DOI
10.34229/KCA2522-9664.24.4.13
УДК 53.088.3+53.088.7
Ю.К. ТАРАНЕНКО
Приватне підприємство «Лікопак», Дніпро, Україна,
tatanen@ukr.net
О.Ю. ОЛІЙНИК
Дніпровський фаховий коледж радіоелектроніки, Дніпро, Україна,
oleinik_o@ukr.net
ВИКОРИСТАННЯ ПОРОГОВИХ ТА БЕЗПОРОГОВИХ МЕТОДІВ
ДИСКРЕТНОЇ ВЕЙВЛЕТ-ФІЛЬТРАЦІЇ РАДІОЛОКАЦІЙНИХ СИГНАЛІВ
Анотація. Досліджено ефективність порогових і безпорогових методів вейвлет-фільтрації шумів для оброблення радіолокаційних сигналів.
Розглянуто три методи вейвлет-аналізу: із загальним порогом обмеження вейвлет-коефіцієнтів деталізації,
з універсальним порогом для всіх вейвлет-декомпозицій, а також метод без порогу,
що базується на обнуленні коефіцієнтів деталізації на певних рівнях вейвлет-декомпозиції сигналу.
Оцінено ефективність вейвлет-фільтрації за відношенням сигнал/шум до і після фільтрації,
ентропією сигналу та значенням середньоквадратичної похибки моделі.
Встановлено, що у широкому діапазоні високих шумів від –12 дБ до –7.5 дБ метод із загальним порогом забезпечує ефективнішу фільтрацію шуму порівняно з іншими методами.
Ключові слова: дискретний вейвлет-аналіз, безпорогові методи, радіолокаційний сигнал, ентропія, порогова функція.
повний текст
СПИСОК ЛІТЕРАТУРИ
- Худов Г.В., Ліщенко В.М., Гниря В.В. Обробка сигналів у мультирадарній системі на базі двокоординатних оглядових радіолокаційних станцій. Телекомунікаційні та інформаційні технології. 2020. № 4(69). С. 4–15.
- Ваврук Є.Я., Лашко О., Попович Р. Алгоритми та засоби обробки сигналів. Львів: СПОЛОМ. 2021. 240 с.
- Левчунець Д.О. Виявлення радіолокаційних сигналів на основі аналізу згортки сигналу з вейвлетом. Зб. наук. пр. Національної академії Державної прикордонної служби України. Сер.: Військові та технічні науки. 2015. № 1. С. 237–243.
- Свид І.В., Старокожев С.В. Розподілена обробка радіолокаційної інформації систем спостереження повітряного простору. Радіотехніка. 2023. Вип. 212. С. 155–165.
- Серков О.А., Трубчанінова К.А., Лазуренко Б.О. Завадостійкість мобільних телекомунікаційних систем. Системи управління, навігації та зв’язку: Зб. наук. пр. 2020. № 2(60). С. 169–172. doi.org/10.26906/SUNZ.2020.2.169.
- Walenczykowska М., Kawalec A., Krenc К. An application of analytic wavelet transform and convolutional neural network for radar intrapulse modulation recognition. Sensors. 2023. Vol. 23, N 4. 1986. doi.org/10.3390/s23041986.
- Жиров, Г.Б., Хлапонін Ю.І., Жиров Б.Г. Методи аналізу тонкої структури нестаціонарних сигналів. Зб. наук. пр. Військового інституту Київського національного університету імені Тараса Шевченка. 2016. № 53. С. 21–30.
- Prashar N., Sood M., Jain S. Design and implementation of a robust noise removal system in ECG signals using dual-tree complex wavelet transform. Biomedical Signal Processing and Control. 2021. Vol. 63. 102212. doi.org/10.1016/j.bspc.2020.102212.
- Osadchiy A., Kamenev A., Saharov V., Chernyi S. Signal processing algorithm based on discrete wavelet transform. Designs. 2021. Vol. 5, N 3. 41. https://doi.org/10.3390/designs5030041.
- Nasri M., Nezamabadi-pour H. Image denoising in the wavelet domain using a new adaptive thresholding function. Neurocomputing. 2009. Vol. 72, Iss. 4–6. P. 1012–1025. https://doi.org/10.1016/j.neucom.2008.04.016.
- Wang B., Zhang G., Li Z., Whang Z. Wavelet threshold denoising algorithm based on new threshold function. Journal of Computer Applications. 2014. Vol. 34(5). P. 1499–1502. doi.org/10.11772/j.issn.1001-9081.2014.05.1499.
- Taranenko Yu.K., Lopatin V.V., Oliynyk O.Yu. Wavelet filtering by using nonthreshold method and example of model Doppler function. Radioelectronics and Communications Systems. 2021. Vol. 64, N 7. Р. 380–389. https://doi.org/10.3103/S0735272721070049.
- Банделюк О.В., Колобродов В.Г. Проблемы выбора материнского вейвлета для улучшения показателей информативности в задачах ДЗЗ. Зб. тез доповідей IX науково-практичної конференції студентів та аспірантів «Погляд в майбутнє приладобудування» (17–18 квітня 2016 р., Київ). ПБФ, НТУУ КПІ, 2016. C. 29.
- Лазоренко О.В., Лазоренко С.В., Черногор Л.Ф. Вейвлет-аналіз модельних сигналів з особливостями. 1. Безперервне вейвлет-перетворення. Радиофизика и радиоастрономия. 2007. Т. 12, № 2. С. 182–204.
- Матвеев Б.В., Крюков Д.Ю., Курьян Ю.С., Левенков К.О. Применение дискретного вейвлет-преобразования для фильтрации зондирующих радиолокационных сигналов от аддитивных помех. Вестник Воронежского государственного технического университета. 2014. Т. 10, № 2. С. 43–46.
- Браун В.О., Долгушин В.П., Лоза В.Н., Пампуха И.В. Исследование возможностей и характеристик методов снижения уровня шума при обработке сигналов, основанных на применении вейвлет-технологии. Журнал радиоэлектроники. 2014. № 7.
- Солодка В.І., Ошаровська О.В., Патлаєнко М., Подольська А. Формування сигналів вейвлет-перетворення з урахуванням порогових функцій в задачі стиснення цифрового потоку. Вісник Університету «Україна». Сер.: Інформатика, обчислювальна техніка та кібернетика. 2020. № 1(28). С.186–197.
- Ширман Я.Д. Теория и техника обработки радиолокационной информации на фоне помех. Москва: Рипол Классик, 1981. 416 c.
- Воскобойников Ю.Е. Вейвлет-фильтрация с двухпараметрическими пороговыми функциями: выбор функции и оценивание оптимальных параметров. Автоматика и программная инженерия. 2016. № 1(15). С. 69–78.
- Hindi A., Dwairi M.O., Alqadi Z. Analysis of digital signals using wavelet packet tree. International Journal of Computer Science and Mobile Computing. 2020. Vol. 9, Iss. 2. Р. 96–103.
- Тараненко Ю.К., Олійник О.Ю. Оптимізація алгоритму пакетної вейвлет-фільтрації. Кібернетика та системний аналіз. 2024. Т. 60, № 1. С. 163–174. doi.org/10.34229/ KCA2522-9664.24.1.14.
- Oliynyk O., Taranenko Yu. Automated system for identification of data distribution laws by analysis of histogram proximity with sample reduction. Ukrainian Metrological Journal. 2021. N 3. P. 31–37.
- Oliynyk O. Taranenko Y., Losikhin D., Shvachka A. Investigation of the Kalman filter in the noise field with an excellent Gaussian distribution. Eastern-European Journal of Enterprise Technologies. 2018. Vol. 4, N 4(94). P. 36–42.
- Gonzalez-Estrada E., CosmesW. Shapiro–Wilk test for skew normal distributions based on data transformations. Journal of Statistical Computation and Simulation. 2019. Vol. 89, N 17. Р. 3258–3272. doi.org/10.1080/00949655.2019.1658763.
- Taranenko Yu.K. Methods of discrete wavelet filtering of measurement signals: An algorithm for choosing a method. Measurement Techniques. 2022. Vol. 64(10). P. 801–808.
- Кременецька Я.А., Мельник Ю.В., Марков С.Ю., Градобоєва Н.В. Моделювання радіоканалу зв’язку міліметрового діапазону хвиль з використанням технології RоF. Наукові записки Українського науково-дослідного інституту зв’язку. 2018. № 1. С. 41–50.