Открытый доступ
Только для подписчиков
Методы дискретной вейвлет-фильтрации измерительных сигналов: алгоритм выбора метода
https://doi.org/10.32446/0368-1025it.2021-10-14-20
Аннотация
При разработке средств измерений с учётом многообразия сигналов и влияющих на погрешности факторов актуальной проблемой является выбор метода дискретной вейвлет-фильтрации измерительных сигналов. Приведены результаты разработки алгоритма выбора метода дискретной вейвлет-фильтрации с учётом характера измерительного сигнала. Исследованы три наиболее распространённых метода дискретной вейвлет-фильтрации с последующим сравнительным анализом для двадцати типов измерительных сигналов. Проанализированы следующие методы вейвлет-фильтрации: с общим порогом для всех уровней декомпозиции; без порога с простым обнулением коэффициентов детализации до момента достижения минимальной среднеквадратичной погрешности фильтрации измерительных сигналов; с универсальным порогом для коэффициентов детализации на каждом уровне декомпозиции. Исследованы измерительные сигналы двадцати типов из библиотеки PyWavelets, к которым аддитивно добавлен некоррелированный нормально распределённый шум с нулевым математическим ожиданием и заданным средним квадратическим отклонением. Критерии для сравнения методов определены для зашумлённых сигналов до фильтрации и для отфильтрованных сигналов. В качестве критериев использованы разность отношений сигнал/шум, разность энтропийных погрешностей, среднеквадратичная погрешность фильтрации и функция измерительного сигнала. Для каждого метода фильтрации критерии сравнения определены из условия минимума среднеквадратичной погрешности, вносимой шумами в измерительный сигнал заданного типа. При выборе метода учитывались как энергетические, так и информационные характеристики сигналов. Циклическим перебором определены параметры фильтрации для достижения минимальной среднеквадратичной погрешности фильтрации. Предложенный алгоритм позволяет определять наиболее эффективные методы дискретной вейвлет-фильтрации в зависимости от характера измерительного сигнала. При этом разработчик решает одновременно две задачи: выбор метода фильтрации и определение параметров фильтрации.
Список литературы
1. Беспалов Д. А. Вейвлет-фильтрация сигналов с адаптивными порогами // Известия высших учебных заведений. Северо-кавказский регион. Технические науки. 2007. № 2. С. 13–16.
2. Hong H., Yonghong T., Yuexia W., Entropy, 2015, vol. 17, no. 9, pp. 6093–6109. https://doi.org/10.3390/e17096093
3. Лосихин Д. А., Олейник О. Ю., Черная Е. С. Автоматизация расчёта энтропийной погрешности измерения // Метрологія та прилади. 2018. № 5. С. 50–55. https://doi.org/10.33955/2307-2180(5)2018.50-55
4. Лазоренко О. В., Лазоренко С. В., Черногор Л. Ф. Вейвлетанализ модельных сигналов с особенностями. 2. Аналитическое и дискретное вейвлет-преобразования // Радиофизика и радиоастрономия. 2007. Т. 12. № 3. С. 278–294.
5. Воскобойников Ю. Е. Вейвлет-фильтрация с двухпараметрическими пороговыми функциями: выбор функции и оценивание оптимальных параметров // Автоматика и программная инженерия. 2016. № 1 (15). С. 69–78.
6. Huang Q., Liu B., Zhang W., Sci. China Technol. Sci., 2018, vol. 61, pp. 809–818. https://doi.org/10.1007/s11431-016-9098-3
7. Sheng G., Gao G., Zhang B., Micromachines, 2019, vol. 10, no. 9, 608. https://doi.org/10.3390/mi10090608
8. Zhang N., Lin P., Xu L., IOP Conference Series: Materials Science and Engineering, 5th International Conference on Mechanical and Aeronautical Engineering (ICMAE 2019), 12–15 December 2019, Sanya, China, IOP Publishing, 2020, vol. 751, no. 1, 012073. https://doi.org/10.1088/1757-899X/751/1/012073
9. Shen Y., International Society for Optics and Photonics, 2019, vol. 11179, 1117910. https://doi.org/10.1117/12.2540098
10. Gao H.-Y., Bruce A. G., Statistica Sinica, 1997, vol. 7, pp. 855–874.
11. Hai Qiu, Jay Lee, Jing Lin, Journal of sound and vibration, 2006, vol. 289, no. 4–5, pp. 1066–1090. https://doi.org/10.1016/j.jsv.2005.03.007
12. Virtanen P., Gommers R., Oliphant T. E., Nat Methods, 2020, vol. 17, pp. 261–272. https://doi.org/10.1038/s41592-019-0686-2
13. Дауни А. Б. Цифровая обработка сигналов на языке Python: Пер. с англ. Под ред. А. Э. Бряндинского. ДМКПресс, 2017. 162 с.
14. Капкаев Э. Н., Зулкарнеев Р. Х., Насыров Р. В. Программный модуль оценки характеристик сердечнососудистой системы на основе определения характеристик энтропии ЭКГ // VII Всероссийская научная конференция «Информационные технологии интеллектуальной поддержки принятия решений», Уфа, Россия, 28–30 мая 2019. Уфа УГАТУ. 2019. C. 134–138.
15. Тараненко Ю. К. Эффективность использования вейвлет-преобразований при фильтрации шумов в сигналах измерительных преобразователей // Измерительная техника. 2021. № 2. C. 16–21. https://doi.org/10.32446/0368-1025it.2021-2-16-21
16. Воскобойников Ю. Е., Гочаков А. В., Колкер А. Б. Фильтрации сигналов и изображений: Фурье и вейвлет-алгоритмы (с примерами в Mathcad): монография. Новосибирск: НГАСУ (Сибстрин), 2010. 188 с.
17. Donoho D. L., Johnstone I. M., Ideal spatial adaptation by wavelet shrinkage, Biometrika, 1994, vol. 81, no. 3, pp. 425–455.
Рецензия
Для цитирования:
Тараненко Ю.К. Методы дискретной вейвлет-фильтрации измерительных сигналов: алгоритм выбора метода. Измерительная техника. 2021;(10):14-20. https://doi.org/10.32446/0368-1025it.2021-10-14-20
For citation:
Taranenko Y.K. Methods of discrete wavelet filtering of measuring signals: an algorithm for choosing a method. Izmeritel`naya Tekhnika. 2021;(10):14-20. (In Russ.) https://doi.org/10.32446/0368-1025it.2021-10-14-20
Просмотров: 9
Послать статью по эл. почте 