Нестационарные сигналы в технике

Размещено на http://www.allbest.ru/

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ

ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ

Технологический Институт Южного Федерального Университета в г. Таганроге

Практическая работа

по теме: «Нестационарные сигналы в технике»

Работу выполнил:

Буганькова Ж.С.

МО - 51

Таганрог - 2014



Оглавление

Введение

1. Нестационарные сигналы в медицине

1.1 Постановка задачи

1.2 Подходы к анализу нестационарных сигналов

1.2.1 Методы обработки нестационарных сигналов

1.2.2 Краткий обзор преобразования Фурье

1.2.3 Основные положения вейвлет-анализа

2. Анализ нестационарных радиочастотных сигналов при проведении научно-исследовательских и конструкторских работ

2.1 Проблемы измерения нестационарных радиочастотных сигналов

3. Способ и устройство для спектрально-временного анализа нестационарных сигналов



Введение

Нестационарный случайный сигнал - случайный сигнал, у которого плотность вероятности некоторой совокупности мгновенных значений изменяется при некотором сдвиге этой совокупности во времени.

[ГОСТ 16465-70]



1. Нестационарные сигналы в медицине

На сегодняшний день одним из самых распространенных методов диагностики и распознавания сердечно-сосудистых заболеваний является электрокардиография. Сигнал ЭКГ характеризуется набором зубцов, по временным и амплитудным параметрам которых ставится диагноз. До недавнего времени процедуру нахождения характеристик зубцов выполнял врач-кардиолог, использую при этом только чертежные принадлежности. Такая схема достаточно проста и надежна, но требует много времени, и она работала в течении долгого времени из-за отсутствия альтернативных подходов к решению данной задачи.

С развитием компьютеров стали появляться специализированные комплексы, позволяющие выявлять сердечные заболевания, на основе автоматизированного анализа временных параметров ЭКГ. На сегодняшний день известны разработки фирм MedIT, Innomed Medical Co. Ltd. и другие. Кардиографы этих компаний выполняют основные операции, необходимые для работы в реальных условиях. Цены на них колеблются в диапазоне от 1'500$ до 15'000$.

В то же время, в нашей стране технический уровень специалистов достаточно высок, чтобы разработать собственный аналог подобных комплексов, стоящий при этом дешевле западных.

Программное обеспечение является одной из частей кардиографической системы. Данный раздел включает в себя три основных этапа: фильтрация сигналов, анализ данных и постановка диагноза на основе этих характеристик.

Данная работа посвящена изучению вопроса идентификации особенностей ЭКГ, как одного из шагов комплексного анализа сигнала. Это весьма важный этап так как допущение ошибки здесь сильно сказывается на врачебном заключении.

1.1 Постановка задачи

В рамках задачи предобработки и вычислении параметров ЭКГ в компьютерном кардиологическом комплексе, необходимо разработать модуль анализа основных характеристик электрокардиограммы человека на базе алгоритма непрерывного вейвлет-преобразования.

Для этого следует:

· изучить форму, стандарты описания и обозначения ЭКГ;

· построить модель идеальной ЭКГ

· провести сравнительный анализ эффективности системы Matlab и разработанного модуля

· проанализировать временные затраты с учетом параметров съема ЭКГ и аппаратного обеспечения

· При проведении исследований использовать систему Matlab 5.0, для разработки модуля использовать среду программирования Delphi 5.0.

1.2 Подходы к анализу нестационарных сигналов

1.2.1 Методы обработки нестационарных сигналов

Большинство медицинских сигналов имеет сложные частотно-временные характеристики. Как правило, такие сигналы состоят из близких по времени, короткоживущих высокочастотных компонент и долговременных, близких по частоте низкочастотных компонент.

Для анализа таких сигналов нужен метод, способный обеспечить хорошее разрешение и по частоте, и по времени. Первое требуется для локализации низкочастотных составляющих, второе - для разрешения компонент высокой частоты.

Вейвлет преобразование стремительно завоевывает популярность в столь разных областях, как телекоммуникации, компьютерная графика, биология, астрофизика и медицина. Благодаря хорошей приспособленности к анализу нестационарных сигналов оно стало мощной альтернативой преобразованию Фурье в ряде медицинских приложений. Так как многие медицинские сигналы нестационарны, методы вейвлет анализа используются для распознавания и обнаружения ключевых диагностических признаков.

Преобразование Фурье представляет сигнал, заданный во временной области, в виде разложения по ортогональным базисным функциям (синусам и косинусам), выделяя таким образом частотные компоненты. Недостаток преобразования Фурье заключается в том, что частотные компоненты не могут быть локализованы во времени, что накладывает ограничения на применимость данного метода к ряду задач (например, в случае изучения динамики изменения частотных параметров сигнала на временном интервале).

Существует два подхода к анализу нестационарных сигналов такого типа. Первый - локальное преобразование Фурье (short-time Fourier transform). Следуя по этому пути, мы работаем с нестационарным сигналом, как со стационарным, предварительно разбив его на сегменты (окна), статистика которых не меняется со временем. Второй подход - вейвлет преобразование. В этом случае нестационарный сигнал анализируется путем разложения по базисным функциям, полученным из некоторого прототипа путем сжатий, растяжений и сдвигов. Функция прототип называется материнским, или анализирующим вейвлетом.

1.2.2 Краткий обзор преобразования Фурье

Классическим методом частотного анализа сигналов является преобразование Фурье, суть которого можно выразить формулой (1)

Результат преобразования Фурье - амплитудно-частотный спектр, по которому можно определить присутствие некоторой частоты в исследуемом сигнале.

В случае, когда не встает вопрос о локализации временного положения частот, метод Фурье дает хорошие результаты. Но при необходимости определить временной интервал присутствия частоты приходится применять другие методы.

Одним из таких методов является обобщенный метод Фурье (локальное преобразование Фурье). Этот метод состоит из следующих этапов:

1. в исследуемой функции создается “окно” - временной интервал, для которого функция f(x)? 0, и f(x)=0 для остальных значений;

2. для этого “окна” вычисляется преобразование Фурье

3. “ окно” сдвигается, и для него также вычисляется преобразование Фурье

“Пройдя” таким “окном” вдоль всего сигнала, получается некоторая трехмерная функция, зависящая от положения “окна” и частоты.

Данный подход позволяет определить факт присутствия в сигнале любой частоты, и интервал ее присутствия. Это значительно расширяет возможности метода по сравнению с классическим преобразованием Фурье, но существуют и определенные недостатки. Согласно следствиям принципа неопределенности Гейзенберга в данном случае нельзя утверждать факт наличия частоты ? 0 в сигнале в момент времени t0 - можно лишь определить, что спектр частот (? 1,? 2) присутствует в интервале (t1,t2). Причем разрешение по частоте (по времени) остается постоянным вне зависимости от области частот (времен), в которых производится исследование. Поэтому, если, например, в сигнале существенна только высокочастотная составляющая, то увеличить разрешение можно только изменив параметры метода. В качестве метода, не обладающего подобного рода недостатками, был предложен аппарат вейвлет анализа.



1.2.3 Основные положения вейвлет-анализа

Различают дискретный и непрерывный вейвлет анализ, аппарат которых можно применять как для непрерывных, так и для дискретных сигналов.

Cигнал анализируется путем разложения по базисным функциям, полученным из некоторого прототипа путем сжатий, растяжений и сдвигов (2). Функция-прототип называется анализирующим (материнским) вейвлетом.

Вейвлет - функция должна удовлетворять 2-м условиям:

1. Среднее значение (интеграл по всей прямой) равен 0.

2. Функция быстро убывает при t ? ?.

Обычно, функция-вейвлет обозначается буквой ш.

В общем случае вейвлет преобразование функции f(t) выглядит так:

где t - ось времени, x - момент времени, s - параметр, обратный частоте, a (*) - означает комплексно-сопряженное.

Рис 1 Примеры вейвлетов

Главным элементом в вейвлет анализе является функция-вейвлет. Вообще говоря, вейвлетом является любая функция, отвечающая двум вышеуказанным условиям. Наибольшей популярностью пользуются два изображенных на рисунке 1 вейвлета:

Сверху изображен вейвлет “сомбреро” (Mexican Hat), названный так благодаря своему внешнему виду. На нижней части рисунка 1 изображен вейвлет Морле. График любого вейвлета выглядит примерно также, как и вейвлет Морле. Заметим, что вейвлет Морле - комплекснозначный, на рисунке изображены его вещественная и мнимая составляющие.

Итак, у нас имеется некоторая функция f(t), зависящая от времени. Результатом ее вейвлет-анализа будет некоторая функция W(x,s), которая зависит уже от двух переменных: от времени и от частоты (обратно пропорционально). Для каждой пары x и s рецепт вычисления вейвлет преобразования следующий:

Функция вейвлет растягивается в s раз по горизонтали и в 1/s раз по вертикали.

Далее он сдвигается в точку x. Полученный вейвлет обозначается ш(x,s).

Производится усреднение в окрестности точки s при помощи ш(x,s).

В результате “вырисовывается” вполне наглядная картина, иллюстрирующая частотно-временные характеристики сигнала. По оси абсцисс откладывается время, по оси ординат - частота (иногда размерность оси ординат выбирается так: log(1/s), где s-частота), а абсолютное значение вейвлет преобразования для конкретной пары x и s определяет цвет, которым данный результат будет отображен (чем в большей степени та или иная частота присутствует в сигнале в конкретный момент времени, тем темнее будет оттенок).



2. Анализ нестационарных радиочастотных сигналов при проведении научно-исследовательских и конструкторских работ

В последние годы количество и сложность радиочастотных устройств возрастает по экспоненте, и скорость внедрения технических новшеств в радиочастотную технику продолжает увеличиваться. В результате цены на радиочастотные компоненты продолжают снижаться, что ведет к появлению новых беспроводных технологий на различных рынках, не принадлежащих к традиционным отраслям военной промышленности и связи.

Радиопередатчики получили такое широкое распространение, что их можно обнаружить практически везде. Домашнем хозяйстве используется широкий спектр устройств электроники: от игровых приставок до бытовых приборов, обменивающихся данными по беспроводной связи. Медицинские устройства, например имплантированные кардиостимуляторы, передают по радиоканалу информацию на монитор. На заводах и складах радиочастотные идентификаторы (RFID) начали вытеснять штрих-коды, обычно используемые для слежения за перемещением объектов. автомобилях появились навигационные системы GPS, спутниковые радиоприемники, встроенные мобильные телефоны, бесклавишные устройства дистанционного ввода данных и даже датчики давления в шинах, посылающие радиочастотные сигналы на бортовой компьютер. Этот список можно продолжать, и он быстро растет.

Поскольку радиосигналы получили широкое распространение в современном мире, не менее часто встречаются и неполадки, обусловленные взаимодействием устройств, генерирующих эти сигналы. Устройства, работающие в лицензированном диапазоне частот, например мобильные телефоны, не должны излучать в соседних частотных каналах. Особенно трудно выполнить это требование в сложных устройствах, которые поддерживают несколько стандартов, переключаются в различные режимы передачи и одновременно поддерживают связь с разными элементами сети. Простые устройства, работающие в нелицензируемых частотных диапазонах, должны правильно функционировать при наличии помеховых сигналов. Законодательство часто требует, чтобы эти устройства передавали сигнал короткими импульсами с низким уровнем мощности.

Из-за необходимости устранения помех, затруднения обнаружения и расширения возможностей современные радиолокационные системы и коммерческие сети связи имеют сложную конструкцию. них обычно применяются сложные сочетания таких радиотехнических приемов как пакетная передача, скачкообразная перестройка частоты, множественный доступ с кодовым разделением (CDMA) и адаптивная модуляция. Разработка подобных видов современного радиотехнического оборудования и его успешное объединение в действующие системы представляет собой предельно сложную задачу.

Чтобы решить ее, современным инженерам и ученым важно иметь возможность надежно обнаруживать изменяющиеся во времени радиочастотные сигналы и определять их характеристики. Выполнить это с помощью обычных измерительных приборов достаточно трудно. Для решения этой проблемы в корпорации Tektronix разработаны анализаторы спектра в реальном масштабе времени. Эти приборы обеспечивают синхронизацию по радиочастотным сигналам, немедленно записывают их в память и анализируют в частотной и временной областях и в области модуляции.

2.1 Проблемы измерения нестационарных радиочастотных сигналов

При исследовании работы современных радиочастотных устройств необходимо изучать изменение частоты, амплитуды и параметров модуляции на коротких и длительных интервалах времени. В этих случаях обычные приборы, такие как анализаторы спектра с разверткой и векторные анализаторы сигналов позволяют получить снимки сигналов в частотной области и в области модуляции, но часто этой информации недостаточно для надежного описания динамического радиочастотного сигнала, вырабатываемого устройством. Обеспечивая углубленное исследование изменения параметров во времени, анализаторы спектра в реальном масштабе времени добавляют к этим измерениям еще одну важную ось координат.

Рассмотрим несколько типичных задач измерения.

- захват пакетной передачи, выбросов, переходных процессов при переключении;

- определение времени установления системы ФАПЧ, дрейфа частоты, микрофонного эффекта;

- определение кратковременных помех, анализ шума;

- захват сигналов с распределенным спектром и сигналов со скачкообразной перестройкой частоты;

- анализ частоты, амплитуды и фазы заполнения импульсного сигнала;

- мониторинг использования спектра, обнаружение посторонних передач;

- испытания на совместимость, диагностика электромагнитных помех;

- исследование схем модуляции с изменением по времени.

В каждом случае измерения радиочастотные сигналы изменяются во времени, часто эти изменения непредсказуемы. 3тобы определить характеристики этих сигналов, требуется прибор, способный синхронизироваться как по известным, так и по непредсказуемым событиям, немедленно захватывать сигналы и сохранять их в памяти, а затем анализировать изменения частоты, амплитуды и параметров модуляции во времени. нестационарный сигнал радиочастотный связь



3. Способ и устройство для спектрально-временного анализа нестационарных сигналов

Изобретение относится к цифровой обработке сигналов и измерительной техники. Техническим результатом является обеспечение способа спектрально-временного анализа, ориентированного на эффективное оценивание параметрических функций нестационарных сигналов, а также обеспечение устройства для реализации этого способа. На первом этапе аппроксимации фиксированный отрезок времени наблюдения сигнала разбивают на локальные интервалы, на каждом локальном интервале решают задачи построения локальных аппроксимационных моделей сигналов, на основе которых вычисляют локальные оценки нестационарных параметрических функций сложных колебательных сигналов. На втором этапе аппроксимации отрезок времени наблюдения с локальными моделями параметрических функций в виде кусочнонепрерывных функций разбивают на сплайновые интервалы, на которых решается задача построения сплайновой модели, аппроксимирующей кусочнонепрерывные функции оценок нестационарных параметрических функций. Результатом спектрально-временного анализа оценивания нестационарных параметрических функций служат построенные сплайновые аппроксимационные модели. 2 н.п. ф-лы, 5 ил.

Изобретение относится к области цифровой обработки сигналов и измерительной техники и представляет собой способ и устройство для спектрально-временного анализа нестационарных сигналов.

Задачи спектрально-временного анализа - оценивания параметрических функций (параметров) нестационарных сигналов являются распространенными во многих областях науки и техники: в экспериментальной механике, акустике, гидроакустике, радиоэлектронике, измерительной технике, системах передачи информации, биомеханике и др.

К настоящему времени разработано множество способов (методов) и соответствующих устройств для реализации спектрально-временного анализа. Однако традиционные способы и методы цифровой обработки, которые можно было бы применить для спектрально-временного анализа к достаточно широкому классу сигналов, наблюдаемых на ограниченных временных интервалах и со значительными нестационарностями, не являются эффективными. Так, классический Фурье-анализ в форме дискретного преобразования Фурье (ДПФ) (С.Л. Марпл-мл. Цифровой спектральный анализ и его приложения. М.: Мир, 1990, стр.35, 65, 67-72 [1]) на ограниченных временных отрезках наблюдения приводит к плохому разрешению по частоте, что влечет большие погрешности для оценок нестационарных параметров (ДПФ, по-определению, не приспособлено для нестационарных случаев). Методы, основанные на применении авторегрессионных моделей (С.Л. Марпл-мл. Цифровой спектральный анализ и его приложения. М.: Мир, 1990, стр.181-184, 245-248 [2]), позволяют реализовать хорошую разрешающую способность, но не дают возможности вычисления изменений во времени параметрических функций для наблюдаемых нестационарных колебательных сигналов. Методы, использующие нелинейные тригонометрические регрессионные модели для колебательных сигналов (Химмельблау Д. Анализ процессов статистическими методами. стр.384-452 [3]), сводятся к оптимизации многоэкстремальных функционалов от большого числа переменных. Фильтрация Калмана, в данном случае сводящаяся к алгоритмам фазовой автоподстройки частоты (Ярлыков М.С. Применение марковской теории нелинейной фильтрации в радиотехнике. М.: Сов. Радио, 1980, стр.151-160 [4]), приводит к нелинейным фильтрам большой размерности. Методы частотно-временного анализа (Патент РФ №94017061 [5]) не позволяют оценивать параметры модуляций сигнала как функций времени на временном интервале, который соответствует определяемой авторегрессионной модели, что приводит к снижению точностных характеристик спектрально-временных оценок.

Методы wavelet-анализа (Арефьева Н.М. Вейвлет-анализ: основы теории и примеры применения. УФН, 1966, т.166, №11, с.1145-1170 [6]), которые в настоящее время широко применяются для цифровой обработки нестационарных колебательных сигналов, являются эффективными для обнаружения частотно-временных неоднородностей (обнаружения фактов наличия нестационарностей). Однако методы вейвлет-анализа не позволяют обеспечить получение метрологически достоверных оценок нестационарных параметрических функций.

Наиболее близким к заявленному изобретению предлагаемой системы спектрально-временного анализа нестационарных колебательных сигналов является изобретение, описанное в патенте США №5373460 [7], в котором представлены метод и устройство, использующие последовательные процедуры оценивания параметров нестационарных колебательных сигналов, состоящие в применении скользящего окна в частотной области на основе цифрового полосового фильтра и скользящего окна во временной области на основе ДПФ-преобразования. Основным недостатком данного метода является плохая разрешающая способность ДПФ, которая ограничивает точность спектрально-временного анализа для колебательных сигналов со значительными нестационарностями по параметрам.

Задачей заявленного изобретения является разработка способа спектрально-временного анализа, ориентированного на эффективное оценивание параметрических функций нестационарных сигналов, а также разработка устройства для реализации этого способа.

Технический результат достигается за счет разработки нового способа спектрально-временного анализа нестационарных сигналов, алгоритм которого заключается в реализации двухэтапных процедур оценивания, отличающихся тем, что в них используются локальные модели нестационарных сигналов на первом этапе аппроксимации и сплайновые модели для локальных моделей на втором этапе аппроксимации при оценивании параметрических функций нестационарных сигналов, при этом на предварительном этапе входной нестационарный сигнал подвергают дискретизации, хранению в промежуточном запоминающем устройстве и визуализации, по результатам визуализации предварительного этапа принимают решение к возврату на начало предварительного этапа или о переходе к первому этапу аппроксимации, на первом этапе аппроксимации фиксированный отрезок времени наблюдения сигнала разбивают на локальные интервалы, выбирают вариант подпрограммы локальных базисных функций, далее задают настроечные параметры локальной аппроксимации первого этапа, на каждом локальном интервале решают задачи построения локальных аппроксимационных моделей сигналов, на основе которых вычисляют последовательность локальных оценок параметрических функций нестационарных сигналов, указанные локальные оценки параметрических функций подвергают визуализации, по результатам визуализации первого этапа аппроксимации принимают решение к возврату на начало предварительного этапа или возврату на первый этап аппроксимации, или к переходу на второй этап аппроксимации, на втором этапе аппроксимации отрезок времени наблюдения с локальными моделями параметрических функций в виде кусочнонепрерывных функций разбивают на сплайновые интервалы, выбирают вариант подпрограммы сплайновых функций, задают настроечные параметры сплайновой аппроксимации, на основе которой решают задачу построения сплайновой модельной функции, аппроксимирующей кусочнонепрерывные функции локальных оценок параметрических функций нестационарных сигналов, сплайновую модельную функцию подвергают визуализации, по результатам визуализации второго этапа аппроксимации принимают решение к возврату на начало предварительного этапа или возврату на первый этап аппроксимации, или возврату на второй этап аппроксимации, или о завершении второго этапа аппроксимации, который принимают в качестве результата спектрально-временного анализа - оценивания параметрических функций нестационарных сигналов.

Таким образом, заявляемый спектрально-временной анализ основан на двухэтапных аппроксимациях - применении локальных моделей на первом этапе аппроксимации и сплайновых моделей на втором этапе аппроксимации для вычисления параметрических функций.

Для лучшего понимания заявляемого способа на Фиг.1 представлен алгоритм реализации предлагаемого спектрально-временного анализа нестационарных сигналов - оценивания параметрических функций. Алгоритм разбит на отдельные процедуры. Процедуры 1.1.1-1.1.4 соответствуют предварительному этапу обработки по данному способу, процедуры 1.2.1-1.2.6 - первому этапу аппроксимации и процедуры 1.3.1-1.3.6 - второму этапу аппроксимации. Ниже приведен перечень номеров процедур с кратким указанием их содержательных функций:

1.1.1. Процедура дискретизации сигнала.

1.1.2. Процедура промежуточного хранения дискретизованных сигналов.

1.1.3. Процедура визуализации дискретизованных сигналов.

1.1.4. Процедура принятия решения: 1.1.4.1 - переход к первому этапу аппроксимации, 1.1.4.2 - возврат к началу предварительного этапа.

1.2.1. Процедура задания системы локальных интервалов.

1.2.2. Процедура выбора подпрограмм локальных базисных функций.

1.2.3. Процедура задания настроечных параметров локальной аппроксимации.

1.2.4. Процедура вычисления локальных аппроксимационных моделей параметрических функций.

1.2.5. Процедура визуализации вычисленных локальных моделей.

1.2.6. Процедура принятия решения: 1.2.6.1 - переход ко второму этапу аппроксимации, 1.2.6.2 - возврат к началу первого этапа аппроксимации, 1.2.6.3 - возврат к началу предварительного этапа.

1.3.1. Процедура задания системы сплайновых интервалов.

1.3.2. Процедура выбора подпрограмм сплайновых базисных функций.

1.3.3. Процедура задания настроечных параметров сплайновой аппроксимации.

1.3.4. Процедура вычисления сплайновых аппроксимационных моделей параметрических функций.

1.3.5. Процедура визуализации вычисленных сплайновых моделей.

1.3.6. Процедура принятия решения: 1.3.6.1 - завершение второго этапа аппроксимации, 1.3.6.2 - возврат к началу второго этапа аппроксимации, 1.3.6.3 - возврат к началу первого этапа аппроксимации, 1.3.6.4 - возврат к началу предварительного этапа.

Технический результат достигается также за счет применения нового устройства для реализации заявленного способа спектрально-временного анализа нестационарных сигналов, содержащего управляющий блок, на первый вход которого подают входной сигнал и на второй вход которого подают управляющие настройки, первый выход управляющего блока соединен со входом блока аналого-цифрового преобразователя, выход которого соединен со входом блока промежуточного хранения, первый выход которого соединен с первым входом блока визуализации и второй выход блока визуализации подсоединен к третьему входу управляющего блока, и третий выход блока визуализации подсоединен к четвертому входу управляющего блока и к первым входам блоков задания локальных интервалов, хранения подпрограмм локальных функций и настроек локальной аппроксимации, при этом заявляемое устройство характеризуется тем, что второй выход управляющего блока соединен со вторыми входами блоков задания локальных интервалов, хранения подпрограмм локальных функций и настроек локальной аппроксимации и с пятым входом блока вычисления локальных моделей, и выходы блоков задания локальных интервалов, хранения подпрограмм локальных функций и настроек локальной аппроксимации соединены с первым, вторым и третьим входом блока вычисления локальных моделей, и четвертый вход блока вычисления локальных моделей соединен со вторым выходом блока промежуточного хранения, и второй выход управляющего блока соединен с пятым входом блока вычисления локальных моделей, первый выход которого соединен со вторым входом блока визуализации, второй выход которого соединен с третьим входом управляющего блока, и третий выход блока визуализации подсоединен к четвертому входу управляющего блока и к первым входам блоков задания локальных интервалов, хранения подпрограмм локальных функций и настроек локальной аппроксимации, и четвертый выход блока визуализации соединен с пятым входом управляющего блока и первыми входами блоков задания сплайновых интервалов, хранения подпрограмм сплайновых функций и настроек сплайновой аппроксимации, и второй выход блока вычисления локальных моделей соединен с первым входом блока вычисления сплайновых моделей, при этом в заявляемом устройстве третий выход управляющего блока соединен со вторыми входами блоков задания сплайновых интервалов, хранения подпрограмм сплайновых функций и настроек сплайновой аппроксимации и выходы блоков задания сплайновых интервалов, хранения подпрограмм сплайновых функций и настроек сплайновой аппроксимации соединены со вторым, третьим и четвертым входами блока вычисления сплайновых моделей, и пятый вход блока вычисления сплайновых моделей соединен с третьим выходом управляющего блока, и выход блока вычисления сплайновых моделей соединен с третьим входом блока визуализации, для чего второй выход блока визуализации подсоединен к третьему входу управляющего блока, и третий выход блока визуализации подсоединен к четвертому входу управляющего блока и к первым входам блоков задания локальных интервалов, хранения подпрограмм локальных функций и настроек локальной аппроксимации, а четвертый выход блока визуализации подсоединен к пятому входу управляющего блока и к первым входам блоков задания сплайновых интервалов, хранения подпрограмм сплайновых функций и настроек сплайновой аппроксимации, а пятый выход блока визуализации подсоединен к шестому входу управляющего блока.

Функциональная схема заявляемого устройства, реализующего способ предлагаемого спектрально-временного анализа нестационарных сигналов, приведена на Фиг.2. Ниже приведен список номеров блоков с кратким указанием их функций, а в скобках даны их названия, использованные в описании.

2.1. Блок устройства управления спектрально-временным анализом колебательных сигналов - оценивания, т.е. измерения, нестационарных параметрических функций колебательных сигналов (Управляющий блок).

2.2.1. Блок дискретизации входного аналогового сигнала (Блок аналого-цифрового преобразователя).

2.2.2. Блок промежуточного хранения дискретных сигналов (Блок промежуточного хранения).

2.3.1. Блок задания системы локальных интервалов (Блок задания локальных интервалов).

2.3.2. Блок хранения подпрограмм локальных базисных функций (Блок подпрограмм локальных функций).

2.3.3. Блок задания настроечных параметров для локальной аппроксимации (Блок настроек локальной аппроксимации).

2.3.4. Блок вычисления локальных аппроксимационных моделей параметрических функций (Блок вычисления локальных моделей).

2.4.1. Блок задания системы сплайновых интервалов (Блок задания сплайновых интервалов).

2.4.2. Блок хранения подпрограмм сплайновых базисных функций (Блок подпрограмм сплайновых функций).

2.4.3. Блок задания настроечных параметров для сплайновой аппроксимации (Блок настроек сплайновой аппроксимации).

2.4.4. Блок вычисления сплайновых аппроксимационных моделей параметрических функций (Блок вычисления сплайновых моделей).

2.5. Блок визуализации результатов спектрально-временного анализа - входного сигнала, результатов первого и второго этапов аппроксимации (Блок визуализации).

Таким образом, блок 2.1 реализует управление работой устройства. Группа блоков 2.2.1-2.2.2 реализует предварительный этап обработки. Группа блоков 2.3.1-2.3.4 реализует первый этап аппроксимации; группа блоков 2.4.1-2.4.4 реализует второй этап аппроксимации.

Заявляемое устройство работает следующим образом. На первый вход управляющего блока 1 подают входной сигнал, а на второй вход блока 1 подают управляющие настройки, с первого выхода управляющего блока 1 подают команды блоку 2.1 на начало и окончание работы АЦП, на задание частоты дискретизации и числа дискретных значений входного сигнала, после чего блок 2.1 производит дискретизацию аналогового входного сигнала и после окончания дискретизации передает в блок 2.2 дискретизованный сигнал для промежуточного хранения, с первого выхода которого дискретизованный сигнал, подготовленный для визуализации, поступает на первый вход блока 2.5 для визуализации, на основе анализа сигнала на экране дисплея блока 2.5 по первому выходу принимают решение к возврату на начало предварительного этапа или о переходе к первому этапу аппроксимации, для чего со второго выхода блока 2.5 поступает команда на его третий вход управляющего блока 2.1 или с третьего выхода блока 5 поступает команда на четвертый вход управляющего блока и на первые входы блоков 2.3.1-2.3.3, при этом на первом этапе аппроксимации со второго выхода управляющего блока 2.1 на вторые входы блоков 2.3.1-2.3.3 подают команды задания системы локальных интервалов, выбора подпрограмм локальных базисных функций и задания настроечных параметров для локальной аппроксимации, и далее информация от блоков 2.3.1-2.3.3 поступает на первый, второй и третий входы блока 2.3.4, одновременно на четвертый вход блока 2.3.4 со второго выхода блока 2.2.2 поступает дискретизованный сигнал, подготовленный к первому этапу, после чего со второго выхода управляющего блока 2.1 на пятый вход блока 2.3.4 поступает команда на начало первого этапа аппроксимации и результаты первого этапа, подготовленные для визуализации, с первого выхода блока 2.3.4 поступают на второй вход блока 2.5 для визуализации, на основе которой по первому выходу блока 2.5 принимают решение к возврату на начало предварительного этапа или к возврату на первый этап аппроксимации, или к переходу на второй этап аппроксимации, для чего со второго выхода блока 2.5 поступает команда на третий вход управляющего блока 1 или с третьего выхода блока 2.5 поступает команда на четвертый вход управляющего блока 2.1 и первые входы блоков 2.3.1-2.3.3, или с четвертого выхода блока 2.5 поступает команда на пятый вход блока 2.1 и на первые входы блоков 2.4.1-2.4.3 и результаты первого этапа, подготовленные ко второму этапу, со второго выхода блока 2.3.4 поступают на первый вход в блок 2.4.4, при этом на втором этапе аппроксимации с третьего выхода управляющего блока 2.1 на вторые входы блоков 2.4.1- 2.4.3 подают команды задания системы сплайновых интервалов, выбора подпрограмм сплайновых функций и задания настроечных параметров для сплайновой аппроксимации, и далее информация от блоков 2.4.1-2.4.3 поступает на второй, третий и четвертый входы блока 2.4.4, одновременно на пятый вход блока 2.4.4 с третьего выхода управляющего блока 2.1 поступает команда на начало второго этапа аппроксимации и результаты второго этапа, подготовленные для визуализации, с выхода блока 2.4.4 поступают на третий вход блока 2.5 для визуализации, на основе которой по первому выходу блока 2.5 принимают решение к возврату на начало предварительного этапа, или к возврату на первый этап аппроксимации, или к возврату на второй этап аппроксимации, или завершения второго этапа аппроксимации, для чего со второго выхода блока 2.5 поступает команда на третий вход управляющего блока 2.1 или с третьего выхода блока 2.5 поступает команда на четвертый вход управляющего блока 2.1 и первые входы блоков 2.3.1-2.3.3, или с четвертого выхода блока 2.5 поступает команда на пятый вход управляющего блока 2.1 и первые входы блоков 2.4.1-2.4.3, или с пятого выхода блока 2.5 поступает команда на шестой вход управляющего блока 2.1 для завершения второго этапа аппроксимации и получения результатов спектрально-временного анализа.

На Фиг.3 представлена иллюстрация предварительного этапа, связанного с формированием реализации модельного нестационарного одночастотного сигнала с шумами вида Y(t)=E(t)cosц(t)+W(t), где E(t)- модельная параметрическая амплитудная функция, ц(t) -модельная параметрическая фазовая функция, W(t) - модельная шумовая функция погрешности. Сигнал Y(t), изображенный на Фиг.3, является амплитудно- и частотно-модулированным с модельными параметрическими амплитудными и фазовыми функциями вида E(t)=E0(1+µEcos(2рfEt+цE)), ц(t)=2рf0t+(µFf0/fF)cos(2рfFt+цF)+ц0;

поскольку ц(t)/2р=f(t), то модельная параметрическая частотная функция представляется следующим образом f(t)=f0-µFf0sin(2рfFt+цF).

На Фиг.4 представлена иллюстрация первого аппроксимационного этапа для случая оценивания нестационарной параметрической частотной функции. График (пунктирная линия) с индексом 401 относится к модельной параметрической частотной функции; видно, что на отрезке времени наблюдения ?6 с, частота изменяется от 3 до 10 Гц. График с индексом 402 относится к локальным аппроксимационным кусочно-постоянным оценкам нестационарной частотной функции.

На Фиг.5 представлена иллюстрация второго аппроксимационного этапа. График с индексом 503 представляет собой сплайновую аппроксимационную оценку для нестационарной частотной функции. Графики с индексами 401, 402, взятые из Фиг.4, приведены на Фиг.5 для того, чтобы можно было сделать вывод о вполне удовлетворительной точности предлагаемого спектрально-временного анализа на основе полученной сплайновой оценки частотой функции.

Следует подчеркнуть, что способы-аналоги, известные из уровня техники, не могут обеспечить приемлемую точность оценивания для спектрально-временного анализа сигналов типа сформированных на Фиг.1 - для ограниченных временных интервалов и значительных нестационарностей по параметрам.

Изобретение может быть реализовано для целого ряда классов нестационарных сигналов; однако здесь рассмотрение данного изобретения выполнено на примере варианта спектрально-временного анализа для одного из возможных классов нестационарных колебательных сигналов. Нестационарные сигналы, в отношении которых здесь реализуется спектрально-временной анализ с помощью предлагаемого способа и устройства, описываются одно- и многочастотными моделями с амплитудными и частотными модуляционными функциями. Рассматриваемый спектрально-временной анализ состоит в оценивании функций амплитудной и частотной модуляции - параметрических функций сигналов.

Изобретение может быть применено в системах, которые производят цифровую обработку сложных амплитудно- и частотно-модулированных сигналов, например нестационарных доплеровских локационных сигналов в акустическом, радио- и оптическом диапазонах, или цифровых измерениях параметров нестационарных переходных сигналов разгона (торможения) в механизмах с вращающимися элементами, например в приводах жестких дисков в ПЭВМ, в барабанах стиральных машин, в цетрифугах, в турбинах и турбогенераторах, электродвигателях и двигателях внутреннего сгорания и т.п. Предлагаемый способ и устройство могут быть применены в системах сжатия и фильтрации звуковых сигналов.

Заявляемое изобретение может быть использовано в измерительных приборах и системах, например:

- бесконтактном ультразвуковом расходомере на основе измерения нестационарных скоростей жидкостей в трубопроводах;

- цифровом помехоустойчивом фазометре для нестационарных фазовых соотношений на основе алгоритмов нелинейной фазовой фильтрации;

- системе измерения параметров движущихся тел (координат, скоростей и ускорений) на основе цифровой обработки нестационарных доплеровских локационных сигналов для акусто-, радио- и оптического диапазонов;

- системе измерения нестационарных параметров сигналов акустической эмиссии.

Отдельные составляющие заявляемого изобретения были успешно применены в конструкциях ряда информационно-измерительных систем, таких, как:

- система прецизионной поверки ударных акселерометров, основанная на сравнении оценок ударных ускорений, полученных цифровой обработкой информации от лазерного доплеровского интерферометра, и аналоговых сигналов от поверяемого ударного акселерометра;

- система измерения координат нескольких движущихся звуковых источников, основанная на цифровой обработке сигналов гидроакустических колебаний с нестационарными доплеровскими частотами;

- микропроцессорный помехоустойчивый измеритель разностей фаз, основанный на применении алгоритмов нелинейной фазовой фильтрации для цифровой обработки входных зашумленных синусоидальных сигналов.

Указанный вариант выполнения изобретения представлен с целью иллюстрации основных принципов работы и специалистам в данной предметной области должно быть очевидно, что возможны различные модификации, добавления и замены составляющих в данном изобретении, не выходящие за рамки основных предложений, изложенных в прилагаемом описании.

1. Способ спектрально-временного анализа нестационарных сигналов, заключающийся в реализации двухэтапного аппроксимационного оценивания, отличающийся тем, что в нем используют локальные модели нестационарных сигналов на первом этапе аппроксимации и сплайновые модели для локальных моделей на втором этапе аппроксимации при оценивании параметрических функций нестационарных сигналов, при этом на предварительном этапе входной нестационарный сигнал подвергают дискретизации, хранению в промежуточном запоминающем устройстве и визуализации, по результатам визуализации предварительного этапа принимают решение к возврату на начало предварительного этапа или о переходе к первому этапу аппроксимации, на первом этапе аппроксимации фиксированный отрезок времени наблюдения сигнала разбивают на локальные интервалы, выбирают вариант подпрограммы локальных базисных функций, далее задают настроечные параметры локальной аппроксимации первого этапа, на каждом локальном интервале решают задачи построения локальных аппроксимационных моделей сигналов, на основе которых вычисляют последовательность локальных оценок параметрических функций нестационарных сигналов, указанные локальные оценки параметрических функций подвергают визуализации, по результатам визуализации первого этапа аппроксимации принимают решение к возврату на начало предварительного этапа или возврату на первый этап аппроксимации или к переходу на второй этап аппроксимации, на втором этапе аппроксимации отрезок времени наблюдения с локальными моделями параметрических функций в виде кусочнонепрерывных функций разбивают на сплайновые интервалы, выбирают вариант подпрограммы сплайновых функций, задают настроечные параметры сплайновой аппроксимации, на основе которой решают задачу построения сплайновой модельной функции, аппроксимирующей кусочнонепрерывные функции локальных оценок параметрических функций нестационарных сигналов, сплайновую модельную функцию подвергают визуализации, по результатам визуализации второго этапа аппроксимации принимают решение к возврату на начало предварительного этапа или возврату на первый этап аппроксимации или возврату на второй этап аппроксимации или о завершении второго этапа аппроксимации, который принимают в качестве результата спектрально-временного анализа - оценивания параметрических функций нестационарных сигналов.

2. Устройство спектрально-временного анализа, содержащее управляющий блок, на первый вход которого подают входной сигнал, на второй вход которого подают управляющие настройки, первый выход управляющего блока соединен со входом блока аналого-цифрового преобразователя, выход которого соединен со входом блока промежуточного хранения, первый выход которого соединен с первым входом блока визуализации, второй выход блока визуализации подсоединен к третьему входу управляющего блока, третий выход блока визуализации подсоединен к четвертому входу управляющего блока и к первым входам блоков задания локальных интервалов, хранения подпрограмм локальных функций и настроек локальной аппроксимации, отличающееся тем, что второй выход управляющего блока соединен с вторыми входами блоков задания локальных интервалов, хранения подпрограмм локальных функций и настроек локальной аппроксимации и с пятым входом блока вычисления локальных моделей, выходы блоков задания локальных интервалов, хранения подпрограмм локальных функций и настроек локальной аппроксимации соединены с первым, вторым и третьим входом блока вычисления локальных моделей, четвертый вход блока вычисления локальных моделей соединен с вторым выходом блока промежуточного хранения, второй выход управляющего блока соединен с пятым входом блока вычисления локальных моделей, первый выход которого соединен с вторым входом блока визуализации, второй выход которого соединен с третьим входом управляющего блока, третий выход блока визуализации подсоединен к четвертому входу управляющего блока и к первым входам блоков задания локальных интервалов, хранения подпрограмм локальных функций и настроек локальной аппроксимации, четвертый выход блока визуализации соединен с пятым входом управляющего блока и первыми входами блоков задания сплайновых интервалов, хранения подпрограмм сплайновых функций и настроек сплайновой аппроксимации, второй выход блока вычисления локальных моделей соединен с первым входом блока вычисления сплайновых моделей, при этом третий выход управляющего блока соединен с вторыми входами блоков задания сплайновых интервалов, хранения подпрограмм сплайновых функций и настроек сплайновой аппроксимации, выходы блоков задания сплайновых интервалов, хранения подпрограмм сплайновых функций и настроек сплайновой аппроксимации соединены с вторым, третьим и четвертым входами блока вычисления сплайновых моделей, пятый вход блока вычисления сплайновых моделей соединен с третьим выходом управляющего блока, выход блока вычисления сплайновых моделей соединен с третьим входом блока визуализации, причем второй выход блока визуализации подсоединен к третьему входу управляющего блока, третий выход блока визуализации подсоединен к четвертому входу управляющего блока и к первым входам блоков задания локальных интервалов, хранения подпрограмм локальных функций и настроек локальной аппроксимации, четвертый выход блока визуализации подсоединен к пятому входу управляющего блока и к первым входам блоков задания сплайновых интервалов, хранения подпрограмм сплайновых функций и настроек сплайновой аппроксимации, пятый выход блока визуализации подсоединен к шестому входу управляющего блока.

Размещено на Allbest.ru

...