Авторы

Способ повышения качества оцифровки графических данных

В статье рассмотрена актуальная задача обратного преобразования графической информации в числовой формат исходных данных, использованных для ее представления. Это обусловлено наличием большого научного задела, содержащегося в публикациях периода существования СССР, а также намерением мировых издательств из «недружественных» стран закрыть доступ российским и белорусским организациям к базам научно-технической информации. В результате в распоряжении российских ученых могут оказаться графические материалы только в форматах, подобных PDF- документам. В статье рассмотрен достаточно простой способ решения указанной задачи при оцифровке графиков в печатных или электронных изданиях в условиях низкого разрешения и крупного масштаба рисунка, не позволяющих детализировать его отдельные фрагменты. Описана процедура предварительной подготовки исходного изображения в растровом формате. Для повышения точности числовых данных, получаемых в результате последующей оцифровки, рекомендован ряд функций, которыми располагают хорошо известные и наиболее распространенные графические редакторы. К ним относятся: изменение цветового режима изображения, инверсия цвета, повышение резкости и контрастности, линейное масштабирование (увеличение размеров по вертикали и горизонтали), а также аппроксимация линии графика с помощью сплайна. Эти операции доступны пользователям, знакомым в минимальном объеме с графическими редакторами Microsoft Power Point и Adobe Photoshop. В качестве примера использования разработанной процедуры представлены результаты оцифровки сигнала FRB 160317, относящегося к так называемым быстрым радиовсплескам (Fast Radio Burst). Представлена визуальная оценка точности выполненной оцифровки сигнала FRB 160317 путем его совмещения с исходным графическим изображением, показавшая удовлетворительное совпадение с оригиналом. Описанный способ может использоваться преподавателями вузов на начальных этапах обучения студентов работе с изображениями и осуществлением анализа данных, а также при подготовке материалов для учебного процесса с использованием дистанционных технологий. Полученные результаты применимы на начальных этапах научных исследований при формировании массива исходных данных для анализа зависимостей в различных предметных областях при отсутствии исходных выборок, отражающих результаты наблюдения. Читать дальше...

Кусочно‑линейная аппроксимация формы сильно зашумленного сигнала методом наименьших квадратов

Возрастающая тенденция применения компьютерных технологий делает особенно актуальными методы цифровой обработки сигналов (ЦОС), преобразованных в числовые массивы данных. В большинстве своем они достаточно сложны, а их применение не всегда оправдано при решении широкого круга прикладных задач. Это обуславливает постоянный интерес к эвристическим алгоритмам, основанным на упрощенных подходах и позволяющим быстро получать приближенные оценки с наименьшей трудоемкостью. Широкий диапазон изменения параметров регистрируемых сигналов и ограниченность технических характеристик применяемых средств измерения часто приводят к значительному повышению уровня помех, на фоне которых полезный сигнал становится практически нераспознаваемым. В статье рассматривается способ математической обработки импульсного (одиночного) апериодического сигнала с высоким уровнем шумовой составляющей путем аппроксимации его формы кусочно-линейной функцией, параметры которой определяются по методу наименьших квадратов. Дано краткое обоснование этого способа на основе анализа стохастического характера шума и его влияния на полезный сигнал. Проведены численный анализ спектрального состава сигналов до и после обработки, а также количественная оценка в сравнении с другими распространенными методами – фильтрацией и когерентным усреднением. При этом показано, что кусочно- линейная аппроксимация формы позволяет эффективно отделить полезный сигнал от шумовой составляющей, не требует сложных алгоритмических конструкций, а ее реализация в виде программного кода возможна на любом языке высокого уровня. В общем случае предложенный способ одинаково применим к сигналам любого вида, но наибольшей эффективностью отличается при обработке одиночных апериодических импульсов, не имеющих возможности повторения. Предложенный подход может быть использован также в учебном процессе при изучении основ программирования и для решения экономических задач, основанных на определении линий тренда параметрическими методами. Читать дальше...

Оценка точности цифровой обработки сильно зашумленных сигналов с помощью эвристических алгоритмов

Эвристические алгоритмы часто используются в качестве альтернативы при решении задач высокой вычислительной сложности или не имеющих точного решения, позволяя быстро получить требуемый результат. Как правило, они не имеют строгого математического обоснования, но их применение оправдано с точки зрения практической целесообразности. Формально к эвристическим можно отнести алгоритмы, в которых используются приближенные методы. Однако их применение часто порождает проблему отсутствия детерминированности, что не всегда позволяет оценить точность полученного решения. В статье рассмотрен методический подход к оценке точности эвристических алгоритмов, разработанных для определения формы и параметров полезного сигнала на фоне сильной шумовой составляющей. Он базируется на методе аналогии и состоит в моделировании искусственного сигнала с заданными параметрами, а также фоновой шумовой помехи, сходной по своим характеристикам с аддитивным белым гауссовским шумом. При этом шумовая составляющая формируется программными средствами с помощью генератора псевдослучайной последовательности чисел. Такие генераторы входят в пакеты встроенных функций практически всех языков программирования высокого уровня. Представлен сравнительный анализ характеристик реального и искусственного шума, показавший возможность решения задачи путем численного моделирования. Получены результаты оценки точности определения параметров искусственного сигнала, отделенного от шумовой составляющей с помощью эвристических алгоритмов кусочно-линейной аппроксимации и усреднения. Также рассмотрена задача сглаживания эмпирических данных путем эквивалентной замены дискретного сигнала набором квадратичных функций, параметры которых обеспечивают кусочно-параболическую аппроксимацию его формы. Эта процедура устраняет остаточный дребезг сигнала, который неизбежно возникает в результате линеаризации и позволяет в дальнейшем записать его с любой частотой дискретизации. Таким образом, предложенный подход дает возможность количественной оценки точности эвристических алгоритмов, применяемых при определении параметров ожидаемого сигнала. Читать дальше...