Адаптивность ДЭМ позволяет эффективно применять ее для анализа естественных сигналов. Разложение с помощью ДЭМ обеспечивает извлечение из сигнала различных колебательных функций. Среди всех модификаций (ДЭМ, МДЭМ, КМДЭМ и др.) наиболее перспективной в области анализа акустических естественных сигналов является улучшенная полная множественная декомпозиция на эмпирические моды с адаптивным шумом (ПМДЭМАШ) [19]. Ниже представлено краткое математическое описание ДЭМ и ее модификаций с добавлением шума:
Добавление контролируемого шума устраняет известные недостатки существующих разновидностей методов декомпозиции: эффект смешивания ЭМ; неполнота декомпозиции (все полученные шумовые копии разлагаются независимо друг от друга без связи между собой); остаточный белый шум; неинформативные «паразитные» ЭМ, отсеиваемые на ранних этапах разложения. В соответствии с обзором литературы фильтрация на основе ДЭМ и ее модификаций получила широкое распространение в ультразвуковом методе неразрушающего контроля [15], при определении источников аудиосигналов [16], а также при улучшении распознавания акустических речевых сигналов в условиях интенсивных помех [17]. На рис. 5 представлен пример разложения на ЭМ акустического сигнала длительностью 100 мс с помощью улучшенной ПМДЭМАШ. Как видно из рис. 5, метод улучшенной ПМДЭМАШ функционирует как диадический набор фильтров и может успешно применяться в субполосной адаптивной фильтрации. поисковый акустический субполосный неоднородный
Рис. 5. Результат разложения акустического сигнала с помощью улучшенной ПМДЭМАШ.
В левом столбце представлены осциллограммы исходного сигнала и полученных ЭМ (амплитуда в вольтах, время в дискретных отсчетах), в правом столбце ? спектральные плотности мощности (амплитуда в децибелах, частота в герцах): а ? акустический сигнал; б?и ? ЭМ1?ЭМ8. На рис. 6 представлен пример разложения на ЭМ чистого и зашумленного (ОСШ = 5дБ) акустических сигналов. В соответствии с результатами разложения шумовая составляющая зашумленного сигнала была выделена в первую высокочастотную моду (ЭМ0).
Рис. 6. Результат разложения чистого и зашумленного (ОСШ = 5дБ) акустических сигналов с помощью улучшенной ПМДЭМАШ.
Справедливо отметить, что в результате воздействия шума при разложении информативные составляющие акустического сигнала (ЭМ1-ЭМ2) подверглись незначительному искажению.
На основе сказанного можно сделать вывод, что применение в поисковых акустических приборах субполосной адаптивной фильтрации на основе метода улучшенной ПМДЭМАШ позволит существенно повысить порог работоспособности в условиях интенсивных помех и точности определения местоположения пострадавших под за - валами.
В левом столбце представлены осциллограммы чистого сигнала и полученных ЭМ (амплитуда в вольтах, время в дискретных отсчетах), в правом столбце - осциллограммы зашумленного сигнала и полученных ЭМ: а - акустический сигнал; б - шумовая составляющая (ЭМ0); в-к - ЭМ1-ЭМ8
Заключение
В статье проведен обзор способов ведения поисковых работ в неоднородных средах, в особенности способа с использованием специальных приборов поиска. Рассмотрены принципы действия и условия применения существующих приборов поиска, выявлены их достоинства и недостатки. Отмечены проблемы фильтрации полезных акустических сигналов, оказывающие негативное воздействие на работоспособность и эффективность акустических приборов на территории проведения поисковых работ.
В соответствии с обзором литературы и собственными исследованиями определены перспективы развития поисковых устройств акустического класса - предложена субполосная адаптивная фильтрация на основе улучшенной ПМДЭМАШ, позволяющая существенно повысить порог работоспособности в условиях интенсивных помех и точности определения местоположения пострадавших под завалами.
Библиографический список
1. Сравнительная характеристика чрезвычайных ситуаций, происшедших на территории Российской Федерации за 6 месяцев в 2019/2018 годах // Сайт МЧС России. - URL: http:// www.mchs.gov.ru
2. Способ опред. формантной разборчивости речи для оценки психоэмоц. состояния операторов систем управления с выс. степенью ответственности / А. К. Алимурадов, А. Ю. Тычков, П. П. Чураков, Б. В. Султанов // Измерение. Мониторинг. Управление. Контроль. - 2019. - № 4 (30). - С. 58-69.
3. Помехоустойчивый алгоритм определения просодических характеристик речевых сигналов для систем оценки психоэмоционального состояния человека / А. К. Алимурадов, А. Ю. Тычков, П. П. Чураков, Д. В. Артамонов // Изв. вузов. Поволжский регион. Тех. науки. - 2019. - № 3(51). - С. 3-16.
4. Антонов. А. В. Нелинейная радиочастотная идентификация: решения и перспективы / А. В. Антонов // The Way of Science. International scientific journal. - 2014. - № 9 (9) - С. 21-22.
5. Каторин, Ю. Ф. Защита информации техническими средствами : учеб. пособие / Ю. Ф. Каторин, А. В. Разумовский, А. И. Спивак. - Санкт-Петербург : НИУ ИТМО, 2012. - 416 с.
6. Техника и оборудование // Сайт Дальневосточного регионального центра МЧС России. - URL: http://fareast.mchs.ru/folder/158743.
7. Карпенко, А. В. Тепловизионный наблюдательный прибор «Зенит-ТНП-11» // Оружие отечества. Отечественное оружие и военная техника : информ. портал. - URL: http://bastion- opk.ru/ zenit-tnp-1.
8. Волков, В. Г. Тепловизионные приборы для спецтехники / В. Г. Волков // Спецтехника и связь. - 2011. - № 1. - С. 2-10.
9. Бугаев, А. С. Обнаружение и дистанционная диагностика состояния людей за препятствиями с помощью РЛС / А. С. Бугаев, И. А. Васильев, С. И. Ивашев // Радиотехника. - 2003. - № 7. - С. 42-47.
10. Гречушкин, Н. Н. Приоритеты оснащения сил МЧС России / Н. Н. Гречушкин // Системы Безопасности. - URL: http://www.secuteck.ru
11. Приборы поиска. СМП-1П (радиолокационная система поиска с использованием пассивных маркеров) // Сайт ЗАО «Средства спасения». - URL: http://www.spasenie-mchs.ru
12. Нелинейные радиолокаторы // Сайт ЗАО «Средства спасения». - URL: http://pitbot.ru/ 31.shtml.
13. Jin, Q. Optimum filter banks for signal decomposition and its application in adaptive echo cancellation / Q. Jin, Z. Q. Luo, K. M. Wong // IEEE Transactions on Signal Processing. - 1996. - Vol. 44, № 7. - P. 1669-1680.
14. Topa, M. D. Digital adaptive echo-canceller for room acoustics improvement / M. D. Topa, I. Muresan, B. S. Kirei, I. Homana // Advances in Electrical and Computer Engineering. - 2010. - Vol. 10, № 1. - P. 50-53.
15. Zhang, Q. Applying sub-band energy extraction to noise cancellation of ultrasonic NDT signal / Q. Zhang, P. W. Que, W. Liang / / Journal of Zhejiang University. - 2008. - Vol. 9, № 8. - P. 1134-1140.
16. Taghia, J. One-channel audio source separation of convolutive mixture / Jalal Taghia, Jalil Taghia // CISSE 2007: Bridgeport, CT, USA - SCSS. - 2007. - Vol. 1. - P. 202-206.
17. Chatlani, N. EMD-based filtering (EMDF) of low-frequency noise for speech enhancement / N. Chatlani, J. J. Soraghan // IEEE Transactions on Audio, Speech, and Language Processing. - 2012. - Vol. 20, № 4. - P. 1158 -1166.
18. Huang, N. E. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis / N. E. Huang, S. Zheng, R. L. Steven // Proc. Roy. Soc. London A. - 1998. - Vol. 454. - P. 903-995.
19. Colominasa, M. A. Improved complete ensemble EMD: a suitable tool for biomedical signal processing / M. A. Colominasa, G. Schlotthauera, M. E. Torres // Biomed. Signal Proces. - 2014. - Vol. 14. - P. 19-29.