CC BY
21
Секция «Информационные системы»
Алгоритм автоматического выделения спектральных компонентов сигнала на ионограмме
А.А. Колчев, А.О. Щирый МарГУ, каф. Прикладной математики и информатики 424000, Россия, г. Йошкар-Ола, пл. Ленина, 1; e-mail: [email protected]
Наклонное зондирование ионосферы (НЗИ) сигналами с линейно-частотной модуляцией (ЛЧМ) позволяет существенно повысить надежность КВ связи. Результат работы ионозонда представляется в виде ионограммы, являющейся зависимостью времени группового запаздывания (вертикальная ось) . и амплитуды сигнала (изображается цветом или яркостью) от рабочей частоты (горизонтальная ось) [1]. Для автоматизации обработки данных наклонного зондирования нужен алгоритм автоматического выделения спектральных компонентов сигнала ("полезного сигнала") на ионограмме НЗИ.
В данной работе для решения задачи автоматического выделения спектральных компонентов сигнала на ионограмме НЗИ был применен метод обнаружения резко выделяющихся значений выборки. Такие методы хорошо разработаны в теории обработки результатов измерений [2] (резко выделяющиеся значения выборки обнаруживают для исключения из рассмотрения). Очевидно, что для решаемой здесь задачи, метод должен применяться "наоборот", т.е. резко выделяющиеся отсчеты выборки (в данном случае, амплитудного спектра сигнала разностной частоты ЛЧМ ионозонда, обозначим этот спектр Seblx (f)) должны считаться "полезным" сигналом. В указанной работе [2] предложена классификация симметричных законов распределения основанная на использовании оценок эксцесса и энтропии распределения; показана эффективность энтропийных оценок при исследовании случайных погрешностей измерительный устройств.
При таком подходе спектр Seblx (f) рассматривается в рамках модели смеси двух
распределений с существенно различающимися дисперсиями [3]:
f (х, а) = hifi(х, ст1) + h2f2(X ^2),
где /(х,а) - плотность распределения спектра 8еых (/); /1(х,а1) - плотность распределения спектра фонового шума; /2( х,а2) - плотность распределения спектра "полезного" сигнала; к1, к2 - удельный вес распределения в общей генеральной совокупности; а2, ст21, а22 - соответствующие дисперсии. Здесь а1 <<а2 и к2 << к1. В этом случае суммарное распределение имеет вид распределения с "утяжеленными концами" (рис.1).
Рис.1. Гистограммы распределений абсолютных значений спектра фонового шума (а) и спектра смеси "полезного" сигнала и фонового шума (б) В качестве меры «засоренности» концов распределения может служить несмещенная оценка коэффициента эксцесса Е: удлинение концов распределения увеличивает ее значение. Следовательно, положительное значение коэффициента эксцесса для 8еъш (/) указывает на наличие в спектральном элементе "полезного" сигнала. Значимость отклонения Е от нуля можно оценить по критерию Чебышева [4]. Если
Е > Б(Е) ,
где Б(Е) - дисперсия оценки коэффициента эксцесса, то с надежностью 0,95 можно говорить о значительном вкладе "полезного" сигнала в общее распределение $еъ1х (/). Значение Б(Е) зависит только от объема выборки п и равно
= 24п(п - 2)(п - 3) (п + 1)2(п + 3)(п + 5)'
Для обнаружения "полезного" сигнала, спектр 8еых (/) с полосой ^ разбивался на К не перекрывающихся элементов по Еэ. Для каждого к-го элемента сигнала находились несмещенные оценки среднеквадратичного отклонения а^. В
зависимости от значений к2 и а2 будет меняться характер распределения а^. Если
И2 = 0, то распределение будет одномодальным, если И2 ф 0, то распределение становится двухмодальным.
Приближенная идентификация формы распределения значений с к
осуществлялась по сочетанию оценок контрэксцесса и энтропийного коэффициента с использованием алгоритма, предложенного в работе [2] при исследовании случайных погрешностей измерительных устройств.
Признаком отсчета, принадлежащего "полезному" сигналу является его большое удаление от центра распределения. Тогда этот отсчет можно рассматривать как промах для совокупности отсчетов спектра фонового шума.
Энтропийный коэффициент по гистограмме распределения с к вычисляется как
1 к
где с = —; И - ширина столбца гистограммы, п - объем выборки,
к 1=1
т - число столбцов гистограммы, п j - число наблюдений ву-м столбце гистограммы. Контрэксцесс распределения равен
1
где Е - эксцесс.
Выборка значений с к считается двухмодальной если кэ < 1,87 и не выполняется неравенство
Двухмодальность выборки говорит о наличии в ней "полезного" сигнала и далее производится цензурирование этой выборки для выделения отсчетов принадлежащих этому "полезному" сигналу. Значимость различий между ск оценивается на основе критерия обнаружения грубых ошибок в экспериментальных измерениях [2], справедливого для большого числа законов распределения.
Если для величины с к выполняется оценка
[2]
к (х-Ах)-Ак < кэ < к(х + Ах) + Ак,
\ск - С < ^ • (1,55 + 0,8^Е + 2 • \%(К /10)),
(1)
_ 1 К
где а = —, 5 - СКО для значений а£, то нет оснований считать это значение
К ^=1
значительно отличающимся от среднего. Если неравенство (1) для некоторого элемента не выполняется и а£ >а , то предполагается, что этот элемент сигнала относится к "полезному" сигналу. Так как далеко отстоящие наблюдения могут существенно изменить оценки а£, Е и а, то их вычисление и расчет границы
цензурирования производился без учета тех отсчетов, которые наиболее удалены от центра. В работе для расчета числовых характеристик использовались первые 75% отсчетов вариационного ряда. После определения границ цензурирования изъятие из исходной выборки наиболее удаленных от центра отсчетов проводилось с учетом этих границ, и расчет всех оценок повторялся заново.
Эффективность описанного алгоритма иллюстрирует рис.2, где приведен пример удаления с ионограммы всех спектральных компонентов, кроме компонентов полезного сигнала.
& :••• : ■ ш-ш ■
Рис.2.
Предложенный алгоритм обладает рядом преимуществ перед известными ранее алгоритмами и методиками очистки ионограмм от помех и выделения полезного сигнала на ионограмме [5-15]; важнейшие из преимуществ: существенно меньшая вычислительная трудоемкость (на один-два порядка), позволяющая производить выделение полезного сигнала в реальном времени в течение сеанса зондирования; отсутствие параметров алгоритма, задаваемых оператором в зависимости от протяженности трассы, порядка мод, зашумленности [5,7] и т.п., что позволяет полностью автоматизировать процесс обработки и таким образом автоматизировать процесс вычисления характеристик радиолинии по ионограмме НЗИ. Достоинством предложенного алгоритма является также то, что обнаружение осуществляется на
основе оценок числовых характеристик сигнала, не прибегая к выбору закона
распределения.
Работа выполнена при поддержке РФФИ, проект 07-01-00293.
Список литературы
1. Филипп Н. Д., Блаунштейн Н. Ш., Ерухимов Л. М., Иванов В. А., Урядов В. П. Современные методы исследования динамических процессов в ионосфере. -Кишинев: Штиинца, 1991. - 286 с.
2. Новицкий П. В., Зограф И. А. Оценка погрешностей результатов измерений. -Л.:Энергоатомиздат. Ленингр. отд-ние, 1991. - 304 с.
3. Айвазян С. А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика: Основы моделирования и первичная обработка данных. -М.:Финансы и статистика, 1983.-471 с.
4. Калиткин Н. Н. Численные методы. - М.: Наука, 1978.
5. Егошин А. Б. Автоматизированная система адаптивной обработки сигналов со сверхбольшой базой для радиозондирования ионосферных радиолиний: Дис. ... канд. техн. наук / МарГТУ. - Йошкар-Ола, 2003.
6. Батухтин В. И., Егошин А. Б., Иванов В. А., Колчев А. А., Шумаев В. В. Методы цифровой обработки сигналов радиолокационного зондирования ионосферы // Радиолокация, навигация и связь: Тр. V междунар. науч.-техн. конф. - Т. 2. -Воронеж: ВНИИС, 1999. - с.1025-1036.
7. Егошин А. Б., Рябова Н. В. Автоматическое обнаружение сигнала на выходе системы сжатия ЛЧМ ионозонда // Труды IX Международной научно-технической конференции "Радиолокация, навигация, связь". - Т.2.- Воронеж: ВНИИС, 2003.- с.940-951.
8. Егошин А. Б., Иванов В. А., Колчев А. А., Шумаев В. В. Методы обработки и интерпретации ионограмм наклонного ЛЧМ-зондирования // Распространение радиоволн: Тез. докл. XIX Всерос. науч. конф. - Казань, 1999. - с.118-119.
9. Галкин И. А. Программное обеспечение системы автоматической обработки ионограмм вертикального зондирования. I. Первичная обработка ионограммы. -Препринт СибИЗМИР СО АН СССР, № 20-87. - Иркутск, 1987. - 17 с.
10. Галкин И. А. Программное обеспечение системы автоматической обработки
ионограмм вертикального зондирования. II. Интерпретация высотно-частотной характеристики. - Препринт СибИЗМИР СО АН СССР № 22-88. - Иркутск, 1988. - 13 с.
11. Pulinets S. A. Automating vertical ionogram collection, processing and interpretation // Ionosonde networks and stations. Proceeding of Session G6 at the XXIV General Assembly of the International Union of Radio Science (URSI). Kyoto, Japan, National Geophysical Data Center, 1995. - P. 37 - 43.
12. Грозов В. П., Носов В. Е., Ососков Г. А. Вопросы обработки изображений применительно к задачам автоматической обработки ионограмм // Оптика атмосферы и океана, том 11, 1998, № 05. - с.543-546.
13. Зыков Е. Ю., Минуллин Р. Г., Шерстюков О. Н., Акчурин А. Д. Автоматическая обработка ионограмм в ионосферном комплексе "Циклон - 10" // Ионосферные исследования, №50. - Казань: Изд. КазГУ, 1997 - с.232-243.
14. Зазнобина Е. Г., Ососков Г. А. Применение нейронных сетей в анализе данных вертикального зондирования ионосферы. Препр. Р10-93-404, Дубна, ОИЯИ, 1993.- 10с.
15. Piggot W. R., Rawer K. URSI hand book of ionogram interpretation and reducion. World Data Centre A. Rep. UAG-23A. Boulder, 1978, 206 p.
