автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.16, диссертация на тему:Исследование и реализация быстрых методов спектра оценивания для сжатия экспериментальных данных

1 АН? ®

На правах рукописи

ЛЕВЕНЕЦ Алексей Викторович

ИССЛЕДОВАНИЕ И РЕАЛИЗАЦИЯ БЫСТРЫХ МЕТОДОВ СПЕКТРАЛЬНОГО ОЦЕНИВАНИЯ ДЛЯ СЖАТИЯ ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ

Специальность 05.13.16 - "Применение вычислительной техники, математического моделирования и математических методов в научных исследованиях"

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Хабаровск - 1998

Работа выполнена в научно-исследовательском институте компьютерных технологий при Хабаровском государственном техническом университете. ;

Научные руководители:

доктор технических наук, профессор Е.А.Чернявский, доктор технических наук, профессор Чье Ен Ун.

Официальные оппоненты:

доктор технических наук, профессор Ю.Б. Дробот кандидат технических наук, доцент А.П. Бахрушин

Ведущее предприятие - Вычислительный центр ДВО РАН

Защита состоится: <!£> .£¿1998 г. в _{0 час. на заседании дис-

сертационного совета К 064.62.01 в Хабаровском государственном техническом университете по адресу: 680035, г.Хабаровск, ул. Тихоокеанская, д. 136.

С диссертацией можно ознакомиться в библиотеке университета.

Автореферат разослан <Зо> 1998 г.

Ученый секретарь диссертационного совета к.ф.-м.н., доцент

Чехонин К.А.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Проблема сжатия данных возникла в начале 60-х годов в связи с развитием систем телеметрии для решения задач исследований, испытаний, контроля и управления сложными объектами и техническими комплексами. Повышение сложности решаемых задач привело к увеличению потоков информации, передаваемых через каналы связи, в результате чего были достигнуты пределы возможностей по расширению полосы частот каналов связи, допустимым срокам обработки измерительной информации и объему памяти запоминающих и регистрирующих устройств.

Эффективным решением проблемы снижения избыточности информации стало создание адаптивных методов сбора, передачи и сжатия данных, позволяющих снизить требования к пропускной способности каналов связи измерительных систем и повысить эффективность обработки информации. Кроме того, использование методов сжатия данных приводит к существенному сокращению объемов памяти запоминающих и регистрирующих устройств, снижению энергозатрат на передачу сообщений по каналам связи, сужению частотной полосы каналов связи, повышению оперативности управления сложными объектами и сокращению временных затрат на обработку принимаемой информации.

В настоящее время процедуры сжатия данных наиболее широко используются в системах обработки и передачи данных с повышенной информативностью, к которым относятся автоматизированные системы научных исследований, системы передачи измерительной информации, речевых и телевизионных сообщений и др. При этом наиболее актуальными вопросами, связанными с проблемой сжатия данных являются вопросы синтеза и анализа систем передачи непрерывных и дискретных сообщений с повышенной информативностью, допускающих простую аппаратную реализацию.

Цель работы. Целью диссертационной работы является исследование и разработка алгоритмов спектрального оценивания сигналов на основе методов выделения скрытых периодичностей по пересечениям нуля и преобразования Хартли для задач сжатия данных, а также программно-аппаратных средств измерительно-вычислительных систем (ИВС).

Достижение поставленных целей требует решения следующих задач:

1. Исследование и развитие методов спектрального оценивания сигналов на базе алгоритмов выделения скрытых периодичностей по пересечениям нуля (ВСППН);

2. Исследование погрешностей метода спектрального оценивания на базе преобразования Хартли;

3. Разработка алгоритмов адаптивной регистрации и сжатия данных на основе методов ВСППН и преобразования Хартли;

4. Разработка аппаратно-программных средств полевого измерительно-вычислительного комплекса (ИВК) для геофизических исследований.

Основные методы исследования базируются на математическом аппарате теории случайных процессов, математической статистике, теории линейных систем, а также отдельных разделов математического анализа. Для исследования алгоритмов используется метод цифрового моделирования. Достоверность полученных результатов подтверждается тестированием алгоритмов на моделях сигналов с известными спектральными свойствами.

Научная новизна состоит в следующем:

1. Предложена модификация метода ВСППН для оценок спектров измерительных сигналов, обладающая низкими вычислительными затратами и более высокой, чем у базового, достоверностью спектральных оценок;

2. Произведена оценка условий и границ работоспособности модифицированного метода ВСППН на моделях сигналов с дискретным спектром и различным отношением сигнал/шум. Предложен способ дополнительной обработки входных данных, позволяющий уменьшить погрешности выделения периодических составляющих для метода ВСППН;

3. Предложены алгоритмы адаптивной регистрации и сжатия данных на базе методов БПХ и ВСППН, обеспечивающие простоту программно-аппаратной реализации;

4. Показана возможность применения метода ВСППН для задач обнаружения сигнала с известными параметрами на фоне белого шума.

На защиту выносятся следующие основные научные результаты:

1. Модификация метода ВСППН, основанная на использовании совокупности чисел пересечения сигналом нулевого уровня, полученных

после применения к исследуемому сигналу ряда повторно-разностных и повторно-суммирующих фильтров;

2. Результаты оценки условий и границ работоспособности модифицированного метода ВСППН, а так же способ дополнительной обработки входных данных, позволяющий уменьшить погрешности выделения периодических составляющих для метода ВСГПШ;

3. Алгоритмы адаптивной дискретизации и сжатия данных на базе методов ВСППН и БПХ и их аппаратно-программная реализация.

Практическая цепность:

1. Разработан комплекс программ для исследования характеристик методов ВСППН и БПХ на моделях измерительных сигналов с различными видами спектров;

2. Разработан комплекс программ экспресс-оценок спектра и сжатия измерительного сигнала для экспедиционного ИВК.

3. Разработан измерительно-вычислительный комплекс для регистрации и обработки данных магнитотеллурического зондирования в экс-педиционно-полевых условиях.

Реализация результатов работы. Результаты диссертационной работы использованы в Институте тектоники и геофизики ДВО РАН.

Апробация работы. Основные результаты диссертационной работы докладывались и обсуждались на:

1. 2-ой Дальневосточной НПК "Совершенствование электрооборудования и средств автоматизации технологических процессов промышленных предприятий", Комсомольск-на-Амуре, 1989;

2. НТС "Применение микропроцессоров, микро- и персональных ЭВМ", г. Миасс, 1990;

3. The First Soviet Union-China Symposium "The actual problems of the scientific and technological progress of the Far Eastern region on the base of Soviet Union - China direct cooperation", Khabarovsk, 1991;

4.HTK по использованию результатов конверсии науки в ВУЗах Сибири для международного сотрудничества (СИБКОНВЕРС'95), Томск, 1995;

5. 4-ой Дальневосточной НПК " Совершенствование электрооборудования и средств автоматизации технологических процессов промышленных предприятий", Комсомольск-на-Амуре, 1995;

6. Международной НПК "Информационные технологии в образовании, управлении и промышленности", Комсомольск-на-Амуре, 1996;

Материалы исследований докладывались и обсуждались также на научно-технических семинарах ХГТУ, НИИ КТ, ИАПУ ДВО РАН и ДВГТУ.

Публикации. По результатам выполненных исследований опубликовано 15 работ.

Объем работы. Работа состоит го введения, четырех глав, заключения, списка литературы, четырех приложений и содержит 124 страницы основного текста, 8 таблиц, 40 рисунков и 27 страниц приложений.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении содержится обоснование актуальности и практической значимости задачи сжатия данных в современных ИВС. Сформулированы задачи исследования, кратко изложено содержание глав диссертационной работы.

В первой главе дается краткий обзор существующих методов сокращения избыточности информации.

Наибольшее распространение получила классификация методов сжатия, согласно которой они делятся на методы, обеспечивающие возможность восстановления исходного сигнала и на методы, не дающие такой возможности. К последним относятся методы, основанные на получение и аналте измерительной информации на передающей стороне и передаче какой-либо одной или нескольких характеристик процесса. Наиболее эффективные по сокращению объема сообщений методы с квазиобратимым сжатием информации из первой группы базируются на ортогональных функциях (ряды Фурье, полиномы Чебышева, Лежандра, Хаара).

В ряде практических приложений, например для некоторых задач геофизики, характерны сигналы, у которых информативным является только определенный участок спектра, или имеющие дискретный спектр с ограниченным числом периодичностей. В этом случае проявляется наибольший эффект от применения спектральных методов сжатия данных, которые являются наиболее универсальными.

Одним из перспективных методов спектрального оценивания в отношении реализации является метод на базе преобразования Хартли (ПХ), представляющего собой модификацию преобразования Фурье для работы только с вещественными числами и отличающийся полной сим-

метричностью прямого и обратного преобразований. Следует также отметить существование быстрых алгоритмов ПХ и возможность легкого перевода результатов ПХ в Фурье-форму.

Формулы прямого и обратного дискретных преобразований Хартли имеют следующий вид:

где саз(-) = соз(-) + Бт(-).

Еще одним нетрадиционным методом спектрального оценивания является метод ВСППН, представляющий интерес для анализа сигналов в силу низких вычислительных затрат и простоты аппаратной реализации. Данный метод базируется на некоторых свойствах чисел пересечения сигналом нулевого уровня, которые можно применить для быстрого спектрального анализа сигналов. Основы метода ВСППН были зало-жеш»1 С. Райсом, а в настоящее время дальнейшее развитие метод получил в работах Б. Кедема, который применил свойства нулей к анализу спектров сигналов. Так, Б.Кедем доказал, что для дискретного гауссов-ского процесса Z(t), к которому применяется линейный фильтр с передаточной характеристикой Н(О), число пересечений нуля Б определяется из следующего выражения:

где М(-) - оператор математического ожидания, N - размер выборки, F(Q) - спектральная функция, Q - относительная угловая частота, т.е. частота, отнесенная к частоте дискретизации.

В своих работах Б.Кедем показал, что коэффициенты корреляции

, n-1

= v X/(Ocas(2Trvr,/ N)

N-I

/(г) = Yj #(r)cas(27rvr / N~),

также могут быть определены через нули сигнала, и, следовательно, спектральную функцию авторегрессионного процесса можно оценить, вычисляя нули сигнала.

Из результатов обзора существующих методов сжатия данных на базе методов спектрального оценивания делается вывод о перспективности использования методов ВСППН и ПХ в задачах сжатия данных, т.к. эти методы обладают низкими вычислительными затратами и простой аппаратно-программной реализацией.

Во второй главе рассматриваются процессы авторегрессии-скользящего среднего (АРСС) как модели сигналов для апробации методов сжатия данных. Исследуются погрешности АРСС-моделей измерительных сигналов.

Для исследования алгоритмов сжатия данных требуются реализации измерительных сигналов с различными спектральными свойствами. Воспроизведение таких реализаций экспериментальным путем сопряжено со значительными техническими сложностями. В частности возникают проблемы, связанные с обеспечением воспроизводимости реализаций сигналов. Поэтому наиболее целесообразным для исследования алгоритмов сжатия является использование цифровых моделей сигналов для проведения численных экспериментов с применением ЭВМ. При этом модели должны обеспечивать простоту реализации и возможность воспроизведения заданных спектральных свойств.

В настоящее время наиболее часто используется АРСС-модели, в силу простоты своего представления, т.к. для таких моделей необходимо задавать только небольшое число параметров, которые позволяют получать широкий диапазон спектров реализаций. Дискретный случайный процесс х(1)/) можно описать обобщенным операторным уравнением авторегрессии-скользящего среднего:

х{у)=А-р\В)Сч(Б) е(^) , ч

где Сд {в) = 1 + $ В1 - оператор скользящего среднего порядка q;

р

В - оператор сдвига; Ар(В) = ; Е((г/) - последовательность

/=1

независимых случайных величин с нулевым средним значением, имеющих одинаковое распределение.

Известные исследования по АРСС-моделям практически не затрагивают вопросы оценки модельных погрешностей, выбора параметров моделей в зависимости от необходимого вида моделируемого сигнала и влияния статистических характеристик действующего на входе формирующего фильтра белого шума на статистические свойства реализаций.

В главе рассчитываются погрешности модельного представления для АРСС-моделей порядков не старше второго в зависимости от размера выборки, числа усредняемых реализаций и параметров модели. Для получения более достоверных оценок модельных погрешностей при расчете дисперсии такой погрешности в зависимости от размера выборки, вычислялась усредненная оценка погрешности по нескольким реализациям:

МП

г=0

где Б - вычисленный спектр модели; 5 - теоретический спектр модели; Ббш - спектр исходного белого шума.

Из проведенных исследований следует, что АРСС-модели случайных процессов имеют заметное снижение погрешности при размерах выборки N>128 или при проведении оценок по ансамблю. Для АР-процессов с АЧХ формирующего фильтра вида

5(П) = о"

/ ' V

соз(Ш) V ¿=1 /

\ 2

-1

и размером выборки N=128 число усреднений должно быть не менее 2025, а при N=512 - достаточно 5-10. Для СС-процессов с АЧХ формирующего фильтра вида

(я V ( ч У"

£(П) = а2 1 + Х^С05 (Ю) +

V к=1 V и=1

число усреднений незначительно зависит от размера выборки и не превышает 10. Результаты, полученные в этой главе были использованы в дальнейших исследованиях. Также отмечается, что погрешности модельного представления для СС-моделей на 1-2 порядка ниже, чем соответствующие погрешности АР-моделей

В третьей главе исследуются возможности модифицированного метода ВСППН для оценки спектров измерительных сигналов и сжатия данных. Приведены алгоритмы различных методов сжатия данных и экспресс-оценок спектров на базе метода ВСППН. Рассмотрен алгоритм, снижающий погрешность метода. Исследуются возможности метода спектрального оценивания сигналов через определение параметров их авторегрессионных моделей.

В основе метода ВСППН лежит принцип доминирующей частоты, согласно которому числа пересечений сигналом нулевого уровня (числа нулей) принимают значения, лежащие в окрестностях существенно доминирующей частоты.

Суть метода ВСППН заключается в том, что для исследуемого сигнала вычисляется число нулей, по которому определяется частота доминирующей периодичности, после чего к сигналу применяется линейный фильтр для удаления выделенной периодичности, а затем вычисляется новое число нулей и выделяется следующая периодичность сигнала. Этот процесс продолжается до тех пор, пока не будут найдены все составляющие сигнал периодичности. Очевидно, что в случае большого числа составляющих сигнал периодичностей применение классических фильтров (Баттсрворта, Чебышева и пр.) приведет к значительным вычислительным или аппаратным затратам. Поэтому для этой цели применяются преимущественно фильтры повторной разности (ПР) и повторного суммирования (ПС):

к 1=0

|#(Д2)|2 = 2*[1-со5(П)]*

к

1=0

|яО'Й)|г =2*[1 + соБ(П)]к

для ПР-фильтра

• для ПС-филыра,

где хБХ и хвых - сигналы на входе и выходе фильтра соответственно; к - порядок соответствующего фильтра; ^ - биномиальные коэф-

фициенты.

При малых отношениях сигнал/шум возникает проблема определения истинности полученных методом ВСППН результатов из-за выделения им ложных периодичностей. Для решения этой проблемы в работе предлагается применять к исследуемому процессу все возможные сочетания ПР- и ПС-фильтров разных порядков, не превышающих однако некоторые максимальные возможные порядки Кпр и Кпс соответственно. Полученный набор фильтров с передаточными характеристиками вида

\HUcof = 2"+1,[1 + С05(й>)]"[1-С05((У)]"

перекрывает весь частотный диапазон сигнала, позволяя таким образом выявить все составляющие сигнал периодичности. При этом максимальный коэффициент передачи фильтров в полосе пропускания определяется как

и V

к _ 92(«+у) И V

0 +

В силу пологости АЧХ фильтров выделение примерно одной и той лее полосы частот произойдет для нескольких сочетаний ПР-ПС фильтра. Учитывая этот факт, а также свойства чисел пересечения сигналом нулевого уровня, в диссертации сделано предположение, что количество выпавших одинаковых значений нулей сигнала Б после применения к сигналу набора ПР-ПС-фильтров является индикатором наличия периодичности с частотой, определяемой значением Б. Следовательно, совокупность всех таких значений образует подобие спектральной функции, которое предложено назвать "квазиспектром", а количество выпавших конкретных значений нулей - "квазиспектральной составляющей".

Величина квазиспектральной составляющей в первую очередь зависит от размера выборки, амплитуд и фаз составляющих сигнал периодичностей, отношения сигнал/шум и от параметров ПР- и ПС-фильтров. Очевидно, что теоретическое определение такой зависимости является чрезвычайно сложным в силу значительной зависимости числа нулей от параметров сигнала и отношения сигнал/шум, а также из-за значительного изменения параметров ПР- и ПС- фильтров (коэффициент усиления в полосе пропускания, ширина полосы пропускания) от их порядка. Поэтому в работе были проведены экспериментальные исследования на

цифровых моделях измерительного сигнала влияния вышеперечисленных факторов на величину квазиспектральной составляющей.

Исследована зависимость величины числа пересечений сигналом нулевого уровня от фаз составляющих сигнал периодичностей. Показано, что для сигнала с 1-3 периоличностями и аддитивным нормальным шумом отсутствует существенная связь фаз периодичностей сигнала и величиной квазиспектральной составляющей.

Показано, что зависимость величины квазиспектральной составляющей от амплитуды соответствующей периодичности, несмотря на довольно сложный вид кривых, можно аппроксимировать линейной функцией, по крайней мере для больших г). Это дает возможность грубой оценки соотношений амплитуд составляющих сигнал периодичностей.

Возможности метода ВСППН для спектральных оценок исследовались на сигналах с различными видами спектра. Показано, что для сигналов с дискретным спектром и большим Г1 метод ВСППН в целом дает хорошие результаты, однако при этом низкочастотные периодичности выделяются заметно хуже высокочастотных. В случае сигнала с непрерывным спектром наилучшая корреляция между реальным спектром сигнала и квазиспектром наблюдается при анализе сигналов с выраженным пиком в середине частотного диапазона преобразования.

В силу того, что метод ВСППН дает только оценочное представление о полном виде спектра сигнала, основной погрешностью, характеризующей данный метод является погрешность выделения, под которой подразумевается разность между частотой реально присутствующей в исследуемом сигнале периодичности и оценкой частоты этой периодичности, полученной методом ВСППН.

Отмечено, что на погрешность выделения периодичностей методом ВСППН влияют следующие факторы: порядок ПР- и ПС-фильтров; зависимость числа нулей от соотношения амплитуд периодичностей сигнала; количество периодичностей б сигнале и отношение сигнал/шум.

Для уменьшения погрешности выделения на низких относительных частотах предлагается воспользоваться простой нелинейной обработкой

сигнала вида:

2(0 =

х(0, -оо<х(0<-д о, -д<х(0<+л х(0, +д <х(0< +оо

где Х(1:) - входной сигнал, 2(Х) - выходной сигнал, А - параметр, определяющий ширину области значений входного сигнала Х(0, внутри которой выходной сигнал '¿(Х) принимается равным нулю.

Корреляционная функция сигнала после такой обработки имеет следующий вид:

ю г>2л+2 / \

В(г) = Л2(г)

1 ехр(-Д2 / су2)

2 2 л

£ (2п +2)!

где Н„(х) - полиномы Эрмита, <г и И(т) - дисперсия и корреляционная функция сигнала до обработки.

Очевидно, что с точки зрения ВСППН рассматриваемая обработка является аналогом НЧ-филыра и должна существенно снизить погрешность выделения в НЧ-области. Однако следует отметить, что результаты подобной обработки зависят как от вида входного сигнала, так и от ширины зоны нуля Д. Для уменьшения погрешности выделения в работе предлагается производить ВСППН с нелинейной обработкой после обычного ВСППН с объединением полученных результатов. Приведенные в главе результаты исследования показывают значительное (до единиц процентов) снижение погрешности в таком случае.

Исследована возможность спектральной оценки сигнала через определение параметров его модели. Из анализа полученных данных следует, что оценка коэффициентов авторегрессии через нули сигнала наиболее эффективна для анализа сигналов с ярко выраженным пиком в спектральной области, когда относительные погрешности оценок коэффициентов авторегрессии составляют единицы и менее процентов.

Для оценки вычислительных затрат метода ВСППН определялось количество арифметических операций, причем предполагалось, что к исследуемому сигналу применяются ПР и ПС фильтры со степенями не выше к„рИ кпс соответственно:

Квсгеш = кпрк^ги + к„р + 1 + (к,1С+1)/кпр]/2.

Для сравнения быстродействия ВСППН и БПФ определялось отношение времен обработки для обоих методов. Величина такого отношения колеблется в пределах 4-10 при обработке выборок большого размера, где вычислительная эффективность метода максимальна.

Рассмотрены возможности метода ВСППН для адаптивной регистрации сигнала. Для этого предложен алгоритм, основанный на определении максимальной частоты {* с последующей децимацией сигнала с учетом Еще одним возможным полезным приложением метода ВСППН может быть применение его к задачам обнаружения сигнала с заданной частотой. В главе приведены результаты исследования такого алгоритма на сигнале с дискретным спектром и аддитивным белым шумом из которых следует, что с помощью метода ВСППН возможно создание быстродействующих алгоритмов обнаружения сигнала с известными параметрами.

Четвертая глава содержит варианты аппаратной реализации алгоритмов ВСППН и БПХ. В главе так же исследуются погрешности быстрого преобразования Хартли (БПХ). Производится сравнение исследуемых характеристик БПХ с аналогичными характеристиками метода БПФ. Показана возможность применения метода БПХ для задач сжатия данных. Приведены варианты организации структур микропроцессорных средств сбора и обработки геофизической информации.

При реализации алгоритма БПХ возникают вычислительные ошибки, обусловленные операциями округления произведений, эффектами квантования и процедурами масштабирования. Для определения таких погрешностей произведены вычислительные эксперименты, при которых определялась приведенная погрешность преобразования.

Из анализа результатов следует, что для модели сигнала с одной периодичностью порядок максимальной погрешности БПХ совпадают с порядком аналогичных погрешности БПФ. Однако погрешность БПФ имея ярко выраженный периодический характер, выше погрешности БПХ практически во всем диапазоне изменения П0.

С точки зрения задач сжатия данных интерес представляет погрешность восстановления, свойственная методу БПХ. В работе оценивалась дисперсия такой погрешности для метода БПХ и таких распространенных преобразований, как косинусное и синусное преобразования, а так же преобразования Фурье и Адамара.

В главе исследуется дисперсия погрешности восстановления алго-

ритмов сжатия для ПХ и других преобразований (косинусное, синусное, Фурье, Адамара), в зависимости от числа оставленных членов преобразования. Дисперсия погрешности восстановления вычислялась следующим образом:

а2 =^[х(г)-хпО)]2 /М, 1=0

где и х11(0 - сигнал до и после преобразования соответственно. Полученные результаты показывают очевидное преимущество алгоритмов сжатия данных на основе метода БПХ.

Следует отметить, что к достоинствам метода БПХ следует отнести тот факт, что для прямого и обратного преобразований используется один и тот же алгоритм. Это обстоятельство позволяет экономить память программ, что особенно важно при разработке микропроцессорных систем с ограниченными ресурсами.

Отмечено, что для решения широкого спектра задач сбора, обработки и регистрации измерительной информации архитектурная организация экспедиционно-полевых ИВС должна отвечать принципам маги-стрально-модульной организации и агрегатности. Магистрально-модульная организация с унифицированным системным каналом обеспечивает возможности агрегатирования ИВС на уровне функционально и конструктивно завершенных модулей, адаптации аппаратных и программных средств под решаемые задачи. В главе рассмотрены варианты архитектурной организации полевых ИВС для геофизических исследований.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Проведены исследования, позволяющие производить выбор вида и параметров моделей измерительных сигналов в зависимости от их статистических свойств. Получены результаты исследования погрешностей АР-, СС- и АРСС-моделей, позволяющие оценить погрешность модельного представления измерительных сигналов в зависимости от параметров моделей, размера выборки и количества конечномерных реализаций, усредняемых по ансамблю;

2. Предложена модификация метода ВСППН, позволяющая оценивать спектральную плотность мощности измерительных сигна-

лов путем вычисления их "квазиспектров". Реализация предложенного алгоритма не требует участия оператора, как в исходном варианте алгоритма, что позволяет применять его в автоматических системах сбора и обработки данных. Исследования метода ВСППН на моделях сигналов с непрерывным и дискретным спектром показали принципиальную возможность применения "квазиспектра" в качестве оценки спектральной плотности мощности измерительного сигнала;

3. Исследование погрешности выделения метода показали, что для сигналов с низкочастотными периодичностями и малым отношением сигнал/шум погрешность может достигать нескольких сотен процентов в НЧ-области спектра. Погрешности для ВЧ-области составляют более низкую величину. Для снижения такой погрешности предложена нелинейная обработка сигнала после фильтрации перед подсчетом нулей, что позволяет снизить уровень погрешности в НЧ-области спектра до единиц процентов при незначительном увеличении вычислительных затрат алгоритма;

Исследования показывают, что метод ВСППН обладает более низкими (примерно в 4-10 раз) вычислительными затратами по сравнению с БПФ при сравнимой разрешающей способности. Это свойство позволяет применять метод ВСППН для решения задач адаптивной дискретизации сигнала, а также для создания алгоритмов обнаружения сигнала с известными параметрами на фоне белого гаус-совского шума. Метод ВСППН допускает простую аппаратную реализацию устройств адаптивной дискретизации и сжатия данных;

4. В силу того, что измерительные сигналы при цифровой обработке представляют собой вещественные последовательности данных использование БПХ в задачах спектрального оценивания и сжатия данных в ИВС более предпочтительно, чем традиционного БПФ. При этом результаты исследований показывают, что алгоритмы на базе БПХ имеют меньшую погрешность восстановления, чем алгоритмы на базе наиболее часто используемых преобразований (Фурье, косинусное, синусное), что позволяет получать более высокие коэффициенты сжатия данных при заданной дисперсии погрешности восстановления;

5. Результаты исследований были использованы при создании аппаратно-программного обеспечения экспедиционно-полевого геофизического комплекса сбора и обработки информации.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИОННОЙ РАБОТЫ

1. Иванов М.Ю., Левенец А.В., Чье Ен Ун. Микропроцессорная система сбора и обработки измерительной информации для полевой геофизики//Тез. докладов XXIII НПК профессорско-преподавательского состава. Хабаровск: ХПИ, 1988, с. 263.

2. Чье Ен Ун, Иванов М.Ю., Левенец А.В., Макаров В.Г., Ступа-ков А.В. Микропроцессорный комплекс для информационно-управляющих систем с жестко ограниченными энергоресурсами// Тез. докладов 2-ой Дальневосточной НПК, Комсомольск-на-Амуре, 1989, с. 42.

3. Чье Ен Ун, Иванов М.Ю., Левенец А.В. Потенциальные возможности вычислительных средств на базе МПК БИС КР 588// Методы и средства обработки информации в радиоэлектронных и микропроцессорных системах: Сб. научн. тр. Хабаровск: ХПИ, 1989, с. 810.

4. Чье Ен Ун, Левенец А.В., Симаков С.Р., Ступаков А.В. Микромощный контроллер для информационно-управляющих систем с ограниченными энергоресурсами// Применение микропроцессоров, микро и персональных ЭВМ: Тез. докл. НТС, Миасс, 1990, с. 21-23.

5. Левенец А.В., Симаков С.Р., Чье Ен Ун. Особенности организации скоростного канала ввода аналоговых сигналов в микро-ЭВМ семейства "Электроника - 60"// Применение микропроцессоров, микро и персональных ЭВМ: Тез. докл. НТС, Миасс, 1990, с. 23-24.

6. Левенец А.В., Ступаков А.В. Электронный диск в стандарте МПИ для автономных микропроцессорных систем// Программная и аппаратная реализация алгоритмов в радиоэлектронных и микропроцессорных системах: Сб. научн. тр. Хабаровск: ХПИ, 1990, с. 10-14.

7. Экспедиционно-полевая система сбора и обработки измерительной информации/Левенец А.В., Симаков С.Р., Чье Ен Ун и др.// Приборы и техника эксперимента, 1991, N5, с. 199.

8. Architectural Characteristics of setting up Field-Expedition Microprocessor Means of Data Processing and Collecting of Measuring Informations/ Levenets A.V., Simacov S.R., Stupacov A.V., Che En Un// The Actual Problems of The Scientific and Technological Process

of The Far Eastern Region on the Base of Soviet Union-China Direct Cooperation: Proceedings of The First Soviet UnionChina Symposium. Khabarovsk, 1991, pp. 28-35.

9. Левенец A.B., Симаков C.P., Чье Ен Ун. Одноплатная шестнадцатиразрядная микро-ЭВМ с низким энергопотреблением// Сб. на-учн. тр. НИИ KT. Хабаровск: ХГТУ, 1993, с. 177-183.

10. Левенец A.B., Чье Ен Ун Моделирование алгоритмов выделения скрытых периодичностей по пересечениям нуля// Моделирование и расчеты на прочность искусственных сооружений: Сб. научн. тр. Хабаровск: ХГТУ, 1993, с. 6-9.

11. Chernyavsky Е.А., Chye En Un, Levenets A.V. Using The Zerocrossing method for researching of mensurative signals// The Scientific Conference on use of research convertion results in the sibirian institutions of higher education for intranational cooperation (SIBCONVERS'95): Abstracts. Russia, Tomsk, 1995, pp. 49.

12. Левенец A.B., Чернявский E.A., Чье Ен Ун. Оценка спектра измерительного сигнала методом выделения скрытых периодичностей по пересечениям нуля// Тез. докл. IV Дальневосточной НПК "Совершенствование электрооборудования и средств автоматизации технологических процессов промышленных предприятий" Комсомольск-на-Амуре, 1995, с. 63.

13. Левенец A.B., Чернявский Е.А., Чье Ен Ун. Возможности метода выделения скрытых периодичностей по пересечениям нуля для задач сжатия данных// Тез. докл. Международной НПК "Информационные технологии в образовании, управлении и промышленности", ч.1, Комсомольск-на-Амуре, 1996, с. 27-28.

14. Левенец A.B., Чернявский Е.А., Чье Ен Ун. Оценки спектра сигнала методом выделения скрытых периодичностей по пересечениям нуля// Измерительная техника, 1996, N9, с. 13-16.

15. Левенец A.B., Чернявский Е.А., Чье Ен Ун. Выделение скрытых периодичностей в измерительных сигналах методом различения сигналов по пересечениям нуля при наличии помех// Актуальные проблемы создания, проектирования и эксплуатации современной техники: Сб. научн. тр. НИИ KT. Хабаровск: ХГТУ, 1997, с. 16-23.