автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.15, диссертация на тему:Исследование методов и алгоритмов цифровой обработки акустических сигналов при построении информационно-измерительных систем

Владивостокский государственный университет экономики и сервиса

РГВ од

о г г! / 4 г^т На правах рукописи

' ~ О ;. '.а

Шахгельдян Карина Иосифовна

Исследование методов и алгоритмов цифровой обработки акустических сигналов при построении информационно-измерительных систем

Специальность 05.13.15 - Вычислительные системы, их математическое обеспечение и организация вычислительных процессов

Автореферат

диссертации ш соискание ученой степени кандидата технических наук

Владивосток 1997

Работа выполнена во Владивостокском государственном университете экономики и сервиса

Научный руководитель

кандидат физико-математических наук, доцент В.В. Крюков

Официальные оппоненты

доктор технических наук, профессор Г.Я. Волошин

доктор технических наук, профессор Ю.В. Малышенко

Ведущая организация - Институт автоматики и процессов управления ДВО РАН

_на заседании диссертационного совета К064.01.11 в Дальневосточном государств

венном техническом университете (ДВГТУ) по адресу 690600, г. Владивосток, ул. Пушкинская 10.

С диссертацией можно ознакомиться в библиотеке Дальневосточного государственного технического университета.

Отзыв на автореферат, заверенный печатью, просим направлять по адресу диссертационного совета.

Автореферат разослан « 997 г.

Ученый секретарь диссертационного

часов в аудитории

совета, к.т.н

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы

Проведение научных исследований часто сопряжено с необходимостью сбора данных, обработки, анализа полученной информации и построения моделей протекающих процессов. Перспективным является решение подобных задач на базе типовых микропроцессорных средств, что обеспечивает тиражируемость полученных результатов, возможность разработки нового и модификации существующего программного обеспечения для конкретной исследовательской задачи. Особенностью исследуемых в диссертационной работе методов и алгоритмов цифровой обработки сигналов является применение их в составе вычислительного комплекса, объединяющего приемные датчики, аппаратуру сбора данных и цифровой обработки сигналов, персональный компьютер, а также средства программного обеспечения в единую информационно-измерительную систему (ИИС) сбора и обработки акустической информации. Целевое назначение системы, связанное с обработкой акустических данных, определяет требования к техническим характеристикам блока предварительной обработки и модуля сбора данных ИИС.

Современные информационно-измерительные системы можно рассматривать как специализированные вычислительные системы, предназначенные для сбора и обработки данных, а также анализа и представления зарегистрированной информации с применением методов автоматизации. Примерами областей, где автоматизация процедур сбора и обработки данных актуальна и широко применяется могут служить гидрофизика, акустика, медицина. Важнейшей задачей является обеспечение научных исследований современными и эффективными аппаратными, алгоритмическими и программными средствами сбора, обработки и анализа данных. '

Во многих областях науки наблюдается тенденция повысить степень автоматизации проведения эксперимента, улучшить эффективность обработки данных^ с помощью цифровых методов обработки сигналов, сократить временные затраты на анализ и систематизацию полученной информации. Все чаще необходимо проводить эксперименты в.реальном времени с использованием многоканальных входных потоков данных, что, естественно, предъявляет жесткие требования к производительности вычислительной системы. Для решения таких задач актуальна разработка эффективных алгоритмов обработки сигналов с использованиемресурсов процессоров цифровой обработки сигналов в составе информационно-измерительных комплексов. >■ -•■,,

В последнее время персональный компьютер (ПК) стал неотъемлемой частью систем, предназначенных для сбора, обработки, анализа и представления данных при проведении научных исследований. Это обусловлено открытостью архитектуры, достаточными вычислительными ресурсами для большинства приложений, хорошими графическими возможностями, доступностью разнообразных инструментальных средств разработки программного обеспечения. Поэтому своевременной является разработка алгоритмов и программного обеспечения для цифровой обработки данных в расчете на использование ПК как базовой вычислительной платформы, обеспечивающей автоматизацию экспериментов и графическое представление результатов анализа.

Цель и основные задачи работы

Цель работы состоит в исследовании методов и разработке эффективных алгоритмов и компьютерных программ для информационно-измерительной системы сбора и обработки акустических данных. Система включает физико-информационные датчики, аппаратуру ввода/вывода данных, модуль цифровойЪбработки сигналов, персональный компьютер и программное обеспечение.

Для достижения этой цели необходимо решить следующие задачи:

1. Исследовать метода регистрации мноРбканальных аналоговых сигналов и разработать эффективные драйверы ввода данных в ИИС'.1

2. Разработать эффективные алгоритмы и программное обеспечение для предварительной обработки регистрируемых сигналов.

3. Исследовать оперативные методы анализа характеристик сигналов на основе алгоритмов подсчета пересечения нулевого уровня и текущей оценки спектра.

4. Разработать метод оценки передаточных характеристик входных каналов ИИС.

5. Исследовать характеристики методов спектрального анализа и разработать эффективные алгоритмы и программы цифровой обработки для спектрального анализа акустических сигналов. ■ •

6. Разработать параллельные алгоритмы спектрального анализа и фильтрации сигналов для двухпроцессорной вычислительной платформы.

Основные результаты, представленные в диссертации, являются следствием работы автора с 1991 года по госбюджетным и хоздоговорным работам, вЬшолпенным в Научно-исследовательском физико-техническом институте и Владивостокской государственном университете экономики и сервиса.

Методы исследования

Методологической базой исследования являются положения теории систем, математической логики и теории алгоритмов, численных методов, теории цифровой обработки сигналов, математической статистики и методы объектного программирования.

Научная новизна и положения, выносимые на защиту

Основными положениями, выносимыми на защиту и отвечающими требованиям научной новизны, являются:

1. Модифицированный авторегрессионный алгоритм оценки спектра многоканального сигнала.

2. Параллельные алгоритмы текущей оценки спектральной плотности мощности и цифровой фильтрации сигналов для двухпроцессорной вычислительной платформы.

3. Метод выделения периодических сигналов и экспресс-оценки доминирующих частот, основанный на вычислении количества нулей высоких порядков и графическом способе представления формируемых признаков.

4. Модифицированный алгоритм сжатия данных с множественными опорными отсчетами и компенсацией трендов; результаты анализа искажений спектра сигналов при использовании алгоритмов сжатия данных.

5. Метод автоматизированной калибровки входных каналов информационной системы с использованием комплексной демодуляции.

6. Рекомендации, направленные на повышение эффективности работы двухпроцессорных вычислительных платформ при реализации методов цифровой обработки сигналов.

Практическая значимость работы

Разработанные алгоритмы позволяют повысить эффективность цифровой обработки данных при выполнении исследовательских работ в гидрофизике, акустике и других смежных областях, где требуется производительная совместная обработка многоканальной информации.

Выявленные характеристики методов и алгоритмов цифрового спектрального анализа (точность, разрешающая способность, устойчивость, производительность) позволят производить обоснованный выбор алгоритмов и их параметров при реализации анализа данных на основе спектральных методов. Полученные результаты анализа искажений сигналов при использовании алгоритмов сжатия данных и рекомендации по применению этих

алгоритмов позволяют обосновать степень сжатия данных при накоплении оцифрованных измерительных сигналов на машитных дисках.

Разработанные пакеты программ (Vector, CS, WorkData) позволяют автоматизировать процедуры сбора и обработки многоканальной информации при проведении исследований в акустике, гидрофизике, пульмофонографии.

Результаты диссертационной работы использованы при проведении НИР «Царевна» (Научно-исследовательский физико-технический институт), «Набросок» и «Щуп» (Дальневосточный технологический центр), выполненных по спецтематике.

Результаты диссертационной работы внедрены в Тихоокеанском океанологическом институте ДВО РАН, Научно-исследовательском физико-техническом институте при Дальневосточном госуниверситете, Дальневосточном технологическом центре, Владивостокском государственном университете экономики и сервиса.

Достоверность

Достоверность полученных результатов обеспечена всесторонним тестированием разработанных алгоритмов и программ, модельными экспериментами и сравнением результатов с опубликованными тестовыми примерами алгоритмов цифровой обработки сигналов.

Апробация работы

Научные и практические результаты работы докладывались и обсуждались на:

• Международной конференции "Персональные компьютеры в проектировании и исследовании механизмов и агрегатов", С.Петербург, 1995

• Международной конференции "Новые компьютерные технологии в учебном процессе и научных исследованиях Москва, 1995

• Научно-технической конференции преподавателей и сотрудников ДВГТУ, Владивосток, 1995

• V Международной конференции "Региональная информатика-96", С. Петербург, 1996

• Международной конференции по Информатике и контролю, С. Петербург, 1997

Публикации

Основные результаты опубликованы в 10 печатных работах.

Структура и объем диссертации

• Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы из 82 наименований и 9 приложений. Общий объем диссертации составляет 169 . страниц, из них 22 страницы приложений. Работа содержит 56 рисунков.

СОДЕРЖАНИЕ РАБОТЫ

Во введении дана характеристика предметной области и содержания диссертационного исследования, рассмотрена актуальность темы, приведены положения, выносимые на .защиту.-;. ■ '■■■ •■■■>•

^ В первой главе приводится обзор состояния исследованйй'и аппаратно-программных реализаций методов цифровой обработки сигналов: Рассмотрены современные реализации ввода аналоговых данных в ПК; методов предварительной обработки сигналов, различные методы спектрального анализа, быстрые алгоритмы расчетов. Отмечено, что модули сбора данных, выполненные в виде плат расширения ПК имеют несомненное преимущество с точки зрения гибкости, расширяемости и многофункциональности по сравнению со специализированными приборами. При использовании таких плат реализация многоканального ввода данных в ПК сводится к разработке драйверов ввода данных в оперативную память и записи данных на жесткий диск компьютера. Отмечено, что продуктивным методом предварительной обработки данных является изучение свойств нулей временных последовательностей. Некоторые системы сбора и обработки данных, например, Нурегад-па1 имеют встроенные алгоритмы вычисления числа нулей. Однако, нет информации об устойчивости данных методов, не определены отношения сигнал/шум, при которых данный подход становится неэффективным, не исследованы разрешающая способность метода и возможность использования числа нулей для оперативного выделения гармонических компонент.

Приведена структура, вычислительного комплекса, объединяющего приемные датчики, аппаратуру сбора данных и цифровой обработки сигналов, ПК, а также средства программного обеспечения в единую информационно-измерительную систему.

Отмечено, что методы сжатия звуковых сигналов получают все большее распространение в информационных системах на базе ПК. Необходимо исследовать искажения, вносимые сжатием информации, поскольку в настоящее время пользователи руководствуются чаще всего интуицией при выборе метода и степени сжатия. Знание закономерностей, присущих сжатию данных, позволит выбирать метод и степень сжатия с учетом допустимых потерь. ,,.■ ;': 5 ■ ; '

Приведены сведения об ограничениях и недостатках классических методов спектрального анализа, которые особенно сильно проявляются на коротких записях данных. Некоторых недостатков и ограничений, присущих классическим методам, лишены параметрические методы спектрального анализа. Для улучшения достоверности, эффективности и качественных характеристик спектральных методов анализа, применяемых в научных исследованиях, необходимо исследовать устойчивость, точностные характеристики, . быстродействие алгоритмов спектрального анализа и разработать параллельные алгоритмы спектрального анализа для двухпроцессорной вычислительной платформы.

В настоящее время большое внимание уделяется вопросам повышения эффективности , методов цифрового спектрального анализа. Реализация таких методов в условиях, соответствующих реальному времени, достаточно сложная задача. Целесообразно исследовать возможности улучшения эффективности алгоритмов "параметрической оценки спектра при ; регистрации многоканальных сигналов.

Анализ показал, что требуют дополнительного исследования вопросы' построения многопроцессорных информационно-измерительных комплексов на базе современных персональных компьютеров и процессоров цифровой обработки сигналов, а также методы комплексного решения задач автоматизации сбора, обработки и хранения данных, визуализации результатов анализа на базе единой информационно-измерительной системы. Необходимо изучить возможность применения таких комплексов при решении задач реального времени.

Во второй главе обоснован выбор структуры ИИС, приведены требования, предъявляемые к системе; выполнен анализ алгоритмов сжатия данных; приведены результаты разработки драйверов ввода/вывода сигналов, алгоритмов предварительной обработки многоканальных сигналов.

Целевое назначение исследуемых в диссертационной работе методов и алгоритмов связано с регистрацией, обработкой и анализом многоканальных акустических данных. Большое значение при решении таких задач имеет обеспечение функциональной гибкости в части управления, выбора метода обработки и дружественный пользовательский интерфейс. С учетом назначения вычислительного комплекса и сформировавшегося в стране рынка персональных компьютеров (ПК), решено в качестве базового элемента принять ПК с процессором ¡80486 или Pentium и системной шиной стандарта ISA. К дополнительному оборудованию, обеспечивающему проведение исследований, следует отнести: блок подготовки аналоговых сигналов (усиление, полосовая фильтрация); интерфейсные средства ввода/вывода аналоговых сигналов (модули АЦП и ЦАП); модуль цифрового процес-

сора сигналов (ЦОС- процессор) ТМ8320СЗО. Под информационно-измерительной системой (ИИС) понимается вычислительный комплекс, включающий перечисленные выше модули ПК и программное обеспечение. Элементы системы связаны между собой на физическом и (или) логико^функциональном уровне. ИИС рассматривается как интерактивная система, т.к. управление, анализ данных и принятие решений требуют квалифицированных действий исследователя.''

Разработаны алгоритмы и программные драйверы, реализующие несколько режимов сбора информации: сбор данпьк с вводом оцифрованных сигналов в основную память компьютера, ввода данных с записью оцифрованных сигналов на жесткий диск, ввод данных с одновременным отображением характеристик оцифрованных сигналов и вычислением спектра (в данном режиме обработку производит ЦОС- процессор).

. Исследованы методы сжатия данных с потерями (компандерное сжатие и дельта-кодовая модуляция (ОСМ)). Найдено, что в результате упаковки методом БСМ сглаживаются флуктуации, обусловленные наличием помехи; динамический диапазон сигнала уменьшается, что приводит к уменыпетпо мощности полезной компоненты в спектре сигнала: возможна появление трендов на начальном участке записи упакованного сигнала. Этого эффекта можно избежать, если применить процедуру удаления тренда с использованием многочлена первого шш второго порядка. Эти особенности реализованы в разработанном модифицированном алгоритме ЭСМ, при этом для каждых 1024 отсчетов сигнала записывается опорный отсчет. Данный прием позволяет значительно сократить время распаковки.

Выполнен анализ влияния коэффициента сжатия сигнала на его спектр. Сжатие гармонического сигнала с потерями приводит к появлению боковых гармоник. Определены условия, при которых появляются боковые гармоники. Даны рекомендации по применению методов сжатия. Анализ показал, что применение метода БСМ является обоснованным при упаковке сигнала в 8 и даже в 6 бит. Однако, вносимые искажения и значительное уменьшение амплитуды выходного сигнала при упаковке менее, чем в б бит, не позволяют использовать этот метод для кодирова!шя сигналов с большим коэффициентом сжатия. К достоинствам компандерного метода сжатия следует отнести: сохранение в спектре уровня основной компоненты; отсутствие низкочастотных трендов; отсутствие боковых гармоник при небольшой степени сжатия; меньшие потери при сжатии высокочастотных сигналов по сравнению с методом ОСМ.

Недостатком компандерного метода является повышение уровня боковых гармоник относительно основной при увеличении степени сжатия и наличие искажений сигнала при

любой степени сжатия, т.е. невозможность реализации сжатия без потерь. В ситуации, когда интерес исследователей сосредоточен в области нижних частот {верхняя частота анализа в четыре раза меньше частоты дискретизации) можно применять компрессию данных. Компрессия данных может использоваться и в случае, если динамический диапазон сигнала не слишком велик.

В случае, когда интерес представляют вся область частот или верхние частоты, предпочтителен компандерный метод сжатия данных. Если'динамический диапазон сигнала велик, то при применении метода ОСМвозникают низкочастотные тренды, а при компан-дерном методе повышается уровень шума во всей полосе частот.

Приведены результаты анализа сигналов с помощью алгоритмов подсчета пересечений нулевого уровня. Отмечено; что для многокомпонентных сигналов, содержащих несколько гармоник, или при регистрации сигналов в условиях воздействия помех, целесообразно применять цифровую фильтрацию, которая позволяет выделить периодические компоненты сигнала и оценить доминирующую частоту в разных частотных полосах. В качестве фильтров верхних и нижних частот можно использовать соответственно конечно-разностные операторы и операторы повторного суммирования. Для получения более гибких и точных результатов при оценке Свойств сигнала следует последовательно применять к сигналу процедуры фильтрации нижних и верхних частот и подсчитывать число нулей.

Разработан алгоритм выделения участков с периодическим сигналом на основе последовательного применения процедур повторного суммирования/разности и оценки нулей высокого порядка. Анализ результатов показывает, что предложенный подход позволяет операгтивно производить экспресс-оценку доминирующих частот гармонических компонент в двухкомпонентном сигнале даже при малых отношениях сигнал/шум. При больших значениях отношения сигнал/шум изменение порядков фильтров не оказывает существенного влияния на результат оценки доминирующих частот.

Реализовано несколько способов отображения на мониторе результатов оценки нулей высокого порядка для трех диапазонов частот (низкие, средние, высокие частоты): формирование горизонтальных цветных полос - каждому значению нулей высокого порядка ставится в соответствие определенный цвет (большему значению частоты соответствует более яркий цвет, постоянство состава цветовой палитры является признаком наличия в сигнале периодической компоненты); формирование последовательности секторов, образующих полукруг, у которого величина радиуса сектора соответствует значениям нулей высокого порядка (формирование правильного полукруга является признаком наличия в

сигнале периодической компоненты); формирование гистограммы, основанной на подсчете количества нулей, попавших в определенный интервал частот (присутствие в гистограмме ярко выраженного максимума является признаком наличия в сигнале периодической компоненты).

Приводятся результаты ■ экспериментов для сигналов, содержащих гармонические компоненты и широкополосный шум, отношение сигнал/шум по амплитуде составляло 20, 10, 0, -5, -15, -20 дБ. Анализ результатов показывает, что разделить две периодические компоненты можно, начиная с равных амплитуд сигнала и шума й при условии, что данные гармоники достаточно далеко разнесены друг от друга. При малых отношениях сигнал/шум (меньше -5, Дб) можно выделить только одну гармонику. Применение одновременно двух фильтров (НЧ и ВЧ) высокого порядка не дает хороших результатов для разделения сигналов.

Для правильной интерпретации результатов обработки необходимо выполнять корректировку с учетом характеристик приемных датчиков и входных электрических цепей приемной части ИИС. Процедуру определения характеристик датчиков или входных цепей принято называть калибровкой системы. С учетом назначения ИИС задачей калибровки является автоматизированное определение комплексных коэффициентов передачи сквозных каналов приемной части ИИС или отдельных цепей приемной части в заданной полосе частот.

Разработан метод калибровки входных каналов приемной части ИИС на основе использования ресурсов модуля вода/вывода и формирования временной модели сигнала с линейной частотной модуляцией (ЛЧМ) вида

/ь+А-п/ЛГ"

х„(п) = Асоц2яп-

где /ь - начальная частота полосы анализа; частота дискретизации; Д = /2-/ь -девиация частоты; А - амплитуда сигнала; п = -1 - текущий номер отсчета сигна-

ла; N - количество отсчетов в реализации. Параметры /ь и согласованы с частотными

параметрами режима сбора данных. Сформированная модель цифрового калибровочного

)

сигнала х0(п) преобразуется в аналоговую форму и одновременно подается на вход объектов калибровки(измерительные сигналы) и на вход поверенного канала (калиброванный сигнал) или непосредственно на вход устройства выборки и хранения модуля ввода/вывода, если определяется коэффициент передачи сквозного капала. На втором этапе формируются вспомогательные сигнальные массивы в соответствии с методом комплексной демодуляции

r(n) = xwO)w(n)exp(-ja>), s,(m)(n) = x,(")(/M'Oexp(-»,

где xm(n) - сигнал в калиброванном канале с коэффициентом передачи кь\ xf"\n) -сигнал в j -ом измерительном канале; w(n) = 0.54 - 0.46cos(2otj /512) - весовое окно Хэм-минга; со = 2mdfb I fd\l = nd + jd-S\2',d = int[ fd / 2Л]; j = 0, J -1 - переменная цикла по подвыборкам длиной 512 отсчетов при оценке спектров; J = int[JV /d-512]; int[] - операция взятия целой части. Для сигнальных массивов г(п) и ¿jm) (и) выполняется 512-точечное быстрое преобразование Фурье (БПФ) и рассчитываются коэффициенты передачи калибруемых каналов в зависимости от условий калибровки (шум на выходе объекта калибровки или шум на входе объекта калибровки). Полученные коэффициенты передачи записываются в служебные файлы с целью дальнейшего использования при корректировке результатов обработки.

Третий раздел посвящен исследованию методов и алгоритмов цифрового спектрального анализа. Разработан быстрый авторегрессионный алгоритм многоканальной спектральной оценки. Проведен анализ методов на устойчивость (используется статистический критерий на основе оценки амплитудных и фазовых флуктуаций спектра) и разрешающую способность, а также выполнена, .оценка производительности различных методов. Приведены примеры использования разработанных алгоритмов при исследовании экспериментальных гидроакустических сигналов, регистрируемых антенной решеткой, и акустических сигналов в пульмофонографии.

Разработан быстрый алгоритм решения многоканальных нормальных уравнений вида

ä,R,=(p;o...o) - b„R,=(o...op;), (1)

где элементы многоканальной корреляционной матрицы определяются как

п

= Z*(«-<V'(«-./)-'J = о ,...,Р. (2)

л=р+|

р - порядок модели, N - длина реализации, х(я) - т- канальный случайный процесс, ар и Ьр - блочные вектор-строки авторегрессионных коэффициентов вперед и назад соответственно.

Авторегрессионные коэффициенты линейного предсказания вперед ар и назад Ър, а также матрицы ошибок линейного предсказания вперед и назад Р^ определяются через две рекурсии: по индексу порядка и по времени. Для рекурсий по индексу времени используется разложения корреляционной матрицы (2) по временному индексу, а для рекурсии по индексу порядка ,

г" Я

~Р И

Для обеспечения рекурсии по индексу времени вводятся вспомогательные блочные вектор-строки ср, я скаляры у и &

, На /'-ом шаге алгоритма выполняются следующие действия. 1. Обновляются по индексу порядка матрицы коэффициентов линейного предсказания вперед и назад, а также матрицы квадратов ошибок линейного предсказания

где Ар =а^_,г(,1 гр определяется из разложения корреляционной матрицы Г^ (3). Авторегрессионные коэффициенты предсказания вперед а^., и матрица ошибок предсказания вперед Р^ являются решением нормального уравнения вида (1) с корреляционной матрицей > определенной в (3). Коэффициенты предсказания назад и матрица ошибок предсказания назад являются решениями уравнения вида (1) с корреляционной матрицей из О).

2. Обновляются по временному индексу вспомогательные векторы с и с1, а затем скаляры у и д.

3. Обновленные по временному индексу векторы с и й, а также скаляры /и 8используются в рекурсии обновления по времени матриц коэффициентов линейного предсказания вперед и назад, а затем вычисляются обновленные по времени матрицы ошибок линейного предсказания

°р- 1 ' р-1

оценки взаимного спектра и авторегрессионного метода Нагголла проводился с использованием гармонических и импульсных сигналов, ЛЧМ сигнала, и белого шума.

Из анализа спектральной плотности мощности (СПМ) различными методами установлено, что применение авторегрессионных методов вполне, допустимо и для широкополое-

а, = (^-,о)+А,0>)(ок,,ч) р; =р;_/, -дДрГ,]"'

р

4. Обновляются по индексу порядка векторы с и <1, а также скаляры у к 6 . Анализ разработанного алгоритма, а также классического периодограммного метода

ных сигналов. При недостаточном порядке модели в полосе широкополосного сигнала имеются значительные флуктуации, рис. 1. Увеличение порядка модели ведет к уменьшению величины флукхуаций и увеличению их числа. Экспериментально определено, что число флуктуации в широкополосных сигналах определяется отношением ширины полосы сигнала к частоте дискретизации. Увеличение порядка модели на 10 приводит к увеличению числа флукхуаций на 10Д/ / fd, где Д/- ширина полосы сигнала, а частота дискретизации. При больших значениях порядка модели начинают появляться ложные пики на граничных частотах широкополосного сигнала.

Параметрические методы оценки взаимного спектра требуют в 20-30 раз больше времени по сравнению с аналогичными методами оценки автоспектра. Это объясняется значительно большим числом математических операций (умножение и обращение матриц). Сймым эффективным по времени методом при вычислении взаимного спектра и функции когерентности является периодограммный метод. Разработанный алгоритм многоканальной оценки взаимного спектра приблизительно в 2-3 раза медленнее периодограммного метода. Параметрический метод Натголла в 50-200 раз медленнее классического и в 25-30 раз (в зависимости от порядка модели) медленнее разработанного рекурсивного алгоритма. ' ' - .

О.ООе+ООО частота,Гц 4.99е+002 -

РйсЛ. Результаты оценки СПМ , модифицированным ковариационным методом, порядок модели 100

Приведены результаты апробирования разработанных алгоритмов при решении задач анализа гидроакустических сигналов с выхода антенной решетш и акустических сигналов, регистрируемых в ходе проведения медицинских экспериментов в пульмофоногра-фии. Подтверждена эффективность применения разработанных алгоритмов и пакетов прикладных программ. Применение разработанных алгоритмов и программ для анализг гидроакустических сигналов показало, что авторегрессионные алгоритмы позволяют выделять информационные компоненты сигнала по фазовой характеристике взаимного спек

14

тра. Определяя функцию когерентности авторегрессионными методами, можно уверенно идентифицировать когерентные межканальные компоненты сложных сигналов. С помощью авторегрессионных алгоритмов многоканальной обработки акустических сигналов в пульмофонографии получены признаки, отличающие здоровых пациентов от больных (имеющих патологии в дыхательной системе). Определены частотные диапазоны сигналов, в которых для здоровых людей должны появляться пики СИМ. Для женщин это 220280 Гц и 480-520 Гц, для мужчин - 120-150 Гц, 220-280 Гц и 480-520 Гц. Экспериментально показано, что у большинства больных пневмонией и бронхитом имеются те или иные отклонения рт этих диапазонов.

В четвертом разделе исследованы возможности построения двухпроцессорной ИИС на базе ПК. Разработаны параллельные алгоритмы цифровой обработки сигналов для спектрального анализа, текущей оценки спектра и фильтрации данных на базе двухпроцессорной платформы. Описаны результаты тестирования разработанных алгоритмов.

Для реализации многозадачного режима и параллельного выполнения процедур обработки и представления данных предложено использовать механизм обмена сообщениями, которые контролируют текущее состояние работы центрального процессора ПК (CPU) и ЦОС- процессора. Библиотеки системных функций ЦОС- процессоров TMS320Cxx позволяют генерировать и обрабатывать прерывания от одного процессора другому. Библиотека для основного процессора предназначена для управления модулем ЦОС со стороны CPU из программы пользователя, написанной на языке Си. Была произведена ее модификация для Zortech DOS, 32-разрядной DOSX, для Symantec С++ и Visual С++ под MS Windows. -

Алгоритм текущей оценки спектра позволяет одновременно вводить данные в оперативную память, вычислять спектральные характеристики и отображать результаты. Обработку данных осуществляет ЦОС- процессор TMS320C30. Центральный процессор управляет вводом данных в ПК (инициализирует каналы ПДП, запускает плату ввода-вывода), пересылает данные на ЦОС- процессор и отображает результаты.

Разработанные параллельные алгоритмы спектральной оценки и фильтрации для двухпроцессорной платформы позволяют значительно повысить производительность ИИС. Приведены результаты тестирования БПФ, алгоритмов спектральной оценки и фильтрации, из которых следует, что использование процессора ЦОС позволяет реализовать обработку данных в масштабе реального времени. На рис. 2 приведена блок-схема разработанного параллельного алгоритма текущей оценки спектра на базе двухпроцессорной вычислительной системы.

В таблице приведено время выполнения программы, рассчитывающей СПМ и отображающей результаты на экране.

Время вычисления СПМ

i80386 (40) i80386 (40)+TMS ¡80486(50) i80486 (50)+Т№

25.83 сек 17.88 сек 14.17 сек 13.2? сек

Видно, что время вычисления спектра на ¡80486 и на паре ¡80486 (50)+TMS не сильно отличается. Это обстоятельство объясняется тем, что производительность ¡80486 близка к производительностью TMS320C30, поэтому для обеспечения параллельной работы процессов вычисление частичной периодограммы должно совпадать со временем ввода данных и выводом результата (иначе CPTJ находится в состоянии ожидания).

Рис. 2. Блок-схема параллельного алгоритма ввода и текущей оценки спектра

(канал ПДП к и ЦЦП п соответствуют ПДП 5 и 6 поочередно)

Тестирование параллельного алгоритма фильтрации сигнала (блок-схемы на рис. 3,4.) для двухпроцессорной платформы показало, что выполнение фильтрации с использованием ЦОС- процессора требует в 2 раза меньше времени если не учитывать временные затраты на отображение результатов фильтрации. "

Рис. 3. Алгоритм фильтрации (процедура выполняется на ЦОС-процессоре)

Рис.4. Алгоритм фильтрации (процедура выполняется на СРЦ) 17

Время выполнения фильтрации сигнала, 100 Котсчетов

/80486 (50) ¡80486(100) i80486(50)+TMS ¡80486(100)+TMS

Без отображения 12.4 сек 4.9 сек 6.3 сек 4 Л сек

С отображением 32.5 сек 10 сек 25 сек .6.2 сек

Программа фильтрации на паре процессоров ¡80486 (100) и ТМ8320С30 может бьггь организована параллельно с большим перекрытием процессов. Эффективность фильтрации на паре процессоров ¡80486(100) и ТМ8320С30 существенно выше, поскольку удается согласовать время выполнения процедур обработки данных и отображения результатов.

Расчет производительности двухпроцессорной системы был сделан путем оценки полного времени, затраченного на преобразование и обработку выборки из 1024 отсчетов. В сводном перечне основных временных интервалов, называемых временным бюджетом обработки, приведено время, необходимое ИИС для выполнения основных процедур сбора и обработки сигналов. В таблице приведен пример расчета временного бюджета цифровой обработки выборки, содержащей 1024 отсчетов.

Временной бюджет обработки 1024 отсчетов сигнала

486(50) 486(100) Pentium (166) TMS320C30

Ввод данных (CPU)

Время захвата и установления УВХ 1 мс 1 мс 1 мс

Время преобразования АЦП 2.5 мс 2.'5 мс 2.5 мс

Задержка, связанная с исполнением команды ввода данных в ПК 2.5 мс 2 мс 2мс

Отображение, чтение/запись (CPU)

Время графического отображения результатов 80 мс 52 мс 30 мс

Время выполнения дисковых процедур чтения/записи 2.5 мс 1.2 мс 0.3 мс

Время пересылки данных между CPU и ЦОС-процессором 2.4 мс 2.3 мс 2.2 мс

Обработка (CPU или ЦОС)

Время преобразования форматов 4мс 2. мс 0.6 мс 3 мс

Вычисление БПФ 22 мс 14 мс 8 мс бмс

Умножение 12 мс 6 мс 2мс 1 мс

Таким образом, чтобы оценить полосу частот обрабатываемых сигналов, при которой ввод и обработка данных блоками по 1024 отсчетов осуществляется без потерь (режим реального времени), необходимо просуммировать время, затраченное на выполнение процедур в отдельных блоках (ввод, отображение, обработка). Учитывается, что процедуры БПФ, умножения и преобразования форматов могут выполняться процессором TMS320C30 параллельно с отображением и вводом данных, т.е. для определения максимальной частоты дискретизации выбирается максимальный бюджет одного из блоков. Так, дои алгоритма текущей оценки спектра (рис.2), реализованного на двухпроцессорной платформе, полоса частот сигнала составляет: 6 кГц для i80486 (50)+TMS320C30, 9 Кгц для i80486(100)+TMS320C30, 15 кГц для.Pentium (166)+TMS320C30. При оценке полосы сигнала для однопроцессорной платформы, необходимо суммировать бюджет блоков «Отображение» и «Обработка». Для однопроцессорной системы полоса частот алгоритма текущей оценки спектра составит: 3 Кгц для i80486 (50), 5 Кгц для ¡80486(100), 11 Кгц для Pentium (166).

В рекомендациях, направленных на повышение производительности работы двухпроцессорной вычислительной платформы отмечено:

• Ключевым условием обеспечения параллельности работы процессоров при разработке алгоритмов цифровой обработки сигналов является использование механизма обмена сообщениями. Дальнейшее повышение производительности может быть достигнуто при реализации очереди сообщений.

• При проектировании двухпроцессорной системы следует анализировать степень перекрытия по времени параллельных процедур и загруженность каждого процессора. Чтобы обеспечить максимальную загрузку, необходимо учитывать специфику, решаемой задачи. Для этого следует выделить те модули, которые выполняются на основном процессоре, например, отображение результатов обработки, те, которые выполняются на ЦОС-процессоре, например, БПФ, и те, которые могут выполняться на любом процессоре, например, преобразование форматов или накопление результатов, и направлять их на менее загруженный процессор.

• Задача согласования тактовых частот основного процессора и ЦОС-процессора является одной из важнейших для повышения производительности параллельных алгоритмов обработки сигналов.

• Определение полосы частот сигналов, обрабатываемых в реальном времени, может быть осуществлено с помощью оценки временного бюджета обработки.

Для конкретной вычислительной системы полоса частот регистрируемых сигналов может быть определена следующим образом. Сформированная вычислительная модель JWM сигнала с нулевой начальной частотой и девиацией частоты, составляющей половину частоты дискретизации, подается через ЦАП на АЦП модуля сбора данных ИИС. Оцифрованный сигнал обрабатывается с помощью выбранного алгоритма, например, фильтруется с одновременным отображением. Спектр обработанного JI4M сигнала будет иметь провалы на частотах, однозначно связанных с временными интервалами,'в течении -которых оцифровка данных не производилась, т.е. это временной интервал потерянных отсчетов сигнала. Если спектр введенного ЛЧМ-сигнала имеет прямоугольную форму в диапазоне частот девиации, то это свидетельствует о том, что в данной полосе! частот обеспечивается обработка сигнала в режиме реального времени. Используя предложенный способ можно автоматически определять полосу частот сигналов для удовлетворения требованиям работы ИИС в режиме реального времени/

В приложении приведены тексты разработанных программ и акты внедрения результатов диссертационной работы.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Исследована архитектура, алгоритмические и программные решения для построения двухпроцессорных многоканальных ИИС реального времени.

2. Разработан быстрый модифицированный авторегрессионный алгоритм многоканальной оценки спектра. Выполнен анализ алгоритма на устойчивость, разрешающую способность и временную эффективность. Анализ показал, что разработанный алгоритм как минимум в 20 раз быстрее авторегрессионного алгоритма Натголла.

3. Разработаны параллельные алгоритмы текущей оценки спектра и цифровой фильт-ращш для двухпроцессорной системы. Для реализации многозадачного режима, параллельного выполнения процедур обработки и представления данных предложено использовать механизм обмена сообщениями, который контролирует текущее состояние работы CPU и ЦОС-процессора.

4. Разработаны алгоритмы, позволяющие вводить данные многоканальных измерений в оперативную память компьютера и на жесткий диск с текущим отображением параметров сигналов на экране монитора.

5. Разработан метод оперативного (в процессе сбора данных) выделения слабых периодические компонент из смеси сигнала и шума, при этом для формализации характеристик сигнала используется цветовая интерпретация частотно-временного представления сигнала.

6. Исследованы алгоритмы сжатия данных с потерями. Предложена модификация алгоритма дельта-кодовой модуляции, состоящая в использовании опорных точек, что значительно улучшает временную эффективность распаковки сжатой информации. Предложено использовать процедуру удаления трендов, появляющихся в данных в результате потери при сжатии. Проведен спектральный анализ характера вносимых методами сжатия искажений. Определено, что в сигналах, состоящих из смеси гармоник, сжатие приводит к появлению боковые гармоник. Определены частоты, на которых они появляются. Даны рекомендации по применению методов сжатия акустических сигналов.

7. Разработан алгоритм автоматизированной калибровки в заданной полосе частот входных каналов приемной части информационно-измерительной системы гидрофизического назначения. 1 ■

8. Показано, что оценка нулей высоких порядков временной реализации позволяет выделять периодические сигналы и проводить экспресс-оценку доминирующих частот. Эксперименты проводились для сигналов, содержащих гармонические компоненты и широкополосный шум при отношение сигнал/шум по амплитуде 20, 10, 0, -5, -15, -20 дБ. Показано, что можно оперативно оценивать доминирующие частоты гармонических компонент в двухкомпонентном сигнале при малых отношениях сигнал/шум.

9. Описана структура программ, отвечающих требованиям параллельного использования вычислительных ресурсов CPU и ЦОС-процессора при выполнении процедур обработки и представления данных. В структуре определены те программные модули, которые будут выполняться только на одном процессоре, например, БПФ на процессоре ЦОС, вывод на экран на CPU и т.д. Выделены программные модули, которые могли бы выполняться на обоих процессорах, например, преобразование форматов, накопление результатов, активизация которых происходит на менее загруженном процессоре (в зависимости от характеристик конкретной ИИС и решаемой задачи). . . _.

10. Выполнено апробирование разработанных алгоритмов при решении задач анализа гидроакустических сигналов с выхода антенной решетки, эхосигналов, регистрируемых комбинированным приемником, и акустических сигналов, регистрируемых в ходе проведения медицинских экспериментов в пульмофонографил.. Подтверждена эффективность применения разработанных алгоритмов и пакетов прикладных программ. С помощью разработанного авторегрессиониогб алгоритма многоканальной оценки получены признаки, отличающие здоровых пациентов от больных, имеющих отклонения дыхательной системы. Определены частотные диапазоны, в которых у здоровых людей должны появляться пики СПМ. Для женщин это 220-280 Гц и 480-520 Гц» для мужчин ,- 120-150 Гц, 220-280

Гц и 480-520 Гц. Экспериментально показано, что у большинства больных пневмонией и бронхитом имеются те. или иные отклонения от этих диапазонов.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

[1] Kryukov V.V., Hazanov A.A.,. Shirobokova C.J. Soft-hardware complex for research characteristics of acoustics fields. Proceeding of Internationa Conference "Technics for Ocean Research".-Vladivostok, 1993.

[2] Крюков B.B., Широбокова К.И.. Аппаратно-программный комплекс для оценки коэффициентов передачи. Сборник докладов XXXVII Всероссийской межвуз. Научо-техняч. Конференции,- Владивосток: Изд-во ТОВВМУ, 1994.

[3] Крюков В.В., Широбокова К.И. Экспериментальная оценка передаточных функций с помощью специализированных интерфейсных модулей. Сборник материалов научно-технической конференции "Современные технологии и предпринимательство".- Владивосток: Изд-во ДВТИ, 1994.

[4] Крюков В.В., Широбокова К.И. Разработка авторских систем для анализа аналоговых сигналов. Материалы Междунар. конфер. "Новые компьют. технологии в учебном процессе и научных исследов.".-Москва: Изд-во МАДИ, 1995.

[5] , Крюков В.В., Широбокова К.И. Быстрый метод обнаружения регулярных сигналов. Тезисы докладов XXXV Научно-технической конференции/Часть2.-Владивосток: Изд-во ДВГТУ, 1995.

[6] Крюков В.В., Широбокова К.И. Использование персонального компьютера для изучения сигналов физического эксперимента. Сборник трудов Международной конф. "Персональные компьютеры в проектировании и исследовании механизмов и агрсгатов",-СЛетербург: Изд-во БГТУ, 1996

[7] Крюков В.В., Широбокова К.И. Применение методов сжатия данных при компьютерной обработке измерительных сигналов . Сборник докладов XXXIX Всерос. Межвуз. научно-технической конференции/Том 2.-Владивосток: Изд-во ТОВВМУ, 1996.

[8] Крюков В.В., Широбокова К.И. Предварительный анализ экспериментальны данных по пересечениям нуля. Тезисы докладов V Международной конференции "Региональная информатика-96".-С.Петербург: Изд-во СПОИСУ, 1996.

[9] Крюков В.В., Широбокова К.И. Выделение регулярных составляющих при анализе экспериментальных данных. Сборник докладов XXXIX Всерос. Межвуз. научно-технической конференции/Том 2.-Владивосток: Изд-во ТОВВМУ, 1996.