Пенкина О.Е.,
Филиппенко
О.И., Филиппенко И.Г.
УкрГАЖТ, г.
Харьков
Представление дискретного преобразования Фурье для реализации
на нейроавтоматно-сетевых структурах
Известно, что процесс решения
задач включает следующие этапы:
1) постановку задачи; 2) создание
математической модели решаемой задачи; 3) выбор технических средств (ТС), на
которые предполагается отобразить решаемую задачу; 4) отыскание методов решения
задачи на выбранном ТС; 5) алгоритмизацию; 6) отображение алгоритма на ТС; 7)
выполнение алгоритма на ТС; 8) проверку правильности решения задачи; 9) отладку
процесса решения задачи до получения правильного результата; 10)
повторение п. 1-10, если решение не найдено.
Исторически четко
прослеживается связь между типами ТС и математическими методами решения на них
вычислительных задач. Математику начинают делить, например, на математическую
физику, математическую экономию, нейросетевую математику и т.д. Не будем
обсуждать правомерность таких названий. Дело в том, что этот факт существует.
Новое научное направление,
связанное с разработкой теории нейроавтоматных сетей так же требует "своей" математики,
которая позволила бы отобразить решаемые задачи на вычислительные
нейроавтоматно-сетевые структуры.
В данной работе предложен метод
приведения дискретного преобразования Фурье (ДПФ) к виду, позволяющему его
реализацию на нейроавтоматно сетевых структурах
Постановка задачи.
Дана последовательность
отсчетов x0, x1,..., xi,...,xN‑1
функции xi, заданной на интервале [0, N-1]. Конечный ряд
Фурье представляет собой разложение
функции xi, и имеет следующий
вид:
, (1)
где
- приближенное
значение i–го отсчета функции xi, f1- частота первой
гармоники, k- номер гармоники, M - число гармоник.
Коэффициенты ak и bk
вычисляются по следующим формулам:
,
(2)
, (3)
где
T- период прерывания. N - количество
точек отсчета функции xi.
Введя следующие обозначения:
, (4)
, (5)
уравнения
(2) и (3) можно записать в виде:
, (6)
. (7)
Необходимо:
1) Преобразовать уравнения (6)
и (7) к целочисленному, целозначному виду, позволяющему реализовать их на
нейроавтоматно-сетевых структурах.
2) Преобразовать
последовательность отсчетов функции в функцию , что повлечет за собой необходимость преобразования
уравнений (6) и (7).
Все вышеперечисленное послужит
основой для построения в перспективе нейроавтоматно-сетевой реализации
целочисленного, целозначного преобразования Фурье.
Воспользуемся преобразованием
"скаляр-вектор" для поиска зависимостей и и нахождения
оптимальных значений величин квантования сигналов по уровням и. Сущность такого преобразования заключается в преобразовании
значения скалярной величины в векторную. Значению
входного сигнала xi
ставится в соответствие вектор Xi, как
показано в формуле (21).
, (8)
xr,i-ая компонента которого определяется как:
, (9)
где r – индекс компоненты вектора Xi. . 2L - число уровней
преобразователя. l - номер уровня
преобразователя "скаляр-вектор". d - целая положительная константа, которая
определяется как d = q×c, где с – целое положительное действительное число, q
- величина квантования сигнала по уровню в преобразователе
"скаляр-вектор"; с - выбирается таким, чтобы результат произведения q×c был целым числом.
Применив скалярно-векторное преобразование к значениям
xi-ых отсчетов сигналов, и проделав несложные
преобразования, ряд Фурье (1) в целочисленном, целозначном представлении примет
следующий вид:
, (10)
где
- приближенное
значение.
В результате получены все
необходимые формулы для осуществления приведения преобразования Фурье к
целочисленному, целозначному виду.
Разработанная методика
отображения математических зависимостей, представленных в целочисленном,
целозначном виде, на нейроавтоматные сети
применима для нейроавтоматно сетевой реализации целочисленного,
целозначного преобразования Фурье.