СИСТЕМЫ АНАЛИЗА И ОБРАБОТКИ ДАННЫХ

В настоящей работе исследуется задача повышения качества данных с помощью фильтра Калмана в Matlab Simulink. В последнее время этот фильтр является одним из самых распространенных алгоритмов фильтрации и обработки данных при реализации систем управления (в том числе и АСУ) и создании программных комплексов по цифровой фильтрации от шумов и помех, например речевых сигналов. Он широко используется также во многих областях науки и техники. Благодаря своей простоте и эффективности его можно встретить в GPS-приемниках, в устройствах обработки показаний датчиков различного назначения и т. д. Известно, что одной из важных задач, которые следует решать в системах обработки показаний датчиков, является возможность обнаружения и фильтрация шума. Шум на датчике приводит к нестабильности данных измерений, а это в конечном итоге – к снижению точности и производительности устройства управления. Одним из методов, который можно использовать для решения задачи оптимальной фильтрации, является разработка кибернетических алгоритмов на основе фильтров Калмана и Винера. Процесс фильтрации может осуществляться в двух формах, а именно: аппаратные и программные алгоритмы. Аппаратную фильтрацию можно построить по электронной схеме. Однако он менее эффективен, поскольку требует дополнительной схемы в системе. Чтобы преодолеть это препятствие, можно использовать фильтрацию в виде алгоритмов программирования в один метод. Помимо того, что для этого не требуется электронная аппаратная схема, производимая фильтрация является еще более точной, поскольку она использует вычислительный процесс. В работе осуществляется анализ результатов применения фильтра Калмана для устранения ошибок при измерении координат отслеживаемой цели, получения «сглаженной» траектории и показаны результаты процесса разработки фильтра при обработке электрокардиосигнала. В основу разработки алгоритма фильтра Калмана положена процедура рекурсивной оценки измеряемого состояния объекта исследования.

1. Kalman R.E. A new approach to linear filtering and prediction problems // Journal of Basic Engineering. – 1960. – Vol. 82, N 1. – P. 35–45.

2. Alawiah A., Tahtawi A.R. Al. Sistem kendali dan pemantauan ketinggian air pada tangki berbasis sensor ultrasonik // KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer. – 2017. – Vol. 1, N 1. – P. 25–30.

3. Шоназаров П.М. Холов Ф.Т. Анализ спектральных характеристик музыкальных произведений и их влияние на гомеостаз человека // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. – 2019. – Т. 9, № 4. – С. 139–152.

4. Hardware simulation of automotive braking system based on fuzzy logic control / N.C. Basjaruddin, S. Kuspriyanto, D. Saefudin, V.A. Azis // Journal of Mechatronics, Electrical Power, and Vehicular Technology. – 2016. – Vol. 7, N 1. – P. 1–6.

5. Wavelet-conversion in electrocardio signal processing / V.F. Telezhkin, B.B. Saidov, P.А. Ugarov, A.N. Ragozin // Вестник ЮУрГУ. Серия: Компьютерные технологии, управление, радиоэлектроника. – 2021. – Т. 21, № 1. – С. 70–79. – DOI: 10.14529/ctcr210107.

6. Implementation of an ultrasonic distance measuring system with Kalman filtering in wireless sensor networks for transport logistics / O. Bischoff, X. Wang, N. Heidmann, R. Laur, S. Paul // Procedia Engineering. – 2010. – Vol. 5. – P. 196–199. – DOI: 10.1016/j.proeng.2010.09.081.

7. Welch G., Bishop G. An introduction to the Kalman filter: TR 95-041 / University of North Carolina. – UNC-Chapel Hill, 2006.

8. Adjustable 60Hz noise reduction by a notch filter for ECG signals / Y.-W. Bai, W.-Y. Chu, C. Chen, Y.-T. Lee, Y.-C. Tsai, C.-H. Tsai // Proceedings of the 21st IEEE Instrumentation and Measurement Technology Conference. – Como, 2004. – Vol. 3. – P. 1706–1711.

9. Harang R., Bonnet G., Petzold L.R. WAVOS: a MATLAB toolkit for wavelet analysis and visualization of oscillatory systems // BMC Research Notes. – 2012. – Vol. 5. – P. 163.

10. Saidov B.B., Tambovtsev V.I., Prokopov I.I. Spectrum transformation of an amplitude-modulated signal on an ohmic nonlinear element // Вестник ЮУрГУ. Серия: Компьютерные технологии, управление, радиоэлектроника. – 2020. – Т. 20, № 1. – С. 71–78.

11. Применение фильтра Калмана в задаче технической диагностики двигателей внутреннего сгорания / П.М. Шоназаров, Ф.Т. Холов, О.О. Евсютин, У.А. Турсунбадалов // Вестник ЮУрГУ. Серия: Компьютерные технологии, управление, радиоэлектроника. – 2019. – Т. 19, № 1. – С. 152–159. – DOI: 10.14529/ctcr190115.

12. Васильев К.К., Павлыгин Э.Д. Гуторов А.С. Построение траекторий маневрирующих целей на основе сплайнов и фильтра Калмана // Автоматизация процессов управления. – 2016. – № 1 (43). – С. 68–75.

13. Alfaouri M., Daqrouq K. ECG signal denoising by wavelet transform thresholding // American Journal of Applied Sciences. – 2008. – Vol. 5 (3). – P. 276–281.

14. Saidov B.B., Telezhkin V.F. Opto-ultrasonic communication channels // Вестник ЮУрГУ. Серия: Компьютерные технологии, управление, радиоэлектроника. – 2020. – Т. 20, № 4. – С. 55–62. – DOI: 10.14529/ctcr200406.

15. Daum F. Nonlinear filters: beyond the Kalman filter // IEEE Aerospace and Electronic Systems Magazine. – 2005. – Vol. 20 (8). – P. 57–69.