Исследование адаптивного спектрального обнаружителя сигналов

Еременков Алексей Игоревич; Жураковский Валерий Николаевич

После разработки интерфейса следующей задачей является реализация функциональной части приложения. Первоначально реализован статический ввод расписания через исходный код программы, затем функция таймера, от которой будет отталкиваться работа остальных функций программы.

Далее необходимо поработать с датой, разделить необходимые части времени и даты и в зависимости от них выбрать неделю и текущую пару в расписании. После чего на интерфейсе отразить необходимую информацию. После разработки необходимо осуществить тестирование приложения на различных устройствах на базе операционной системы Android начиная с версии 2.3.

В дальнейшем планируется новый этап разработки, в котором будет реализована загрузка расписания из xls файлов, создание нескольких профилей для загрузки множества расписаний, редактирование расписания, занесение заметок.

Список использованной литературы 1. М. Шлее. Qt 5.3. Профессиональное программирование на С++. - Спб: БХВ-Петербург, 2015, 929 с

УДК 621.396.9

Еременков Алексей Игоревич

инженер отдела СМ2-2 НИИСМ ГОУ ВПО МГТУ им. Н.Э. Баумана Жураковский Валерий Николаевич

к.т.н., доцент кафедры СМ-6 МГТУ им. Н.Э. Баумана

ИССЛЕДОВАНИЕ АДАПТИВНОГО СПЕКТРАЛЬНОГО ОБНАРУЖИТЕЛЯ СИГНАЛОВ

Аннотация

Рассматривается обнаружитель сигналов, работающий в спектральной области. Исследуется решающая статистика, основанная на разделении отсчетов энергетического спектра на условно-сигнальные и условно-шумовые. Анализируется зависимость работы обнаружителя от способа разделения отсчетов энергетического спектра. Приводятся результаты работы обнаружителя для разных вариантов выставления порога.

Ключевые слова

Обнаружение сигналов, априорная неопределенность, спектр, преобразование Фурье.

В различных радиотехнических задачах актуальной проблемой является обнаружение нескольких сигналов в условиях, когда они одновременно присутствую на входе системы. Причем решение необходимо принимать в условиях априорной неопределенности о количестве сигналов, их мощности и неизвестном шуме. В условиях априорной неопределенности необходимо сформировать решающую статистику и установить соответствующий порог принятия решения. Соответственно, при отсутствии каких-либо данных о принимаемом сигнале, о шумах, необходимо делать какие-то допущения. При использовании метода оценки какой-либо статистики следует учитывать, что полученное значение является случайной величиной, соответственно необходимо учитывать ее распределение вероятностей, как сделано в [1].

Для поставленной задачи может быть хорошо применена обработка принятой реализации в спектральной области, поскольку часть методов обнаружения во временной области не могут быть использованы в условиях априорной неопределенности.

Пусть на систему действует аддитивный гауссовский шум [2, 3]. То есть на входе системы имеется

смесь:

X (

= ^ (/) + п(г) (1)

где - полезный сигнал, п(0 - шум.

Ниже рассматривается обнаружитель, работающий в спектральной области, разделяющий все отсчеты энергетического спектра на условно-шумовые и условно-сигнальные. При этом не учитывается зеркальная часть энергетического спектра после БПФ. Просуммировав отдельно эти отсчеты, получаются две энергии, одна из которых описывает шум, другая «полезный» сигнал. Решающей статистикой обнаружителя является отношение этих двух энергий - полезной к шумовой (2).

R = ; i о j = 0

X sj

(2)

где Я - решающая статистика, 5 - отсчеты энергетического спектра.

Разделение отсчетов на условно-сигнальные и условно-шумовые может происходить различными способами. Например, производится оценка скользящего среднего по всем отсчетам энергетического спектра, и разделение происходит по уровню в два раза большему, чем среднее по всему спектру (3), т.е. отсчеты, превышающие это значение, считаются условно-сигнальными, остальные - условно-шумовыми, как сделано в [4].

U = 2 •

X

j=l

N

(3)

где и - уровень разделения отсчетов, N - общее количество отсчетов энергетического спектра. Однако, скользящая средняя не является робастной оценкой, т.е. на нее оказывают влияние аномальные значения энергетического спектра. К таким значениям как раз можно отнести пики спектров полезных сигналов, входящих в принятую реализацию. Таким образом, чтобы более качественно отделить шумовые составляющие от сигнальных, необходимо использовать робастную оценку, например, медиану. Ниже будет проведено сравнение двух способов разделения отсчетов энергетического спектра.

При наличии в принятой реализации полезного сигнала решающая статистика представляет собой оценку отношения сигнал/шум (ОСШ), где условно-сигнальные отсчеты ЭС скорее всего являются отсчетами спектра основного лепестка полезного сигнала (рисунок 1). На рисунке 1 сплошной линией представлен график энергетического спектра, штриховой линией обозначен уровень разделения отсчетов на условно-шумовые (ниже) и условно-сигнальные (выше) компоненты.

Рисунок 1 - График энергетического спектра, разделенный на условно-сигнальные и условно-шумовые

отсчеты; ОСШ = 7 дБ.

_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» №4/2016 ISSN 2410-700Х_

При отсутствии сигнала в реализации, когда на систему действует только шум (рисунок 2), статистика представляет собой распределение вокруг определенного значения, представленного на рисунке 3.

Рисунок 2 - График энергетического спектра, разделенный на условно-сигнальные и условно-шумовые

отсчеты; ОСШ = -10 дБ.

Рисунок 3 - Нормированная гистограмма решающей статистики при воздействии на систему шумом, где Natt - количество экспериментов, N - количество попавших в область значений.

Анализ обнаружителя проводился методом Монте-Карло. На рисунках выше использовалась скользящая средняя для разделения отсчетов энергетического спектра. Для расчета гистограммы здесь и

далее использовалось N п = 106 экспериментов.

_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» №4/2016 ISSN 2410-700Х_

Как показало математическое моделирование, распределение решающей статистики при действии шума на систему не зависит ни от уровня шума, действующего на систему, ни от длительности входной реализации, а зависит исключительно от количества отсчетов преобразования Фурье (рисунок 4), которое во встраиваемых системах жестко задано.

Рисунок 4 - Нормированная гистограмма решающей статистики при воздействии на систему шумом для преобразований Фурье с разным количеством точек: 128, 256, 512, 1024.

Можно сделать вывод, что по этому распределению можно ставить порог по критерию Неймана-Пирсона [5]. Это можно сделать двумя путями: во-первых, жестко задать вероятность ложной тревоги и, после проведенного математического моделирования, выбрать значение решающей статистики, обеспечивающее выбранную вероятность. С другой стороны, данную гистограмму можно аппроксимировать гауссовской ПРВ. Например, для 256-точечного преобразования Фурье параметры ПРВ получаются следующие:

м = 0.67

(4)

сг = 0.15

На рисунке 5 изображен график нормированной гистограммы решающей статистики при воздействии на систему шумом - линия 1. Линией 2 обозначена аппроксимация гистограммы гауссовским распределением. Линиями 3 и 4 обозначены выставленные пороги на решающую статистику по гистограмме и по аппроксимации соответственно. Вероятность ложной тревоги принята равной 10-3.

Во время проведения математического моделирования были поставлены задачи сравнения обоих вариантов выставления порогов (по результатам математического моделирования и по их аппроксимации гауссовским процессом), а также сравнение результатов работы обнаружителя при использовании простой скользящей средней и медианы для разделения отсчетов энергетического спектра на две группы.

Рисунок 5 - Нормированная гистограмма решающей статистики при воздействии на систему шумом (256-точечное БПФ), аппроксимированная гауссовским распределением.

На рисунке 6 изображена зависимость вероятности обнаружения от отношения сигнал/шум. Линией 1 обозначена работа обнаружителя при пороге, выставленном по гистограмме, линией 2 - при пороге по аппроксимации. Для разделения отсчетов использовалась скользящее среднее.

Рисунок 6 - Зависимость вероятности срабатывания обнаружителя от ОСШ. 1 - порог по гистограмме, 2 -

порог по аппроксимации. Вероятность ложной тревоги 10"1.

Как видно из графика, работа обнаружителя, использующего порог по аппроксимации сопоставима с работой обнаружителя с порогом, выставленным по гистограмме. Таким образом, в случаях, когда

_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» №4/2016 ISSN 2410-700Х_

необходимо часто менять вероятность ложной тревоги, можно использовать аппроксимацию для выставления порога.

На рисунке 7 изображены зависимости вероятность обнаружения от отношения сигнал/шум, при использовании медианы для разделения отсчетов ЭС (пунктирные линии) и скользящего среднего (сплошные линии).

На графике видно, что обнаружитель с использованием медианы начинает на меньших ОСШ обнаруживать сигнал в смеси. Но с ростом ОСШ преимущество этого обнаружителя падает. И как показывают линии 3 и 4, при повышенных требованиях к обнаружителю на больших ОСШ, обнаружитель по медиане работает хуже, чем тот, который использует скользящее среднее.

Pd

1 |—

0.9 - ■ 0.8 -0.7 -0.6 -0.5 -0.4 -0.3 -0.2 -0.1 —

0 —

-10

Рисунок 7 - Зависимость вероятности срабатывания обнаружителя от ОСШ, при разных методах разделения отсчетов энергетического спектра. Линии 1, 2 - вероятность ложной тревоги 10-1. Линии 3, 4 -

вероятность ложной тревоги 10-3.

Таким образом, имеет смысл использовать оба обнаружителя совместно, тем самым увеличивая количество информации, поступающей с выхода модуля обнаружения сигналов. Заключение

Рассмотрен адаптивный спектральный обнаружитель, работающий в условиях априорной неопределенности, принимающий решение о наличии/отсутствию сигнала по рассчитываемой статистике. Показано, что распределение решающей статистики зависит только от внутреннего устройства обнаружителя и не зависит от параметров принимаемого сигнала.

Приведены методы упрощения выставления порога на решающую статистику. Проанализировано влияние робастной оценки среднего значения энергетического спектра на результаты работы обнаружителя. Список использованной литературы

1. Синтез адаптивных алгоритмов распознавания при коротких обучающих выборках / Жураковский В.Н., Мусьяков М П., Шанаев O.K. // Радиотехника. - 1989. - № 2

2. Вадзинский P.H. Справочник по вероятностным распределениям - СПб.: Наука, 2001. - 295 с.

3. В.Григорьев. Передача сигналов в зарубежных информационно-технических системах. - СПб.: ВАС, 1998, стр.83-85

- J-'-1-1-1- SNR, дБ

-8 -6 -4 -2 0 2 4 6 8 10

_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» №4/2016 ISSN 2410-700Х_

4. Супян А. Ю., Дворников С. В., Кудрявцев А. М., Устинов А. А., Ракицкий Д. С., Ровчак А. Ю. Способ автоматического обнаружения узкополосных сигналов // Патент РФ № 2382495 от 20.02.2010

5. Левин Б.Р. Теоретические основы статистической радиотехники. - М.: Радио и связь, 1989. - 656 с.

УДК 624.072.

Рахимов Акмалхон Маматхонович, Жураев Бахтиёр Гуломович, Хакимов Шукрулло Абдурахманович

кафедра «Строительство зданий и сооружений», Наманганский инженерно-педагогический институт, г.Наманган, Республика Узбекистан

ЭНЕРГОСБЕРЕГАЮЩИЙ МЕТОД ТЕПЛОВОЙ ОБРАБОТКИ БЕТОНА В РАЙОНАХ С ЖАРКИМ

КЛИМАТОМ

Аннотация

В статье приведены результаты исследований влияние температуры окружабщей среды на режимы тепловой оброботки бетона и рекомендации по применению двухстадийной тепловой обработки

Ключевые слова:

тепловлажностная обработка; начальная температура бетонной смеси; остывание бетона; температура изотермического прогрева; прочностные показатели бетона с различной начальной температурой; характер остывания; степень зрелости; энергосберегающий метод тепловой обработки; повышенная температура среды; время активного цикла ТВО; снижение энергозатрат.

Наиболее распространенным способом ускорения твердения бетона является тепловлажностная обработка (ТВО). В заводских условиях ее осуществляют преимущественно путем пропаривания. Снизить энергозатраты для термообработки сборных железобетонных изделий можно разными способами, один из которых заключается в применении наиболее экономичных по расходу тепловой энергии методов термообработки бетона[1].

В районах с жарким климатом высокая температура наружного воздуха (30...350С) отмечается 6...7 мес в году. В таких условиях температура бетонной смеси в момент формования достигается 25...300С. Однако в настоящее время эти факторы не учитывают при назначении режимов ТВО.

Нами были проведены опыты по определению влияния начальной температуры бетонной смеси и температуры внешней среды на режимы ТВО бетона. Начальная температура бетонной смеси принималась равной 15-20, 20-25 и 25-300С. Остывание бетона осуществляли по двум вариантам. По первому - бетон охлаждался в течение 4 часов в камерах при открытой крышке; по второму - в течение 6 часов термосного выдерживания в камере при закрытой крышке.

Максимальная температура изотермического прогрева бетонных образцов на портландцементе принималась равной 800С. Образцы испытывались через 3 и 28 суток.

Результаты исследований показали (таблица), что начальная температура бетонной смеси существенно влияет на прочность бетона приготовленного на портландцементе. Чем выше начальная температура бетона, тем большую он набирает прочность после ТВО. Однако через 3 суток прочностные показатели бетона с различной начальной температурой начинают выравниваться, а через 28 суток бетон набирает одинаковую прочность независимо от начальной температуры. Это, видимо, объясняется тем, что у бетона с большей прочностью после ТВО дальнейший рост ее происходит медленнее, чем в бетоне с меньшей прочностью

Текст научной работы на тему «Исследование адаптивного спектрального обнаружителя сигналов»