При выборе метода функционирования устройства классификации сигналов необходимо учитывать характерные особенности источников сигналов (частота излучения, длительность импульсов, пространственное расположение источников и т. д.), требования по достоверности результатов классификации, на максимальное допустимое время классификации и на структуру аппаратных и программных средств устройства.

Ключевые слова: вектор, сигнал, квантование

В данной статье рассматривается метод классификации сигналов, суть которого заключается в разбиении всех классов на группы и подгруппы на основе набора вторичных признаков, в которых по возможности, сконцентрирована информация о наиболее существенных свойствах сигналов.

Сигнал , поступивший на классификацию, представлен виде вектора вторичных признаков и характеризуется тремя признаками . Где — качественный признак, указывающий на номер максимальной компоненты вектора ; — количественный признак, характеризующий разброс компонентов вектора ; — двухкомпонентный признак, описывающий уровень квантования (α) и код огибающей сигнала (), полученный на данном уровне.

Результат классификации зависит от точности формирования кода огибающей сигнала — признака . Признак представляет собой кортеж сочетаний «I« и «О« и отражает наиболее существенные изменения (перепады) огибающей классифицируемого сигнала, а также не зависит от масштабов представления его параметров. Кортеж получается в результате сравнения каждого из компонентов вектора с некоторым пороговым уровнем по условию . При удовлетворении данного условия i –ой компоненте кортежа присваивается «I«, в противном случае — «О«. В данном случае точность представления вида огибающей сигнала кортежем существенно зависит от численного значения .

Для сигналов, имеющих равномерное изменение огибающей, значение определяется простыми выражениями:

‒ для дискретных сигналов или /2;

‒ для непрерывных сигналов .

В случае, когда классифицируемый сигнал имеет неравномерное изменение огибающей, значение может быть определено как

.

где в числителе выражения служат для исключения влияния на значение отдельных компонент, сильно отличающихся от остальных компонентов вектора .

Дли точного описания огибающей сигнала производится его квантование по уровню и на каждом уровне определяется код вида огибающей сигнала. В этом случае численное значение порога , находящегося в интервале , определяется из выражения

где α порядковый номер шага квантования, на котором формируется код огибающей сигнала.

а шаг квантования, который изменяется пропорционально к масштабам представления параметров сигнала , значение которого вычисляется по формуле

При формировании признака в данном разделе рассматриваются следующие случаи:

1. Признак является вектором , компоненты которого соответствуют кодам полученным на каждом шаге квантовании. При этом не все компоненты признака отражают информацию об изменениях огибающей сигнала. В данном случав признак наиболее полно представляет классифицируемый сигнал, но требуются значительные вычислительные затраты при его сравнении с соответствующими эталонными признаками.
2. Для уменьшения вычислительных затрат в качестве компонентов

признака можно использовать коды, полученные на четных (нечетных) значениях α. В частном случае компонентами признака принимаются комбинации кодов огибающей сигнала, полученные при:

3. Более оптимальным является случай, когда представляется в виде двухкомпонентного признака где α, соответствует номеру шага квантования, на котором код содержит наибольшее количество переходов типа «IO», «OI» и сравнительно точно отражает вид огибающей сигнала. При этом значение α остается постоянным для сигналов одного класса, представленных в различных масштабах измерения.

Приводимый метод классификации включает в себя четыре уровня, в первых трех уровнях которого, на основе сравнения соответствующих признаков сигнала и эталона, определяется подмножество классов, к которому принадлежит классифицируемый сигнал, а на последнем уровне находится конкретный класс на основе сравнения кодов огибающих сигнала и эталонов.

На первом и втором уровнях классификации осуществляется сравнение признаков и с соответствующими составляющими эталонного вектора по выражениям , выполнение которых является необходимым условием отнесения классифицируемого сигнала g-му классу (g=I,К).

На третьем и четвертом уровнях классификации осуществляется сравнение признаков эталонными признаками на основе выражений предикатов сходства неотрицательных чисел, которое для данного случая имеет вид

,

и предиката сходства изображающих чисел

соответственно. Здесь и пороги сравнения признаков и являются порогами схожести, а — порогами сильного расхождения.

Если предикаты то коэффициенту ω, определяющему номер подмножества классов, присваивается значение ω=2, а номер класса в подмножестве классов определяется согласно выражения g=g(3ω+3). В противном случае вычисляется соответствующий предикат сходства для порога сильного расхождения. При истинном значении предиката коэффициенту ω присваивается значение ω=1, а g=g(3ω+2), в противном случае ω=0 и g=g(3ω+1).

Описанный метод, основанный на вычислении предикатов сходства вторичных признаков, позволяет ускорить процесс классификации за счет направленного выбора эталонных классов и существенно упростить данный процесс представлением сигналов в виде вектора вторичных признаков, компоненты которого являются инвариантными к масштабам представления параметров классифицируемого сигнала.

Выражения предикатов сходства в данном методе можно легко заменить на выражения метрик и мер близостей нелинейного пространства, что позволяет применять предлагаемый метод для классификации сигналов (объектов) при заданных границах классов.

Литература:

1. Ходжиев К. К., Абдуллаев М. М. Об одном способе повышения быстродействия систем принятия решений.// Программное, алгоритмическое и техническое обеспечение АСУ ТП: Тез. докл. Всесоюзной НТК. — Ташкент. 1985, ч.4.
2. Хасанов П. Ф., Ходжиев К. К. Нелинейное метрическое пространство для решения задач распознавания образов: Сб.науч.тр. Ташкент: ТяшПИ. I984, Вып.322.
3. Поезжаева Е.В//Теория механизмов и механика систем машин. Учеб. Пособия/Е. В. Поезжаева.- Пермь: Изд-во Пермского национального исследовательского политехнического университета. 2014.-400