Современные информационные технологии/3. Программное обеспечение

аспирант Мурашкина Е.Н., к.т.н Жашкова Т.В.

Пензенский государственный технологический университет, Россия

Разработка диаграммы последовательности нейросетевой идентификации сигнала сложной формы с помощью унифицированного языка моделирования UML 2.0

В настоящее время идентификация сигналов сложной формы является одной из самых динамично развивающихся технологий. Это связано, прежде всего, с широким использованием сигналов сложной формы для передачи и кодирования информации. Примерами систем идентификация сигналов сложной формы могут служить системы контроля доступа, системы защиты от краж, идентификация транспортных средств, иммобилайзерные системы и некоторые биометрические системы.

Целью данного исследования является разработка диаграммы последовательности нейросетевой идентификации сигнала сложной формы с помощью унифицированного языка моделирования UML 2.0.

Язык UML это графический язык моделирования общего назначения, предназначенный для спецификации, визуализации, проектирования и документирования всех артефактов, создаваемых при разработке программных систем

Основное назначение UML предоставить, с одной стороны, достаточно формальное, с другой стороны, достаточно удобное, и, с третьей стороны, достаточно универсальное средство, позволяющее до некоторой степени снизить риск расхождений в толковании спецификаций, упросить процесс разработки моделей, так же уменьшить экономические и временные разработки моделей.

Для моделирования взаимодействия объектов в языке UML используются соответствующие диаграммы взаимодействия. Взаимодействия объектов можно рассматривать во времени, и тогда для представления временных особенностей передачи и приема информации между объектами используется диаграмма последовательности.

На диаграмме последовательности изображаются те объекты, которые непосредственно участвуют во взаимодействии и не показываются возможные статические ассоциации с другими объектами. Для диаграммы последовательности ключевым моментом является именно динамика взаимодействия объектов во времени. При этом диаграмма последовательности имеет как бы два измерения. Одно – слева направо в виде вертикальных линий, каждая из которых изображает линию жизни отдельного объекта, участвующего во взаимодействии.

Второе измерение диаграммы последовательности – вертикальная временная ось, направленная сверху вниз. Начальному моменту времени соответствует самая верхняя часть диаграммы. При этом взаимодействия объектов реализуются посредством сообщений, которые посылаются одними объектами другим. Сообщения изображаются в виде горизонтальных стрелок с именем сообщения и также образуют порядок по времени своего возникновения. Другими словами, сообщения, расположенные на диаграмме последовательности выше, инициируются раньше тех, которые расположены ниже. При этом масштаб на оси времени не указывается, поскольку диаграмма последовательности моделирует лишь временную упорядоченность взаимодействий типа «раньше-позже».

На рисунке 1 изображена диаграмма последовательности идентификации нейросетевой идентификации сигнала сложной формы.

Рисунок 1 – диаграмма последовательности нейросетевой идентификации сигналов сложной формы

Для нейросетевой идентификации сигналов сложной формы необходимо получить информацию от исходного, эталонного сигнала, с помощью которого и будет происходить обучение нейронной сети. В систему идентификации сигнал поступает от датчиков расположенных по периметру исследуемого участка. Система идентификации накапливает информацию, для более точно анализа данных. Полученный сигнал сравнивается с хранящимися в базе данных сигналами. На основании полученных результатов происходит создание нейронной сети, затем нейронная сеть обучается, с помощью обученной нейронной сети происходит процесс идентификации параметров сигнала сложной формы. Искусственная нейронная сеть выступает в роли адаптивно, структурно-параметрически подстраиваемых моделей, причем структура искусственная нейронная сеть меняется экспертом, а параметры определяются автоматически в процессе обучения.

Таким образом, в ходе исследования была построена диаграмма последовательности нейросетевой идентификации сигналов сложной формы. Построенная диаграмма необходима для дальнейшего исследования сигналов сложной формы и построения системы идентификации с помощью искусственных нейронных сетей.

Литература:

1. Гради Буч, Джеймс Рамбо, Ивар Якобсон Введение в UML от создателей языка. Пер: Н. Мухин – М: ДМК Пресс, 2011г, – 496с.

2. Иванов Д. Ю., Новиков Ф. А. Основы моделирования на UML: Учеб. пособие. – СПб.: Изд-во Политехн. ун-та, 2010. – 249с

3. Галушкин А.И. Нейронные сети – М: Горячая Линия – Телеком, 2012г. – 496 с.

4. Перьков В.В. Система передачи дискретной информации сигналами сложной формы (Патент RU 2024198).

5. Щербань А. Б., Соловьев В. В., Тюрин М. В., Мурашкина Е.Н. Структурный подход к анализу состояний сложных систем. Современные информационные технологии: Сборник статей международной научно-технической конференции. Вып. 14.- Пенза: ПГТА, 2011.- С. 72-76