Регистрация / Вход
Прислать материал

Новый метод распознавания почти периодических дискретных сигналов в условиях неполноты измерений и наличия возмущений

Сведения об участнике
ФИО
Череповская Елена Николаевна
Вуз
Федеральное государственное автономное образовательное учреждение высшего профессионального образования "Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики"
Тезисы (информация о проекте)
Область наук
Информационные технологии и вычислительные системы
Раздел области наук
Информационные технологии
Тема
Новый метод распознавания почти периодических дискретных сигналов в условиях неполноты измерений и наличия возмущений
Резюме
Работа посвящена разработке нового метода распознавания почти периодических дискретных сигналов, полученных с использованием низкочастотных приборов. В работе объясняется актуальность выбранной темы, приводится описание разработанного метода, его ключевых особенностей и преимуществ. Определяются характеристики сигналов, используемые в целях распознавания, освещается способ их дальнейшего анализа. Проект включает описание текущих достигнутых результатов и областей применения метода в реальных системах.
Ключевые слова
дискретные сигналы, обработка сигналов, распознавание сигналов
Цели и задачи
Цель проекта:
Разработка нового метода распознавания почти периодических дискретных сигналов для его применения при анализе сигналов, зарегистрированных в условиях неполноты измерений и наличия возмущений, при использовании низкочастотных приборов.

Были поставлены следующие задачи исследования:
1) Выявить универсальные для большинства типов сигналов характеристики, позволяющие точно его распознать в описанных условиях регистрации данных.
2) Разработать универсальный метод определения типа сигнала с учетом выявленных характеристик.
3) Проверить универсальность метода на сигналах различного вида.
Введение

Благодаря стремительному развитию технологий существенно возрос интерес к методам обработки и анализа сигналов. Большинство приборов для регистрации сигналов нацелены на обработку первичного непрерывного сигнала и преобразование его в дискретный с целью уменьшения вычислительных затрат. Основной характеристикой приборов является частота дискретизации, напрямую отражающая степень сохранности исходных данных для последующей обработки. Однако, увеличение частоты дискретизации требует сложной внутренней программно-аппаратной структуры прибора, а, соответственно, и увеличения его стоимости. Следовательно, возникает вопрос о создании новых методов обработки сигналов, которые могут быть применимы в условиях неполноты измерений.

Методы и материалы

Разработанный метод основан на анализе почти периодических дискретных сигналов. В качестве основной концепции метода был выбран анализ повторяющихся фрагментов и их характеристик. Главными особенностями метода являются алгоритм расчета характеристик шаблонов и алгоритм классификации сигналов. Расчет характеристик осуществляется на основе полученных дискретных измерений с использованием аппроксимации исходной функции, описывающей рассматриваемый фрагмент рядом Тейлора, коэффициенты которого рассчитываются с помощью конечных разностей. Таким образом, для каждого из фрагментов будет получено конечное число коэффициентов, напрямую зависящее от частоты дискретизации исходного сигнала. Для осуществления распознавания сигналов, метод предполагает наличие некоторой базы сигналов, хранящихся в виде классов, где каждый класс может содержать несколько записей сигналов и их рассчитанных характеристик. Алгоритм распознавания базируется на расчете дистанций между записями по каждой характеристике, после вычисления которых может быть рассчитана дистанция между самими записями. Особенностью расчета дистанций является формула, основанная на вероятностях соответствия распределений характеристик, вычисленных с помощью теста Колмогорова-Смирнова. Таким образом, вычисляются расстояния между парами записей с учетом их принадлежности к классу. Итоговым результатом работы алгоритма является класс, оказавшийся на минимальном расстоянии от рассматриваемого сигнала.

Описание и обсуждение результатов

Разработанный метод был апробирован на двух различных типах сигналов: данные траектории взгляда и сигналы электрокардиограмм человека. 

Данные траектории взгляда человека первоначально представляют собой непрерывный сигнал, получаемый с помощью специальных приборов регистрации взгляда – айтрекеров. Было проведено исследование возможности распознавания сигналов траектории взгляда с использованием низкочастотного айтрекера, обладающего частотой дискретизации данных 30 Гц. Полученные результаты оказались сравнимы с результатами исследований зарубежных авторов, проведенных с применением высокочастотных приборов. Ошибка распознавания сигналов составила 14.28%.

Вторым этапом была апробация метода для анализа сигналов электрокардиограмм. Для анализа также использовались низкочастотные сигналы с частотой дискретизации 30 Гц, полученные путем выбора каждого четвертого измерения из исходного сигнала, полученного с помощью прибора с частотой дискретизации 125 Гц. Итоговые результаты распознавания электрокардиограмм также оказались положительными с ошибкой, равной 0.6%.

Таким образом, в ходе выполнения работы был разработан новый метод распознавания почти периодических дискретных сигналов в условиях неполноты измерений и наличия возмущений, обусловленных использованием низкочастотных приборов регистрации сигналов. Основными особенностями метода являются: 1) выделение шаблонов исходного дискретного сигнала для последующего расчета необходимых характеристик с помощью коэффициентов ряда Тейлора, описывающего фрагмент, 2) проверка соответствия распределений рассчитанных характеристик одному закону распределения с помощью применения теста Колмогорова-Смирнова для каждой из пар сигналов, 3) результат распознавания сигналов, строящийся по рассчитанным значениям дистанций между записями, вычисление которых базируется на значениях ранее рассчитанных вероятностей теста Колмогорова-Смирнова.

Разработанный метод является универсальным, что было проверено на двух различных типах сигналов: данных траектории взгляда и электрокардиограммах, где в обоих случаях при использовании низкой частоты дискретизации были получены положительные результаты. После проведения дополнительного анализа оптимального формата хранения данных в базе, метод может быть внедрен в информационные системы и использоваться, в частности, в целях биометрической идентификации пользователей.

Используемые источники
1) L. Biel, O. Pettersson, L. Philipson, P. Wide. ECG analysis: a new approach in human identification
2) L. Lisitsyna, A. Lyamin, A. Skshidlevsky. Estimation of Student Functional State in Learning Management System by Heart Rate Variability Method
3) D. Vitonis, D. W. Hansen. Person Identification using Eye Movements and Post Saccadic Oscillations
4) Y. Zhang, J. Rasku, M. Juhola. Biometric verification of subjects using saccade eye movements
5) F. Deravi, S. P. Guness. Gaze Trajectory as a Biometric Modality
6) Лямин А.В., Череповская Е.Н. Экспериментальные исследования биометрической идентификации пользователей на основе данных айтрекера Tobii X2-30
7) Lyamin A.V., Cherepovskaya E.N. Biometric Student Identification Using Low-frequency Eye Tracker
...
10) J. Pan, W. J. Tompkins. A Real-Time QRS Detection Algorithm
Information about the project
Surname Name
Cherepovskaya Elena
Project title
A new method of almost periodic discrete-time signals recognition in conditions of incomplete measurements and presence of perturbations
Summary of the project
The work is related to developing a new method of almost periodic discrete-time signals' recognition using low-frequency devices. Nowadays signals' recognition is becoming a topic of great interest as lots of devices with different sample rates have come into being due to the fast development of information technologies. Project explains the relevance of the topic, describes all the details and advantages of the developed recognition method. The extracted signal's features that are used for the recognition purpose, as well as method for their further processing are described. In the last sections a description of currently obtained results for different signals is provided, and application areas in real systems of the method are stated.
Keywords
discrete-time signals, signal processing, signal recognition