Информационное и техническое обеспечение информационных технологий.

КУРС ЛЕКЦИЙ

по дисциплине «Информационные технологии в менеджменте»

Воронеж 2014

Лекция №1.

Сущность, ключевые понятия и задачи информационных технологий. Этапы развития информационных технологий. Классификация информационных технологий.

(Содержание лекции в презентациях)

Основные вопросы:

1. Сущность, ключевые понятия и задачи ИТ.

2. Этапы развития ИТ.

3. Классификация ИТ.

Лекция № 2.

Информационное и техническое обеспечение информационных технологий.

Основные вопросы:

1. Виды сообщений.

2. Формы представления информации.

3. Передача информации.

4. Общая характеристика фаз преобразования информации.

5. История развития вычислительной техники.

6. Поколения ЭВМ

7. Архитектура ЭВМ

8. Принципы построения ЭВМ

9. Системный блок Центральный процессор

10. Устройства памяти ЭВМ

11. Устройства ввода-вывода

Информационное сообщение всегда связано с источником информации, приемником информации и каналом передачи.

Дискретные сообщения состоят из конечного множества элементов, создаваемых источником последовательно во времени. Набор элементов (символов) составляет алфавит источника.

Непрерывные сообщения задаются какой-либо физической величиной, изменяющейся во времени. Получение конечного множества сообщений за конечный промежуток времени достигается путем дискретизации (во времени), квантования (по уровню) (см. рис 1.1).

В большинстве случаев информация о протекании того или иного физического процесса вырабатывается соответствующими датчиками в виде сигналов, непрерывно изменяющихся во времени. Переход от аналогового представления сигнала к цифровому дает в ряде случаев значительные пре­имущества при передаче, хранении и обработке информации. Преобразование осуществляется с помощью специальных устройств – преобразовате­лей непрерывных сигналов и может быть выполнено дискретизацией во времени и квантованием по уровню.

Рассмотрим разновидности сигналов, которые описываются функ­цией x (t).

1. Непрерывная функция непрерывного аргумента. Значения, которые могут принимать функция x (t) и аргумент t, заполняют промежутки (x _min, x _max) и (- T, T) соответственно.

2. Непрерывная функция дискретного аргумента. Значения функции x (t) определяются лишь на дискретном множестве значений аргумента t_i, i =0±1±2, … Величина x (t_i) может принимать любое значение в интервале (x _min, x _max).

3. Дискретная функция непрерывного аргумента. Значения, которые может принимать функция x (t), образуют дискретный ряд чисел х₁, х₂,..., x_k. Значение аргумента t может быть любым в интервале (- Т, Т).

4. Дискретная функция дискретного аргумента. Значения, которые могут принимать функция х (t) и аргумент t, образуют дискретные ряды чисел x₁, x₂,..., x_k и t₁, t₂,..., t_k, заполняющие интервалы (x _min, x _max) и (- Т, Т) соответственно.

Первая из рассмотренных разновидностей принадлежит непрерывным сигналам, вторая и третья — дискретно-непрерывным, а четвертая — дискретным сигналам.

Операцию, переводящую информацию непрерывного вида в информа­цию дискретного вида, называют квантованием по времени, или дискретизацией. Следовательно, дискретизация состоит в преобразовании сигнала x (t) непрерывного аргумента t в сигнал x (t_i) дискретного аргумента t_i.

Квантование по уровню состоит в преобразовании непрерывного множества значений сигнала x (t_i) в дискретное множество значений x_k, k = =0, 1,..., (m - 1); x_k Î (x _min, x _max) (третий вид сигнала).

Совместное применение операций дискретизации и квантования по уровню позволяет преобразовать непрерывный сигнал x (t) в дискретный по координатам х и t (четвертая разновидность).

В результате дискретизации исходная функция x (t) заменяется совокупностью отдельных значений x (t₁). По значениям функции x (t_i) можно восстановить исходную функцию x (t) с некоторой погрешностью. Функ­цию, полученную в результате восстановления (интерполяции) по значени­ям x (t_i), будем называть воспроизводящей и обозначать V (t).

При дискретизации сигналов приходится решать вопрос о том, как часто следует проводить отсчеты функции, т. е. каков должен быть шаг дискретизации D t_i = t_i – t_{i -1}. При малых шагах дискретизации количество отсчетов функции на отрезке обработки будет большим и точность воспроиз­ведения — высокой. При больших шагах дискретизации количество отсче­тов уменьшается, но при этом, как правило, снижается точность восстанов­ления. Оптимальной является такая дискретизация, которая обеспечивает представление исходного сигнала с заданной точностью при минимальном количестве отсчетов.

Методы дискретизации и восстановления информации классифицируются в зависимости от регулярности отсчета, критерия оценки точности дискретизации и восстановления, вида базисной функции, принципа при­ближения.

Регулярность отсчета определяется равномерностью дискретизации.

Дискретизация называется равномерной (рис. 1.3, а), если длительность интервалов D t_i = const на всем отрезке обработки сигнала. Методы равномерной дискретизации широко применяют, так как алгоритмы и аппаратура для их реализации достаточно просты. Однако при этом возможна значи­тельная избыточность отсчетов.

Дискретизация называется неравномерной (рис. 1.3, 6), если длитель­ность интервалов между отсчетами D t_i, различна, т. е. D t_i = var. Выделяют две группы неравномерных методов: адаптивные и программируемые. При адаптивных методах интервалы D t_i, изменяются в зависимости от текущего изменения параметров сигналов. При программируемых методах интерва­лы D t_i, изменяются либо оператором на основе анализа поступающей информации, либо в соответствии с заранее установленной программой работы.

Рис. 1.3. Способы дискретизации информации

Критерии оценки точности дискретизации сигнала выбираются получателем информации и зависят от целевого использования сигнала и возможностей аппаратной (программной) реализации. Чаще других использу­ются критерий наибольшего отклонения, среднеквадратический, интегральный и вероятностный.

Тип базисных (приближающих, воспроизводящих) функций в основном определяется требованиями ограничения сложности устройств (программ) дискретизации и восстановления сигналов.

Воспроизводящие функции v (t) обычно совпадают с приближающими функциями p (t), хотя в общем случае они могут отличаться друг от друга. Чаще всего для дискретизации и восстановления используют ряды Фурье и Котельникова, полиномы Чебышева и Лежандра, степенные полиномы, функции Уолша и Хаара, гипергеометрические функции.

При равномерной дискретизации шаг D t и частота отсчетов F₀ — постоянные величины (рис. 1.3, а). Модель равномерной дискретизации очень хорошо подходит к модели синхронных автоматов. Теорема Котельникова позволяет осуществлять выбор шага дискретизации, что существенным об­разом может повлиять на количество и скорость поступления информации для обработки.

Рис. 1.4. Квантование по уровню

Квантование по уровню состоит в преобразовании непрерывных зна­чений сигнала x (t_i) в моменты отсчета t_i, в дискретные значения (рис. 1.4). В соответствии с графиком изменения функции x (t) ее истинные значения представляются в виде заранее заданных дискретных уровней 1, 2, 3, 4, 5 или 6. Функция в моменты отсчета может задаваться или точно (значе­ние х ₂ – уровень 4), или с некоторой погрешностью (значение х ₁ — уровень 2, значение x ₃ — уровень 6).

Квантование по уровню может быть рав­номерным и неравномерным в зависимости от величины шага квантования. Под шагом (ин­тервалом) квантования d _m понимается раз­ность d _m = x_m – x_{m -1}, где x_m, x_{m -1} – соседние уровни квантования.

Уровень квантования для заданного значе­ния сигнала x (t) можно выразить двумя способами:

1) сигнал x (t _i) отождествляется с ближайшим уровнем квантования;

2) сигнал x (t _i) отождествляется с ближайшим меньшим (или боль­шим) уровнем квантования.

Так как в процессе преобразования значение сигнала x (t) отображает­ся уровнем квантования x_m, а каждому уровню m может быть поставлен в соответствие свой номер (число), то при передаче или хранении информации можно вместо истинного значения величины x_m­ использовать соответствующее число m. Истинное значение уровня квантования легко восстано­вить, зная масштаб по шкале х. Для представления m уровней квантования с помощью неизбыточного равномерного кода потребуется n =log₂ m раз­рядов. Такое преобразование сопровождается шумами или погрешностью квантования. Погрешность квантования связана с заменой истинного зна­чения сигнала x (t_i) значением, соответствующим уровню квантования x_m. Максимальная погрешность квантования зависит от способа отождествле­ния сигнала с уровнем квантования. Для первого из рассмотренных спосо­бов она равна 0, 5d _m, для второго – d _m.

Чем меньше шаг квантования, тем меньше погрешность квантования. Можно принять, что погрешность квантования в пределах шага квантова­ния имеет равновероятный закон распределения, т. е. любое значение функции в пределах шага будет равновероятным.

Наиболее часто используются степенные алгебраические полиномы вида V (t)= , где n — степень полинома, а_i — действительные коэффициенты. Из этого класса функций наиболее полно исследовано примене­ние полиномов нулевой и первой степени. Алгебраические полиномы удобны для программирования и обработки на ЭВМ.

Выбор оптимальной системы функции представляет определенные трудности, так как при решении задачи минимизации числа дискретных характеристик для описания сигнала с заданной точностью должны учитывать сложность аппаратуры (программ), допустимое время задержки в вы­даче информации и другие факторы.

Метод дискретизации при преобразовании непрерывной информации в дискретную влияет на количество информации, которую надо хранить или преобразовывать в ЭВМ. Важна теорема Котельникова, согласно которой функция, имеющая ограниченный спектр частот, полностью определяется дискретным множеством своих значений, взятых с частотой отсчетов:

F ₀ = 2 f_m, (1.9)

где f_m = 2pw _m – максимальная частота в спектре частот S (j w) сигнала x (t); w _m – угловая скорость.

Функция x (t) воспроизводится без погрешностей по точным значе­ниям x (t_i) в виде ряда Котельникова:

(1.10)

где D t – шаг дискредитации.

Теорема Котельникова справедлива для сигналов с ограниченным спектром. Реальные сигналы — носители информации — имеют конечную длительность. Спектр таких сигналов не ограничен, т. е. реальные сигналы не соответствуют в точности модели сигнала с ограниченным спектром, и применение теоремы Котельникова к реальным сигналам связано с погрешностями при восстановлении сигналов по формуле (1.10) и неопределенностью выбора шага дискретизации или частоты отсчетов.

Для практических задач, однако, идеально точное восстановление функций не требуется, необходимо лишь восстановление с заданной точностью. Поэтому теорему Котельникова можно рассматривать как прибли­женную для функций с неограниченным спектром. На практике частоту отсчетов часто определяют по формуле

F ₀ = 2 f_maxk₃ , (1.11)

где k₃ —коэффициент запаса (обычно 1, 5 < k₃ < 6); f _max —максималь­ная допустимая частота в спектре сигнала x (t), например, с учетом доли полной энергии, сосредоточенной в ограниченном частотой спектре сиг­нала.

Из вышеизложенного следует, что преобразование непрерывной информации в дискретную может сопровождаться сжатием информации (уменьшением ее количества). Квантование по уровню — один из способов сжатия информации.

Квантование и дискретизация находят широкое применение в преобразователях информации, используемых при связи ЭВМ с конкретными объектами (процессами).