ВИОКРЕМЛЕННЯ СКЛАДНОГО ТРЕНДУ СИГНАЛІВ У СИСТЕМАХ ІНТЕЛЕКТУАЛЬНОЇ ПІДТРИМКИ РУХУ ОБ’ЄКТІВ

Автор(и)

  • Надія Бурау Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», Україна https://orcid.org/0000-0001-6848-816X
  • Карина Мішура Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», Україна

DOI:

https://doi.org/10.20535/1970.64(2).2022.269924

Ключові слова:

складний тренд сигналу, завади, вейвлетна фільтрація, хвильові функції, апроксимації, деталі

Анотація

Статтю присвячено дослідженням проблем інтелектуалізації систем керування рухомими об’єктами для
забезпеченні їх надійної експлуатації в складних умовах у різних фізичних середовищах. Системи інтелектуальної підтримки руху розробляються на основі інтеграції вимірювальних, обчислювальних, комунікаційних та
керуючих технологій та призначені для забезпечення збору, накопичення та обробки інформації, визначення
навігаційних параметрів, формування керуючих впливів, візуалізації позиціонування та траєкторій руху
об’єктів, моніторингу функціонального стану об’єктів та стану середовища функціонування тощо. При відновленні втраченої траєкторії рухомого об’єкта в умовах його складного руху, при апроксимації складних алгоритмів в системах адаптивного керування за різких змін траєкторії чи умов руху виникає необхідність виокремлення складного тренду з шумоподібних сигналів. Існуючі алгоритми фільтрації не забезпечують прийнятної ефективності, особливо в умовах обмеженої апріорної інформації про характер змінювання корисної складової сигналу.
У статті запропоновано та обґрунтовано використання вейвлетної фільтрації для пригнічення завад і виокремлення початкового сигналу складної форми. Проведено дослідження ефективності виокремлення складного за формою корисного сигналу на фоні гаусівського шуму та гармонічних завад. Для обробки змодельованих сигналів використано хвильові функції різних порядків з сімейств Добеші, симлетів та койфлетів. Ефективність вейвлетної фільтрації оцінювалась за значенням середньоквадратичного відхилення виділеного тренду та моделі корисного сигналу. Порівняльний аналіз отриманих результатів показав доцільність використання хвильової функції сімейства симлетів, що забезпечило мінімальне значення середньоквадратичного відхилення виділеного тренду від моделі корисного сигналу.

Біографії авторів

Надія Бурау, Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»

докт. техн. наук, професор, завідувач кафедри

Карина Мішура, Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»

аспірантка кафедри КІОНС, ПБФ

Посилання

J. M. Bradley, E. M. Atkins, “Optimization and Control of Cyber-Physical Vehicle Systems”, Sensors 15, vol. 15, no. 9, pp. 23020-23049, 2015. DOI:10.3390/s150923020

K. D. Kim, P. R. Kumar, “Cyber-Physical Systems: A Perspective at the Centennial”, Proc. IEEE, vol. 100, pp. 1287-1308, 2012. DOI:10.1109/JPROC.2012.2189792

V. Hahanov, et al., “Cyber Physical System-Smart Cloud Traffic Control”, East-West Design & Test Symposium (EWDTS’2014): Proceedings of IEEE Symposium, Kyiv, Ukraine, pp. 1-18. DOI: 10.1109/EWDTS.2014.7027107

A. Antoniou, Tsifrovyye filtry: analiz i proyektirovaniye, Trans., Moscow, Russia: Radio and communications, 2017. 320 p. (in Russian)

A. I. Solonina, Tsifrovaya obrabotka signalov v zerkale Matlab, St. Petersburg, Russia: Bkhv-Peterburg, 2018. 560 p. (in Russian)

L. M. Ryzhkov, A. M. Prymushko, “Doslidzhennia komplementarnoho filtra na MEMS-vymiriuvachakh”, Informatsiini systemy, mekhanika ta keruvannia, no. 20, pp. 47-53, 2019. DOI: 10.20535/2219-3804202019171836 (In Ukrainian)

Jin Wu, Zebo Zhou, Hassen Fourati, Rui Li, Ming Liu, “Generalized Linear Quaternion Complementary Filter for Attitude Estimation from Multi-Sensor Observations: An Optimization Approach”, IEEE Trans. Autom. Sci. Eng., pp. 1-14, 2019. DOI: 10.1109/TASE.2018.2888908

N.I. Bouraou, Yu. V. Sopilka, L.L. Yatsko, R.A. Trofimenko, “Veyvletnaya filtratsiya signalov pri izmerenii chastoty vrashcheniya”, Aviatsiino-kosmichna tekhnika i tekhnolohiia, vol. 64, no.7, pp. 191-194, 2009. (in Russian)

N. O. Tulyakova, A. N. Trofimchuk, A. Ye. Strizhak, “Algoritmy miriadnoy filtratsii”, Radioelectronic and computer systems, vol. 4, no. 68, pp. 76-83, 2014. (in Russian)

N. O. Tulyakova, R. Yu. Lopatkin, O. M. Trofymchuk, O. Ye. Stryzhak, “Primeneniye lokalno-adaptivnoy miriadnoy filtratsii dlya kompleksnoy modeli odnomernogo signala”, Radioelectronic and computer systems, vol. 3, no. 83, pp. 14-25, 2017. (in Russian)

S. Mallat, “A Theory for Multiresolution Signal Decomposition: The Wavelet Representation”, IEEE Trans. Pattern Anal. Mach. Intell., vol. 11, no. 7, pp. 674-693, 1989. DOI: 10.1109/34.192463

C. K. Chui, An Introduction to Wavelets. Boston: Academic Press, 1992.

N. K. Smolentsev, Osnovy teorii veyvletov. Veyvlety v MATLAB, Moscow: DMK Press, 2009. 448 p. (in Russian)

N.I. Bouraou, L.L. Yatsko, O. M. Pavlovsky, Metody tsyfrovoi obrobky syhnaliv dlia vibratsiinoi diahnostyky aviatsiinykh dvyhuniv, Kyiv: National Aviation University, 2012. 152 p. (In Ukrainian)

A. B. Pereberin, “O sistematizatsii Veyvlet-preobrazovaniy”, Vychislitelnyye metody i programmirovaniye, vol. 2, no. 1, pp. 13-40, 2001. (in Russian)

S. Moscovskiy, A. Sergeev, N. Lalina, “Ochistka signala ot shumov s ispolzovaniyem veyvlet-preobrazovaniya”, Universum: Tekhnicheskiye nauki, 2015, vol. 2(15). Available: http://7universum.com/ru/tech/archive/item/1958. (in Russian)

##submission.downloads##

Опубліковано

2022-12-24

Як цитувати

[1]
Н. Бурау і К. . Мішура, «ВИОКРЕМЛЕННЯ СКЛАДНОГО ТРЕНДУ СИГНАЛІВ У СИСТЕМАХ ІНТЕЛЕКТУАЛЬНОЇ ПІДТРИМКИ РУХУ ОБ’ЄКТІВ», Bull. Kyiv Polytech. Inst. Ser. Instrum. Mak., вип. 64(2), с. 5–11, Груд 2022.

Номер

Розділ

ТЕОРІЯ ТА ПРАКТИКА НАВІГАЦІЙНИХ ПРИЛАДІВ І СИСТЕМ