Характеристики вычислительного компонента, определяемые при аттестации

Характеристики (показатели качества ) ВК выбирают так, чтобы наиболее полно выявить свойства ВК и область его применения. При выборе показателей качества необходимо учитывать вид метрологического исследования и его цели. Выделяют три основные группы характеристик вычислительного компонента в соответствии с показателями качества (рис.3):

• характеристики точности, предназначенные для оценивания погрешности результата измерения; в том числе основные характеристики точности исходных данных, соответствующих принятым моделям и дополнительные характеристики точности для оценивания дополнительных погрешностей, обусловленных отклонениями свойств исходных данных от соответствующих принятым моделям;
• характеристики устойчивости (надежности), определяющие область работоспособности ВК;
• характеристики сложности, которые отражают вычислительные затраты при реализации ВК.

Рисунок 3 Показатели качества ВК.

При аттестации алгоритма основное внимание уделяется показателям (характеристикам) точности. Для оценивания характеристик точности необходимы сведения о моделях исходных данных и моделях погрешностей исходных данных. Первые связаны с моделями измеряемых величин, вторые - с моделью измерительного канала.
Нормирование характеристик погрешности ВК затруднено большим количеством влияющих факторов и разнообразием применяемых алгоритмов.
Перечислим алгоритмы обработки результатов прямых измерений, которые широко используются в ИИС:

• вычисление по точной формуле y = f(x1,... xn), где x1,... xn - результаты прямых измерений;
• вычисление по приближенной формуле когда вычисление по точной формуле невозможно (например, интегрирование, преобразование Фурье и т.д.);
• вычисление функций, заданных алгоритмически, когда в явном виде эту функцию записать нельзя;
• решение уравнений, в том числе операторных (здесь возможны некорректные и плохо обусловленные задачи);
• статистическая обработка результатов, в частности, непараметрическими методами, робастными алгоритмами;
• итерационные и рекуррентные процедуры (статистические, а также при помощи фильтров Калмана, алгоритмов стохастической аппроксимации, решения уравнений и т.п.);
• оптимизация процедуры.

Входными данными для всех этих алгоритмов служат результаты прямым измерений, , которые неизбежно сопровождаются погрешностями В данном курсе мы ограничимся анализом алгоритмов первой группы, т.е. алгоритмов с вычислениями типа .