Способы, устройства и алгоритмы сглаживания цифровых сигналов по нескольким критериям в условиях ограниченного объема априорной информации

• Автор: Семенищев, Евгений Александрович
• Шифр специальности: 05.13.05, 05.12.04
• Научная степень: Кандидатская
• Год защиты: 2009
• Место защиты: Шахты
• Количество страниц: 177 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ

ГЛАВА 1. АНАЛИЗ МЕТОДОВ ОСЛАБЛЕНИЯ АДДИТИВНОЙ

ШУМОВОЙ СОСТАВЛЯЮЩЕЙ СИГНАЛА В УСЛОВИЯХ АПРИОРНОЙ НЕОПРЕДЕЛI1НОСТИ

1.1. Модели сигналов и помех. г

1.2 Методы выделения полезного сигнала в условиях априорной неопределенности.

1.3 Методы сглаживания сигналов в условиях ограниченного объема априорной информации о функции полезного сигнала и статистических характеристиках шума.

ГЛАВА 2. МНОГОКРИТЕРИАЛЬНЫЕ СПОСОБЫ СГЛАЖИВАНИЯ

ПОЛЕЗНОЙ СОСТАВЛЯЮЩЕЙ В УСЛОВИЯХ АПРИОРНОЙ Н ЕОП РЕД1 ЛН НОСТИ

2.1. Способы сглаживания цифровых сигналов на основе объединенных критериев

2.2. Структурная схема устройства, реализующего многокритериальные способы сглаживания
ГЛАВА 3. ПОГРЕШНОСТЬ ОЦЕНКИ ПОЛЕЗНОГО СИГНАЛА ПРИ
ИСПОЛЬЗОВАНИИ СПОСОБОВ СГЛАЖИВАНИЯ НА ОСНОВЕ МНОГОКРИТЕРИАЛЬНЫХ ЦЕЛЕВЫХ ФУНКЦИЙ
3.1. Временные и частотные характеристики устройства, реализующего двухкритериальные способы выделения
3.2 Критерии оценки эффективности многокритериальных способов сглаживания цифровых сигналов, выбор моделей сигналов и помех.
3.3. Определение параметров сглаживания многокритериальных способов на основе имитационного моделирования
3.4. Определение минимального отклонения оценок многокритериальных способов сглаживания. Расчт количества итераций.
3.5 Сравнительный анализ погрешности сглаживания цифрового сигнала
способами на основе объединнных критериев
3.6 Ослабление шумовой составляющей при обработке цифровых
сигналов но мере поступления данных Выводы
ГЛАВА 4. ПРИМЕНЕНИЕ СПОСОБОВ СГЛАЖИВАНИЯ НА ОСНОВЕ
ОБЪЕДИНЕННЫХ КРИТЕРИЕВ ДЛЯ ОБРАБОТКИ НАТУРНЫХ РЕАЛИЗАЦИЙ
4.1. Сравнение результатов сглаживания моделей цифровых сигналов
многокритериальными способами и фильтром Винера.
4.2. Реализация многокритериальных способов сглаживания на
программируемой логической интегральной схеме фирмы
4.3. Оценка результатов полученных при обработки статических чрнобелых изображений
4.4 Обработка натурных реализаций Выводы
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ


Разработан алгоритм обработки входного сигнала по мере поступления данных многокритериальными способами сглаживания в скользящем окне. Для повышения скорости обработки, возможности распараллеливания процессов, а так же для применения предлагаемых способов в условиях невозможности использования вычислительных ядер (СВЧ диапазон), предложены структурные схемы устройств обработки сигналов разработанными способами, произведён расчёт требуемых вычислительных затрат. В третьей главе проведены исследования многокритериальных способов сглаживания сигналов. Приведены зависимости, позволяющие опрсделитЕ> параметры сглаживания разработанных способов, а также показаны графики изменения количества итераций и точности расчётов. Приведено сравнение эффективности обработки разработанными способами с используемыми на практике. В четвертой главе представлены результаты сглаживания сигналов многокритериальными способами для обработки натурных реализаций: полученых с макетного образца датчика давления; режима работы аккумуляторной батареи при коротком замыкании; остаточной мощности аккумуляторной батареи; цифрового сигнала, поступившего с выхода датчика металлоде гектора. Представлены реализованные на базе программируемой логической интегральной схемы устройства, реализующие многокритериальные способы сглаживания. В приложениях приведены зависимости среднеквадратических погрешностей выделения полезной составляющей для обработки моделей сигналов, определенных в главе 3. Приведен листинг программ, реализующих многокритериальные способы сглаживания сигналов. Приведены результаты обработки экономических рядов. ГЛАВА 1. В современных системах сбора, обработки и передачи данных особую роль занимают интеллектуальные датчики. При передачи цифровых сигналов, полученных с выходов чувствительных элементов, па полезную составляющую сигнала накладываются различные помехи [9]. Для понижения уровня помех реализация большинства блоков производится в едином комплексе на базе систем на кристалле, а передача информации по каналам связи производится в цифровом виде []. Пример реализации такой системы представлен на рисунке 1. Рисунок 1. На рисунке 1. Где ЧЭ - чувствительный элемент, СП - система передачи, МК -микроконтроллер []. Приём данных с выхода чувствительного элемента производится в строго определённые моменты времени. Полученная информация передаётся по каналу связи в микроконтроллер, на входе которого находится аналогово-цифровой преобразователь. Необходимость предварительной обработки полученной с выхода чувствительного элемента информации обусловлена: наличием шумов, связанных с возможным старением измерительного элемента; шумов системы передачи; недостаточным экранированием; а так же шумами появляющимися при переводе аналогового сигнала в цифровой вид [, ]. В связи с вышесказанным, к методам и алгоритмам предварительной обработки измерительной информации предъявляются высокие требования, обусловленные существующими технологическими ограничениями на производство чувствительных элементов, а также невозможностью реализации всей измерительной системы интеллектуального датчика на одном кристалле. Как правило, реальный сигнал можно представить составной моделью более простых сигналов. Проведенный анализ работ Тихонова В. И., Макса Ж. Андерсона Т. Денисенко А. Н. и других [, , , 2, , , ] позволил выделить некоторую группу основных моделей, которые были использованы при проведении имитационного моделирования, вида: гармонической, экспоненциальной, параболической, составной форм и реализации с наличием точек разрыва первого рода. С помощью составных моделей удается смоделировать достаточно широкий класс сигналов, встречающихся в реальных исследуемых процессах. Этим и объясняется отсутствие конкретной модели измеряемого процесса (ввиду отсутствия априорной информации о функции полезного сигнала) и, как следствие, использование большого количества моделей сигналов при оценке эффективности разработанных методов [, , ]. Для сглаживания зашумлённой полезной составляющей существует большое количество различных методов, применение которых зависит от выбранной математической модели сигнала и шума.