сгенерировать QR код
Открытый доступ
Только для подписчиков
Эффективность использования вейвлет-преобразований при фильтрации шумов в сигналах измерительных преобразователей
https://doi.org/10.32446/0368-1025it.2021-2-16-21
Аннотация
Рассмотрены методы вейвлет-фильтрации шумов в сигналах измерительных преобразователей с использованием порогового метода дискретного вейвлет-преобразования. Для изучения методов вейвлет-фильтрации шумов использованы специальные модельные сигналы, что позволило оценить ошибки фильтрации. Разработан метод определения параметров вейвлет-фильтрации шумов с порогом для всех уровней декомпозиции, позволяющий определить вейвлет-функцию, пороговую функцию и порог фильтрации детализирующих коэффициентов дискретного вейвлетразложения. Методом вычислительного эксперимента исследованы влияния параметров распределения шума, уровня шума, числа исчезающих моментов вейвлет-функции Добеши, характера пороговой функции и значения порога на погрешность фильтрации, обусловленную шумами нестационарных измерительных сигналов. Приведены результаты анализа шести пороговых функций при аддитивном добавлении шума к измерительному сигналу с нестационарной амплитудой, частотой и скважностью прямоугольных импульсов. Исследован сигнал доплеровских датчиков, вычислены параметры вейвлетфильтрации, обеспечивающие минимальную погрешность. С использованием полученных параметров путём обратного вейвлет-преобразования построены графики сигналов до и после фильтрации непосредственно во временной области.
Список литературы
1. Половенко К. Г. Масштабный анализ электроэнцефалограмм на основе вейвлет-преобразований с базисной функцией Добеши // Прикладная радиоэлектроника. 2011. Т. 10. № 1. С. 15–21.
2. Salis C. I., Paschalis A. E. M., Bizopoulos A., Tzallas A. T., Angelidis P. A., Tsalikakis D. G., 13th IEEE International Conference on Bioinformatics and Bioengineering, Chania, Greece, November 10–13, 2013, IEEE, 2013, pp. 1–4. https://doi.org/10.1109/BIBE.2013.6701613
3. Кыздарбeкова А. C., Каcымбeкова К. Б., Дутбайeва Д. М., Кыздарбeк У. C. Алгоритм извлечения признаков и удаления шума электрокардиосигнала на основе вейвлет-преобразования // Проблемы современной науки и образования. 2017. № 7 (89). С. 112–116.
4. Ehrentreich F., Analytical and Bioanalytical Chemistry, 2002, vol. 372, no. 1, pp. 115–121. https://doi.org/10.1007/s00216-001-1119-4
5. Lu X.-Q., Liu H.-D., Kang J.-W., Analytica Chimica Acta, 2003, vol. 484, no. 2, рр. 201–210. https://doi.org/10.1016/S0003-2670(03)00309-X
6. Alsberg B. K., Woodward A. M., Winson M. K., Rowland J., Kell D. B., Analyst, 1997, vol. 122, no. 7, рр. 645–652. https://doi.org/10.1039/A608255F
7. Zhang B., Sun L.-X., Yu H.-B., Xin Y., Cong Z.-B., Journal of Analytical Atomic Spectrometry, 2013, vol. 28, no. 12, рр. 1884–1893. https://doi.org/10.1039/c3ja50239b
8. Mappe-Fogaing I., Joly L., Durry G., Dumelie N., Decarpenterie T., Cousin J., Parvitte B., Zeninari V., Applied Spectroscopy, 2012, vol. 66, no. 6, рр. 700–710. https://doi.org/10.1366/11-06459
9. Niu M. S., Wang G.-S., Wuli Xuebao, 2017, vol. 66, no. 2, 024202.
10. Xia H., Dong F., Zhang Z., Tu G., Pang T., Wu B., Wang Y., Advanced Sensor Systems and Applications IV, 2010, vol. 7853, 785311. https://doi.org/10.1117/12.871629
11. Li J., Parchatka U., Fischer H., Applied Physics B, 2012, vol. 108, no. 4, рр. 951–963. https://doi.org/10.1007/s00340-012-5158-7
12. Zheng C. T., Ye W.-L., Huanga J.-Q. et al., Sensors and Actuators B: Chemical, 2014, vol. 190, рр. 249–258. https://doi.org/10.1016/j.snb.2013.08.055
13. Ramos P. M., Ruisanchez I., Journal of Raman Spectroscopy, 2005, vol. 36, no. 9, рр. 848–856. https://doi.org/10.1002/jrs.1370
14. Edu I. R., Adochiei F. C., Grigorie T. L., Botez R. M., 3rd International Workshop on Numerical Modelling in Aerospace Sciences, Bucharest, Romania, May 06–07, 2015, INCAS Bulletin, 2015, vol. 7, no. 2, рр. 71–80. https://doi.org/10.13111/2066-8201.2015.7.2.7
15. Воскобойников Ю. Е., Крысов Д. А. Вейвлет-фильтрация шумов различной статистической природы // Современные наукоемкие технологии. 2018. № 6. С. 50–54.
16. Oliynyk O., Taranenko Y., Losikhin D., Shvachka A., EasternEuropean journal of enterprise technologies, 2018, vol. 4, no. 4 (94), рр. 36–42. https://doi.org/10.15587/1729-4061.2018.140649
17. Быкова Т. В., Черепащук Г. А. Неопределенность вейвлет-восстановления результатов динамических измерений // Системи обробки інформації. Харьков. 2007. T. 6 (64). С. 10–12.
18. Национальная библиотека им. Н. Э. Баумана. URL: https://ru.bmstu.wiki/Вейвлет-преобразование# (дата обращения 06.07.2020).
19. ГуревичБ. С., Гуревич С. Б., МанойловВ. В.Вейвлет-фильтрация пространственных частот при дискретизации световых полей // Научное приборостроение. 2012. Т. 22. № 1. С. 101–106.
20. Воскобойников Ю. Е. Вейвлет-фильтрация с двухпараметрическими пороговыми функциями: выбор функции и оценивание оптимальных параметров // Автоматика и программная инженерия. 2016. № 1 (15). C. 69–78.
21. Lee G. R., Gommers R., Wasilewski F., Wohlfahrt K., O’Leary A., Journal of Open Source Software, 2019, vol. 4 (36), 1237. https://doi.org/10.21105/joss.01237
22. Ясин А. С. Фильтрация зашумлённых сигналов и изображений с применением вейвлет-преобразования: дис. канд. физ.- мат. наук (Сарат. гос. ун-т им. Н. Г. Чернышевского, Саратов, 2016).
23. Бурнаев Е. В., Оленев Н. Н. Мера близости для временных рядов на основе вейвлет коэффициентов. // Труды XLVIII научной конференции МФТИ. Часть VII. Москва – Долгопрудный, 2005. С. 108–110.
Рецензия
Для цитирования:
Тараненко Ю.К. Эффективность использования вейвлет-преобразований при фильтрации шумов в сигналах измерительных преобразователей. Izmeritelʹnaya Tekhnika. 2021;(2):16-22. https://doi.org/10.32446/0368-1025it.2021-2-16-21
For citation:
Taranenko Y.K. The efficiency of using wavelet transforms for filtering noise in the signals of measuring transducers. Izmeritel`naya Tekhnika. 2021;(2):16-22. (In Russ.) https://doi.org/10.32446/0368-1025it.2021-2-16-21
Просмотров:
200
Послать статью по эл. почте 