Обобщенная схема работы оптико-электронной системы

Размещено на http://www.allbest.ru/

Обобщенная схема работы оптико-электронной системы

На рис.1 представлена обобщенная схема работы ОЭС. Источник излучения естественного или искусственного происхождения создает материальный носитель полезной информации об объекте - поток излучения, поступающий после прохождения среды распространения на вход ОЭС. При пассивном методе работы системы используется собственное и/или отраженное, создаваемое посторонним источником, излучение обнаруживаемого, наблюдаемого или исследуемого объекта (цели).

При активном методе работы источник излучения, часто входящий в состав ОЭС дополняется передающей оптической системой, которая направляет поток на исследуемый объект или непосредственно в приемную оптическую систему.

Помимо исследуемого объекта на рис.1 показаны и возможные на практике посторонние излучатели - фоны, помехи. Часто деление излучателей, находящихся в угловом поле ОЭС, на цели, помехи и фоны является сугубо условным, например, при проектировании или исследовании ОЭС, предназначенных для визуализации или картографирования случайного неоднородного («пестрого») поля объектов, излучающих в невидимых глазу участках оптического диапазона.

Совокупность излучателей, находящихся в пространстве объектов, а также среда распространения оптических сигналов, создаваемых этими излучателями, образуют так называемую фоноцелевую обстановку (ФЦО).

Приемная оптическая система собирает поток, излучаемый наблюдаемым объектом или отраженный от него, формирует этот поток и направляет его на приемник излучения, который преобразует оптический сигнал в электрический.

Источник излучения (с передающей оптической системой), приемная оптическая система, приемник излучения или фотоприемное устройство, а иногда и первые узлы следующего за приемником электронного тракта образуют систему первичной обработки информации (СПОИ) ОЭС. Назначением её является получение сигнала от наблюдаемого или исследуемого объекта и преобразование его к виду, связанному определенным функциональным образом с параметрами и характеристиками объекта и удобному для дальнейшей обработки или использования в системе вторичной обработки информации (СВОИ), которая окончательно формирует выходной сигнал, по своим параметрам удовлетворяющий требованиям получателя информации.

оптический электронный компьютерный моделирование

Рис. 1. Обобщенная схема работы ОЭС, работающей активным методом: ОС - оптическая система; ФПУ - фотоприемное устройство.

Краткие общие сведения о моделировании систем [4, 12, 18, 24, 29, 38, 39, 54, 60, 61, 62, 66, 71, 73, 77, 81, 95, 96 и др.]

Моделирование - процесс исследования объектов, явлений, процессов (объектов-оригиналов) путем создания и исследования их моделей.

Предметом моделирования является описание условий работы ОЭС, её структуры, функционирования отдельных её звеньев, обеспечиващих поставленную перед системой цель.

Различают экспериментальный метод моделирования, при котором используются физические модели, и теоретический, когда используются различного рода знаковые модели (абстракции), т.е. физические и математические (абстрактные) модели.

При физическом моделировании ОЭС подобие модели объекту-оригиналу обеспечивается путем разработки специальных установок или макетов, по которым исследуются свойства реальной системы. Различают три вида подобия, используемого при создании физической модели: прямое, косвенное и условное подобие.

Прямое подобие устанавливается в результате последовательности действий, устанавливающих взаимосвязь между объектом-оригиналом и моделью, например, масштабированные макеты приборов.

Косвенное подобие обнаруживается в близости моделей двух различных объектов-оригиналов. Например, в медицине подопытные животные принимаются за аналоги организма человека; при моделировании электромеханических систем - ряд закономерностей электрических и механических процессов описывается одинаковыми закономерностями и уравнениями, но с различной интерпретацией входящих в них переменных.

Условное подобие - способ материального воплощения моделей, при котором устанавливается соглашение (условие) на использование модели, например, географические координаты определяют модели местности.

Математические (абстрактные) модели описывают объект-оригинал формализованными математическими символами и знаками. При этом используется такая форма познания, как абстракция, основанная на выделении существенных свойств и связей объекта-оригинала и отвлечении от других частных его свойств и связей. На разных этапах моделирования используются разные типы абстракции.

Выделяют следующие основные типы абстракции:

- изолирующая абстракция, выделяющая исследуемые явления или объекты из некоторой целостности;

- обобщающая абстракция, дающая обобщенные картины явлений или описаний объектов;

- идеализация - замещение реального эмпирического явления или объекта идеализированной схемой.

Математическое моделирование - это метод исследования реальных явлений, объектов и процессов путем построения их математических моделей в виде чисел, переменных, множеств, матриц и т.п., отношений между ними (уравнений) и исследования этих моделей посредством вычислительного эксперимента. Вычислительный эксперимент предполагает, что вслед за построением математической модели проводится её численное исследование, позволяющее «проиграть» поведение исследуемого объекта-оригинала в различных условиях или модификациях.

В зависимости от формы представления моделей различают: инвариантную форму, когда математическое описание объекта-оригинала инвариантно к методу решения уравнений; алгоритмическую форму, при которой запись соотношений модели и выбранного метода решения имеет форму алгоритма; аналитическую форму, когда запись соотношений, связывающих входную информацию с выходной имеет аналитический вид; схемная (графическая форма) - представление модели на графическом языке в виде графов. При моделировании ОЭС обычно используются алгоритмическая и аналитическая формы.

Определение места разрабатываемой математической модели во всем многообразии вариантов, а также методов моделирования позволяет ограничивать и сужать область поиска информации по интересующему виду модели и методу моделирования. Для этого необходимо иметь классификации способов моделирования, видов моделей, математического описания и т.п. Знание классификации позволяет разрабатывать модель объекта-оригинала последовательно (поэтапно), а также помогает предусматривать и планировать возможные перспективы развития модели. Классификацию методов математического моделирования можно представить следующим образом (рис.2).



Рис.2. Классификация методов математического моделирования

В настоящее время при разработке сложных систем особенно актуальны и широко применяются методы и средства компьютерного моделирования, которые по сравнению с методами натурного и полунатурного физического моделирования обладают явными преимуществами по ресурсным и временным затратам на проектирование. Сущность методологии компьютерного моделирования состоит в замене исходного объекта-оригинала - математической моделью и в дальнейшем изучении этой модели с помощью реализуемых на компьютерах вычислительно-логических алгоритмов. Такой подход позволяет относительно быстро и зачастую значительно дешевле, чем при физическом моделировании, исследовать свойства и поведение системы в любых теоретически реализуемых вычислительной техникой условиях её работы. Вычислительные (компьютерные, симуляционные, имитационные) эксперименты с моделью объекта-оригинала позволяют изучать, предсказывать и корректировать его свойства.

Компьютерная модель - это математическая модель, написанная на каком-либо языке программирования для компьютера. Компьютерное моделирование осуществляется в компьютерной программе для моделирования (КПМ), которая представляет собой совокупность алгоритмов, операций и программных средств, позволяющих моделировать систему. Она содержит инструменты и средства моделирования системы (объекта-оригинала): алгоритмы, операторы и т.п. Системы, подлежащие моделированию, могут иметь свою специфику описания и моделирования. Требования и методология формирования КПМ ОЭС, учитывающие специфические особенности ОЭС, будут рассмотрены в последующих главах.

В зависимости от математического аппарата, используемого при моделировании, и способа организации вычислительных экспериментов выделяют два вида компьютерного моделирования: аналитическое и имитационное.

При аналитическом моделировании обеспечивается подобие параметров и характеристик системы и её модели. Аналитические модели описываются некоторыми алгебраическими, интегральными, дифференциальными, логическими условиями и др. в виде системы уравнений, отображающих в общем виде связи между выходными, внутренними и внешними параметрами системы. Они являются наиболее формализованными с математической точки зрения.

При имитационном моделировании подобны процессы, протекающие в модели и в реальной системе. Под процессом имитации следует понимать не только конструирование модели, но и её испытания и применение с целью изучения исследуемых процессов и предсказания их результатов. Имитация, в частности, позволяет определить достоверность работоспособности ОЭС в заданных эксплуатационных условиях. Имитационные модели, в отличие от аналитических, с помощью средств вычислительной техники воспроизводят текущее функционирование системы в некоторых условиях, например, в заданном масштабе времени.

В [29] отмечается, что аналитические модели позволяют произвести наиболее полное исследование только в том случае, если получены явные аналитические зависимости, связывающие в полной мере вход и выход системы при известных начальных условиях, что возможно для сравнительно несложных (простых) систем. Для сложных же систем, в которых происходящие в них процессы характеризуются многими параметрами и весьма многообразны, аналитическое моделирование часто не обеспечивает достаточно эффективных результатов, так как применяемые математические модели не позволяют заранее вычислить или предсказать поведение реальной системы. В этом случае для предсказания поведения системы необходим эксперимент с моделью, т.е. имитация на модели. Соответственно, необходимо применить имитационное моделирование при заданных исходных данных, являющееся более универсальным инструментом, чем аналитическое моделирование.

Можно выделить следующие отличительные особенности имитационного моделирования:

1. В имитационной модели сложной системы законы функционирования всей системы в целом могут быть неизвестны; для моделирования достаточно знания алгоритмов, описывающих поведение отдельных элементов системы и связей между ними;

2. В имитационной модели определяются связи между параметрами и характеристиками системы, а значения исследуемых характеристик определяются в ходе имитационного эксперимента на компьютере.

Различают структурные и функциональные имитационные математические модели. Структурные имитационные математические модели отображают только структурные свойства объекта и не учитывают особенностей физических процессов, происходящих в объекте-оригинале. Функциональные модели отображают структуру и процессы функционирования объекта. Они чаще всего имеют форму систем уравнений. При функциональном моделировании осуществляется разбиение модели на функциональные моделирующие блоки.

Если модели представляются системами уравнений, то обычно при их практической реализации используются численные методы. Такие модели называют численными или алгоритмическими. При численном моделировании для построения компьютерной модели используются методы вычислительной математики, когда вычислительный эксперимент заключается в численном решении математических уравнений.

В результате моделирования, учитывающего случайные факторы, определяются статистические данные о функционировании моделируемой системы. При этом могут использоваться закономерности, которые распространяются на поведение системы с определенной вероятностью, оцениваемой с помощью методов, изучаемых в математической статистике.

Существуют и другие классификации моделей, например:

- по динамике процессов, которые они описывают, различают статические и динамические модели;

- по используемому математическому аппарату - линейные, дифференциальные и др.;

- по способу получения модели - теоретические и эмпирические;

- стационарные и нестационарные модели, в которых их параметры соответственно не изменяются и изменяются во времени;

- модели с распределенными и сосредоточенными параметрами, соответственно с изменяющимися и не изменяющимися параметрами моделей в пространстве и др.

По виду целевой функции, характеризующей качество моделируемого объекта, и зависящей от одной или нескольких переменных, называемых управляемыми переменными (или управляемыми параметрами), и ограничений детерминированные модели делятся на линейные, нелинейные, динамические и графические.

В линейных моделях целевая функция и ограничения линейны по управляющим переменным. Построение и расчет линейных моделей являются наиболее развитым разделом математического моделирования, поэтому часто к ним стараются свести и другие задачи либо на этапе постановки, либо в процессе решения. Для линейных моделей известны стандартные методы решения.

Hелинейные модели - это модели, в которых либо целевая функция, либо какое-нибудь из ограничений (либо все ограничения) нелинейны по управляющим переменным. Для нелинейных моделей не существует единого метода расчета. В зависимости от вида нелинейности, свойств функции и ограничений предлагаются различные способы решения.

В динамических моделях, в отличие от статических линейных и нелинейных моделей, учитывается фактор времени.

Графические модели используются, когда задачу удобно представить в виде графической структуры.

Любая модель обладает свойствами адекватности, универсальности, устойчивости, ингерентности (от англ.inherent - внутренний, собственный) и экономичности.

Адекватность, которая более подробно расматривается ниже, в главе 4, характеризуется достоверностью отображения в модели заданных свойств объекта - оригинала и оценивается её способностью отображать эти свойства с погрешностью, не больше заданной. Адекватность может быть выражена в количественной мере критерием адекватности (КА) через различия свойств, отображаемых в модели, и свойств объекта-оригинала. Она характеризуется областью адекватности модели - диапазоном значений входных данных модели, при которых критерий адекватности по заданному свойству или всей совокупности свойств не превышает заданного значения.

Адекватность (неадекватность) модели связана с её конечностью, упрощенностью и приближенностью, которые часто тесно связаны между собой.

Модель конечна, так как она отображает объект-оригинал только в конечном числе его свойств, поскольку возможности моделирования ограничены.

Упрощенность модели объясняется, во-первых, конечностью модели, а, во-вторых, необходимостью и целесообразностью отображать в модели только главные с точки зрения будущего потребителя (пользователя) свойства объекта-оригинала.

Приближенность модели характеризует количественные различия между отображаемыми в модели свойствами и свойствами реального объекта-оригинала.

Таким образом, одна из целей моделирования сводится к приближению модели к отображаемому объекту-оригиналу с требуемой степенью адекватности.

Под универсальностью следует понимать возможность использования модели при рассмотрении, исследовании и проектировании различных явлений, объектов, систем. Универсальность модели часто определяется числом учитываемых внешних и внутренних параметров. Степень универсальности характеризуется тем, насколько полно в модели отображены различные свойства объекта-оригинала.

Устойчивость модели - способность сохранять адекватность при исследовании работоспособности системы в определенных условиях, а также при внесении изменений в конфигурацию модели.

Под ингерентностью понимается согласованность со средой, в которой предстоит функционировать объекту моделирования.

Экономичность оценивает затраты на разработку модели и выгоду от её использования.

При построении модели следует исходить, прежде всего, из возможности вычисления целевой функции в различных реальных ситуациях, задаваемых в области функционирования ОЭС. Под областью функционирования понимается многомерное пространство переменных, в котором работает система. Область функционирования, которую с нужной степенью адекватности требуется моделировать, выбирается или задается пользователем модели.

Различают следующие описания объектов-оригиналов:

- целевое, определяющее достигаемые с использованием моделирования цели;

- концептуальное, дающее представление об общих свойствах объекта-оригинала; математические модели объекта при таком описании включают множество целей и множество признаков, характеризующих объект в целом;

- функциональное, дающее представление о его функционировании; математические модели, относящиеся к этому описанию, содержат множество признаков, определяющих взаимодействие системы со средой и правило упорядочения смены состояний объекта-оригинала в ходе достижения цели;

- структурное, описывающее структуру системы; математические модели, относящиеся к структурному описанию системы, включают множество составляющих ее элементов, множество признаков, характеризующих элементы на всех этапах работы системы, множество связей между всеми элементами системы;

- динамическое, определяющее поведение модели во времени;

- параметрическое, описывающее систему параметров, характеризующих объект.

Математическая модель ОЭС описывает зависимость целевой функции (или показателей эффективности её реализации) от параметров и характеристик структурных частей ОЭС, поэтому, в первую очередь, необходимо решить вопрос о выборе совокупности этих параметров и характеристик. В качестве целевой функции целесообразно выбирать такие функции, которые обеспечивали бы удобство определения искомых величин при моделировании системы, а также давали бы возможность получить достаточно простую математическую модель.

Для описания модели системы S как совокупности структурных частей и связей между ними введем следующие понятия: x - структурная часть (СЧ) системы S, l - связь между СЧ, F- целевая функция.

В общем виде можно представить модель как совокупность x, l, F:

S=,

где , , - множества СЧ, связей и цель функционирования, соответственно.

Построение любой математической модели системы начинается с определения параметров и переменных, характеризующих процесс функционирования системы.

Параметр - это величина, характеризующая какое-либо свойство системы (или процесса) в определенных условиях. Параметры стационарной статической системы остаются постоянными на всем интервале моделирования.

Внутренние параметры - величины, характеризующие свойства СЧ системы, образуют массив

,

где, например, - система координат, - длина волны, - время, - состояние поляризации.

Характеристика - это зависимость изменений параметра системы от изменений состояний системы или условий функционирования системы.

При моделировании используются управляемые и неуправляемые, независимые и зависимые переменные.

Управляемые переменные могут изменяться каким-либо операторами управления в процессе моделирования. Они выполняют функцию решающего правила и на основании принятой информации принимают решение о последующих алгоритмах работы модели.

Неуправляемые переменные не могут быть изменены управляющим оператором, но оказывают влияние на процесс моделирования. Эти операторы определяют последовательность выполняемых операций в процессе моделирования. В качестве операторов управления могут выступать логические условия, промежуточные результаты вычислений, значения которых определяются в процессе моделирования, например, выполнение неравенств, порядки рассчитанных величин, шаг дискретизации и др.

К независимым от оператора управления переменным могут относиться сигналы, поступающие на вход моделируемой системы, фазовые переменные, внешние параметры.

Так например, входные сигналы (воздействия) u₁, u₂…u_n1 в области функционирования системы характеризуются вектором

U=u()=.

Фазовые переменные х₁, х₂ ….х_n2, в отличие от внутренних параметров , характеризуют изменяющиеся в области функционирования свойства системы, например, состояния отдельных СЧ [38]. Они характеризуют физическое или информационное состояние системы, которое описывается вектором:

X=х()=,



где Х - пространство состояний или пространство возможных значений вектора х (или фазовое пространство системы). Для временных моментов состояния системы t₁<t₂<… последовательность х(t₁), х(t₂)… является фазовой траекторией системы.

Внешние параметры v₁,v₂…v_n3 - величины, характеризующие свойства внешней по отношению к исследуемому объекту среды, например, воздействия внешней среды. Они характеризуются вектором

V=v()= .

Среди них могут быть контролируемые и неконтролируемые, наблюдаемые и ненаблюдаемые, детерминированные и случайные воздействия. Для ОЭС это воздействие условий, в которых работает система: влажность, давление, вибрации, механические воздействия (удары).

К зависимым переменным относятся выходные параметры, которыми, наример, для ОЭС могут являться значения сигналов и параметры изображений, получаемых на выходе ОЭС. Выходные параметры (или характеристики) системы у₁, у₂ ….у_n4 - величины, характеризующие свойства объекта-оригинала и определяемые в точке области функционирования системы вектором

Y=у()= .

Таким образом, можно сказать, что модель выражает функциональные зависимости, существующие между входными воздействиями, фазовыми переменными, внутренними параметрами системы, внешними параметрами, выходными параметрами, связь между которыми представляется следующим образом (рис.3.):

Рис.3. Связь между параметрами и переменными системы

Для оценки эффективности функционирования используют количественный критерий - так называемый показатель эффективности работы системы. Показатели эффективности системы w₁, w₂ ….w_k характеризуют степень реализации цели, стоящей перед системой, и описываются вектором W в точке области функционирования системы:

W=w()= .

Показатели эффективности в общем случае представляются в виде W=w[u(), v(), x(), y(), a()]. При наличии в системе случайных факторов значения показателей эффективности также являются случайными.

Этапы разработки компьютерной модели

Разработка компьютерной модели объекта-оригинала, например ОЭС, как правило, заключается в последовательном выполнении четырех основных этапов, в результате которых производится переход от объекта-оригинала к его математической модели в виде компьютерной модели (рис. 3).

Рис. 3. Этапы разработки компьютерной модели объекта-оригинала

В общем случае в исходных данных, формируемых на первом этапе моделирования объекта-оригинала устанавливаются: основные требования к моделируемому объекту-оригиналу, назначение модели, общие предположения о путях решения поставленной задачи и адекватности модели, степень универсальности модели, особенности объекта-оригинала, информация о форме представления результатов моделирования и о возможных вариантах проведения испытаний модели.

При невозможности проведения натурных испытаний модели необходимо одновременно с проведением работ по построению модели разрабатывать (или выбирать) численный метод исследования модели.

На втором этапе разработки модели степень подробности описания объекта-оригинала и выбор для этого подходящего математического аппарата определяется принятыми для этого описания методами и зависит, в основном, от требований к адекватности разрабатываемой модели. Здесь же принимается соглашение о разделе существенных и несущественных свойств, отображаемых в модели; производится разбиение параметров и переменных на входные и выходные; формируются процессы преобразования сигнала в системе.

Основными требованиями, предъявляемыми к вычислительным алгоритмам, разрабатываемым на третьем этапе, являются:

реализуемость - возможность решения задачи за допустимое время;

экономичность - получение решения за минимальное время из возможных применяемых алгоритмов (с равной адекватностью описания);

возможность выявления и распознавания ошибок при сбое в работе программы в процессе вычисления (т.е. диагностика);

сходимость итерационных алгоритмов при решении конкретных задач;

учет возможных ошибок при вычислениях, например, за счет округления и математической обработки решений.

Математическая модель объекта-оригинала и алгоритм её реализации позволяют представить структуру модели в виде совокупности отдельных частей (модулей, субмоделей, блоков, разделов и т.п.) и взаимосвязей между ними, необходимых для обеспечения решения задач моделирования, включая описание объекта-оргинала и исследование его свойств. Эта структура должна быть как можно более стабильной, оставаясь адекватной при изменении способов использования данных или их формы представления, а также должна быть основой, на которой можно создавать будущие приложения и расширять возможности моделирования. Она должна обеспечить пользователю максимальную гибкость как на стадии ввода (редактирования) данных, так и в дальнейшем в процессе прогона готовой программы, когда производиться компиляция выбранных субмоделей (алгоритмов, функций, параметров и т.д.) и последовательное их использование.

Программное обеспечение, выбираемое или разрабатываемое на четвертом этапе и используемое в дальнейшем при моделировании, должно предусматривать следующие основные возможности:

представление программной системы в виде набора взаимосвязанных компонент, входящих в единую распределенную вычислительную сеть и имеющих совместимые программные интерфейсы;

наличие управляющей программы, осуществляющей организацию взаимодействия автономных программных компонент;

отсутствие привязки архитектуры программной системы к какому-либо одному сетевому протоколу;

возможность разработки дополнительных компонентов сторонними разработчиками с использованием различных языков программирования.

Подтверждение адекватности модели может содержать:

формулировку тестовых задач для контроля и диагностики работы модели; разработку плана теоретических и экспериментальных исследований модели;

проведение испытаний модели; обработку и анализ результатов экспериментов, т.е. выяснение того, является ли построенная модель адекватной рассматриваемому объекту-оригиналу.

В процессе проверки адекватности также необходимо проверить модель на непротиворечивость, чувствительность, реалистичность и работоспособность.

Проверка на непротиворечивость должна показать, что результаты, полученные с использованием модели, не абсурдны и правильны в заданных диапазонах изменения входных параметров, особенно в предельных условиях работы модели.

Проверка на чувствительность должна показать зависимость изменения выходных параметров модели при изменении её входных параметров в заданном диапазоне.

Проверка модели на реалистичность может заключаться в моделировании частного случая, для которого заранее известно решение или результат. Для этого в проверяемую модель вводятся необходимые сведения об объекте-оригинале, для которого известны параметры, условия функционирования и критерии качества работы. По критериям качества, рассчитанным с помощью вновь разработанной проверяемой модели, судят о реалистичности разработанной модели.

Проверка на работоспособность должна ответить на вопросы: удовлетворяет ли пользователя время, требуемое для решения поставленной перед КМ задачи, какое время занимает сбор исходных данных, необходимых для использования модели, уровень квалификации пользователя и т.п., которые позволяют судить о целесообразности использования КМ.



Библиография

1. ГОСТ 25645.153-90. Излучение атмосферы Земли рассеянное. Модель пространственного распределения. -М.: Изд-во стандартов, 1991.-69 с.

2. ГОСТ 8.009-84 «Нормируемые метрологические характеристики средств измерений» - М.: Изд-во стандартов, 1984.- 42 с.

3. ГОСТ 8.508-84 «Метрологические характеристики средств измерений и точностные характеристики средств автоматизации ГСП». - М.: Изд-во стандартов, 1984.- 40 с.

4. Автоматизация проектирования аналого -цифровых устройств / Под ред. Э.И. Гитиса.-М.: Энергоатомиздат, 1987.-184 с.

5. Автоматизация проектирования оптико-электронных приборов: Учеб. пособие для вузов / Л.П.Лазарев, В.Я. Колючкин, А.Н. Метелкин и др.- М.: Машиностроение, 1986.-216 с.

6. Алеев Р. М., Иванов В. П., Овсянников В. А. Основы теории анализа и синтеза воздушной тепловизионной аппаратуры. - Казань: Казанский ун-т, 2000.- 252 с.

7. Алеев Р. М., Иванов В. П., Овсянников В. А. Несканирующие тепловизионные приборы. - Казань: Казанский ун-т, 2000.- 228 с.

8. База данных обобщенной компьютерной модели оптико-электронной системы / Н.Ф.Максимова, К.И.Сагитов, И.П.Торшина, Ю.Г.Якушенков. - Свидетельство об официальной регистрации Роспатента РФ, № 2003620073 от 10.04.2003 г.

9. Балоев В.А., Горбунов Д.А., Моисеев В.С. Распределенная САПР тепловизионных приборов // Вестник Казанского гос. техн. ун-та - 2000. - №3. - С. 21-26.

10. Балоев В.А., Моисеев В.С., Клочков С.А. Синтез оптимальной структурной схемы тепловизионного прибора // Оптический журнал. - 2002. - № 4.- С.38-41.

11. Банди Б. Методы оптимизации. Вводный курс / Пер. с англ. - М.: Радио и связь, 1988.- 128 с.

12. Батанов Л.А. Автоматизация проектирования цифровых вычислительных систем.- М.: Энергия, 1978.-80 с.

13. Белова Д.А., Кузин Р.Е. Применение ЭВМ для анализа и синтеза автоматических систем управления. - М.: Энергия, 1979.- 264 с.

14. Блох А.Г. Основы теплообмена излучением. - М.: Госэнергоиздат, 1962. - 331 с.

15. Бронштейн И.Н., Семендяев К.А. Справочник по математике для инженеров и учащихся втузов.- М.: Наука, 1986. - 544 с.

16. Бугаенко А.Г. Аппаратура для оценки характеристик тепловизионных систем // Оптич. журнал. - 2002.- №4. - С. 19-25.

17. Бугаенко А.Г., Михайлов Е.Н. Тепловая заметность военнослужащих в различной экипировке // Оборонная техника. - 2007. - № 1-2. - С. 44-47

18. Бусленко Н.П. Автоматизация имитационного моделирования сложных систем.- М.: Наука, 1977.-239 с.

19. Валиахметов И.Р., Тымкул Л.В. Компьютерное моделирование работы приборов ночного видения в поляризованном и неполяризованном свете // Сб. материалов IV Междунар. научн. конгресса «ГЕО-Сибирь-2008», Новосибирск. Т. 4. Специализированное приборостроение, метрология, теплофизика, микротехника. Ч.2.-Новосибирск: СГГА, 2008. - С. 161-164.

20. Вафиади А.В. Аналитические модели сканирующих тепловизионных приборов // Оптич. журнал.- 1997.-№1. - С. 32-36.

21. Волков Н.Н., Мухин С.В., Снегов К.Г., Торшина И.П., Якушенков Ю.Г. Компьютерное моделирование оптико-электронных систем 3-го поколения // Барнаул: Ползуновский альманах. -2007.- №3. С. 34-35.

22. Галиакберов Д.Ш. Критерий качества приемников излучения для тепловизионных приборов // Оптико-механическая промышленность. - 1979. - № 8. - С. 12-14.

23. Ган М.А. Вычислительная оптика в ГОИ // Оптический вестник.-2008.- № 12.-С. 16-18.

24. Городецкий А.Е., Тарасова И.Л., Артеменко Ю.Н. Интерференционно-кодовые преобразователи.-С.-Пб.: Наука, 2005.- 472 с.

25. Грицкевич Е.В., Малинин В.В. Вычислительная модель объектно-фоновой ситуации для автоматизированного анализа ОЭП наблюдения // Сб. «Вопросы повышения точности и автоматизации аэрофотосъемочных и фотограмметрических работ». - Новосибирск: НИИГАиК, 198826. Грицкевич Е.В., Малинин В.В. Разработка программного обеспечения вычислительной модели ОЭП наблюдения // Межвуз. сб «Автоматизация проектирования оптических приборов».- Новосибирск: НИИГА иК, 1991.

27. Гудмен Дж. Статистическая оптика. - М.: Мир, 1988. -528 с.

28. Дейрменджан Д. Рассеяние электромагнитного излучения сферическими полидисперсными частицами.- М.: Мир, 1971.-166 с.

29. Демин А.В., Копорский Н.С. Имитационное моделирование информационно-измерительных и управляющих систем.- С.-Пб.: С.-ПбГУ ИТМО, 2007.- 139 с.

30. Демин А.В., Копорский Н.С. Имитационное моделирование систем наведения // Изв. вузов. Приборостроение.-2006.-№6.- С. 30-34.

Размещено на Allbest.ru