озробити наступну математичну модель асоціативної пам'яті застосовної до нашого випадку:
Обробка сигналу в пам'яті людини відбувається за рахунок перетворення Фур'є. Людина запам'ятовує весь сигнал цілком, як шумовий, так і інформаційний (корисний).
Запам'ятовування відбувається за допомогою кореляційної функції. Таким чином, за допомогою кореляційної функції і шумового сигналу ми можемо відновити корисний сигнал.
де - функція запам'ятовування,
,
Скористаємося інтегральними перетвореннями і перетворенням Фур'є для знаходження корисного сигналу знаючи тільки функцію запам'ятовування і шумовий сигнал [25]:
У результаті інтегральних перетворень виділяється корисний сигнал. Для побудови імітаційної моделі алгоритму, що описує процес сприйняття, скористаємося програмним середовищем MatLab Simulink.
Врахуємо, що в програмному середовищі відбуватиметься оцифровка сигналу, тобто дискретизація його на відліки. Тоді формула (4) прийме вигляд:
- зсув між послідовностями щодо один одного-максимальну кількість відліків в сигналах
За допомогою аналогічних інтегральним перетворень одержимо дискретний аналог формули (5):
де
3. Розробка імітаційної моделі обробки інформації
.1 Завдання моделювання
Для розробки математичної моделі, з вищевикладеного алгоритму, обробки інформації людиною розглянемо ситуацію з відновленням корисного сигналу по супроводжується її шумовому сигналу.
Процес моделювання розділимо на кілька завдань:
) Генерувати вхідний сигнал
2) Виділити шум (попередня обробка за традиційною схемою)
) Розділити сигнал на шумовий і корисний
) Запам'ятати сигнал
) Відновити сигнал по функції запам'ятовування і шумового сигналу
3.2 Формування ЧТ-сигналу і шуму
Обмежимося випадком одновимірного радіосигналу.
Вхідний сигнал складається з трьох частин: сенсорний шум, шумовий сигнал і корисний сигнал.
За сенсорний шум ми візьмемо АБГШ, блок Random Source з настройками: середнє значення 0, розкид 1, аналоговий, реальний, повторюваний. (Рис.1. А. Додаток 1)
За шумовий візьмемо просту синусоїду, блок Sine Wave c амплітудою 1В і частотою 14 кГц (Рис.1. б. Додаток 1). У випадку, коли шумовий сигнал відсутній, модель буде працювати також.
За корисний - ЧМН (частотно маніпулювати) радіосигнал з несучою 3кГц, девіацією 3кГц і модулюючим сигналом 0011010 довжиною 7мс. (Рис.1. В. Додаток 1)
Ми вибрали ЧС сигнал, тому в ньому інформація захищена від спотворень більше, ніж АМ сигналі, і більш простий для реалізації в програмному середовищі, ніж ФМ сигнал. До того ж АМ сигнал складний у технічної реалізації.
За сенсорний діапазон ми взяли [- 4; 4] В. Імітували за допомогою блоку Saturation. Сигнал входить в цей діапазон. Цей етап був виконаний у спрощеній формі. (Рис.1. Д. Додаток 1)
Середня ЗСШ (відношення сигнал шум)=- 10,7дБ, значить потужність сигналу приблизно в 10 разів менше потужності шуму. Рис 2.1.
Рис. 2.1 Схема для вимірювання ЗСШ.
На схемі (Мал. 2.1.) блок Continuous RMS знаходить СКО корисного сигналу і всього шуму. Далі, за допомогою елементарних математичних операцій, знаходимо дисперсію. Її фізичним змістом є потужність. Тому ставлення дисперсії корисного сигналу і шуму дасть нам ЗСШ. Для зручності ЗСШ висловимо в дБ (Рис.2. Додаток 1).
3.3 Детектор (рівень почуттів)
Головне завдання цього етапу обробки виділення сенсорного шуму. Ми розбили сигнал на три частотні діапазони:
) Низькі частоти [1; 8] кГц ПФ
2) Середні частоти [8; 20] кГц ПФ
) Високі частоти [20; ?] КГц ФВЧ
Цей етап обробки був симулювати за допомогою блоків Analog Filter Design - еліптичних фільтрів 5го порядку [25]. Ми взяли саме еліптичний фільтр, тому у нього найкрутіший спад АХ. Завдяки йому відбувається ефективне розділення частот. Таке розбиття на діапазони було зроблено для того, щоб цей рівень сприйняття не сильно впливав на весь процес обробки в цілому. По суті, настройка цих блоків є функцією платформи Его. Високі частоти були виділені просто для того, що б показати всі складові сигналу. ...
