Статья опубликована в рамках: XXXII Международной научно-практической конференции «Технические науки - от теории к практике» (Россия, г. Новосибирск, 26 марта 2014 г.)
Наука: Технические науки
Секция: Приборостроение, метрология, радиотехника
Скачать книгу(-и): Сборник статей конференции
- Условия публикаций
- Все статьи конференции
дипломов
Статья опубликована в рамках:
Выходные данные сборника:
СПОСОБ СНИЖЕНИЯ ПОГРЕШНОСТИ ОЦЕНКИ ЧАСТОТЫ ПЕРИОДИЧЕСКОГО ТРЕНДА ПО ЧИСЛАМ ПЕРЕСЕЧЕНИЯ НУЛЕВОГО УРОВНЯ
Левенец Алексей Викторович
канд. техн. наук, доцент кафедры автоматики и системотехники Тихоокеанского государственного университета, РФ, г. Хабаровск
E-mail:
THE WAY OF DECREASE OF A ERROR OF ESTIMATING OF FREQUENCY OF THE PERIODIC TREND BY ZERO-CROSSING METHOD
Levenets Alexey Viktorovich
candidate of Science, assistant professor of faculty of automatics and system engineering of Pacific National University, Russia Khabarovsk
АННОТАЦИЯ
В статье предлагается способ снижения погрешности оценки частоты периодического тренда измерительного сигнала на базе чисел пересечения сигналом нулевого уровня. Суть способа заключается в определении области значений сигнала, где он условно принимается равным нулю. Приведены результаты исследования предложенного способа на моделях измерительных сигналов с периодическими трендами разных типов. Показано, что предложенный способ позволяет снизить погрешность оценки частоты периодического тренда в области низких относительных частот.
ABSTRACT
In paper the way of decrease of an error of estimating of frequency of a periodic trend by zero-crossing method is offered. The way is based on defining ranges of values of the signal, where it is conditionally assumed equal to zero. Results of research of the proposed method with models of measuring signals with periodic trends of different types are submitted. It is shown that the offered method allows to decreasing of an error of a estimating of frequency of a periodic trend for low relative frequencies area.
Ключевые слова: тренд; измерительный сигнал; пересечение нуля.
Keywords: trend; measurement signal; zero-crossing.
Числа пересечения сигналом нулевого уровня обладают рядом свойств, позволяющих использовать их для анализа сигнала, в том числе, в частотной области. Возможность применения свойств таких чисел для спектрального анализа показал Б. Кедем. Так, в его работах было доказано, что если анализируемый процесс обладает доминирующей составляющей с частотой fд, то число пересечений нулевого уровня (ЧПН) будет стремиться к числу, соответствующему этой частоте [1]. Таким образом, применяя к исследуемому сигналу ряд линейных фильтров, с различными частотами среза, и определяя после каждой фильтрации через ЧПН частоту доминирующей составляющей, можно определить наличие в анализируемом сигнале периодичности с некоторой частотой.
В качестве фильтров было предложено использовать простые повторно-разностные и повторно-суммирующие фильтры. Реализация первого порядка таких фильтров сводится к последовательному вычитанию (сложению) соседних отсчетов исходной последовательности данных, причем применение такой операции к уже отфильтрованной последовательности является реализацией фильтра второго порядка и т. д. Отличительной особенностью описанных фильтров является простота реализации и, как следствие, низкая требовательность к вычислительным затратам
Так как нули сигнала связаны со спектральной функцией анализируемого сигнала, в [2] было предложено использовать этот факт для грубого спектрального анализа сигнала. Для этого к исходному сигналу последовательно применялись ПР и ПС фильтры в различных сочетаниях (максимальный порядок фильтров при этом ограничивается) и производился подсчет ЧПН для каждого сочетания таких фильтров. Совокупность ЧПН, полученную после применения к сигналу ряда простейших фильтров можно рассматривать как некоторое подобие спектральной функции, которое в [2] предложено называть «квазиспектр».
Проведенные исследования показали принципиальную возможность их использования для выявления и оценки частоты периодического тренда в измерительных данных [2]. Более подробно эта возможность была исследована в работе [3], где было показано, что одним из ограничений, свойственных такому методу является его высокая погрешность определения частоты периодического тренда на краях относительного частотного диапазона, особенно в области низких относительных частот. Этот факт объясняется высокой чувствительностью метода к помехам в области пересечения сигналом нулевого уровня, а также пологими передаточными характеристиками фильтров [2].
Для снижения погрешности оценки частоты периодического тренда в области низких относительных частот можно предложить виртуальную нелинейную обработку анализируемого сигнала, заключающуюся в том, что вводится понятие «ширина нулевого уровня» (ШНУ), т. е. задается диапазон значений анализируемого сигнала, в котором он условно считается равным нулю (рис. 1).
Рисунок 1. Пояснение к предлагаемому способу снижения погрешности
Очевидно, что при обычном подсчете ЧПН оценка частоты периодичности будет существенно искажена действующими помехами. В том же случае, когда вводится отличная от нуля ШНУ, оценка становится существенно более точной, т. к. формально шумовая составляющая не пересекает нулевого уровня. Такую обработку с точки зрения квазиспектра можно считать дополнительным низкочастотным фильтром, снижающим влияние высокочастотных помех на оценку частоты низкочастотного периодического тренда. Следует отметить, что предлагаемая обработка используется только при подсчете ЧПН и не применяется к самому исследуемому сигналу.
Для оценки эффективности предлагаемого способа исследования проводились на модели измерительного сигнала в виде аддитивной смеси периодического сигнала с заданной частотой и шума с равномерным распределением. Выбор типа шума был произвольным, т. к. в [3] было показано, что этот параметр не оказывает практического влияния на результаты оценки частот. Отношение сигнал/шум принималось равным 1,0.
В качестве периодического тренда рассматривались синусоида, меандр, пилообразный и треугольный сигналы. Так как объем выборки практически не сказывается на величине относительной погрешности, далее в работе приведены результаты для объема в 512 выборок. Как и в [3], при определении квазиспектра использовались фильтры не выше девятого порядка, а результаты усреднялись по десяти реализациям. Величина ШНУ задавалась в процентах от максимального уровня исследуемого сигнала, причем нулевое значение соответствует традиционному пониманию нулевого уровня.
На рис. 2 приведены зависимости относительной погрешности определения частоты δf для различных типов периодического тренда и различных значений ширины нулевого уровня. На рисунке цифрами обозначено: 1 — результаты в случае ШНУ = 0; 2 — для ШНУ = 10 %; 3 — для ШНУ = 20 %; 4 — для ШНУ = 40 %. На рисунке показано поведение погрешности оценки частоты в низкочастотной области, т. к. предлагаемый способ не влияет на погрешности в остальной частотной области.
а) синусоидальный
б) меандр
в) треугольный
г) пилообразный
Рисунок 2. Относительная погрешность определения частоты для разных типов периодического тренда
Полученные результаты показывают, что предлагаемый способ снижения погрешности приводит к существенному снижению погрешности в диапазоне относительных частот 0,0…0,07 для всех типов тренда. Следует отметить, что на рисунках не отображен диапазон 0 … 0,02 в силу того, что погрешность в этой области хотя и существенно снижается, но остается в области, далекой от практического применения.
В целом, практически для всех типов тренда можно отметить снижение погрешности на 5 % и более, причем наиболее существенное снижение можно отметить для трендов типа «пила» и «треугольник». Так, для тренда типа «пила» погрешность оценки в диапазоне частот 0,03…0,05 при ШНУ 40 % снижается примерно на 20 %, однако при увеличении частоты тренда эффективность предлагаемого способа падает, а на частоте ≈0,065 снижается практически до нуля. Для тренда типа «треугольник» снижение погрешности несколько меньше и составляет на частоте 0,045 и ШНУ 40 % примерно 18 %, однако уже с частоты ≈0,05 эффективность способа начинает снижаться и на частоте ≈0,06 величины погрешностей практически совпадают со значениями погрешности без обработки.
Следует отметить особенность поведения погрешности для тренда типа «меандр». Для этого тренда предлагаемый способ при величине ШНУ 10—20 % обеспечивает снижение погрешности примерно на 5 % в диапазоне относительных частот 0,03 … 0,07, причем увеличение ШНУ приводит к существенному снижению погрешности только в области относительных частот менее 0,03. Этот факт можно объяснить хорошей чувствительностью исследуемого способа оценки частоты к тренду типа «меандр», причем погрешности для этого типа тренда существенно меньше, чем у остальных типов тренда, даже без предлагаемого способа снижения погрешности.
Для синусоидального тренда снижение погрешности в результате применения предлагаемого способа больше, чем для тренда типа «меандр» и в диапазоне частот 0 … 0,047 составляет ≈12—15 %. На частотах 0,06 и более эффективность предлагаемого способа снижения погрешности близка к нулю.
Следует отметить, что увеличение ШНУ более 20 % для трендов типа «меандр» и «синусоида» не приводит к существенному улучшению ситуации, в отличие от остальных типов тренда, для которых снижение погрешности на относительных частотах 0 … 0,05 при ШНУ более 30 % достигает 15—25 %. Тем не менее, следует отметить, что при ШНУ 40 % и более для всех типов тренда наблюдается увеличение погрешности оценки частоты, чем при меньших значениях ШНУ.
Проведенные исследования показали, что снижение погрешности за счет использования предложенного метода происходит также и при снижении ОСШ до значения 0,75, однако в этом случае полученный эффект представляет меньшую практическую значимость.
Таким образом, предложенный способ снижения погрешности оценки частоты периодического тренда позволяет уменьшить относительную погрешность оценки в частотном диапазоне 0 … 0,06 не менее чем на 5 %, причем для тренда типа «меандр» предложенный способ обладает несколько меньшей эффективностью. Также следует отметить, что предложенный способ легко реализуется и не требует существенного увеличения вычислительных затрат.
Список литературы:
1.Кедем Б. Спектральный анализ и различение сигналов по пересечениям нуля // ТИИЭР. т. 74. — 1986. — № 11. — С. 6—24.
2.Левенец А.В., Чье Ен Ун, Иванов В.Э. Первичная обработка данных. Оценка спектра, сжатие, распознавание. Saarbrücken: LAP LAMBERT Academic Publishing, 2012. — 160 c.
3.Левенец А.В. Оценка частоты периодического тренда в измерительном сигнале // XХI Международная заочная научно-практическая конференция «Технические науки — от теории к практике», Новосибирск, 2013. — С. 167—173.
дипломов
Оставить комментарий