Научная статья на тему 'Формирование диагностических признаков для охранных систем'

Формирование диагностических признаков для охранных систем Текст научной статьи по специальности «Компьютерные и информационные науки»

CC BY
103
34
i Надоели баннеры? Вы всегда можете отключить рекламу.
Ключевые слова
SECURITY SYSTEM / DIAGNOSTIC SIGNS / EXTREME FILTERING / MODS / REAL TIME / ОХРАННАЯ СИСТЕМА / ДИАГНОСТИЧЕСКИЕ ПРИЗНАКИ / ЭКСТРЕМАЛЬНАЯ ФИЛЬТРАЦИЯ / МОДЫ / РЕАЛЬНОЕ ВРЕМЯ

Аннотация научной статьи по компьютерным и информационным наукам, автор научной работы — Приймак А. А., Рубанов М. Ю.

Рассмотрено применение параметров мод, выделяемых с помощью алгоритма экстремальной фильтрации. Описано использование и недостатки амплитудных детекторов. Рассмотрено применение затухания и показан способ снижения эффекта «проскоков». Предложено использовать комбинированный признак, для более контрастного выделения областей обнаружения. Представлен способ снижения трудоёмкости, заключающийся в применении фильтрации непосредственно к ряду экстремумов, без вычисления сглаженной составляющей. Выбран метод, позволяющий адаптировать алгоритм анализа сигнала к работе в режиме реального времени.

i Надоели баннеры? Вы всегда можете отключить рекламу.
iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Formation of diagnostic signs for security systems

The application of the parameters of the modes of signal allocated using the extremal filtering algorithm is considered. The use and disadvantages of amplitude detectors are described. Use of attenuation are described and shows how to reduce the effect of ""overshoots"". It is proposed to use a combined sign for a more contrast extracting of detection areas. A method for reducing the labor intensity is presented, which consists in applying filtering directly to a number of extrema, without calculating the smoothed components.A method was chosen that allows the signal analysis algorithm to be adapted to work in real time.

Текст научной работы на тему «Формирование диагностических признаков для охранных систем»

Формирование диагностических признаков для охранных систем

А.А. Приймак, М.Ю. Рубанов Пензенский государственный университет, Пенза

Аннотация: Рассмотрено применение параметров мод, выделяемых с помощью алгоритма экстремальной фильтрации. Описано использование и недостатки амплитудных детекторов. Рассмотрено применение затухания и показан способ снижения эффекта «проскоков». Предложено использовать комбинированный признак, для более контрастного выделения областей обнаружения. Представлен способ снижения трудоёмкости, заключающийся в применении фильтрации непосредственно к ряду экстремумов, без вычисления сглаженной составляющей. Выбран метод, позволяющий адаптировать алгоритм анализа сигнала к работе в режиме реального времени. Ключевые слова: охранная система, диагностические признаки, экстремальная фильтрация, моды, реальное время.

Введение

В настоящее время разрабатывается множество охранных систем, в которых требуется своевременное обнаружение и классификация нарушителя. Это приводит к необходимости создания специальных алгоритмов и методов, способных обнаруживать и правильно классифицировать нарушителя в режиме реального времени. Их разработке посвящено множество работ, таких как [1-5, 9].

Ранее, при построении систем охраны периметра, предлагалось использовать амплитудные детекторы. Однако амплитудный обнаружитель способен действовать только на коротких расстояниях. Добиться лучшей контрастности можно использованием затуханий, но в этом случае необходимо решение проблемы «проскоков».

Для ещё более контрастного выделения области обнаружения требуется другое решение, которым является использование комбинированного признака - отношения частоты к модулю затухания.

Существует необходимость разработки, исследования и адаптации к режиму реального времени алгоритмов, построенных с использованием комбинированного признака.

Выделение параметров составляющих

В работах [1-6] было рассмотрено применение экстремальной фильтрации (ЭФ) в сейсмических и вибрационных системах наблюдения для обнаружения «нарушителя». В основе подхода лежит разложение сигнала сложной формы на знакопеременные составляющие (моды) по его экстремумам x3i с помощью пары фильтров, выделяющих знакопеременную

и сглаженные составляющие:

х*=-25х^-1 + 0.5x3i - 0.25хя+i (1) xa= 0.25х я.-1 + 0.5хэ; + 0.25х я.+1 (2)

Количество выделяемых мод определяется типом задачи -идентификация или обнаружение. Для идентификации необходимо выделение всех составляющих, а для обнаружения часто достаточно выделить только одну - высокочастотную составляющую.

Для каждой из мод рассчитываются параметры, характеризующие состояние объекта. При переходе, например, от сейсмо- или вибро-шума к сигналу от «нарушителя» параметры составляющих изменяются. В качестве параметров могут использоваться параметры мод

yi = A. • exp(-агг) • cos(2nfit + (рг)- амплитуды, частоты и затухания Ai, fi,ai на i-ом участке.

fil , fi2 V.^ fip Si = Ai1 , Ai2 ,..., Aip ai1 ,ai2 ,..., aip

Таким образом, для задачи обнаружения необходимо получить параметры разложения первой составляющей, а для задачи идентификации требуется получение параметров разложения всех составляющих.

Анализ параметров составляющих

Первоначально в охранных системах использовались амплитудные детекторы. Это естественно, так как амплитуды при приближении объекта существенно возрастают. В тех же работах было показано, что частоты составляющих разложения более контрастно выделяют переход от шума к сигналу, регистрируемого от объекта - частота существенно падает. В работе [1] в приложении затрагивается вопрос использования затухания, которое тоже четко выделяет области обнаружения - оно, наоборот, возрастает.

Препятствием его использования был факт, что вычисление затухания связано с логарифмированием в точках экстремумов сигналов или его составляющих (1п(хэ1) = 1п(|хэ11)-аэ1) и зашумление данных приводило к тому,

что область обнаружения выделялась четко, но «внутри» имелись «проскоки». Предварительная обработка и применение метода наименьших квадратов позволили уменьшить это влияние.

На рисунке 1 представлены результаты моделирования работы в среде МайаЬ [7-9]. Для результатов сейсмических наблюдений (проезд автомобиля, бег группы, проезд автомобиля с другой стороны) показаны регистрируемый сигнал на верхнем графике, изменение частот и амплитуд (для первых трех мод) на следующих двух графиках, а также модуль затухания высокочастотной моды на нижнем графике. Более низкочастотные составляющие имеют большие затухания. Переход от сейсмошума к сигналу характеризуется уменьшением частот составляющих, увеличением их амплитуд и затухания.

На рисунке 2 показано изменение частоты, амплитуды и относительный коэффициент затухания высокочастотной моды: частота практически не меняется в области обнаружения; амплитуда линейно возрастает при приближении к обнаружителю, затухание сначала увеличивается, а затем монотонно меняется в узком диапазоне.

0.5 0

-0.5

400 200 0

0.2 0.1 0

—™4н|||

0 2 4 6 8 10 12 14

х 10

16

4

0 2 4 6 8 10 12 14 16

х 104

0 2 4 6 8 10 12

20 10 0

14 16 х 104

0 2 4 6 8 10 12

14 16 х 104

Рис. 1 - Результат сейсмических наблюдений ЭФ

300-1-

200 100-

[ [

0 10 20 30

■К л щМ

_|_I_I_

40 50 60

70 80

• /

_I_

90 100

0.1

0.05

, • л» • •

0 10 20 30 40 50 60 70 80 90 100

л п

-10Л'" • ••• •

-15'-1--х- 1639 —1-1-1-1-1-1-1-

0 10 у'°3з6 30 40 50 60 70 80 90 100

0

0

0

Рис. 2 - Изменения частоты, амплитуды и относительного коэффициента затухания высокочастотной моды от отношения сигнал/шум

Отношение убывающей частоты к возрастающему декременту затухания еще четче выделяет область обнаружения (нижний график на рисунке 1). Из графика 3, представленного на рисунке 1, видно, что амплитудный обнаружитель срабатывает лишь при небольшом расстоянии, а вот уменьшение частоты в 2 раза и (или) увеличение декремента затухания вдвое четко определяет момент вторжения в зону ответственности. Еще более контрастно обнаружение происходит при использовании комбинированного признака - отношение убывающей частоты к возрастающему по модулю затуханию.

Есть еще один путь снижения трудоемкости, также связанный с применением аппарата экстремальной фильтрации. Моды извлекаются из исходного ряда экстремумов хэ1, а уравнение (1) это нормированное

уравнение осциллятора с частотой, определяемой расстоянием между экстремумами. Поэтому, если применить фильтрацию непосредственно к ряду экстремумов, не вычисляя сглаженной составляющей хкр1 =-0.25хк-1 + 0.5хЭ1к - 0.25хЭ1к+1 ,где к=1,2,.. I -коэффициент прореживания

экстремумов, то становится возможным получение амплитудных оценок на 1

частотах -, где А - среднее расстояние между экстремумами исходного

2кА

временного ряда.

На рисунке 3 представлен результат работы модифицированного метода, реализующего идею применения фильтрации непосредственно к ряду экстремумов.

Для анализа сигнала в режиме реального времени алгоритм экстремаль ной фильтрации, и вычисление параметров мод, необходимо адаптировать к режиму реального времени. Для этого возможно применить метод покадровой обработка сигнала [10]. Он хорошо подходит для адаптации к

режиму реального времени алгоритмов экстремальной фильтрации и расчёта параметров.

0.5 0

-0.5

200 100

0_I_[_I_I_I_I_I_I_

0 0.5 1 15 2 2.5 3 3 5 4 4.5

Рисунок 3 - Результат сейсмических наблюдений, модифицированный метод

Заключение

Описанные особенности каждого из подходов к формированию диагностических признаков позволяют сделать вывод о превосходстве использования комбинированного признака - отношения частоты к затуханию.

Использование комбинированного признака позволяет чётко выделять области обнаружения, давая возможность правильно классифицировать объект - нарушитель.

Метод покадровой обработки, который предложено использовать, позволяет адаптировать алгоритм экстремальной фильтрации и алгоритм анализа параметров к работе в режиме реального времени.

Модифицированный метод дает аналогичные результаты, не требует разложения, проводит частотный анализ непосредственно по экстремумам.

^^

_[_I_I_I_I_I_I_

0.5 1 11.5 2 2.5 3 3.5 4 4 5

X 104

Литература

1. Мясникова Н.В., Берестень М.П., Дудкин В.А. Экспресс-анализ сейсмических сигналов // Известия Вузов. Поволжский регион. Техничекие науки, 2007, №4, - с. 144 - 151.

2. Зенов А. Ю., Мясникова Н.В. Применение нейросетевых алгоритмов в системах охраны периметра // Известия высших учебных заведений. Поволжский регион. Технические науки, 2012, №3 (23). - с 3-7.

3. Зенов А. Ю. Комплексный подход к обнаружению и классификации нарушителя на охраняемой территории // Известия высших учебных заведений. Поволжский регион. Технические науки. 2012, №2. - с. 23-32.

4. Мясникова Н.В., Берестень М.П., Цыпин Б.В. Экспресс-анализ сигналов в инженерных задачах. М.: ФИЗМАТЛИТ, 2016. -184 с.

5. Берестень М.П., Зенов А.Ю. Концепция организации обработки информации в системах диагностики и распознавания // Инженерный вестник Дона, 2013, №1. URL:ivdon.ru/magazine/archive/n1y2013/1568

6. Мясникова Н.В., Берестень М.П. Разложение на эмпирические моды на основе экстремальной фильтрации // Цифровая обработка сигналов. 2014, №4, С. 13-17.

7. Vinay K I., John G.P. Digital Signal Processing Using MATLAB, 3nd Edition // Cengage Learning, Inc, Mason, OH, United States - 2011. - 652 p.

8. John W. Leis. Digital Signal Processing Using MATLAB for Students and Researchers // Wiley - 2011. - 396 p.

9. Хант Б.Р., Липсмен Р.Л., Розенберг Дж.М. Matlab: официальный учебный курс Кембриджского университета [пер. с англ. Д.Н. Проценко, А.А. Мизонова]; Кембридж. ун-т Москва.: Триумф, 2008. - 352 с.

10. Приймак А. А., Адаптация метода экстремальной фильтрации для систем реального времени с помощью покадровой обработки сигнала //

Инженерный вестник Дона», 2017, №2.

URL:ivdon.ru/ru/magazine/archive/n2y2017/4175

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

References

1. Myasnikova N.V., Beresten MP, Dudkin V.A. Izvestia vuzov. Povolzjskyi region. Technicheskie nauki, 2007, №4, pp. 144 - 151.

2. Zenov A. Yu., Myasnikova N.V. Izvestia vuzov. Povolzjskyi region. Technicheskie nauki, 2012, №3 (23), pp. 3-7.

3. Zenov A. Yu. Izvestia vuzov. Povolzjskyi region. Technicheskie nauki, 2012, №2, pp. 23-32.

4. Myasnikova N.V., Beresten' M.P. Tsypin B.V. Ekspress-analiz signalov v inzhenernykh zadachakh [Express analysis of signals in engineering tasks]. M.: FIZMATLIT, 2016. 184 p.

5. Beresten M.P., Zenov A.Y. Inzenernyj vestnik Dona (Rus), 2013, №1. URL: ivdon.ru/magazine/archive/n1y2013/1568/.

6. Myasnikova N.V., Beresten M.P. Tsifrovaya obrabotka signalov, 2014, №4. pp. 13-17.

7. Vinay K I., John G.P. Digital Signal Processing Using MATLAB, 3nd Edition. Cengage Learning, Inc, Mason, OH, United States - 2011. - 652 p.

8. John W. Leis. Digital Signal Processing Using MATLAB for Students and Researchers. Wiley. 2011. 396 p.

9. Hunt B.R, Lipsman R.L., Rosenberg J.M. Matlab: oficialniy uchebniy kurs Kembridjskogo universiteta [Matlab: the official course of the University of Cambridge]. M.: Triumph, 2008. 352 p.

10. Pryimak A. A. Inzenernyj vestnik Dona (Rus), 2017, №2. URL:ivdon.ru/ru/magazine/archive/n2y2017/4175.

i Надоели баннеры? Вы всегда можете отключить рекламу.