RU2485586C1 - Method of identifying signals - Google Patents
Method of identifying signals Download PDFInfo
- Publication number
- RU2485586C1 RU2485586C1 RU2012116020/08A RU2012116020A RU2485586C1 RU 2485586 C1 RU2485586 C1 RU 2485586C1 RU 2012116020/08 A RU2012116020/08 A RU 2012116020/08A RU 2012116020 A RU2012116020 A RU 2012116020A RU 2485586 C1 RU2485586 C1 RU 2485586C1
- Authority
- RU
- Russia
- Prior art keywords
- chain
- segment
- signals
- signal
- value
- Prior art date
Links
Images
Landscapes
- Error Detection And Correction (AREA)
Abstract
Description
Изобретение относится к технической кибернетике, представляет собой способ, который может быть использован для идентификации сигналов при решении задач определения состояний наблюдаемых объектов при их диагностировании или мониторинге динамических процессов. Функционально способ предназначен для сокращения вычислительных операций при процедуре сравнения анализируемого сигнала с эталонными сигналами каждого класса состояний, а также снижения объемов памяти для хранения эталонных сигналов.The invention relates to technical cybernetics, is a method that can be used to identify signals in solving problems of determining the states of observed objects during their diagnosis or monitoring of dynamic processes. Functionally, the method is intended to reduce computational operations during the procedure of comparing the analyzed signal with the reference signals of each class of states, as well as to reduce the amount of memory for storing the reference signals.
Известен способ анализа сигнала о состоянии объекта (Киселев Н.В., Сечкин В.А. Техническая диагностика методами нелинейного преобразования. - Л., Энергия, 1980, 109 с.), включающий формирование с последующей коррекцией распознающих эталонов на основе обучающих сигналов, сравнение распознающих эталонов с анализируемым сигналом с получением набора оценок о принадлежности реального состояния объекта каждому из множества возможных состояний объекта, сравнение полученных оценок между собой и с заданным порогом распознавания, в результате которого формируется решение о предполагаемом состоянии объекта. Недостатком данного способа является невозможность оценить достоверность процесса обучения и распознавания, что является критическим в условиях шумов, приводящих к слабой различимости сигналов, относящихся к разным состояниям объекта.A known method of analyzing a signal about the state of an object (Kiselev N.V., Sechkin V.A. Technical diagnostics by nonlinear conversion methods. - L., Energy, 1980, 109 pp.), Which includes the formation with subsequent correction of recognition standards based on training signals, comparing recognition standards with the analyzed signal to obtain a set of estimates about the belonging of the real state of the object to each of the many possible states of the object, comparing the obtained estimates with each other and with a given recognition threshold, as a result of which formed on a decision on the alleged state of the object. The disadvantage of this method is the inability to assess the reliability of the learning process and recognition, which is critical in the conditions of noise, leading to poor distinguishability of signals related to different conditions of the object.
Выявленный недостаток устраняет способ анализа сигналов о состоянии объекта (Патент РФ №2090928, кл. G06K 9/00, G06K 9/62, G06K 9/66. Способ анализа сигналов о состоянии объекта), позволяющий распознавать состояние объекта путем введения механизма измерения достоверности сигналов и эталонов через сравнение сигналов с эталонами по нормированной шкале. Данный способ имеет ограничения в его применении по двум существенным аспектам. Первый аспект ограничения выражается в возможности анализировать только оцифрованные сигналы и невозможности анализировать сигналы, представленные не только в оцифрованном виде, но и (или) в виде двухградационного изображения на неквантованной плоскости. Второй аспект ограничения заключается в необходимости априорного знания конечного количества классов состояний объекта, что ограничивает сферу его применения в случаях, когда это количество неизвестно или множество сигнальных последовательностей изначально не полно. Дополнительный недостаток способа выражается в отсутствии механизма предварительного объективного разделения сигналов по классам состояний, учитывающих изменение формы сигналов во времени, в свою очередь, допускает возможность определения ложного класса или необъективного объединения множества сигналов в ложные классы состояний объекта, что снижает достоверность дальнейшего определения состояния объекта.The identified drawback eliminates the method of analyzing signals about the state of the object (RF Patent No. 2090928,
Данные недостатки устраняет способ анализа сигналов о состоянии объекта (Патент РФ №2355028, кл. G06K 9/00, опубликованный 10.05.2009, Бюл. №13). Он позволяет анализировать сигналы, представленные как в цифровом виде, так и (или) в виде двухградационного изображения на неквантованной плоскости, с неизвестным заранее количеством классов состояний объекта, что, в свою очередь, повышает достоверность распознавания состояния объекта в системах технической кибернетики. Данный способ заключается в том, что последовательно осуществляют цепное кодирование сигналов, представленных как в цифровом виде, так и (или) в виде двухградационного изображения на неквантованной плоскости, определяют минимальное количество классов состояний применением иерархической классификацией цепей с определением порогов объединения в классы, рассчитывая евклидовы расстояния между классами всех цепей и средней цепью ортогонального пространства, объединяют различные классы цепей в один класс при значении порога объединения, не превышающем значения минимального евклидова расстояния между классами цепей и средней цепи ортогонального пространства, при процедуре распознавания сигналы нормируют, формируют и корректируют распознающие эталоны сигналов по количеству классов состояний, осуществляют оптимизацию и сравнение сигналов и эталонов в евклидовом векторном пространстве с последующим распознаванием состояния объекта до тех пор, пока результат распознавания не удовлетворит заданному критерию достоверности или неудачи. Данный способ является наиболее близким по технической сущности и выбран в качестве прототипа.These shortcomings are eliminated by the method of analyzing signals about the state of an object (RF Patent No. 2355028,
Недостатками данного способа являются два существенных аспекта. Первый аспект заключается в большой временной длительности процедуры идентификации, так как последовательное сравнение анализируемого сигнала с каждым эталонным сигналом отдельного класса в худшем случае сравним с числом эталонных классов. Второй аспект заключается в требовании значительного объема памяти для хранения эталонных сигналов, представленных для каждого сигнала N дискретными отсчетами или (N-1) кодированными значениями при представлении сигналов в виде цепей.The disadvantages of this method are two significant aspects. The first aspect is the large time duration of the identification procedure, since the sequential comparison of the analyzed signal with each reference signal of a particular class in the worst case is comparable to the number of reference classes. The second aspect is the requirement of a significant amount of memory for storing the reference signals represented for each signal by N discrete samples or (N-1) encoded values when representing the signals in the form of chains.
Задачей изобретения является создание способа идентификации сигналов, при котором достигается два положительных эффекта: снижение временной длительности процедуры идентификации анализируемого сигнала с эталонами и сокращение памяти, необходимой для хранения эталонных образцов сигналов.The objective of the invention is to create a method for identifying signals in which two positive effects are achieved: reducing the time duration of the identification procedure of the analyzed signal with the standards and reducing the memory required to store the reference signal samples.
Эта задача решается тем, что из способа-прототипа на этапе распознавания анализируемого сигнала исключают три последовательные процедуры:This problem is solved in that three consecutive procedures are excluded from the prototype method at the stage of recognition of the analyzed signal:
1. Корректирование распознающих эталоны сигналов по количеству классов состояний;1. Correction of signal recognition patterns according to the number of state classes;
2. Оптимизация сигналов и эталонов в евклидовом векторном пространстве;2. Optimization of signals and standards in Euclidean vector space;
3. Сравнение сигналов и эталонов в евклидовом векторном пространстве.3. Comparison of signals and standards in Euclidean vector space.
Вместо данных процедур на этапе обучения, когда формируются эталонные сигналы и осуществляется их запись в память для идентификации текущих анализируемых сигналов, дополнительно к действиям способа-прототипа:Instead of these procedures at the training stage, when reference signals are generated and stored in memory to identify the current signals being analyzed, in addition to the actions of the prototype method:
1) осуществляют сегментацию сигналов, преобразованных ранее к виду цепей в соответствии с выбранной формой созвездия Т, на равные m сегменты кратные значению восьми кодов в интервале;1) carry out the segmentation of signals previously converted to the type of chains in accordance with the selected form of the constellation T into equal m segments that are multiples of the value of eight codes in the interval;
2) в вычислительном устройстве (ВУ) каждый сегмент из n элементов цепи кодируют двоичной последовательностью Bi, состоящей из двух бинарных последовательностей кратных 1-му байту, вида:2) in a computing device (WU), each segment of n circuit elements is encoded with a binary sequence B i consisting of two binary sequences that are multiples of the 1st byte, of the form:
где 
Первую двоичную последовательность 
Вторую двоичную последовательность 
где bin - функция бинарного представления значения числа десятичной системы исчисления;where bin is a binary representation function of the value of a decimal number system;
Di - десятичное число объединения значений созвездия от 1-го до n-го элемента сегмента цепи;D i is the decimal number of the union of the constellation values from the 1st to the n-th element of the chain segment;
mod - функция модуля по основанию;mod - base module function;
Gk - наибольшее десятичное простое число, не превышающее десятичное число кратное 2n (для n=8, Gk=251, так как 2n=256; для n=16, Gk=65521, так как 2n=65536, для n=24, Gk=16777213, так как 2n=16777216, и т.д.).G k is the largest decimal prime number not exceeding the decimal multiple of 2 n (for n = 8, G k = 251, since 2 n = 256; for n = 16, G k = 65521, since 2 n = 65536, for n = 24, G k = 16777213, since 2 n = 16777216, etc.).
3) по адресу памяти Bi осуществляют запись числа принадлежности данного адреса к Cj классу эталонных сигналов. Так для двух эталонных классов достаточно двух бинарных значений 0 и 1; для эталонных классов превышающих число 3, необходимо использовать бинарную запись десятичных чисел, от 0 до (j-1). Адрес памяти Bi обладает свойством уникальности для каждого mi сегмента участка цепи и является тем самым идентификатором принадлежности данного интервала цепи к эталонному классу поименованному в данном адресе памяти.3) the memory address B i record the number of belonging of this address to C j class of reference signals. So for two reference classes, two
При распознавании сигнала:When recognizing a signal:
1) идентифицируемый сигнал преобразовывают к виду цепи в соответствии с созвездием, выбранным на этапе обучения формы Т, на равные m сегменты кратные значению восьми кодов в сегменте;1) the identifiable signal is converted to the type of circuit in accordance with the constellation selected at the training stage of form T into equal m segments that are multiples of the value of eight codes in the segment;
2) каждый mi сегмент преобразовывают к двоичной последовательности Bi и определяют значение Cj класса принадлежности данного сегмента по записи в памяти идентификатора класса для этого сегмента;2) each m i segment is converted to a binary sequence B i and the value C j of the membership class of a given segment is determined by writing to the memory of the class identifier for this segment;
3) оценочное решение о принадлежности сигнала к Cj эталонному классу принимается по мажоритарному правилу с указанием отношения числа совпавших идентификаторов к числу не совпавших идентификаторов, что фактически покажет процентную степень соответствия распознанного сигнала эталонному Q.3) the estimated decision on whether the signal belongs to the C j reference class is made according to the majority rule indicating the ratio of the number of matching identifiers to the number of non-matching identifiers, which will actually show the percentage degree of recognition of the recognized signal to the reference Q.
Новая совокупность существенных признаков заявленного способа достигается применением различных по сущности преобразований цифровых последовательностей в виде цепей, для получения уникальных сокращенных характеристик данных последовательностей, использование которых в качестве адресов позволит сократить число последовательных сравнений с эталонами. Сокращение операций сравнения идентифицируемого интервала сигнала с эталонным снизится в крайнем случае с j операций сравнения по количеству эталонных сигналов до двух операций: расчета бинарного адреса Bi и определения Cj значения принадлежности к эталонному классу.A new set of essential features of the claimed method is achieved by the use of essentially different transformations of digital sequences in the form of chains to obtain unique abbreviated characteristics of these sequences, the use of which as addresses will reduce the number of consecutive comparisons with standards. The reduction in the operations of comparing the identified signal interval with the reference will decrease in the extreme case from j comparison operations in the number of reference signals to two operations: calculating the binary address B i and determining C j the value of belonging to the reference class.
Проведенный анализ уровня техники позволил установить, что аналоги, характеризующиеся совокупностью признаков, тождественным всем признакам технического решения, отсутствуют, что указывает на соответствие изобретения условию патентоспособности «новизна».The analysis of the prior art made it possible to establish that analogues that are characterized by a combination of features that are identical to all the features of a technical solution are absent, which indicates the compliance of the invention with the condition of patentability “novelty”.
Результаты поиска известных решений в данной и смежных областях техники с целью выявления признаков, совпадающих с отличительными от прототипа признаками заявленного способа, показали, что они не следуют явным образом из уровня техники. Из уровня техники также не выявлена известность влияния предусматриваемых существенными признаками заявленного изобретения преобразований на достижение указанного технического результата. Следовательно, заявляемый способ соответствует критерию «изобретательский уровень».Search results for known solutions in this and related fields of technology in order to identify features that match the distinctive features of the prototype of the claimed method showed that they do not follow explicitly from the prior art. The prior art also did not reveal the popularity of the impact provided by the essential features of the claimed invention, the transformations on the achievement of the specified technical result. Therefore, the claimed method meets the criterion of "inventive step".
Заявленный способ поясняется чертежами, на которых показаны:The claimed method is illustrated by drawings, which show:
на фиг.1 - алгоритм, поясняющий способ идентификации сигналов;figure 1 is an algorithm explaining a method for identifying signals;
на фиг.2 созвездие кодирования разности соседних нормированных отсчетов цифровой последовательности сигнала;figure 2 constellation encoding the difference of adjacent normalized samples of the digital sequence of the signal;
на фиг.3 - двумерная плоскость адресов для каждого сегмента из 32 классов сигналов;figure 3 - two-dimensional plane of the addresses for each segment of 32 classes of signals;
на фиг.4 - увеличенная двумерная плоскость адресов для сегментов со значениями
на фиг.5 - увеличенная двумерная плоскость адресов для классов 13 и 15;figure 5 is an enlarged two-dimensional plane of addresses for classes 13 and 15;
на фиг.6 - увеличенная двумерная плоскость адресов для классов 6 и 15.6 is an enlarged two-dimensional plane of addresses for
Для лучшего понимания сущности заявляемого способа на фигуре 1 представлен алгоритм реализации предлагаемого способа идентификации сигналов. Между терминаторами начала и конца (Моделирование систем: Учебник для вызов / Б.Я.Советов, С.А.Яковлев - 4-е изд., стер. - М.: Высшая школа., 2005. - С.93) алгоритм разбит на отдельные процедуры. Процедуры 3-7 соответствуют этапу обучения, процедуры 9-15 соответствуют этапу распознавания при идентификации сигнала. Блоки 2, 8 и 14 являются блоками выполнения условий. Блок 1 является блоком ввода данных, а блок 16 - блоком вывода данных. Ниже приведен перечень номеров, блоков ввода и вывода, процедур и блоков выполнения условий алгоритма:For a better understanding of the essence of the proposed method, figure 1 presents the implementation algorithm of the proposed method for identifying signals. Between the terminators of the beginning and the end (System Modeling: A Textbook for a Challenge / B.Ya. Sovetov, S.A. Yakovlev - 4th ed., Sr. - M .: Higher School., 2005. - P.93) the algorithm is broken on separate procedures. Procedures 3-7 correspond to the training stage, procedures 9-15 correspond to the recognition stage during signal identification.
1 - Блок ввода данных, учитывающий следующие переменные и константы:1 - Data input unit, taking into account the following variables and constants:
Cj - классы эталонных сигналов, определенные по способу-прототипу;C j - classes of reference signals determined by the prototype method;
Gk - наибольшее десятичное простое число, не превышающее десятичное число кратное 2n для выбранной переменной n;G k - the largest decimal prime number not exceeding the decimal multiple of 2 n for the selected variable n;
m - количество сегментов, кратных значению восьми кодов в сегменте цепи;m is the number of segments that are multiples of the value of eight codes in a chain segment;
Т - выбранная форма созвездия для кодирования сигнала в цепь.T is the selected form of the constellation for encoding a signal into a circuit.
2 - Блок выполнения условия, определяющий этап обучения при положительном исходе, или этап распознавания и переход к блоку 3, а при отрицательном исходе или сформированной на раннем этапе обучения структуры адресов Bi и идентификаторов принадлежности к Cj классу эталонных сигналов, записанных по данным адресам памяти, переход к блоку 9.2 - A condition fulfillment block defining the training stage with a positive outcome, or the recognition stage and transition to block 3, and with a negative outcome or the structure of addresses B i and identifiers of the reference signals belonging to C j class recorded at these addresses formed at an early stage of training memory, go to
3 - Блок процедуры кодирования сигнала в цепь Si (КСЦ Si), осуществляет представление сигнала любой формы в виде последовательности, состоящую из n кодов, полученных преобразованием сигнала по выбранному правилу в значения ее изменений относительно точки отсчета.3 - The block of the procedure for encoding a signal into a circuit S i (КЦЦ S i ), implements a signal of any shape in the form of a sequence consisting of n codes obtained by converting the signal according to the selected rule into the values of its changes relative to the reference point.
4 - Блок выделения сегментов m (ВС m) в цепи Si, осуществляет последовательную сегментацию цепи на m равных сегментов, кратных значению восьми кодов в сегменте.4 - Block allocation segments m (BC m) in the chain S i , sequentially segmentes the chain into m equal segments that are multiples of the value of eight codes in the segment.
5 - Блок кодирования mi сегмента в двоичную последовательность
6 - Блок расчета двоичной последовательности 
7 - Блок записи идентификатора принадлежности к классу Cj по адресу Bi осуществляет запись числа, соответствующего значению эталонного класса в память по адресу Bi.7 - The recording unit identifier of class C j at address B i writes a number corresponding to the value of the reference class in memory at address B i .
8 - Блок выполнения условия, определяющий окончание этапа обучения при положительном исходе и переход к блоку 2, или продолжение этапа обучения при отрицательном исходе и переход к блоку 3.8 - A block of fulfillment of the condition that determines the end of the training phase with a positive outcome and the transition to block 2, or the continuation of the training phase with a negative outcome and the transition to block 3.
9 - Блок процедуры кодирования сигнала в цепь Si (КСЦ Si), осуществляет действия аналогичные действиям блока 3.9 - The block procedure for encoding a signal in the circuit S i (KSC S i ), performs actions similar to the actions of block 3.
10 - Блок выделения сегментов m (ВС m) в цепи Si, осуществляет действия аналогичные действиям блока 4.10 - Block allocation segments m (BC m) in the circuit S i , performs actions similar to the actions of
11 - Блок кодирования mi сегмента в двоичную последовательность 
12 - Блок расчета двоичной последовательности 
13 - Блок вывода из памяти по адресу Bi идентификатора принадлежности к Cj эталонному классу для mi сегмента цепи.13 - The block output from the memory at address B i identifier belonging to the C j reference class for m i chain segment.
14 - Блок выполнения условия, определяющий последний сегмент цепи при положительном исходе и переход к блоку 15, или при отрицательном исходе переход к блоку 11.14 - A condition block determining the last segment of the circuit with a positive outcome and the transition to block 15, or with a negative outcome, the transition to block 11.
15 - Блок вычисления показателя качества идентификации Q равного отношению суммарного числа совпавших идентификаторов к числу сегментов цепи.15 - Unit for calculating the identification quality indicator Q equal to the ratio of the total number of matching identifiers to the number of chain segments.
16 - Блок вывода пары значений Cj эталонного класса принадлежности и показателя качества идентификации Q.16 - Block output pair of values of C j reference class membership and identification quality indicator Q.
В способе-прототипе (Патент РФ №2355028. кл. G06K 9/00, опубликованный 10.05.2009, Бюл. №13) достаточно подробно описана процедура преобразования как произвольной кривой, так и цифровой последовательности в цепь. Последовательность, состоящую из n кодов, полученных преобразованием кривой по выбранному правилу в значения ее изменений относительно точки отсчета, называют цепью (Теория распознавания и анализ сцен: Пер. с англ. / Р.О.Дуда, П.Е.Харт.; Под. ред. В.Л.Стефанюка. М.: Мир, 1976. - 511 с.). Так как значения уровня сигналов могут принимать различные значения, то для предотвращения превосходства признаков с большими числовыми значениями осуществляется нормировка сигналов. Все значения сигналов преобразуют в одномерные массивы с математическим ожиданием, равным 0, и значением дисперсии, равной 1. Данное преобразование для каждого i-го значения отсчета одномерного массива k-го сечения карты аттрактора 
где µk - математическое ожидание одномерного массива отсчетов k-го сечения карты аттракторов;where µ k is the mathematical expectation of a one-dimensional array of samples of the kth section of the attractor map;
σk - стандартное отклонение одномерного массива отсчетов k-го сечения карты аттракторов.σ k is the standard deviation of the one-dimensional array of samples of the kth section of the attractor map.
Данное преобразование позволит нормировать любые сигналы к последовательностям единой размерности. Преобразование k-й преобразованной цифровой последовательности в цепь xk осуществляется вычислением арксинуса разности между n соседними нормированными отсчетами 
В результате данного преобразования формируется цепь xk, элементами которой являются значения углов для n участков с интервалом измерения углов (-90÷90°). В рамках данного интервала используем созвездие в градусной мере для кодирования разности соседних нормированных значений сигналов, представленное на фигуре 2. С учетом нулевого интервала для созвездия кодирования получим семь интервалов разностей нормированных соседних значений сигнала, которые сведены в таблицу 1. Порядковые номера таблицы 1 показывают, что первые четыре порядковых номера соответствуют положительной динамике изменения цепи или участка сигнала, а 5, 6 и 7 порядковые номера определяют отрицательную динамику изменения. Характер положительной динамики цепей (интервалов цепей) обозначим значением 1, а убывающей динамики - значением 0. Это условие позволит описать качественное изменение сигнала во времени.As a result of this transformation, a chain x k is formed , the elements of which are the values of the angles for n sections with an interval for measuring angles (-90 ÷ 90 °). Within this interval, we use the degree constellation in degree measure for coding the difference of adjacent normalized signal values, shown in Figure 2. Given the zero interval for the coding constellation, we obtain seven difference intervals of normalized neighboring signal values, which are summarized in Table 1. The serial numbers of Table 1 show that the first four serial numbers correspond to the positive dynamics of the change in the circuit or signal section, and 5, 6 and 7 serial numbers determine the negative dynamics of the change. The nature of the positive dynamics of the circuits (circuit intervals) is denoted by the
Рассмотрение заявленного способа целесообразно провести на следующем примере. Для j=32 различных по форме сигналов из N=33 нормированных отсчетов осуществили преобразование по созвездию T=7 (см. фигуру 2), и получили 32 значения цепи для каждого из 32 сигналов. В таблицу 2 сведены значения цепей Si для первых девятнадцати цепей, принадлежащих тридцати двум эталонным сигналам, а в таблицу 3 сведены остальные тринадцать цепей. Порядковые номера в таблицах 2 и 3 указывают на порядковый номер кода в цепи и соответствуют по значениям порядковому номеру таблицы 1. Сегментация каждой цепи по 8 ее элементов позволит получить по 4 сегмента на каждую цепь. Значения данных сегментов для 32 классов сигналов сведены в таблицу 4. Порядковые номера таблицы 4 соответствуют номерам классов эталонных сигналов. Определение двоичных последовательностей 
Визуальное отображение представлено в виде двумерной плоскости адресов для каждого сегмента из 32 классов сигналов фигурой 3. На данной фигуре по оси абсцисс отложены десятичные значения 
Хранение в памяти идентификаторов для обозначений эталонного класса целесообразно осуществлять в бинарном виде. Размерность идентификаторов для финитного множества сигналов будет определяться числом эталонных классов j. В рассматриваемом примере это число составляет значение 32 классов, следовательно, в качестве идентификатора эталонного класса достаточно использовать 6 бит. Значение 000000 в поле адреса Bi укажет на то, что идентифицируемый сегмент цепи не соответствует ни одному из j эталонных классов.It is advisable to store identifiers for reference class designations in binary form. The dimension of identifiers for a finite set of signals will be determined by the number of reference classes j. In this example, this number is the value of 32 classes, therefore, it is enough to use 6 bits as the identifier of the reference class. The value 000000 in the address field B i will indicate that the identified segment of the circuit does not correspond to any of the j reference classes.
Для хранения в памяти одного эталонного сигнала в виде цепи из М=(N-1) элементов потребуется М единиц памяти. При T=7 потребуется общий объем памяти для хранения всех j=32 эталонных сигналов, равный значению V1=(3×32×М) бит.Так как в нашем случае М=32, следовательно, эффективный объем памяти составит значение V1=384 байт. По предлагаемому способу каждая j-ая цепь из М=32 (каждый j-й эталонный сигнал) потребует 8 байт адресного поля и 6 бит для записи идентификатора, что обобщая на 32 класса, составит объем эффективной памяти V2=280 байт, что на 104 байта меньше чем V1.To store one reference signal in the memory in the form of a chain of M = (N-1) elements, M units of memory are required. At T = 7, the total amount of memory required to store all j = 32 reference signals, equal to the value of V 1 = (3 × 32 × M) bits. Since in our case M = 32, therefore, the effective amount of memory will be V 1 = 384 bytes. According to the proposed method, each j-th circuit of M = 32 (each j-th reference signal) will require 8 bytes of the address field and 6 bits to write the identifier, which, summarizing the 32 classes, will be the amount of effective memory V 2 = 280 bytes, which is 104 bytes less than V 1 .
В способе-прототипе для отнесения анализируемого сигнала к одному из j=32 эталонных сигналов в наихудшем случае потребовалось бы 32 процедуры расчета мер евклидовых расстояний между цепями для определения минимального порога классификации, в наилучшем случае потребуется 1 процедура расчета евклидова расстояния, при равновероятной стратегии средняя расчетная потребность составит 16 процедур. В заявленном способе для каждого идентифицируемого сигнала в виде цепи осуществляют процедуру сегментации, рассчитывают адрес для каждого сегмента и фиксируют по данному адресу идентификатор эталонного класса, а далее вычисляют показатель качества идентификации Q - отношение числа совпавших идентификаторов к числу сегментов цепи. Таким образом, имеем по две вычислительные операции на сегмент и одну дополнительную операцию на вычисление принадлежности к эталонному классу. Характерно, что эта величина не критична к количеству эталонных классов и в отличие от способа-прототипа является величиной постоянной, не зависящей от стратегий. Сокращение вычислительных процедур прямым образом влияет на снижение временной длительности процедуры идентификации анализируемого сигнала. Рассмотренные оба аспекта подтверждают положительный эффект технического решения предлагаемого способа.In the prototype method, to assign the analyzed signal to one of j = 32 reference signals, in the worst case, 32 procedures for calculating the measures of Euclidean distances between the chains would be required to determine the minimum classification threshold, in the best case, 1 procedure for calculating the Euclidean distance would be required, with an equally probable strategy, the average the need will be 16 procedures. In the claimed method, for each identifiable signal in the form of a chain, the segmentation procedure is carried out, the address for each segment is calculated and the identifier of the reference class is fixed at this address, and then the identification quality indicator Q is calculated - the ratio of the number of matching identifiers to the number of chain segments. Thus, we have two computational operations per segment and one additional operation for calculating membership in the reference class. It is characteristic that this value is not critical to the number of reference classes and, in contrast to the prototype method, is a constant value that does not depend on strategies. The reduction of computational procedures directly affects the reduction in the time duration of the identification procedure of the analyzed signal. Both aspects considered confirm the positive effect of the technical solution of the proposed method.
Дополнительные расчеты способа не требуют значительных вычислительных затрат, их можно реализовать на существующей в настоящее время элементной базе, например, на любых серийно выпускаемых программируемых логических интегральных схемах (ПЛИС).Additional calculations of the method do not require significant computational costs, they can be implemented on the currently existing element base, for example, on any commercially available programmable logic integrated circuits (FPGAs).
Из рассмотренной сущности заявляемого способа следует, что он обеспечивает снижение временной длительности процедуры идентификации анализируемого сигнала с эталонами до двух процедур на каждый сегмент цепи и сокращение памяти, необходимой для хранения эталонных образцов сигналов.From the essence of the proposed method, it follows that it reduces the time duration of the identification procedure of the analyzed signal with the standards to two procedures for each segment of the circuit and reduces the memory needed to store the reference signal samples.
Claims (1)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2012116020/08A RU2485586C1 (en) | 2012-04-19 | 2012-04-19 | Method of identifying signals |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2012116020/08A RU2485586C1 (en) | 2012-04-19 | 2012-04-19 | Method of identifying signals |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2485586C1 true RU2485586C1 (en) | 2013-06-20 |
Family
ID=48786500
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2012116020/08A RU2485586C1 (en) | 2012-04-19 | 2012-04-19 | Method of identifying signals |
Country Status (1)
| Country | Link |
|---|---|
| RU (1) | RU2485586C1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2763872C1 (en) * | 2021-03-02 | 2022-01-11 | Сергей Васильевич Стрельников | Method for detecting the source of radio emission based on the statistical characteristics of the radio signal |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2090928C1 (en) * | 1992-04-07 | 1997-09-20 | Вячеслав Валентинович Храбров | Object condition signal analyzing method |
| US5909675A (en) * | 1994-10-17 | 1999-06-01 | Alcatel Mobile Communication France | Device for recognizing information conveyed by a received signal |
| RU2355028C2 (en) * | 2007-06-25 | 2009-05-10 | Государственное образовательное учреждение высшего профессионального образования Академия Федеральной службы охраны Российской Федерации (Академия ФСО России) | Method of analysing signals on state of object |
| US20120070078A1 (en) * | 2009-05-19 | 2012-03-22 | Sharma Ravi K | Histogram Methods and Systems for Object Recognition |
-
2012
- 2012-04-19 RU RU2012116020/08A patent/RU2485586C1/en not_active IP Right Cessation
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2090928C1 (en) * | 1992-04-07 | 1997-09-20 | Вячеслав Валентинович Храбров | Object condition signal analyzing method |
| US5909675A (en) * | 1994-10-17 | 1999-06-01 | Alcatel Mobile Communication France | Device for recognizing information conveyed by a received signal |
| RU2355028C2 (en) * | 2007-06-25 | 2009-05-10 | Государственное образовательное учреждение высшего профессионального образования Академия Федеральной службы охраны Российской Федерации (Академия ФСО России) | Method of analysing signals on state of object |
| US20120070078A1 (en) * | 2009-05-19 | 2012-03-22 | Sharma Ravi K | Histogram Methods and Systems for Object Recognition |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2763872C1 (en) * | 2021-03-02 | 2022-01-11 | Сергей Васильевич Стрельников | Method for detecting the source of radio emission based on the statistical characteristics of the radio signal |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109598247B (en) | Two-dimensional code identity authentication method based on vein image detail point and grain characteristics | |
| CN114842546A (en) | Action counting method, device, equipment and storage medium | |
| CN113065525B (en) | Age identification model training method, face age identification method and related device | |
| US20100250475A1 (en) | Tensor voting in N dimensional spaces | |
| CN109492610B (en) | Pedestrian re-identification method and device and readable storage medium | |
| CN112149754B (en) | Information classification method, device, equipment and storage medium | |
| Roychowdhury | Optimal quantization for nonuniform Cantor distributions | |
| CN113158869A (en) | Image recognition method and device, terminal equipment and computer readable storage medium | |
| US8005262B2 (en) | System and method for video object identification | |
| US11783623B2 (en) | Synthesizing apparatus, synthesizing method and program | |
| Nair et al. | A life cycle on processing large dataset-LCPL | |
| RU2485586C1 (en) | Method of identifying signals | |
| EP3451233A1 (en) | Biological-image processing unit and method and program for processing biological image | |
| US20230229897A1 (en) | Distances between distributions for the belonging-to-the-distribution measurement of the image | |
| RU2355028C2 (en) | Method of analysing signals on state of object | |
| CN112766423B (en) | Training method and device for face recognition model, computer equipment and storage medium | |
| CN114296041A (en) | Radar radiation source identification method based on DCNN and Transformer | |
| CN113361341A (en) | Luggage re-identification method, device, equipment and readable storage medium | |
| Kel’manov | Off-line detection of a quasi-periodically recurring fragment in a numerical sequence | |
| CN113111350A (en) | Malicious PDF file detection method and device and electronic equipment | |
| Ahn et al. | Information-theoretic limits of subspace clustering | |
| KR101038706B1 (en) | Method and apparatus for authenticating image | |
| CN111340239B (en) | Hesitation iterative computation method and device for multi-mode machine learning target recognition | |
| CN111666962B (en) | Target positioning method and device for sequence data | |
| Shi et al. | A Flexible Approach for Normal Approximation of Geometric and Topological Statistics |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20140420 |