ОПТИМИЗАЦИЯ ПРОЦЕССА СГЛАЖИВАНИЯ СИГНАЛОВ

УДК 681.53

  • Гринюк Дмитрий Анатольевич – кандидат технических наук, доцент, доцент кафедры автоматизации производственных процессов и электротехники. Белорусский государственный технологический университет (220006, г. Минск, ул. Свердлова, 13а, Республика Беларусь). Е-mail: hryniuk@tut.by

  • Олиферович Надежда Михайловна – ассистент кафедры автоматизации производственных процессов и электротехники. Белорусский государственный технологический университет (220006, г. Минск, ул. Свердлова, 13а, Республика Беларусь). Е-mail: oliferovich@belstu.by

  • Сухорукова Ирина Геннадьевна – старший преподаватель кафедры программной инженерии. Белорусский государственный технологический университет (220006, г. Минск, ул. Свердлова, 13а, Республика Беларусь). Е-mail: irina_x@rambler.ru

DOI: https://doi.org/10.52065/2520-6141-2021-248-2-72-79

Ключевые слова: измерительный тренд, временные ряды, сглаживание.

Для цитирования: Гринюк Д. А., Олиферович Н. М., Сухорукова И. Г. Оптимизация процесса сглаживания сигналов // Труды БГТУ. Сер. 3, Физико-математические науки и информатика. 2021. № 2 (248). С. 72–79.DOI: https://doi.org/10.52065/2520-6141-2021-248-2-72-79.

Аннотация

В статье рассматриваются вопросы обработки данных с первичных измерительных преобразователей. Повышение чувствительности современных преобразователей сопряжено с высоким уровнем помех. Однако во многих случаях требуется сохранить полезный сигнал с минимальными искажениями после обработки.

В качестве объекта рассмотрен сигнал с датчика геометрических перемещений при измерении нелинейной деформации. Для задачи был выбран вариант кусочной аппроксимации квадратичной функцией. Оптимизация алгоритма сглаживания проводилась путем исследования на модельном сигнале, который подобен измеренному. Для повышения соотношения сигнал/шум предложено использовать двойное сглаживание. Проведен математический эксперимент для оптимизации предложенной схемы. Основная цель заключалась в определении оптимального значения окна аппроксимации для первичного и вторичного сглаживаний и проведения сравнения с однократным использованием данного алгоритма. Для этого был сгенерирован сигнал с присутствием пяти гармоник информативного сигнала с аддитивным шумом и высокочастотной паразитивной гармоникой. В качестве основного критерия выступало сохранение мощности гармоник информативного сигнала. Результаты показали, что выбранный метод сглаживания имеет чувствительность к оптимальному значению окна. Несмотря на теоретические предпосылки к отсутствию влияния многократного сглаживания на результат, поставленный эксперимент показал эффективность данного подхода. Использование многократного сглаживания позволяет уменьшить нагрузку на вычислительные ресурсы при обработке с одновременным повышением качества для данного метода.

Полученные результаты сглаживания на математической модели позволили оптимизировать процесс обработки измерительной информации в физическом эксперименте.

Скачать

Список литературы

  1. Богослав Н. М., Гринюк Д. А., Оробей И. О. Экспериментальное исследование динамики круговой пропитки // Труды БГТУ. 2013. № 6: Физ.-мат. науки и информатика. С. 99–103.
  2. Сухорукова И. Г., Гринюк Д. А., Оробей И. О. Повышение чувствительности измерителя протечек запорной арматуры // Труды БГТУ. 2015. № 6: Физ.-мат. науки и информатика. С. 132–136.
  3. Oliferovich N., Hryniuk D., Orobei I. Measuring the speed of capillary soaking with adaptation regarding coordinates // 2015 Open Conference of Electrical, Electronic and Information Sciences (eStream 2015). Vilnius, Lithuania, 21 April 2015. Vilnius, 2015. P. 1–4. DOI: 10.1109/eStream.2015.7119495.
  4. Гринюк Д. А., Сухорукова И. Г., Олиферович Н. М. Использование алгоритмов аппроксимации для сглаживания трендов измерительных преобразователей // Труды БГТУ. Сер. 3, Физико-математические науки и информатика. 2017. № 2 (200). С. 82–87.
  5. Felinger A. Data analysis and signal processing in chromatography. Data Handling in Science and Technology, Elsevier, 1998. Vol. 21. 413 p.
  6. Grushka E. Characterization of Exponentially Modified Gaussian Peaks in Chromatography // Anal. Chem. 1972. Vol. 44, no. 11. P. 1733–1738. DOI: 10.1021/ac60319a011.
  7. Reconstruction of chromatographic peaks using the exponentially modified Gaussian function / Kalambet Y. A. [et all] // J. Chemom. 2011. Vol. 25, no. 7. P. 352–356. DOI: 10.1002/cem.1343.
  8. Каламбет Ю. А. Оптимизация параметров линейного сглаживания хроматографических пиков // Научное приборостроение. 2019. Т. 29, № 3. С. 51–60. DOI: 10.18358/np-29-3-i5162.
  9. Hangos K. M., Cameron I. T. Process modelling and model analysis. San Diego: Academic Press, 2001. 543 p.
  10. Mathematical Statistics. Samuel S. Wilks. Wiley, New York, 1962. XVI. 644 p.
  11. Mallat S. A wavelet tour of signal processing. San Diego: Academic Press, 1999. 620 с.
  12. Savitzky A., Golay M. J. E. Smoothing and differentiation of data by simplified least squares procedures // Anal. Chem. 1964. Vol. 36, no. 8. P. 1627–1639. DOI: 10.1021/ac60214a047.
  13. Delley R. Series for the exponentially modified Gaussian peak shape // Anal. Chem. 1985. Vol. 57, no. 1. P. 388–388. DOI: 10.1021/ac00279a094.
  14. Вентцель Е. С. Теория вероятностей. М.: Высшая школа, 1999. 576 с.
  15. Kaniewski P., Gil R., Konatowski S. Estimation of UAV position with use of smoothing algorithms // Metrol. Meas. Syst., 2017. Vol. 24, no. 1. P. 127–142. DOI: 10.1515/mms-2017-0013.
  16. Kalman R. E. A new approach to linear filtering and prediction problems // J. Basic Eng. 1960. Vol. 82, no. 1. P. 35–45. DOI: 10.1115/1.3662552. DOI: 10.1115/1.3662552.
  17. Hryniuk D., Suhorukova I., Oliferovich N. Adaptive smoothing and filtering in transducers // 2016 Open Conference of Electrical, Electronic and Information Sciences (eStream 2016), Vilnius, Lithuania, 21 April 2016. Vilnius, 2016. P. 1–4. DOI: 10.1109/eStream39242.2016.7485917.
  18. Катковник В. Я. Непараметрическая идентификация и сглаживание данных: метод локальной аппроксимации. М.: Наука, 1985. 336 с.
Поступила 15.06.2021