Encoder Signal Processing Algorithms: שיפור ניכוי רעש וזיהוי אינטגרity

מערכות אלקטרוניות ותקשורת מודרניות תלויות בלכידת המדויקת והפרשנות של אותות פיזיים. Encoders - שכפול הממיר את המיקום, מהירות או תנועה לנתונים דיגיטליים - שמירה על הגשר בין העולם האנלוגי ומערכות חישוביות.עם זאת, אותות תצפית גולמיים הם לעתים רחוקות prise אלגוריתמים חיוניים של אלגוריתמים אלה, אלגוריתמים אופטיממים, ושגיאות קוונטיות שיכולים לטשטש ביצועים ביישומים קריטיים כגון קודים, כגון אלגוריתמים, אופטימיזציה של מידע אופטית, בדיקות אופטיקה, אופטימיזציה של חומרת, אופטימיזציה של חומרתית, ועדכונים אופטית, בדיקות אופטית, אופטימיזציה של חומרתית, אופטימיזציה של חומרת, אופטימיזציה של חומרת, אופטימיזציה של חומרת, אופטימיזציה של מידע אופטית, אופטימיזציה של חומרתית, אופטימיזציה של חומרתית, ועדכונים, אופטימיזציה של חומרתית, אופטימיזציה של חומרתית, ועדכונים של חומרתית, כדי להבטיח את האלגוריתמים אופטית, אופטימיזציה של נתונים אופטית, אופטימיזציה של חומרתית, אופטימיזציה אופטית, אופטימיזציה של נתונים אופטית, אופטימיזציה אופטית, אופטימיזציה של חומרתית, אופטימיזציה של חומרתית, אופטימיזציה של מערכות מחשובית, אופטימיזציה של מערכות מחשובית, אופטימיזציה של מידע אלחוטית, אופטימיזציה של מערכות מחשובית, אלגוריתמים של חומר

המונחים: Encoder Signal Processing

מקודמת בדרך כלל מפצה רכבת של הדופק, אות מחצנית, או זרם נתונים סדרתי המייצג מיקום מצטבר או מוחלט. ברגע ההמרות, האות מכיל גם את המידע המיועד ורכיבים מעוררים מהסביבה והאלקטרוניקה עצמה לעיבוד אותות אותות פועלים על אלגוריתמים גולמיים אלה כדי להשיג שלושה מטרות עיקריות:

  • (ב) הפחתה של אינסוף:0) הסרת אנרגיה לא רצויה שאינה נושאת מידע מועיל.
  • (ב) ⁇ :0) שחזורים זרים: 1FLT: 1 מחדש את הגלום המיועד כאשר הוא מעוות על ידי מגבלות רוחב פס או לא לינאריות.
  • (ב) פירוש:0) ,5 ,1) , מיצוי מדדים משמעותיים כגון מהירות, האצה או כיוון מהאות הנקה.

שרשרת העיבוד מתחילה בדרך כלל עם אנלוגיה לפני ההתקשרות (הפצה, סינון נגד-aliasing) ואחריו המרה אנלוגית-לדיגיטלית ולאחר מכן סינון דיגיטלי. בחירת האלגוריתם תלויה בפרופיל הרעש, בעקביות הנדרשת ובמשאבים חישוביים הזמינים במערכת היעד.

תפקיד ה-Sampling Rate and resolution

לפני יישום אלגוריתמים, חשוב להבין כי שיעורי הדגימה גבוהים יותר והחלטות מעטות להפחית תרומות רעש מסוים אבל להגדיל את נפח הנתונים ואת צריכת החשמל. מעבד אותות מעוצב היטב מאזן פרמטרים אלה כדי להתאים את יחס האות-ל-אין של המערכת (SNR) דרישות (SNR) לדוגמה, בשליטה מהירה במהירות גבוהה, דגימה בכמה מאות קילווהרץ היא נפוצה, בעוד שבדרישות קלט קטן של צרכנים עשויים להיות מספיק.

סוגים של רעש בעיבוד אותות

אותות אנקודר רגישים למקורות רעש מרובים.הכרה בסוג הדומיננטי הוא הצעד הראשון לבחירת אסטרטגיה סינון יעילה.

  • (ב) רעש עצום (רעש ג'ונסון-ניקוויסט): 1FLT:1 Arises מן הזעם התרמטי של נושאי מטען במתנגדים וצומתים למחצה.יש לו צפיפות ספקטרלית שטוחה (רעש לבן) וקובע גבול בסיסי על ה-SNR של כל מערכת אלקטרונית.
  • (FLT:0)Quantization רעש: FLT:1 Occurs כאשר אות אנלוגי הוא דיגיטציה; כל רמה דיסקרטית מציגה שגיאה עגולה.עבור ממיר N-bit, ה- SNR התיאורטי הוא בערך 6.02N + 1.76 dB, אבל במערכות קוד זדוני מעשי, לא ליניאריות עלולות להגדיל את השגיאה זו.
  • (FLT:0) התערבות אלקטרומגנטית (EMI): זוגות לקשורים קודקודים ושרידים של מנועים הסמוכים, אספקה חשמל, או משדרים אלחוטיים. EMI לעתים קרובות מופיעים כהתפרצויות, ספיקים, או חומוס סינוסאידים התואמים עם אירועים חיצוניים.
  • (FLT:0) מ מכניאני ג'יטר: לא רעש חשמלי ל-Se, אלא וריאציות בתנועה הפיזית של הדיסק הקודר או ראש קריאה בשל פגמים, רטט או התחדשות.זה מביא לאי ודאות תזמון ניכרת בחוד החנית של הקצוות.
  • (FLT:0 התערבות בין-סימבול (ISI): ibph:1) ב קודים דיגיטליים מהירים, ביטים או הדופקים הסמוכים עשויים לדמם אחד לשני בגלל מגבלות רוחב פס בקו השידור, מה שגורם לשגיאות תלויות בנתונים.

הבנת סוגי רעש אלה מסייעת למהנדסים לבחור אלגוריתמים שממקדים את המאפיינים הספציפיים של הספקטרום או הזמני של השחיתות.

מפתח Algorithms for Noise Reduction

עשרות שנים של מחקר עיבוד אותות יצרו ארגז כלים של אלגוריתמים המותאמים לסביבות רעש שונות. להלן הן הטכניקות הנפוצות ביותר ביישומים קודר, עם הסברים למנגנונים שלהם ולחילופי הסחר.

המונחים:

מסנן קאלמן הוא אלגוריתם הסתגלותי, חוזר שמייצר הערכות אופטימליות של מצב המערכת (כגון מיקום ומהירות) בנוכחות הרעש הגאוסי.זה משתמש במודל חיזוי של הדינמיקה של ה- encoder - מהירות קבועה חד פעמית או האצה קבועה - ומזגו את החיזוי עם מדידות רועשות.

המונחים:

מסנן החציוני הוא טכניקה לא ליניארית המחליף כל נקודת נתונים עם החציון של שכנותיה בתוך חלון מזחלות.It מצטיין בהסרת רעש אימפולס (spikes) ו glitches קצר-duration נפוץ אותות encoder בגלל מגע קפיצה או EMI פרץ. בניגוד לסנמסני התקשורת משמרות חדות בסימן (למשל, שינוי משמעותי של חלון כפול הוא למעשה בגודל של 3 פעימות לב, לעומת פילטרים).

המונחים:

ניתוח Wavelet קובע אות בקנה מידה מרובים (להקות ⁇ ) באמצעות תפקוד גל אם. Noise, במיוחד רעש לבן, נוטה להתפשט אפילו על פני כל המאזניים, בעוד האנרגיה של האות האמיתי מתרכזת בכמה מזהמים גדולים. Wavelet denoising חל סף (רכה או קשה) על ה- coefficients, דיכוי תרומות קטנות המיוחסות לרעש, ואז משחזר את אותות אלה הוא יעיל יותר: 0 {\displaystyle 1) עם תכונות מהירות יותר, או קשיחות (Rate) של קודים (Rate) של קוד פתוח יותר, במיוחד על גבי LTF) על גבי LT או קשה) על מנת למנוע אותות מהירים יותר, במיוחד על גבי LTF.

פילטר

מסנן Wiener הוא מסנן ליניארי קלאסי הממזער את השגיאה הריבועית בין האות הנקי הרצוי לבין הפלט המסנן.זה מניח את הרעש ואת האות הם נייח, ללא קורב, והם ידועים ספקטרום כוח ספקטרום. בפועל, מסנן Wiener מיושמת בתדירות התחום: FFT של האות רועש מוכפל על ידי פונקציה מופרשת על ידי SNR בכל תדירות.

העברת מסנן ממוצע ו Savitzky-Golaying

ממוצע נע פשוט (boxcar) מסנן נתונים על ידי שילוב מספר קבוע של דגימות סמוכים.זה זול ויעיל מבחינה חישובית נגד רעש אקראי גבוה ⁇ , אבל זה מטושטש הקצוות ומציג עיכוב שלב. מסנן Savitzky-Golay מרחיב את הרעיון הזה על ידי התאמת משוב נמוך מדרגה גבוהה (בדרך כלל 2 או 3rd סדר) לנתונים בתוך חלון נע באמצעות קצר יותר מאשר רגעים נעים (remereme) עבור מיקום רגיל).

שיפור החדירה

מעבר להפחתה פשוטה של רעש, מערכות קודקוד מודרניות חייבות לשמור על נאמנות הנתונים המקוריים באמצעות שרשרת עיבוד שלמה.זהות אות כרוכה בשמירת דיוק התזמון, מניעת אובדן נתונים, ותיקון שגיאות המוצגות על ידי שידור או אחסון.

קוד תיקון שגיאות (ECC)

בקידודים דיגיטליים המשדרים נתונים סידוריים (למשל, BSS, SSI, EnDat), רעש אלקטרומגנטי יכול לצרף ביטים, מה שגורם לקריאות שגיאה כוזבות (FEC) תיקון שגיאות כגון קודים של Hamming, קודים של ריד-סאלומון, או בדיקות מחזוריות (CRC) להוסיף ביטים אדומים המאפשרים למקלט לזהות לפעמים מספר מוגבל של שגיאות C-8CC כדי להבטיח קידוד סטנדרטי ל-C.

פילטר

מסנן מותאם באופן אוטומטי להתאים את האפקטיביות שלה בהתבסס על הסטטיסטיקה של אותות קלט. אלגוריתם הריבועים הפחות ממוצע (LMS) הוא יישום משותף: הוא משווה את הפלט המסונן עם התייחסות הרצויה (או ערך מצופה) ומעדכן את המשקל המסנן כדי למזער את השגיאה.ביישומים קודר, מסננים מתאימים יכולים לשמש לביטול הד (למשל, הסרת השתקפות מטווח ארוך) או מעקב מהיר.

לוחמה והערכה

קודרים רבים מייצרים מספר מוגבל של מדינות למהפכה (למשל, 1024 ספירות) כדי להגדיל את ההחלטה האפקטיבית, אלגוריתמים בין-פולציה מעבדים את האותות האנלוגיים של החטא/קוסטין מהקודש והעמדות הקלות המיישרות בין המעברים הדיגיטליים.שיטות נפוצות כוללות חישוב גולגולתי, טבלאות מבט מראש, או אלגוריתמים CORDIC.

Input Debouncing and Hysteresis

על מקודנים מכניים עם אנשי קשר (למשל, מתגים רוטאריים, כמה קודים מצטברים), קידוד מגע מייצר מספר נקודות שקר כאשר המנגב מתיישב. אלגוריתם פשוט מחכה תקופה קבועה (למשל, 1-5 מ"מ) לאחר הקצה הראשון לפני קבלת מעברים עוקבים.

יישומים בטכנולוגיה מודרנית

אלגוריתמי עיבוד אותות אנקודר מוטבעים במערכות אינספור, לעתים קרובות פועלים באופן שקוף למשתמש הקצה.כאן אנו בודקים מספר תחומים מרכזיים שבהם ההשפעה שלהם בולטת ביותר.

רובוטיקה ואוטומציה

בזרועות תעשייתיות רובוטיות, טיעונים ליניאריות ורובוטים שיתופיים, קודרים משותפים מספקים משוב בזמן אמת עבור שליטה סגורה-פרלופ. Noise בסימנים אלה יכול להוביל לג'ייטר, מעקב שגיאות, או אפילו חוסר יציבות. Kalman מסננים ו- Savitzky-Golays מויי הם בדרך כלל מיושמים בקושחה כדי להחליק את האות המהיר.

מערכות תקשורת אלחוטיות

ברדיו מוגדרים תוכנה ואנטנות הסתגלות, קודרים משמשים בלולאות שננעלו בשלב (PLLs) ו-תדירות מסנתזנים.כאן, רעש בשלב מהאות הבקרה הדיגיטלית של קודר יכול להפיג את גודל השגיאה של המערכת (EVM). פילטרים הסתגלות ואלגוריתמים PLL דיגיטליים עם מסננים מבוססי Kalman עוקב אחר תדירות המוביל באופן מדויק תוך דחיית שלב JFELVERD יותר על ויקיפדיה.

מכשירים רפואיים

סורקים CT, מכונות MRI ובדיקות אולטרסאונד מסתמכים על משוב קודר מדויק כדי למקם את ראש ההדמיה או גנגסטר. כל רעש קודר מתורגם לממצאים תנועה שיכולים להשחית תמונות אבחון. Redundant encoder ערוצים עם אלגוריתמים חודרים ומסיכה החוצה אלגוריתמים גליאקציה מקומיים, בעוד גלטציה משמש לניקוי המיקום לפני שהם ניזונים לתוך התמונה, להבטיח את אותו ניתוח רובוטי, באופן ייחודי של מכשירים כירורגיים.

מוצרי אלקטרוניקה

מגלגל הגלולות בעכבר אלחוטי ועד לשיח הג'י על מצלמה דיגיטלית, מכשירים צרכניים משתמשים בקודקודים זולים.איכות האות היא לעתים קרובות עניה בשל מגבלות על על הגנה ומחברים. debouncing מבוסס תוכנה, סינון מתווך, והתערבות (באמצעות חישה נאותה) הם סטנדרטיים במכשיר קושחה.

מגמות עתידיות ופיתוח

הביקוש הבלתי פוסק לדיוק גבוה יותר, לנטיות נמוכות יותר, וצריכת חשמל נמוכה יותר היא תהליך של עיבוד אותות קודר.מספר מגמות מתעוררות שווה לאות.

Machine Learning for Noise Characterization

אלגוריתמים מסורתיים מניחים כי סטטיסטיקות רעש ידועות - לפני או ניתן להעריך באינטרנט.שיטות למידה מכונה - במיוחד רשתות עצביות קטנות או תמיכה מכונות וקטור - יכולות ללמוד דפוסי רעש מורכבים, לא מחזוריים מנתוני חיישן.לדוגמה, רשת עצבית convolutional (CNN) ניתן לאמן כדי להבחין בין נקודות קוד זדוני אמיתי ו-EMI מתפוצצים באמצעות תכונות זמן- ⁇ מוקדם של פעילות גופנית בחיישנים.

עיבוד Asynchronous and Event-Driven

רוב עיבוד קודר כיום הוא סינכרוני: דגימות נלקחות במרווחי זמן קבועים. Asynchronous גישות, בהשראת הנדסה נוירומורפית, תהליך קידוד אירועים (מעברים מתקדמים) כפי שהם מתרחשים.זה מבטל את הצורך ב-IoT oversampling ומצמצמצמצמצמצמצמצמצת צריכת חשמל באלגוריתמים מבוססי קודר אלחוטי, כגון מסנן קלרמן או זמן מסוננים לתוכנות נמוכות של יישומים מקוונים (כלומר, למשל) לתוכנות תקשורת נמוכה (מונים).

פתרונות מערכתיים משולבים (SoC)

במקום ליישם אלגוריתמים במיקרובקר נפרד או FPGA, הדור הבא משלב את עיבוד האות ישירות על השבב קודר.קודים חכמים אלה משתמשים ליבות DSP משובצות או מאיצים מיוחדים לחומרה עבור Kalman סינון, אינטרפולציה, ו- ECC. היתרון הוא פלט דיגיטלי נקי (למשל, SPI או Ethernet / IP) כי הוא כמעט חסין מפני הרעש החיצוני מתרחש.

מסקנה

אלגוריתמים לעיבוד אותות מהווים את עמוד השדרה הבלתי נראה של אינספור טכנולוגיות הדורשות נתונים פיזיים מדויקים ואמינים.ממסננים בסיסיים ומדיה לקודים מתקדמים של גליון ותיקון שגיאות, טכניקות אלה הופכות אותות חיישן גולמיים מזוהמים לייצוגים דיגיטליים אמינים.כפי שיישומים בסביבת הרובוטיקה, תקשורת, הדמיה רפואית ואלקטרוניקה צרכנית ממשיכים לדרוש ביצועים גבוהים יותר, התחום עובר לכיוון הסתגלות, למידה ממוחשבת, ופתרונות דינמיים, אשר אינם יכולים לייעל את האלגוריתמים של אבטחה, אלא לייעל את פתרונות דינמיים, אך ורק אלגוריתמים, אלא לאלגוריתמים של אבטחה, אך ורק לאלגוריתמים של אבטחה, אך ורק לאלגוריתמים, אך ורק לאלגוריתמים, אך ורק לאלגוריתמים, או לאלגוריתמים, אך ורק לאלגוריתמים, או לאלגוריתמים, אך ורק לאלגוריתמים, אך ורק לאלגוריתמים מתקדמים, אך ורק לייעל את האלגוריתם, אך ורק לאלגוריתמים, אך ורק לאלגוריתמים של פתרונות דינמיים, אך ורק לאלגוריתמים, ללא יכולת התאמה אישית, או לאלגוריתמים של פתרונות דינמיים, ללא מגבלות אבטחה, אך ורק לאלגוריתמים של פתרונות דינמיים, ללא יכולת התאמה אישית, אך ורק לאלגוריתמים של פתרונות דינמיים, אך ורק