачи разработки тренировочного процесса, наиболее эффективным видится динамическое программирование.
Итерационный метод решения дискретных задач динамического программирования. Решение задачи оптимального распределения нагрузки тренировочных процессов даже в простейшем случае довольно сложно. Оно в значительной степени упрощается при представлении ее в дискретной форме. Разобьем интервал времени [¿о,^] на N интервалов таких, что внутри каждого из них управление х(Г) можно считать постоянным. При этом задача на одном шаге предельно упрощается, поскольку становится скалярной. Естественно, что легче много раз решить скалярную задачу оптимизации, чем один раз векторную. Кроме того, будем считать, что на каждом интервале имеет место всего I вариантов различных состояний (рис. 2).
Требуется перевести систему из начального состояния в конечное за т шагов, оптимальным способом минимизируя [4]
Ф = Щ^С^хд.
д\
* \ 1
ь \
2 -N-1-0 -Ышаг
Рис. 2. Скалярное представление векторной задачи
На первый взгляд кажется, что задача может быть решена методом перебора. Просчитывая значения целевого функционала для каждого из возможных маршрутов, следует выбрать оптимальный из них. Однако легко видеть, что число маршрутов равно № и при больших I и N решить задачу не представляется возможным.
Задача решается как для непрерывного случая. Получаем уравнение Беллмана с непрерывным временем, из которого однозначно следует алгоритм нахождения оптимальной траектории. На основе принципа Беллмана он начинается с конечной точки К, «пятясь» к начальной точке Н.
Для каждого состояния предпоследнего ^-1)-го шага находим перебором из I вариантов оптимальную траекторию перехода в точку К, дающую минимум приращения целевого функционала Ф. Результаты можно представить в форме табл. 1. Затем переходим к I исходным точкам предыдущего ^-2)-го шага, находим для них оптимальную траекторию в конечную точку К и снова заполняем таблицу.
При этом суммарное значение ДФтп для двух последних шагов берется из предыдущей таблицы. Аналогичные действия совершаются на каждом последующем шаге, пока не дойдем до начальной точки Н. В результате получаем решение всей задачи, т. е. оптимальную траекторию в целом. Последовательность перехода из состояния в данном шаге в состояние на последующем шаге есть управление системой. Тем самым вырабатывается оптимальное управление. Кроме того, получаем и значение ФШ1п функционала качества. При этом на каждом шаге выбирался один из I оптимальных маршрутов для каждой исходной точки. Всего такая операция проводилась ЫNраз.
Результаты приращения, функции
Таблица 1
Номер начальной точки ^-1)-го шага 1 2 1
Значение ДФШ1п за два шага: N-1 и N
Пример реализации принципа Беллманав спортивных тренировках по подготовке к марафону. На
рисунке 3 показаны возможные планы тренировок. Каждый шаг это отдельная неделя, в рамках которой кружками отмечены варианты тренировочного процесса. На линиях, соединяющих недели степень сложности восстановления организма. Далее задача решается легко. В кружках отмечено значение ДФШ1п, а стрелкой из каждого круга - оптимальное направление. Оптимальная траектория показана жирной линией.
Рис. 3. Пример реализации принципа Беллмана
С учетом вышесказанного приведем выработанное решение в табличном виде (табл. 2).
Таблица 2
Результаты приращения функции____
Номер начальной точки (Л-1)-го шага, недели начало 1 2 3 4 конец
Значение ДФтт за два шага: Л-1 и Л, км 5 14 17 24 32 42,2
Так реализуется принцип Беллмана в спортивных тренировках по подготовке к марафону в общем случае.
Результаты проведенного эксперимента по программе тренировок, основанной на алгоритме Беллмана. Для наглядного отображения и доказуемости разработанной теории был проведен эксперимент с группой спортсменов, готовящихся к забегу на марафонскую дистанцию.
К эксперименту были привлечены 30 мужчин разных возрастов со средним временем прохождения дистанции 4 часа, которое они показали в рамках марафона «Белые ночи» 2022. Все спортсмены были разделены на две подгруппы, где первая подгруппа занималась по стандартной методике, а вторая - по методике, описанной в данной статье. Для сравнения успешности тренировок один раз в месяц спортсмены пробегали марафонскую дистанцию, временные результаты которых представлены на рисунке 4 (сплошная линия - результаты спортсменов, тренирующихся по предложенной методике, пунктирная - по стандартной методике).
Т, мин
Рис. 3. График контрольных замеров в ходе разных программ тренировок
Из графика видно, что предложенная методика наиболее эффективна для тренировок и позволит максимально быстро и качественно подготовиться к Вашему главному забегу.
Заключение. Описанный метод математического программирования позволяет составить оптимальный план тренировок не только для подготовки к марафону, но и других видам спорта.
Однако одного плана тренировок не достаточно воля и целеустремленность - вот залог к успеху, а лучший способ тренировки воли это доводить начатое дело до конца.
Список литературы
1. Буренкова А.А. Мой первый марафон: 20 недель на подготовку Университет ИТМО - 2016, С. 43-49.
2. Бочкарева С.И., Высоцкая Т.П., Ростеванов А.Г., Копылова Н.Е. Современные аспекты адаптивной физической культуры: социальная, физическая и психологическая составляющие // Известия ТулГУ. Физическая культура. Спорт. Вып. 1, 2022. С. 9-17.
3. Одоевский С.М., Лебедев П. В. Математические методы анализа и синтеза инфокоммуникационных систем и сетей специального назначения: Учеб. пособие. СПб.: ВАС, 2022. 376 с.
4. Лебедев П.В. Методика повышения устойчивости функционирования инфокоммуникационной сети на основе выработки оптимальных управляющих воздействий Известия Тульского государственного университета. Технические науки. Вып.3, 2020. С. 10-17.
Павлов Григорий Александрович, старший преподаватель, [email protected], Россия, Санкт-Петербург, Военная академия связи,
Тухто Сергей Владимирович, старший преподаватель, [email protected], Россия, Санкт-Петербург, Военная академия связи,
Тарасов Антон Александрович, слушатель, [email protected], Россия, Санкт-Петербург, Военная академия связи,
Кочетков Олег Александрович, слушатель, [email protected], Россия, Санкт-Петербург, Военная академия связи
APPLICATION OF MATHEMATICAL METHODS IN SPORTS TRAINING IN PREPARATION FOR THE MARATHON
A.G. Pavlov, S.V. Tukhto, A.A. Tarasov, O.A. Kochetkov
The article is devoted to the development ofproposals for the formation of a training program in preparation for a marathon based on dynamic programming according to the Bellman principle, which allows optimizing the work of both professional athletes and amateurs.
Key words: marathon, mathematical programming, Bellman principle, training program.
Pavlov Grigory Alexandrovich, senior lecturer, [email protected], Russia, St. Petersburg, Military Academy of Communications,
Tukhto Sergey Vladimirovich, senior lecturer, [email protected], Russia, St. Petersburg, Military Academy of Communications,
Tarasov Anton Alexandrovich, listener, [email protected], Russia, St. Petersburg, Military Academy of Communications,
Kochetkov Oleg Alexandrovich, listener, [email protected], Russia, St. Petersburg, Military Academy of Communications
УДК 65.11
DOI: 10.24412/2071-6168-2023-12-526-527 ОЦЕНКА РАБОТЫ ОРГАНИЗАЦИИ С ПОМОЩЬЮ ПРОЦЕССА ОБРАТНОЙ СВЯЗИ С КЛИЕНТАМИ
Г.Г. Воронов, Н.Л. Клейменова, Г.Г. Воронов, А.И. Соляник
В статье рассмотрены механизмы для получения обратной связи с потребителем. В соответствии с требованиями стандарта требованием стандарта ГОСТ Р ИСО 9001-2015 одним из элементов системы менеджмента качества является процесс обратной связи с клиентами. Проранжированы и выявлены риски при внедрении процесса анкетирования, представлена стратегия реагирования на риски, предложены инструменты и назначены владельцы процесса получения обратной связи. Рассмотрены метод сбора данных, которые предоставляются компаниям, а также факторы и обстоятельства необходимые для внимания. Предложено внедрение искусственный интеллект - RoboVoice. Разработан шаблон анкеты обратной связи для оценки индекса удовлетворенности заказчика на платформе Surveymonkey.
Ключевые слова: система менеджмента качества, клиенты, обратная связь.
Ключевым требованием стандарта ГОСТ Р ИСО 9001-2015 является требование к внедрению эффективных механизмов для получения обратной связи с потребителем [1, 2]. Процесс обратной связи с клиентами является важной частью системы менеджмента качества и одним из основных показателей результативности, который может быть использован для оценки общей работы организации [3, 4]. Данную функцию в компании выполняет колл-центр. Обработка отзывов об организации, увеличение лояльности клиентов и выяснение их удовлетворенности остается не проработанным процессом [5].
Проведен расчет рисков по методике комбинированной оценки процессов организации, приоритизации с учетом ожиданий заинтересованных сторон с применением оцифровки вероятности (табл. 1).
Проранжированы и выявлены риски при внедрении процесса получения обратной связи. Определен уровень приоритета, назначены ответственные и разработаны корректирующие мероприятия (табл. 2).
Необходимо учитывать какой ожидаемый результат отклика клиента. Важно помнить, что организация имеет более одной категории клиентов и оказывают большой перечень услуг [6]. В этом в случае организации может потребоваться обратиться ко всем типам заинтересованных сторон, которые могут иметь разное восприятие. Организация может удовлетворять одну группу и нарушать требования другой. Часто жалобы являются единственной спонтанной обратной связью, полученной от клиентов, они должны быть проанализированы на предмет любых тенденций, ключевых проблем, воздействий и т.д.
