Ученые СКФУ предложили новый подход к обработке информации

 © cdnimg.rg.ru

Ученые СКФУ предложили новый подход к обработке информации. Он позволяет фильтровать цифровой сигнал в разы быстрее, качественнее и с меньшими аппаратными затратами, что особенно важно для маломощных устройств. Повысить производительность цифровых фильтров ученым удалось за счет применения системы остаточных классов и оригинального технического решения.

Как отмечают ученые СКФУ, с каждым днем обрабатывается все больше и больше информации, и все мы хотим, чтобы этот процесс шел быстрее и качественнее. Для этого нужны высокопроизводительные цифровые фильтры. Последние представляют собой специальные устройства, преобразующие цифровые сигналы различной природы в зависимости от решаемой задачи. Они используются для обработки изображений, видео, речи, звуков, электрокардиограмм (ЭКГ), электроэнцефалограмм (ЭЭГ) и данных других медицинских обследований, отображающих состояние пациента. Фильтруется информация, передаваемая по сотовой связи или от спутников. Цифровые фильтры помогают уменьшить шум, усилить и подавлять частоты, произвести интерполяцию, децимацию, эквализацию и многие другие действия при обработке цифрового сигнала. Рост объемов информации требует постоянного повышения производительности устройств, фильтрующих цифровой сигнал. Математики СКФУ предложили решение этой непростой задачи.

 © ieeexplore.ieee.org

— Мы применили систему остаточных классов, — рассказал руководитель проекта, заведующий кафедрой математического моделирования Павел Ляхов. — Это особый формат представления чисел (данных), который позволяет выполнять арифметические операции параллельно. В случае с фильтрами, это дает существенный выигрыш. По сравнению с методами, использующими традиционную позиционную систему счисления, нам удалось увеличить частоту на которой работает фильтр в 4 раза и снизить затраты на оборудование в три раза. Наш подход имеет преимущества и перед известными методами, основанными, как и наш, на системе остаточных классов. Он позволяет увеличить частоту до 6 раз, а также снизить аппаратные затраты до 5 раз при увеличении энергопотребления на 23%. Во многом такие высокие показатели были достигнуты за счет нестандартного технического решения. Ученые СКФУ предложили модифицировать аппаратные модули.

 © ncfu.ru

— Традиционные цифровые фильтры строятся на умножителях с накоплением — устройствах, выполняющих операции умножения и сложения, необходимые при обработке информации, — отметил руководитель проекта Павел Ляхов. — Мы предложили усеченный вариант таких устройств, позволяющий сэкономить на выполнении операции сложения, переместив ее в завершающую часть устройства. Благодаря этому удалось оптимизировать архитектуру цифрового фильтра и ускорить выполнение вычислений. Эффективность, предложенных математиками СКФУ алгоритмов, была проверена на практике. Ученые смоделировали весь процесс обработки сигнала.

— Для моделирования использовались программируемые логические интегральные схемы, — рассказала соавтор проекта, младший научный сотрудник Мария Валуева. — Все наши прогнозы полностью подтвердились. Предлагаемый подход может быть использован в цифровой обработке изображений, звука, медицинской визуализации и другой информации. Наш алгоритм за счет более низкого потребления ресурсов потенциально применим в энергозависимых маломощных устройствах, для которых критически важен заряд аккумулятора, например, мобильных телефонах или планшетах. Мы, в СКФУ, планируем в дальнейшем применять такие высокопроизводительные фильтры при аппаратной реализации нейронных сетей, т. е. при реализации интеллектуальных методов обработки информации самой разной природы, над которыми работает коллектив нашей научной школы.

Результаты исследования представлены в научной статье, опубликованной в научном журнале «IEEE Access» (Volume: 8). Прочитать материал можно, перейдя по ссылке.

 © ncfu.ru

Кстати, а вы знали, что на «Сделано у нас» статьи публикуют посетители, такие же как и вы? И никакой премодерации, согласований и разрешений! Любой может добавить новость. А лучшие попадут в телеграмм @sdelanounas_ru. Подробнее о том как работает наш сайт здесь👈