Диплом, курсовая, контрольная работа
Помощь в написании студенческих работ

Повышение эффективности распределенных информационно-измерительных систем гибких автоматизированных производств

Диссертация: Повышение эффективности распределенных информационно-измерительных систем гибких автоматизированных производств
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Разработана методика сравнения алгоритмов сжатия данных, основанная на анализе затрат бит. Показано, что наилучшие результаты при сжатии данных следует ожидать от использования ДКП. Однако, число вычислительных операций, необходимых для реализации сжатия данных на основе ДПК может быть намного меньше, чем в случае применения ДКП. Выигрыш в скорости обработки может быть столь существенным, что… Читать ещё >

Содержание

  • ГЛАВА 1. АНАЛИЗ СТРУКТУР РАСПРЕДЕЛЕННЫХ ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНЫХ СИСТЕМ ГИБКИХ АВТОМАТИЗИРОВАННЫХ ПРОИЗВОДСТВ
    • 1. 1. Анализ структур гибких автоматизированных производств
    • 1. 2. Анализ обобщенных структур распределенных информационно-измерительных систем гибких автоматизированных производств
    • 1. 3. Анализ методов управления информационными потоками в распределенных информационно-измерительных системах гибких автоматизированных производств
    • 1. 4. Анализ структуры избыточности данных при их обработке в распределенных информационно-измерительных системах гибких автоматизированных производств
  • Выводы
  • ГЛАВА 2. ОПТИМИЗАЦИЯ СТРУКТУР РАСПРЕДЕЛЕННЫХ ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНЫХ СИСТЕМ ГИБКИХ АВТОМАТИЗИРОВАННЫХ ПРОИЗВОДСТВ И АЛГОРИТМОВ ФОРМИРОВАНИЯ И ПЕРЕДАЧИ ИНФОРМАЦИОННЫХ ПОТОКОВ
    • 2. 1. Оптимизация структур распределенных информационно-измерительных систем гибких автоматизированных производств методом парных замещений
    • 2. 2. Аналитическое исследование алгоритмов формирования и передачи данных в распределенных информационно-измерительных системах гибких автоматизированных производств
    • 2. 3. Разработка алгоритма адаптивного управления информационным потоком в распределенных информационно-измерительных системах гибких автоматизированных производств
    • 2. 4. Разработка метода анализа устойчивости распределенных информационно-измерительных систем гибких автоматизированных производств
  • Выводы
  • ГЛАВА 3. РАЗРАБОТКА АЛГОРИТМОВ СЖАТИЯ ДАННЫХ ПРИ
  • ПЕРЕДАЧЕ ИХ В РАСПРЕДЕЛЕННЫХ ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНЫХ СИСТЕМАХ ГИБКИХ АВТОМАТИЗИРОВАННЫХ ПРОИЗВОДСТВ
    • 3. 1. Разработка алгоритма сжатия на основе модифицированного дискретно-косинусного преобразования
    • 3. 2. Разработка алгоритма сжатия на основе функций Крестенсона
    • 3. 3. Разработка алгоритма сжатия на основе мультивейвлетов
  • Выводы
  • ГЛАВА 4. РЕАЛИЗАЦИЯ РАЗРАБОТАННЫХ МЕТОДОВ И
  • АЛГОРИТМОВ В РАСПРЕДЕЛЕННЫХ ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНЫХ СИСТЕМАХ ГИБКИХ АВТОМАТИЗИРОВАННЫХ ПРОИЗВОДСТВ
    • 4. 1. Оптимизация структуры сборочного робототехнического комплекса
  • КСП
    • 4. 2. Разработка методики применения алгоритмов сжатия данных
  • Выводы

Повышение эффективности распределенных информационно-измерительных систем гибких автоматизированных производств (реферат, курсовая, диплом, контрольная)

Современные распределенные информационно-измерительные системы (РИИС) нашли широкое применение в различных областях науки, техники и промышленности. В современном производстве, особенно в такой области как гибкое автоматизированное производство (ГАП), РИИС играют ведущую роль в связи с усложнением алгоритмов технологических процессов, а также тенденцией распределения вычислительных средств между подсистемами РИИС.

РИИС ГАП — это инфраструктура, которая обеспечивает обработку и передачу данных от первичных преобразователей и позволит осуществлять различные функции, отличающиеся друг от друга по качественным и количественным показателям. В тоже время такое решение позволяет в дальнейшем обеспечить внедрение новых функций с различными требованиями к объёму передаваемых данных и качеству их передачи.

От РИИС ГАП во многом зависит эффективность работы гибкой производственной системы. Рассредоточение вычислительной мощности по различным уровням и блокам РИИС ГАП позволяет уменьшить потоки информации, сократить общее время обработки, повысить надежность систем, обеспечить гибкость построения структур и программ обработки информационных потоков.

Однако, в целом, задача построения структуры РИИС ГАП в целом недостаточно проработана. Существующие методики анализа и синтеза структур РИИС ГАП и алгоритмов обмена информацией либо требуют больших вычислительных мощностей, либо не позволяют найти наилучший вариант.

Кроме того, отличительной особенностью современной ситуации в области РИИС ГАП является трудность построения структур таких систем из-за сложных взаимосвязей структурных элементов, размещаемых на обширной территории, стремительный рост объёма измеряемых и передаваемых данных от гигабитов сегодня к террабитам завтра.

Необходима систематизация и обобщение структур и алгоритмов работы современных РИИС ГАП, а также разработка и представление материала, являющегося базой для повышения эффективности РИИС ГАП.

В этих условиях первостепенное значение приобретает совершенствование и дальнейшее развитие методов и алгоритмов повышения эффективности РИИС и широкое их практическое внедрение на основе использования современных средств вычислительной техники и программного обеспечения.

Проведенный анализ показал, что в настоящее время однозначного решения по использованию той или иной методологии для построения РИИС не существует. Промышленность предлагает не только сотни видов различного оборудования от множества производителей, но и ряд принципиально отличающихся подходов к решению создания РИИС ГАП.

Такое направление развития РИИС ГАП выявляет тенденцию усложнения их структуры. Эта тенденция ведет к необходимости решения задач коммутации, так как качество решения данных задач напрямую влияет на производительность и эффективность использования РИИС в целом.

В общем, решение проблемы повышения эффективности РИИС ГАП зависит от многих факторов: структуры РИИС, интенсивности изменения данных, времени задержек в узлах коммутации, пропускной способности каналов и т. п.

При этом требования к качеству получаемых данных постоянно растут. Это приводит увеличению объемов обрабатываемых данных, к усложнению алгоритмов обработки, и, как следствие, к росту вычислительных затрат, необходимости очень высокой скорости обработки данных. Рост производительности оборудования решает эту проблему, как показывает практика, лишь отчасти. В то же время, данные, приведенные в многочисленных источниках показывают, что менее 10% сообщений, полученных от объектов измерений несут полезную информацию.

Кроме того, анализ данных, полученных от некоторых сложных объектов измерений показывает, что для определения результатов измерений с погрешностью, не превышающей 2%, достаточно иметь 1/70 — 1/20 часть общего объема полученных сообщений. Столь существенная избыточность увеличивает информационную производительность РИИС и влияет на пропускную способность канала связи, что приводит к увеличению времени обработки измеряемых данных.

В связи с этим, разработка новых более эффективных методов и алгоритмов построения структур, обеспечивающих сокращение времени передачи и обработки данных в РИИС ГАП является актуальной задачей.

Целью работы является повышение производительности гибких автоматизированных производств за счет оптимизации передачи и обработки данных в распределенных информационно-измерительных системах гибких автоматизированных производств.

Достижение поставленной цели предполагает решение следующих основных задач:

• разработку метода оптимизации структур распределенных информационно-измерительных систем гибких автоматизированных производств;

• исследование методов управления информационными потоками в распределенных информационно-измерительных систем гибких автоматизированных производств;

• разработку алгоритма оптимизации коммутации потоков данных в распределенных информационно-измерительных системах гибких автоматизированных производств;

• разработку алгоритмов сжатия данных;

• реализацию и экспериментальную проверку разработанных алгоритмов.

Для достижения поставленной цели в качестве аппарата исследований использованы: теория систем, топология, теория матриц, теория графов, теория информации и передачи сигналов, теория массового обслуживания, теория вероятностей, прикладная комбинаторика, теория множеств.

Научная новизна работы заключается в следующем:

• предложен метод оптимизации структур распределенных информационно-измерительных систем гибких автоматизированных производств;

• разработан алгоритм оптимизации коммутации потоков данных в распределенных информационно-измерительных системах гибких автоматизированных производств, минимизирующий среднее время ожидания при передаче данных;

• предложен метод анализа устойчивости распределенных информационно-измерительных систем гибких автоматизированных производств, являющийся модернизацией вероятностного метода анализа устойчивости сложных систем и обладающий быстрой сходимостью.

• разработан алгоритм, повышающий точность сжатия данных на основе модифицированного дискретного косинусного преобразования;

• разработан алгоритм сжатия на основе функций Крестенсона, требующий значительно меньшее количество вычислительных операций по сравнению с известными;

• разработан алгоритм сжатия многоканальных данных на основе мультивейвлетных функций, с улучшенной локализацией в пространстве и более эффективной аппроксимацией.

Практическая ценность работы заключается в том, что предложенные алгоритмы и вычислительные методы доведены до практической реализации, позволяют организовать процедуры оптимизации структур, передачи и обработки данных в распределенных информационно-измерительных систем гибких автоматизированных производств, что обеспечивают своевременную проработку вопросов построения структуры распределенных информационно-измерительных систем гибких автоматизированных производств еще на этапе ее проектирования.

Полученные в работе метод оптимизации структур и алгоритм оптимизации коммутации потоков данных в распределенных информационно-измерительных систем гибких автоматизированных производств, а также алгоритмы сжатия данных с применением модифицированного дискретного косинусного преобразования, дискретного преобразования на основе функций Крестенсона и дискретное преобразование на основе мультивейвлетных функций внедрены на предприятии ОАО «Центральный научно-исследовательский технологический институт» в распределенных информационно-измерительных системах сборочных робототехнических комплексов КСП-3, что подтверждено соответствующим актом внедрения.

Основные положения диссертационной работы докладывались на 7 всероссийских и международных научно-технических конференциях.

По теме диссертации опубликовано 10 печатных работ в виде статей в журналах, трудах международных и российских конференций и сборнике научных трудов МГУПИ, из них 1 работа в издании, рекомендованном ВАК РФ для опубликования научных положений диссертационных работ. В работах опубликованных в соавторстве, автору принадлежат научные и практические результаты, заявленные в диссертации.

На защиту вынесены следующие основные положения:

• метод и алгоритм оптимизации алгоритма коммутации потоков данных в МРИИС с адаптивной коммутацией;

• метод анализа устойчивости распределенных информационноизмерительных систем гибких автоматизированных производств, являющийся модернизацией вероятностного метода анализа устойчивости сложных систем и обладающий быстрой сходимостью,.

• алгоритм сжатия данных с использованием модифицированного дискретного косинусного преобразования;

• алгоритм сжатия с использованием функций Крестенсона;

• алгоритм сжатия с использованием мультивейвлетных функций.

Диссертационная работа состоит из введения, четырех глав, заключения,.

Выводы.

1. Метод замещений позволяет успешно решать две основные задачи проектирования РИИС РТК:

• синтез оптимального по быстродействию алгоритма сборки:

• синтез структуры РИИС РТК с минимальными временными потерями на обмен информацией.

2. Предложенная методика сравнения и алгоритм сжатия, позволяет повысить оперативность обработки данных за счет применения комбинации дискретных преобразований и уменьшения объема обрабатываемых данных до предела, определяемого заданными ошибками восстановления.

ЗАКЛЮЧЕНИЕ

.

В процессе решения задач, поставленных в диссертационной работе, получены следующие результаты:

В процессе решения задач, поставленных в диссертационной работе, получены следующие результаты:

1. Показано, что решение проблемы повышения эффективности распределенных информационно-измерительных систем гибких автоматизированных производств наиболее эффективно в следующих направлениях:

— оптимизация структур распределенных информационно-измерительных систем гибких автоматизированных производств;

— сокращение объемов обрабатываемых и передаваемых данных, содержащих избыточную или несущественную информацию, которую можно отбросить;

— разработка более производительных алгоритмов обработки данных, в частности, оптимизацией существующих алгоритмов коммутации и маршрутизации.

2. Предложен метод оптимизации структур распределенных информационно-измерительных систем гибких автоматизированных производств;

3. Предложен метод анализа устойчивости РИИС ГАП, являющийся модернизацией вероятностного метода анализа устойчивости сложных систем и обладающий быстрой сходимостью.

4. Разработан алгоритм оптимизации коммутации потоков данных в распределенных информационно-измерительных системах гибких автоматизированных производств, минимизирующий среднее время ожидания при передаче данных;

5. Разработан алгоритм, повышающий точность сжатия данных на основе модифицированного дискретного косинусного преобразования;

6. Разработан алгоритм сжатия на основе функций Крестенсона, требующий значительно меньшее количество вычислительных операций по сравнению с известными;

7. Разработан алгоритм сжатия многоканальных данных на основе мультивейвлетных функций, с улучшенной локализацией в пространстве и более эффективной аппроксимацией.

8. Разработана методика сравнения алгоритмов сжатия данных, основанная на анализе затрат бит. Показано, что наилучшие результаты при сжатии данных следует ожидать от использования ДКП. Однако, число вычислительных операций, необходимых для реализации сжатия данных на основе ДПК может быть намного меньше, чем в случае применения ДКП. Выигрыш в скорости обработки может быть столь существенным, что позволит мириться с некоторой потерей в сжатии.

9. Предложенные алгоритмы и вычислительные методы доведены до практической реализации, позволяют организовать процедуры оптимизации структур, передачи и обработки данных в распределенных информационно-измерительных систем гибких автоматизированных производств, что обеспечивают своевременную проработку вопросов построения структуры распределенных информационно-измерительных систем гибких автоматизированных производств еще на этапе ее проектирования.

10. Полученные в работе метод оптимизации структур и алгоритм оптимизации коммутации потоков данных в распределенных информационно-измерительных систем гибких автоматизированных производств, а также алгоритмы сжатия данных с применением модифицированного дискретного косинусного преобразования, дискретного преобразования на основе функций Крестенсона и дискретное преобразование на основе мультивейвлетных функций внедрены на предприятии ОАО «Центральный научно-исследовательский технологический институт» в распределенных информационно-измерительных системах сборочных робототехнических комплексов КСП-3, что подтверждено соответствующим актом внедрения.

Показать весь текст

Список литературы

  1. Системное проектирование интегральных производственных комплексов /А.Н. Домогацкий, А. А. Лескин, В. М. Пономарев и др.- Под ред. В. М. Пономарева.- Л.: Машиностроение. Ленинградское отделение, 1986.-319 с.
  2. Гибкое автоматизированное производство / Под ред. С. А. Майорова, А. Г. Ворловского, С. Н. Халиопова. -Л.: Машиностроение, 1985.- 454 с.
  3. Гибкие производственные комплексы./ Под ред. П. Н. Белянина, В. А. Лещенко.-М.: Машиностроение, 1984.-384 с.
  4. Промышленная робототехника / А. В. Бабич, А. Г. Баранов, И. А. Калабин и др. / Под ред. Шифрина. -М.: Машиностроение, 1982.- 415с.
  5. Имитационное моделирование производственных систем / Под ред. А. А. Вавилова.-М.: Берлин, Машиностроение, Техника, 1983.- 416с.
  6. Wernicke Н., Gericke Е. Modeling and simulation of automated manufacturing process. / Proc. of the IF AC Intern. Sympos. On information control problem in manufacturing technology. Japan, Tokyo, 17−20 oct. 1977, Pergamon Press, Oxford ets, 1978/-p. 1−6.
  7. Spur G., Krause F., Pistorues E. Computer international representation of products for integrations of design and technological planning. Integration of CAD/CAM. Elsevier science publishers B.V. (North Holland) IFIP, 1985. -p.79 105.
  8. Гибкие сборочные системы / Под ред. У.Б.Хегинботама- Пер. с англ. Д. Ф. Миронова: Под ред. А. М. Покровского. М: Машиностроение, 1988.400 с.
  9. D. Е. Flexible manufacturing a strategy for winners // production engineering. — 1982, sept. — p. 41−46.
  10. Системы управления промышленными роботами и манипуляторами / Е. И. Юревич, Ю. Д. Андрианов, С. И. Новаченко и др.- Л.: ЛГУ, 1980. 184 с.
  11. Управляющие системы промышленных роботов / Ю. А. Андрианов, Л. Я. Глейзер, М. Б. Игнатьев и др. / Под ред. И. М. Макарова, В. А. Чиганова. -М.: Машиностроение, 1988.- 288 с.
  12. А.А., Пономарев В. М., Смирнов А. В. Принципы автоматизированного проектирования технологических структур гибких автоматизированных производств. Системы автоматизации в науке и производстве. -М.: Наука, 1984. с. 209−216.
  13. Р.Л., Райфа X. Принятие решений при многих критериях: предпочтения и замещения: Пер. с англ. М.: Радио и связь, 1981.-560 с.
  14. Т.М., Тапаев В. С. Декомпозиционные методы оптимизации проектных решений. Минск: Наука и техника, 1978.-240 с.
  15. ГОСТ 26 228–85. Гибкие автоматизированные производства.
  16. В.В., Бирюков В. Ф., Тумаркин В. И. Принцип сложности в теории управления: О проектировании технически оптимальных систем и о проблеме корректности. М.:, Наука, 1977. -344 с
  17. Гибкие производственные комплексы / Под ред.П. Н. Белянина, В. А. Лещенко. М.: Машиностроение, 1984.- 384 с.
  18. С.И. Применение промышленных роботов в механосборочном производстве. М.: Машиностроение, 1981.-60 с.
  19. .Е., Спыну Г. А., Тимошенко В. Г. Промышленные роботы для сварки. Киев: Науковая думка, 1977.-277 с.
  20. С.и., Ефремов Е. В. Развитие робототехники за рубежом (по материалам 3-го международного симпозиума по промышленным роботам) Обзор, М.: НИИМАШ, 1976.-88с.
  21. E.JI. Роботы манипуляторы. М.: Знание, 1974.-64 с.
  22. Конструкция и наладка станков с программным управлением и роботизированных комплексов: Учеб. Пособие для ПТУ / Л. Н. Грачев, В. А. Косовский, А. Н. Ковшов и др. 2-е изд, М., Высш. шк. 1989.-271 с.
  23. Гибкие сборочные системы / Под ред. У.Б.Хегинботама- Пер. с англ. Д.Ф.Миронова- Под ред. А. М. Покровского. М.: Машиностроение, 1988,-лпп1. Г V/ V/ V.
  24. Гибкое автоматизированное производство/ Под общ. ред. С. А. Майорова, Г. В. Орловского, С. Н. Халкиопова. Л. Машиностроение, 1985.-454 с.
  25. Гибкие производственные системы, промышленные роботы, робототехнические комплексы./ В 14 кн. Кн. 13. В. Н. Давыгора. ГПС для сборочных работ. Практическое пособие. / Под ред. Б. И. Черпакова.- М.: Высшая школа, 1989.- 110 с.
  26. И.О. Использование комплектного оборудования с открытой архитектурой для создания систем с ЧПУ. // Научно-исследовательские работы в области станкостроения. М.: Тр. ЭНИМСА. Под ред. Б. И. Черпакова. 2000. — С. 39−48.
  27. В.В., Картавцев В. И. Основные задачи проектирования информационно-измерительных систем робототехнических комплексов сборки. //Сборник научных трудов. «Точные приборы и измерительные системы.» М.: МГАПИ, 2000, — С. 91−93.
  28. М.П. Информационно-измерительные системы. М.: Энергоатомиздат, 1985.-384 с.
  29. В.И. Основные средства информационного обеспечения робототехнических комплексов. //Сборник научных трудов. Точные приборы и измерительные системы.- М.: МГАПИ, 2000.- Стр. 93−96.
  30. В.В., Руабхи Насир, Слепцов Т.В. Информационные измерительные системы. Учебное пособие. М.: МГАПИ, 1999. — 60 с.
  31. И.Б., Руабхи Насир, Слепцов В.В. Минимизация времени сборки в РТК. // СТИН, № 9, 1999. с. 3−5.
  32. Руабхи Насир, Слепцов В. В. Синтез алгоритмов передачи информации в информационных измерительных системах РТК.//СТИН, № 1,2000.с. 30 32.
  33. Г., Пиани Дж. Цифровые системы автоматизации и управления. -СПб.: Невский Диалект, 2001.- 557 е.: ил.
  34. И.Б., Руабхи Н., В.В.Слепцов, Минимизация времени сборки в РТК. Ж. «СТИН», № 9, 1999 г., с. 3−5.
  35. В.В., Руабхи Н., Слепцов Т. В. Метод «замещений» в задачах оптимизации структурно- функционального синтеза робототехнических комплексов. Ж-л Информационные технологии, № 3, 1999 г., с. 18−22.
  36. А.Ф., Гуров А. К. Методика синтеза алгоритмов управления гибкими производственными модулями роботизированных комплексов / Техническая кибернетика, 1990, № 6. С. 225−232.
  37. В.В. Электрические машины в приборных устройствах. Учебное пособие. -М .: МГАПИ, 1997. -46 с.
  38. К. Теория графов и ее применение. М.: ИЛ, 1962.-366 с.
  39. Р. Имитационное моделирование систем: искусство и наука- Пер. с анг.-М.: Мир, 1978−418 с.
  40. Оперативно производственное планирование ГПС / Под ред. Б. И. Чернякова М.: Высшая школа, 1989.-95 с.
  41. О.И., Глейзер Л. Я., Слепцов В. В. Электропривод универсальных промышленных роботов. Межвузовский сборник научных трудов «Электромеханическое обеспечение автоматических комплексов», Новосибирск, 1978, с. 44−54.
  42. В.В., Картавцев В. И., Лукин A.A. Электроприводы промышленных роботов. Концепция проектирования. М.: 2003. МГАПИ, 76 с.
  43. М.П. Системная технология: объектно-ориентированный подход. -Томск .: ТГУСУ и Р, 2002. 224 с.
  44. А.П. Комбинированные многосвязные системы. -Новосибирск: Наука, 2000. 176 с.
  45. .А. Теория распределенных информационно-измерительных систем, — Новосибирск: Издательство СО РАН, 1999. 139 с.
  46. М.Н. Вероятностно-временные характеристики в сетях и системах передачи интегральной информации: Научное издание / М. Н. Петров. КГТУ. Красноярск, 1997. — 220 с.
  47. .И., Ефимов A.B., Скворцов В. А. Ряды и преобразования Уолша: Теория и применения. М.: Наука, 1987. — 344 с.
  48. А.Г. Последовательные методы в теории информационных систем. М.: Радио и связь, 1991.-280с.: ил.
  49. Алгоритмы и программы решения задач на графах и сетях / Нечепуренко
  50. М.И., Попков В. К., Майнагашев С. М. и др. Новосибирск: Наука. Сиб. отд-ние, 1990.-515 с.
  51. А. Введение в теорию нечетких множеств: Пер. с франц. М.: Радио и связь, 1982. — 432 е.: ил.
  52. И.И. Распределенные информационные системы: Учебное пособие Томск: ТГУ СУ и РЭ. 2003 — 345 с.
  53. Нечеткие множества и теория возможностей / Под. ред. Р. Р. Ячеря. М.: Радио и связь, 1986−408 с.
  54. Хелеби С, Мак-Ферсон Д. Принципы маршрутизации в Internet. 2-е издание.: Пер. с англ. М: Издательский дом «Вильяме», 2003. — 448 с.
  55. A.M., Назаров A.A., Терпугов А. Ф. Управление и адаптация в системах массового обслуживания. Изд-во ТГУ, Томск, 1978.
  56. О.М. Модели массового обслуживания в системах обработки информации. Мн.: Университетское. — 1990. 191 с.
  57. Ope О. Теория графов. М.: Наука, 1980. — 336 с.
  58. Тодд Лэмлл, Шон Одон, Кевин Уолмс. Маршрутизация. Изд-во «Лори», 2002 г.
  59. Джером Ф.Димацио. Маршрутизаторы Cisco. Пособие для самостоятельного изучения. Изд-во «Символ». С.-Петербург-Москва, 2003 г.
  60. Т. Принятие решений. Метод анализа иерархий. М.: Радио и связь, 1993. — 314 с.
  61. H.A. Принципы построения NGN сети следующего поколения. IX Международная конференция «Проблемы функционирования информационных сетей», Новосибирск, 2006.
  62. A.B. Проблемы и методы адаптивного управления потоками данных в телекоммуникационных системах. Информатизация и связь, № 1−2, 2003, с. 68−73.
  63. A.M. Перспективы развития магистральных транспортных сетей // ИнформКурьерСвязь, 2005. № 6.
  64. H.H. Первые рекомендации МСЭ-Т о сетях следующего поколения // ИнформКурьерСвязь. 2005. № 6.
  65. A.B., Соколов H.A. Мультисервисные абонентские концентраторы для функциональных возможностей «Triple-Play Services» // Вестник связи, 2005. № 4.
  66. М.Ф., Жарков М. А., Юнаков П. А. Квазиэлектронные и электронные АТС. -М.: Радио и связь, 1988.
  67. B.C., Пинчук А, В., Суховицкий А. Л. IP-телефония, М.: Радио и связь, 2001.
  68. Ахмед Н., Pao K.P. Ортогональные преобразования при обработке цифровых сигналов: Пер. с англ. / Под ред. Фоменко И. Б. М.: Связь, 1980. -248 с.
  69. Дж., Пирсол А. Применения корреляционного и спектрального анализа. М.: Мир, 1983. — 312 с.
  70. Дж., Пирсол А. Измерение и анализ случайных процессов: Пер. сангл. -М: Мир, 1971.-408 с.
  71. Д. Временные ряды. Обработка данных и теория: Пер. с англ. М.: Мир, 1980.- 536 с.
  72. Т.В., Чувыкин Б. В., Щеголев В. Е. Применение теории wavelets в задачах обработки информации. Пенза: Изд-во Пенз. гос. ун-та, 2000.- 188 с.
  73. В.Ф., Рвачев В.А. Wavelet-системы и их применение в обработке сигналов // Зарубежная радиоэлектроника, 1996, № 4.- С. 3 -20.
  74. JI.B. Основы вейвлет-анализа сигналов. СПб., 1999. — 152 с.
  75. , Р.Е. Сжатие и поиск информации. М.: Радио и связь, 1989.
  76. Д. Алгоритмы сжатия информации : Часть 2−7. // Монитор.-1994.-№ 1−6.
  77. JI.B. Спектральный анализ сигналов в базисе вейвлетов // Научное приборостроение, 2000, № 3. С. 57−64.
  78. В.Н. Спектральный анализ в дискретных ортогональных базисах. -Минск: Наука и техника, 1978. 136 с.
  79. Применение цифровой обработки сигналов: Пер. с англ. / Под ред. Оппенгейма Э. М.: Мир, 1980. — 552 с.
  80. Т.В. Применение вейвлет-преобразования для обработки и распознавания речевых сигналов // Искусственный интеллект. 2002. -№ 4.-С. 200−208.
  81. П.В., Янчук Е. Е. Дьяконов В., Абраменкова И. MATLAB. Обработка сигналов и изображений. Специальный справочник. СПб.: Питер, 2002, 608 с.
  82. Н.М. Вейвлет-анализ: Основы теории и примеры применения.- Успехи физических наук, 1996, т. 166, № 11, стр. 1145−1170.
  83. Bentley J.L., Sleator D.D., Tarjan R.E., Wei V.K. A locally adaptive data compression scheme. Commun. ACM 29, 4 (Apr. 1986), p. 320−330.
  84. Fiala E.R., Greene D.H. Data compression with finite windows. CACM-32, 4 (1989), p. 490−505.
  85. Gallager R.G. Variations on the theme by Huffman. IEEE Trans. Inf. Theory1. 24, 6 (Nov. 1978), p. 668−674.
  86. Golomb S.W. Run-length encoding. IEEE Tr. Inf. Theory IT-12, (1966), p. 399−401.
  87. Huffman D.A. A method for the construction of minimum-redundancy codes. Proc. Inst. Electr. Radio Eng. 40, 9 (Sept. 1952), p. 1098−1101.
  88. Wilson N. Single-chip engine for document compression. // Electronics and wireless world 95, 1636 (Feb. 1989), p. 116−119.
  89. Ziv J., and Lempel, A. Compression of individual sequences via variable-rate coding. // IEEE Trans. Inf. Theory IT-24, 5 (Sept. 1978), p. 530−536.
  90. Taaffe 0. The move from capacity to capability. Telecommunications International, December, 2005.
  91. Yermolenko T.V. Segmentation of a speech signal with application of fast wavelet-transformation. International Journal on Information Theories and Applications. 2003. — Vol. 10, № 3. — P. 306−310.
  92. Fedorov E.E. Yermolenko T.V. The procedures of the noise clipping in the signal, based on Fourier- and wavelet- transform and on classification of sounds of speech. Труды Международной НТК SPECOM'2006. 2006. -P.245−250.
  93. Yermolenko T.V. Segmentation of a speech signal with application of fast wavelet-transformation // International Journal on Information Theories and Applications.-2003.-Vol. 10, № 3,-P. 306−310.
  94. У. Цифровая обработка изображений: Пер. с англ. М.: Мир, 1982. Кн.1 и 2. — 312 и 480 с.
  95. Cooley J.W., Tukey J.W. An algorithm for machine computation of complex Fourier series // Mach. Comput. 1965. — V.19. — P. 297−301.
  96. Rao K.R., Yip P. Discrete cosine transform algorithms, advantages, applications. — London: Academic Press inc., 1990.
  97. А.П. Введение в теорию базисов всплесков. С-Пб.: СПбГТУ, 1999.- 132 с.
  98. JI.B. Основы вейвлет-анализа сигналов.-С-Пб.: ООО МОДУС +, 1999.- 152 с.
  99. В.И., Грибунин В. Г. Теория и практика вейвлет-преобразования. С-Пб.: ВУС, 1999. — 203 с.
  100. Hung А.С. Image compression: the emerging standard for color images//IEEE Computing Futures. 1989. — Inagural issue. — P. 20−29.
  101. Ramachandran K., Vetteri M. Best wavelet packet bases in a rate-distortion sense // IEEE Trans. Image Proc. 1993. -V.2. →2. — P. 160−175.
  102. Gopinath R.A., Burrus C.S. On cosine-modulated wavelet orthogonal bases // IEEE Trans. Image Proc. 1995. -V.4. — P. 162−177.
  103. Antoni M. et al. Image coding using wavelet transform // IEEE Trans. Image Proc. 1992. -V.l. -'2. — P. 205−220.
  104. Fractal image compression: theory and application./ Ed.: Y.Fisher. New York, 1995.-XVIII, 341 p.
  105. Н.Я. Об одном классе полных ортогональных систем // Изв. АН СССР. Сер. мат. 1947. — Т.П. — С. 363−400.
  106. Chrestenson Н.Е. A class of generalized Walsh functions // Pacific. J. Math. -1955.-V.5.-№l.-P. 17−32.
  107. Perkins M.G. A comparison of the Hartley, Cas-Cas, Fourier, and discrete cosine transforms for image coding // IEEE Trans. Commun. 1988. — V.36. -№ 6.- P.758−761.
  108. C.B. Быстрые алгоритмы вычисления дискретного мультипликативного преобразования / М.: МГИЭТ (ТУ), 1995. 15 с.— Деп. в ВИНИТИ 16.02.95, № 442-В95.
  109. С.В. Особенности использования дискретного преобразования Крестенсона-Леви при обработке вещественных массивов // Микроэлектроника и информатика: Тез. докл. Межвузовской НТК 12−14 апр. 1995 г. М.: МГИЭТ (ТУ). — С. 188−189.
  110. Storer J.A. Data compression: Methods and theory. Rockville (Md): Computer science press, 1988. — X, 413 p.
  111. A.K. Сжатие видеоинформации: Обзор // ТИИЭР. 1981. — Т.69. -№ 3. — С. 71−117.
  112. Digital image processing / Collect.: Chellappa R. Los Alamitos (Ca) et al.: IEEE computer soc. press, 1992. — IX, 801 p.
  113. Г., Корн Т. Справочник по математике для научных работников и инженеров: Пер. с англ. М.: Наука, 1970. — 720 с.
  114. Birney К.A., Fischer T.R. On the modeling of DCT and subband image data for compression // IEEE Trans. Image Proc. 1995. — V.4. — 2. — P. 186−193.
  115. Д.М. Эквивалентность одномерного и двумерного преобразования Крестенсона-Леви // Методы цифровой обработки изображений: Сб. Научных трудов МИЭТ. М.: МИЭТ, 1982 — С. 65−70.
  116. Д. Алгоритмы сжатия информации. Ч. 2. Арифметическое кодирование // Монитор. 1994. -№ 1. — С. 20−26.
  117. Lee B.G. FCT A fast cosine transform // Proc. IEEE ICASSP. -1984. — P. 28A3.1−28A3.4.
  118. Cho N., Lee S. Fast algorithm and implementation of 2-D discrete cosine transform // IEEE Trans. Circuits and Systems. 1991. -V.38. — P.297−305.
  119. Mallat S. A theory for multiresolutional signal decomposition: the wavelet representation. IEEE Trans. Pattern Analysis and Machine Intelligence, 1989, N7, p.674−693.
  120. A. Harten. Discrete Multi-Resolution Analysis and Generalized Wavelets, J. App. Num. Math., v. 12, pp.153−193, 1993.
  121. Wim Sweldens. The lifting Scheme: A Custom Design Construction of Biorthogonal Wavelets, Applied and Computational Harmonic Analysis, 3(2), 186−200, 1996.
  122. Wim Sweldens. The lifting Scheme: A Construction of Second Generation wavelets. SI AM J. Math. Anal., 29(2): 186−200, 1997.
  123. В. Комбинаторика для программистов. М.: Мир. 1988.215 с.
  124. Э. Алгоритмы оптимизации на сетях и графах. М.: Мир, 1981.-323 с.
  125. B.C., Кукса А. И. Методы последовательной оптимизации. М.: Наука, 1983. — 208 с.
  126. Floyd S., Jacobson V. The Synchronization of Periodic Routing Messages. // ШЕЕ/ACM Transactions on Networking. 2(2). 1994.- p. 122−136.
  127. В. В., Васильев A.M., Сидоров А. К. Анализ устойчивости распределенных информационно-измерительных систем. МГАПИ. Приборостроение, Межвузовский сборник научных трудов, 2005, стр. 13−20.
  128. A.M., Сидоров А. К., Гарипов В. К. Построение алгоритмов диагностирования технических систем при отсутствии надежностных характеристик контролируемых параметров. Приборы, 2006, № 8, С. 36−38.
  129. Гарипов В. К, Васильев A.M. Сжатие изображений на основе модифицированного дискретного косинусного преобразования. Мир техники Кино. 2007, № 6, с. 8−11, 2008, № 7, с. 3−6.
  130. G.Donovan, J.S.Geronimo, D.P.Hardin, P.R.Massopust. Construction of orthogonal wavelets using fractal interpolation functions, School of Math., Georgia Inst, of Technology, preprint MATH 102 293−010, 1994.
  131. Yip P.C., Rao K. R. The transform and data compression handbook. Boca Raton: CRC Press, Inc., 2001.-408 p.
  132. Salomon D. Data compression: the complete reference.- 4th ed. -NY:Springer -Verlag, Inc., 2006. 1092 p.
  133. Hans M., Schafer R.W. Lossless compression of digital audio // IEEE Signal Processing Magazine. 2001. — Vol. 18, № 4. — P. 21 — 32.
  134. Liebchen T. Lossless audio coding using adaptive multichannel prediction // Proceedings of 113th AES convention. Los Angeles, 2002. — 7 p.
  135. Liebchen T. MPEG-4 lossless coding for high-definition audio// Proceedings of 115 th AES Convention. New York, 2003. — 6 p.
  136. Wang Y., Vilermo M. The modified discrete cosine transform: its implications for audio coding and error concealment // Proceedings of AES 22nd International Conference. Espoo, 2002. — P. 223 — 232.
  137. Li J. Reversible FFT and MDCT via matrix lifting // Proceedings of IEEE International Conference on Acoustics, Speech, and Signal Processing.- Montreal, 2004. Vol. 4, — P. 173 — 176.
  138. Malvar H.S. Fast algorithm for the modulated complex lapped transform // IEEE Signal Processing Letters. 2005. — Vol. 10, № 5. — P. 8 — 10.
  139. A comparison of integer fast Fourier transforms for lossless coding /
  140. Y. Yokotani, S. Oraintara, R. Geiger et al. // Proceedings of IEEE International Symposium on Communications and Information Technologies. Sapporo, 2004. — Vol. 2, — P. 1069 — 1073.
  141. Yokotani Y., Oraintara S. Lossless audio compression using integer modified discrete cosine transform //Proceedings of IEEE International Symposium on Intelligent Signal Processing and Communication Systems. Awaji Island (Japan), 2003.-P. 120- 126.
  142. Daubechies I., Orthonormal bases of compactly supported wavelets
  143. Communications on Pure and Applied Mathematics.- 1988. Vol. 41, № 7. -P. 909−996.
  144. Timofeev A.V. Multi-Agent Information Processing and Adaptive Control in Global Telecommunication and Computer Networks. International Journal «Information Theories and Their Applications», 2003, № 10, pp. 54−60.
  145. И.В., Соколов В. А. Протокол TCP с адаптацией скорости. // Моделирование и анализ информационных систем. Т.6, № 1. 1999.1. С.4−12.
  146. И.В. Математическая модель протокола TCP с адаптацией скорости. // Моделирование и анализ информационных систем. Т.6, № 2. 1999.- С. 51−53.
  147. . Протоколы сети доступа. // М., Радио и связь. -1999.
  148. , М. А. Маршрутизация на основе нечеткой логики в рамках протокола RIP / М. А. Кораблин, Д. Ю. Полукаров // Информационные технологии. 2005. — № 6. — С. 11−15.
  149. Т.И., Муравьева JI.A. Выбор метода диспетчеризации в системах реального времени // Третье Всесоюзное совещание по распределенным автоматизированным системам массового обслуживания. Тезисы докладов. М., 1990.-С. 126−128.
  150. Taqqu М., Willinger W., Sherman R. Proof of Fundamental Result in Self-Similar Traffic Modelling. // Computer Communications Review, n. 27. -1997.-p. 5−23.
  151. Frost V., Melamed B. Traffic modelling for telecommunications networks. // ШЕЕ Communications Magazine. 32(2). -1994.- p. 70−80.
  152. Leland W., Taqqu M., Willinger W., Wilson D. On the Self-Similar Nature of Ethernet Traffic (Extended Version). // ШЕЕ/ACM Transactions on Networking. 2(1). -1994.- p. 1−15.
  153. Gusella R. A Measurement Study of Diskless Workstations Traffic on an Ethernet. //ШЕЕ Trans, on Communications. 38(9). 1990, — p. 1557−1568.
  154. Paxson V., Floyd S. Wide-Area Traffic: The Failure of Poisson Modelling. // ШЕЕ/ACM Transactions on Networking. 3(3). 1995, — p. 226−244.
Заполнить форму текущей работой

На отлично!