CC BY
32
ность прямой передачи результатов вычислений в виде операторов языка ФОРТРАН.
Алгоритм автоматизированных вычислений строится с учетом известных правил определения У-параметров четырёхполюсников, например, на базе методов холостого хода и короткого замыкания [1].
Элементы П-образной схемы замещения описываются соотношениями:
Y1=(-jw(Y12Aw+Cб'эY4Уб'э)+w2Cб'эCкY12-(Y12A0+Y4Убб'Уб'э))/D;
У2=(-jw(У3Aw+CкУ4(Уб'э+Si))+w2Cб'эCк(У3+У4)-У3A0)/D;
У0=(^СкУбб'(81+У4+Уб'э^2Сб'эСкУбб')Ю;
Si=-SiУ4Убб'/D,
где
D=-jwAw+w2Cб'эCк-A0;
Aw=Cб'эY4+Cб'эУбб'+CкSi+CкY4+CкУб'э;
A0=SiУбб'+Y4Убб'+Y4Уб'э+Убб'Уб'э;
У12=1/Я1+1/Я2; У3=1/Я3; У4=1/Я4;
Убб'=1/гбб'; Уб'э=1/гб'э.
Программируя эти формулы на языке ФОРТРАН и численно решая систему
2- , -частотную характеристику Ивых^ резистивного каскада (см. рис. 1,6). Время её расчёта по предложенной модели составило 1,86 секунды, что в 2,7 раза быстрее по сравнению со случаем применения традиционной модели в базисе частотно,
4- .
,
времени будет ещё больше.
ЛИТЕРАТУРА
1. Орличенко А.Н. Практикум по алгоритмической радиоинформатике. Основы программирования. Таганрог: ТРТУ, 1996.
УДК 007:001.362
М. Н. Максимов
РАСПОЗНАВАНИЕ РЕГУЛЯРНЫХ И НЕРЕГУЛЯРНЫХ ОБРАЗОВ ДЕФЕКТОГРАММЫ ЖЕЛЕЗНОДОРОЖНОГО ПОЛОТНА
При дефектоскопии рельсов железнодорожного полотна используется магни-. : -рожным вагоном устанавливается тележка с двумя П-обр^ными сердечниками, на которых намотаны катушки; зазор между полюсами П-образного сердечника и рельсом составляет 3-5 мм; при протекании через катушки постоянного тока происходит намагничивание рельса; между полюсами сердечника на лыже устанавливается искательная катушка; при движении этой системы вдоль железнодорожного
- -
Секция теоретических основ радиотехники
; , поступает на регистрирующее устройство; регистрирующее устройство обеспечивает визуализацию сигнала искательной катушки в приемлемом для оператора виде; оператор, основываясь на своем знании формы регулярных и нерегулярных , .
, (
).
факторов, например, таких, как скорость или величина намагничивания рельса, но благодаря масштабированию изображения дефектограммы по скорости и стандартизации конструктивных и электрических параметров тележки удается формализовать форму различных классов регулярных (стык между рельсами, переезд, стрелка и др.) и нерегулярных (дефект 21.1 и др.) структур.
, , -,
дефектов железнодорожного полотна. Для решения поставленной задачи имеются конкретные представители образов х различных классов регулярной и нерегулярной структуры дефектограммы. Причем выборки х уже разбиты на классы wi
Исходя из общего представления о задаче, можно сделать следующие предположения: случайная величина х распределена по нормальному закону, т.е. условная плотность вероятности р(хМ1) соответствует нормальному распределению со средним значением М1 и ковариационной матрицей Е1, но точное значение указанных параметров неизвестно. Можно также предположить, что выборки х, принадлежащие другим классам, не содержат информации о параметрах М1, Б1, рассматриваемого класса, т.е. предполагается функциональная независимость пара, . -дым классом в отдельности. Сделав такие предположения, сразу попадаем в круг задач, относящихся к классическим задачам математической статистики. Два наиболее общепринятых способа решения поставленной задачи - оценка по максимальному правдоподобию и байесовская оценка. Рассмотрим первый способ.
Воспользуемся результатами математических преобразований, приведенных в [1]. Оценка по максимуму правдоподобия для М1 и Е1 дается выражениями:
где М - среднее значение вектора признаков х; Е - ковариационная матрица; п -размер вектора признаков х.
Предположение о нормальности распределения р(хМі) по результатам эксперимента, оказалось верным для большинства рассматриваемых классов.
Л
Л
После определения условных плотностей вероятности можно перейти к байе. ,
где Р^/Х) - априорная вероятность; р(хМ^Х) - условная плотность вероятности класса wi; Р^/х,Х) - апостериорная вероятность того, что выборка х принадлежит классу wi; X - обозначение совокупности классов wi.
,
условных плотностей вероятности для каждого класса wi на основе байесовского правила можно построить классификатор, который позволит решить задачу автоматизации распознавания образов регулярных и нерегулярных структур дефекто-граммы железнодорожного полотна.
1. Дуда Р., Харт П. Распознавание образов и анализ сцен. М.:Мир, 1976.
УДК 681.518.54
Г.Г. Галустов , О.П. Кандауров ИСПОЛЬЗОВАНИЕ ОЦЕНОК МОМЕНТНЫХ ФУНКЦИЙ, ПОЛУЧАЕМЫХ В РЕЗУЛЬТАТЕ СТОХАСТИЧЕСКОГО КОДИРОВАНИЯ СИГНАЛОВ
Использование в качестве эффективных признаков моментов высших порядков при решении задач классификации сигналов (процессов) позволяет, с одной стороны, укрупнить описание анализируемых процессов, с другой стороны, представить более компактно множество сигналов одного класса. Однако успешное использование моментов стохастически преобразованных процессов в задачах классификации связано с выбором множества вспомогательных опорных процес,
минимальными дисперсиями и тем самым повышать эффективность применяемых .
Известно [1], что при использовании в частном случае в качестве опорного распределения процесса с равномерной плотностью (динамическая интерполяция)
- -нию процесса возрастает и при оценивании уже второго смешанного момента может стать недопустимо большой. Поэтому множество вспомогательных процессов необходимо подвергнуть анализу с позиций получаемых значений оценок дисперсий моментов. Кроме того, моды опорных распределений, как показано в [2], должны быть распределены равномерно по интервалу значений анализируемого (классифицируемого) процесса.
Р( w1 / х, X)
р(х / w!, X) Р(w! / X)
С
ЛИТЕРАТУРА
