Спосіб детектування сигналів із високими значеннями шуму

Спосіб детектування сигналів із високими значеннями шуму, що полягає у розпізнаванні корисного сигналу заданої форми, який відрізняється тим, що для вказаного розпізнавання корисного сигналу використовують штучні нейронні мережі, при цьому виконують тренування нейронної мережі із одним прихованим шаром шляхом подавання на її вхід та вихід корисного сигналу без шуму, далі аналізують значення виходів нейронів у прихованому шарі при подаванні на вхід нейронної мережі зашумленого корисного сигналу, причому цей сигнал аналізують частинами, і кількість входів у нейронну мережу і виходів з неї дорівнює тривалості корисного сигналу, поділеній на крок його квантування, і якщо значення виходів нейронів у прихованому шарі близьке до одиниці, то поданий сигнал розпізнається як корисний. Винахід відноситься до оброблення цифрових сигналів, зокрема виділення інформативних характеристик сильно зашумлених сигналів в акустичних, сейсмічних, електричних, радіолокаційних системах та системах передавання, розпізнавання і відтворення цифрових зображень. Наприклад, при використанні безконтактного ультразвуку для контролю товщини або ступеню корозійного пошкодження металевих виробів значна частина ультразвукової енергії на границях розділу (п'єзоелемент/повітря, повітря/метал та метал/повітря) втрачається. У зв'язку із цим, відбитий імпульс ультразвукової хвилі повертається із значним рівнем шумів (Фіг.1). Відношення сигнал/шум може складати 1 і менше. У зв'язку із цим, необхідно було запропонувати метод обробки сигналів, який би дозволяв виявляти сигнали на фоні значних завад. Відомий спосіб [1] виділення детермінованих складових сигналів, який полягає у тому, що вибирають оптимальний низькочастотний фільтр шляхом аналізу сигналу за паралельними каналами, в кожному з яких двічі виконується фільтрація шляхом одно- та двократного пропускання вихідного сигналу через фільтр низьких частот із подальшим виділенням енергії різниці сигналів двох фільтра цій визначають канал із максимальною енергією зі сторони низькочастотних каналів, який і містить оптимальний фільтр низьких частот. Детерміновану складову визначають як суму двох сигналів, перший із яких є реакцією оптимального низькочастотного фільтра на вихідний сигнал, а другий пропорційний різниці першого сигналу і реакцій двократного проходження через оптимальний фільтр вихідного сигналу з коефіцієнтом пропорційності. Після цього різницю між вихідним сигналом і детермінованою складовою сигналу приймають за новий сигнал і цикл операцій повторюють до спів падіння місця положення максимуму на спектрі енергій із положення на попередньому циклі. До недоліків даного методу слід віднести необхідність виконання великої кількості обчислень, що унеможливлює його використання в умовах реального часу. Іншими недоліками вказаного методу є чутливість до наявності гаусового шуму в сигналі, який буде спричиняти суттєві спотворення енергетичного спектру, а також значне накопичення похибок даного методу. Відомий також спосіб [3] виділення характеристик форми сейсмічних сигналів. Даний метод призначений для розпізнавання сигналів за їх фо (19) UA (11) 87910 (13) C2 (21) a200712822 (22) 19.11.2007 (24) 25.08.2009 (46) 25.08.2009, Бюл.№ 16, 2009 р. (72) КАРПАШ МАКСИМ ОЛЕГОВИЧ, КАРПАШ ОЛЕГ МИХАЙЛОВИЧ (73) ІВАНО-ФРАНКІВСЬКИЙ НАЦІОНАЛЬНИЙ ТЕХНІЧНИЙ УНІВЕРСИТЕТ НАФТИ І ГАЗУ (56) RU 2028629 C1, 09.02.1995 RU 2088945 C1, 27.08.1997 US 6105015 A, 15.08.2000 US 4633400 A, 30.12.1986 US 5287430 A, 15.02.1994 US 5502688 A, 26.03.1996 DE 19949637 A1, 19.04.2001 FR 2724029 A1, 01.03.1996 3 87910 4 рмою. Вважається, що кожен вхідний сигнал є для виявлення дефектів у матеріалах та виробах комбінацією основного сигналу із певної групи та при їх ультразвуковому дослідженні, в радіолокації шуму. Основний сигнал для кожної групи отримудля виявлення об'єктів на фоні значних завад, а ється шляхом виділення форм сигналів із ортонотакож у інших сферах техніки, які пов'язані із обрмальними основами. Таким чином, основний сигробкою сигналів з високими значеннями шуму. нал репрезентує окрему групу сигналів. Метод Суть запропонованого способу полягає в нареалізується шляхом використання так званого ступному. „плаваючого вікна" - спосіб аналізування сигналів По вибірці із сигналами (Фіг.3) реалізовується із одиничним кроком по вибірці в межах обраного так званий метод „плаваючого вікна". Тобто, аналірозміру сигналу, який необхідно детектувати. зується весь сигнал частинами, розмір яких відпоДаний метод характеризується високою імовівідає розміру корисного сигналу (Фіг.2), який необрністю невірноїкласифікації сигналу, оскільки хідно виявити - із кроком одиниця таке вікно вплив розміру шуму (відношення сигнал-шум) не пересувається вздовж всього сигналу. враховане. В такому разі, задача зводиться до аналізу Існує також метод [3], який передбачає виковибірки із сигналу, яка може містити корисний сигристання гібридної системи на базі нейронних менал або шум. Іншими словами, необхідно розпіреж [4-6] та вейвлет-перетворення [7] для класизнати в зашумленому сигналі корисний - синусоїду фікації сигналів або зображень, представлених в даному випадку. сигналом в системі даних. Система класифікації Для вирішення означеної задачі розпізнавання складається із одного або більше здавачів для образів використовується нейронна мережа, яка прийняття сигналів, засобів вейвлет-перетворення тренується шляхом подавання на її вхід і на вихід вхідних сигналів, засобів класифікації сигналів ідеальний корисний сигнал (Фіг.2). В мережі пезгідно кількох визначених категорій і генерування редбачається один прихований шар із довільною вихідних класифікаційних сигналів. Як засіб вейвкількістю нейронів, в межах 5-13. Наприклад, для лет-перетворення використовують модуль розрапояснення реалізації способу було обрано кільхунку заданої кількості коефіцієнтів вейвлет. Як кість, яка рівна 77 нейронам. засіб класифікації використовують набір гібридних Процедура тренування полягає у налаштуваннейронних мереж, кожна із яких складається із ні вагових коефіцієнтів у вузлах (нейронах) мережі. нейромережі визначення місця розташування, Мережа із одним прихованим шаром тренується із нейромережі визначення величини сигналу, та заданим рівнем похибки (не більше 1-2%) шляхом класифікаційної нейромережі. подавання на її вхід та вихід корисного сигналу До суттєвих недоліків вказаного методу слід без шуму, причому, кількість входів і виходів мевіднести вплив вибору кількості коефіцієнтів вейврежі дорівнює тривалості корисного сигналу, поділет-перетворення (обирається оператором) та леній на крок його квантування [4, 5]. точності визначення місця положення та величини Таким чином, якщо розмір плаваючого вікна сигналу на похибку вірного детектування, яка мо(відповідає кількості нейронів на вході та виході) же бути достатньо значною для сигналів із значрівний 101, а кількість нейронів у прихованому ними рівнями шуму. шарі складає 77, а похибка тренування складає Найбільш близьким по технічній суті до запро3%, можна стверджувати, що у виходах 11 нейропонованого є [8-10] кореляційний метод детектунів міститься інформація про всі 101 значень вхідвання із використанням кодів Баркера. Суть зазнаного образу із похибкою 3 %. ченого методу полягає у розрахунку значень Після тренування згідно вказаних критеріїв кореляції отриманої вибірки зашумленого сигналу мережа є придатною для роботи із новими даниіз ідеальним сигналом. Найчастіше, для підвищенми. При цьому, на вхід нейромережі можуть поданя інформативності та чутливості методу ідеальватись сигнали загалом двох типів - зашумлений ний сигнал певним чином кодують. Найкращими корисний сигнал і просто шум. Якщо сигнал, подадля вирішення цієї задачі є коди Баркера. ний на вхід нейромережі, буде розпізнано як кориПроте, зі всіх кодів Баркера найбільш придатсний і це відповідатиме дійсності, то це означатиним для застосувань в ультразвуку є код типу „+1 ме, що корисний сигнал виявлено. Встановлено, 1", який може бути представлений звичайною сищо значення виходів нейронів близьке до одиниці нусоїдою (Фіг.2) і є найкоротшою послідовністю. вказує на те, що поданий сигнал є корисним, знаЦе пояснюється специфікою роботи реальних п'єчення близькі до нуля або -1 вказують на те, що зоелектричних елементів [11] - послідовності кодів поданий сигнал не є корисним, або що рівень шуБаркера із більшою кількістю елементів не можуть мів є надто великим. бути правильно відтворені з огляду на певну інерДля того, щоб розрізняти між двома вказаними ційність в роботі п'єзоелементів. класами сигналів, достатньо провести розрахунок Задача даного винаходу полягає у розробленвиходів нейронів внутрішнього (прихованого) шані способу детектування сигналів із високими знару. На Фіг.4 зображені виходи нейронів прихованоченнями шуму шляхом використання штучних го шару нейромережі при поданні на її вхід шумонейронних мереж, аналізу значень виходів нейрових сигналів, які не містять корисного сигналу. На нів у прихованому шарі мережі при подаванні на її Фіг.5 зображені виходи нейронів прихованого шару вхід зашумленого корисного сигналу, причому, нейромережі при поданні на її вхід зашумлених кількість входів і виходів мережі повинна дорівнюсигналів, за різних рівнів шуму. вати тривалості корисного сигналу, поділеній на Як видно із Фіг.5, виходи прихованих нейронів крок його квантування, що дозволить використовуза різних рівнів шуму для корисного сигналу повати даний спосіб в галузі неруйнівного контролю вторюються на 4, 5, 6 та 8 нейронах. Наприклад, 5 87910 6 виходи нейрону 2 суттєво змінюються в залежносжено на Фіг.8. Сума виходів 4-го, 5-го, 6-го та 8-го ті від рівня шуму. На Фіг.4 для жодного із нейронів нейронів склали 3.45. у прихованому шарі повторюваності не може бути Для статистичного аналізу функціонування помічено. методу було згенеровано по 1000 зашумлених Отже, при поданні на вхід нейронної мережі корисних сигналів (відношення сигнал/шум рівне зашумленого корисного сигналу на виходах окре0.35) та 1000 сигналів шуму. мих нейронів у прихованому шарі мережі будуть Реалізація запропонованого методу для вкаспостерігатись однакові значення із невеликими заних наборів даних дозволяє стверджувати, що відхиленнями, а при поданні „білого" (гаусового) за вказаних рівнів шуму похибка правильного дешуму - ці значення будуть суттєво відрізнятись. тектування корисного сигналу складає не більше Експериментально перевірено, що в межах кілько1.2% (12 випадків із 1000, коли значення суми висті прихованих нейронів 5-13 (за кількості нейронів ходів нейромережі складало менше 2). В ході анана вході і виході рівній 100) така тенденція зберілізування набору шумових сигналів кількість випагається. дків помилкового розпізнання шуму як корисного На Фіг.6 показані виходи даних нейронів для сигналу дорівнювала 0.8% (8 випадків із 1000). корисного сигналу в залежності від рівня шуму. Таким чином, експериментально доведено При цьому середнє значення суми виходів вказаможливість реалізації запропонованого методу них нейронів складає при подачі на вхід нейромедетектування корисних сигналів за умов високих режі зашумлених корисних сигналів - 3.98 в межах значень шуму. рівня шуму 0-20дБ. Перелік посилань Виходи тих же нейронів при подачі на нейро1. Патент RU 2028629, G01R23/16. мережу шумових сигналів, які не містять корисного 2. Патент US 4633400, G06К9/48. сигналу зображені на Фіг.7. Середнє значення су3. Патент US 6105015, G06F15/18. ми виходів вказаних нейронів складає -0.31. 4. Хайкин С. Нейронные сет: полный курс. - М.: Відомо [4, 5], що максимальне значення вихоВильяме, 2006. - 1104с. ду прихованого нейрона в мережі рівне 1, а міні5. Осовский С. Нейронные сети для обработки мальне мінус 1. Максимальне значення суми виинформации. - М.: Финансы и статистика, 2004. ходів обраних прихованих нейронів {4-6 та 8) 344с. дорівнює 4, а мінімальне - мінус 4. Виходи нейро6. Барский А.Б. Нейронные сети: распознаванів, рівні 1 відповідають подачі на вхід мережі нение, управление, принятие решений. - М.: Финанзашумленого корисного сигналу. Для надійного сы и статистика, 2004. - 176с . виявлення корисного сигналу за високих рівнів 7. Смоленцев Н.К. Основы теории вейвлетов. шуму встановлено як бракувальний критерій праВейвлеты в Matlab. - М.: ДМК, 2005. - 304с. вильності детектування корисного сигналу - сума 8. Варакин Л.Е. Системы связи с шумоподобвиходів обраних нейронів повинна бути не менными сигналами. - М.: Радио и связь, 1985. - 384с. шою 2, що становить 75% абсолютного значення 9. Малыгин И.В. Коды, коды, коды... // Техносуми виходів обраних нейронів. логия и средства связи. - 1999. -№3.-c.53-57. Таким чином, можемо стверджувати, що шля10. Качанов В.К. Использование радиолокацихом оцінки виходів нейронів прихованого шару онных сигналов и методов их обработки в ультраотриманої нейронної мережі можна розрізняти між звуковой дефектоскопии композиционных материзашумленим сигналом та просто „білим" (гаусоалов // ТД и НК, 1995, №2. - С.3-17. вим) шумом. 11. Кажис Р. И. Ю. О формировании псевдоПоказано, що запропонований спосіб дозволяє случайных кодовых последовательностей пьезоэдетектувати корисні сигнали навіть за відношення лектрическими преобразователями. - Изв. вузов сигнал/шум рівному 0.3. Зашумлений сигнал за ЛитССР. Радиоэлектроника, 1976, т.12, №1, с.130такого рівня шуму в порівнянні з ідеальним зобра140. 7 87910 8 9 87910 10 11 87910 12 13 Комп’ютерна верстка В. Мацело 87910 Підписне 14 Тираж 28 прим. Міністерство освіти і науки України Державний департамент інтелектуальної власності, вул. Урицького, 45, м. Київ, МСП, 03680, Україна ДП “Український інститут промислової власності”, вул. Глазунова, 1, м. Київ – 42, 01601