Системы обнаружения и измерения параметров сигналов со скачкообразным изменением частоты

Сравнивались все четыре биспектральных образа. Результаты сравнения приведены в табл. 3.1.

Таблица 3.1

Мера отличия векторов биспектральных образов в градусах

Таким образом, биспектральныевектор-образы трех реализаций отличались друг от друга не более чем на 0,12°, в то же время они отличались от модельного сигнала не менее чем на 0,65°, что доказывает некоторые характерные особенности формы импульсов в реализациях, отличной от модельной формы. Для количественной оценки биспектральных вектор-образов реализаций сигнала от модельного было произведено вычитание полученных векторов-образов из модельного вектор-образа. Результаты обработки приведены на рис. 3.12.

Оценка разрешающей способности составила 0,1 градуса, что позволяет интерпретировать различия в тонкой структуре формы импульсов уже не качественно, а количественно.Применение подхода в задачах радиоконтроля, решаемых в проводимых НИОКР показало увеличение такого комплексного показателя, как вероятность успешного распознавания с 0,7 до 0,94, а по ряду типов сигналов - до 0,97. Повышение эффективности предложенного алгоритма оценки периода следования импульсов сигналов с ППРЧ по сравнению с максимально- правдоподобными оценками показано при проведении численного моделирования.Полиспектральный анализ естественным способом позволяет совершенствовать известные методы измерений и анализа процессов и создавать новые методы обработки сигналов. Предложенная схема классификации огибающей импульсов на основе методологии биспектрального анализа может использоваться для различения абонентов в системе связи, без учета передаваемой абонентами информации. В результате применения данной методологии к трем различным реализациям сигнала от одного абонента, было показано, что во всех трех реализациях форма импульса имеет идентичное отклонение от идеального прямоугольного импульса, при этом наблюдается идентичная асимметрия (значения бифазы отличны от 0 и р) на одних и тех же частотах.

Данные отклонения можно интерпретировать как специфичную особенность передающего тракта абонента, что позволит в дальнейшем использовать разработанные алгоритмы для решения задачи радиомониторинга средств связи на основе сигналов с ППРЧ.

3.4 Выводы

1. Повышение эффективности предложенного алгоритма оценки периода следования импульсов сигналов с ППРЧ по сравнению с максимально-правдоподобными оценками показано при проведении численного моделирования.

2. Полиспектральный анализ естественным способом позволяет совершенствовать известные методы измерений и анализа процессов и создавать новые методы обработки сигналов.

3. Предложенная схема классификации огибающей импульсов на основе методологии биспектрального анализа может использоваться для различения абонентов в системе связи, без учета передаваемой абонентами информации.

4. В результате применения данной методологии к трем различным реализациям сигнала от одного абонента, было показано, что во всех трех реализациях форма импульса имеет идентичное отклонение от идеального прямоугольного импульса, при этом наблюдается идентичная асимметрия (значения бифазы отличны от 0 и р) на одних и тех же частотах.

4. Техническая реализация алгоритмов обработки сигналов систем связи с ППРЧ и анализ их эффективности

4.1 Техническая реализация алгоритмов обработки сигналов с ППРЧ

Структурная схема обнаружителя (рис. 4.1) была полностью реализована на базе модуля цифровой обработки сигналов Tornado-P67™ фирмы MicroLabSystems со встроенным 32-разрядным цифровым сигнальным процессором TMS320C6701 с архитектурой VelociTI™ (высокопараллельная и детерминированная архитектура).

Архитектура процессора включает в себя 8 модулей - два умножителя и шесть арифметико-логических устройств. Все модули максимально независимы, что дает возможность компилятору и оптимизатору употреблять множество комбинаций их использования. На каждом такте процессора выбирается восемь 32-битных RISC-подобных инструкций. Предусмотренная в архитектуре VelociTI™ упаковка команд позволяет исполнять эти восемь инструкций параллельно, последовательно или параллельно/последовательно.

Как видно из рис. 4.2, процессор использует 256-битные инструкции для выдачи до 8 команд по 32 бита для каждого из 8 функциональных модулей в каждом такте. Ядро TMS320C6701 имеет два набора функциональных модулей. Каждый набор включает в себя четыре модуля и регистровый файл. Каждый файл состоит из шестнадцати 32-разрядных регистров, таким образом, всего в ядре содержится тридцать два 32- разрядных регистра общего назначения.

Рис. 4.1 Структурная схема аппаратно-программного модуля обнаружения

Рис. 4.2 Функциональная схема процессора ТМS320C6701

Два набора функциональных модулей, связанные с двумя регистровыми файлами, создают разделение ядра на стороны А и В. Четыре модуля с каждой стороны процессора имеют произвольный доступ к регистровому файлу своей стороны. Кроме того, каждая сторона имеет шину, соединенную с регистровым файлом другой стороны.

Другой особенностью архитектуры процессора является использование стратегии сохранения / загрузки, при которой все команды работают с регистрами. При этом два адресных модуля D1 и D2 выделяются только под передачу данных между регистровым файлом и памятью.

Кроме линейнойподдерживается циклическая адресация памяти, что особенно удобно дляэффективного построения цифровых фильтров.

Все команды могут быть условными, и большинство команд могут использовать любой из 32 регистров. Два М-модуля выделены под умножители 16х16. Два S- и два L-модуля выполняют арифметические, логические операции и операции перехода, при этом возможна задержка выполнения до 5 тактов конвейера, но большинство команд выполняется за 1 такт.

Организацияконвейера ассемблерных инструкций является задачей особой важности при программировании на платформе TMS320C6701 и критерием эффективности программного кода является загруженность конвейера. Заявленная производительность процессора - миллиард операций с плавающей точкой в секунду достигается лишь при конвейерной загрузке, близкой к заполнению, т.е. не менее шести инструкций за такт.

Учитывая высокую скорость потока данных, в качестве цифрового фильтра нижних частот был выбран однородный фильтр с конечной импульсной характеристикой, причем вне зависимости от его порядка (длины) можно реализовать схему выделения огибающей на процессоре в среднем всего за два такта на отсчет. Работа такой схемы обнаружения определяется формулой

(4.1)

где n - порядок фильтра, y - оцифрованный входной сигнал после аналогового широкополосного фильтра, z - огибающая сигнала (см. рис.4. 1).

Учитывая особенность архитектуры процессора TMS320C6701, а именно, наличие двух устройств загрузки из памяти (D-модули процессора) более рационально обработать ситуацию одновременного вычисления двух отсчетов огибающей:

(4.2)

Полоса фильтра должна быть согласована с длиной импульса для того, чтобы максимально использовать энергию сигнала.

Еще более эффективным является использование приближенного вычисления скользящего среднего, определяемого выражением

Таким образом, последовательность команд в алгоритме сводится к одному умножению, двум сложениям и одному битовому сдвигу (если n - можно представить как 2^m, то деление сводится к сдвигу на m бит вправо). За начальное приближение z₀ берется нулевая величина, а при последующих вычисленияхz_k в (4.2) приближается к последовательности z_k в (4.1).

Реализованный алгоритм апробирован на тестовых импульсных сигналах генератора, принятых реальным радиоприемным трактом, а также на реальных сигналах.

На рис. 4.3. представлены энергетические характеристики реального обнаружителя, реализованного на TMS320C6701, в сравнении с характеристикой оптимального обнаружителя, вычисленной по (3 - 5), с фиксированной вероятностью ложной тревоги P_F = 10^-2.

Рис. 4.3 Сравнение энергетических характеристик реального обнаружителя и оптимального при вероятности ложной тревоги P_F = 10^-2

Для алгоритма обнаружения радиоимпульсных сигналов на фоне шумов были установлены следующие факты:

1. Определено, что при реальных соотношениях сигнал/шум ~ 10 - 15 дБ проигрыш в помехоустойчивости реализованной схемы обнаружения по отношению к оптимальному обнаружителю не превышает 1 дБ.

2. Предложенная реализация обнаружителя в ядре конвейера использует 5.5 инструкций процессора за такт. Учитывая тактовую частоту процессора (166 МГц) производительность TMS320C6701 для данной задачи составляет 916 MFLOPS. Такая схема обнаружения способна работать с потоком данных, скорость которого достигает 80 МБайт/с.

3. Разработанный алгоритм и его аппаратная реализация используются, а также могут быть использованы в перспективных комплексах радиоконтроля.

4.2 Оптимизация вычислительных алгоритмов обработки сигналов с ППРЧ

Появление высокопроизводительных ядер VelociTI и VelociTI.2 TMS320C6000 фирмы TexasInstruments (TI) инициировало разработчиков адаптировать и оптимизировать алгоритмы цифровой обработки сигналов и код программ с учетом архитектуры этих ядер. Безусловным подспорьем в решении столь сложной задачи, как оптимизация кода, является встроенный в среду разработки CodeComposerStudio (CCS) оптимизатор и прилагаемая TI библиотека функций цифровой обработки сигналов (dsplib).

Вместе с тем при использовании сложных алгоритмов ЦОС (например, обнаружение, демодуляция, распознавание и т.п.), которые не всегда удается оптимально представить в виде последовательных вызовов функций dsplib, возникает проблема оптимизации таких алгоритмов целиком или их отдельных участков, критичных ко времени исполнения. Использование встроенного в CCS оптимизатора в таких ситуациях требует специального, с учетом архитектуры процессора, приготовления как алгоритма, так и кода на языках С и линейного ассемблера.

В дипломе представлены и систематизированы методыоптимизации кода на языках С, линейного и параллельного ассемблера дляцифрового сигнального процессора (DSP) семейства TMS320C6000. Показана возможность трансформации алгоритма с целью минимизацииколичества операций за такт процессора на примере конкретныхприложений. Особое внимание уделено этапу упаковки инструкций вассемблерный конвейер.

Ниже приведены результаты систематизации методов оптимизации часто используемых процедур в алгоритмах ЦОС и приготовления кода для оптимизатора CCS, как собственных, так и изложенных в [159]. Сложная архитектура процессора позволяет добиваться (в идеальном случае оптимизации) выполнения до 8 арифметико-логических операций с фиксированной или плавающей точкой (в зависимости от типа процессора).

Проблема систематизации подходов к оптимизации алгоритмов ЦОС для этого семейства процессоров остается и будет оставаться актуальной еще долгое время. В работе сделана попытка такой систематизации, которая оказалась успешной в ряде частных случаев решения задач ЦОС реального времени.

Формально определим методы вычислений как четверку (Q, I, Щ, f), где Q - множество содержащее подмножества I и Щ, а f - функция переводящая множество Q в себя. Кроме того, f оставляет неподвижными точки множества Щ, т.е. f(q) = q для ?q? Щ. Эти четыре элемента, Q, I, Щ, f, представляют соответственно состояние вычисления, ввод, вывод и правило вычисления.

Каждое входное значение x из множества I определяет вычисляемую последовательность x₀, x₁, x₂,… следующим образом:

x₀= x, x_k+1= f (x_k) для k ? 0.

Будем говорить, что вычисляемая последовательность заканчивается через k шагов, если k - наименьшее целое число, для которого x_kпринадлежит Щ, и что она дает выходное значение x_kдля заданного x [160].

Не ограничивая общности, определим алгоритм как метод вычислений, который заканчивается за конечное число шагов для всех x из I.

На рис. 4.4 приведен алгоритм получения оптимального программного кода, для которого:

Q - множество состояний: оптимизация на языке C, оптимизация на линейном ассемблере, оптимизация на параллельном ассемблере.

I - входные данные: программный код или вычислительный алгоритм, целевая функция.

Щ - выходные данные -оптимально работающая программа.

f - методы оптимизации, позволяющие получить наиболее эффективный программный код.

Последовательность действий на рис. 4.4. действительно является алгоритмом, т. к.:

* последовательность конечна, т.е. за конечное число шагов получим оптимальный программный код или причины, по которым нельзя получить более эффективного программного кода;

* после дальнейшей оптимизации уже достаточно быстродействующего программного кода, получим программный код, также удовлетворяющи й всем требованиям к эффективности,

т.е. f(q) = q, для ?q? Щ..

Очевидно, что в нашем случае в качестве целевой функции необходимо использовать время исполнения программного кода, которая стремится к минимуму с возрастанием количества итераций. В общем случае в качестве целевой функции может выбираться адаптируемость алгоритма к различным вычислительным платформам, размер кода, его простота и изящество и т.п.

Рис. 4.4 Последовательность действий при оптимизации программ алгоритмов

В работе предложена базовая последовательность итерацийоптимизационного цикла процедур ЦОС. В таблице 4.1 представлены данныепо порядку оптимизации для конкретных вычислений.

Таблица 4.1

Применение различных методов оптимизации

Вариант оптимизации кода	Примечания
1	Исходныйфайл. s += p[i]*p[i] - p[i-C]*p[i-C]; dst [i] = s;
2	Использована формулу разность квадратов. s += (p[i] - p[i- C])*(p[i] + p[i-C]); dst [i] = s;
3	Использованы указатель и преобразовали счетчика цикла. char *p1 = p + C; intcond = len - C; for(i = 0; i<cond; i++) { s += (p1[i] - p[i])*(p1[i] + p[i]); dst [i+C] = s; }
4	Развернуто в два раза. for(i = C; i<len; i += 2) { s1 = s2 + (p[i] - p[i-C])*(p[i] + p[i-C]); s2 = s1 + (p[i+1] - p[i-C+1])*(p[i+1] + p[i-C+1]); dst [i] = s1; dst [i+1] = s2; }
5	Развернуто в два раза и преобразован счетчик цикла, с помощью переменной j. intcond = (len - C)>>1; char *p1 = p + C; int j = 0; for(i = 0; i<cond; i++) { s1 = s2 + (p1[j] - p[j])*(p1[j] + p[j]); s2 = s1 + (p1[j+1] - p[j+1])*(p1[i+1] + p[j+1]); dst [j] = s1; dst [j+1] = s2; j += 2; }
6	Развернут цикл в четыре раза. for(i = C; i<len; i += 4) { … }
7	Развернут цикл в четыре раза, другое обращение к памяти. for(i = C; i<len; i += 4) { … * dst ++ = s1; * dst ++ = s2; * dst ++ = s3; * dst ++ = s4;}
8	Развернут цикл в восемь раз, по возможности устранена зависимость от счетчика i в цикле, расписан первый небольшой цикл.

Для оптимизации программного кода процедуры автокорреляционной обработки были использованы все описанные выше методы, что позволило достичь 16-тикратного уменьшения времени обработки.

Не все циклы реализованные на языке С можно уложить в ассемблерный конвейер. Рассмотрим те случаи, когда это сделать, скорее всего, не удастся. Оптимизатор не может уложить в ассемблерный конвейер следующие циклы:

* Циклы, в теле которых содержатся вызовы функций.

* Циклы с условным выходом (break).

* Циклы с увеличивающимся счетчиком цикла.

o а) Счетчик цикла модифицируется в теле цикла.

for( i = 0; i < n ;i++)

{… i += x;…}

o б) Счетчик цикла изменяется в теле цикла в зависимости отусловий.

for ( i = 0; i< n ;i++)

{…if(b > a) i += 2;…}

* Циклы, требующие больше, чем 32 регистра (для `C62xx/С67xx.' и 64 для `C64xx.').

* Циклы, в теле которых используются сложные условия, требующие больше пяти условных регистров.

Такие циклы можно попытаться уложить в ассемблерный конвейер, не используя встроенный в CCS оптимизатор, программируя на параллельном ассемблере. Для решения задачи восстановления оценки периода следования импульсов был использован алгоритм, включающий в себя цикл с модифицирующимся счетчиком и несколькими ветвлениями. Реализация кода на языке параллельного ассемблера позволила сократить время исполнения программы в 6 раз по сравнению с реализацией на языке С, используя оптимизатор ССS. Разработанное приложение апробировано при обработке реальных сигналов на процессорах TMS320C6701 и TMS320C6416.

Повысить эффективность программного кода, содержащего сложный цикл, т.к. компилятор может уложить в ассемблерный конвейер только одинарные циклы, можно тремя способами:

* Реализовать циклы на параллельном ассемблере без использования оптимизатора CCS.

* Свести сложный цикл к одинарному циклу, расписав внутренние циклы. Но если счетчик цикла велик, то программный код сильно увеличится и укладка цикла в ассемблерный конвейер невозможна.

* Поставить условия на выполнение инструкций внешнего цикла. В Примере 5 показано, как можно свести цикл к одинарному циклу, выполняемому за m - n итераций. Если во внешнем цикле выполняется большое количество инструкций, то после сведения к одинарному циклу эти инструкции вместо m раз будут выполняться m - n раз, поэтому в таких случаях этот способ не применим. Наилучший результат можно получить, когда количество инструкций или число итераций невелико.

Таким образом, в главе рассмотрены, систематизированы и проверены на практике методы оптимизации программного кода для процессоров семейства TMS320C6xxx, позволяющие реализовать алгоритм на языке С, линейном и параллельном ассемблере и получить эффективный программный код.

Применение этих методов позволило значительно сократить время исполнения кода по сравнению с применением оптимизатора CCS на уровне -02 для решения конкретных прикладных задач ЦОС по обнаружению, демодуляции, декодированию, распознаванию. Так, например, удалось сократить время исполнения процедуры обнаружения радиоимпульсов в 2 раза; процедуры автокорреляционной обработки в 16 раз, время исполнения взаимно-корреляционной функции в 4 раза, процедуры.

При разработке эффективных вычислительных алгоритмов обработки сигналов с ППРЧ были получены следующие результаты:

1. Представлены и систематизированы методы оптимизации кода на языках С, линейного и параллельного ассемблера для цифрового сигнального процессора (DSP) TMS320C6000.

2. Показана возможность трансформации алгоритма с целью минимизации количества операций за такт процессора на примере конкретных приложений. Особое внимание уделено этапу упаковки инструкций в ассемблерный конвейер.

4.3 Экспериментальное исследование эффективности разработанных алгоритмов и реализованных устройств

С целью апробации предложенных подходов к классификации сигналов по форме импульса было взято три различных реализации сигналов одного абонента, представляющие собой импульсные последовательности, записанные в разное время. В каждой из реализаций было представлено от 20-ти до 50-ти импульсов отношением С/Ш порядка 8-ми дБ в полосе приема. Для применения предложенного в третьей главе алгоритма в пределах каждой из трех реализаций сигнала была произведена фильтрация в полосе частот, содержащей около 5-ти гармоник

n = 1, 2, 3, 4, 5.

Затем строились биспектральные функции каждого из импульсов с последующим накоплением по N импульсам в пределах одной реализации. В результате суммарный энергетический выигрыш составил порядка 40 дБ.

Было получено три биспектральных функции, соответствующие средним значениям биспектров импульсов в каждой из трех реализаций сигнала.

Аналогично была создана модельная реализация сигнала с 50-ю импульсами на основании априорно изменчивых и неизменчивых характеристик сигнала. К таким характеристикам относятся длительность, частота, отношение С/Ш, вид модуляции и т.д., при этом априорно изменчивые характеристики полагались случайными. На основе этой реализации был получен биспектральный образ.

Посредством метода, описанного в третьей главе, сравнивались все четыре биспектральных образа. Результаты сравнения приведены в табл. 4.2.

Таблица 4.2

Мера похожести биспектральных образов в градусах

Таким образом, биспектральные образы трех реализаций отличались друг от друга не более чем на 0,12°, в то же время они отличались от модельного сигнала не менее чем на 0,65°, что показывает на специфическое отличие формы импульсов в реализациях от эталонного.

Для демонстрации отличия биспектральныхвектор-образов реализаций сигнала от модельного было произведено вычитание полученных векторов-образов из модельного вектор-образа.

Приведем графическую интерпретацию, представленную на рис. 4.4.

Оценка разрешающей способности составила 0,1 градуса, что позволяет интерпретировать различия в тонкой структуре формы импульсов уже не качественно, а количественно. Применение подхода в задачах радиоконтроля, решаемых в проводимых НИОКР показало увеличение такого комплексного показателя, как вероятность успешного распознавания с 0,7 до 0,94, а по ряду типов сигналов - до 0,97.

Повышение эффективности предложенного алгоритма оценки периода следования импульсов сигналов с ППРЧ по сравнению с максимально- правдоподобными оценками показано при проведении численного моделирования.

На рис. 4.6 изображена реализация полиспектрального анализатора на базе устройства аналогового-цифрового пробразователя, сопряженного с модулем Tornado-P64 на базе процессора TMS320C6416.

Выражения (2.18) и (2.19) позволяют теоретически оценить энергетический выигрыш метода ПДС по сравнению с традиционным методом усреднения при решении задачи оценки периода следования импульсов для пропадающего сигнала. Вместе с тем, для проверки таких оценок было проведено численное моделирование в среде МАТЛАБ. С этой целью была сгенерирована последовательность импульсов на фоне аддитивного белого гауссовского шума с внутриимпульсной четырехпозиционной фазовой манипуляцией. Порядок появления импульса в заданной временной позиции и его несущая частота в полосе приема определялись генератором псевдослучайной последовательности.

Рис. 4.5 Различия между полученными вектор-образами и модельным вектор образом

Таким образом, после генерации сигнала, к полученной реализации были применены два альтернативных алгоритма оценки периода следования импульсов: на основе методов ПДС (2.18) и традиционных методов усреднения (2.19). Количество импульсов в реализации, n, варьировалось в пределах от 10 до 50, а отношение сигнал/шум, q, в диапазоне от 6 до 22 дБ.

Результаты оценки для n = 16 в зависимости от q приведены на рис. 4.7, где пунктирным линиям соответствует традиционный метод усреднения, сплошным ? ПДС метод, жирным ? погрешности, вычисленные по формулам (2.18), (2.19), тонким? результаты численного моделирования.

Представлены относительные погрешности двух альтернативных алгоритмов, причем пунктирным линиям соответствует традиционный метод усреднения, сплошным? ПДС метод, жирным ? погрешности, вычисленные по формулам (2.18), (2.19), тонким ? результаты численного моделирования.

Легко видеть, что энергетический выигрыш алгоритма с использованием метода ПДС составляет величину более 2 дБ на интервале q до 12 дБ, и с возрастанием отношения сигнал/шум разница сокращается до 1 дБ, при этом сохраняется асимптотическое стремление оценки традиционного метода усреднений к единственной эффективной оценке при q >?.



Рис. 4.6 Реализация полиспектрального анализатора

Рис. 4.7 Относительные погрешности измерения периода следования импульсов

Чтобы оценить качество работы устройства оценки, базирующегося на методологии ПДС в пространстве {n,q}, была рассчитана разница д₀и д₁ с учетом (2.19) и (2.42) и результат представлен в виде диаграммы на рис. 4.8.

Анализируя функцию д₀- д₁ от переменных q и n можно видеть, что на всем представленном пространстве {n = 10..40, q = 0..10дБ} она положительна. При фиксированном значении q функция д₀- д₁достигает максимума в области n = 15 - 25, т.е. при достаточно объеме выборки использование методологии ПДС наиболее рационально. С увеличением n разность стремится к нулю, что соответствует асимптотическому стремлению традиционной оценки к оценке эффективной. При высоких отношениях сигнал/шум и большом объеме выборки использование методологии ПДС к оценке периода следования импульсов уже не дает ощутимого выигрыша по сравнению с традиционными методами.

Рис. 4.8 Различия между относительными погрешностями при использовании традиционных методов и методологии ПДС

Дополнительно численное моделирование продемонстрировало устойчивость алгоритма оценки периода следования импульсов с использованием методологии ПДС по отношению к вариациям порогового уровня в широких пределах (до 10 дБ). При той же вариации оценка, синтезированная на базе традиционных методов усреднения, устойчивой не является.

На рис. 4.9, рис. 4.10 представлены аппаратно-программные модули, реализующие алгоритмы различные алгоритмы ЦОС при обработке сигналов с ППРЧ.

Рис. 4.9 Аппаратно-программный модуль, реализующий алгоритмы обнаружения

Рис. 4.10 Аппаратно-программный модуль цифрового приемного устройства, реализующий алгоритмы обнаружения и измерения периодов

4.4 Выводы

1. Показана практическая применимость предложенного алгоритма классификации сигналов по тонкой структуре формы импульсов с помощью биспектрального анализа. Результаты расчетов эффективности предложенного алгоритма подтвердились сопоставлением модельных и экспериментальных данных и максимальная ошибка отклонения вектор-образа не превысила 1 градуса.

2. Проведено численное моделирование и сопоставление результатов с теоретическими границами оценок периода следования импульсов сигналов с ППРЧ. Показано, что при конечном и небольшом значении объема выборки (n = 16) в интервале рабочих отношений сигнал/шум (0 - 12) дБ относительная среднеквадратичная погрешность оценки периода следования импульсов методами ПДС оказывается существенно меньше погрешности традиционной оценки, которая является лишь асимптотически эффективной.

3. Рассмотрены, систематизированы и проверены на практике методы оптимизации программного кода для процессоров семейства TMS320C6xxx, позволяющие реализовать алгоритм на языке С, линейном и параллельном ассемблере и получить эффективный программный код.

4. Применение этих методов позволило значительно сократить время исполнения кода по сравнению с применением оптимизатора CCS на уровне -02 для решения конкретных прикладных задач ЦОС по обнаружению и оценке параметров сигналов Так, например, удалось сократить время исполнения процедуры обнаружения радиоимпульсов в 2 раза; процедуры автокорреляционной обработки в 16 раз, время исполнения взаимно-корреляционной функции в 4 раза.

5. Численное моделирование продемонстрировало устойчивость алгоритма оценки периода следования импульсов с использованием методологии ПДС по отношению к вариациям порогового уровня в широких пределах (до 10 дБ).

Заключение

В результате выполнения диссертационной работы можно сделать следующие выводы:

5. При разработке алгоритмов обработки сигналов с ППРЧ назрела необходимость в использовании современных достижений фундаментальной математики, позволяющей обеспечить достаточную эффективность при воздействии помех на основе цифровой обработки сигналов.

6. Априорная неопределенность может решать созданием алгоритмов, основанных на инвариантных статистиках, свободных от мешающих параметров сигналов и помех.

7. На основании выполненного анализа можно сформулировать следующую цель диссертационной работы: повышение эффективности средств радиоконтроля на основе разработки и исследования цифровых алгоритмов и устройств обнаружения и оценки параметров сигналов с псевдослучайной перестройки рабочей частоты (ППРЧ) в условиях высокой априорной неопределенности.

8. Для достижения сформулированной цели необходимо решить следующие задачи:

* произвести анализ и выбор метода и алгоритма обнаружения сигналов с ППРЧ;

* разработать алгоритм оценки периода следования импульсов сигналов с ППРЧ;

* разработать алгоритм оценки формы импульса сигналов с ППРЧ;

* разработать эффективных вычислительных алгоритмов обработки сигналов с ППРЧ;

* реализовать разработанные цифровые алгоритмы на современной элементной базе и произвести их оптимизацию по вычислительным затратам;

* выполнить моделирование сигналов с ППРЧ и систем их радиомониторинга.

9. Анализ показал, что при реальных соотношениях сигнал/шум ~ 10 - 15 дБ проигрыш в помехоустойчивости реализованной схемы обнаружения по отношению к оптимальному обнаружителю не превышает 1 дБ.

10. Предложенная реализация обнаружителя в ядре конвейера использует в среднем около пяти с половиной инструкций процессора за такт. Учитывая тактовую частоту процессора (166 МГц) производительность TMS320C6701 для данной задачи составляет 916 MFLOPS. Таким образом, такая схема обнаружения способна работать с потоком данных, скорость которого достигает 80 МБайт/с.

11. Разработанный алгоритм и его аппаратная реализация внедрены в современные комплексы и показали высокую эффективность.

12. Методология полных достаточных статистик применена для решения проблемы нахождения эффективной оценки периода следования импульсов. С учетом функций распределения вероятностей построен математический аппарат, позволяющий воспользоваться теоремой Рао - Блеквелла - Лемана - Шеффе и ее следствием. Получено аналитическое выражение для эффективной оценки периода следования импульсов.

13. Получены выражения для дисперсии и относительной погрешности оценки периода следования импульсов используя методологию ПДС в зависимости от скважности, коэффициента прямоугольности, отношения сигнал/шум и объема выборки. В рамках теории оценивания вычислена нижняя граница точности оценки периода следования импульсов - асимптотически эффективной оценки. Проведено сравнение относительных погрешностей оценок с использованием традиционных методов ОМП и методологии ПДС. Показано, что разница в достигаемом отношении сигнал/шум составляет величину порядка 2 дБ в пользу оценки с использованием методологии полных достаточных статистик в интервале отношений сигнал/шум (0 - 10) дБ при малом объеме выборке n = 20.

14. Моделированиена ЭВМ подтвердили теоретическую оценку погрешности измерения периода следования радиоимпульсов с ППРЧ.

15. Повышение эффективности предложенного алгоритма оценки периода следования импульсов сигналов с ППРЧ по сравнению с максимально-правдоподобными оценками показано при проведении численного моделирования.

16. Полиспектральный анализ естественным способом позволяет совершенствовать известные методы измерений и анализа процессов и создавать новые методы обработки сигналов.

17. Предложенная схема классификации огибающей импульсов на основе методологии биспектрального анализа может использоваться для различения абонентов в системе связи, без учета передаваемой абонентами информации.

18. В результате применения данной методологии к трем различным реализациям сигнала от одного абонента, было показано, что во всех трех реализациях форма импульса имеет идентичное отклонение от идеального прямоугольного импульса, при этом наблюдается идентичная асимметрия (значения бифазы отличны от 0 и р) на одних и тех же частотах.

19. Показана практическая применимость предложенного алгоритма классификации сигналов по тонкой структуре формы импульсов с помощью биспектрального анализа. Результаты расчетов эффективности предложенного алгоритма подтвердились сопоставлением модельных и экспериментальных данных и максимальная ошибка отклонения вектор-образа не превысила 1 градуса.

20. Проведено численное моделирование и сопоставление результатов с теоретическими границами оценок периода следования импульсов сигналов с ППРЧ. Показано, что при конечном и небольшом значении объема выборки (n = 16) в интервале рабочих отношений сигнал/шум (0 - 12) дБ относительная среднеквадратичная погрешность оценки периода следования импульсов методами ПДС оказывается существенно меньше погрешности традиционной оценки, которая является лишь асимптотически эффективной.

21. Рассмотрены, систематизированы и проверены на практике методы оптимизации программного кода для процессоров семейства TMS320C6xxx, позволяющие реализовать алгоритм на языке С, линейном и параллельном ассемблере и получить эффективный программный код.

22. Применение этих методов позволило значительно сократить время исполнения кода по сравнению с применением оптимизатора CCS на уровне -02 для решения конкретных прикладных задач ЦОС по обнаружению и оценке параметров сигналов. Так, например, удалось сократить время исполнения процедуры обнаружения радиоимпульсов в 2 раза; процедуры автокорреляционной обработки в 16 раз, время исполнения взаимно-корреляционной функции в 4 раза.

23. Численное моделирование продемонстрировало устойчивость алгоритма оценки периода следования импульсов с использованием методологии ПДС по отношению к вариациям порогового уровня в широких пределах (до 10 дБ).

Таким образом, в результате выполнения работы над диссертацией сформулированная цель достигнута, поставленные задачи выполнены.

Список литературы

1. Борисов В.И., Зинчук В.М., Лимарев А.Е., Мухин Н.П., Шестопалов В.И. Помехозащищенность систем радиосвязи с расширением спектра сигналов методом псевдослучайной перестройки рабочей частоты. М.: Радио и связь, 2000. 384 с.

2. Ван Трис Г. Теория обнаружения, оценок и модуляции Т.1. М.; Сов.радио, 1972.

3. Трифонов А.П., Беспалова М.Б. Потенциальная точность оценки периода следования видеоимпульсов с неизвестным временем прихода // Радиотехника, 1991, №5, С. 65 - 67.

4. Новиков А.К. Полиспектральный анализ. СПб.; ЦНИИ им. Академика А.Н. Крылова, 2002. 180 с.

5. Трифонов А.П., Беспалова М.Б. Квазиправдоподобная оценка периода следования видеоимпульсов // Радиоэлектоника, 2003, №11, С. 17 -25.

6. Куликов Е.И., Трифонов А.П. Оценка параметров сигналов на фоне помех. М.: Советское радио, 1978. 296 с.

7. Сосулин Ю.Г. Теория обнаружения и оценивания стохастических сигналов. М.: Советское радио, 1978.

8. Закс Ш. Теория статистических выводов. М.: Мир, 1975. 776 с.

9. Леман Э. Проверка статистических гипотез / Пер. с англ.: Ю.В. Прохорова. М.: Наука, 1991.

10. Трифонов А.П., Захаров А.В. Характеристики совместной оценки времени прихода и частоты случайного радиоимпульса // Радиоэлектроника. 2002. № 5. С. 3 - 13.

11. Богданович В.В., Вострецов А.Г. Теория устойчивого обнаружения, различения и оценивания сигналов. М.: Физматлит, 2003. 320 с.

12. Левин Б.Р. Теоретические основы статистической радиотехники T. 2. М.: Сов.радио, 1975.

13. Боровков А.А. Математическая статистика. М.: Наука, 1984.

14. Пархоменко Н.Г., Хоружий С.Г., Жучков К.Н., Александров В.П. Перспективные подходы в задачах оценки параметров сигналов. Радиоконтроль, Выпуск 8, 2005. С. 36 - 47.

15. Kay S.M. Fundamentals of Statistical Signal Processing: Estimation Theory. NJ.: Prentice Hall PTR, 1985.

16. Краснов А.Ю., Жучков К.Н., Хоружий С.Г. Материалы 7-ой Международной конференции по цифровой обработке сигналов и ее применению, DSPA, г. Москва, Россия, 2005.

17. Пархоменко Н.Г., Хоружий С.Г., Жучков К.Н., Александров В.П., Степанов И.М. Перспективные подходы в задачах оценки параметров сигналов. Морская радиоэлектроника №2, 2006 г. С. 46 - 48.

18. Пархоменко Н.Г., Хоружий С.Г., Жучков К.Н., Карюков А.В., Шапчук Е.В. Полиспектральный анализ сигналов и его аппаратная реализация. Морская радиоэлектроника, №1, 2007 г. С. 28 - 30.

19. Говорухина А.Д., Жучков К.Н., Хоружий С.Г. Методы оптимизации кода для цифрового сигнального процессора TMS320C6000. Цифровая обработка сигналов №4, 2004. С. 47-56.

20. Карюков А.В., Хоружий С.Г. Повышение эффективности алгоритмов классификации за счет использования биспектрального анализа. Радиоконтроль, Выпуск 8, 2005. С. 74 - 85.

21. Пархоменко Н.Г., Хоружий С.Г., Жучков К.Н., Александров В.П. Перспективные подходы в задачах оценки параметров сигналов. Радиоконтроль, Выпуск 8, 2005. С. 36 - 46.

22. Жучков К.Н., Хоружий С.Г. Реализация эффективных алгоритмов обнаружения и обработки на цифровом сигнальном процессоре платформы TMS320C6000. ChipNews - Инженерная микроэлектроника №4, 2003. С. 20 - 23

23. Жучков К.Н., Хоружий С.Г., Пархоменко Н.Г., Карюков А.В. Полиспектральный анализатор сигналов на базе модуля цифрового сигнального процессора TMS320C6416. ChipNews - Инженерная микроэлектроника №2, 2006. С. 23 - 25.

24. Жучков К., Хоружий С., Чепель Е. Сравнительный анализ производительности процессоров для задач цифровой обработки сигналов. ChipNews - Инженерная микроэлектроника №8, 2003 г. С. 26 - 29.

Размещено на Allbest.ru