CC BY
10Системы телекоммуникации, устройства передачи, приема и обработки сигналов
УДК 621.26
Д. И. Иванов, И. А. Цикин
Санкт-Петербургский государственный политехнический университет
Сетевая реализация стохастических моделей радиотехнических устройств
Рассматривается проблема реализации удаленного сетевого коллективного доступа к компьютерным моделям радиотехнических устройств, требующим сравнительно большого объема вычислений.
Сетевой доступ, стохастические модели, Интернет, коллективный доступ
В настоящее время как в научных исследованиях, так и при использовании современных технологий обучения широко применяются методы компьютерного моделирования физических процессов и явлений. Эта эффективная процедура дает возможность целостного изучения поведения наиболее сложных систем как реально существующих, так и создаваемых для проверки теоретических гипотез [1]. Задача существенно усложняется, когда оказывается необходимым использовать методы статистических испытаний, ввиду традиционно большой вычислительной емкости данных процедур. Как пример можно привести область задач, связанных с оптимизацией алгоритмов обработки радиотехнических сигналов в различных условиях, в том числе при сложной помеховой обстановке. Зачастую такие задачи трудно решаются аналитическими способами.
Подобные задачи моделирования можно решать на основе специализированных баз данных, куда занесены результаты предварительных расчетов, однако такой метод обладает весьма малой гибкостью. С другой стороны, часто используется метод публикации приложений в сети Интернет на основе Java- и Flash-технологий, но при этом вычислительная нагрузка перекладывается на компьютер пользователя, что ограничивает сложность реализуемых моделей.
Современные информационные технологии позволяют реализовывать модели, требующие больших вычислительных ресурсов, без необходимости наличия мощного компьютера у конечного пользователя. В таком случае всю вычислительную нагрузку берет на себя сервер [2]. Дополнительные трудности при этом связаны с необходимостью обеспечить одновременный доступ большого числа пользователей при сравнительно большом времени, затрачиваемом на вычислительные процедуры. Так, для получения достоверных статистических результатов, например при оценке вероятностей ошибочного приема сиг-
6 7
налов на уровне 10- , требуется не менее 10 циклов экспериментов, что даже при со-
34 © Иванов Д. И., Цикин И. А., 2006
временном уровне быстродействия ПК требует нескольких минут обработки для оценки лишь одного значения искомой вероятности. Поэтому актуальной является задача создания комплексов моделирования, адаптированных к многопоточной обработке таких задач в условиях коллективного доступа.
Одним из перспективных решений данной задачи является реализация системы коллективного доступа в рамках использования HTML, HTTP и других элементов Интернета на основе технологии "клиент-сервер" с использованием в качестве программного клиента Интернет-браузера. В задачи исполняющего серверного приложения при этом входит обеспечение параллельной работы пользователей с моделью, с реализацией по возможности инвариантных к виду модели способов улучшения характеристик качества обслуживания, например механизма кэширования результатов.
Целью настоящей статьи является анализ возможных путей решения обозначенных проблем на основе современных информационно-телекоммуникационных технологий, в частности на основе технологий Интернета, на примере типичной радиотехнической задачи оценки эффективности алгоритмов обработки сигналов. В статье анализируется реализация системы коллективного асинхронного сетевого доступа к компьютерным моделям, предусматривающим относительно большой объем вычислений, и рассмотрен способ улучшения показателей качества обслуживания.
Особенности сетевого удаленного доступа к моделям. Для организации моделирования необходимо специальное программное обеспечение, в котором можно описать модель и создать инструментарий для ее управления. В результате модель принимает облик исполняющего приложения с управлением параметрами моделирующего алгоритма посредством интерфейса. Может также существовать иерархия исполняющих приложений, каждое из которых управляет параметрами других. Этот подход позволяет строить сложные системы моделирования с использованием распределенного программирования, когда каждый блок системы описывается оптимальным для него языком программирования, причем важной задачей в данном случае является обеспечение взаимодействия таких блоков.
Сетевая ориентация накладывает специфические требования на организацию рассматриваемых структур. Важно наладить механизм взаимодействия нескольких пользователей с одним моделирующим алгоритмом (в конечном итоге, с приложением-моделью) независимо друг от друга, обеспечив обмен информацией между пользователями и алгоритмом по компьютерным сетям.
В настоящее время существуют разработки систем удаленного доступа к моделям, в том числе базирующихся на использовании в качестве клиента обычного Интернет-браузера (см., например, [3]), но в подобных разработках, как правило, не рассматривается проблематика множественного обслуживания поступающих заявок с учетом сравнительно длительного времени собственно вычислительной процедуры моделирования.
Удаленный доступ к компьютерным моделям на основе WEB-среды. Одним из перспективных решений задачи удаленного доступа к модели представляется реализация системы в рамках уже установившихся сетевых стандартов представления и передачи информации, а именно использование HTML, HTTP и других элементов Интернета, которые
Рис. 1
приспособлены для передачи и представления информации в среде низкоскоростных каналов доступа. На сегодняшний день таковыми можно считать, например каналы с использованием модемов для телефонных коммутируемых линий.
Следует отметить, что даже в среде высокоскоростных каналов при наличии большого количества одновременно работающих пользователей может возникнуть ситуация, когда часть пропускной способности канала, выделяемая на каждого пользователя, может уменьшиться до значений пропускной способности, свойственной низкоскоростным каналам.
Рассмотрим взаимодействие частей разрабатываемой системы удаленного доступа к моделям при ее реализации на основе концепции "клиент-сервер". Система делится на четыре основные составные части: исполняющее приложение, Web-сервер, коммуникационный шлюз, Web-браузер пользователя (рис. 1).
Исполняющим приложением является, по существу, непосредственно программный комплекс, реализующий моделирование. В простейшем случае таковым может служить Multi Desktop Interface (MDI) - Windows-приложение, способное перерабатывать одновременно несколько моделей, являющихся копиями основного моделирующего алгоритма, но с различными начальными условиями. Это обеспечит возможность использования одного моделирующего алгоритма несколькими пользователями.
В качестве коммуникационного шлюза целесообразно использовать CGI-сценарий, который работает в среде Web-сервера и при этом обеспечивает взаимодействие с исполняющим приложением. Данная программа занимается разбором и оформлением полученных от исполняющего приложения данных, а также посылкой ему команд управления. При этом сохраняется достаточная гибкость средств разработки с помощью Web-программирования.
Реализуя такую систему в рамках уже установившихся сетевых стандартов представления и передачи информации (HTML, HTTP и других элементов Интернета), становится возможным использовать низкоскоростные каналы доступа к модели, поскольку указанные протоколы могут быть с успехом реализованы и в таких каналах. При этом сохраняется достаточная гибкость средств разработки с помощью Web-программирования.
Пример стохастической модели. В качестве примера модели, требующей сравнительно большого объема вычислений, рассмотрим модель дискретного канала системы распределенного мониторинга, обеспечивающей периодический опрос ряда объектов для получения информации об их текущем состоянии. Данная информация содержится в пакетах, передаваемых по исследуемому дискретному каналу.
Целью моделирования является оценка вероятности правильного приема пакета и вероятности трансформации сообщения, а также вероятности обнаружения ошибок (иначе говоря, вероятности отбраковки пакета) при заданных параметрах дискретного канала. В рассматриваемой далее модели предполагается использование симметричного дискретного канала без памяти, когда основным параметром является вероятность ошибки на бит P [4].
Моделирование производится циклами заданное число раз. Характерными чертами при этом являются стохастичность модели, а также относительно большой объем вычислений для получения искомых вероятностей анализируемых решений. С практической точки зрения, обычно для таких систем представляет интерес рассмотрение вероятности ошибок на бит по-
_ з
рядка 10 и менее. При этом вероятность трансформации как более редкого события оказывается порядка 10_6 и ниже. Следовательно, для проведения адекватного моделирования необходимо порядка 10 испытаний (циклов) для оценки одного значения искомой вероятности.
Типичный информационный пакет включает в себя информационную часть и байты (один или более, обычно не более трех) контрольной суммы (КС), представляющей собой результат специальных операций над символами пакета. Информационная часть, как правило, содержит 4...10 байт и включает в себя идентификационный номер (адрес), один служебный байт, один байт длины, а также непосредственно информацию о состоянии объекта в информационном поле, длина которого зависит от передаваемого сообщения.
Каждый цикл моделирования можно разделить на три фазы: генерации пакета; моделирования искажений, вносимых каналом; моделирования процедуры обнаружения ошибок.
При реализации первой фазы информационная часть пакета (включая его длину) считается случайной, что вынуждает сформировать пакет, используя механизмы генерации случайных чисел. После этого производится вычисление байтов КС.
Далее (вторая фаза) также с помощью механизма генерации случайных чисел моделируются искажения, вносимые в пакет. В результате завершения этой фазы получают пакет с возможными искажениями.
На третьей фазе моделируется процесс проверки (процедуры обнаружения ошибок). При этом производится расчет байтов КС принятого пакета, которые сравниваются с хранящимися в данном пакете байтами КС. В случае их несовпадения пакет идентифицируется как искаженный и инкрементируется счетчик отброшенных пакетов. В противном случае производится побайтовое сравнение принятого пакета с исходным, и если есть несовпадение, то инкрементируется счетчик трансформаций.
Реализация многопользовательского режима. Такой режим может быть реализован на основе организации мультизадачности на сервере моделей. Текущий уровень развития вычислительной техники уже обладает сформировавшимся инструментарием для разработки подобных приложений [5]. Организация мультизадачности основывается на понятии "поток", или "нить" (thread), широко используемом в современных версиях операционой системы (ОС) Windows [5], [6]. Оперируя этими программными абстракциями, представленными стандартными методами ОС, можно описать приложение, функции которого обслуживаются разными потоками, т. е. выполняются параллельно. Следует отметить, что по-
ток может быть отдан операционной системой на обработку любому (любым) процессо-ру(ам), если ПК является мультипроцессорным. Это существенно ускоряет выполнение каждой программы при параллельном режиме работы. Именно использование концепции потоков при создании сетевого приложения и позволяет обеспечить возможность организации удаленной работы с этим приложением нескольким пользователям одновременно.
Показатели качества обслуживания и результаты их измерения. При оценке качества обслуживания важным является выбор параметров и критериев, исходя из которых можно оценить работу тестируемой системы удаленного доступа к компьютерным моделям количественно. Определение критериев оценки влечет за собой задачи поиска путей их измерения, а также улучшения этих показателей.
Одним из наиболее важных (с точки зрения приложений удаленного сетевого доступа) параметров можно считать среднее время, затрачиваемое на обслуживание одной заявки пользователя в условиях наличия других аналогичных заявок, поступающих в систему с определенной интенсивностью. Подобные задачи решаются при организации Web-серверов, но в данном случае особенностью является относительно длительное время получения результатов после инициирования процесса моделирования. При этом важным фактором является оценка средней длительности одного процесса моделирования (времени обслуживания) в зависимости как от числа одновременно подключенных пользователей, так и от интенсивности поступления заявок.
Кроме того, важными параметрами также являются:
• объем оперативной памяти, занимаемый программным комплексом, в зависимости от числа одновременно выполняемых процессов моделирования;
• длительность операции обновления информации о текущем состоянии процесса моделирования, отсчитываемая от момента подачи запроса браузером до получения данных, в зависимости от числа одновременно подключенных пользователей;
• объем передаваемых по сети данных для одного пользователя.
Для измерения длительности одного процесса моделирования t на стадии разработки системы была предусмотрена переменная, в которой после окончания расчетов сохранялось время выполнения задачи. Результат измерений представлен на рис. 2 (Ы - число одновременно подключенных пользователей). На рис. 3 представлена зависимость средней длительности одного процесса моделирования tср от порядкового номера (индекса) заявки п при заданной интенсивности поступления заявок к.
t, с
120
80
40
0
0
1
5
10
Рис. 2
15
N
1
20
40 60 Рис. 3
80
п
======================================Известия вузов России. Радиоэлектроника. 2006. Вып. 4
Объем оперативной памяти, занимаемый программным комплексом на серверной части, в большей степени определяется исполняющим приложением. В случае реализации упомянутой ранее стохастической модели утилизация памяти не превысила 3 Мбайт при 20 одновременно запущенных задачах. Следует отметить, что требования к оперативному запоминающему устройству в большей степени определяются спецификой модели.
Длительность операции обновления информации о текущем состоянии процесса моделирования ¿обн, отсчитываемая от момента подачи запроса браузером до получения данных, в зависимости от числа одновременно подключенных пользователей N может быть измерена при помощи специальной страницы на стороне клиента. В этом случае при помощи специальной JavaScript-подпрограммы сохраняется время момента отправки браузером запроса, которое впоследствии вычитается из времени момента полного прихода ответной страницы. Результат измерений представлен на рис. 4.
Объем передаваемых по сети данных может быть определен анализом файлов отчета Web-сервера в условиях, когда он занимается только обслуживанием модели. Информация о величине этого объема может быть получена также и от программы мониторинга сетевого интерфейса клиента (обычно, такие средства встраиваются в персональные fire-wall'bi, например, Outpost Firewall). Для рассмотренного примера стохастической модели
7
при проведении пользователем одного статистического эксперимента, содержащего 10 циклов, приложение Internet Explorer передало по сети 48.3 Кбайт данных.
Реализация кэширования. При обработке системой обслуживания большого потока заявок рано или поздно наступает момент, когда параметры заявок начинают повторяться. В таком случае целесообразно не проводить процесс вычислений заново, а взять результаты из некоторой базы данных (БД). Отсюда следуют задача реализации подобного хранилища, а также задача реализации механизма выборки результатов из этого хранилища по определенным критериям [7].
В разработанной системе использовался механизм кэширования на основе обычного бинарного файла, элементы записи (строки) в котором представляли из себя отсортированный по параметрам массив. При поступлении на исполняющее приложение команды о начале моделирования с определенным вектором входных параметров сначала производился поиск по хранилищу соответствующих результатов. В случае удачного поиска модель не запускалась, а пользователю сразу же выдавались найденные результаты. При этом важно организовать узкоспециализированные для каждого параметра критерии отбора. Так, например для количества циклов, более важным является порядок числа, а не конкретное цифровое значение. Разумеется, каждая конкретная модель формирует свои критерии к выборке параметров, и, следовательно, на стадии проектирования необходимо сконфигурировать блок
^обн, с
4.4
2.2
0 I—■!—II—II—I
п
10
N
Рис. 4
1
5
кэширования в соответствии с этими критериями. В случае, если все элементы вектора входных параметров соответствовали по выбранным критериям сравнения какой-либо строке в хранилище, то такая строка засчитывалась за подходящую и ассоциированные с ней результаты ранее проведенного эксперимента использовались в качестве ответа на заявку. Для ускорения выборки использовался метод дихотомии.
В рассмотренном ранее примере модели рассматривался вектор входных параметров
1п = {N, Р, М}, причем его составляющие определялись следующим образом: N = 10г - число операций на один процесс моделирования (г - случайное целое число из диапазона 4.. .7);
Р = 10-р (р - целое случайное число из диапазона 3.6; М- длина информационной части (случайное число из диапазона 4.10). Приведенные значения можно считать типичными применительно к рассматриваемому примеру модели. Поскольку не было оснований отдать предпочтение каким-либо значениям величин, они считались распределенными равномерно.
Таким образом, в использованной модели после инициирования операции запуска процесса моделирования вначале анализировался вектор входных параметров 1п = {N, Р, М}, после чего принималось решение о начале процесса вычислений или о возможности использования результатов, хранящихся в кэш-памяти. При выборке результатов из кэшпамяти для входных параметров допускался некоторый интервал нечувствительности. Так, например для общего числа операций Я и значения вероятности ошибки на бит Р, пользователь вводил точные желаемые значения, однако в процессе моделирования учитывались лишь порядки этих величин. Напротив, диапазон вариаций длины информационной части М весьма ограничен (4... 10), так что при моделировании требовался учет точного значения этого параметра. В целом интервал нечувствительности в статистическом моделировании для каждого параметра должен быть увязан с доверительным интервалом выходных параметров, которые необходимо получить в результате моделирования.
В итоге проведенных исследований были получены зависимости, представленные на рис. 5, из которых следует, что при низком значении интенсивности (к = 1) время обработки одной заявки меньше интервала их поступления. При возрастании интенсивности с некоторого момента использование механизма кэширования начинало благоприятным образом сказываться на среднем времени выполнения, так как вероятность нахождения в кэш-памяти готового результата возрастала с окончанием обработки каждой заявки.
Таким образом, применение механизма кэширования является целесообразным и может существенно снизить время обслуживания при решении подобных задач. Тем не менее, из рис. 5 следует, что при больших значениях интенсивности (к > 20) скорость поступления заявок много больше, чем время их обработки и, следовательно, вероятнее всего сервер перегрузится раньше, чем начнет сказываться механизм исполь-40 60 80 п зования кэш-памяти, что и произошло при Рис. 5 проведении эксперимента в этом случае.
t, с
Проведенные исследования показали, что при выполнении задач статистического моделирования в процессе создания программного обеспечения, позволяющего производить компьютерное моделирование с удаленным сетевым коллективным доступом, целесообразно воспользоваться концепцией построения приложений, изначально направленных на использование многопоточности. К таким задачам относятся, в частности задачи оценки эффективности большинства радиоустройств, являющихся элементами радиотехнических систем, функционирующих в условиях воздействия случайных помех различного происхождения.
Для сокращения времени выполнения задачи можно воспользоваться кэшированием данных. Полученные результаты в виде средней длительности одного процесса моделирования при заданной интенсивности поступления заявок показали достаточную эффективность такого подхода: в рассмотренной задаче время обслуживания удалось снизить более чем в два раза.
Решение задач радиотехнического статистического моделирования дает весьма гибкий подход к организации предвыборки параметров из кэш-памяти, так как данные задачи зачастую имеют довольно большие диапазоны нечувствительности входных параметров к результату. Например, в рассмотренном примере модели важен порядок, а не точное количество циклов эксперимента.
Перспективная технология объединения в кластерную систему нескольких компьютеров позволяет поднять производительность системы в целом до уровня нескольких GFlops при использовании достаточно дешевого компьютерного оборудования1-*. Такой вычислительный комплекс может использоваться для многопоточного моделирования, а это, в свою очередь, должно сказаться на устройстве исполняющего приложения модели, которое распределяет поток заявок пользователей по процессорам кластера. Однако вне зависимости от числа процессоров в системе моделирования можно отметить, что подход проектирования многопоточных приложений моделирования с многопользовательским обслуживанием является перспективным [8].
Библиографический список
1. Луговской В. И., Синявский К. С., Гааб В. И. Математическое моделирование. М.: Наука, 1997. 356 с.
2. Иванов Д. И., Цикин И. А. Сетевой удаленный доступ к компьютерным моделям // Компьютерное моделирование 2003: Тр. междунар. науч.-техн. конф. Санкт-Петербург, 25-26 июня 2003 г. СПб.: Нестор, 2003. С. 417-418.
3. Новый подход к инженерному образованию: теория и практика открытого доступа к распределенным информационным и техническим ресурсам / Ю. В. Арбузов, В. Н. Леньшин, С. И. Маслов и др. М.: Центр-Пресс, 2000. 238 с.
4. Вентцель Е. С., Овчаров Л. А. Теория случайных процессов и ее инженерные приложения. М.: Изд. центр "Академия", 2003. 464 с.
5. Ноутон П., Шилдт Г. JavaTM 2 / Пер. с англ. СПб.: БХВ-Петербург, 2001. 1072 с.
6. Каплан А., Нильсен М. Ш. Windows 2000 изнутри. М.: ДМК, 2000. 400 с.
7. Иванов Д. И., Цикин И. А. Повышение эффективности универсальных клиент-серверных реализаций математических моделей физических явлений и процессов // Компьютерное моделирование 2005: Тр. межд. науч.-техн. конф. Санкт-Петербург, июнь 2005 г. СПб.: Изд-во Политехн. ун-та, 2005. С. 589-591.
8. Кургалин С. Д., Расхожев В. В. Система удаленного доступа к параллельному компьютерному кластеру // Телематика-2004: Тр. XI Всерос. науч.-метод. конф. / СПбГУИТМО. СПб., 2004. С. 92.
1-1 Шевель А., Лаурет Д. Опыт построения вычислительного кластера // Открытые системы. 2001. № 11. http://www.osp.ru/os/2001/11/010.htm
D. I. Ivanov, I. A. Tsikin
Saint-Petersburg state polytechnical university Network realization of radio devices' stochastic models
The review of parallel network access conception realization to a radio engineering models witch expects large calculating recourses.
Network access, stochastic models, Internet, collective acsess
Статья поступила в редакцию 23 декабря 2005 г.
Комплексный рекурсивный цифровой фильтр для УПЧ изображения телевизионного приемника
Рассматривается результат проектирования рекурсивного цифрового фильтра (ЦФ) для усилителя промежуточной частоты изображения телевизионного приемника, реализуемого по квазипараллельной схеме. Проводится расчет разрядности коэффициентов и операционных устройств цифрового сигнального процессора, на котором предполагается реализация ЦФ.
Комплексный рекурсивный цифровой фильтр, полюсы и нули передаточной функции, квантование коэффициентов, шумы квантования, частота дискретизации
Особенностью усилителя промежуточной частоты (УПЧ) изображения телевизионного приемника является различная крутизна скатов амплитудно-частотной характеристики (АЧХ) (рис. 1): левый скат является крутым, а правый - пологим (срез Найквиста). Аналоговые УПЧ-фильтры в настоящее время реализуются на основе поверхностных акустических волн (ПАВ). В этом случае цифровая обработка сигнала (ЦОС) может осуществляться только после амплитудного детектора, т. е. на видеочастоте.
На основе метода комплексных огибающих [1] при обработке полосовых сигналов можно строить комплексные цифровые фильтры (ЦФ), производящие обработку квадратурных компонент комплексной огибающей полосового сигнала, спектр которого сдвигается в низкочастотную область (влево) на величину промежуточной частоты = 38 МГц. При этом частота дискретизации ^ определяется шириной спектра теле-
УДК 621.396.2
В. И. Гадзиковский
Уральский государственный технический университет - УПИ
31
34
37 fn ч f, МГц
-7
-4
-1
f, МГц
Рис. 1
Рис. 2
42
© Гадзиковский В. И., 2006
