Разработка отказоустойчивого мультинейропроцессора цифровой обработки сигналов

• Автор: Лавриненко, Сергей Викторович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2008
• Место защиты: Ставрополь
• Количество страниц: 252 с. : ил.

ВВЕДЕНИЕ
1. АНАЛИТИЧЕСКИЙ ОБЗОР СОВРЕМЕННЫХ ВЫЧИСЛИТЕЛЬНЫХ СРЕДСТВ ЦИФРОВОЙ ОБРАБОТКИ СИГНАЛОВ
1.1 Анализ задач цифровой обработки сигналов и принципов построения высокопроизводительных и отказоустойчивых вычислительных устройств
1.2 Исследование существующих и перспективных методов повышения отказоустойчивости и производительности систем обработки информации.
1.3 Теоретическое обоснование возможности использования модулярной арифметики и искусственных нейронных сетей для создания быстродействующих и высокоотказоустойчивых систем обработки информации реального времени.

1.4 Постановка задачи исследования

1.5 Выводы по разделу 1.

2. РАЗРАБОТКА МЕТОДОВ И АЛГОРИТМОВ СТРУКТУРНОПАРАМЕТРИЧЕСКОГО СИНТЕЗА ФУНКЦИОНАЛЬНЫХ УСТРОЙСТВ ПРЯМОГО И ОБРАТНОГО ПРЕОБРАЗОВАНИЯ КОДОВ СИСТЕМЫ ОСТАТОЧНЫХ КЛАССОВ С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ.
2.1 Системный анализ различных форм представления данных в модулярных нейрокомпьютерах и обоснование необходимости перехода от одной формы к другой при позиционноостаточной обработке данных.
2.2 Разработка метода и алгоритма определения вычета числа на основе использования множеств классов чисел по модулю и синтеза на его основе иерархической нейронной сети конечного кольца.
2.3 Разработка метода и алгоритма параллельного определения вычета числа на основе использования распределенной арифметики и синтеза на его основе параллельной нейронной сети конечного кольца.
2.4 Развитие метода параллельного определения вычета числа с целью синтеза на его основе конвейерной нейронной сети конечного кольца
2.5 Разработка алгоритма функционирования устройства преобразования кода системы остаточных классов в код обобщенной позиционной системы счисления и наоборот.
2.6 Разработка метода ускоренного перехода от кортежа вычетов числа, представленного по модулям системы остаточных классов, к
его позиционному представлению
2.7 Выводы по разделу 2
3. РАЗРАБОТКА ТЕОРЕТИЧЕСКИХ ОСНОВ АНАЛИЗА И СИНТЕЗА
МНОГОФУНКЦИОНАЛЬНЫХ МОДУЛЯРНЫХ УСТРОЙСТВ С ИСПОЛЬЗОВАНИЕМ НЕЙРОННЫХ СЕТЕЙ КОНЕЧНОГО КОЛЬЦА
3.1 Разработка метода и алгоритма расширения кортежа вычетов по вновь введенным модулям СОК.
3.2 Системный анализ методов и алгоритмов масштабирования модулярных чисел, применяемых в модулярных нейрокомпьютерах
3.3 Разработка теоретических основ ускоренного метода масштабирования чисел и синтеза на его основе устройства масштабирования с использованием нейронных сетей конечного кольца.
3.4 Развитие теории корректирующих свойств модулярных кодов, используемых при обработке данных.
3.5 Особенности коррекции ошибок в минимальноизбыточной симметричной системе остаточных классов
3.6 Синтез структуры адаптивной нейронной сети для коррекции ошибок
3.7 Выводы по разделу 3.
4. СИНТЕЗ ВЕКТОРНОЙ АРХИТЕКТУРЫ ОТКАЗОУСТОЙЧИВОГО МОДУЛЯРНОГО НЕЙРОКОМПЬЮТЕРА С ПЕРЕСТРАИВАЕМОЙ СТРУКТУРОЙ В ПРЕДЕЛАХ ЗАДАННЫХ ВРЕМЕННЫХ ПОКАЗАТЕЛЕЙ И ФУНКЦИОНАЛЬНОЙ МОЩНОСТИ.
4Л Структурнофункциональная организация отказоустойчивого модулярного нейрокомпьютера и оценка эффективности качества и надежности модулярного нейрокомпьютера
4.2 Анализ, оценка и выбор работоспособных состояний отказоустойчивого нейрокомпьютера при различных уровнях деградации структуры мультинейропроцессора
4.3 Применение нейронных сетей Хопфилда для коррекции ошибок в модулярных нейрокомпьютерах.
4.4 Синтез и моделирование адаптивной параллельноконвейерной нейронной сети коррекции ошибок на базе ПЛИС ХШпх
4.5 Выводы по разделу 4.
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ


Анализ результатов исследований отечественных и зарубежных ученых в области синтеза и реализации методов ЦОС 4, 5, 7, 9, , , , , , , , , , , , , , , показал, что достижение требуемого уровня качества выполнения задания цифрового преобразования сигналов возможно лишь на основе специализации вычислительных средств, под которой понимается возможность распараллеливания вычислений на одновременно работающем множестве процессоров, что позволяет в рамках существующих ограничений на массогабаритные характеристики добиться больших функциональных возможностей. Обращение к концепции построения специализированных вычислительных устройств предопределило, с одной стороны, постоянный рост числа разработок новых алгоритмов и новых структур вычислительных систем ЦОС , , , 5, а с другой стороны, стимулировало развитие исследований в области создания программируемых специализированных устройств цифровой обработки сигналов. Принимая во внимание единую алгоритмическую основу теории цифровой обработки сигналов, а также структурную идентичность задач ЦОС, рядом авторов 4, 8, , , были разработаны специализированные вычислительные системы, обладающие свойством адаптации к решаемым задачам. Такой подход, с одной стороны, обеспечивает специализацию цифрового устройства к задачам ЦОС, а с другой стороны универсальность, в том смысле, что данный процессор имеет перестраиваемую структуру. Необходимость решения широкого круга вычислительных задач при ЦОС требует колоссальных объемов математических расчетов, выполнение которых невозможно без использования высокопроизводительных вычислительных средств ВС. Поэтому главными целями процесса развития вычислительных средств, в конечном счете, были и остаются повышение их производительности и обеспечение высокой информационной и технической надежности , , . Основными путями к достижению этих целей являются совершенствование технологии производства средств вычислительной техники и внедрение новых, более эффективных способов организации и проведения вычислений. ВО и позволяющие эффективно реализовать широкий класс вычислительных алгоритмов и задач путем обеспечения предельной для современного уровня технологии производительности ВС. Архитектура цифровых процессоров обработки сигналов определяется несколькими базовыми операциями, которые используется в алгоритмах цифровой обработки сигналов. Для выделения таких операций проведем функциональный анализ основных направлений ЦОС. В области цифровой фильтрации различают КИХ и БИХфильтры с конечной и бесконечной импульсными характеристиками соответственно. Оба класса фильтров относятся к классу линейных систем с постоянными параметрами ЛСПП, в которых входная х и выходная у последовательности связаны отношениями типа свертки. Если обозначить через Ик отклик системы на единичный импульс импульсную характеристику ЛСПП, то получим свертку вида
Уп ХХ х. Г1 отсчеты входного и выходного сигналов хпк входной отсчет, задержанный на к интервалов дискретизации. В КИХфильтре отсчет выходного сигнала определяется только значениями входного сигнала, а в БИХфильтрс значениями входного и выходного сигналов. Это хорошо видно из линейных разностных уравнений с постоянными коэффициентами, которыми описывается данный класс дискретных систем. ХпУп отсчеты входного и выходного сигналов. У ькхк 1. Уп Ь0х Ъху Ь2х2 . Ьхц 1. Таким образом, для построения систем цифровой фильтрации требуется эффективная реализация соотношения типа дискретной свертки, которая в свою очередь раскладывается на операции умножения и накапливающего суммирования, а также операции задержки. В области спектрального или гармонического анализа используется прямое и обратное дискретное преобразование Фурье ДПФ, а также рациональный способ реализации дискретного преобразования Фурье быстрое преобразование Фурье БПФ. Вейвлетпреобразование сигналов является обобщением спектрального анализа, типичный представитель которого классическое преобразование Фурье , , , , , . Применяемые для этой цели базисы названы вейвлетами солитонообразными функциями двух аргументов масштаба и сдвига. Введнные сравнительно недавно, в х годах, они в последующие годы получили быстрое теоретическое развитие и широкое применение в различных областях обработки сигналов и изображений. В отличие от традиционного преобразования Фурье, вейвлетпреобразование обеспечивает двумерное представление исследуемого сигнала в частотной области в плоскости частотаположение.