Континуальной управляющей средой

 

Если теперь записать выражение для сигнала управления в оригиналах, то получим:

,

где S – некоторая область пространственно-временного континуума.

Если ввести функцию x_j⁰(r,t), равную x_j(r,t) в пределах области В и равную нулю вне этой области, то полученное в оригиналах выражение можно распространить на все пространство, включая область S:

Используемая матрица A_ij(k,w ), для управляющей континуальной среды, должна быть подчинена определенным требованиям, аналогичным требованиям физической реализуемости в одномерном случае.

При этом класс функций A_ij(k,w ) естественно определяется свойствами среды и доступности ее физической реализуемости при синтезе, а это связано с технологическими возможностями и ограничениями, накладываемыми применяемыми материалами.

Решение задач синтеза континуальных преобразующих сред с заданными операторами преобразования сигналов может осуществляться на основе искусственных сред, обладающих дискретно-аналоговой или, иначе, квазиконтинуальной структурой.

Поэтому особое значение приобретает создание управляющих моделирующих установок, в полной степени отвечающих условиям континуальности и реализуемости. Видимо, это особый тип устройств, который не может быть реализован на основе использования только методов математического моделирования и их реализации на дискретных (цифровых) ЭВМ.

Такие моделирующие установки наиболее близки по принципам своей работы к физическим системам преобразования информации и позволяют определить искомые функции распределения параметров сред в пространстве и определению законов их изменения в пространстве и во времени под воздействием внешних воздействий.

Значительный интерес представляет использование пространственно-временных управляемых структур для моделирования вероятностных систем. Они могут формировать сигнал с заданными характеристиками (функция распределения, корреляционные функции и т.д.)

Математические методы, разработанные для этих преобразований, основываются на предположении безынерционности нелинейного преобразователя [10, 11, 13].

При таком анализе преобразователь описывается уравнением:

 

Y = F(X) (2.7)

где Х – входной сигнал, характеризующий случайный процесс во времени;

Y - выходной сигнал, который является случайным процессом, свойства которого

в каждый момент времени определяется значением входного сигнала X и видом нелинейного преобразования – F.

В случае однозначной монотонной зависимости выходной функции Y от Х, можно обратную зависимость записать в виде:

 

Х = F^-1(Y).

 

При этом если Р₁(х) – функция распределения случайной величины, W₁(х) –соответственно плотность распределения этой величины, то необходимо найти Р₂(y) и W₂(y) выходной случайной величины, при наличии зависимости (2.7). Тогда распределение Y будет иметь вид:

 

P₂(y) = W(Y < y) = W(F(х) < y)= W (X < F^-1(y)) = P₁(F^-1(Y)).

Таким образом:

(2.8)

 

Отсюда можно получить выражение для плотности вероятности:

Для определения другого значения можно воспользоваться выражением:

Более сложно решается вопрос о вычислении автокорреляционной функции Фурье и ее изображения:

 

где x₁,x₂ – случайные величины,

w ₂(x₁,x₂ ,t ) – вторая функция плотности вероятности.

Таким образом, для вычисления автокорреляционной функции на выходе нелинейного элемента необходимо знать вторую функцию плотности вероятности.

В частном случае можно вычислить для нормального (Гауссова) процесса значение w₂ при известной автокорреляционной функции.

Приведенные классические методы с некоторыми дополнениями могут быть использованы для проектирования вероятностных преобразователей и определения их характеристик.

 

1. Основные направления в архитектуре процессоров. Конвейер команд.

Конвейер команд

Идея конвейера команд была предложена в 1956 году академиком С. А. Лебеде­вым. Как известно, цикл команды представляет собой последовательность этапов. Возложив реализацию каждого из них на самостоятельное устройство и последо­вательно соединив такие устройства, мы получим классическую схему конвейера команд. Для иллюстрации воспользуемся примером. Выде­лим в цикле команды шесть этапов:

1. Выборка команды (ВК). Чтение очередной команды из памяти и занесение ее в регистр команды.

2. Декодирование команды (ДК). Определение кода операции и способов адреса­ции операндов.

3. Вычисление адресов операндов (ВА). Вычисление исполнительных адресов каждого из операндов в соответствии с указанным в команде способом их адре­сации.

4. Выборка операндов (ВО). Извлечение операндов из памяти. Эта операция не нужна для операндов, находящихся в регистрах.

5. Исполнение команды (ИК). Исполнение указанной операции.

6. Запись результата (ЗР). Занесение результата в память.

Рис. 52. Логика работы конвейера команд

 

На рис. 52 показан конвейер с шестью ступенями, соответствующими шести этапам цикла команды. В диаграмме предполагается, что каждая команда обяза­тельно проходит все шесть ступеней, хотя этот случай не совсем типичен. Так, команда загрузки регистра не требует этапа ЗР. Кроме- того, здесь принято, что все |тапы могут выполняться одновременно. Без конвейеризации выполнение девяти Команд заняло бы 9 х 6 = 54 единицы времени. Использование конвейера позволяет сократить время обработки до 14 единиц. Конфликты в конвейере команд

Полученное в примере число 14 характеризует лишь потенциальную производи­тельность конвейера команд. На практике в силу возникающих в конвейере конф­ликтных ситуаций достичь такой производительности не удается. Конфликтные ситуации в конвейере принято обозначать термином риск (hazard), а обусловлены они могут быть тремя причинами:

· попыткой нескольких команд одновременно обратиться к одному и тому же ресурсу ВМ (структурный риск);

· взаимосвязью команд по данным (риск по данным);

· неоднозначностью при выборке следующей команды в случае команд перехода (риск по управлению).

 

 

2. Построение однородно структурированных, континуальных вычислительных и управляющих сред. Нейронные вычислительные системы.