RU2653150C1 - Method of finding-out of information image of electrical signal - Google Patents

Method of finding-out of information image of electrical signal Download PDF

Info

Publication number
RU2653150C1
RU2653150C1 RU2017118743A RU2017118743A RU2653150C1 RU 2653150 C1 RU2653150 C1 RU 2653150C1 RU 2017118743 A RU2017118743 A RU 2017118743A RU 2017118743 A RU2017118743 A RU 2017118743A RU 2653150 C1 RU2653150 C1 RU 2653150C1
Authority
RU
Russia
Prior art keywords
signal
information component
sample
information
model
Prior art date
Application number
RU2017118743A
Other languages
Russian (ru)
Inventor
Владислав Иванович Антонов
Владимир Александрович Наумов
Динара Евгеньевна Васильева
Александр Вячеславович Солдатов
Николай Геннадиевич Иванов
Original Assignee
Общество с ограниченной ответственностью Научно-производственное предприятие "ЭКРА"
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Общество с ограниченной ответственностью Научно-производственное предприятие "ЭКРА" filed Critical Общество с ограниченной ответственностью Научно-производственное предприятие "ЭКРА"
Priority to RU2017118743A priority Critical patent/RU2653150C1/en
Application granted granted Critical
Publication of RU2653150C1 publication Critical patent/RU2653150C1/en

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
    • G01R29/26—Measuring noise figure; Measuring signal-to-noise ratio

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Image Processing (AREA)
  • Picture Signal Circuits (AREA)

Abstract

FIELD: electricity.
SUBSTANCE: invention relates to processing of electrical signals, namely to methods for finding-out of information image of electrical signal. In method, electrical signal is converted into a digital signal and for each discrete moment, a sampling control is taken on signal time axis. On this sample, a signal model is formed and noise signal is determined as offset between corresponding sampling and model samples. Noise power is estimated and, comparing its level with limer, reveals information image of signal at sampling controls. In order to increase the reliability of recognition of the information image, with help of mentioned signal model, information component is extracted and the specified limer is proportional to its level. It is believed that the information image of the signal corresponds to working one and the sampled control contains information component of signal if noise power is below the limer, otherwise, it is assumed that information image of the signal is inoperative and the sample does not contain information component of the signal. It is suggested to isolate the information component by structural analysis of sampling controls or by using a model in form of hybrid filter or by converting signal into a composite filter of the information component. Noise power is defined as average rectified or root-mean-square value of offset from the sampling controls. In the first case, limer of noise power is determined in proportion to average rectified value of information component of the signal in the sample, in the second case it is proportional to its root-mean-square value.
EFFECT: technical result of the method is an increase in the reliability of finding-out of the information image of electrical signal.
6 cl, 6 dwg

Description

Изобретение относится к области обработки электрических сигналов, а именно к методам распознавания информационного образа электрического сигнала.The invention relates to the field of processing electrical signals, and in particular to methods for recognizing the information image of an electrical signal.

Известен способ распознавания информационного образа электрического сигнала, реализованный в устройстве контроля сигнала датчика (US 8797047 B2, US 2010060296 (А1) - 2010-03-11, МПК G01R 29/26. Method and device for checking a sensor signal / Zheng-Yu Jiang; Matthias Kretschmann; Herbert Preis; Christoph Resch), согласно которому электрический сигнал преобразуют в цифровой сигнал путем измерения его в равномерно фиксированные моменты времени, для каждого дискретного момента на оси времени берут выборку отсчетов, определяют сигнал шума как выходной сигнал фильтра верхних частот и оценивают мощность шума как среднеквадратичное значение сигнала шума. Считают, что информационный образ сигнала соответствует рабочему и упомянутая выборка отсчетов содержит информационную составляющую сигнала, если мощность шума не преодолевает минимальный и максимальный пороги срабатывания, иначе полагают что информационный образ сигнала соответствует нерабочему и упомянутая выборка не содержит информационной составляющей сигнала.A known method of recognizing the information image of an electric signal implemented in a device for monitoring a sensor signal (US 8797047 B2, US 2010060296 (A1) - 2010-03-11, IPC G01R 29/26. Method and device for checking a sensor signal / Zheng-Yu Jiang ; Matthias Kretschmann; Herbert Preis; Christoph Resch), according to which an electrical signal is converted into a digital signal by measuring it at uniformly fixed time points, for each discrete moment on the time axis, a sample of samples is taken, the noise signal is determined as the output signal of the high-pass filter and evaluated noise power as medium ekvadratichnoe value of the noise signal. It is believed that the informational image of the signal corresponds to the working one and the mentioned sample of samples contains the informational component of the signal if the noise power does not exceed the minimum and maximum thresholds of operation, otherwise it is believed that the informational image of the signal corresponds to a non-working one and the sample does not contain the informational component of the signal.

Способ реагирует на абсолютный уровень шума и не обладает способностью изменять пороги срабатывания. Поэтому при изменении уровня шума из-за дрейфа характеристики источника сигнала способ теряет работоспособность.The method responds to an absolute noise level and does not have the ability to change thresholds. Therefore, when the noise level changes due to a drift in the characteristics of the signal source, the method loses its operability.

Наиболее близким к заявляемому способу по использованию, технической сущности и достигаемому техническому результату является способ распознавания информационного образа электрического сигнала, основанный на определении отношения сигнал/шум (US 7895006 B2, US 2009164159 (A1) - 2009-06-25, МПК G01R 29/26. System and method for determining signal-to-noise ratio (SNR), signal-to-noise and distortion ratio (SINAD) and total harmonic distortion (THD)).Closest to the claimed method for use, technical nature and technical result achieved is a method of recognizing an information image of an electrical signal based on determining the signal-to-noise ratio (US 7895006 B2, US 2009164159 (A1) - 2009-06-25, IPC G01R 29 / 26. System and method for determining signal-to-noise ratio (SNR), signal-to-noise and distortion ratio (SINAD) and total harmonic distortion (THD)).

Согласно ему электрический сигнал преобразуют в цифровой сигнал путем измерения его в равномерно фиксированные моменты времени и для каждого дискретного момента на оси времени берут выборку отсчетов. На указанной выборке осуществляют оценку частоты преобладающей гармоники и формируют компонентную модель, состоящую из моделей постоянной составляющей и высших гармоник частот, кратных частоте преобладающей гармоники. Затем определяют сигнал шума как невязку между соответствующими отсчетами выборки и модели и вычисляют отношение сигнал/шум как отношение среднеквадратичного значения сигнала модели к среднеквадратичному значению шума. Считают, что информационный образ сигнала соответствует рабочему и упомянутая выборка отсчетов содержит информационную составляющую сигнала, если отношение сигнал/шум превышает порог срабатывания, иначе полагают, что информационный образ сигнала нерабочий и упомянутая выборка не содержит информационной составляющей сигнала.According to it, an electrical signal is converted into a digital signal by measuring it at uniformly fixed time instants, and for each discrete moment, a sample of samples is taken on the time axis. On the indicated sample, the frequency of the prevailing harmonic is estimated and a component model is formed consisting of models of the constant component and higher harmonics of frequencies that are multiples of the frequency of the prevailing harmonic. The noise signal is then determined as the residual between the respective samples of the sample and the model, and the signal-to-noise ratio is calculated as the ratio of the rms value of the model signal to the rms value of the noise. It is believed that the informational image of the signal corresponds to the working one, and said sample of samples contains the informational component of the signal if the signal-to-noise ratio exceeds the threshold, otherwise it is believed that the informational image of the signal is inoperative and the sample does not contain the informational component of the signal.

Мощность сигнала, используемую при вычислении отношения сигнал/шум, определяют по всей совокупности составляющих модели. Поскольку модель сигнала является неадаптивной, а ее порядок - произвольным, в модели появляются составляющие, на самом деле отсутствующие в сигнале. Так как способ не избирателен к составляющим сигнала, то отношение сигнал/шум будет выше порога даже при недостаточно высоком уровне информационной составляющей. Например, если за информационную составляющую берется гармоника промышленной частоты (как это принято в электроэнергетике), то способ распознает информационный образ как рабочий даже при отсутствии или малом уровне гармоники на фоне других составляющих и шума.The signal power used in calculating the signal-to-noise ratio is determined from the totality of the components of the model. Since the signal model is non-adaptive and its order is arbitrary, components that are actually absent in the signal appear in the model. Since the method is not selective for the signal components, the signal-to-noise ratio will be above the threshold even with an insufficiently high level of information component. For example, if the harmonic of industrial frequency is taken as the information component (as is customary in the electric power industry), then the method recognizes the information image as working even if there is no or a low level of harmonic against the background of other components and noise.

Этот способ принят за прототип.This method is adopted as a prototype.

Техническим результатом предлагаемого способа является повышение достоверности распознавания информационного образа электрического сигнала.The technical result of the proposed method is to increase the reliability of recognition of the information image of an electric signal.

С этой целью в известном способе распознавания информационного образа электрического сигнала, согласно которому электрический сигнал преобразуют в цифровой сигнал путем измерения его в равномерно фиксированные моменты времени, для каждого дискретного момента на оси времени сигнала берут выборку отсчетов, на указанной выборке формируют модель сигнала и определяют сигнал шума как невязку между соответствующими отсчетами выборки и модели, оценивают мощность шума и, сравнивая ее уровень с порогом, выявляют информационный образ сигнала на отсчетах выборки, вводят новые операции. Их сущность заключается в том, что, с целью повышения достоверности распознавания информационного образа, с помощью упомянутой модели сигнала выделяют информационную составляющую и формируют пропорционально ее уровню указанный порог, и считают, что информационный образ сигнала соответствует рабочему и упомянутая выборка отсчетов содержит информационную составляющую сигнала, если мощность шума ниже порога, иначе полагают, что информационный образ сигнала нерабочий и упомянутая выборка не содержит информационной составляющей сигнала.To this end, in the known method of recognizing the information image of an electrical signal, according to which the electrical signal is converted into a digital signal by measuring it at uniformly fixed time points, for each discrete moment on the time axis of the signal, a sample of samples is taken, a signal model is formed on the specified sample and the signal is determined noise as a residual between the corresponding samples of the sample and model, evaluate the noise power and, comparing its level with a threshold, identify the information image of the signal and sample counts, new operations introduced. Their essence lies in the fact that, in order to increase the reliability of recognition of the information image, using the aforementioned signal model, the information component is extracted and the specified threshold is formed in proportion to its level, and it is believed that the information image of the signal corresponds to the working one and the sample of samples contains the information component of the signal, if the noise power is below the threshold, otherwise it is believed that the information image of the signal is inoperative and the sample mentioned does not contain the information component of the signal .

В общем случае информационную составляющую выделяют в результате структурного анализа отсчетов выборки, включающего в себя последовательные операции настройки адаптивного нерекурсивного фильтра на полное подавление сигнала, определения корней его характеристического уравнения и формирования по ним компонентной модели сигнала, настройки компонентной модели по отсчетам выборки.In the general case, the information component is isolated as a result of a structural analysis of sample samples, which includes sequential operations of tuning an adaptive non-recursive filter to completely suppress a signal, determining the roots of its characteristic equation and generating a component model of the signal from it, and setting the component model based on sample samples.

В другой реализации способа информационную составляющую выделяют с помощью модели в виде гибридного фильтра, включающего в себя адаптивный фильтр и неадаптивную модель информационной составляющей сигнала, настраиваемого на полное подавление сигнала, причем информационную составляющую получают путем деления сигнала упомянутой неадаптивной модели на модуль коэффициента передачи адаптивного фильтра информационной составляющей.In another implementation of the method, the information component is isolated using a hybrid filter model, which includes an adaptive filter and a non-adaptive model of the signal information component, which is configured to completely suppress the signal, the information component being obtained by dividing the signal of the non-adaptive model by the adaptive filter information transmission coefficient module component.

В следующей реализации способа информационную составляющую выделяют путем преобразования сигнала составным фильтром информационной составляющей, формируемой по корням характеристического уравнения, настроенного на подавление сигнала адаптивного нерекурсивного фильтра за исключением корней, согласованных с информационной составляющей, и деления выходного сигнала составного фильтра на модуль его коэффициента передачи информационной составляющей.In the next implementation of the method, the information component is isolated by converting the signal with a composite filter of the information component formed by the roots of the characteristic equation configured to suppress the signal of the adaptive non-recursive filter with the exception of the roots matched with the information component and dividing the output signal of the composite filter by the module of its transmission coefficient of the information component .

Способ также может отличаться подходом к определению порога и мощности шума.The method may also differ in the approach to determining the threshold and noise power.

Мощность шума может определяться как средневыпрямленное значение невязки по отсчетам выборки, а упомянутый порог - пропорционально средневыпрямленному значению информационной составляющей сигнала на выборке.The noise power can be defined as the average rectified value of the residual according to sample samples, and the mentioned threshold is proportional to the average rectified value of the information component of the signal in the sample.

Кроме того, мощность шума может определяться как среднеквадратичное значение невязки по отсчетам выборки, а упомянутый порог - пропорционально среднеквадратичному значению информационной составляющей сигнала на выборке.In addition, the noise power can be defined as the rms value of the residual for the sample samples, and the threshold is proportional to the rms value of the information component of the signal in the sample.

На фиг. 1 приведена блок-схема, поясняющая предложенный способ. Фиг. 2 иллюстрирует работу способа при разных вариантах выделения информационной составляющей - третьей гармоники. Распознаваемый сигнал (фиг. 2, а) содержит два интервала однородности. На первом из них сигнал содержит только основную гармонику частоты 50 Гц с амплитудой 1,0 относительных единиц (о.е.) и белый шум, а на втором интервале к ним добавляется еще и информационная составляющая - 3-я гармоника с амплитудой 0,1 о.е. На фиг. 2, б) представлено выявление информационной составляющей и шума адаптивной моделью, полученной в результате структурного анализа, на фиг. 2, в) - моделью в виде гибридного фильтра, на фиг. 2, г) - составной моделью. Все модели обеспечивают распознавание информационного образа сигнала, на фиг. 2, д) вынесен сигнал признака информационного образа: нерабочему информационному образу соответствует сигнал Q=0, а рабочему - Q=1.In FIG. 1 is a flowchart illustrating the proposed method. FIG. 2 illustrates the operation of the method with different options for highlighting the information component - the third harmonic. The recognized signal (Fig. 2, a) contains two intervals of uniformity. On the first of them, the signal contains only the main harmonic of a frequency of 50 Hz with an amplitude of 1.0 relative units (pu) and white noise, and on the second interval, an information component is also added to them - the 3rd harmonic with an amplitude of 0.1 father In FIG. 2b), the identification of the information component and noise by the adaptive model obtained as a result of the structural analysis is presented; FIG. 2c) - a model in the form of a hybrid filter, in FIG. 2d) - a composite model. All models provide recognition of the information image of the signal, in FIG. 2, e) the signal of the sign of the information image is issued: the signal Q = 0 corresponds to the non-working information image, and Q = 1 to the working image.

Суть изобретения заключается в следующем.The essence of the invention is as follows.

Пусть электрический сигнал представлен отсчетамиLet the electrical signal be represented by readings

Figure 00000001
Figure 00000001

где xi(k) - информационная составляющая сигнала, xr(k) - сумма остальных компонентов сигнала, n(k) - сигнал шума, k - номер отсчета. Способ работает с выборкой отсчетов размера Lwhere x i (k) is the information component of the signal, x r (k) is the sum of the remaining components of the signal, n (k) is the noise signal, k is the reference number. The method works with sampling samples of size L

Figure 00000002
Figure 00000002

формируемой для каждого дискретного момента k на оси времени сигнала.formed for each discrete moment k on the time axis of the signal.

Модель сигналаSignal Model

Figure 00000003
Figure 00000003

настраиваемая на этой выборке, в общем случае содержит оценку информационной составляющей сигнала

Figure 00000004
и сумму оценок остальных компонентов сигнала
Figure 00000005
.customizable on this sample, in general, contains an estimate of the information component of the signal
Figure 00000004
and the sum of the estimates of the remaining components of the signal
Figure 00000005
.

Сигнал шума получают как разность между соответствующими отсчетами выборки (2) и модели (3):The noise signal is obtained as the difference between the corresponding samples of the sample (2) and model (3):

Figure 00000006
Figure 00000006

Предположим для удобства изложения сути изобретения, что информационная составляющая сигнала xi(k) представляет собой гармонику (в электроэнергетике это обычно гармоника промышленной частоты 50 Гц)Assume for convenience of presentation of the essence of the invention that the information component of the signal x i (k) is a harmonic (in the electric power industry this is usually a harmonic of an industrial frequency of 50 Hz)

Figure 00000007
Figure 00000007

где Ai - амплитуда, ωi - угловая частота, ψi - начальная фаза, Ts - интервал дискретизации. Тогда оценка информационной составляющей сигнала

Figure 00000008
в модели (3) тоже будет гармоникойwhere A i is the amplitude, ω i is the angular frequency, ψ i is the initial phase, T s is the sampling interval. Then the assessment of the information component of the signal
Figure 00000008
in model (3) will also be a harmonic

Figure 00000009
Figure 00000009

параметры которой будут близки параметрам составляющей (5).whose parameters will be close to the parameters of component (5).

Способ распознает информационный образ электрического сигнала на данной выборке x(k) (2), сравнивая мощность Pn шума (4) с порогом Ri, пропорциональным уровню оценки

Figure 00000010
(6) информационной составляющей xi(k) (5). Если в сигнале выборки присутствует информационная составляющая, то порог Ri будет высокого уровня и намного превосходить мощность шума Pn. Это сигнализирует, что информационный образ сигнала определен как рабочий. Если в сигнале информационная составляющая отсутствует, то порог Ri будет мал и определяться уровнем ошибок и шумов вычисления. Поэтому его уровень будет близок, а может быть, и ниже уровня мощности шума Pn. В этом случае способ определит информационный образ сигнала выборки как нерабочий.The method recognizes the information image of the electric signal in a given sample x (k) (2) by comparing the noise power P n (4) with a threshold R i proportional to the estimation level
Figure 00000010
(6) information component x i (k) (5). If an information component is present in the sample signal, then the threshold R i will be high and far exceed the noise power P n . This signals that the informational image of the signal is defined as working. If there is no information component in the signal, then the threshold R i will be small and determined by the level of calculation errors and noise. Therefore, its level will be close, and maybe even lower than the noise power level P n . In this case, the method will determine the information image of the sample signal as inoperative.

Важно отметить, что порог Ri не фиксируется на одном уровне и полностью определяется только уровнем информационной составляющей сигнала. Поэтому способ приобретает избирательность по отношению к информационной составляющей, и его работа не зависит от других составляющих xr(k) сигнала (1).It is important to note that the threshold R i is not fixed at one level and is completely determined only by the level of the information component of the signal. Therefore, the method acquires selectivity with respect to the information component, and its operation does not depend on other components x r (k) of the signal (1).

Способ может быть реализован по-разному. Варианты его реализации зависят от принципа построения модели сигнала, метода оценки мощности шума Pn и принципа формирования порога Ri.The method can be implemented in different ways. The options for its implementation depend on the principle of constructing the signal model, the method of estimating the noise power P n and the principle of forming the threshold R i .

Начнем с рассмотрения методов оценки мощности шума и принципа формирования порога, поскольку они методически связаны друг с другом. Здесь и далее под мощностью шума понимается условная средняя величина, служащая мерой интенсивности шума в сигнале в пределах взятой выборки отсчетов (2).We begin by considering methods for estimating noise power and the principle of threshold formation, since they are methodologically related to each other. Hereinafter, the noise power is understood as a conditional average value, which serves as a measure of the noise intensity in a signal within a selected sample of samples (2).

Одним из методов определения мощности шума (4) является вычисление его средневыпрямленного значенияOne of the methods for determining the noise power (4) is to calculate its average straightened value

Figure 00000011
Figure 00000011

ПорогThreshold

Figure 00000012
Figure 00000012

в этом случае должен определяться также пропорционально средневыпрямленному значению информационной составляющейin this case, it should also be determined in proportion to the average straightened value of the information component

Figure 00000013
Figure 00000013

Коэффициент λ (коэффициент чувствительности) определяет чувствительность способа: чем он больше, тем выше чувствительность способа к уровню информационной составляющей. Выбор коэффициента зависит от конкретных условий применения способа.The coefficient λ (sensitivity coefficient) determines the sensitivity of the method: the larger it is, the higher the sensitivity of the method to the level of the information component. The choice of coefficient depends on the specific conditions of application of the method.

В случае гармонической информационной составляющей (5) величина (9) может быть определена по ее амплитуде:In the case of a harmonic information component (5), the value (9) can be determined by its amplitude:

Figure 00000014
Figure 00000014

Другим методом определения мощности шума является вычисление его среднеквадратичного значенияAnother method for determining noise power is to calculate its rms value.

Figure 00000015
Figure 00000015

Порог (8) в этом случае определяется также пропорционально среднеквадратичному значению информационной составляющейThe threshold (8) in this case is also determined in proportion to the rms value of the information component

Figure 00000016
Figure 00000016

или, в случае гармоники (5), пропорционально действующему значению, определенному по амплитуде:or, in the case of harmonic (5), in proportion to the effective value determined by the amplitude:

Figure 00000017
Figure 00000017

Рассмотрим методы выделения информационной составляющей xi(l) и определения невязки (шума) n(k).Consider methods for extracting the information component x i (l) and determining the residual (noise) n (k).

В общем случае информационную составляющую выделяют в результате структурного анализа отсчетов выборки.In the general case, the information component is isolated as a result of a structural analysis of sample samples.

Структурный анализ включает в себя несколько этапов. Вначале адаптивный нерекурсивный фильтрStructural analysis involves several stages. Adaptive non-recursive filter first

Figure 00000018
Figure 00000018

настраивают на полное подавление цифрового сигнала х(k) таким образом, чтобы невязка е(k) удовлетворяла критерию наименьших квадратов [Антонов В.И., Лазарева Н.М., Пуляев В.И. Методы обработки цифровых сигналов энергосистем // М., НТФ «Энергопрогресс», «Энергетик». 2000. С. 31]. Порядок фильтра М зависит от числа слагаемых электрического сигнала, его выбирают заведомо больше порядка сигнала.set to the complete suppression of the digital signal x (k) so that the residual e (k) satisfies the least-squares criterion [Antonov V.I., Lazareva N.M., Pulyaev V.I. Methods for processing digital signals of power systems // M., NTF "Energoprogress", "Energetik". 2000. S. 31]. The order of the filter M depends on the number of terms of the electric signal, it is chosen obviously more than the order of the signal.

Затем определяют корни

Figure 00000019
характеристического уравнения фильтра (14)Then the roots are determined
Figure 00000019
filter characteristic equation (14)

Figure 00000020
Figure 00000020

На следующем этапе, используя корни уравнения (15), формируют компонентную модель сигналаAt the next stage, using the roots of equation (15), a component model of the signal is formed

Figure 00000021
Figure 00000021

и, настраивая ее на сигнал выборки также по методу наименьших квадратов, определяют комплексные амплитуды

Figure 00000022
. Поскольку с информационной составляющей (5) ассоциированы два корня
Figure 00000023
и
Figure 00000024
, то модель информационной составляющей (6) будет входить в компонентную модель (16) какand by tuning it to the sample signal also by the least squares method, complex amplitudes are determined
Figure 00000022
. Since two roots are associated with the information component (5)
Figure 00000023
and
Figure 00000024
, then the model of the information component (6) will be included in the component model (16) as

Figure 00000025
Figure 00000025

Для способа важно определить амплитуду Ai информационной составляющей (5), и, как следует из (16), она будет равна

Figure 00000026
.For the method, it is important to determine the amplitude A i of the information component (5), and, as follows from (16), it will be equal to
Figure 00000026
.

Шум сигнала в этом случае может быть определен либо как невязка фильтра (14), т.е. n(k)=e(k), либо как невязка компонентной модели (16), т.е.

Figure 00000027
.The signal noise in this case can be defined either as the residual of the filter (14), i.e. n (k) = e (k), or as a residual of the component model (16), i.e.
Figure 00000027
.

В другой реализации способа модель сигнала формируется в виде гибридного фильтраIn another implementation of the method, the signal model is formed as a hybrid filter

Figure 00000028
Figure 00000028

где с=Bicosψi и s=Bisinψi - ортогональные составляющие неадаптивной модели, пропорциональные информационной составляющей сигнала [Антонов В.И., Наумов В.А., Иванов Н.Г., Солдатов А.В., Фомин А.И. Общие начала теории фильтров ортогональных составляющих // Релейная защита и автоматизация. №1. 2016. С. 16-25]. Настройка фильтра (18) осуществляется аналогично настройке адаптивного фильтра (14). Оценка амплитуды информационной составляющей сигнала формируется по найденным ортогональным составляющим неадаптивной модели с учетом модуля коэффициента передачи адаптивной части фильтра (18)where c = B i cosψ i and s = B i sinψ i are the orthogonal components of the non-adaptive model proportional to the information component of the signal [Antonov V.I., Naumov V.A., Ivanov N.G., Soldatov A.V., Fomin A.I. General principles of the theory of filters of orthogonal components // Relay protection and automation. No. 1. 2016. S. 16-25]. The filter (18) is configured similarly to the adaptive filter (14). An estimate of the amplitude of the information component of the signal is generated from the found orthogonal components of the non-adaptive model, taking into account the modulus of the transmission coefficient of the adaptive part of the filter (18)

Figure 00000029
Figure 00000029

на частоте ωi информационной составляющей:at a frequency ω i of the information component:

Figure 00000030
Figure 00000030

Здесь полагается, что шум сигнала равен невязке (18): n(k)=е(k).Here, it is assumed that the signal noise is equal to the residual (18): n (k) = e (k).

В следующей реализации способа информационную составляющую выделяют с помощью составной модели. Своим названием модель обязана тому обстоятельству, что она представляет собой совокупность заграждающих фильтров всех составляющих сигнала, кроме информационной, и формируется на основе адаптивного фильтра (14), настроенного на полное подавление сигнала. Искомая информационная составляющая появляется как результат преобразования сигнала этой совокупностью заграждающих фильтров, т.е. в виде выходного сигнала составного фильтра.In the next implementation of the method, the information component is isolated using a composite model. The model owes its name to the fact that it is a combination of blocking filters of all signal components, except for the information one, and is formed on the basis of an adaptive filter (14) configured to completely suppress the signal. The desired information component appears as a result of the signal conversion by this set of blocking filters, i.e. as an output signal of a composite filter.

Для получения составного фильтра осуществляются первые два этапа структурного анализа, в ходе которых настраивается фильтр (14) и определяются корни характеристического уравнения (15):To obtain a composite filter, the first two stages of structural analysis are carried out, during which the filter (14) is adjusted and the roots of the characteristic equation (15) are determined:

Figure 00000031
Figure 00000031

Далее из множества (21) корней исключают корни

Figure 00000032
и
Figure 00000033
, ассоциированные с информационной составляющей. Пользуясь множеством оставшихся корней формируется характеристический полином составного фильтраFurther, the roots are excluded from the set (21) of roots
Figure 00000032
and
Figure 00000033
associated with the information component. Using the set of remaining roots, the characteristic polynomial of the composite filter is formed

Figure 00000034
Figure 00000034

Согласно полиному (22) составной фильтр примет следующий вид:According to polynomial (22), the composite filter will take the following form:

Figure 00000035
Figure 00000035

Выходной сигнал составного фильтра будет содержать сигнал, пропорциональный искомой информационной составляющей сигналаThe output signal of the composite filter will contain a signal proportional to the desired information component of the signal

Figure 00000036
Figure 00000036

Поскольку для работы способа важно правильно оценить амплитуду информационной составляющей, то для корректной работы способа достаточно корректировать лишь амплитуду сигнала (24), формируя образ информационной составляющей согласно (6) в виде оценкиSince it is important for the method to correctly evaluate the amplitude of the information component, for the correct operation of the method it is enough to adjust only the signal amplitude (24), forming the image of the information component according to (6) in the form of an estimate

Figure 00000037
Figure 00000037

не придавая значения корректности определения начальной фазы

Figure 00000038
Здесьnot attaching importance to the determination of the initial phase
Figure 00000038
Here

Figure 00000039
Figure 00000039

гдеWhere

Figure 00000040
Figure 00000040

модуль коэффициента передачи составного фильтра (23) на частоте ωi информационной составляющей.the transmission coefficient modulus of the composite filter (23) at the frequency ω i of the information component.

Поскольку все модели так или иначе определяют амплитуду информационной составляющей, все они хорошо справляются с задачей распознавания информационного образа сигнала. Как видно из фиг. 2, б)-г), на первом интервале однородности информационная составляющая отсутствует, и порог

Figure 00000041
. Мощность шума Pn достаточно высока и превышает порог, способ фиксирует информационный образ этого интервала как нерабочий, устанавливая признак Q=0. На втором интервале в сигнале обнаруживается информационная составляющая достаточной мощности, чтобы ее уровень, учитываемый в пороге Ri, превышал мощность шума Pn. Поэтому все модели формируют достаточные условия для фиксации признака, что информационный образ сигнала на втором интервале рабочий, т.е. Q=1.Since all models in one way or another determine the amplitude of the information component, they all do a good job of recognizing the information image of the signal. As can be seen from FIG. 2b) -d), in the first interval of uniformity, the information component is absent, and the threshold
Figure 00000041
. The noise power P n is quite high and exceeds the threshold; the method captures the information image of this interval as non-working, setting the sign Q = 0. In the second interval, an information component of sufficient power is detected in the signal so that its level, taken into account in the threshold R i , exceeds the noise power P n . Therefore, all models form sufficient conditions for fixing the sign that the information image of the signal on the second interval is operational, i.e. Q = 1.

Нужно отметить особенность применения составного фильтра (фиг. 2, г). Оно заключается в том, что составной фильтр формирует оценку информационной составляющей непосредственно из входного сигнала, пропуская его через себя. Поэтому на части оси времени оценка информационной составляющей отсутствует.It should be noted that the use of a composite filter (Fig. 2, g). It consists in the fact that the composite filter forms an estimate of the information component directly from the input signal, passing it through itself. Therefore, on the part of the time axis, there is no evaluation of the information component.

Задача разделения сигнала на интервалы здесь не рассматривается, поскольку она имеет самостоятельное значение.The problem of dividing the signal into intervals is not considered here, since it has independent significance.

Таким образом, за счет формирования порога пропорционально уровню информационной составляющей сигнала удалось повысить достоверность распознавания информационного образа электрического сигнала.Thus, due to the formation of the threshold in proportion to the level of the information component of the signal, it was possible to increase the recognition accuracy of the information image of the electric signal.

Claims (6)

1. Способ распознавания информационного образа электрического сигнала, согласно которому электрический сигнал преобразуют в цифровой сигнал путем измерения его в равномерно фиксированные моменты времени, для каждого дискретного момента на оси времени сигнала берут выборку отсчетов, на указанной выборке формируют модель сигнала и определяют сигнал шума как невязку между соответствующими отсчетами выборки и модели, оценивают мощность шума и, сравнивая ее уровень с порогом, выявляют информационный образ сигнала на отсчетах выборки, отличающийся тем, что, с целью повышения достоверности распознавания информационного образа, с помощью упомянутой модели сигнала выделяют информационную составляющую и формируют пропорционально ее уровню указанный порог, и считают, что информационный образ сигнала соответствует рабочему и упомянутая выборка отсчетов содержит информационную составляющую сигнала, если мощность шума ниже порога, иначе полагают, что информационный образ сигнала нерабочий и упомянутая выборка не содержит информационной составляющей сигнала.1. A method of recognizing an information image of an electrical signal, according to which the electrical signal is converted into a digital signal by measuring it at uniformly fixed time points, for each discrete moment on the time axis of the signal, a sample of samples is taken, a signal model is formed on the specified sample and the noise signal is determined as a residual between the corresponding samples of the sample and the model, the noise power is estimated and, comparing its level with a threshold, the information image of the signal in the sample samples is revealed, excellent characterized in that, in order to increase the reliability of recognition of the information image, using the aforementioned signal model, the information component is extracted and the specified threshold is formed in proportion to its level, and it is believed that the information image of the signal corresponds to the working one and said sample of samples contains the information component of the signal if the noise power below the threshold, otherwise it is believed that the information image of the signal is inoperative and the sample mentioned does not contain the information component of the signal. 2. Способ по п. 1, отличающийся тем, что информационную составляющую выделяют в результате структурного анализа отсчетов выборки, включающего в себя последовательные операции настройки адаптивного нерекурсивного фильтра на полное подавление сигнала, определения корней его характеристического уравнения и формирования по ним компонентной модели сигнала, настройки компонентной модели по отсчетам выборки.2. The method according to p. 1, characterized in that the information component is isolated as a result of a structural analysis of sample samples, which includes sequential operations of tuning an adaptive non-recursive filter to completely suppress the signal, determining the roots of its characteristic equation and forming a component signal model from it, tuning component model by sample samples. 3. Способ по п. 1, отличающийся тем, что информационную составляющую выделяют с помощью модели в виде гибридного фильтра, включающего в себя адаптивный фильтр и неадаптивную модель информационной составляющей сигнала, настраиваемого на полное подавление сигнала, причем информационную составляющую получают путем деления сигнала упомянутой неадаптивной модели на модуль коэффициента передачи адаптивного фильтра информационной составляющей.3. The method according to p. 1, characterized in that the information component is isolated using a model in the form of a hybrid filter, which includes an adaptive filter and a non-adaptive model of the information component of the signal, which is configured to completely suppress the signal, and the information component is obtained by dividing the signal of said non-adaptive models per module of the coefficient of transmission of an adaptive filter of the information component. 4. Способ по п. 1, отличающийся тем, что информационную составляющую выделяют путем преобразования сигнала составным фильтром информационной составляющей, формируемой по корням характеристического уравнения, настроенного на подавление сигнала адаптивного нерекурсивного фильтра за исключением корней, согласованных с информационной составляющей, и деления выходного сигнала составного фильтра на модуль его коэффициента передачи информационной составляющей.4. The method according to p. 1, characterized in that the information component is isolated by converting the signal with a composite filter of the information component formed by the roots of the characteristic equation configured to suppress the adaptive non-recursive filter signal with the exception of the roots matched with the information component and dividing the composite output signal filter to the module of its transmission coefficient of the information component. 5. Способ по пп. 1, 2, 3 или 4, отличающийся тем, что мощность шума определяется как средневыпрямленное значение невязки по отсчетам выборки, а упомянутый порог - пропорционально средневыпрямленному значению информационной составляющей сигнала на выборке.5. The method according to PP. 1, 2, 3 or 4, characterized in that the noise power is defined as the average rectified value of the residual according to the sample samples, and the threshold is proportional to the average rectified value of the information component of the signal in the sample. 6. Способ по пп. 1, 2, 3 или 4, отличающийся тем, что мощность шума определяется как среднеквадратичное значение невязки по отсчетам выборки, а упомянутый порог - пропорционально среднеквадратичному значению информационной составляющей сигнала на выборке.6. The method according to PP. 1, 2, 3 or 4, characterized in that the noise power is defined as the rms value of the residual for the sample samples, and the threshold is proportional to the rms value of the information component of the signal in the sample.
RU2017118743A 2017-05-29 2017-05-29 Method of finding-out of information image of electrical signal RU2653150C1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2017118743A RU2653150C1 (en) 2017-05-29 2017-05-29 Method of finding-out of information image of electrical signal

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2017118743A RU2653150C1 (en) 2017-05-29 2017-05-29 Method of finding-out of information image of electrical signal

Publications (1)

Publication Number Publication Date
RU2653150C1 true RU2653150C1 (en) 2018-05-07

Family

ID=62105701

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2017118743A RU2653150C1 (en) 2017-05-29 2017-05-29 Method of finding-out of information image of electrical signal

Country Status (1)

Country Link
RU (1) RU2653150C1 (en)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SU995348A2 (en) * 1981-04-08 1983-02-07 Ленинградский Институт Водного Транспорта Device for identifying and monitoring continuous signals
RU94037970A (en) * 1994-10-10 1996-09-10 Научно-исследовательский институт "Вектор" Method for signal processing and recognition
US5861826A (en) * 1997-06-30 1999-01-19 Harris Corporation Method and apparatus for calibrating integrated circuit analog-to-digital converters
US7895006B2 (en) * 2007-12-21 2011-02-22 Agilent Technologies, Inc. System and method for determining signal-to-noise ratio (SNR), signal-to-noise and distortion ratio (SINAD) and total harmonic distortion (THD)
US8797047B2 (en) * 2006-10-13 2014-08-05 Continental Automotive Gmbh Method and device for checking a sensor signal

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SU995348A2 (en) * 1981-04-08 1983-02-07 Ленинградский Институт Водного Транспорта Device for identifying and monitoring continuous signals
RU94037970A (en) * 1994-10-10 1996-09-10 Научно-исследовательский институт "Вектор" Method for signal processing and recognition
US5861826A (en) * 1997-06-30 1999-01-19 Harris Corporation Method and apparatus for calibrating integrated circuit analog-to-digital converters
US8797047B2 (en) * 2006-10-13 2014-08-05 Continental Automotive Gmbh Method and device for checking a sensor signal
US7895006B2 (en) * 2007-12-21 2011-02-22 Agilent Technologies, Inc. System and method for determining signal-to-noise ratio (SNR), signal-to-noise and distortion ratio (SINAD) and total harmonic distortion (THD)

Similar Documents

Publication Publication Date Title
Feldbusch et al. Vibration analysis using mobile devices (smartphones or tablets)
KR101446418B1 (en) Abnormal sound diagnostic equipment
US7493220B2 (en) Method and system for vibration signal processing
JP5409907B2 (en) Identification of resonance parameters of mechanical oscillators
CN106768757B (en) Shake table ultralow frequency sine sweep signal amplitude recognition methods based on variable sampling rate sampling
RU2016127609A (en) METHOD AND DEVICE FOR DETERMINING SIGNALS IN DATA
JP2015527005A5 (en)
US10718810B2 (en) Power drive transistor resonance sensor
CN110763903A (en) Residual current detection method, device and circuit
US8717040B2 (en) Method for instantaneously determining rates of distortion of signals on an AC electrical network, and associated device
JP2006220629A (en) Internal impedance measuring device for storage battery, and internal impedance measuring method of the storage battery
RU2014153145A (en) CHECK THE CURRENT CONTROL OF THE PROCESS
RU2653150C1 (en) Method of finding-out of information image of electrical signal
CN107405086B (en) Measurement device, measurement method, and program
CN105940608A (en) Evaluation method for sensor signals
CN106214143A (en) Transient motion interference identification method and heart rate confidence calculations method
CN105911153B (en) A kind of Signal separator and denoising method and device based on mobile window function
KR102062792B1 (en) wave height measuring device using arithmetic operation for wave height data by applying Kalman filter algorithm modified by prediction algorithm based on regression analysis
CN106170715B (en) Apparatus and method for acoustic-based environment detection
CA2582560C (en) Method and system for vibration signal processing
CN109682958B (en) Acceleration sensor signal compensation method for thrombelastogram instrument
JP7428605B2 (en) Respiratory heart rate measuring device and respiratory heart rate measuring program
RU2726275C1 (en) Method of determining liquid flow rate and vortex flow meter for its implementation
JP2016099288A (en) Measurement device and measurement range switch-over method
RU2586825C1 (en) Method and device for measuring frequency of rotation