AVT statistik filtrlash algoritmi - AVT Statistical filtering algorithm

AVT statistik filtrlash algoritmi har xil manbalardan to'plangan xom ma'lumotlar sifatini yaxshilashga yondashuv. Bu tarmoqli shovqin mavjud bo'lgan hollarda eng samarali hisoblanadi. Bunday hollarda AVT ma'lumotlarni filtrlashda yaxshiroqdir, tarmoqli o'tkazgich filtri yoki o'zgarishiga asoslangan har qanday raqamli filtrlash.

An'anaviy filtrlash signal / ma'lumotlar shovqindan farqli chastotaga ega bo'lganda va signal / ma'lumotlar shovqin chastotasi kamsitilishi bilan ajratilgan / filtrlangan bo'lsa foydalidir. Chastotani kamsitishni filtrlash Low Pass, High Pass va Band Pass filtrlash yordamida amalga oshiriladi, bu esa bunday konfiguratsiya uchun nisbiy chastotalarni filtrlash mezonlarini nazarda tutadi. Ushbu filtrlar passiv va faol komponentlar yordamida yaratiladi va ba'zan dasturiy ta'minot algoritmlari asosida amalga oshiriladi Tez Fourier konvertatsiyasi (FFT).

AVT filtrlash dasturiy ta'minotda amalga oshiriladi va uning ichki ishlashi xom ma'lumotlarning statistik tahliliga asoslangan.

Signal chastotasi / (foydali ma'lumot tarqatish chastotasi) shovqin chastotasiga to'g'ri kelganda / (shovqinli ma'lumot tarqatish chastotasi) bizda tarmoqli shovqin mavjud. Bunday vaziyatda chastotali diskriminatsiya filtrlash ishlamaydi, chunki shovqin va foydali signalni ajratib bo'lmaydi va AVT ustun bo'lgan joyda. Bunday sharoitda filtrlashga erishish uchun quyida qisqacha tavsiflangan bir nechta usul / algoritmlar mavjud.

O'rtacha algoritm

1. To'plash n ma'lumotlar namunalari
2. To'plangan ma'lumotlarning o'rtacha qiymatini hisoblang
3. Natijani haqiqiy ma'lumotlar sifatida taqdim eting / yozib oling

Median algoritmi

1. To'plash n ma'lumotlar namunalari
2. Ma'lumotlarni o'sish yoki tushish tartibida saralash. E'tibor bering, buyurtma muhim emas
3. Tasdiqlangan ma'lumotlarni tanlang n/ 2 pozitsiyasini joylashtiring va ma'lumotlar namunasini ko'rsatadigan yakuniy natija sifatida taqdim eting / yozib oling

AVT algoritmi

AVT algoritmi Antonyan Vardan Transform degan ma'noni anglatadi va uning bajarilishi quyida tushuntirilgan.

1. To'plash n ma'lumotlar namunalari
2. Standart og'ish va o'rtacha qiymatni hisoblang
3. O'rtacha ± bitta standart og'ishdan kattaroq yoki kam bo'lgan har qanday ma'lumotni tashlang
4. Qolgan ma'lumotlarning o'rtacha qiymatini hisoblang
5. Ma'lumot namunasini ifodalovchi haqiqiy qiymat sifatida taqdim etish / qayd etish

Ushbu algoritm amplituda diskriminatsiyaga asoslangan va haqiqiy signalga o'xshamaydigan har qanday shovqinni osonlikcha rad etishi mumkin, aks holda signalning 1 standart og'ishi statistik jihatdan farq qiladi. E'tibor bering, ushbu turdagi filtrlash atrof-muhitning haqiqiy shovqini oldindan ma'lum bo'lmagan holatlarda ishlatilishi mumkin. E'tibor bering, medianni o'rtacha ko'rsatkichdan yuqori bosqichlarda ishlatish afzalroq. Dastlab AVT algoritmi ma'lumotlarning oynasidagi median natijalari bilan solishtirish uchun o'rtacha qiymatdan foydalangan.

Filtrlash algoritmlarini taqqoslash

Signal qiymati 1 ga teng bo'lgan va 0,1% va 1% darajalarda shovqin qo'shilgan tizimdan foydalanish algoritm ko'rsatkichlarining miqdorini soddalashtiradi. R^[1] skript bir nechta algoritmlar yordamida filtrlash natijalarini signal berish va tahlil qilish uchun qo'shilgan psevdo tasodifiy shovqinni yaratish uchun ishlatiladi. Iltimos, "AVT algoritmi bilan tarmoqli shovqinni kamaytirish" ga qarang. ^[2] Ushbu grafikalar AVT algoritmi Median va O'rtacha algoritmlar bilan taqqoslaganda 32, 64 va 128 qiymatdagi ma'lumotlar namunalaridan foydalangan holda eng yaxshi natijalarni taqdim etishini ko'rsatadi. Ushbu grafik 10000 qiymatdan iborat tasodifiy ma'lumotlar massivini tahlil qilish yo'li bilan yaratilganligini unutmang. Ushbu ma'lumotlarning namunalari quyida grafik ravishda keltirilgan.
Ushbu grafikadan ko'rinib turibdiki, AVT bir xil ma'lumotlar to'plamlarini tahlil qilishda 5% dan 10% gacha aniqroq ma'lumotlarni taqdim etish orqali boshqa filtrlash algoritmlaridan ustun turadi. Ushbu raqamli eksperimentda ishlatiladigan shovqinning tasodifiy xususiyatini hisobga oladigan bo'lsak, eng yomon holat, bu signalning haqiqiy darajasi atrof-muhit shovqinidan past bo'lsa, unda AVT algoritmi bilan ma'lumotlarni qayta ishlashning aniq yaxshilanishi muhim ahamiyatga ega.

AVT algoritmining o'zgarishi

Kaskadli AVT

Ba'zi hollarda AVT filtrlashning bir necha bosqichlarini kaskadlash orqali yaxshi natijalarga erishish mumkin. Bu termometrlar, termistorlar va boshqa sekin ishlaydigan sensorlar kabi barqaror xususiyatlarga ega bo'lgan uskunalar uchun ishlatilishi mumkin bo'lgan yagona doimiy qiymatni hosil qiladi.

Orqaga AVT

1. To'plash n ma'lumotlar namunalari
2. Standart og'ish va o'rtacha qiymatni hisoblang
3. Bitta standart og'ish ± o'rtacha oralig'ida bo'lgan har qanday ma'lumotni tashlang
4. Qolgan ma'lumotlarning o'rtacha qiymatini hisoblang
5. Natijani haqiqiy ma'lumotlar sifatida taqdim eting / yozib oling

Bu fon shovqin darajasiga yaqin bo'lgan daqiqali signallarni aniqlash uchun foydalidir.

Mumkin bo'lgan dasturlar va ulardan foydalanish

• Shovqin darajasiga yaqin yoki past bo'lgan ma'lumotlarni filtrlash uchun foydalaning
• Xom ma'lumotlarni filtrlash uchun sayyoralarni aniqlashda foydalaniladi Kepler (kosmik kemasi)
• Boshqa barcha filtrlash usullari bo'lgan ovoz manbalaridan shovqinni filtrlang (Past o'tkazgichli filtr, Yuqori o'tkazgichli filtr, Band-pass filtri, Raqamli filtr ) muvaffaqiyatsiz.
• Ma'lumotlarni tahlil qilish uchun ilmiy ma'lumotlarni qayta ishlash (Yumshoqlik ) rejalashtirishdan oldin (Uchastka (grafik) )
• SETI-da ishlatilgan (Erdan tashqari razvedkani qidiring ) Yerdan tashqaridagi signallarni kosmik fondan aniqlash / farqlash uchun

Adabiyotlar

1. Jozef, Favis; Balinadoa, C .; Paolo Dar Santos, Jerald; Eskanilla, Rio; Darell C. Aguda, Jon; Ramona A. Alkantara, Ma.; Belen M. Roble, Mariela; F. Bueser, Jomalin (2020 yil 5-may). Gidroenergetikani ishlab chiqarish va antonyan vardan transformatsiyasi (AVT) statistikasi asosida suv tezligini kuzatish tizimini ishlab chiqish va amalga oshirish. doi:10.1063/5.0002323.
2. Vinisius, Kene; Maurisio, Tosin; J., Machado; A., Balbinot (2019 yil aprel). "Elektromiyografiya va ishonchli ekstremal o'quv mashinalaridan foydalangan holda yuqori qismni aniq aniqlash uchun ochiq ma'lumotlar bazasi". Sensorlar. 19. doi:10.3390 / s19081864.
3. HornCene, Vinicius; Balbinot, Aleksandr (10.08.2018), "SEMG signallarining vakolatliligini yuqori oyoq-qo'llar tasnifi ishonchliligi tomon yaxshilanishidan foydalanish", Biyomedikal signallarni qayta ishlash va boshqarish, 46: 182–191, doi:10.1016 / j.bspc.2018.07.014, ISSN  1746-8094
4. Shox Cene, Vinisius; Ruschel dos Santos, Rafael; Balbinot, Aleksandr (18.07.2018). IEEE tibbiyot va biologiya jamiyatidagi muhandislik (EMBC) 40 yillik xalqaro konferentsiyasi. Honolulu, XI, AQSh: IEEE. 5224-5227 betlar. doi:10.1109 / EMBC.2018.8513468. ISBN  978-1-5386-3646-6.