CC BY
40
DOI 10.25987^Ти.2020.16.2.018 УДК 519.6
ПРИМЕНЕНИЕ МИКРОКОНТРОЛЛЕРОВ ПРИ РЕАЛИЗАЦИИ ВЫЧИСЛИТЕЛЯ НЕПРЕРЫВНОГО ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЯ, ПРЕДНАЗНАЧЕННОГО ДЛЯ РАБОТЫ В УСЛОВИЯХ АРКТИКИ
А.Б. Степанов1, А.В. Помогалова1, В.С. Грибанов1,2, И.А. Богословский1, Х.М.М. Айед1
1Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-Бруевича, г. Санкт-Петербург, Россия 2Производственно-конструкторское бюро «РИО», г. Санкт-Петербург, Россия
Аннотация: представлена разработка вычислителя непрерывного вейвлет-преобразования, предназначенного для работы в условиях низких температур (до -60 0С). В качестве элементной базы для реализации вычислителя рассматриваются микроконтроллеры MSP430G2553, ATmega328P и STM32F401RET6. Производится сравнение результатов вычисления непрерывного вейвлет-преобразования, полученных с применением этих микроконтроллеров с учетом их тактовых частот и ограниченного объема внутренней памяти. Получены и проанализированы зависимости скорости вычисления непрерывного вейвлет-преобразования на микроконтроллерах при различных длинах сигналов и с различными способами использования вейвлета в алгоритме: при его загрузке из внутренней памяти микроконтроллера и при его вычислении непосредственно на микроконтроллере. Во всех экспериментах в качестве анализируемых сигналов используются фрагменты электроэнцефалограммы с частотой дискретизации 250 Гц. Приводятся описание устройства и функциональные схемы вычислителя непрерывного вейвлет-преобразования, разработанные для различных видов испытаний: для оценки скорости вычисления непрерывного вейвлет-преобразования и для испытания устройства при работе в условиях низких температур. Проводится оценка результатов испытания вычислителя в климатической камере. В результате проведенных исследований показано, что среди рассмотренных устройств микроконтроллер STM32F401RET6 лучше других подходит для вычисления непрерывного вейвлет-преобразования. При его использовании для обработки фрагмента электроэнцефалограммы длиной 1 с. (250 отсчетов) потребовалось 0,57 с. При этом обеспечивалось сохранение информативности вейвлет-спектрограммы. При обработке фрагмента сигнала длиной 4500 отсчетов с вычислением вейвлета непосредственно на микроконтроллере потребовалось 2516,84 с. Проведенные исследования в климатической камере показали, что разработанное устройство с установленным аккумулятором емкостью 20 Ач проработало при температуре ниже -40 0С 129 минут, из них 101 минуту при температуре -60 0С. Этого времени достаточно для проведения электрокардиологических или электроэнцефалографических исследований у 5 человек
Ключевые слова: непрерывное вейвлет-преобразование, вычислитель, реализация, микроконтроллер, Арктика
Введение
Второе десятилетие XXI века может считаться началом нового этапа в освоении территорий Арктики [1]. Для реализации этой задачи требуется создание новых технических средств, разработанных на базе новых технологий.
Обзор современных систем позволяет сделать выводы о том, что большинство разработок направлены на изучение рельефов местности, а также обеспечения подводной навигации в районах Арктики и Антарктики [2]. Активно ведется создание систем радиовещания для экстренного информирования и изучения явлений в рамках развития Арктической зоны [3]. В связи с отдаленностью и специфическими условиями местности также активно развиваются и разрабатываются батареи высокой емкости для длительного использования [4]. Данные разра-
© Степанов А.Б., Помогалова А.В., Грибанов В.С.. Богословский И.А., Айед Х.М.М., 2020
ботки являются крайне важными с учетом сложности добычи и производства электроэнергии в столь отдаленных местностях. Активно развиваются области разработки и обеспечения средств связи, анализа погодных условий, а также состояния ледников. Однако стоит выделить еще одно актуальное направление, развитие которого необходимо в условиях Арктики и Антарктики - медицинское. Согласно исследованиям, сложные погодные условия оказывают ощутимое влияние на здоровье работников станций [5-7]. Для решения данного ряда проблем проводятся специальные форумы по изучению вопросов развития областей Арктики, где обсуждаются проблемы медицинского обеспечения, навигации и общего развития региона. Результатами подобных мероприятий являются проекты по разработке технологий, направленных на лечение обморожений и ожогов в условиях Арктики [8].
Особое внимание следует уделить развитию комплексов, предназначенных для автома-
тического анализа биомедицинских сигналов, к которым относятся электрокардиограмма (ЭКГ) и электроэнцефалограмма (ЭЭГ) [9]. Для этого могут применяться алгоритмы, основанные на использовании частотно-временного анализа сигналов и базирующиеся на применении непрерывного вейвлет-преобразования. При выполнении анализа сигналов оцениваются вейвлет-коэффициенты, полученные для значений масштаба, соответствующих основным частотам искомого графоэлемента.
Целью данной работы является разработка вычислителя непрерывного вейвлет-преобразования (НВП), который может служить основой для реализации систем автоматического анализа биомедицинских сигналов. Данная работа является продолжением проведенных ранее исследований о возможности применения микроконтроллеров со сверхнизким энергопотреблением при реализации алгоритмов вычисления НВП [10], в которых были сделаны выводы о необходимости применения более производительной элементной базы. Также предлагается модифицированный вычислитель НВП, отличающийся от разработанного ранее, возможностью его применения на практике при обработке реальных сигналов.
Актуальность данной работы обусловлена необходимостью разработки современных устройств анализа биомедицинских сигналов, способных получать клиническое заключение автоматически, без участия врача, обладающего соответствующими компетенциями, что особенно важно в условиях изолированности работников Арктических станций и отсутствия возможности создания крупных медицинских центров.
В связи с необходимостью длительной работы устройства при нормальных температурных условиях и снижения энергопотребления при низких температурах эксплуатации в качестве элементной базы для реализации вычислителя НВП в данной работе рассматривается возможность применения микроконтроллеров.
В связи с этим для достижения поставленной цели - реализации вычислителя непрерывного вейвлет-преобразования на микроконтроллере, предназначенного для работы в условиях низких температур Арктики, необходимо решить комплекс задач:
1. Выбор метода реализации алгоритма вычисления непрерывного вейвлет-
преобразования с учетом используемой элементной базы.
2. Оценка целесообразности использования микроконтроллера при реализации вычислителя НВП.
3. Реализация вычислителя НВП с применением различных типов микроконтроллеров и исследование их возможностей при вычислении вейвлет-коэффициентов.
4. Определение требований и разработка термокожуха, обеспечивающего работу микроконтроллера в Арктических условиях, являющегося частью вычислителя НВП.
5. Реализация термокожуха.
6. Разработка программы испытаний вычислителя НВП.
7. Проведение испытаний вычислителя в климатической камере.
Выбор метода реализации
В качестве элементной базы для реализации вычислителя непрерывного вейвлет-преобразования могут применяться следующие устройства:
• цифровые сигнальные процессоры;
• программируемые логические интегральные схемы;
• системы на кристалле;
• микроконтроллеры и др.
В данной работе предлагается рассмотреть возможность реализации алгоритмов вычисления НВП на микроконтроллерах. Как известно, микроконтроллеры обычно применяются для реализации систем управления. Однако современные микроконтроллеры, обладающие высокой производительностью, могут быть использованы и при реализации систем цифровой обработки сигналов. Анализируя рынок микроконтроллеров, можно выделить среди них устройства, обладающие сверхнизким энергопотреблением, и устройства, обладающие высокой производительностью. Поэтому при проведении исследований будут рассмотрены наиболее популярные модели, имеющие сверхнизкое энергопотребление или высокую производительность (MSP430G2553, ATmega328p и STM32F401RET6). Все эти устройства поддерживают работу с числами с фиксированной точкой. Проведенные одним из авторов исследования [11] показали, что несмотря на то, что для данных устройств могут быть использованы методы, основанные на дискретном вейвлет-преобразовании и на основе быстрого преобразования Фурье, для подобных устройств целесообразнее использовать метод
на основе взаимно-корреляционной функции сигнала и вейвлета. Рассмотрим данный алгоритм более подробно [11].
Как известно формула непрерывного вейвлет-преобразования имеет следующий вид
[12]-[15]: _
1 " (t - ь л
Ш(а,Ь) = -= | х(0у! -Щ,
\а -да ^ а )
где - вейвлет, а - значение масштаба, Ь -сдвиг.
Для реализации непрерывного вейвлет-преобразования на микроконтроллере с фиксированной точкой необходимо выполнить следующую замену уа (/) = у (-/а).
Формула НВП принимает следующий вид:
Ш(а, Ь) = -= / х(/)уа(Ь -/•
Л/а -да
При реализации алгоритма вычисления НВП будем использовать вещественный вейвлет, имеющий четную функцию, что позволяет представить формулы в следующем виде [15]:
Уа С) = у(^а ) ,
1 да
Ш(а, Ь) = ^= | х(/)уа (/ - Ь)й.
У! а -да
Далее с учетом перехода к дискретному нормированному времени получим:
1 N-1
Ш (р, т) = ^= X х(п)у р (п - т),
у]Р п=0
где п - дискретные значения моментов времени, N - число отсчетов в сигнале и вейвлет-функции, х(п) - дискретный анализируемый сигнал, Ш(р, т) - дискретные значения
вейвлет-коэффициентов, у р (п) - дискретная
вейвлет-функция.
Данная формула представляет собой взаимно-корреляционную функцию анализируемого сигнала и вейвлета для различных значений масштаба и сдвига. При этом множитель не учитывается.
Оценка целесообразности применения микроконтроллеров
Применение микроконтроллера при реализации вычислителя НВП позволяет, с одной стороны, снизить энергопотребление, а с другой - позволяет задействовать широкий набор периферийных устройств, необходимых для дальнейшего развития проекта и модернизации вычислителя в устройство автоматического анализа сигналов с целью выявления в них информационных признаков. Использование цифровых сигнальных процессоров позволяет
получить более высокую производительность, но требует потребления большего количества энергии. Кроме того, как правило, они обладают меньшим набором периферийных устройств.
Рассмотрим возможность использования микроконтроллеров при реализации алгоритмов вычисления непрерывного вейвлет-преобразования. К сожалению, объем статьи не позволяет привести результаты применения всего многообразия данных устройств, представленных на рынке. В данной работе будут рассмотрены микроконтроллеры
MSP430G2553, ATmega328P, STM32F401RET6.
Микроконтроллер MSP430G2553 позиционируется фирмой Texas Instruments, как микроконтроллер, обладающий сверхнизким энергопотреблением. При тактовой частоте 1 МГц он потребляет ток 230 мкА, а при максимальной тактовой частоте 16 МГц его энергопотребление составляет 4,8 мА. Среди рассмотренных в работе образцов данный микроконтроллеров имеет наименьшее энергопотребление.
Микроконтроллер ATmega328P имеет средние показатели по энергопотреблению (10 мА) и производительности по сравнению с остальными устройствами.
Микроконтроллер STM32F401RET6 имеет наибольшее энергопотребление (146 мА) по сравнению с другими микроконтроллерами, но при этом обладает большей производительностью.
Для проведения экспериментов в качестве анализируемого сигнала выбран фрагмент электроэнцефалограммы с частотой дискретизации 250 Гц, содержащий веретена а-ритма. Длина сигнала составляет 4500 отсчетов (рис. 1, а), что соответствует 18 секундам электроэнцефалографической записи. Выбор длины сигнала определен в соответствии с типовой шириной экрана монитора физиолога при проведении визуального анализа ЭЭГ. Для оценки вычислительных характеристик микроконтроллеров на основе данного сигнала были сформированы фрагменты меньшей длины: 59 отсчетов, 85 отсчетов, 107 отсчетов, 359 отсчетов, 451 отсчет, 4500 отсчетов, что соответствует предельным значениям длин сигналов, которые могут обработать рассматриваемые микроконтроллеры при различных режимах вычисления НВП.
Для реализации алгоритма вычисления НВП на микроконтроллере целесообразно использовать вейвлет, имеющий формализованное представление. Среди традиционных се-
да
меиств веивлетов можно выделить: веивлет Мексиканская шляпа, вейвлет Морле и вейвлет Гаусса. При проведении всех экспериментов в данной работе был выбран вейвлет "Мексиканская шляпа". Выбор вейвлета обусловлен результатами исследований традиционных семейств вейвлетов при анализе электроэнцефалограммы [16]. Данный вейвлет является веще-
ственным и имеет четную psi-функцию. На рис. 1, б показана вейвлет-спектрограмма, полученная с применением данного вейвлета. При этом при вычислении НВП и при построении графиков использовалась система МА^АВ. Данный график будет использован для сравнения с вейвлет-спектрограммами, полученными при вычислении НВП на микроконтроллерах.
U(ri), мкВ
О 500 1000 1500 2000 2500 3000 3500 W(a,b\ o.e. ШОР
б)
4000 п, отсч.
Рис. 1. Результаты непрерывного вейвлет-преобразования фрагмента электроэнцефалограммы:
а) сигнал, б) вейвлет-спектрограмма
Реализация вычислителя НВП на микроконтроллерах
Для проведения первого вида исследований была использована функциональная схема, приведенная на рис. 2. Отладочная плата с запрограммированным микроконтроллером подключается к персональному компьютеру, на котором установлена система MATLAB. В первом эксперименте вычисленные значения вейвлета записывались в ПЗУ микроконтроллера. Сигнал, загруженный в память компьютера с помощью MATLAB через UART, подавался на отладочную плату. Загруженный в микроконтроллер сигнал обрабатывался согласно заданному алгоритму вычисления НВП на основе взаимно-корреляционной функции сигнала и вейвлета для различных значений масштаба и результаты через UART передавались на компьютер, где визуализировались в MATLAB в виде вейвлет-спектрограммы.
При проведении исследований оценивалось время вычисления непрерывного вейвлет-преобразования при использовании различных микроконтроллеров. В первом случае рассмат-
ривался алгоритм, при котором вейвлет загружался в ПЗУ микроконтроллера, что значительно увеличивало скорость вычисления НВП, но при этом сокращалось число отсчетов сигнала, которое может быть обработано.
В табл. 1 представлены временные затраты на вычисление НВП (с учетом и без учета времени загрузки сигнала в микроконтроллер) при построении матрицы вейвлет-коэффициентов размером п*п, где п - длина сигнала. Анализируя данную таблицу можно отметить, что при использовании микроконтроллера
MSP430G2553 максимальная длина обработанного сигнала 59 отсчетов, при использовании микроконтроллера ATmega328P - 85 отсчетов. При этом для обработки даже небольших фрагментов сигнала потребовалось значительное время. При использовании микроконтроллера STM32F401RET6 длина обработанного сигнала составила 359 отсчетов. Однако время вычисления превысило 8 с. Зависимости времени вычисления НВП от длины сигнала приведены на рис. 3 а, б, в для микроконтроллеров MSP430G2553, ATmega328P и
STM32F401RET6 соответственно.
Рис. 2. Функциональная схема вычислителя НВП для первого вида исследований
В табл. 2 представлены временные затраты на вычисление НВП (с учетом и без учета времени загрузки сигнала в микроконтроллер) при построении матрицы вейвлет-коэффициентов размером 100*п. Размер матрицы обусловлен максимальным значением выбранного масштаба р=100, что связано со спецификой анализа электроэнцефалографического сигнала и с частотой дискретизации. Данное значение масштаба является граничным для определения крупных деталей ЭЭГ (низкочастотных состав-
ляющих). Дальнейшее увеличение значений масштаба для выбранных частоты дискретизации и вейвлета нецелесообразно. Анализ полученных результатов позволяет отметить сокращение максимальной длины сигнала при обработке на микроконтроллерах MSP430G2553 и ATmega328P, а также значительное увеличение скорости обработки фрагмента сигнала заданной длины при использовании микроконтроллера STM32F401RET6.
Таблица 1
Вычисление НВП в виде матрицы п*п вейвлет-коэффициентов, значения вейвлета загружаются из ПЗУ
Длина сигнала, отсч. Микроконтроллер, время вычисления НВП (с учетом времени загрузки сигнала/без учета времени загрузки сигнала), с.
MSP430G2553 ATmega328P STM32F401RET6
8 0,305186 / 0,065186 0,039322 / 0,003766 0,002993 / 0,001743
16 1,152877 / 0,246210 0,169148 / 0,026927 0,008409/ 0,003687
25 2,757064 / 0,590397 0,419707 / 0,072486 0,018949/ 0,007664
50 10,809218 / 2,309218 2,374050 / 0,985162 0,079565 / 0,035294
59 15,354037 / 3,554037 3,863854 / 1,929966 0,114500 / 0,053042
75 - / - 7,872786 / 4,747787 0,197972 / 0,099013
85 - / - 11,391459 / 7,377570 0,264336 / 0,137426
100 - / - - / - 0,388911 / 0,213564
150 - / - - / - 1,048533 / 0,655304
200 - / - - / - 2,179207 / 1,481290
250 - / - - / - 3,896840/ 2,807430
300 - / - - / - 6,330877 / 4,763169
350 - / - - / - 9,589381 / 7,456569
359 - / - - / - 10,259897 / 8,016147
Дальнейшее увеличение скорости вычисления НВП на микроконтроллерах может быть связано с уменьшением избыточности. С этой целью могут быть вычислены не все вейвлет-
коэффициенты для масштаба р=1:1:100 (с шагом 1), а вейвлет-коэффициенты для масштаба р=1:2:100 (с шагом 2). При этом информативность вейвлет-спектрограммы сохраняется. В
табл. 3 представлены временные затраты на вычисление НВП для 50 значений масштаба, полученные для р=1:2:100. Важно отметить, что при использовании микроконтроллера STM32F401RET6 время на обработку фрагмента сигнала длиной 250 отсчетов (1 с.) составило менее 1 с. (0,57 с.), что позволяет сделать вывод о его пригодности для использования при реализации системы автоматического анализа биомедицинских сигналов, имеющих частоту дискретизации не более 250 Гц.
В табл. 4-6 представлены результаты аналогичных вычислений, но полученные при ис-
пользовании алгоритма, при котором значения вейвлета рассчитываются микроконтроллером на основе заданной формулы. Такой подход позволяет освободить часть внутренней памяти микроконтроллера и таким образом увеличить длину обрабатываемого сигнала. Но при этом наблюдается значительное увеличение времени, затрачиваемого на вычисление НВП, что находит отражение в представленных таблицах и в графиках на рис. 3 г, д, е. Например, при использовании микроконтроллера
STM32F401RET6 максимальная длина сигнала была увеличена до 4500 отсчетов (18 с.).
Таблица 2
Вычисление НВП в виде матрицы 100*п вейвлет-коэффициентов, р=1:1:100, значения вейвлета загружаются из ПЗУ
Длина сигнала, отсч. Микроконтроллер, время вычисления НВП (с учетом времени загрузки сигнала/без учета времени загрузки сигнала), с.
MSP430G2553 ATmega328P STM32F401RET6
8 3,424626 / 0,731293 0,539715 / 0,095271 0,020981 / 0,006953
16 6,848641 / 1,461975 1,083316 / 0,194427 0,042480 / 0,014425
25 10,702184 / 2,285517 1,696297 / 0,307409 0,068213/ 0,024376
50 - / - 4,770846 / 1,993069 0,155085 / 0,067411
75 - / - - / - 0,263201 / 0,131691
100 - / - - / - 0,388896 / 0,213549
150 - / - - / - 0,700139 / 0,437118
200 - / - - / - 1,093116 / 0,742422
250 - / - - / - 1,565000 / 1,126632
300 - / - - / - 2,117088 / 1,591046
359 - / - - / - 2,746408 / 2,132693
Таблица 3
Вычисление НВП в виде матрицы 50*п вейвлет-коэффициентов, р=1:2:100, значения вейвлета загружаются из ПЗУ
Длина сигнала, отсч. Микроконтроллер, время вычисления НВП (с учетом времени загрузки сигнала/без учета времени загрузки сигнала), с.
MSP430G2553 ATmega328P STM32F401RET6
8 1,729949 / 0,369949 0,267406/ 0,045184 0,010971 / 0,003888
16 3,459494/ 0,739495 0,539593 / 0,095149 0,020987 / 0,006821
25 5,402095 / 1,152095 0,845772/ 0,151328 0,034907 / 0,012772
50 10,809438 / 2,309438 2,374390 / 0,985502 0,078823/ 0,034552
75 - / - 5,218391 / 3,135058 0,132832 / 0,066426
100 - / - 9,132076 / 6,354298 0,197628 / 0,109087
150 - / - - / - 0,354963 / 0,222151
200 - / - - / - 0,551331 / 0,374247
250 - / - - / - 0,788928 / 0,567574
300 - / - - / - 1,063568 / 0,797943
359 - / - - / - 1,380246 / 1,070350
Таблица 4
Вычисление НВП в виде матрицы п*п вейвлет-коэффициентов, значения вейвлета вычисляются микроконтроллером
Длина сигнала, отсч. Микроконтроллер, время вычю (с учетом времени загрузки сигнала/без учета в ;ления НВП ремени загрузки сигнала), с.
MSP430G2553 ATmega328P STM32F401RET6
25 7,548630 / 5,381963 3,666599 / 3,319377 0,052887 / 0,041603
50 54,993288 / 46,493288 29,319190 / 27,930301 0,353830 / 0,309559
75 179,626106 / 160,626107 98,865783 / 95,740783 1,120102 / 1,021144
100 418,710518 / 385,043851 234,119818 / 228,564262 2,581171 / 2,405824
107 511,228211 / 472,708211 286,710184 / 280,349628 3,149995 / 2,949370
250 - / - 3643,837157 / 3609,114935 37,579088 / 36,489678
500 - / - - / - 295,100917 / 290,751959
1000 - / - - / - 2339.364744 / 2321,986272
Таблица 5
Вычисление НВП в виде матрицы 100*п вейвлет-коэффициентов, ^=1:1:100, значения вейвлета вычисляются микроконтроллером
Длина сигнала, отсч. Микроконтроллер, время вычисления НВП (с учетом времени загрузки сигнала/без учета времени загрузки сигнала), с.
MSP430G2553 ATmega328P STM32F401RET6
25 28,709476 / 20,292809 14,5145366 / 13,125648 0,197037 / 0,153200
50 106,023427 / 89,190094 58,287915 / 55,510137 0,678359 / 0,590685
75 234,847057 / 209,597057 131,425393 / 127,258726 1,468954 / 1,337443
100 418,668490 / 385,001823 234,119480 / 228,563924 2,586543 / 2,411196
107 480,207662 / 444,184329 268,189984 / 262,245540 2,961273 / 2,773651
250 - / - 1474,996376 / 1461,107487 16,010934 / 15,572566
500 - / - - / - 64,664800 / 63,788064
1000 - / - - / - 258,359472 / 256,606000
Таблица 6
Вычисление НВП в виде матрицы 50*п вейвлет-коэффициентов, ^=1:2:100, значения вейвлета вычисляются микроконтроллером
Длина Микроконтроллер, время вычисления НВП
сигнала, (с учетом времени загрузки сигнала/без учета времени загрузки сигнала), с.
отсч. MSP430G2553 ATmega328P STM32F401RET6
25 14,495201 / 10,245201 7,257493 / 6,563049 0,098735 / 0,076600
50 53,368549 / 44,868549 29,108361 / 27,719472 0,340322 / 0,296051
75 118,055083 / 105,3051 65,609839 / 63,526506 0,735995 / 0,669589
100 210,240825 / 193,240825 116,858695 / 114,080917 1,295780 / 1,207238
107 241,059544 / 222,869544 133,863520 / 130,891298 1,483334 / 1,388594
250 - / - 735,940410 / 728,995966 8,007355 / 7,786001
451 - / - 2389,194673 / 2376,583562 26,283133 / 25,883810
500 - / - - / - 32,309711 / 31,867002
1000 - / - - / - 129,040699 / 128,155283
2000 - / - - / - 526,616941 / 524,846108
4500 - / - - / - 2520,820446 / 2516,836071
Однако на обработку такого сигнала потребовалось 2516,83 с. Анализируя данные таблицы можно сделать вывод, что при вычислении НВП на микроконтроллерах нецелесооб-
разно обрабатывать сигналы большой длины, т.к. при увеличении длины сигнала наблюдается увеличение времени на его обработку по нелинейному закону.
Рассмотрим вейвлет-спектрограммы, полученные при вычислении НВП на микроконтроллерах и сравним их с результатами вычисления НВП, полученными в МА^АВ.
На рис. 4 а, б, в представлены фрагменты сигнала длиной 59 отсчетов, 85 отсчетов, 359 отсчетов и вейвлет-спектрограммы, полученные при вычислении НВП на микроконтроллерах MSP430G2553, АТте§а328Р и STM32F401RET6 соответственно. При вычислении НВП использовался вейвлет "Мексиканская шляпа". Масштаб выбран р=1:1:п. И использовался алгоритм с загрузкой вейвлета в ПЗУ микроконтроллера. Как следует из рисун-
)1,5
0,5
5 15
6 5 4
б) 3 2 1
0 20 с.
1
0,8
*) 0,6 0,4 0,2
0 ТОО
ков, вейвлет-спектрограммы информативны и отражают все характерные изменения сигнала.
На рис. 4 г, д, е представлены фрагменты сигнала длиной 107 отсчетов, 451 отсчетов, 4500 отсчетов и вейвлет-спектрограммы, полученные при вычислении НВП на микроконтроллерах MSP430G2553, АТте§а328Р и STM32F401RET6 соответственно. При вычислении НВП использовался вейвлет "Мексиканская шляпа". Масштаб выбран р=1:2:100. И использовался алгоритм с вычислением вейвлета непосредственно микроконтроллером. Как следует из рисунков, вейвлет-спектрограммы информативны и отражают все характерные изменения сигнала.
25 35 п, отсч.
40 60 п, отсч.
20 40 60 80 п, отсч.
и с.
0 100 200 300 Л, отсч.
и с.
2500 2000 1500
200 п, отсч.
0 1000 2000
/г, отсч.
Рис. 3. Зависимости времени вычисления НВП от длины сигнала
а)
г)
С/(и), мкВ 15
-15
№(р,т), о^. 59
30
и(п), мкВ 15
-15
Щр,т), o.e. 100
50
0 10 20 30 40
отсч.
0 20 40 60 80 т. отсч.
П(п). мкВ 15
-15
б)
0 10 20 30 40 50 60 70 и, отсч.
^(р,т), о^. 85
40
и(п), мкВ 15
-15
№(р,т), o.e. 100
50
100
д)
300
п, отсч.
0 10 20 30 40 50 60 70 т, отсч.
и(п), мкВ 15
-15
^(р,т), o.e. 359
0 50 100 150 200 250 и, отсч.
и(п), мкВ 30
0
-30
е)
0 500 1000 1500 2000 2500 3000 4000 п, отсч.
№(р,т), о^. 100
0 50 100 150 200 250
отсч.
0 500 1000 1500 2000 2500 3000 4000 т, отсч.
Рис. 4. Графики фрагментов электроэнцефалограммы и соответствующие вейвлет-спектрограммы
Проанализировав все полученные резуль- пользования при вычислении НВП микро-таты, можно сделать вывод о возможности ис- контроллера STM32F401RET6.
0
0
1
1
0
0
0
1
1
0
Разработка термокожуха
Для обеспечения работы вычислителя НВП в сложных условиях Арктики к данному устройству предъявляются следующие требования:
• возможность работы при температуре от +85 0С до -60 °С;
• защита от негативного воздействия электромагнитного излучения;
• возможность длительной работы от автономного источника электроснабжения;
• простота в обслуживании;
• легкость адаптации для анализа различного типа сигналов (биомедицинских, сейсмических и пр.);
• безопасность использования.
Для обеспечения заданных требований был разработан вычислитель НВП, помещенный в термокожух (рис. 5).
Разработанное устройство включает следующие составляющие:
• Отладочная плата NUCLEO-F401RE с предустановленным микроконтроллером STM32F401RET6.
• Аккумулятор емкостью 20 Ач с выходным током 2 А и напряжением 5 В.
• Нагревательный элемент мощностью
5 Вт.
• Терморегулятор.
• Преобразователь напряжения 5В DC в 12 В DC.
• Защитный экран.
• Предохранители 1 рубежа безопасности.
• Оболочка внутренней камеры.
• Предохранители 2 рубежа безопасности.
• Первый слой теплоизоляционного материала.
• Оболочка средней камеры.
• Второй слой теплоизоляционного материала.
• Внешний корпус.
• Органы управления вычислителем: тумблер подачи питания и обогрева Т1, тумблер подачи питания отладочной платы Т2, тумблер запуска алгоритма вычисления НВП Т3.
• Светодиоды.
• Гермовводы.
На отладочной плате NUCLEO-F401RE реализован алгоритм непрерывного вейвлет-
преобразования, обеспечивающий 2 режима работы: при подключенном к вычислителю компьютере и автономный режим.
Электропитание платы осуществляется непосредственно от аккумуляторной батареи с напряжением 5 В. Для поддержания приемлемой температуры в непосредственной близости с отладочной платой устанавливается нагревательный элемент, управление которым осуществляется с помощью терморегулятора. Нагревательный элемент подключается через терморегулятор и преобразователь напряжения 5 В DC / 12 В DC. Для обеспечения длительной работы аккумулятора он устанавливается в одной камере с нагревательным элементом. Для предотвращения перегрева в случае нештатной ситуации нагревательный элемент отделяется от остальных компонентов защитным экраном, обеспечивающим равномерное рассеивание выделяемого тепла.
Для предотвращения перегрева в случае отказа в работе терморегулятора и аварийного отключения электроснабжения в вычислителе предусмотрены 2 рубежа безопасности, организованных на основе плавких предохранителей, два из которых располагаются во внутренней камере, а один в средней.
Оболочка внутренней камеры выполнена из прочного негорючего диэлектрического теплоизоляционного материала. Прочность внутренней камере придает внутренний корпус, выполненный из слоев металла толщиной 1 мм и биоорганического композита толщиной 4 мм. Благодаря внутренней камере обеспечивается защита от воздействия электромагнитного излучения.
Средний корпус выполнен из биоорганического композита и вместе с двумя слоями негорючего диэлектрического теплоизоляционного материала образует среднюю камеру. Все провода, введенные через внешний корпус, в целях уменьшения тепловых потерь перед введением во внутреннюю камеру проходят по длиной стороне средней камеры между двумя слоями теплоизоляционного материала.
Внешний корпус, выполненный из алюминиевого сплава толщиной 3 мм, обеспечивает прочность и герметичность устройства. Между внешним и средним корпусом располагается два слоя теплоизоляционного материала. На лицевой панели устройства располагаются тумблеры управления и средства индикации.
При подключении вычислителя к персональному компьютеру он работает аналогично функциональной схеме для проведения первого
вида исследований. Особого пояснения требует автономный режим работы вычислителя. Он разработан для испытания устройства в климатической камере и позволяет контролировать процесс вычисления НВП без подключения вычислителя к компьютеру.
На рис. 6 представлена функциональная схема вычислителя НВП для проведения второго вида исследований - в климатической камере. Данное устройство отличается от предложенного ранее [10] использованием более производительного микроконтроллера, наличием гермов-водов, позволяющих осуществлять программирование микроконтроллера и зарядку аккумулятора, а также органов управления и индикации. Конструкция вычислителя позволяет выполнить его модернизацию в устройство автоматического анализа биомедицинских сигналов.
Рис. 5. Разработанный термокожух
Плата с установленным микроконтроллером
Датчик температуры
Нагревательный элемент
Преобразователь
напряжения 5 В БС / 12 В БС
Плата контроля температуры внутренней камеры
-►СЗ. Индикатор
ТЗ вкл. МК
I
-►С4. Индик. безошиб. вычисл. НВП
-С5. Индик. начала вычисл. НВП
-►С2. Индик. работы нагреват. элемента
■►С1. Индик. вкл. цепи питания платы контроля температуры внутри камеры
Рис. 6. Функциональная схема вычислителя НВП для второго вида исследований
Методика испытания
Данное испытание необходимо для проверки работоспособности аппаратуры и сохранения ее внешнего вида в условиях и после воздействия пониженных температур Арктики.
Определим порядок действий при проведении испытаний в условиях пониженных температур:
1. Установить вычислитель непрерывного
вейвлет-преобразования в выключенную камеру.
2. Включить вычислитель.
3. Включить климатическую камеру.
4. Установить в климатической камере температуру -40 0С.
5. Осуществить контроль работоспособности устройства.
6. Установить в климатической камере температуру -60 0С.
7. Осуществить контроль работоспособности устройства в течение 31 минуты (без извлечения из камеры). Временные ограничения равные 31 минуте выбраны в связи с нормативами длительности пребывания работника в температурных условиях равных -45 0С и при ветре до 1 м/с [17].
8. Осуществить контроль работоспособности устройства до отключения индикатора
нагревательного элемента вычислителя и/или индикатора электроснабжения платы.
9. Выключить климатическую камеру.
10. Изъять устройство, разобрать, проверить его внешний вид, выполнить зарядку аккумулятора и оценить его работоспособность.
Для проведения испытаний был разработан следующий алгоритм проверки работоспособности устройства:
• Включение тумблера, подающего питание на нагревательный элемент, при этом загорается зеленый светодиод - индикатор подачи питания на цепь платы контроля температуры внутренней камеры. При температуре ниже порогового значения (ниже -5 0С) осуществляется срабатывание датчика температуры и осуществляется включение нагревательного элемента. Происходит включение индикатора работы нагревательного элемента.
• Осуществляется прогрев внутренней камеры вычислителя.
• При достижении нормальных условий работы нагревательный элемент выключается, как и красный светодиод. В случае если условия испытаний соответствуют нормальным, то нагревательный элемент не включается и устройство может использоваться в режиме низкого энергопотребления.
• При выходе на рабочие температуры внутренней камеры включается второй тумблер, осуществляющий подачу питания на отладочную плату, при этом должен загореться зеленый светодиод.
• Происходит включение тумблера №3, который запускает алгоритм вычисления НВП, при этом загорается красный светодиод. Осуществляется вычисление непрерывного вейвлет-преобразования сигнала длиной 250 отсчетов. При этом формируется матрица раз-
мером 50^250 вейвлет-коэффициентов для значений масштаба от 1 до 100 с шагом, равным 2. После вычисления НВП происходит сравнение одного из вейвлет-коэффициентов с аналогичным вейвлет-коэффициентом, рассчитанным предварительно для того же сигнала при нормальных условиях работы и записанном в память микроконтроллера при загрузке программного кода устройства. В случае, если они совпадают, загорается зеленый светодиод, сигнализирующий о том, что вычисление НВП выполнено верно. После этого алгоритм запускается повторно и выполняется до тех пор, пока не отключается тумблер №2. Такой подход обеспечивает возможность непрерывного мониторинга работоспособности вычислителя НВП.
Проведение испытаний вычислителя в климатической камере
Испытания были проведены с целью проверки работоспособности вычислителя НВП в условиях пониженных температур и проводились с использованием климатической камеры М-70/100-250 КТВХ. Испытание осуществлялось согласно разработанной методике. Проведенные исследования показали, что разработанное устройство с установленным аккумулятором емкостью 20 А-ч проработало при температуре ниже -40 oC 129 минут, из них 101 минуту при температуре -60 oC. Этого времени достаточно для проведения электрокардиологических или электроэнцефалографических исследований у 5 человек. После завершения испытаний при разборе устройства не было обнаружено никаких повреждений. После заряда аккумулятора устройство продолжило функционировать.
Рис. 7. Испытание вычислителя НВП в климатической камере
Заключение
В качестве основных результатов работы можно отметить следующее:
1. Реализован вычислитель НВП с использованием микроконтроллеров MSP430G2553, ATmega328P и STM32F401RET6.
2. На основе проведенных экспериментов при обработке фрагментов электроэнцефалограммы наилучшие результаты получены при использовании микроконтроллера STM32F401RET6. При вычислении НВП сигнала длиной 250 отсчетов (1 с.) на данном микроконтроллере с использованием значений вейвлета, загруженных в ПЗУ, требуется 0,57 с. При использовании алгоритма с вычислением значений вейвлета на микроконтроллере для обработки сигнала длиной 4500 отсчетов (18 с.) требуется 2516,84 с.
3. Разработан и испытан термокожух вычислителя НВП, позволяющий обеспечить длительную работу устройства при низких температурах: ниже -40 oC 129 минут, из них 101 минуту при температуре -60 oC.
4. Дальнейшее развитие исследований предполагает внедрение разработанных одним из авторов данной работы алгоритмов автоматического анализа биомедицинских сигналов в вычислитель НВП с целью реализации комплекса автоматического анализа биомедицинских сигналов для работы в условиях Арктики и Антарктики.
Литература
1. Sherstyukov B.G. The climatic conditions of the Arctic and new approaches to the forecast of the climate change. Arctic and North. № 24. 2016. Pp. 39-67.
2. Quijano J.E., Hannay D.E., Austin M.E. Composite Underwater Noise Footprint of a Shallow Arctic Exploration Drilling Project // IEEE Journal of Oceanic Engineering, Aug. 2018. Pp. 1228 - 1239.
3. Varlamov O., Varlamov V., Dolgopyatova A. Digital Radio Broadcasting Network in the Arctic Region // in Proc. FRUCT Conf., Apr. 2019.
4. Williams S. High capacity battery pods and UPSs for long term deployments // in Proc. OCEANS 2017 - Anchorage Conf., Sept. 2017.
5. Будиев А.Ю., Лупачев, В.В., Логунов К.В. Медицинские проблемы Арктики // Arctic Evironmental Research. 2013. № 3. С. 163-165.
6. Budiev A.Y., Lupachev V.V., Logunov K.V. On the need to establish a scientific and methodological center for marine and Arctic medicine // Journal of Biomedical Research. 2015. № 2. Pp. 101-103.
7. Особенности организации медицинской помощи морякам в условиях Арктики // Е.В. Казакевич, В.Л. Ар-хиповский, А.П. Середа, А.А. Абакумов // Медицина экстремальных ситуаций. 2017. № 4(62). С. 8-14.
8. Бояринцев В.В. Разработка технологии создания биомедицинского клеточного продукта для лечения обморожений, ожогов и ранений в условиях Арктики. URL: https://4science.ru/project/14-575-21-0179 (дата обращения: 06.03.2020)
9. Stepanov A.B. The Application of Neural Network and Spline Wavelet Models in the Electroencephalogram Analysis Automation Process // in Proc. FRUCT Conf., Apr. 2016, pp. 321-327.
10. Continuous Wavelet Transform Calculator for Operation in Ultra-Low Temperatures of the Arctic and Antarctic // A.B. Stepanov, V.S. Gribanov, M.M.H. Ayedh, A.V. Pomogalova, A.E. Kopylov // IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering (ElConRus), 2020. Pp. 1432-1436.
11. Zhuravov D.V., Stepanov A.B. Application of Sim-ulink in the Implementation of Calculation Algorithms for Continuous Wavelet Transform on a Digital Signal Processor // Journal of Radio Electronics. 2019. Vol. 5. Pp. 12.
12. Chui Ch.K. An Introduction to Wavelets. Academic Press, Incorporated, 1992. P. 266.
13. Blatter C. Wavelets - Eine Einfuhrung. A.K. Peters, Ltd., 1998.
14. Витязев В.В. Вейвлет-анализ временных рядов. СПб.: Изд-во С.-Петерб. ун-та, 2001. 58 с.
15. Stark H.-G. Wavelets and Signal Processing. Berlin: Springer, 2005. 158 р.
16. Арбузов С.М., Степанов А.Б. Применение методов вейвлет-анализа в электроэнцефалографии. СПб.: Лин^ 2009. 104 с.
17. Инструкция по охране труда при работе при низких температурах на открытом воздухе и в не отапливаемых помещениях URL: https://ohranatruda.ru/ot_biblio/instructions/166/150687/ (дата обращения: 06.03.2020).
Поступила 02.03.2020; принята к публикации 27.03.2020 Информация об авторах
Степанов Андрей Борисович - канд. техн. наук, заместитель директора института магистратуры по учебной работе, доцент кафедры радиосистем и обработки сигналов, Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-Бруевича (193232, Россия, г. Санкт-Петербург, пр. Большевиков, 22, к. 1), e-mail: sabarticle@yandex.ru, тел. 8(812)3263161, ORCID: https://orcid.org/0000-0001-6876-729X
Помогалова Альбина Владимировна - магистр, ассистент кафедры программной инженерии и вычислительной техники, Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-Бруевича (193232, Россия, г. Санкт-Петербург, пр. Большевиков, 22, к. 1), e-mail: a.l.b.i.n.a@bk.ru, ORCID: https://orcid.org/0000-0001-8129-989X Грибанов Валерий Сергеевич - студент, Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-Бруевича (193232, Россия, г. Санкт-Петербург, пр. Большевиков, 22, к. 1); инженер-программист, Про-
изводственно-конструкторское бюро "РИО" (199155, Россия, г. Санкт-Петербург, ул. Уральская, 19, к. 9 Ж), e-mail: point26@mail.ru.
Богословский Иван Александрович - студент, Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-Бруевича (193232, Россия, г. Санкт-Петербург, пр. Большевиков, 22, к. 1), e-mail: ivanbogoslov-skij@yandex.ru.
Айед Хумэйд Мансур Мурад - аспирант, Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-Бруевича (193232, Россия, г. Санкт-Петербург, пр. Большевиков, 22, к. 1), e-mail: hu-maidayedh@gmail. com
APPLICATION OF MICROCONTROLLERS IN REALIZATION OF THE CALCULATOR OF CONTINUOUS WAVELET TRANSFORMATION INTENDED FOR WORK IN CONDITIONS
OF ARCTIC
A.B. Stepanov1, A.V. Pomogalova1, V.S. Gribanov1,2, I.A. Bogoslovskiy1, Kh.M.M. Ayed1
^onch-Bruevich Saint-Petersburg State University of Telecommunications,
St. Petersburg, Russia 2Production and Design Bureau "RIO", St. Petersburg, Russia
Abstract: the paper is devoted to the development of a continuous wavelet transform computer, designed for operation in cold temperatures (up to -60oC). MSP430G2553, ATmega328P and STM32F401RET6 microcontrollers are considered as an element base for the implementation of the calculator. The results of continuous wavelet transformation calculation were obtained using microcontrollers, taking into account their clock frequencies and limited internal memory. The dependence of the continuous wavelet transformation calculation speed on microcontrollers at different signal lengths and with different ways of using wavelet in the algorithm is obtained and analyzed: when it is loaded from the internal memory of the microcontroller and when it is calculated directly on the microcontroller. In all the experiments, fragments of an electroencephalogram with a sampling rate of 250 Hz are used as analyzed signals. The device description and functional schemes of the continuous wavelet transform calculator, developed for various types of tests are given: for estimation of the speed of calculation of continuous wavelet transformation and for testing of the device at low temperatures. The results of the test of the calculator in the climate chamber are evaluated. As a result of the research, it is shown that among the devices considered, the STM32F401RET6 microcontroller is best suited for calculating continuous wavelet transformation. It took 0.57 seconds to process a 1 second (250 counts) fragment of the electroencephalogram when used. At the same time, the information content of the wavelet spectrogram was preserved. It took 2516.84 seconds to process a strip of 4500 counts with the wavelet calculation directly on the microcontroller. Studies in the climate chamber have shown that the developed device with an installed battery capacity of 20 Ah worked at a temperature below -40 o C for 129 minutes, of which 101 minutes at a temperature of -60 o C. This time is sufficient for electrocardiological or electroencephalographic examination of 5 people
Key words: continuous wavelet transformation, calculator, implementation, microcontroller, Arctic
References
1. Sherstyukov B.G. "The climatic conditions of the Arctic and new approaches to the forecast of the climate change", Arctic and North, 2016, no. 24, pp. 39-67.
2. Quijano J.E., Hannay D.E., Austin M.E. "Composite underwater noise footprint of a shallow Arctic exploration drilling project", IEEE Journal of Oceanic Engineering, Aug. 2018, pp. 1228-1239.
3. Varlamov O., Varlamov V., Dolgopyatova A. "Digital radio broadcasting network in the Arctic Region", Proc. FRUCT Conf., Apr. 2019.
4. Williams S. "High capacity battery pods and UPSs for long term deployments", Proc. OCEANS 2017 - Anchorage Conf., Sept. 2017.
5. Budiev A.Yu., Lupachev, VV, Logunov K.V. "Medical problems of the Arctic", Arctic Evironmental Research, 2013, no. 3, pp. 163-165.
6. Budiev A.Yu., Lupachev V.V., Logunov K.V. "On the need to establish a scientific and methodological center for marine and Arctic medicine", Journal of Biomedical Research, 2015, no. 2, pp. 101-103.
7. Kazakevich E.V., Arkhipovskiy V.L., Sereda A.P.,. Abakumov A.A "Features of the organization of medical care for sailors in the Arctic", Medicine of Extreme Situations (Meditsina ekstremal'nykh situatsiy), 2017, no. 4(62), pp. 8-14.
8. Boyarintsev V.V. "Development of a technology for creating a biomedical cell product for the treatment of frostbite, burns and wounds in the Arctic", available at: https://4science.ru/project/14-575-21-0179 (accessed: 06.03.2020)
9. Stepanov A.B. "The Application of neural network and spline wavelet models in the electroencephalogram analysis automation process", Proc. FRUCT Conf., Apr. 2016, pp. 321-327.
10. Stepanov A.B., Gribanov V.S., Ayedh M.M.H., Pomogalova A.V. , Kopylov A.E. "Continuous wavelet transform calculator for operation in ultra-low temperatures of the Arctic and Antarctic", IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering (ElConRus), 2020, pp. 1432-1436.
11. Zhuravov D.V., Stepanov A.B. "Application of Simulink in the implementation of calculation algorithms for continuous wavelet transform on a digital signal processor", Journal of Radio Electronics, 2019, vol. 5, pp. 12.
12. Chui Ch.K. "Introduction to wavelets", Academic Press, Incorporated, 1992, 266 p.
13. Blatter C. "Wavelets - Eine Einfuhrung", A.K. Peters, Ltd., 1998.
14. Vityazev V.V. "Wavelet time series analysis" ("Veyvlet-analiz vremennykh ryadov"), St. Petersburg, Publishing House of St. Petersburg University, 2001, 58 p.
15. Stark H.-G. "Wavelets and signal processing", Berlin, Springer, 2005, 158 p.
16. Arbuzov S.M., Stepanov A.B. "Application of wavelet analysis methods in electroencephalography" ("Primenenie metod-ov veyvlet-analiza v elektroentsefalografii"), St. Petersburg, Link, 2009, 104 p.
17. "Instructions for labor protection when working at low temperatures in the open air and in unheated rooms", available at: https://ohranatruda.ru/ot_biblio/instructions/166/150687/ (accessed: 06.03.2020).
Submitted 02.03.2020; revised 27.03.2020 Information about the authors
Andrey B. Stepanov, Cand. Sc. (Technical), Associate Professor, Deputy Director of Academic Affairs of the Magistrature Institute, Bonch-Bruevich Saint-Petersburg State University of Telecommunications (22, Bol'shevikov prospekt, St. Petersburg 193232, Russia), e-mail: sabarticle@yandex.ru, tel.: +7(812)3263161, ORCID: https://orcid.org/0000-0001-6876-729X
Al'bina V. Pomogalova, MA, Bonch-Bruevich Saint-Petersburg State University of Telecommunications (22, Bol'shevikov prospekt, St. Petersburg 193232, Russia), e-mail: a.l.b.i.n.a@bk.ru, ORCID: https://orcid.org/0000-0001-8129-989X Valeriy S. Gribanov, Student, Bonch-Bruevich Saint-Petersburg State University of Telecommunications (22, Bol'shevikov prospekt, St. Petersburg 193232, Russia), Software engineer, Production and Design Bureau «RIO» (19, Ural'skaya st., St. Petersburg 199155, Russia), e-mail: point26@mail.ru.
Ivan A. Bogoslovskiy, Student, Bonch-Bruevich Saint-Petersburg State University of Telecommunications (22, Bol'shevikov prospekt, St. Petersburg 193232, Russia), e-mail: ivanbogoslovskij@yandex.ru.
Humaid M. M. Ayedh, Graduate student, Bonch-Bruevich Saint-Petersburg State University of Telecommunications (22, Bol'shevikov prospekt, St. Petersburg 193232, Russia), e-mail: humaidayedh@gmail.com
