Математические модели новых архитектурных и схемных решений отказоустойчивых нейросетевых вычислительных средств для обработки биометрической информации

• Автор: Щелкунова, Юлия Олеговна
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2004
• Место защиты: Ставрополь
• Количество страниц: 175 с. : ил.

СПИСОК СОКРАЩЕНИЙ

БПФ — быстрое преобразование Фурье ДПФ — дискретное преобразование Фурье КТО — китайская теорема об остатках НС — нейронная сеть НСД - несанкционированный доступ ПК — показатели качества
ПСКВ — полиномиальная система класса вычетов ПСС - позиционная система счисления СКУД -система контроля и управления доступом СП — специализированный процессор
СП ЦОС - специализированный процессор цифровой обработки сигналов СП ПСКВ - специализированный процессор полиномиальной системы класса вычетов

ТМС - троированная мажоритарная структура ЦОС — цифровая обработка сигналов

1 Обеспечение устойчивости функционирования спецпроцессоров

первичной обработки биометрической информации

1.1 Анализ статических и динамических методов, используемых в 13 системах биометрической идентификации и аутентификации

1.1.1 Обзор статических методов аутентификации пользователя

1.1.2 Обзор методов измерения динамических параметров 17 биометрических образов личности
1.2. Реализация цифровой обработки сигналов в различных
алгебраических системах
1.2.1 Ортогональные преобразования сигналов в поле комплексных 22 чисел
1.2.2 Быстрые сверточные алгоритмы
1.2.3 Гнездовой алгоритм вычисления сверток
1.2.4 Теоретико-числовые преобразования сигналов
1.2.5 Ортогональные преобразования сигналов в расширенных полях
Галуа СЕ(2”)
1.3 Анализ основных методов обеспечения устойчивости
функционирования СП ЦОС
1.4 Выбор и обоснование показателей и критериев оценки
отказоустойчивости СП ЦОС
1.5 Постановка задачи исследований
Выводы по разделу
2 Методы повышения надежности функционирования
непозиционных СП ЦОС
2.1 Решение задачи оптимального резервирования непозиционного
спецпроцессора ЦОС, функционирующего в ПСКВ
2.2. Применение временной избыточности для построения

отказоустойчивых СП ЦОС.
Выводы по разделу
3 Корректирующие способности кодов ПСКВ и информационная
надежность систем ЦОС
3.1 Математические основы построения корректирующих кодов 82 ПСКВ
3.2 Методы и алгоритмы контроля и коррекции ошибок 93 непозиционного кода ПСКВ и их нейросетевые реализации
3.2.1. Нейронная сеть для определения нормированного следа 93 полинома, представленного в ПСКВ
3.2.2 Нейронная сетевая реализация вычисления интервального 98 номера полинома, представленного в ПСКВ
3.2.3 Поиск и локализация ошибок в ПСКВ на основе расширения 103 системы оснований
3.3 Сравнительная оценка основных методов контроля и коррекции 106 ошибок в кодах ПСКВ
Выводы по разделу
4. Разработка отказоустойчивых непозиционных спецпроцессоров
цифровой обработки сигналов
4.1. Методика построения специализированных процессоров 111 цифровой обработки сигналов устойчивых к отказам
4.2. Построение отказоустойчивого непозиционного нейросетевого 115 спецпроцессора цифровой обработки сигналов
4.3. Оценивание пригодности методики в инженерной практике
Выводы по разделу
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЕ

плохо формализованных задач. Кроме того, применение нейросетевого базиса позволяет за счет реализации процедур обучения обеспечить адаптивное поведение системы в изменяющихся условиях внешней среды.
2. Проведенный содержательный анализ основных методов измерения биометрических образов пользователя показал целесообразность использования динамических параметров личности. Однако одним из основных сдерживающих факторов широкого применения таких систем является отсутствие высокоточной реализованной в реальном масштабе времени первичной обработки сигналов. Это обуславливает необходимость проектирования специализированных вычислительных средств ЦОС, обладающих высокой точностью обработки сигналов и способностью функционирования в реальном масштабе времени.
3. Ключевую роль при обеспечении отмеченных выше свойств вычисли-
• тельного устройства ЦОС играет выбор математической модели цифровой обработки сигналов. Проведенный содержательный анализ показал целесообразность реализации ортогональных преобразований сигналов, определяемых над расширенными полями Галуа СР(р'), которые в отличие от дискретного преобразования Фурье характеризуются целым рядом достоинств:
- отсутствием в силу специфики арифметики конечных полей шума округления;
- снижением объема вычислений при их реализации;
- сохранением при вычислениях ассоциативного и коммутативного законов арифметических операций суммы и умножения по модулю, а также дистрибутивного закона операции умножения по отношению к сложению.
4. Обеспечение высокой скорости обработки сигнала можно достичь за счет перехода от одномерной обработки сигнала к многомерной. Применение полиномиальной системы классов вычетов позволяет осуществлять ортого-
• нальные преобразования сигналов в расширенных полях Галуа с использованием модулярной арифметики. Показано, что в силу высокой степени распараллеливания ПСКВ, осуществляемого на уровне математических операций, и модульности построения вычислительных трактов нейросетевой базис является