(45-4) 18 * << * >> * Русский * English * Содержание * Все выпуски

Алгоритмы многомерного имитационного моделирования случайных процессов
В.В. Сюзев 1, Е.В. Смирнова 1, А.В. Пролетарский 1

МГТУ им. Н.Э. Баумана,
105005, Россия, г. Москва, ул. 2-я Бауманская, д. 5/1

 PDF, 1399 kB

DOI: 10.18287/2412-6179-CO-770

Страницы: 627-637.

Аннотация:
В статье рассматриваются два подхода к моделированию сигналов и процессов: метод формирующих фильтров и тригонометрический метод. Показано, что второй подход более перспективен, так как увеличение размерности представления сигнала (процесса) математически означает добавление слагаемого в формуле базисной функции, что дает доступ к быстрым алгоритмам имитации. Приведены примеры алгоритмов многомерного моделирования случайных процессов с использованием двух методов, и описана программная система, реализующая эти алгоритмы. Результаты работы программного комплекса позволят прогнозировать характеристики инженерных проектов (точность и быстродействие алгоритмов моделирования). В связи с актуальностью и необходимостью фундаментальных исследований методов и алгоритмов цифрового преобразования компонентной базы, внедрения цифровых технологий во все аспекты деятельности, включая синтез новых материалов, разработку новых методов проектирования микро- и наносистем, целью статьи является расширение области применения спектрального метода моделирования многомерных процессов с использованием оригинальных алгоритмических комплексов.

Ключевые слова:
случайный двумерный сигнал, моделирование и имитация сигналов, базисные функции, имитационные ряды Фурье, энергетические характеристики сигналов, функция спектральной плотности мощности, автокорреляционная функция, программная система, сверхбыстрая обработка информации.

Благодарности
Работа выполнена при поддержке Министерства науки и высшего образования в рамках выполнения работ по Государственному заданию «Фундаментальные исследования методов цифровой трансформации компонентной базы микро- и наносистем» (проект № 0705-2020-0041).

Цитирование:
Сюзев, В.В. Алгоритмы многомерного имитационного моделирования случайных процессов / В.В. Сюзев, Е.В. Смирнова, А.В. Пролетарский // Компьютерная оптика. – 2021. – Т. 45, № 4. – С. 627-637. – DOI: 10.18287/2412-6179-CO-770.

Citation:
Syuzev VV, Smirnova EV, Proletarsky AV. Algorithms of multidimensional random process simulation. Computer Optics 2021; 45(4): 627-637. DOI: 10.18287/2412-6179-CO-770.

Литература:

  1. Быков, В.В. Цифровое моделирование в статистической радиотехнике / В.В. Быков. – М.: Советское радио, 1971. – 328 с.
  2. Тошмуродов, Ё.К. Компьютерно-математическое моделирование электрофизических характеристик полупроводниковых координатно-чувствительных детекторов ядерного излучения / Ё.К. Тошмурадов, Г.Ж. Эргашев, Ш.А. Сайфуллоев // Вестник МГТУ им. Н.Э. Баумана. Сер. Приборостроение. – 2018. – № 1. – C. 16-20. – DOI: 10.18698/0236-3933-2018-1-16-20.
  3. Колбас, Ю.Ю. Применение цифровых фильтров для уменьшения случайной ошибки показаний лазерных гироскопов и маятниковых акселерометров / Ю.Ю. Колбас, А.И. Курдыбанская // Вестник МГТУ им. Н.Э. Баумана. Сер. Приборостроение. – 2018. – № 2. – C. 27-40. – DOI: 10.18698/0236-3933-2018-2-27-40.
  4. Деменков, Н.П. Нечеткие методы моделирования волновых твердотельных гироскопов / Н.П. Деменков, В.А. Матвеев, И.А. Мочалов // Вестник МГТУ им. Н.Э. Баумана. Сер. Приборостроение. – 2018. – № 3. – C. 33-50. – DOI: 10.18698/0236-3933-2018-3-33-50/
  5. Денисов, А.В. Моделирование оптико-электронных систем космического назначения / А.В. Денисов // Известия высших учебных заведений. Приборостроение. – 2015. – Т. 58, № 11. – С. 882-889. – DOI: 10.17586/0021-3454-2015-58-11-882-889.
  6. Астратов, О.С. Цифровое моделирование радиосигналов / О.С. Астратов. – Л.: ЛИАП, 1983. – 72 с.
  7. Краснов, И.К. Численное моделирование перестройки наноструктуры сплавов методами молекулярной динамики / И.К. Краснов, Т.Ю. Мозжорина, А.Н. Баланин // Математическое моделирование и численные методы. – 2017. – № 4. – С. 3-16.
  8. Арутюнян, Р.В. Моделирование стохастических процессов фильтрации в решетчатых системах / Р.В. Арутюнян // Математическое моделирование и численные методы. – 2017. – № 4. – С. 17-30.
  9. Спицын, В.Г. Применение вейвлет-преобразования Хаара, метода главных компонент и нейронных сетей для оптического распознавания символов на изображениях в присутствии импульсного шума / В.Г. Спицын, Ю.А. Болотова, Н.Х. Фан, Т.Т.Ч. Буй // Компьютерная оптика. – 2016. – Т. 40, № 2. – С. 249-257. – DOI: 10.18287/2412-6179-2016-40-2-249-257.
  10. Дрогобыцкий, А. Экономико-математическое моделирование: Учебник для студентов вузов / А. Дрогобыцкий. – М.: Экзамен, 2006. – 800 с.
  11. Власов, М.П. Моделирование экономических процессов / М.П. Власов. – М.: Изд-во «Феникс», 2005. – 409 с.
  12. Berezkin, D. Specifics of implementing a hybrid intelligent image georeferencing system / D. Berezkin, A. Proletarsky, N. Sukhorukova, R. Kamalov // Proceedings of the 17th International Conference on Applied Computing. – 2020. – P. 115-118.
  13. Syuzev, V.V. Spectral algorithms for signal generation as learning-methodical tool for engineer preparation / V.V. Syuzev, E.V. Smirnova, K. Kucherov, V.V. Gurenko, G. Khachatrian. – In: Handbook of research on engineering education in a global context / ed. by E.V. Smirnova, R.P. Clark. – Hershey, PA: IGI Global, 2019. – Chap. 23. – P. 254-263. – DOI: 10.4018/978-1-5225-3395-5.ch023.
  14. Jammul, S.M. Open source software usage in education and research: Network traffic analysis as an example / S.M. Jammul, V.V. Syuzev, A.M. Andreev. – In: Handbook of research on engineering education in a global context / ed. by E.V. Smirnova, R.P. Clark. – Hershey, PA: IGI Global, 2019. – Chap. 28. – P. 331-345. – DOI: 10.4018/978-1-5225-3395-5.ch028.
  15. Сотников, А.А. Способ повышения эффективности вычислительных комплексов цифрового имитационного моделирования гидроакустической обстановки в реальном масштабе времени / А.А. Сотников // Наука и образование. – 2013. – № 2. – С. 301-310. – DOI: 10.7463/0213.0531784.
  16. Костров, Б.В. Моделирование распределения яркостей в видеопотоке серии ландшафтных изображений / Б.В. Костров, Н.Н. Гринченко, К.И. Баюков // Известия Тульского государственного университета. Технические науки. – 2015. – Вып. 9. – С. 70-78.
  17. Сюзев, В.В. Применимость высокодетализированной модели фоноцелевой обстановки в стендах моделирования радиолокатора с синтезированной апертурой антенны / В.В. Сюзев, И.А. Доденко // Вестник МГТУ им. Н.Э. Баумана. Сер. Приборостроение. – 2017. – № 6. – С. 76-92. – DOI: 10.18698/0236.3933.2017.6.76.92.
  18. Обработка изображений в авиационных системах технического зрения / под ред. Л.Н. Костяшкина, М.Б. Никифорова. – М.: Физматлит, 2016. – 240 с.
  19. Гонсалес, Р. Цифровая обработка изображений в среде MatLab : Пер. с англ. / Р. Гонсалес, Р. Вудс, С. Эддинс. – М.: Техносфера, 2006. – 616 с.
  20. Максимов, А.И. Адаптивная интерполяция многомерных сигналов при дифференциальной компрессии / М.В. Гашников, А.И. Максимов // Компьютерная оптика. – 2018. – Т. 42, № 4. – С. 679-687. – DOI: 10.18287/2412-6179-2018-42-4-679-687.
  21. Basarab, M.A. Digital signal processing of the doppler blood flow meter using the methods of nonlinear dynamics / M.A. Basarab, N.S. Konnova, D.A. Basarab, D.D. Matsievskiy // 2017 Progress In Electromagnetics Research Symposium – Spring (PIERS). – 2017. – P. 1715-1720.
  22. Skryl’, S. Assessing the response timeliness to threats as an important element of cybersecurity: Theoretical foundations and research model / S. Skryl’, M. Sychev, A. Sychev, T. Mescheryakova, A. Ushakova, E. Abacharaeva, E. Smirnova. – In: Creativity in intelligent technologies and data science / ed. by A.G. Kravets, P.P. Groumpos, M. Shcherbakov, M. Kultsova. – Cham, Switzerland: Springer Nature Switzerland AG, 2019. – P. 258-269.
  23. Сюзев, В.В. Основы теории цифровой обработки сигналов / В.В. Сюзев.– М.: РТСофт, 2014. – 752 с.
  24. Блейхут, Р. Быстрые алгоритмы цифровой обработки сигналов / Р. Блейхут : пер. с англ. – М.: Мир, 1989. – 448 с.
  25. Smirnova, E. High-dimensional simulation processes in new energy theory: Experimental research (Extended abstract) / E. Smirnova, V. Syuzev, R. Samarev, I. Deykin, A. Proletarsky. – In: Data analytics and management in data intensive domains. Extended abstracts of the ХХII International Conference DAМDID/RCDL' 2020 / ed. bу B. Thalheim, S. Makhortov, A. Sychev. – Voronezh: Voronezh State University, 2020. – P. 160-163.
  26. Deykin, I. One- and unidirectional two-dimensional signal imitation in complex basis (Extended abstract) / I. Deykin. –In: Data analytics and management in data intensive domains. Extended abstracts of the ХХII International Conference DAМDID/RCDL' 2020 / ed. bу B. Thalheim, S. Makhortov, A. Sychev. – Voronezh: Voronezh State University, 2020. – P. 229-232.

© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: journal@computeroptics.ru; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20