CC BY
54
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» №7/2016 ISSN 2410-700X_
информация берется из нормативной документации или из положений существующей в организации системы управления промышленной безопасностью. Вход в действие - это документы (нормативные, законодательные, регистрирующие, внутренние), которые служат основой для выполнения действия. Выход - это документ, который мы получаем, оформляем, в результате выполненного действия. Для полной регламентации действия необходимо предоставлять информацию о движении документов по данному действию (где, у кого и сколько времени хранится, в скольких экземплярах, когда истекает срок хранения, куда передаются документы и т.д.). Данная информация фиксируется в примечании. Список использованной литературы:
1. О промышленной безопасности опасных производственных объектов: федеральный закон от 21 июля 1997 г. № 116-ФЗ.// Гарант плюс http:base.garant.ru/11900785/ .
2. Приказ Ростехнадзора от 29.01.2007 №37 (ред. от 30.06.2015) «О порядке подготовки и аттестации работников организаций, поднадзорных Федеральной службе по экологическому, технологическому и атомному надзору" (вместе с "Положением об организации работы по подготовке и аттестации специалистов организаций, поднадзорных Федеральной службе по экологическому, технологическому и атомному надзору»).// http://base.consultant.ru/cons/cgi/online.cgi?req=doc;base=LAW;n=183736 .
3. Приказ Минтруда России от 24.12.2015 № 1142н «Об утверждении профессионального стандарта «Специалист по обеспечению промышленной безопасности при эксплуатации оборудования, работающего под избыточным давлением, и/или подъемных сооружений»http://base.consultant.ru/cons/cgi/onlme.cgi? req=doc&base=LAW&n=193659&fld=134&dst=100009&rnd=214990.12594481853966522&.
4. Жидко Е. А. Управление техносферной безопасностью [Электронный ресурс] : учеб. пособие / Е. А. Жидко. - Воронеж : ВГАСУ, 2013. - 159 с. - ISBN 978-5-89040-458-9.
5. Горина Л. Н. Промышленная безопасность и производственный контроль : учеб.-метод. пособие / Л. Н. Горина, Т. Ю. Фрезе ; ТГУ ; Ин-т машиностроения ; каф. "Управление промышленной и экологической безопасностью" . - ТГУ. - Тольятти : ТГУ, 2013. - 153 с. : ил. - Библиогр.: с. 119-120. - Прил.: с. 121-153. - 79-47.-22
6. Слесарев Д. Ю. Оценка риска и теория принятия решений : учеб. пособие / Д. Ю. Слесарев ; ТГУ ; Архитектурно-строит. ин-т ; каф. "Теплогазоснабжение и вентиляция" . - ТГУ. - Тольятти : ТГУ, 2012. - 82 с. : ил. - Библиогр.: с. 77. - Прил.: с. 78-81. - 22-78.
© Данилина Н.Е., Панишев А.Л., 2016
УДК 621.396.1
Иванникова Л.О., инженер Россия, г. Москва, МГТУ им. Н.Э. Баумана Жураковский В.Н., к.т.н., доцент Россия, г. Москва, МГТУ им. Н.Э. Баумана
sm2-2@inbox.ru
СРАВНИТЕЛЬНЫЙ АНАЛИЗ ИМИТАЦИОННОГО И ВЕРОЯТНОСТНОГО МОДЕЛИРОВАНИЯ ЦИФРОВЫХ АВТОМАТОВ ПРИ СЛУЧАЙНЫХ ВХОДНЫХ ВОЗДЕЙСТВИЯХ
Аннотация
Данная статья посвящена вопросам сравнения имитационного и вероятностного моделирования цифровых автоматов при случайных входных воздействиях. В статье описан процесс моделирования цифровых трактов обработки сигналов имитационным и вероятностным методом, с учетом коррелированности входных воздействий. В работе рассматривались несколько способов задания корреляционной функции и зависимость вероятности срабатывания приемника от коэффициента
МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» №7/2016 ISSN 2410-700X
корреляции.
Ключевые слова
Корреляция, обнаружитель, имитационное и вероятностное моделирование, переходные процессы.
В настоящее время в радиотехнических системах и системах связи чаще всего применяется цифровая обработка сигналов. Для отработки алгоритмов цифровой обработки сигналов, оптимизации параметров этих алгоритмов широко применяются различные методы моделирования. Чаще всего используется имитационное моделирование, основанное на генерации случайных сигналов и пропускании их через имитационную модель цифрового тракта. Для получения корректных результатов необходимо повторять этот процесс, который называется статистическим экспериментом, многократно. Так, например, для получения вероятности ложного срабатывания 10-6 необходимо провести порядка 107 экспериментов. При этом возникает ряд проблем: во-первых, большое время расчета, а, во-вторых, не всегда можно корректно провести генерацию такого большого количества отсчетов случайного сигнала, так как многие программные генераторы псевдослучайных последовательностей являются периодическими. В связи с этим актуальным является применение вероятностного моделирования [1], при котором вероятности вычисляются аналитически. В данной статье рассмотрено применение имитационного и вероятностного моделирования для анализа срабатывания цифрового обнаружителя.
Рассмотрим простейший случай обнаружителя в виде реверсивного счетчика, который срабатывает при накоплении пяти единиц. Такой обнаружитель можно представить в виде цифрового автомата (ЦА), имеющего пять состояний [1]. Такой обнаружитель можно описать графом переходов, как показано на рис. 1
1
\ 1 / \ 1 / \ 1 / Л 1 ( \ /
/ ( ООО 001 1— >( 010 I— >1 011 .1— >1 100 I /
Рисунок 1 - Граф переходов обнаружителя.
На вход подается белый шум с заданным среднеквадратичным отклонением (СКО) и нулевым математическим ожиданием, который подвергается пороговой обработке: при превышении порога на вход ЦА подается единица, иначе - ноль. Далее будет рассмотрено моделирование при некоррелированных и коррелированных отсчетах входных сигналов. При отсутствии корреляции обнаружитель при вероятностном моделировании описывается вектором вероятностей состояний реверсивного счетчика Р. Матрица переходных вероятностей будет иметь следующий вид:
q w —
п =
q — w — —
— q — w —
— — q — w
— — — q w где: д-вероятность нуля; w-вероятность единицы;
Клетки, расположенные на главной диагонали соответствуют переходам, не вызывающим изменения содержимого реверсивного счетчика. Клетки справа и слева от главной диагонали отвечают за изменение содержимого реверсивного счетчика, а все остальные элементы (-) соответствуют физически нереализуемым переходам. Вектор вероятностей состояний реверсивного счетчика Р будет иметь пять состояний,
описывающих работу данного обнаружителя Р = (Р0, , Р2, Р3, Р4). Для некоррелированных отсчетов вектор для любого (¡+1)-го момента времени можно вычислить по формуле:
Р+! =Рг*п;
Четвертое состояние (Р4) счетчика соответствует срабатыванию обнаружителя. В случае правильной работы используемых алгоритмов результаты имитационного и вероятностного моделирования для белого
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» №7/2016 ISSN 2410-700X_
шума будут практически совпадать.
Рассмотрим сравнение работы двух алгоритмов на примере белого шума с СКО 0.2 и порогом, равным половине СКО.
__Y-
\ ^ V и
1-имитационный метод 2-вероятностный метод
□ 10 203040 50 60 70 В090 100
номер шага
Рисунок 2 - Сравнение вероятности срабатывания обнаружителя
На рис. 2 видно, что результаты срабатывания обнаружителя практически совпадают, что свидетельствует о правильной работе алгоритмов.
На практике, при обработке сигнала необходимо учитывать как приходящий на приемник в данный момент времени, так и предшествующий ему сигнал, то есть корреляцию отсчетов входных сигналов.
Учтем корреляцию входных сигналов модификацией ЦА в соответствии с [1]. Тогда описанный выше обнаружитель можно представить в виде ЦА, имеющего десять состояний. Граф переходов такого ЦА показан на рис. 3.
Рисунок 3 - Граф переходов обнаружителя
Так как входной сигнал является коррелированным, то для описания работы обнаружителя необходимо воспользоваться матрицей размерности (2п * 2п), описывающей входное воздействие. Так, для модели сигнала в виде односвязной цепи Маркова матрица переходных вероятностей будет иметь вид: п00 П01 п10 П11
Особую сложность представляет вычисление условных вероятностей цифрового измерителя. Эти вероятности находят через (п+1)-мерные интегральные функции распределения входного сигнала[1]. Так, для п=1 получаем переходные вероятности:
п =
л00
_ F2(Snk-i,Snk).
F1
(Snk-i)
K01
_ F1(Snk-i)-F2(Snk-i,Snk).
n
11
F1(Snk-i) _ F1(Snk)-F2(Snk-i,Snk).
= (1-Plcsnk-i)) '
_1-( F1(snk) - F2(Snk-i,Snk)).
(1- Pl(Snk-i)) '
(1)
где Б^) и Б2() - соответственно одно- и двумерные интегральные функции распределения входного сигнала.
Рассмотрим алгоритм моделирования входных сигналов с экспоненциальной и треугольной автокорреляционными функциями[3].
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» №7/2016 ISSN 2410-700X_
Алгоритм моделирования функции корреляции экспоненциального вида:
к = sqrt(—r * Td);
shum1[n] = к * shum1[n — 1] + к2 * shum[n]; (2)
где k2 = exp(—r * Td)- коэффициент корреляции между соседними отсчетами[2]. Алгоритм заключается в том, что под воздействием функции корреляции экспоненциального вида, сигнал в виде белого шума, попадающий на формирующий фильтр изменяется в зависимости от коэффициента корреляции[3].
Рассмотрим алгоритм моделирования функции корреляции треугольного вида:
shum1[n] = Sl3™a shum[n
N
к];
(3)
где N = &ипс[1/^0Д^)][2].
Преимуществом такой функции является быстрое затухание во времени, что приводит к меньшей корреляции двух соседних отсчетов.
На рис. 4 показано сравнение вероятностей трех различных алгоритмов при коэффициенте корреляции 0.2. Здесь можно увидеть, что вероятность срабатывания обнаружителя при реализации метода имитационного моделирования с корреляционной функцией экспоненциального вида будет отличаться от реализации двух других алгоритмов, что обусловлено изначальным расхождением данных способов, в виду большой корреляции соседних отсчетов в начальные промежутки времени.
Рисунок 4 - Сравнение вероятности срабатывания обнаружителя при коэффициенте корреляции 0.2
Рассмотрим работу обнаружителя, который срабатывает при накоплении пяти единиц и после этого, остается в поглощающем состоянии. Граф такого обнаружителя, имеющего некоррелированный сигнал, представлен на рис. 5.
Рисунок 5 - Граф переходов обнаружителя
На вход подается белый шум, с такими характеристиками, как в случае обнаружителя, работающего реверсивно. Матрица переходов обнаружителя:
q w — — — q — w — — q — — w —
q — — — w
п =
—1
где: д-вероятность нуля; w-вероятность единицы;
Клетки матрицы заполняются по аналогии с предыдущим примером.
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» №7/2016 ISSN 2410-700X_
Рассмотрим сравнение работы двух алгоритмов на примере белого шума с СКО 0.2 и порогом, равным половине СКО.
Рисунок 6 - Сравнение вероятности срабатывания обнаружителя
Из рис. 6 видно, что в результате правильной работы алгоритмов, вероятность срабатывания обнаружителя при некоррелированном сигнале совпадает.
Рассмотрим случай, когда на приемник поступает коррелированный сигнал. По аналогии с предыдущим примером, такой граф будет иметь десять состояний, некоторые из которых будут являться нереализуемыми. Такой граф ЦА будет иметь вид, представленный на рис. 7
Рисунок 7 - Граф переходов обнаружителя
С помощью (1) получим новую матрицу переходных вероятностей для односвязной цепи Маркова. На основе полученной матрицы, реализуем работу вероятностного алгоритма моделирования обнаружителя.
Рассмотрим имитационное моделирование с помощью корреляционных функций экспоненциального (2) и треугольного (3) вида, рассмотренных на примере предыдущего графа ЦА.
Рисунок 8 - Сравнение вероятности срабатывания обнаружителя при коэффициенте корреляции 0.2
Рисунок 9 - Сравнение вероятности срабатывания обнаружителя при коэффициенте корреляции 0.8
МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» №7/2016 ISSN 2410-700X
Из рис. 8 видно, что алгоритм имитационного моделирования с корреляционной функцией треугольного вида, ввиду быстрого затухания корреляционной функции, будет иметь малую взаимную корреляцию соседних отсчетов и большее совпадение по работе с алгоритмом вероятностного моделирования.
Из рис. 9 видно, что при увеличении коэффициента корреляции, будет уменьшаться совпадение в моделировании различными алгоритмами, в виду большой корреляции между соседними отсчетами в начальный момент времени.
В ходе работы было установлено, что для получения более точных измерений имитационным методом моделирования в данных логических анализаторах, рекомендуется использовать корреляционную функцию треугольного вида, так как она будет иметь большее совпадение с вероятностным методом даже при большом коэффициенте корреляции. При увеличении коэффициента корреляции, результаты измерения имитационным и вероятностным методом будут значительно расходиться. Список использованной литературы
1. Вероятностное моделирования цифровых автоматов: учеб. пособие для вузов / Жураковский В.Н.; МГТУ им. Н.Э. Баумана. - М.: Изд-во МГТУ им. Н.Э. Баумана, 2015. - 41с.
2. Методы статистического моделирования в радиотехнике. Автор: Кобяков А. Примечание: автор - Петров Ю.В. 2003г., СПб, Военмех. Учебно-справочное пособие. - 176с.
3. Статистическая радиотехника: учебно-справочное пособие. Автор: Тихонов В.И. Издательство: Советское радио, Москва, 1966г. - 219с.
© Иванникова Л.О., Жураковский В.Н., 2016
УДК 004
Казыханов Артём Азаматович
Студент 2 курса ИУБП БашГУ, г. Уфа, РФ E-mail: archi-uzumaki@mail.ru Попов Кирилл Геннадьевич к.э.н., доцент кафедры информационной безопасности БашГУ,г. Уфа, РФ
E-mail: popovkg@mail.ru
К ВОПРОСУ О НЕОБХОДИМОСТИ СОЗДАНИЯ НОВОГО СОВРЕМЕННОГО ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ В РФ
Аннотация
Статья представляет собой исследование важного на сегодняшний день вопроса о необходимости создания принципиально нового программного обеспечения для Российских компаний и предприятий, а также для жителей РФ. В ходе работы будут рассмотрены причины отсутствия отечественного программного обеспечения, которое могло бы конкурировать с ведущими предприятиями.
Ключевые слова
Программное обеспечение, система, информационная безопасность, IT-индустрия, обеспечение
безопасности, приоритетное направление
В современном мире огромное значение имеет IT-индустрия, каждая развитая страна стремится достичь уровня ведущих стран в этом вопросе. Россия не является исключением, правительство России понимает, что нашей стране просто необходимо иметь своё отечественное программное обеспечение, именно поэтому в России ведутся активные работы по созданию современного ПО, которое сможет достойно
