CC BY
32
анализировать полученные данные и определить оптимальный (близкий к реальности) график нагрузки.
3. Выбора инвертора и токоведущих частей нужно проводить, учитывая мощность получасового максимума за наиболее нагруженную смену.
Литература
1. Gaetan Masson, Marie Latour, Manoel Rekinger, Ioannis-Thomas Theologitis, Myrto Papoutsi. Global market outlook for photovoltaics 2013-2017 / European photovoltaic industry association, 2013. 59 p.
2. Виссарионов В. И. и др. Технико-экономические характеристики солнечной энергетики / Издательство МЭИ, 1997. 56 с.
3. Лепаев Д. А. Бытовые электроприборы устройство и ремонт / Справочное пособие. М.; Горячая линия. Телеком, 2004. 443 с.
4. Варфаламеев Л. П. Энергоэффективное электрическое освещение / М.: МЭИ, 2013 г. 288 с. ISBN: 978-5-383-00840-9.
5. Driesse A. Beyond the curves: modeling the electrical efficiency of photovoltaic inverters. [Text] / A. Driesse, P. Jain // Proceedings of the 33rd IEEE Photovoltaic Specialists Conference. San Diego. CA. May 11-16, 2008.
Применение многопороговых декодеров в системах адаптивного
кодирования Демидов Д. С.
Демидов Дмитрий Сергеевич /Demidov Dmitry Sergeyevich - аспирант, кафедра вычислительной и прикладной математики, факультет вычислительной техники, Рязанский государственный радиотехнический университет, г. Рязань
Аннотация: в статье предлагается метод применения многопорогового декодера в системах адаптивного кодирования. Предложен алгоритм адаптации многопорогового декодера к внешним условиям, которые влияют на уровень шума в канале передачи данных.
Ключевые слова: многопороговый декодер, адаптивное кодирование, отношение сигнал-шум.
В настоящее время в различных областях передачи цифровой информации активно используются алгоритмы помехоустойчивого кодирования. Данный факт является неудивительным, если оценить потенциальный выигрыш. Одним из алгоритмов помехоустойчивого кодирования, который совмещает в себе невысокую вычислительную сложность и достаточную исправляющую эффективность, является многопороговый декодер (МПД) самоортогональных кодов (СОК).
МПД является развитием простейшего порогового декодера Месси [1]. МПД дает возможность производить декодирование длинных кодов с линейной сложностью. В то же время, МПД обеспечивает высокое качество декодирования, которое заключается в приближении к эффективности оптимального декодера. Подобная эффективность МПД может быть обеспечена при различных значениях кодовых скоростей и уровней шума в канале передачи данных. Также нельзя не отметить тот факт, что при столь высоких показателях эффективности, МПД прост в реализации и предоставляет высокое быстродействие. МПД подробно описаны в [2].
В современных системах передачи данных, для повышения эффективности их функционирования можно применять так называемое адаптивное кодирование.
Основной целью адаптивного кодирования является обеспечение требуемой достоверности передачи данных при минимальной избыточности помехоустойчивого кода. Благодаря чему такое кодирование позволяет увеличить скорость передачи данных за счет адаптации используемого кодера к состоянию канала связи. Обычно данная адаптация заключается в том, что приемник оценивает уровень шума в канале связи и на основании этой оценки выбирает из заданного множества код, который обладает максимальной кодовой скоростью и обеспечивает заданную достоверность. Отметим, что при этом желательно, чтобы процесс смены кода приводил к минимальным изменениям в составе системы передачи данных. В настоящее время адаптивное кодирование набирает все большую и большую популярность [3].
Предложим вариант организации адаптивного кодирования с применением СОК и МПД.
Отметим, что структура кодера СОК имеет по нескольку информационных и проверочных ветвей, и его МПД дает возможность управлять долей вводимой избыточности путем простого подключения или отключения некоторых проверочных ветвей. Например, если имеется СОК с кодовой скоростью 8/16, то из него можно получить код с кодовой скоростью 8/15, отключив одну из проверочных ветвей. Аналогично можно получить коды с кодовой скоростью 8/14, 8/13, 8/12, 8/11, 8/10 и 8/9. Преимуществом такого подхода является то, что для декодирования всех этих кодов можно использовать один и тот же многопороговый декодер полного кода с кодовой скоростью 4/12 просто подавая на «отключенные» проверочные ветви нулевые последовательности.
Пусть имеется система передачи информации, в которой применяется модуляция типа РР8К, демодулятор формирует мягкие решения относительно принятых битов и используется канал с аддитивным белым гауссовским шумом. Также пусть в системе требуется обеспечить вероятность ошибки декодирования, меньшую 10-5. Отметим, что перечисленные шаги при необходимости использования других целевых вероятностей ошибки будут такими же.
В процессе решения поставленной задачи был построен блоковый СОК с кодовой скоростью 4/12 с й=17 (имеется по два отвода от каждой информационной ветви к каждой из проверочных) и длину порядка 100000 битов. Из него можно построить коды с кодовыми скоростями 4/10, 4/9, 4/8, 4/7, 4/6 и 4/5. Кодовые расстояния данных кодов равны 15, 13, 11, 9, 7, 5 и 3 соответственно. Характеристики МПД с не более чем 40 итерациями декодирования для перечисленных кодов (за исключением последнего), и полученные с помощью компьютерного моделирования оценки вероятности их оптимального декодирования даны на рисунке 1. Отметим, что в целом МПД для всех кодов, начиная с некоторого уровня шума, зависящего от кода, обеспечивает близкое к оптимальному декодирование.
При организации адаптивного кодирования для каждого из кодов были выделены диапазоны отношений сигнал/шум, в которых этот код обеспечивает требуемые характеристики и обладает минимальной избыточностью, и, в результате, были определены границы использования каждого из кодов (таблица 1). Отметим, что код со скоростью 4/11 был исключен из рассмотрения из-за его слишком малого рабочего диапазона отношений сигнал-шум.
Рис. 1. Характеристики МПД для кодов с разной кодовой скоростью и характеристики
адаптивного декодера
Таблица 1. Рабочие диапазоны отношений сигнал/шум для различных кодовых скоростей
Кодовая скорость Минимальное Es/N0, дБ Максимальное Es/N0, дБ
4/12 -да -1,42
4/10 -1,42 -0,62
4/9 -0,62 0,28
4/8 0,28 1,48
4/7 1,48 3,18
4/6 3,18 +да
Итоговая кривая зависимости вероятности ошибки от отношения сигнал-шум показана на рисунке 1 кривой «8) adaptive». Следует отметить, что получаемый выигрыш в скорости от применения предложенного адаптивного кодирования будет зависеть от состояния канала связи: чем лучше канал, тем больше получаемый выигрыш. Также отметим, что предложенный подход к построению схем адаптивного кодирования легко реализуется и при изменении исходных данных (тип модуляции и канала, целевая вероятность ошибки и т. п.)
МПД СОК обладают большим числом настраиваемых параметров, значения которых во многом определяются состоянием канала связи. Например, при большом шуме нужно использовать более мощный код с большим числом итераций декодирования, а при малом шуме можно использовать менее мощный код, с меньшим числом итераций декодирования. Это позволяет адаптировать кодер и декодер под состояние канала связи, например, как было предложено в предыдущем параграфе. Но для того чтобы выполнить такую адаптацию, нужно знать, какой уровень шума действует в канале связи. Подобную информацию кодер от других устройств получить в некоторых случаях не может. Поэтому актуальной является задача самостоятельного определения декодером уровня шума в канале связи по принятому потоку данных.
Из анализа принципов работы МПД следует, что в синдромном регистре перед выполнением первой операции декодирования хранится разность между проверочными символами, полученными на основе принятых из канала информационных символов, и принятых из канала проверочных символов. Тогда значение элемента синдрома равно нулю, если эти символы совпадают, и единице
в противном случае. Очевидно, что доля единиц в синдроме зависит от уровня шума в канале связи, т. е. чем больше шум - тем больше единиц в синдроме и наоборот. Соответственно уровень шума можно оценить исходя из доли единиц в синдромном регистре.
Получим математические соотношения, связывающие долю единиц в синдроме и уровень шума. Пусть у нас есть СОК с кодовой скоростью R = u/(u+v), в котором есть u информационных ветвей и v проверочных ветвей. Соответственно, на приемной стороне можно вычислить v синдромов (по 1 на каждую проверочную ветвь). Данные синдромы могут отличаться числом символов, участвующих в их формировании и, соответственно, в них будут разные вероятности появления единичек. Поэтому вероятности единиц (или вероятности невыполнения проверки) в данных синдромах нужно считать отдельно.
Запишем выражение, связывающее вероятность невыполнения проверки в синдроме с уровнем шума. Это выражение определяет вероятность наличия нечетного числа ошибок во всех элементах, участвующих в формировании синдрома:
\М/2 I
р V 2/+1р2/+1П р чМ-(2/+1)
р - Ъ СМ Р0 (1 - Р0 ) , (0.1)
I-0
где M - размерность элемента синдрома, равная числу символов, участвующих в его формировании; P0 - вероятность ошибки в гауссовском канале.
Отметим, что вероятность невыполнения проверки зависит от вероятности ошибки в канале. Следовательно, оценив PS по принятому сообщению для каждой из ветвей синдрома, можно найти оценку вероятности ошибки в канале P0.
Также известно, что для гауссовского канала при использовании двоичной ФМ между вероятностью ошибки P0 и отношением сигнал-шум 8ММ есть зависимость, определяемая выражением:
Ро - о^тШ ),
где
£(х) --¡= [ е 2 Ж у12ж{
интеграл ошибок.
Тогда, зная оценку для Р0, можно оценить отношение сигнал-шум 8ММ в канале связи, на основании чего выбрать нужную конфигурацию МПД.
Предложенный метод позволяет легко изменять конфигурацию МПД СОК в зависимости от отношения сигнал-шум в канале, которое может быть определено на основании содержимого регистра синдрома МПД. Отличительной чертой использования адаптивного кодирования для МПД является отсутствие необходимости изменения кодера или декодера.
Литература
1. Месси Дж. Пороговое декодирование / Пер. с англ. Под ред. Э. Л. Блоха. М.: Мир, 1966. 208 с.
2. Золотарев В. В., Зубарев Ю. Б., Овечкин Г. В. Многопороговые декодеры и оптимизационная теория кодирования. М.: Горячая линия - Телеком, 2012. 239 с.
г2
ЗО
3. Кульбида В. А. Система передачи дискретной информации с адаптивным помехоустойчивым кодированием // ОНВ, 2011. № 3 (103). [Электронный ресурс]. Режим доступа: http://cyberleninka.ш/artide/n/sistema-peredachi-diskretnoy-informatsii-s-adaptivnym-pomehoustoychivym-kodirovaniem/ (дата обращения: 15.09.2016).
Анализ теоретических основ технического диагностирования и прогнозирования состояния авиационной техники
Бабак А. В.
Бабак Алексей Владимирович /БаЬакЛ1екзеу ¥1а&т1гоу1ск - аспирант,
кафедра авиационной техники, факультет лётной эксплуатации и управления воздушного движения, Ульяновский институт гражданской авиации имени Главного маршала авиации Б. П. Бугаева,
г. Ульяновск
Аннотация: в статье анализируются теоретические основы диагностирования технического состояния авиационной техники, цели и задачи технической диагностики. Ключевые слова: анализ, техническое состояние, диагностика, прогнозирование, авиационная техника.
Повышение эффективности использования по назначению авиационной техники при обеспечении высокой безопасности полетов - главный источник укрепления и роста экономики предприятий гражданской авиации.
Для повышения эффективности использования авиационная техника совершенствуется, растет насыщение летательных аппаратов автоматическими системами управления и регулирования, цифровыми вычислительными устройствами. Однако при этом возрастает сложность систем авиационной техники, число элементов, узлов, блоков, изделий. Каждый из элементов в процессе работы может отказать. И чем больше элементов в изделии, тем больше вероятность того, что в полете хотя бы один из этих элементов откажет.
Появление отказа определенных изделий в полете может быть причиной предпосылки к летному происшествию или самого происшествия. Таким образом, усложнение авиационной техники с целью повышения ее эффективности обостряет проблемы обеспечения ее надежности и безопасности полетов.
Недостаточную надежность, заложенную при создании изделий авиационного оборудования, трудно компенсировать даже высоким качеством ее технического обслуживания. При этом возрастают время и трудозатраты на обслуживание авиационного оборудования, так как при малой его надежности необходимо увеличивать глубину и частоту контроля технического состояния изделий, объемы профилактических и восстановительных работ, увеличивается время простоев воздушных судов и, следовательно, возрастают затраты сил и средств на техническое обслуживание, уменьшается экономическая эффективность использования авиационной техники.
В задачу технического обслуживания и ремонта входит не только восстановление отказавших объектов, но и максимальное сокращение числа самих отказов за счет их своевременного предупреждения. Это возможно лишь при проведении профилактических работ на авиационном оборудовании и использовании методов прогнозирования его технического состояния.
