Введение. В процессе сквозного проектирования адаптивных распределенных сенсорных сетей для медицинского применения, необходимым условием является сопровождение технически сложного проекта, включающего такие аспекты разработки как создание последовательных алгоритмов с последующей их адаптацией для параллельного и распределенного выполнения, верификация полученных алгоритмов путем создания моделей, реализующих запуск алгоритмов на ряде тестовых случаев, моделирование работы адаптивной распределенной сенсорной сети на уровне пакетной передачи, переход к модели, учитывающей специфику медицинского применения цифровых систем (гальваническая изоляция точек обмена информацией, отсутствие или минимизация пропущенных значений), верификации модели, включающей алгоритм экстраполяции по известным значениям, модификация модели для частичной косимуляции с физическим оборудованием и последующим переносом на реальное оборудование [1,2,3,4,5]. Для сопровождения подобного проекта требуется система комплексно реализующая вышеуказанные аспекты.
Методы исследований. В качестве такой системы авторам представляется адекватным использование MathWorks MATLAB&Simulink [6], а также ряд пакетов расширений (toolboxes) для MATLAB&Simulink, таких как Instrument Control Toolbox , MATLAB Coder , Simulink Coder , Embedded Coder и другие.
Алгоритмический аспект может быть смоделирован в MATLAB без применения дополнительных пакетов расширений, позволяя протестировать и визуализировать результаты вычислений. Для дальнейшего тестирования алгоритма в параллельном варианте необходим Parallel Computing ToolBox , позволяющий использовать до 12 ядер одновременно на одной физической машине (версия R2013b). Дальнейшее движение по данному вопросу приводит нас к необходимости использования решений, позволяющих реализовать кластерные вычисления, демонстрирующие линейный рост скорости вычислений при наращивании количества процессоров, а также необходимости интеграции в процесс моделирования технологии NVIDIA CUDA , предоставляющей ресурс массивного параллелизма в задачах фильтрации, вейвлет преобразования, преобразования Фурье сигналов биологических объектов многомерного характера и т.п.
Модельный аспект характеризуется необходимостью автоматизированного синтеза моделей передачи информации на пакетном уровне, учитывающих специфику медицинского применения. Для создания таких моделей возможно использовать Simulink StateFlow [7] диаграммы, а также SimEvents - расширения блоков Simulink, в целом позволяющие смоделировать сложную систему в терминах системы массового обслуживания (СМО). Дополнительная сложность возникает при необходимости синтеза моделей в автоматизированном режиме при моделировании большой системы (более 1000 элементов), При этом возможно использовать API MATLAB&Simulink для реализации синтезатора модели по входным требованиям, включающим такие ограничения как количество параметров мониторинга и контроля объекта, наличие или отсутствие у узлов адаптивной распределенный сенсорной сети медицинского назначения географической привязки, специализированных тегов и т.п.
Поскольку модельный эксперимент обладает определенной долей приближения к реальному объекту, то необходимо протестировать полученные модельные выкладки на реальном оборудовании в режиме косимуляции и/или PIL-тестирования. Решение подобной задачи возможно при использовании ряда пакетов расширения MATLAB&Simulink[8], а также использование т.н. буферной и целевой аппаратной платформы Arduino[9] и сенсорной платформы на базе технологий Nordic Semiconductor соответственно. Метаданные для модельного эксперимента могут быть получены приборами Agilent, Rigol [10].
Заключение. Таким образом, в рамках системы MATLAB&Simulink возможна реализация и сопровождение технически сложных проектов, таких как сквозной синтез адаптивных распределенных сенсорных сетей медицинского применения, что отличает данный подход целостностью и однородностью базы разработки и языка общения специалистов, что позволило запустить процесс синтеза вышеуказанной системы с использованием модельно-ориентированного подхода.
Работа по данному направлению проводится на базе лаборатории «Интеллектуальных информационных систем» кафедры ИТС ПензГТУ и технопарка «Яблочков»(Пенза).
Библиографическая ссылка
Володин К.И., Переходов А.И. МОДЕЛЬНО-ОРИЕНТИРОВАННЫЙ ПОДХОД К СКВОЗНОМУ ПРОЕКТИРОВАНИЮ АДАПТИВНЫХ РАСПРЕДЕЛЕННЫХ СЕНСОРНЫХ СЕТЕЙ МЕДИЦИНСКОГО НАЗНАЧЕНИЯ // Современные наукоемкие технологии. – 2014. – № 5-1. – С. 121-121;URL: https://top-technologies.ru/ru/article/view?id=33755 (дата обращения: 21.11.2024).