Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
i
BỘ CÔNG THƯƠNG BỘ GIÁO DỤC VÀ ĐÀO TẠO
VIỆN NGHIÊN CỨU ĐIỆN TỬ, TIN HỌC, TỰ ĐỘNG HÓA
T N TH HOÀ
VỀ MỘT PHƯƠNG PHÁP NÂNG CAO CHẤT LƯỢNG XỬ LÝ TÍN HIỆU
ỨNG DỤNG TRONG CÁC HỆ THỐNG ĐIỀU KHIỂN CÔNG NGHIỆP
LUẬN ÁN TIẾN SĨ KỸ THUẬT
HÀ NỘI – 2012
ii
BỘ CÔNG THƯƠNG BỘ GIÁO DỤC VÀ ĐÀO TẠO
VIỆN NGHIÊN CỨU ĐIỆN TỬ, TIN HỌC, TỰ ĐỘNG HÓA
T N TH HOÀ
VỀ MỘT PHƯƠNG PHÁP NÂNG CAO CHẤT LƯỢNG XỬ LÝ TÍN HIỆU
ỨNG DỤNG TRONG CÁC HỆ THỐNG ĐIỀU KHIỂN CÔNG NGHIỆP
Chuyên ngành : Kỹ thuật điện tử
Mó số : 62520203
LUẬN ÁN TIẾN SĨ KỸ THUẬT
Người hướng dẫn khoa học: 1. TS. Nguyễn Thế Truyện
2. TS. Phạm Văn Bình
HÀ NỘI – 2012
iii
L I CAM ĐOAN
Tôi cam đoan rằng nội dung của luận án này là kết quả nghiên cứu của
riêng tôi. Tất cả những tham khảo từ các nghiên cứu liên quan đều được nêu
nguồn gốc một cách rõ ràng. Những đóng góp trong luận án là kết quả nghiên
cứu của tác giả đã được công bố trong các bài báo của tác giả ở phần sau của
luận án và chưa được công bố trong bất kỳ công trình khoa học nào khác.
T N N
Nghiên cứu sinh
Trần Th oà
iv
L I C M ƠN
Tôi xin gửi lời cảm ơn chân thành nhất tới an lãnh đ o, cán bộ công
nhân viên i n nghiên cứu i n tử Tin học T động hoá và ông ty TN
một thành viên T đã quan tâm t o điều ki n tận tình gi p đ cho tôi
có những điều ki n nghiên cứu tốt nhất đ hoàn thành luận án này.
Tôi xin bày tỏ lòng biết ơn chân thành và sâu sắc tới T . Nguy n Thế
Truy n - i n trưởng i n nghiên cứu i n tử, Tin học, T động hoá; Thầy
đã dày công, t o mọi điều ki n và dành nhiều thời gian tâm sức hướng d n
ch bảo rất c th chi tiết cho tôi từ những bước đi đầu tiên tiếp cận con
đường và phương pháp nghiên cứu khoa học, gi p cho tôi vững tin đ hoàn
thành luận án này. Tôi c ng xin được bày tỏ lòng biết ơn chân thành tới T .
h m n ình - Trưởng ộ môn ch và ử l t n hi u i học ách
hoa à Nội là người Thầy rất tâm huyết đã tận tình hướng d n động viên
kh ch l dành nhiều thời gian trao đổi và đ nh hướng cho tôi trong quá trình
th c hi n luận án.
Tôi xin bày tỏ lòng biết ơn chân thành tới TS. uân Thi u iảng
viên ộ môn Thuật i n tử Trường i ọc iao Thông ận Tải à
Nội, PGS-TSKH Nguy n ồng ội ô tuyến đi n tử i t Nam đã nhi t
tình gi p đ , s n sàng trao đổi, chia s những kiến thức kinh nghi m qu báu
động viên khuyến kh ch gi p tôi thêm t tin trong quá trình làm và hoàn
thi n luận án của mình.
Tôi xin chân thành cảm ơn an iám i u các Thầy ô giáo các b n
đồng nghi p Trường i học Thái ình, các đồng nghi p trong hoa
thuật và ông ngh của Trường nơi tôi công tác và gắn bó gần mười n m qua
đã nhi t tình gi p đ t o điều ki n về m t thời gian và chia s công vi c giúp
tôi hoàn thành luận án.
v
uối cùng tôi xin gửi tấm lòng ân tình tới đ i ia đình của tôi, người
chồng thương yêu của tôi và những người thân b n bè luôn bên c nh động
viên, truyền nhi t huyết đ tôi vượt qua khó kh n và hoàn thành tốt luận án
này.
vi
MỤC LỤC
T N
L O N ............................................................................................ iii
ƠN .................................................................................................. iv
........................................................................................................ vi
N T T N T T T ............................ ix
N N .............................................................................. x
N N ................................................................................... xi
Ở Ầ ......................................................................................................... 1
. T nh cấp thiết của luận án ................................................................. 1
2. M c đ ch nghiên cứu ........................................................................ 2
3. ối tượng và ph m vi nghiên cứu .................................................... 2
4. Phương pháp nghiên cứu .................................................................. 2
5. Nội dung nghiên cứu ......................................................................... 3
. ngh a khoa học và th c ti n của luận án ....................................... 3
7. Kết cấu của luận án ........................................................................... 3
Chương 1. PHƯƠN N T N N N
T N N T ON T N
N N N ................................................................ 5
1.1 ô hình h thống điều khi n công nghi p tổng quát .................................. 5
1.2 S tác động của nhi u vào h thống điều khi n công nghi p ..................... 7
.2. ô hình nhi u và một số khái ni m ................................................ 7
.2.2 c t nh tần số của nhi u ................................................................. 8
1.3 Phương pháp khử nhi u t n hi u dùng biến đổi av l t ........................... 10
. Tình hình nghiên cứu trong và ngoài nước ............................................... 13
. . Quan đi m nghiên cứu ................................................................... 13
vii
. .2 hử nhi u bằng phương pháp ngư ng av l t ............................. 14
. .3 ác công trình nghiên cứu tương t .............................................. 19
1.5 Những vấn đề đ t ra của luận án ............................................................... 23
. iến đổi av l t rời r c d ch không đổi (TIDWT) .................................. 26
. T nh chất tương quan của các h số biến đổi av l t d ch không đổi ..... 30
. . àm t tương quan của các h số biến đổi av l t tr c giao ....... 30
. .2 số t tương quan d ch của các biến đổi av l t tr c giao ...... 33
. .3 ấu tr c tương quan của T T .................................................. 38
Chương 2. NGƯ N T N N N
TIDWT TRONG KH N T N ................................. 43
2. Tổng quan về luật c c ti u hoá tốc độ phát hi n l i ................................. 43
2.1.1 Giới thi u ....................................................................................... 43
2. .2 ánh giá các thủ t c .............................................................. 45
2. .3 ác giải thuật nghiên cứu ứng d ng xử l t n hi u của ........ 46
2.2 Ngư ng th ch nghi av l t min ........................................................ 47
2.2.1 Ngư ng đều cho T ................................................................... 47
2.2.2 Ngư ng cho những biến đổi không tr c giao ................................ 48
2.3 ề xuất ngư ng th ch nghi min sử d ng T T ............................. 50
2.3. uật ngư ng th ch nghi min ................................................... 50
2.3.2 Ngư ng th ch nghi av l t min được đề xuất ....................... 52
2.3.3 T động xác đ nh h số a trong hàm ngư ng được đề xuất........... 53
Chương 3. T N N Q N ...... 59
3. c tiêu, phương pháp mô phỏng khử nhi u t n hi u .............................. 60
3.2 ô phỏng thử nghi m với các t n hi u chuẩn trong atlab .................... 66
3.2. ô phỏng các t n hi u có N thấp Nhi u lớn) .......................... 66
3.2.2 ô phỏng các t n hi u có N cao Nhi u b ) ............................. 70
3.2.3 o sánh khử nhi u với các ngư ng bằng av l t mẹ khác .......... 75
3.2.4 So sánh với các phương pháp khử nhi u av l t khác ................. 77
3.3 ột số kết quả xử l t n hi u th c ............................................................. 80
viii
3.3. thống ứng d ng trong khai thác hầm lò của VIELINA 80
3.3.2 Khử nhi u t n hi u kh mê tan hầm lò (CH4)................................. 84
3.3.3 hử nhi u t n hi u Nhi t độ độ ẩm Nhà trồng ............................. 97
3. ánh giá ảnh hưởng của các tham số trong hàm ngư ng được đề xuất . 101
N N Ị N N N ÊN T THEO ............................. 105
N T N N T ................................................. 106
T T O ............................................................................. 107
Tài li u tiếng i t .......................................................................................... 107
Tài li u tiếng nh .......................................................................................... 107
ix
DANH MỤC CÁC THUẬT NG , CÁC CH VIẾT T T
T iết t t T n tiếng Anh Ngh a tiếng iệt
ADC Analog Digital Converter Bé chuyÓn ®æi t¬ng
tù/sè
CWT Continuous Wavelet Transform iến đổi av l t liên t c
DWT Discrete Wavelet Transform iến đổi av l t rời r c
DSP Digital Signal Processor ộ xử l t n hi u số
EEG Electroencephalogram i n não đồ
FDR False Discovery Rate Tốc độ phát hi n l i
FMRI Functional Magnetic Resonance Imaging nh cộng hưởng từ
FPGA Field Programmable Gate Array ảng cổng có th lập trình
trường
FT Fourier Transform iến đổi ourier
IDWT Inverse DWT iến đổi ngược av l t rời r c
ITIDWT Inverse Translation Invariant DWT iến đổi ngược av l t rời r c
d ch không đổi
minFDR minimizing of the FDR c ti u hoá
SCADA Supervisory Control And Data
Acquisiton
Thu nhận dữ li u và điều khi n
giám sát
SNR Signal Noise Rate T số t n hi u trên nhi u
STFT Sort Time Fourier Transform iến đổi ouri r thời gian ngắn
TIWT Translation Invariant Wavelet Transform iến đổi av l t d ch không đổi
TIDWT Translation Invariant DWT iến đổi av l t rời r c d ch
không đổi
VLSI Very Large Scale Integration i m ch c c lớn
WPT Wavelet Packet Transform iến đổi gói av l t
WT Wavelet Transform iến đổi av l t
x
DANH MỤC B NG BI U
ảng 3. – ảng so sánh kết quả khử nhi u các t n hi u có N thấp .......... 70
ảng 3.2 – ảng so sánh kết quả khử nhi u các t n hi u có N cao ........... 74
ảng 3.3 - ết quả mô phỏng khử nhi u ........................................................ 76
ảng 3. – o sánh hi u quả khử nhi u của các phương pháp khác nhau ..... 79
(d a vào N đ t được so với N ban đầu 12.2290 dB) .......... 79
ảng 3.5 – Dữ li u trước và sau khi khử nhi u thu được trong PTN ............ 93
xi
DANH MỤC H NH V
ình . – thống điều khi n công nghi p cấu tr c vào ra phân tán ............ 6
ình 1.2 – c t nh phổ của các nguồn nhi u .................................................. 9
ình 2.1- iải thuật t động xác đ nh h số trong hàm ngư ng
thích nghi minFDR ....................................................................... 54
ình 2.2 - ác kết quả tìm h số a khi khử nhi u t n hi u oppl r ............... 56
ình 2.3 - ác kết quả tìm h số a khi khử nhi u t n hi u kh êtan ............ 57
Hình 3.1 Sơ đồ mô phỏng khử nhi u bằng ngư ng th ch nghi av l t ......... 62
Hình 3.2 - Lưu đồ khử nhi u t n hi u bằng ngư ng th ch nghi min ....... 65
Hình 3.3 - ác kết quả khử nhi u t n hi u oppl r ........................................ 66
Hình 3.4 - ác kết quả khử nhi u t n hi u avi in .................................... 67
Hình 3.5 - ác kết quả khử nhi u t n hi u umps .......................................... 68
Hình 3.6 - ác kết quả khử nhi u t n hi u locks .......................................... 69
Hình 3.7 - ác kết quả khử nhi u t n hi u oppl r ........................................ 71
Hình 3.8 - ác kết quả khử nhi u t n hi u avi in .................................... 72
Hình 3.9 - ác kết quả khử nhi u t n hi u umps .......................................... 73
Hình 3.10 - ác kết quả khử nhi u t n hi u locks ........................................ 74
Hình 3.11 - hử nhi u t n hi u oppl r với hàm av l t mẹ b8 ................ 75
Hình 3.12 - hử nhi u t n hi u oppl r với hàm av l t mẹ ym8 ............. 76
t n hi u oppl r với av l t mẹ khác nhau ............................... 76
Hình 3.13 - T n hi u khử nhi u ngư ng mềm uristic ..................... 77
Hình 3.14 - T n hi u khử nhi u ngư ng mềm ..................................... 77
Hình 3.15 - T n hi u khử nhi u ngư ng inimax ngư ng cố đ nh ............... 77
Hình 3.16 - Tín hi u khử nhi u inimax ngư ng nhiều lần .......................... 78
Hình 3.17 - T n hi u khử nhi u ngư ng cố đ nh ........................ 78
Hình 3.18 - T n hi u khử nhi u T ngư ng phương sai đều ........................... 78
Hình 3.19 - T n hi u khử nhi u ngư ng min .......................................... 78
xii
Hình 3.20 - T n hi u khử nhi u ngư ng th ch nghi min ......................... 78
Hình 3.21- Sơ đồ tổng th h thống ph c v an toàn lao động
trong khai thác hầm lò do N chế t o ................................ 81
Hình 3.22 - Sơ đồ khối đầu đo kh O .................................................. 83
Hình3.23 - Lưu đồ thuật toán vi c xử l số li u trong đầu đo ........................ 83
Hình 3.24 – Sơ đồ thiết b th c hi n lấy m u xử l trong TN ...................... 86
ình 3.2 – ình ảnh thiết b thử nghi m đo đ c 4 trong PTN ................ 87
Hình 3.26 - ình ảnh v tr ch p được gắn trên m ch ............................ 88
ình 3.2 - ấy m u và khử nhi u t n hi u kh êtan có N thấp ............. 89
ình 3.2 – ấy m u và khử nhi u t n hi u kh êtan có N cao ............... 91
ình 3.2 - ấy m u kh từ vi xử l cộng nhi u và khử tr c tuyến .............. 92
ình 3.3 - ấy m u kh từ vi xử l cộng nhi u và khử tr c tuyến .............. 92
ình 3.3 – ấy m u kh từ vi xử l đã b ảnh hưởng do nhi u từ
động cơ qu t gió ............................................................................ 96
ình 3.32– ấy m u kh từ đã b ảnh hưởng do nhi u từ máy
phát tần số ..................................................................................... 97
ình 3.33 – ấy m u và khử nhi u t n hi u nhi t độ nhà trồng ..................... 99
ình 3.3 – ấy m u và khử nhi u t n hi u độ ẩm nhà trồng ...................... 100
ình 3.35- ết quả khử nhi u t n hi u oppl r đầy đủ tham số ngư ng ..... 102
1
MỞ Đ U
1. TÍNH CẤP THIẾT CỦA LUẬN ÁN
ôi trường công nghi p là môi trường làm vi c rất khắc nghi t về các
điều ki n nhi t độ độ ẩm rung chuy n kh b i nổ … đ c bi t là có nhiều
nguồn phát sinh nhi u nên đòi hỏi thiết b không ch đảm bảo tiêu chuẩn an
toàn lao động mà còn phải đảm bảo làm vi c ổn đ nh tin cậy. o đó vi c xử
l đ thu nhận được các t n hi u một cách ch nh xác trung th c là yêu cầu
bức thiết đối với tất cả các thiết b đi n tử c ng như các h thống điều khi n
công nghi p. Như vậy nghiên cứu các phương pháp khử nhi u xử l tốt t n
hi u trong các h thống điều khi n công nghi p là vi c làm có ngh a khoa
học th c ti n và cần thiết.
ã có nhiều phương pháp khử nhi u được đề xuất với nhiều công c
khác nhau và đều đ t được những kết quả nhất đ nh. iến đổi av l t là một
công c m nh được ứng d ng rộng rãi, trong đó các nhà khoa học đã đề xuất
những thuật toán mới với các luật ngư ng giá tr ngư ng và hàm ngư ng
mới gi p cải thi n đáng k chất lượng xử l t n hi u trong các h thống đo
lường công nghi p.
iến đổi av l t có th áp d ng được cho nhiều lo i t n hi u đ c bi t là
các t n hi u không dừng không tuần hoàn. Nhiều ứng d ng biến đổi av l t
đã có kết quả tốt hơn hẳn biến đổi ouri r như: phân t ch phổ n n t n hi u
khử nhi u … hương pháp ngư ng av l t (
) là một vấn đề khoa học được rất nhiều
người quan tâm. ã có nhiều công trình nghiên cứu về phương pháp ngư ng
av l t công bố và ứng d ng c th trong các gói phần mềm c ng như phần
cứng trong các thiết b đo lường và truyền t n hi u. M i một nghiên cứu về
2
phương pháp ngư ng av l t đều khai thác một đ c t nh nào đó của biến đổi
av l t và nhi u giải quyết được một số yêu cầu k thuật c th .
uận án: “ â ấ ợ í ệ ứ
dụ ệ ố k ể ô ệ ” nhằm mở rộng vùng ứng
d ng khử nhi u của phương pháp ngư ng av l t trong vi c nâng cao chất
lượng xử l t n hi u trong các h thống điều khi n công nghi p c ng như có
th ứng d ng tốt cho các thiết b , h thống đi n tử khác.
2. MỤC ĐÍCH NGHIÊN CỨU
- Nghiên cứu k thuật xử l t n hi u dùng biến đổi av l t, đ c bi t sử
d ng phương pháp ngư ng av l t trên cơ sở T T đ khử nhi u t n hi u
đo lường.
- Nghiên cứu tìm giá tr ngư ng av l t mới có luật ngư ng với mức
nhi u ph thuộc vào t nh chất tương quan của nhi u và th ch nghi hơn với môi
trường nhi u công nghi p.
- Thử nghi m ứng d ng kết quả nghiên cứu đ khử nhi u trong các h
thống đo lường truyền thông, h thống điều khi n công nghi p … nhằm
nâng cao độ ch nh xác độ tin cậy của t n hi u đo lường trong các thiết b công
nghi p.
3. ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU
a) Đối tượng nghi n cứu
N í ệ ệ ố k ể ô ệ
b) Phạm i nghi n cứu
N ứ , k u cho tín
ệ ủ ệ ố SCADA ô ô ệ .
4. PHƯƠNG PHÁP NGHIÊN CỨU
ử d ng l thuyết xác suất, toán học giải t ch biến đổi av l t) đ xác
đ nh các tham số thống kê của nhi u phân t ch và xây d ng mô hình t n hi u
đo lường của h thống điều khi n công nghi p có tác động của nhi u đ tìm
3
kiếm các giải pháp khử nhi u hi u quả. ô phỏng khử nhi u bằng phần mềm
atlab đồng thời thử nghi m khử nhi u trên một số t n hi u th c tế.
5. NỘI DUNG NGHIÊN CỨU
- Nghiên cứu ứng d ng biến đổi av l t đ phân t ch t n hi u và phương
pháp ngư ng av l t nhằm khử nhi u cho các t n hi u đo lường trong h
thống điều khi n công nghi p.
- Nghiên cứu những đ c t nh thống kê của nhi u có liên quan đến các
phương pháp biến đổi av l t cần ứng d ng.
- Nghiên cứu luật c c ti u hoá tốc độ phát hi n l i min đưa ra mức
ngư ng và luật ngư ng mới nâng cao hi u quả khử nhi u mở rộng vùng ứng
d ng khử nhi u của phương pháp ngư ng av l t.
- ác đ nh s tồn t i và các t nh chất t tương quan của các h số biến
đổi av l t làm cơ sở đ xác đ nh các tham số nhi u trong giá tr ngư ng đề
xuất. ô phỏng chứng minh giá tr ngư ng th ch nghi dùng luật min ph
thuộc phương sai hợp biến của nhi u tương quan và không tương quan.
. NGHĨA KHOA HỌC VÀ THỰC TI N CỦA LUẬN ÁN
iến đổi av l t là một công c m nh được ứng d ng rộng rãi trong nhiều l nh v c trên
toàn thế giới trong đó phương pháp ngư ng biến đổi av l t là một vấn đề được nhiều nhà
khoa học nghiên cứu phát tri n. o đó kết quả nghiên cứu của luận án s góp phần làm
phong ph hơn kiến thức về khử nhi u cho t n hi u đo lường nói chung và khử nhi u ứng
d ng biến đổi av l t nói riêng. ề th c tế kết quả của luận án có th ứng d ng đ nâng cao
chất lượng xử l t n hi u đo lường t o ra s làm vi c ổn đ nh tin cậy của các h thống điều
khi n trong các môi trường công nghi p có nhiều nguồn nhi u phức t p. Thuật toán xử l
mức ngư ng đề xuất được nh ng vào phần mềm của vi xử l trong đầu đo s nâng cao độ tin
cậy của t n hi u đo được.
7. KẾT CẤU CỦA LUẬN ÁN
uận án bao gồm 3 chương với nội dung tóm tắt như sau :
4
Chương 1: PHƯƠNG PHÁP KHỬ NHI U TÍN HIỆU SỬ DỤNG BIẾN Đ I
WAVELET VÀ ỨNG DỤNG T ONG CÁC HỆ THỐNG ĐI U KHI N CÔNG
NGHIỆP
Nghiên cứu đ c đi m tần số của các lo i nhi u trong môi trường công
nghi p. Xác đ nh v tr xử l nhi u trong h thống lo i nhi u, mô
hình thống kê của nhi u, các quan đi m khử nhi u trên cơ sở biến đổi
av l t. Từ đó đề xuất l a chọn công c xử l nhi u phù hợp với yêu cầu c
th đ t ra.
Nghiên cứu ứng d ng phương pháp phân t ch t n hi u bằng biến đổi
av l t d ch không đổi (TIDWT) thông qua biến đổi av l t tr c giao
(DWT). Phân tích mối liên h giữa các đ c t nh thống kê của nhi u với t nh
tương quan của các h số biến đổi av l t. ác đ nh các tham số nhi u qua
cấu tr c tương quan của các h số biến đổi av l t.
Chương 2: NGƯ NG THÍCH NGHI min D SỬ DỤNG TID T T ONG
KHỬ NHI U TÍN HIỆU
Tổng quan về luật c c ti u hoá tốc độ phát hi n l i các ứng d ng và các
giải thuật xử l t n hi u của luật min . ây d ng ngư ng th ch nghi
av l t dùng luật min trên cơ sở T T xác đ nh ngư ng chung cho
nhi u ng u nhiên không tương quan và tương quan sau biến đổi av l t.
Chương 3: THỬ NGHIỆM VÀ ĐÁNH GIÁ HIỆU U KHỬ NHI U
ề xuất phương pháp th c hi n. Mô phỏng khử nhi u và khử nhi u t n
hi u th c tế bằng ngư ng th ch nghi av l t min nhằm ki m chứng l i l
thuyết. o sánh các kết quả khử nhi u đ t được với phương pháp min
gốc và các phương pháp ngư ng khác.
ậ : Tóm tắt kết quả ch nh của luận án những đóng góp mới.
ứ ể ủ ậ
5
Chương 1. PHƯƠNG PHÁP KHỬ NHI U TÍN HIỆU SỬ DỤNG BIẾN
Đ I AVELET VÀ ỨNG DỤNG T ONG CÁC HỆ THỐNG
ĐI U KHI N CÔNG NGHIỆP
N ứ ể ố ủ ô ô
ệ í ệ ố SCADA, , ô
ố k ủ , ể k
ấ , ô ụ ợ ụ
ể .
N ứ ứ dụ â í í ệ ằ
d k ô ( IDW ) ô
(DWT). P â í ố ệ ữ í ố k ủ í
ủ ệ ố ố
ấ ú ủ ệ ố
1.1 Mô hình hệ thống điều khiển công nghiệp tổng quát
Dưới đây là một mô hình điều khi n công nghi p hi n nay sử d ng bus
trường th c hi n cấu tr c vào ra phân tán với các thiết b trường thông minh.
hử nhi u bằng ngư ng av l t có th được t ch hợp ở các cảm biến -
s nsor) ở cấp chấp hành đảm nhận vi c xử l t n hi u trước khi truyền lên cấp
điều khi n.
6
ình 1.1 – thống điều khi n công nghi p cấu tr c vào ra phân tán
MT : áy t nh giám sát. T : áy t nh điều khi n
I/O : Input/Output. S : Sensor A : Actuator
Với các t n hi u từ sau đầu đo truyền về Trung tâm có nhiều d ng khác
nhau có th là d ng t n hi u số d ng tần số d ng dòng đi n… tuỳ thuộc hãng
sản xuất. i d ng t n hi u được truyền từ sau đầu đo về trung tâm đều có
cách chống nhi u riêng v d dữ li u truyền d ng số thì được chống nhi u
bằng cách mã hoá dữ li u d ng tần số thì dùng các bộ lọc…
Trong khuôn khổ của uận án tác giả tập trung x m x t xử l t n hi u
từ s nsor đưa vào đầu đo đây là t n hi u thô d ng tương t và nó ch u ảnh
hưởng nhiều của nhi u nên cần có bi n pháp xử l đ chống nhi u phù hợp đ
lấy ra được t n hi u mang thông tin ch nh xác về thông số cần đo gi p cho h
thống làm vi c tin cậy ổn đ nh – đây ch nh là l do l a chọn đề tài. T i đầu
7
đo t n hi u từ s nsor được đưa vào khuếch đ i số hóa và khử nhi u đ xử l
lấy giá tr đo đưa ra hi n th và truyền về Trung tâm. Như vậy nhi u được xử
l ở t i đầu đo ch là nhi u tác động vào h thống thông qua s nsor, m ch
khuếch đ i và m ch nên có th coi nhi u ở đây ch là (các
m ch khuếch đ i hi n đều sử d ng các linh ki n chất lượng tốt: có độ
ổn đ nh cao tiêu th t n ng lượng … nên khả n ng chống nhi u tốt).
G ứ : ứ ủ , ậ
ậ ủ ệ ố SCADA mà không
d . K ả ứ ẽ ứ dụ ợ cho
ệ ố k ể ô ệ ũ
ứ , ả d y.
1.2 S tác đ ng c a nhiễu o hệ thống điều khiển công nghiệp
Trong bất cứ h thống điều khi n công nghi p nào c ng không tránh
khỏi các tác động làm sai l ch tín hi u của nhi u. Vi c bảo toàn dữ li u tránh
các tác động của nhi u là một trong những vấn đề quan trọng trong bất cứ một
h thống truyền d n nào.
điều khi n một quá trình nào đó trong công nghi p phải tiến hành đo
các thông số của đối tượng cần đo, thông qua các cảm biến đo lường hay thiết
b đo.
N ã , í ệ ợ ả (sensor),
ệ ố D ệ ô
, í ể ấ ợ , ệ
ả ệ ố ấ â í í
ệ .
1.2.1 Mô hình nhiễu m t số khái niệm
ô hình toán học của nhi u thường có 2 d ng là nhi u nhân và nhi u
cộng.
8
Nhi u nhân về cơ bản sau một vài biến đổi toán học ta có th đưa về
d ng nhi u cộng. M k ã , ậ ệ
é ( ) ể k ô â
â
Nhi u cộng sinh ra một t n hi u ng u nhiên không mong muốn và tác
động cộng thêm vào t n hi u ở đầu ra. Nhi u cộng luôn tồn t i trong môi
trường truyền lan của t n hi u có dải phổ rất rộng. Nguồn nhi u này là cơ
bản cố hữu có ảnh hưởng lâu dài đến tất cả các thiết b đi n tử vi n thông và
cần phải được thường xuyên quan tâm khử nó một cách hi u quả. D
ậ , ả xem xét ô ố k ủ
ể k ô .
Giải thuật khử nhi u thường bắt đầu từ mô hình tổng của t n hi u rời r c
s gồm N đi m dữ li u và nhi u như sau:
x = s + (1.1)
ctơ x là t n hi u vào nhi u là v ctơ các biến ng u nhiên và s là tín
hi u s ch. N là độ dài của các v ctơ này.
iả thiết nhi u có giá tr trung bình bằng = ) ma trận hợp biến
của s là [2]:
Q = E[( - E )( - E )T] = E
T (1.2)
ường ch o của ma trận là phương sai của nhi u:
i2= Ei
2 (1.3)
Trường hợp ma trận là ma trận ch o có ij = 0 khi i j thì nhi u được
gọi là nhi u trắng không tương quan. Nếu tất cả các đi m dữ li u có mật độ
xác suất như nhau thì phân bố là phân bố đồng nhất phương sai s là hằng số
i2=
2 với mọi i = … N. Nhi u trắng có ma trận hợp biến đơn giản là:
IQ 2 (1.4)
1.2.2 Đặc tính tần số c a nhiễu
9
có th phân t ch và thu nhận t n hi u trong môi trường nhi u một
cách ch nh xác phương pháp khử nhi u phải bám sát các đ c t nh nhi u.
ối với các h thống điều khi n công nghi p tác động của nhi u tương
đối đa d ng và phức t p. ôi trường công nghi p có th xuất hi n các lo i
nhi u như nhi u rung động cơ kh biến đổi nhi t độ nhi u đánh lửa nhi u
nguồn các thiết b ki m tra và th o dõi như nguồn máy t nh … ó th tổng kết
các nguồn nhi u [2] tác động th o đ c t nh phổ trên hình .2.
ình 1.2 – c t nh phổ của các nguồn nhi u
hân lo i sơ bộ các nguồn nhi u thành các lo i nhi u như sau:
- Nhi u có tần số xác đ nh như nhi u nguồn cấp z cùng các thành
phần hài nhi u vùng tần số cao radio truyền hình nhi u tán x ánh sáng las r
trong thiết b quang ...
- Nhi u dải rộng ho c nhi u trắng trải đều trên một dải tần số rộng có
th t ng lên từ nhiều nguồn nhi u pha trộn đều, k cả các dao động nhi t
trong thiết b .
Tần số(Hz) 10-4
10-2
100 10
2 10
4 10
6 10
8
T p âm bắn và t p âm nhi t
ức nhi u trắng
Nhi u 1/ f
Nhi u nguồn đi n
Nhi u adio
Nhi u hồ quang
Nhi u truyền hình rađa
ung động cơ kh
iến đổi nhi t độ
ùng nhi u nổ và
nhi u chớp
ật độ phổ
Nhi u nguồn máy t nh
104
103
102
101
100
10
- Nhi u chớp ho c nhi u sinh ra bởi công ngh bán d n) là nhi u dải
rộng nằm ở khu v c tần số thấp t ng khi tần số giảm. Nhi u này có th quan
sát được nhưng tùy thuộc vào h thống.
Trong các lo i nhi u k trên nhi u có tần số cố đ nh có th khử được
tri t đ bằng các phương pháp truyền thống. c tiêu nghiên cứu là khử các
lo i nhi u và nhi u trắng.
1.3 Phương pháp khử nhiễu tín hiệu d ng biến đổi a t
ra đời và phát tri n của các phương pháp biến đổi t n hi u luôn gắn
liền với những yêu cầu cấp thiết trong xử l t n hi u, trong k thuật m ch và
những vấn đề k thuật có liên quan. hân t ch đánh giá ch nh xác và khử
nhi u hi u quả cho các t n hi u đo lường là yêu cầu k thuật cần thiết đối với
các h thống điều khi n công nghi p. ác yếu tố quyết đ nh gồm: t số t n
hi u trên nhi u (SNR) thiết b đường truyền các phương pháp mã hoá và
điều chế. T số t n hi u trên nhi u luôn là một ch tiêu rất quan trọng nhất là
đối với các h thống làm vi c trong các môi trường công nghi p. Nâng cao
N nhờ các ph p khử nhi u là một trong các phương pháp th c hi n hi u
quả nhất.
o t nh chất khai tri n tức thời của av l t nên biến đổi av l t (WT)
được ứng d ng rất rộng rãi và hi u quả trong xử l t n hi u xử l ảnh …[27].
ác t n hi u và hình ảnh đo lường th o dõi phân t ch các hi n tượng t
nhiên các đ c t nh và những biến cố k thuật … nói chung là không dừng.
T cho thông tin đầy đủ và ch nh xác về thời gian và tần số của t n hi u
trong các trường hợp như vậy. T có th nhận biết và tách ra được những
đi m bất thường trong t n hi u. T còn có th sử d ng đ tách hướng t n hi u
[38] d đoán thời gian liên t c của t n hi u [11] nhận d ng h phi tuyến [3],
phân giải t n hi u [4] nhận d ng nhi u ng u nhiên [96] …
ó một số phương pháp biến đổi av l t chủ yếu như: biến đổi liên t c
CWT [75], [97], [91] …; biến đổi rời r c T [21], [22], [70], [75], [76],
11
…; biến đổi d ch không đổi T T [23], [35], [55], [93] …; biến đổi gói T
[60], [62] …
1.3.1 Biến đổi a t i n tục
T n hi u T là hàm hai biến và s tương ứng là các tham số d ch và t
l . àm khai tri n (t) gọi là av l t mẹ các hàm av l t con được sinh ra
từ vi c dãn và d ch av l t mẹ: [42] [71]:
s
t
ss
1, (1.5)
hai tri n av l t được th c hi n bằng cách nhân t n hi u với các hàm
av l t. T th c hi n biến đổi liên t c ở mọi t l và d ch trơn trên toàn
vùng t n hi u phân t ch. N ậ CW ,
ỷ ệ k ô ậ ệ ố k ể ẽ
d , ứ í
1.3.2 Biến đổi a t rời rạc D T
i c t nh toán các h số av l t t i tất cả các t l là một công vi c hết
sức phức t p. Nếu t nh toán như vậy s t o ra một lượng dữ li u khổng lồ.
giảm thi u công vi c t nh toán người ta ch chọn ra một tập nhỏ các giá tr t
l và các v tr đ tiến hành t nh toán. ơn nữa nếu vi c t nh toán được tiến
hành t i các t l và các v tr trên cơ sở lu thừa cơ số 2 thì kết quả thu được
s hi u quả và ch nh xác hơn rất nhiều. Quá trình chọn các t l và các v tr
đ t nh toán như trên t o thành lưới nh nguyên dyadic). ột phân t ch như
trên hoàn toàn có th th c hi n được nhờ biến đổi av l t rời r c T). o
đó vi c t nh toán biến đổi T th c chất là s rời r c hoá biến đổi av l t
liên t c T); vi c rời r c hoá T sử d ng các hàm cơ sở tr c giao [20],
[40][41]:
k)φ(2xh2φ(x)Zk
k
; k)xφ(22(x)φ jj/2kj, (1.6)
gọi là hàm t l hàm scal ) và:
12
Zk
k k)φ(2xg2ψ(x) ; k)xψ(22(x)ψ jj/2kj, (1.7)
là hàm av l t với h = Zk:hk là bộ lọc mức (bộ lọc scal ) và g
= Zk:gk là bộ lọc av l t đều là các bộ lọc hữu h n.
T được th c hi n bằng các bộ lọc thông thấp h, thông cao g, tách
dải tần số ở các vùng tần số thấp th o từng mức phân giải kết hợp phân chia
khi biến đổi thuận nội suy khi biến đổi ngược [22], [68], [75] …
ác hàm av l t trong T là hàm rời r c th o thời gian dãn th o số
nguyên không âm và d ch rời r c. Q ậ ợ ủ
DW DW ,
k ô d , ứ í ỏ .
1.3.3 Các oại biến đổi a t khác
- T có biến đổi thuận và ngược th o các hàm av l t là các cơ sở
tr c giao riêng gọi là T lư ng tr c giao thuộc lo i biến đổi không tr c
giao.
- iến đổi av l t d ch không đổi T T gồm hai lo i: biến đổi liên t c
T T và biến đổi rời r c T T.
iến đổi av l t d ch không đổi rời r c T T là T d ch vòng ho c
không phân chia sử d ng các hàm cơ sở [19], [20], [36], [65] :
k))(xφ(22(x)φ jj/2kj, và k))(xψ(22(x)ψ jj/2
kj, (1.8)
tr của các hàm này không ph thuộc vào mức phân giải có ở tất cả
các mức phân giải j và các v tr k. iều này hoàn toàn khác so với T có
phân chia khi ấy các hàm này ch xuất hi n ở các v tr lưới nh nguyên 2-jk.
T T không tr c giao có dư.
- iến đổi gói av l t T th c hi n bằng các bộ lọc thông thấp h,
thông cao g như T nhưng tách dải tần số ở cả vùng tần số thấp và tần số
cao [60]. T c ng có th sử d ng phân chia ho c không phân chia trong
trường hợp biến đổi gói av l t d ch không đổi [33].
13
Th c tế T bi u di n t n hi u thưa thông qua các h số avelet. Do
bước phân chia sau m i lần lọc mà một phần các h số av l t b mất đi. ơn
nữa các h số av l t còn ph thuộc nhiều vào v tr lấy m u ph trong lưới
lấy m u nên ch cần d ch nhỏ trên t n hi u có th gây ra những thay đổi lớn
các h số av l t làm thay đổi phân bố n ng lượng ở những t l khác nhau.
iều này làm cho d ng của t n hi u tái t o b thay đổi sinh ra những dao động
giả t o. T T khắc ph c được nhược đi m này. Trong một số ứng d ng c
th có th kết hợp sử d ng cả T và T T th o từng mức phân giải [26].
hử nhi u t n hi u cho các thiết b và các h thống đi n tử với m c đ ch
là khôi ph c các t n hi u gốc một cách trung th c từ các dữ li u có nhi u. ấn
đề luôn đ t ra đối với các phương pháp khử nhi u là lo i bỏ nhi u tốt nhưng
v n phải bảo toàn được t n hi u. P IDW â í í ệ
k ô â ấ í ệ DW ứ
í ấ CW T T s được chọn làm cơ sở toán học cho
nghiên cứu ứng d ng của luận án.
1.4 Tình hình nghi n cứu trong ngo i nước
1.4.1 uan điểm nghi n cứu
uận án chủ yếu tập trung vào khai thác các đ c t nh lọc truyền thống
th o phương pháp biến đổi av l t. ột số nghiên cứu d a vào các đ c t nh
thống kê của các biến ng u nhiên x t t n hi u và nhi u như các quá trình
ng u nhiên qua các đ c t nh thống kê. hương pháp khử nhi u phi tuyến trên
cơ sở các av l t c ng đã được nghiên cứu và ứng d ng rất nhiều nhất là khi
xử l các t n hi u nhỏ trong các môi trường nhi u phức t p. Nhiều nghiên cứu
đã sử d ng và xây d ng nên các quy luật t n hi u và nhi u mang t nh tổng
quát và đ c thù sau đó áp d ng giải thuật ngư ng đ h n chế các thành phần
nhi u. ậ ẽ â ể ệ k
í ệ âm.
* Phương pháp ngưỡng wavelet
14
hương pháp ngư ng av l t th c hi n qua ba bước ch nh sau đây:
- ước một là biến đổi thuận hay còn gọi là phân t ch) av l t đ có
được các h số biến đổi av l t.
- ước hai là xác đ nh giá tr ngư ng và sử d ng hàm ngư ng đ lược bỏ
các h số nhi u.
- ước ba là biến đổi ngược hay còn gọi là tổng hợp) av l t đ khôi
ph c t n hi u.
ả ba bước đều quan trọng trong quá trình xử l t n hi u. Tính chính
ậ â í , í ệ ũ ệ ả k
ụ ấ
Ngoài ra còn có những hướng nghiên cứu khác như [39] khử nhi u
av l t sử d ng cây arkov ẩn mô hình hoá s ph thuộc các h số av l t
liền kề bằng cây arkov ẩn và sai số trung bình bình phương c c ti u cho
ước lượng n n nhi u. ác phương pháp ngư ng còn hội t về mô hình thống
kê của các h số av l t đối với một lớp t n hi u nào đó đ chọn giá tr
ngư ng [10].
hần lớn các công trình nghiên cứu l thuyết c ng như th c nghi m và
các ứng d ng th c tế đều tập trung khai thác và phát tri n phương pháp
ngư ng av l t. onoho và Johnston đã chứng minh một số l thuyết quan
trọng về phương pháp ngư ng av l t trong [45], [46], [47], [48], [49], ...và
chứng tỏ được rằng: phương pháp ngư ng av l t tối ưu trong vi c giảm
thi u l i tốc độ xử l nhanh. D ậ é ệ d
ể k í ệ
1.4.2 Khử nhiễu bằng phương pháp ngưỡng a t
* Biến đổi wavelet của tín hiệu có nhiễu
o t nh tuyến t nh của biến đổi av l t mà khai tri n av l t của t n
hi u .1) như sau:
15
w = v + ; w = Wx; v = Ws; = W (1.9)
trong đó là ma trận biến đổi thuận av l t.
dàng thấy rằng ma trận hợp biến của nhi u:
S = E T= WQW
T (1.10)
Nếu là tr c giao và Q th o .4) thì S = 2 . iều này có ngh a là:
B ủ ắ ũ ắ
hai tri n av l t cho các h số nhỏ mang thông tin về nhi u và các h
số có giá tr tuy t đối lớn l i mang thông tin của t n hi u nhiều hơn [45],
[48] … nên có th sử d ng thuật ngư ng đ h n chế các h số mang nhi u tái
t o được t n hi u gốc bằng biến đổi ngược av l t.
* Phương pháp khử nhiễu bằng ngưỡng wavelet
ước đầu tiên trong khử nhi u là chọn av l t cho biến đổi thuận và
ngược theo các thuộc t nh cơ bản sau:
- Tốc độ hội t về của các hàm wavelet và hàm t l khi thời
gian t và tần số không xác đ nh ngh a là xác đ nh được số lượng
các v tr của cả thời gian và tần số.
- Tính đối xứng: tránh méo pha trong xử l hình ảnh.
- ố các đi m tri t tiêu của hàm av l t và hàm t l nếu nó
tồn t i): Dùng cho các m c đ ch n n.
- Tính đều đ n: t được các yếu tố đ c trưng của đối tượng, như tính
trơn trong các t n hi u ho c của hình ảnh tái t o và cho các hàm
ước lượng trong phân t ch hồi quy phi tuyến.
- hả n ng biến đổi liên t c rời r c và cho ph p th c hi n thuật toán
nhanh.
Tu vào m c đ ch ứng d ng đ l a chọn av l t phù hợp. Trong k thuật
khử nhi u t n hi u vi c chọn av l t mẹ d a vào mức độ tương quan giữa
các biến ng u nhiên được đề cập ở m c . luận án).
16
au khi biến đổi thuận av l t đ có được các h số th c hi n giải
thuật ngư ng đ có được các giá tr ước lượng w :
)ˆ/(ˆˆ ww (1.11)
ho c: )(ˆ ww
, (1.12)
trong đó là giá tr ngư ng .) là hàm ngư ng và là ước lượng của
độ l ch chuẩn nhi u. ác bi n pháp khử nhi u khác nhau ở vi c chọn (.),
và . àm ngư ng s quyết đ nh vi c áp d ng ngư ng đối với t n hi u như
thế nào ước lượng nhi u quyết đ nh mức nhi u và giá tr ngư ng được xác
đ nh từ các luật ngư ng.
ước cuối cùng của khử nhi u là biến đổi ngược av l t cho các h
số w tái t o t n hi u khử nhi u.
Hàm ngưỡng
ột số hàm ngư ng thông d ng là: N ứ , [45],
[49], ắ [52], [53], d [12].
Ngư ng Trimm d c ng là s kết hợp giữa 2 ngư ng cứng và mềm độ cong
d ng t n hi u thu được nhỏ hơn so với ngư ng nửa mềm.
Ước lượng nhiễu
Ước lượng nhi u xác đ nh mức nhi u trong hàm ngư ng. ức nhi u
trong hàm ngư ng thường được xác đ nh th o đ c t nh phân bố của nhi u
[17]. Trong nhiều đề tài nghiên cứu trước đây nhi u thường được ước lượng
từ dữ li u quan sát. Trong một số ứng d ng c th thì có th được chọn th o
kinh nghi m th c tế.
Luật ngưỡng
uật ngư ng đ xác đ nh các giá tr ngư ng . iá tr ngư ng ph thuộc
vào dữ li u phân t ch vào mức phân giải và cả hàm ngư ng. uật ngư ng
được xây d ng trong điều ki n quy chuẩn =1.
Luật ngưỡng đều
17
uật ngư ng đều là ngư ng toàn c c. Nhi u có phân bố chuẩn giá tr
trung bình bằng không phương sai bằng một. iá tr ngư ng:
Nlog2 , (1.13)
N là độ dài t n hi u. Ước lượng áp d ng công thức (1.11)
Ngư ng đều lo i bỏ các h số nhi u đồng thời c ng làm mất đi một số h
số t n hi u gốc nên đã vi ph m luật lôgarit trong đánh giá l i trung bình bình
phương. ết quả ước lượng t n hi u l i b thiên l ch nhiều hàm ước lượng có
những biến đổi đáng k . o i ngư ng này thường được dùng đ khử nhi u
trắng auss.
Luật đỉnh
uật ngư ng toàn c c độc lập với hàm ngư ng.
Cho p là t số các h số lớn nhất được giữ ngư ng là tập số thứ -p
của phân bố th c nghi m các giá tr tuy t đối của các h số av l t.
Ước lượng được áp d ng th o công thức (1.12)
iá tr ngư ng được t o ra bằng cách xác đ nh tham số p cho ngư ng
c c bộ và ngư ng cho các mức đa phân dải ph thuộc mức và ph thuộc b ng
con. Nhược đi m của phương pháp là cần phải điều ch nh tham số p đ th ch
nghi với dữ li u. o i ngư ng này thường được sử d ng đ khử các lo i nhi u
trắng auss nhi u đốm.
Luật SU E
ác giá tr ngư ng được t o ra bằng cách c c ti u hoá ước lượng sai số
không thiên l ch tùy thuộc hàm ngư ng và mức đa phân giải. Ngư ng được
xác đ nh th o mức phân giải l ho c th o các b ng con trong t n hi u 2 chiều:
),(minarg 0 ll wSURE (1.14)
wl là các h số av l t chi tiết ở mức l và ,w l ) là ước lượng sai
số không thiên l ch.
18
hương pháp này khắc ph c được nhược đi m của ngư ng đều nhưng l i
bỏ qua các l i trong ước lượng độ l ch chuẩn của nhi u ước lượng không
thiên l ch). o i ngư ng này thường được sử d ng đ khử các lo i nhi u
trắng auss nhi u đốm nhi u muối và h t tiêu nhi u oisson.
Luật Bay s
Ngư ng được t nh th o mức phân giải l:
sl
ˆ
ˆ 2
, (1.15)
Trong đó 2 là ước lượng phương sai nhi u và 2ˆ s là ước lượng phương
sai t n hi u ở mức l. Ước lượng độ l ch chuẩn t n hi u là:
)0,ˆˆmax(ˆ 22 xs , (1.16)
trong đó
l
N
nn
lx w
N 1
22 1 là phương sai của dữ li u có nhi u Nl là số các
h số av l t n ở mức phân giải l. hi 22 ˆˆ x thì ngư ng l =
max(wn) và tất cả các h số ở mức l s bằng không. Ước lượng th o công
thức 1.12).
uật inimax th c hi n th o giá tr c c đ i ay s.
Ngư ng ph thuộc phương sai t n hi u ở các mức phân giải khác nhau
phương sai nhi u không đổi nên tác d ng khử nhi u ch làm trơn t n hi u
nhưng hi u quả khử nhi u v n thấp. o i ngư ng này c ng thường được sử
d ng đ khử các lo i nhi u trắng auss nhi u đốm nhi u muối và h t tiêu
nhi u oisson.
Luật c c tiểu hoá tốc đ phát hiện ỗi
uật c c ti u hoá tốc độ phát hi n l i xác đ nh ngư ng toàn c c.
uật này giữ giá tr kỳ vọng của t số các h số chứa các l i trong tái t o
dưới một t số q cho trước.
ho N h số av l t wn trước hết t nh các giá tr p:
19
)]ˆ/(1[2 wpn (1.17)
trong đó .) là hàm phân bố t ch lu của phân bố chuẩn và là ước
lượng độ l ch chuẩn của nhi u. au đó phân cấp các giá tr pn:
)(...)2()1( Nppp (1.18)
bắt đầu với n = . ho ch số m lớn hơn n đ :
qN
nnp )( (1.19)
ngư ng được xác đ nh như sau:
2
)(1ˆ 1 mp
(1.20)
Ước lượng được t nh th o công thức 1.12). uật ngư ng này được sử
d ng đ khử các lo i nhi u: Gauss nhi u đốm nhi u muối và h t tiêu nhi u
Poisson
hử nhi u càng tối ưu nếu các tham số càng th ch ứng với các lo i
nhi u. N ậ , , ữ ố ản
â ậ , ứ
ố ố í ứ
1.4.3 Các công trình nghi n cứu tương t
hương pháp khử nhi u bằng ngư ng av l t được ứng d ng sớm nhất
và được tri n khai rộng rãi trong nhiều l nh v c .
- D.L. Donoho và I.M. Johnstone [45], [48], [49] đã sử d ng T đ
biến đổi các t n hi u có nhi u ước lượng t n hi u có ch trên nền nhi u trắng
auss th o luật ngư ng đều gọi là isushrink. Ưu đi m của phương pháp là
không ph thuộc vào vi c chọn av l t ho c mức phân giải trong cây av l t
mà ch ph thuộc vào k ch thước m u dữ li u đã cho. ột nhược đi m của
phương pháp là các h số biến đổi không phải là các đương lượng d ch vòng
20
nên khi d ch vòng chuẩn thời gian bằng một lượng nào đó s không d ch vòng
các h số T bằng đ ng lượng đó. iều này làm giảm đáng k chất lượng
khử nhi u.
hắc ph c nhược đi m này onoho và oi man n m đã đề xuất
k thuật xoắn vòng [36] và sau đó là ang [65] sử d ng T T. tưởng khử
nhi u qua d ch xoắn vòng là áp d ng khử nhi u đều đối với tất cả các phiên
bản d ch vòng có th của t n hi u và lấy trung bình kết quả. ác kết quả của
phương pháp này đã khôi ph c được t n hi u gốc trơn hơn giảm được những
dao động giả t o sinh ra trong quá trình biến đổi [43], [50], [51], [55], [66],...
Những vấn đề l thuyết và ứng d ng th o hướng này v n đang được các nhà
khoa học trên thế giới quan tâm phát tri n [32].
hương pháp isushrink [45], [57], [87], [88] … d th c hi n d th ch
ứng th o các giai đo n t n hi u với xác suất cao và có th tái t o t n hi u gốc
tương đối trơn. Nhưng phương pháp ch th c hi n với một bậc cân bằng giữa
những phân bố vi sai và thiên l ch trong khi bình phương thiên l ch l i có
bậc cao hơn biên độ vi sai. o ngư ng đều lo i bỏ các h số nhi u đồng thời
c ng làm mất đi một số h số t n hi u gốc nên đã vi ph m luật lôgarit trong
đánh giá l i trung bình bình phương. ết quả ước lượng t n hi u l i b thiên
l ch nhiều hàm ước lượng có những biến đổi đáng k .
- hương pháp inimax [59], [61], [79] … th o tiêu chuẩn minimax,
khử nhi u bằng ngư ng có độ l ch chuẩn ph thuộc mức phân giải. hương
pháp này đã khắc ph c được một số nhược đi m của isushrink nhưng do
ngư ng thiết kế không liên t c nên t nh trơn của t n hi u hồi ph c còn h n
chế.
- hương pháp lockshrink [30], [56], [86] th c hi n ngư ng th o các
khối có độ th ch ứng cao về không gian các ước lượng th c hi n tối ưu trong
các giai đo n biến đổi của nhiều các lớp hàm trơn không đều. Blockshrink
được ai [28] n m ai [29] n m all [56] n m và ai [30]
21
2 đề xuất và phát tri n đã liên t c thay đổi mức ngư ng và phương pháp
ngư ng th c hi n ngư ng c c bộ và ngư ng toàn c c thay cho một ngư ng.
c dù đã có cải thi n trong kết quả khử nhi u nhưng còn ph thuộc nhiều
vào vi c phân khối các h số.
- hương pháp ur hrink [5], [76], [26], [48] … khử nhi u sử d ng kết
hợp luật ngư ng đều và luật . hương pháp này khắc ph c được nhược
đi m của ngư ng đều nhưng l i bỏ qua các l i trong ước lượng độ l ch chuẩn
của nhi u ước lượng không thiên l ch).
- hương pháp ay s hrink chọn ngư ng có sai số trung bình bình
phương ay s c c ti u th o luật ay s đ khử nhi u [10], [73]. Ngư ng ph
thuộc phương sai t n hi u ở các mức phân giải khác nhau phương sai nhi u
không đổi nên tác d ng khử nhi u ch làm trơn t n hi u nhưng hi u quả khử
nhi u v n thấp.
- hương pháp khử nhi u bằng ước lượng độ dài mô tả c c ti u [34],
[37], [39], [62], [63], [99] … th c hi n qua các họ cơ sở tr c giao cấu tr c
bằng các gói av l t ho c các cơ sở cosin c c bộ. họn cơ sở tốt nhất d a
vào tiêu chuẩn l i tái t o t n hi u là c c ti u. ết quả được đánh giá bằng giá
tr sai số trung bình bình phương. ột số nghiên cứu sử d ng phương pháp
biến đổi gói av l t sau đó kết hợp đ c t nh thống kê và giải thuật ngư ng
th c hi n khử nhi u bằng cách chọn cây bi u di n các gói av l t tối ưu có
giá thông tin thấp nhất [34], [37], [46] … hương pháp có độ phức t p t nh
toán cao tốc độ xử l thấp.
- ử d ng mô hình tuyến t nh hoá từng phần phương pháp hồi quy
không tham số. Trên cơ sở T và giải thuật ngư ng [31] có th khắc ph c
được t nh quá trơn của giải thuật ngư ng thông thường nhưng do sử d ng
T nên v n b mất mát một số chi tiết t n hi u gốc sau khi tái t o.
22
- ết hợp thuật ngư ng và lượng tử hoá [8], [54], [55], lược bỏ các h số
th o mức ngư ng Nlog2 với là bước lượng tử. i u quả khử nhi u
cao hơn ngư ng đều nhưng l i ph thuộc vào bước lượng tử và giải thuật khá
phức t p bao gồm cả biến đổi t n hi u và mã hoá ntropi.
- hử nhi u qua bi u di n c c đ i av l t [1], [69] giữ được các giá tr
biên rìa và các giá tr c c đ i t n hi u nhưng v n trên cơ sở ngư ng đều toàn
c c hi u quả khử nhi u chưa cao.
ác nghiên cứu khác: ứng d ng phương pháp ngư ng đều [9], [67], [98];
ngư ng ph thuộc mức phân giải [14]; phương pháp ước lượng độ dài mô tả
c c ti u [16]; phương pháp thống kê [7]; kết hợp phương pháp ngư ng và
thống kê khử nhi u không auss [12], [13], [15]; khử nhi u qua phân t ch
phổ [24]; khử nhi u ngư ng kết hợp dấu hi u nhận d ng nhi u [25]; khử
nhi u bằng lọc phi tuyến av l t [97],...
Những ứng d ng th c tế áp d ng trong nhiều l nh v c như: khử nhi u
cho h thống đo lường nhiều kênh, ứng d ng khử nhi u th ch ứng nhanh cho
các môi trường không dừng như khử nhi u phổ âm thanh, ứng d ng khử
nhi u gói av l t trong phân t ch phổ thiên v n ứng d ng khử nhi u và t ng
tương phản cho ảnh cộng hưởng từ, khử nhi u t n hi u đi n tim, đi n não, khử
nhi u thiết b đo trọng l c bằng ngư ng cứng, tách l i cơ kh , khử nhi u t n
hi u siêu âm Doppler, sử d ng ph p biến đổi av l t rời r c tr c giao và
ngư ng mềm phi tuyến đối với các h số av l t chi tiết với mức ngư ng
)log(1
Nr và ch giữ các giá tr dương h số r1 được chọn qua th c
nghi m. hử nhi u cho bộ nhận hồng ngo i từ xa giá tr ngư ng được chọn
th o hằng số kinh nghi m …
Nhìn chung các đề tài nghiên cứu khử nhi u bằng phương pháp ngư ng
đã có những thay đổi xung quanh giá tr ngư ng ho c hàm ngư ng th o các
quan đi m khác nhau bổ sung cho những l thuyết khử nhi u mới ho c cho
23
những ứng d ng th c tế c th . Trong một số trường hợp ứng d ng c th
tham số phương sai được chọn th o giá tr th c nghi m chưa có được phương
pháp t nh tổng quát. iá tr ngư ng đã mềm d o hơn bằng cách phân khối
ho c th o mức phân giải nhưng v n chưa sát với các đ c t nh của nhi u.
1.5 Nh ng n đề đặt ra c a uận án
Quá trình tác động của các lo i nhi u là ng u nhiên nên có th coi nhi u
là các quá trình ng u nhiên.
ột quá trình ng u nhiên bất kỳ có th được đ c trưng bởi các tham số
thống kê như: kỳ vọng toán học giá tr trung bình bình phương phương sai
các hàm tương quan và hợp biến.
ức độ tương quan giữa các biến ng u nhiên x và y là các tập rời r c các
m u: x = {x1 … xn} và y = {y1 … yn} có th được đánh giá qua h số tương
quan tuyến t nh r [13]:
i ii i
i ii
yyxx
yyxxr
22 )()(
))(( , (1.21)
x và
y là các giá tr trung bình m u tương ứng của x và y.
Trong trường hợp tổng quát khi giá tr trung bình của tập x khác không
thì có th t nh tập mới x - x với x là trung bình m u của x. i giá tr xi
được thay bằng ui. Tương t đối với tập y, m i giá tr yi thay bằng vi. iến
mới s=uv trong đó tập s ={u1v1 … unvn} có trung bình m u là h số tương
quan dấu:
uvs _
(1.22)
iá tr cho biết u và v không tương quan. ác m u của s độc lập
thống kê thì có phân bố nh thức:
!!
!2
2),(
km
nnnP
n
, )1(2
n
m , )1(2
n
k , (1.23)
24
trong đó n là số m u. ử d ng phương pháp xấp x tirling có th viết:
kmnnP
)1()1(
)1(2),(
2
(1.24)
hi n đủ lớn thì ),( nP gần đ ng phân bố auss với phương sai n:
2exp
2),(
2
nnnP (1.25)
N ậ ấ kỳ ể ợ é
â ố G ằ é ố
T n hi u tổng hợp .1) với giả thiết không có tương quan giữa t n hi u
có ích s và nhi u tương quan ch o có giá tr trung bình:
).().( ssR (1.26)
Như vậy nhi u có th làm thay đổi giá tr trung bình của tương quan
ch o . ức độ ảnh hưởng của nhi u được phản ánh trong phương sai.
Tập dữ li u có th được coi như chu i th o thời gian t o ra từ quá
trình ng u nhiên (t). Tương quan giữa các m u của được mô tả qua hàm
t tương quan a ) của quá trình (t). Hàm a() ph thuộc vào các quá trình
tương quan giữa các tập dữ li u.
Trường hợp t) là nhi u trắng các m u đều không tương quan với
giá tr bất kỳ > 0). Khi T= t (T là t l thời gian tương quan) với t là
khoảng thời gian lấy m u thì a > ) = . Nhi u này gọi là nhi u không tương
quan. ác quá trình tương quan có th có các t l thời gian tương quan khác
nhau.
Như vậy đối với nhi u không tương quan hàm t tương quan thoả mãn:
a(0) = 1, a( > 0) = 0 (1.27)
ới nhi u tương quan mọi m u của mà có T đều không tương
quan:
25
ac( < T) 0, ac( T) = 0 (1.28)
Th c tế k thuật khi phân t ch nhi u là xác đ nh hàm t tương quan a ),
với < T << T T là khoảng thời gian phân t ch t n hi u.
T nh phương sai của các h số tương quan th c hi n chia tập dữ li u
trong khoảng thời gian T thành m đo n m = T/t), j là đo n dữ li u thứ j.
Sau đó t nh h số tương quan j cho m i đo n. hi ac( > T) = dữ li u
trong m i đo n j được coi như nhi u trắng và các h số j là phân bố chuẩn
với phương sai m n.
Nhi u là tương quan thì tương quan giữa các h số j được bi u di n
bằng ma trận hợp biến M k ch thước m x n:
)(),(),cov( jijiij EM (1.29)
ác thành phần của M được xác đ nh từ các hàm t tương quan của
nhi u. hi j là phân bố chuẩn thì tương quan tổng cộng c ng là phân bố
chuẩn có phương sai:
var () = n
Mmn
ij
111 , (1.30)
là t số giữa các phương sai của được t nh trong hai trường hợp:
nhi u tương quan và không tương quan. hi không có nhi u tương quan thì:
= . Trường hợp tương quan các phần tử trong ma trận hợp biến s là thành
phần nhi u tương quan. ó th ước lượng được phân bố của nhi u tương quan
th o các t l thời gian khác nhau. Nếu gọi Tc là thời gian tương quan:
o
c daT )( (1.31)
ới Tc << T thì phương sai:
var () = T
T
n
c21 (1.32)
26
N ậ , k ợ ủ ợ ( g
k ô ) ể ợ
chéo â ố ả ứ ả ủ í ệ
s trong (1.1) ữ ố ể â í í ệ ợ
( ) ằ dụ ệ k ằ
ợ ụ ể.
* Những vấn đề đặt ra với luận án
Từ những phân t ch ở trên kết hợp với đ c t nh biến đổi av l t có th
r t ra một số nhận x t như sau:
- N ệ ố k ể ô ệ ô ồ ,
k ô N â
ữ ệ , ấ ả ữ
ô , ệ ô ô ệ
- C ể ợ ợ ứ k ô
ô ậ ợ ợ
ủ Q , ợ ể ệ
ậ ợ ủ ệ ố
- P IDW é d , ệ ố
ô í ệ DW C ể â
d ợ IDW , ố ụ
k ông t k ợ ệ ả
, ả í ệ ố ố .
1.6 Biến đổi a t rời rạc d ch không đổi (TIDWT)
T phân t ch v ctơ xRN thông qua ph p biến đổi hình chóp cho ma
trận vuông tr c giao N x N biến đổi ngược cho ma trận T. iải thuật
hình chóp bao gồm cả lấy m u xuống ở từng t l .
27
ột đi m bất lợi của biến đổi av l t tr c giao kinh đi n là không d ch
bất biến. Nếu t nh tất cả các bản d ch của biến đổi tr c giao và lấy trung bình
các d ch thì kết quả là một biến đổi không tr c giao chứa thông tin dư.
Thông tin dư trong kết quả th hi n qua các giá tr chiếu dư t n hi u h
d ch đi h [4 ] được đ nh ngh a như sau [19]:
[f]dhSQS[f]Q
[f]dhSPS[f]P
hj
hjj
R
hj
hjj
R
j
j
2
0
2
0
2
2
(1.33)
Những giá tr chiếu này được phản ánh trong các hàm t tương quan t
l và hàm t tương quan av l t.
Cho và là các hàm t l và av l t cấp N thì:
(x-y))dxΨ(f(x)[f](y)Q
(x-y))dxΦ(f(x)[f](y)P
j
-
jjR
j
-
jjR
22
22
(1.34)
trong đó (.) và (.) là các hàm t tương quan của và .
Trong đó các giá tr chiếu [f]Pj
R và [f]Qj
R là d ch không đổi ngh a là
với Rδ luôn có:
δ)[f](yQδ)](y)[f(Q
δ)[f](yPδ)](y)[f(P
jR
jR
jR
jR
(1.35)
Hàm f L2 ) được bi u di n như sau:
[f]Q[f]Pfjm
mR
jR
(1.36)
Khi khai tri n av l t tr c giao hàm được xác đ nh từ các giá tr chiếu
Pjf và Q
mf lên các không gian con tr c giao:
28
jm
mj fQfPf (1.37)
Từ bi u thức .3 ) và .3 ) đồng thời ckn r và O.Wells [ ] [2 ]
đã chứng minh được rằng T có sai số giữa hàm f với giá tr chiếu dư lớn
hơn so với sai số trong biến đổi liên t c d ch không đổi T T và T T.
T T không th c hi n lấy m u xuống ở m i t l mà t nh toán tất cả
các h số d ch vì vậy giữ l i tất cả các h số av l t và các h số t l ở các t
l thô [19].
),...,()()(
1)( j
Njj ccc với
)(
2
)(1
lj
lkZl
lj
k jchc
(1.38)
và các h số av l t là v ctơ:
),...,()()(
1)( j
Njj ddd với
)(
2
)(1
lj
lkZl
lj
k jcgd
(1.39)
Ở đây j log2N
T T cho ma trận L k ch thước + )N x N trong đó là mức phân
t ch c c đ i.
ọi ma trận j k ch thước N x N là ma trận các h số av l t ở t l thứ
j ngh a là j(x) = d(j)
và ma trận j gồm các h số t l ở t l thứ j ngh a là
Sj(x) = c(j)
thì:
TTL
TL
TL )S,R,...,R(W 1 (1.40)
Như vậy ma trận L không phải là ma trận tr c giao như khai tri n
av l t rời r c thông thường nữa.
Th o l thuyết ma trận [80] tồn t i ma trận đảo oor -Penrose:
TLL
TL
tL W)WW(W 1 (1.41)
thoả mãn: IWW LtL .
WL gồm tất cả các d ch của ma trận h số biến đổi av l t rời r c nên
d ng hi n của ma trận t
LW s là:
29
)S,R,...,R(W TLL
TLL
TtL
2
1
2
1
2
11 (1.42)
ứ ỏ ằ ợ ủ IDW ấ
ấ ả d ủ DW
ác ma trận j và SL có th t nh được từ cách t nh các bộ lọc t tương
quan bộ lọc à-trous) A = ak: kZ}; a2k = ok ;
lkllk
lkllk
ggb
hha
(1.43)
xác đ nh các ma trận t l Tj và ma trận av l t Qj :
jTj
jj SST 2 và j
Tj
jj RRQ 2 (1.44)
trong đó các phần tử ma trận Tj(x) là:
jj
jj
m,...,mm...mkmmk,j xa...a)x(t
111 2
với X = xi (1.45)
ằng cách nhân ma trận TL với tập dữ li u vào ta được giá tr chiếu
d ch không đổi của . ác giá tr chiếu này đóng vai trò quan trọng trong đ c
t nh trơn của các hàm khử nhi u d ch không đổi.
ác tập và là các bộ lọc t tương quan của các bộ lọc aub chi s
và với các quan h : gk= (-1)kh1-k và bk= (-1)
kak.
àm t tương quan t l được đ nh ngh a như sau:
dyxyyx )()()( , (1.46)
trong đó x) là hàm t l trong cấu tr c av l t.
àm t tương quan av l t:
dyxyyx )()()( , (1.47)
trong đó x) là hàm av l t trong cấu tr c av let.
30
ác bộ lọc aub chi s th c hi n trong các hàm t l và av l t còn các
giá tr ak và bk là các h số trong các bi u thức quan h 1.48) của các hàm t
tương quan (1.46) và (1.47):
Zkk
k
Zkk
k)xΦ(a)(Ψ(x)
k)xΦ(aΦ(x)
21
2
, (1.48)
c t nh quan trọng của các hàm t tương quan là nội suy. iều này có
ngh a là bắt đầu với một xung t n hi u và l p l i một ngân hàng lọc với các bộ
lọc à-trous đ có được các giá tr ch nh xác của và tương ứng th o các t
l nh phân. hi áp d ng phương pháp l p này cho các hàm t l tr c giao
aub chi s ta ch có được giá tr xấp x của các hàm và . ác hàm t
tương quan c ng được sử d ng đ tái t o t n hi u từ các đi m không [68] của
phân t ch đa phân giải.
1.7 Tính ch t tương quan c a các hệ số biến đổi a t d ch không đổi
1.7.1 H m t tương quan c a các hệ số biến đổi a t tr c giao
àm t tương quan của các h số biến đổi av l t tr c giao được đ nh
ngh a th o (1.46), (1.47). ác tập {(x-k)}0kN-1 và { (x-k)}0kN-1 là các cơ
sở tr c giao trên các không gian tr c giao 0 và W0. T i các đi m nguyên
dương k các hàm t tương quan có giá tr bằng hàm lta:
k)x()x( 0 (1.49)
Theo Daubechies [41] thì một hàm có đi m tri t tiêu thì nội suy l p
tương ứng với đa thức agrang bậc 2 . ác hàm và [19] là các hàm cơ
bản trong biến đổi av l t có một số t nh chất như sau:
-
ối xứng th o đ nh ngh a)
- T
l :
31
Zkk
k
Zkk
k)xΦ(a)(Ψ(x)
k)xΦ(aΦ(x)
21
2
, (1.50)
trong đó: ka là các h số tương quan của bộ lọc . ác h số này thoả
mãn các điều ki n:
2
02
11
k
,kk
kk
a
δa
hha
(1.51)
- C
ó các đi m tri t tiêu th o t nh chất oi l t bậc 2 :
12,00
12,10
1
D,...p;Ψ(x)dxx
D,...p;Φ(x)dxx
Φ(x)dx
p
p (1.52)
Trong trường hợp = thì hàm là hàm Haar.
- T
rơn độ trơn bằng hai lần so với vì khai tri n ouri r của hàm là:
2ˆˆ , (1.53)
trong đó là khai tri n ouri r của .
- N
ội suy do k0,2k δa . iều này có ngh a rằng có th t nh toán các h số t
tương quan như các đi m nội suy của sử d ng công thức t l .
Định lý 1.1 [74]: ác hàm t tương quan t l và t tương quan
wavelet có quan h th o quy luật phân bố auss:
32
)()2(2)( xxx (1.54)
Từ các đ nh ngh a của các hàm t tương quan và khai tri n ouri r
các hàm này s là:
2
)(ˆ)(ˆ , (1.55)
2
)(ˆ)(ˆ (1.56)
Do các hàm )x( và )x( thoả mãn các quan h 1.3), (1.4) nên được
viết l i như sau:
1
0
)2(2)(L
kk kxhx (1.57)
1
0
)2(2)(L
kk kxgx , (1.58)
trong đó 1)1( kLk
k hg ; 1,...,0 Lk ; DL 2 . ác h số
10
LkkhH và
10
LkkgG là các bộ lọc cầu phương thoả mãn:
1)()(2
12
0 mm , (1.59)
trong đó m0 và m1 là các hàm chu kỳ 2:
1
00
2
1)(
L
k
jkk ehm (1.60)
1
00
)(1 )(
2
1)(
L
k
jjkk meegm (1.61)
hai tri n ouri r của các hàm và theo (1.57), (1.58) ta được:
220 /ˆ./mˆ (1.62)
221 /ˆ./mˆ , (1.63)
nên:
222
0 /ˆ)/(m)(ˆ , (1.64)
222
1 /ˆ)/(m)(ˆ (1.65)
33
Theo (1.34) ta có:
2/ˆˆˆ (1.66)
2
0 m là hàm ch n nên:
2
112
2
0 122
1
2
1 /L
kk )kcos(am , (1.67)
trong đó k
a (1.51) là các h số tương quan của bộ lọc viết l i như
sau:
kL
lkllk hha
1
0
2 với 1,...,2,1 Lk , (1.68)
02 ka với 12
,...,1 L
k . (1.69)
ết hợp các bi u thức 1.56), (1.57), (1.64) ta được:
2
112 122122
2
12
/L
ll )lx()lx(a)x()x( , (1.70)
2
112 122122
2
12
/L
ll )lx()lx(a)x()x( (1.71)
nên ta có: )()2(2)( xxx
Quan h này có th x m như gần giống vi phân bậc hai phân bố auss:
),();();(2
2
xGaxGxGdx
d );();( xGaxaG , (1.72)
trong đó: 22 2/
2
1);(
xexG (1.73)
và a là h số th o arr trong [90] đã chọn a = .
1.7.2 Hệ số t tương quan d ch c a các biến đổi a t tr c giao
ọ các hàm t tương quan của các h số av l t d ch gồm các tập:
10,1,
0
)(~
Nknjkj x và 10, )(
~0
Nkkn x trong đó:
34
))(2(2)(~ 2/
, kxx jjkj và ))(2(2)(
~00
0
2/, kxx
nnkn
(1.74)
là các hàm d ch trong không gian 0.
ột v ctơ V0 bi u di n dưới d ng:
1
0
0 )()(N
kk kxcxf (1.75)
và hàm tương quan:
1
0
0 )()(N
kk kxcxAf (1.76)
Hai hàm này quan h với nhau th o bi u thức sau:
dyxyyfxAf )()()( (1.77)
0kc)k(Af với k = 2 … N-1 (1.78)
ác h số d ch tr c giao của x):
1
0
N
k
jk
jc )kx(c)x(f (1.79)
và:
1
0
N
k
jk
jd )kx(d)x(f (1.80)
ằng cách lấy tương quan giữa các hàm )x(f jc và )x(f
jd tương ứng
với )x( jj 22 và )x( jj 22 ở t l thứ j ta được:
1
0
22N
k
jk
jjjc
jc )kx(Cdy)xy(()y(f)x(fA , (1.81)
và:
1
0
22N
k
jk
jjjd
jd )kx(Ddy)xy(()y(f)x(fA , (1.82)
trong đó jkC và jkD là các tập h số tương quan d ch. ác h số này là
các giá tr tương quan t i các đi m k nguyên:
dy)ky(()y(f)k(fAC jjjc
jc
jk 22 (1.83)
35
và
dy)ky(()y(f)k(fAD jjjd
jd
jk 22 (1.84)
Bổ đề 1.1: ối với hàm
1
0
0N
kk )kx(c)x(f bất kỳ các h số jkC và jkD
luôn thoả mãn:
1
0,
01
0,0
~~ N
kkjk
N
kk
jk
cC (1.85)
và:
1
0,
01
0,0
~~ N
kkjk
N
kk
jk cD , (1.86)
trong đó: )()(~
,0,0 xx kk
ử d ng các bộ lọc 11
LkLkpP và
11
LkLkqQ với:
)2(,...,4,20
)1(,...,3,12
02
2/3
2/1
Lkkhi
Lkkhia
kkhi
p kk (1.87)
và:
0
02 2/1
kkhip
kkhiq
k
k (1.88)
ta có:
1
1
2
1
1
1
2
0
2
2
L
Lk
ikk
L
Lk
ikk
eq)(m
,ep)(m
(1.89)
ác h số tương quan được xác đ nh th o giải thuật bậc thang như sau:
1
1
1
2 1
L
Ll
j
lklj
k jCpC , (1.90)
1
1
1
2 1
L
Ll
j
klj
k jCqD (1.91)
36
hai tri n ouri r các h số này s là:
j
l
l/jj )(m)(c)(C1
21
020 22 , (1.92)
1
1
21
0
21
10 22
j
l
ljj )(m)(m)(c)(D (1.93)
hai tri n ouri r vế trái của 1.82):
j
l
j/jj/jj )(ˆ)(c)(ˆ)(m)(c)(ˆ)(C1
202
10
20 2222 (1.94)
trong đó sử d ng:
1
2
0 2l
l )(m)(ˆ .
ằng cách biến đổi ngược ouri r 1.94) ta được vế phải của 1.85).
B ứ ỏ ể ệ ố d
d ợ í ệ 0kc .
ác bi u thức 1.90), (1.91) t nh th o các h số ka như sau:
2
1
1
122
1
122121
112
1
2
1 /L
l
j
)l(k
j
)l(klj
k
j
k )CC(aCC jj , (1.95)
2
1
1
122
1
122121
112
1
2
1 /L
l
j
)l(k
j
)l(klj
k
j
k )CC(aCD jj , (1.96)
nên ta có:
jk
jk
jk DCC
2
11, (1.97)
trong đó j = 2 … n0 và k = 2 … N-1.
T n hi u được tái t o từ các h số t tương quan jkC và jkD :
00
1
220 22n
j
jk
/jjk
/nk DCc . (1.98)
ác h số jkC và jkD là các h số dư bao gồm cả nhi u.
37
ể í ệ ẩ ệ ố
ả ã â :
Định lý 1.2: huẩn bình phương 2
Af của hàm x) V0 xác đ nh từ các
h số tương quan được giới h n bởi chuẩn bình phương 2
f :
222
01
1fff
n A
(1.99)
o ph p d ch bảo toàn n ng lượng nên ta có:
1
0
1
0
22
1
22 000
22N
k
N
k
n
knj
k
n
j
j
scdff (1.100)
Th o đ nh l ars rval:
1
0
21 2 1 N
k
jk
N
ok
jk c
Nc (1.101)
1
0
21 2 1 N
k
jk
N
ok
jk d
Nd
(1.102)
ác khai tri n ouri r 2
jkc và
2j
kd
như 1.89) và (1.90) nên (1.97) có th viết:
00
1
1
0
1
0
2
0
20
2
1
202 1 n
j
N
k
N
kk
nkk
jks
mcmcN
f (1.103)
ới Nkk
/2 . Tương t chuẩn tương quan:
0
00
1
1
0
1
0
22222
n
j
N
k
N
k
n
knj
kj
A)D()D(f
00
1
1
0
1
0
4
0
20
4
1
201 n
j
N
k
N
kk
nkk
jk mcmc
N (1.104)
Do: 12
020
)(msupj
k
(1.105)
và: 12
120
)(msupj
k
, (1.106)
38
nên: 22
sAff (1.107)
Th o bất đẳng thức ch arz biến đổi tiếp 1.100) ta có:
0
0
1
211
0
4
0
20
211
0
20
211
9
4
1
20
211
0
202 1
n
j
/N
kk
nk
/N
kk
/N
kk
jk
/N
kks
mccmccN
f
N
f
00
1
211
0
4
0
20
211
9
4
1
20
n
j
/N
kk
nk
/N
kk
jk mcmc
N
fn 1
0
21
1
1
0
4
0
20
1
9
4
1
20
00
/n
j
N
kk
nk
N
kk
jk mcmc
A
f.fn 10
Do s
ff , nên:
222
0 1
1fff
n A
1.7.3 C u trúc tương quan c a TID T
i m khác T T so với biến đổi tr c giao là tồn t i các h số tương
quan. ác h số tương quan này ch nh là các thành phần của v ctơ j trong
ma trận biến đổi L (1.40).
au khi khai tri n ta có th t nh được tương quan ch o hay hợp biến
giữa các h số )j(kc ở m i t l j khác nhau.
d khi j = ta t nh được:
),(),(,
)1()1(
mlmrklkmlrkk zzCovhhccCov (1.108)
o t nh độc lập của các biến ng u nhiên zi và khi l = r + m ta có:
m
mmrrkk hhccCov ),()1()1(
, (1.109)
),()1()1(rkk ccCov là h số lọc à-trous theo (1.43) ch nh là h số ar.
39
o hàm t tương quan t l th o công thức 1.47) là hàm nội suy nên
ar là giá tr của hàm x) t i x = r 2.
Bổ đề 1.2: ho tập z = (z1 … zN) là chu i ng u nhiên N ) và các h
số )j(k
)j(k d;c được t nh th o 1.38), (1.39). ác giá tr hợp biến của các h số
được t nh như sau:
)r()r(,)c,c(Cov jj)j(rk
)j(k
22 (1.110)
)r(r(,)d,d(Cov jj)j(rk
)j(k
22 (1.111)
)r(,)d,c(Cov jlj
)j(rk
)l(k
2 (1.112)
)r(,)d,d(Cov jlj
)j(
rk
)l(
k
2 (1.113)
1. )r()c,c(Cov j)j(rk
)j(k
2
Khi j =1:
)z,z(Covhh)c,c(Covm,l
mrklkml)(rk
)(k
11
)
r(a
hh
r
mmrm
2
Khi j 1:
)c,c(Covhh)c,c(Covm,l
)j(
mrk
j(
lkml)j(rk
)j(k jj
1
2
1
2 11
m,l
jml )lmr(hh 12
t mmtm
j hh)tr( 12
tt
j a)tr( 12
)r( j 2
2. Tương t đối với các h số av l t ta có:
40
)r()d,d(Cov j)j(
rk
)j(
k
2
3. Ta có : )r(,)d,c(Cov j)j(rk
)j(k
2 .
Trường hợp j = :
m,l
mrklkml)(rk
)(k )z,z(Covgh)d,c(Cov
11
m
mrm gh
t khác ta có:
dx)r
x()x()r(,
2
2 1
mmrm
m,lml
m,lml
gh
dx)mrx()lx(gh
dx)mrx()lx(gh
222
Tiếp th o hãy coi như bước t nh từ j - đến j:
)c,c(Covgh)d,c(Covm,l
)j(
mrk
j(
lkml)j(rk
)j(k jj
1
2
1
2 11
m,l
jml
m,l
jjjml
)lmr(,gh
))lmr((,gh
1
111
2
222
t khác:
dx)mrx()lx(gh)r(, j
m,lml
j
122 .
Trường hợp l j, )d,c(Cov)j(rk
)l(k được t nh từ kết quả trước bước j - l:
)r(,)d,c(Cov jlj
)j(rk
)l(k
2 .
4. )r(,)d,d(Cov jlj
)j(
rk
)l(
k
2
41
Bổ đề 1.3: ới m i một r 0, r Z tồn t i một hằng số r< đ tất cả
các giá tr hợp biến trong ổ đề 1.2 có giá tr tuy t đối nhỏ hơn r.
ới r 0, hàm tích )2().( rxx j có miền xác đ nh nhỏ hơn các hàm
thành phần.
dx)rx()x(dx)rx()x(]rD;r[
j]D;[
jjj
2122120 22
dx)rx()x(
)]rD;Dmin(),r;[max(
jjj 2121220
2 ,
trong đó 2 - là độ rộng miền xác đ nh của và .
Nên ta có:
dx)x(dx)rx()x()]rD;Dmin(),r;[max(
jjj
2121220
222
.
dx)rx(
)]rD;Dmin(),r;[max(
jjj 2121220
2 2
dx)x(dx)rx()x()]rD;Dmin(),r;[max(
jjj
2121220
222
.
dx)rx(
)]D;rDmin(),;r[max(
jjj 1221202
2 2
Cr < 1
Tương t cho các giá tr hợp biến khác.
N ậ k dụ d k ô (TIDWT)
ỷ ệ , â í
ợ í ệ í
Berkner K., Wells Jr, R.O [19] đã khẳng đ nh rằng có th xác đ nh được
cấu tr c tương quan của nhi u ng u nhiên các giá tr này nhỏ. hi sử d ng
biến đổi tr c giao đã bỏ qua cấu tr c tương quan này. Trong nhiều trường hợp
mức nhi u này là đáng k ảnh hưởng đến t n hi u có ch. Từ những kết quả
42
này ta có th đưa thêm vào ngư ng một số tham số ph thuộc tương quan của
nhi u đ hi u quả khử nhi u t n hi u cao hơn ứng d ng được cho nhiều t n
hi u ở những môi trường khác nhau.
Kết uận: ã ậ :
í k ệ ố k ể ô ệ , í ố ủ
ô ệ k d ,
ể ứ ứ k í ệ ằ
P â í d ,
í ố k ủ ợ â d
í í ố k ủ í ợ ô
ứ dụ
ệ ố k ô d
k ô (TIWT).
N ứ ố , í ấ ủ ệ ố
, í ô ấ ú ủ ệ ố
:
N ữ , ợ ậ ã k
ợ ồ ữ í ủ ệ ố
, ợ ằ ệ ố
ô B 1.2, 1.3 Mứ ụ ấ
ú ủ ệ ố é
ẹ ợ
ậ D ợ ằ ể ứ ( )
k ợ khô . Tr
ữ k ậ ợ , tr 2 ẽ â d
í D ứ ợ ấ ú
43
ủ ệ ố d k ô ằ ỏ ợ
ệ ố , k ả .
Chương 2. NGƯ NG THÍCH NGHI MINFDR SỬ DỤNG TID T
T ONG KHỬ NHI U TÍN HIỆU
ã ậ ể ố ệ ,
ứ dụ ả ậ í ệ ủ ậ D . â d
í d ậ D IDW ,
k ô
2.1 Tổng quan ề uật c c tiểu hoá tốc đ phát hiện ỗi
2.1.1 Giới thiệu
uật c c ti u hóa tốc độ phát hi n l i min rul ) nhằm c c ti u hóa
t số các h số sai số cả trong tái t o. hương pháp này t nh toán ngư ng
giống như tất cả các hàm ngư ng đầu tiên nó được đưa ra giống như một
lược đồ ngư ng toàn c c cho dữ li u một chiều.
ác tác giả đầu tiên đề xuất luật c c ti u hóa tốc độ phát hi n l i
minFDR là Benjamini và Hochberg [95] đề xuất một thuật toán l a chọn các
giả thuyết là độ lớn đ điều khi n . t (1), H(2) … (G) k hi u là các
giả thuyết được ki m tra và (1), P(2), ... P(G) là các giá tr không ph thuộc
tương ứng q là t số mong muốn đ điều khi n . l a chọn giả thuyết
xác đ nh mức t số đầu tiên q và tìm G
kqPGkk k
*:1maxˆ lo i tất cả
44
các giả thuyết có ch số từ … k. iều khi n m nh của ở mức q khi
các giá tr là không ph thuộc phân bố liên t c và đồng nhất.
njamini và ochb rg đã t o ra phương pháp một dãy giá tr đ điều
khi n . ây th c s là điều mà phương pháp điều khi n giá tr đ t
được: ùng dữ li u quan sát ước lượng vùng lo i bỏ đ trung bình nhỏ
hơn ho c bằng q đối với một vài q chọn trước. ết th c của phương pháp là
một dãy giá tr ước lượng k nhằm lo i bỏ (1), P(2), ... P(G). Ở đây
P(G).....P(2)P(1) là thứ t các giá tr quan sát được.
i m tra giả thuyết với có th được th c hi n trong trường hợp
tổng quát [82], [83]. Nó có lợi đ nghiên cứu các trường hợp m giả thuyết
ki m tra được th c hi n tương đương với các giá tr p p2 ...pm. Thủ t c
đi n hình này được gọi là thống kê độ lớn các giả thuyết r ng bất cứ khi nào
các giá tr p tương ứng nhỏ hơn ho c bằng một vài ngư ng, t ]. Ngư ng
này có th được ấn đ nh ho c ph thuộc dữ li u nhằm đ nh lượng t số sai số
mong muốn.
ọi là các phát hi n sai là các phát hi n đ ng là tổng số các phát
hi n. thường được xác đ nh là [20]
FDR=E
0
1R
R
VE
VR
V Pr(R>0) (2.1)
nh hưởng của (Rv1) trong m u số của kỳ vọng đầu tiên là thiết lập /R
= 0 khi R=0.
Tính điều khiển ước ượng c a D
hương pháp đ t trước mức chấp nhận được và tìm một luật
ngư ng ph thuộc dữ li u đ kỳ vọng của luật này nhỏ hơn ho c bằng
mức chọn trước. c t nh này được gọi là điều khi n [95].
B njamini và HochBerg đã chứng tỏ rằng thuật toán này xác đ nh một
ngư ng dữ li u cơ sở p giá tr điều khi n ở mức q khi các giá tr p tương
45
ứng với các giả thuyết r ng th c là độc lập và được phân bố đồng nhất
N(0,1).
Các ứng dụng
Ngoài những ứng d ng thống kê xử l t n hi u khử nhi u trong những
n m gần đây đã có một s gia t ng đáng k k ch thước của bộ dữ li u thu
thập được trong một số các l nh v c khoa học bao gồm cả g n vật l thiên
v n hình ảnh não và d ch t học không gian.
tiếp t c được ứng d ng trong các phân t ch dữ li u nhiều chiều
thường liên quan đến vi c th c hi n ki m tra giả thuyết đồng thời trên hàng
ngàn ho c hàng tri u các biến đổi khác nhau [85].
2.1.2 Đánh giá các th tục D
hả n ng của các thủ t c trước đây có h n chế đó là điều ki n cần
thiết đ điều khi n th ch hợp được d a trên giả thuyết s không ph thuộc
giữa các thống kê ki m tra. Tuy nhiên ph p phân t ch th m dò các dữ li u
nhiều chiều thường tìm thấy s ph thuộc rõ ràng giữa các số li u thống kê
thử nghi m. c bi t là trong các dữ li u vi mảng th hi n mức độ g n có s
tương quan cao. o đó điều quan trọng là x m x t các thủ t c có th
được th c hi n cho các tình huống ph thuộc khác nhau [64].
Một vài thủ t c được áp d ng đ th c hi n với các trường hợp ph thuộc
chung trong dữ li u nhiều chiều. njamini và kuti li [18] đã chứng tỏ thủ
t c của njamini và HochBerg điều khi n có th t ng n ng lượng với
điều ki n ph thuộc hồi quy dương. ọ c ng đề xuất một mới điều khi n
dưới trường hợp ph thuộc tổng quát. tor y và nhiều tác giả khác [84]
đã xác đ nh một trường hợp t ph thuộc, bao gồm các cấu tr c tương quan
khối thông minh xác đ nh ph thuộc động và một vài s phân bố h n hợp.
hi số giả thuyết đủ lớn th o một điều ki n h n chế nhất đ nh của và
tor y chứng tỏ rằng thủ t c p điều khi n ti m cận với số lượng
giả thuyết) trong trường hợp t s ph thuộc giữa và . duy trì các cấu
46
tr c tương quan giữa các số li u thống kê thử nghi m k thuật lấy m u l i
được đề xuất. ưới các giả thuyết r ng hoàn toàn kuti li và njamini
[94] ước lượng dùng phân bố l y m u l i của và một đi m ước lượng
của . Korn [81] đã đề xuất phương pháp cơ sở hoán v điều khi n t số các
phát hi n sai (V/R).
ác phương pháp đề xuất có đi m m nh đi m yếu riêng. FDR và p
được mở rộng th o s giới h n của giả thuyết không ph thuộc thông thường.
Tuy nhiên các yêu cầu ph thuộc là khó th c hi n trong trường hợp các dữ
li u là riêng bi t.
2.1.3 Các gi i thuật nghi n cứu ứng dụng ử tín hiệu c a D
- avrik và nhiều tác giả khác [58] dùng biến đổi av l t tr c giao và
tuyến t nh với dữ li u quan sát được các h số av l t là không ph thuộc.
ọ đã giới thi u ngư ng cơ sở biến đổi av l t d a trên các phiên bản của
là ocal và ay s . Ưu đi m của phương pháp này là không
ph thuộc vào k ch thước dữ li u thứ hai là độ l ch của các bộ ước lượng đ t
được nhỏ. Tuy nhiên phương pháp này khó đ t được c c ti u và c ng b
suy giảm n ng lượng khi số các giả thuyết lớn.
- David Donoho và Jiashun Jin [38] xác đ nh được ngư ng có th
gần tới ti m cận c c đ i nhỏ nhất đối với các dữ li u lu thừa thưa giá tr
quan sát được tuân th o luật số m ). ác tác giả đã áp d ng ngư ng cho
một v ctơ không auss có các to độ xi i= …n không ph thuộc số m với
các giá tr trung bình i riêng bi t. Tham số <q< có vai trò rất quan trọng:
Khi q 2 ước lượng gần c c đ i nhỏ nhất khi chọn q> 2 thì ước
lượng khó gần c c đ i nhỏ nhất. Thủ t c này đơn giản rõ ràng và áp
d ng tốt trong các trường hợp ước lượng. ết quả ch nh của bài báo th hi n
s thành công đối với vi c xử l các nhi u không auss.
47
- Pavlicova và nhiều tác giả khác [72]: dùng ảnh cộng hưởng từ chức
n ng đ đánh giá các ho t động của não bộ nghiên cứu áp d ng cho dữ
li u 2 chiều có nhiều biến đổi lớn. Th c hi n trong không gian av l t dùng
biến đổi av l t rời r c T). iến đổi av l t ngược dùng T. Thủ
t c này phải l a chọn bộ tham số ngư ng q k đ ảnh thu được phẳng hơn. q
à mức khi ngư ng các giả thuyết trong vùng av l t k là ngư ng
được áp d ng trong không gian thống kê ki m tra ảnh khi biến đổi av l t rời
r c ngược. Ưu đi m của thuật toán là có th xử l các dữ li u có nhiều biến
đổi lớn. Tuy nhiên đ dùng thuật toán có hi u quả phải l a chọn bộ tham số
q k) phù hợp cho quá trình biến đổi thuận và ngược trong không gian
wavelet.
- . . . . . rasad và nhiều tác giả khác [92] đã tiến hành khử nhi u
t n hi u đi n não đồ d a trên phương pháp ngư ng biến đổi aval t
dùng luật min trên cơ sở T với hàm ngư ng
2
)(1ˆ 1 mp
và
bộ lọc ngư ng cứng đã đ t được những kết quả khá tốt. Tuy nhiên thuật toán
mới nghiên cứu áp d ng cho nhi u ng u nhiên không tương quan với t n hi u.
hi độ l ch chuẩn nhi u biến đổi thì N biến đổi lớn khả n ng khử nhi u
thay đổi do có s thay đổi tương quan với t n hi u của nhi u hi u quả khử
nhi u của ngư ng này không ổn đ nh.
Nhiều thuật toán cải tiến từ phương pháp min đang tiếp t c được
nhiều tác giả trên thế giới quan tâm nghiên cứu.
2.2 Ngưỡng thích nghi a t minFDR
2.2.1 Ngưỡng đều cho D T
iá tr ngư ng trong xử l t n hi u sử d ng biến đổi av l t như ước
lượng phổ n n ảnh khử nhi u là rất quan trọng ảnh hưởng nhiều đến độ
ch nh xác khi phân t ch một t n hi u c ng như khi khôi ph c t n hi u trong các
48
thiết b đi n tử và trong các h thống đi n tử đ c bi t là trong thông tin đo
lường.
hử nhi u bằng ngư ng av l t thông thường th c hi n th o ba bước
cơ bản như trong chương 1 đã nêu. i u quả khử nhi u ph thuộc nhiều vào
giá tr ngư ng và thuật ngư ng. i u quả khử nhi u s càng cao khi ngư ng
chứa càng nhiều các tham số của nhi u. onoho và Johnston [45], [49] đã
th c hi n khử nhi u N ) có giá tr trung bình bằng không và phương sai
bằng một qua khai tri n tr c giao t n hi u có nhi u.
hai tri n av l t tr c giao tập t n hi u và nhi u ta được các h số biến
đổi av l t:
Wx = Ws + W , (2.2)
trong đó x =(x1,x2 … xN) là tập dữ li u t n hi u bao gồm nhi u s là v ctơ
các m u t n hi u s1,s2 … sN và là v ctơ nhi u ng u nhiên 1, 2 … N. W là
ma trận h số av l t tr c giao k ch thước N x N và là độ l ch chuẩn bi u
hi n mức độ nhi u. ctơ nhi u =W là những biến ng u nhiên có phân bố
chuẩn auss và không tương quan. c đ ch khử nhi u là tìm ra thuật toán đ
tập nhi u = W tiến tới không.
Donoho và Johnstone [45], [49] đã th c hi n biến đổi av l t rời r c cho
dữ li u nhi u kết quả đ t được một bộ ước lượng các h số av l t sau đó
tái t o hàm đã ước lượng khử kỳ vọng gần đến khả n ng c c ti u. ọ đưa ra
một ngư ng toàn c c:
Nlog2 (2.3)
Như vậy giá tr ngư ng là ngư ng đều Nlog2 . iá tr ngư ng này
ph thuộc vào mức nhi u không tương quan và công suất t n hi u nhi u.
2.2.2 Ngưỡng cho nh ng biến đổi không tr c giao
49
iến đổi av l t d ch không đổi là ph p biến đổi không tr c giao. Ma
trận khai tri n có k ch thước N x N, không vuông với N N. hi biến đổi
av l t ngược được ma trận ~
W và:
IWW ~
(2.4)
hai tri n tập dữ li u x theo bi u thức 2.2) đ t = Ws và = W.
ctơ gồm N biến ng u nhiên 1 … NP . ác biến ng u nhiên này qua
biến đổi av l t v n có phân bố chuẩn với kỳ vọng bằng và ma trận hợp
biến:
= WWT (2.5)
Nói chung I và các biến i không giống nhau. ác biến ng u nhiên
này có th ph thuộc vào mức phân giải trong khai tri n av l t. Nếu là
ma trận ch o với các thành phần là 2i thì các giá tr này không bằng nhau vì
vậy mà các biến ng u nhiên i hoàn toàn độc lập với i. Ngư ng onoho trở
nên ph thuộc vào mức phân giải av l t. Ngư ng không còn là ngư ng đều
mà là ngư ng ph thuộc mức. hi i không còn là những giá tr độc lập nữa
thì bi u thức 2.3) không còn đ ng nữa.
Theo Donoho và Johnstone:
ijPji
ijP,...i
iP,...i
ir
exprKmaxPmaxP
NNN1
2
111
, (2.6)
trong đó = Nlog2 , K là hằng số rij là h số tương quan giữa i và j.
ất đẳng thức cho biết mức độ khác nhau giữa các biến ng u nhiên tương
quan và không tương quan với sai số là:
ijPjiij
rexpr)(R
N1
2
1
(2.7)
50
ai số ph thuộc vào h số tương quan rij và số các biến ng u nhiên
PN. Nhiều phương pháp khử nhi u đã bỏ qua t nh tương quan trong dữ li u
gốc. Trong nhiều trường hợp giá tr này là đáng k . có th lo i bỏ được
các giá tr này trong các h số av l t nó cần phải có m t trong ngư ng th ch
nghi.
2.3 Đề u t ngưỡng thích nghi min D sử dụng TID T
iến đổi av l t rời r c d ch không đổi T T là th c hi n d ch những
phiên bản của biến đổi tr c giao và lấy trung bình qua tất cả các d ch này. ết
quả biến đổi không còn tr c giao nữa và xuất hi n thông tin dư. Những thông
tin dư này bao gồm cả nhi u và những thành phần t n hi u mất đi khi sử d ng
biến đổi tr c giao. Qua thuật ngư ng có th khử đi thành phần nhi u giữ l i
t n hi u một cách trung th c hơn.
2.3.1 Luật ngưỡng thích nghi min D
Ngư ng th ch nghi av l t là ngư ng có giá tr ngư ng ph thuộc vào
đ c t nh tương quan của các h số biến đổi av l t nhi u và có các tham số
ph thuộc vào phương sai hợp biến của các h số biến đổi av l t nhi u.
Ngư ng min ban đầu được đề xuất bởi njamini, HochBerg [95]
được bi u di n bằng bi u thức
2
)(1ˆ 1 mp
i u thức này ch khử được các lo i nhi u ng u nhiên không tương quan
với nhau. có th ứng d ng được ngư ng th ch nghi min th o phương
pháp ngư ng av l t và khử được các thành phần nhi u tương quan trước
hết luật ngư ng th ch nghi phải thoả mãn điều ki n ngư ng.
T T là biến đổi không tr c giao ma trận biến đổi L có k ch thước
(L+1)N x N.
ác đ nh ngư ng mới ta quay trở l i với bất đẳng thức 2.6) h số tương
quan rij = Cov(i ,j) th o ổ đề 1.2 thì: maxrij= < 1.
Khi 1 i < j + )N số lượng các h số tương quan có th có như sau:
51
00 )c,c(Covc,c(Cov#rr#)L(
l)L(
k)L(
l)L(
kijij
+ L,...,m,)d,c(Covd,c(Cov#)m(
l
)L(
k
)m(
l
)L(
k 10
+ m,...,n;L,...,m,)d,d(Covd,d(Cov#)n(
l
)m(
k
)n(
l
)m(
k 110
ố các h số tương quan khác không b h n chế bởi cấp bộ lọc mức
phân giải và độ dài t n hi u N:
0)c,c(Covc,c(Cov# )L(l
)L(k
)L(l
)L(k
)(DN L 12
0)d,c(Covd,c(Cov# )m(l
)L(k
)m(l
)L(k
L
ll
lLDN
1 2
122
0)d,d(Covd,d(Cov#)n(
l
)m(
k
)n(
l
)m(
k
L
m
m
ll
lmDN
1 1 2
122
với: mnLm ,...,1;,...,1
ậy nên:
0ijij rr# )(DN L 12
L
ll
lLDN
1 2
122
L
m
m
ll
lmDN
1 1 2
122
)(LL)(DN LLL 22212 1
)LL(DN LLL 111 222
)L(DN L 212 1
(2.8)
* Ước lượng nhiễu thích nghi wavelet
Độ lệch chuẩn
ộ l ch chuẩn được xác đ nh th o các h số ở những t l tinh nhất
là các h số chi tiết h số av l t) và th o đ c t nh phân bố thống kê của
nhi u:
6745.0
j
kdmedian (2.9)
52
Trong đó jkd là các h số av l t th o 1.39)
Độ lệch chuẩn i :
ới nhi u có phương sai 2 ma trận hợp biến khi biến đổi av l t ở
mức thứ i th o . 0) trong chương :
Tii
Tii
Tiii WWIWWQWW 22
(2.10)
TIDWT không tr c giao nên:
Wi Wi T I (2.11)
ường ch o ch nh của ma trận Wi Wi T là phương sai 2
i :
)WW(diag Tiii 2 (2.12)
2.3.2 Ngưỡng thích nghi a t min D được đề u t
iá tr ngư ng th ch nghi av l t min bao gồm luật ngư ng ước
lượng nhi u ph thuộc vào mức nhi u không tương quan và cả nhi u
tương quan i khi TIDWT. Bi u thức ngư ng th ch nghi min ở bi u thức
(1.24) được đề xuất có khả n ng th ch nghi với t n hi u và nhi u như sau:
2
)(1
1.ˆ.ˆ).1.(
mpianew (2.13)
Trong đó:
- hương sai nhi u không tương quan có độ l ch chuẩn là giá tr
trung bình của h số biến đổi av l t tinh nhất.
- hương sai nhi u tương quan có độ l ch chuẩn i được xác đ nh từ ma
trận th o bi u thức 2.12) sau m i bước d ch vòng. iá tr ngư ng này
ph thuộc vào mức nhi u không tương quan và cả nhi u tương quan i khi
TIDWT.
- là h số tương quan của các biến ng u nhiên được lấy c c đ i của
các giá tr hợp biến t nh được.
- a là h số th c nghi m được t động xác đ nh th o giải thuật hình 2.1
53
2.3.3 T đ ng ác đ nh hệ số a trong h m ngưỡng được đề u t
iá tr a được xác đ nh th o phương pháp th c nghi m với m c tiêu cho
kết quả tốt nhất đối với nhiều lo i t n hi u nó ph thuộc vào d ng t n hi u đầu
vào và sóng mẹ được chọn.
C ợ ệ :
- B 1: họn sóng av l t mẹ iả sử có sóng).
- B 2: Th c hi n vòng l p lần lượt từ t n hi u thứ đến t n hi u thứ
các bước (3,4,5,6,7,8).
- B 3: T o t n hi u và nhi u k ch thước N.
- B 4: T nh các h số lọc chọn mức d ch vòng.
- B 5: ác đ nh h số a. Ở đây a được tìm trong các giá tr [1,5] với
bước nhảy là 0. ngoài những giá tr này N rất thấp.
- B 6: Th c hi n các bước d ch vòng t nh giá tr hợp biến và phương
sai.
- B 7: T nh giá tr ngư ng th ch nghi.
- B 8: họn N nào có giá tr lớn nhất và lớn hơn N của ngư ng
đều. hi l i giá tr này.
- B 9: Quay l i bước 2 với t n hi u khác và th c hi n quy trình tương
t với các bước (3, ) với lần lượt t n hi u.
- B 10: tiếp t c th c hi n tìm a với các sóng av l t mẹ khác
quay l i bước sau đó l i th c hi n từ bước 2 đến bước 8.
- B 11: Qua tất cả * vòng và các bước l p, chọn a ứng với N
lớn nhất cho hình ảnh trơn nhất mà không ảnh hưởng nhiều đến d ng t n
hi u.
54
ắt đầu
họn sóng av l t mẹ
- T o t n hi u và nhi u k ch thước N
- họn bộ lọc k ch thước 1=6D
- T nh các h số lọc: h, g
- họn mức d ch vòng L2=3
i = 0
ch vòng phải các m u t n hi u
- T nh ngư ng th ch nghi
2
)(11.ˆ.ˆ).1.(
mp
ia
T đ có được các h số k
số a= :0.1:5
họn hàm ngư ng
0
-T nh các giá tr hợp biến và phương sai
IDWT khôi ph c t n hi u
ch vòng trái các m u t n hi u khôi ph c
i=i+1
i = L2 ?
1
ấy trung bình t n hi u
o sánh N với N ngư ng đều
ết th c
1
0
Tập hợp N > N ngư ng đều
òng l p từ : t n hi u
ình 2.1- iải thuật t động xác đ nh h số trong hàm ngư ng th ch nghi min
họn a ứng với N max
55
ưới đây là một số thử nghi m l a chọn h số a trong hàm ngư ng
(2.13) đ khử nhi u t n hi u. Hai t n hi u được lấy m u là t n hi u chuẩn
Doppler trong thư vi n atlab t n hi u kh mê tan là t n hi u th c được
lấy trong môi trường công nghi p khai thác than hầm lò đ chứng minh t nh
hi u quả khử nhi u của hàm ngư ng mới đề xuất với t n hi u chuẩn và t n
hi u th c tế.
- Tìm hệ số a ới tín hiệu chuẩn Doppler
0 100 200 300 400 500
-1.5
-1
-0.5
0
0.5
1
1.5
Tin hieu goc
2.2 - í ệ D ố
0 100 200 300 400 500
-1.5
-1
-0.5
0
0.5
1
1.5
Tin hieu co nhieu
2.2 - í ệ D SN
= 9.2274 dB
0 100 200 300 400 500
-1.5
-1
-0.5
0
0.5
1
1.5
Tin hieu khu nhieu DWT
2.2 - í ệ D k
u, SNR = 13.3442dB
0 100 200 300 400 500
-1.5
-1
-0.5
0
0.5
1
1.5
Tin hieu khu nhieu nguong thich nghi minFDR a=3
2.2d- í ệ D k
D
=3, SNR = 13.3701dB
0 100 200 300 400 500
-1.5
-1
-0.5
0
0.5
1
1.5
Tin hieu khu nhieu nguong thich nghi minFDR a=4
2.2 - í ệ D k
D
=4, SNR = 10.9215dB
0 100 200 300 400 500
-1.5
-1
-0.5
0
0.5
1
1.5
Tin hieu khu nhieu nguong thich nghi minFDR a=6
2.2 - í ệ D k
D
=6, SNR = 9.3289dB
56
0 100 200 300 400 500
-1.5
-1
-0.5
0
0.5
1
1.5
Tin hieu khu nhieu nguong thich nghi minFDR a=2
2.2 - í ệ D k D
=2, SNR = 14.7669dB
ình 2.2 - ác kết quả tìm h số a khi khử nhi u t n hi u oppl r
ết quả thử nghi m khử nhi u trên t n hi u oppl r cho thấy với h số
a=2 đ t được N cao nhất cho hi u quả khử nhi u tốt nhất so với các h số
khác.
- Tìm hệ số a ới tín hiệu khí m tan hầm (CH4)
0 0.5 1 1.5 2 2.5
x 104
-1
0
1
2
3
4
5
6
22087 mau tin hieu do khi CH4
Thoi g ian (ms)
No
ng
do
CH
4(%
)
H 2.3 - M í ệ k í
0 100 200 300 400 500 6000
0.2
0.4
0.6
0.8
1
1.2
1.4512 mau (3000-3511) tin hieu do khi CH4
Thoi gian (ms)
Non
g do
CH
4(%
)
H 2.3 – M k í ệ
k
chứng minh khả n ng khử nhi u của hàm ngư ng đề xuất đồng thời
chứng minh t nh tối ưu của h số a t n hi u 2.3b sau khi được khử nhi u đ
làm t n hi u gốc) s tiếp t c được trộn nhi u ng u nhiên với SNR = 8.8816dB
và th c hi n khử nhi u với các h số a khác nhau. ết quả như sau:
57
0 100 200 300 400 500 6000.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1Tin hieu thuc khu nhieu nguong deu
.2.3 – ,
SNR=21.0300dB
0 100 200 300 400 500 6000.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1Tin hieu thuc khu nhieu nguong thich nghi minFDR a=3
2.3d – D
=3, SNR=22.2164dB
0 100 200 300 400 500 600-0.2
0
0.2
0.4
0.6
0.8
1
1.2Tin hieu thuc khu nhieu nguong thich nghi minFDR a=4
2 – D
=4, SNR=18.4282dB
0 100 200 300 400 500 600-0.2
0
0.2
0.4
0.6
0.8
1
1.2Tin hieu thuc khu nhieu nguong thich nghi minFDR a=6
2 – ng minFDR
=6, SNR=9.67211dB
0 100 200 300 400 500 6000.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1Tin hieu thuc khu nhieu nguong thich nghi minFDR a=2
ình 2.3h – hử nhi u ngư ng min
ới a=2, SNR=22.2164dB
ình 2.3 - ác kết quả tìm h số a khi khử nhi u t n hi u kh êtan
ới các av l t mẹ khác nhau d ng t n hi u khôi ph c có thay đổi nhỏ
do t nh ph thuộc của ph p biến đổi av l t vào av l t mẹ. Tuy nhiên kết
quả khử nhi u của hàm ngư ng th ch nghi min ở công thức (2. 3) với h
số a=2 v n đ t được cải thi n đáng k so với ngư ng đều mức t ng N lớn
hơn và ổn đ nh hơn so với các h số khác.
hương trình mô phỏng còn được th c hi n với một số t n hi u đo lường
th c tế khác nói chung kết quả đ t được c ng tương t như các v d trên t n
58
hi u khử nhi u th o ngư ng mới với h số a=2 được xác đ nh t động th o
giải thuật ở hình 2. cho hình ảnh trung th c hơn có N cao hơn ngư ng
đều và các phương pháp ngư ng truyền thống khác.
Thuật toán được áp d ng cho nhiều d ng t n hi u và nhiều d ng sóng mẹ
khác nhau. Từ vi c t động xác đ nh h số a và các kết quả mô phỏng trên đã
chứng tỏ rằng thuật toán xác đ nh được h số a tối ưu là a=2. o đó với giá tr
a hội t khoảng t i a=2 thì h m ngưỡng c a tác gi đề u t :
(2.14)
N ậ : Giá trị ngưỡng (2.14 có th đ ng th i khử được c nhiễu
tương quan và không tương quan.
Nhìn chung so với các phương pháp khử nhi u truyền thống kết quả
khử nhi u bằng ngư ng th ch nghi av l t min như hàm ngư ng ở công
thức (2.14) cho giá tr N cao nhất và t n hi u khôi ph c trơn hơn tránh
được những dao động giả t o sinh ra khi biến đổi giảm được những đột biến
do nhi u gây ra.
Kết uận: Trong c , ậ ể ố
ệ , ứ dụ ả ậ í ệ ủ ậ D .
k ả ứ ủ D J (2.6) ể
k G k ô , k ợ ấ ú ủ
ệ ố ng 1 ã ệ :
- ấ hàm ng (2.14) và ứ í k
ợ k ô ng quan và d ậ ể ố
ệ IDW , ồ ậ
ệ ố í (2.13).
- Mô ỏ k ả ấ k ả k ủ
ô ứ (2.13) ệ ố ợ ả ệ kể
59
, ứ SN ệ ố
k .
- P í ụ ồ
k ô ợ ô ứ (2.14).
Chương 3. THỬ NGHIỆM VÀ ĐÁNH GIÁ HIỆU U KHỬ NHI U
60
ể k ể ứ k ả ứ ,
ả ệ k í ệ ằ í D
: Mô ỏ k M ( í ệ SN
khá , ẹ k ) í ệ
í ệ ệ Q ả
k ả k ợ ấ
D ố k .
3.1 Mục ti u, phương pháp mô ph ng khử nhiễu tín hiệu
* Mục ti u mô ph ng
- Nhằm xác đ nh hi u quả khử nhi u của ngư ng đề xuất với các mức
N khác nhau của các lo i t n hi u khác nhau. Trước tiên hàm ngư ng được
thử nghi m với các t n hi u chuẩn trộn nhi u là các t n hi u được lấy m u
trong thư vi n phần mềm atlab) sau đó tiến hành thử nghi m với các t n
hi u th c tế T n hi u kh mê tan hầm lò t n hi u đo nhi t độ độ ẩm của
Nhà trồng)
- i m chứng l thuyết và so sánh kết quả th c nghi m với các giải thuật
khử nhi u av l t truyền thống.
* Phương pháp mô ph ng
hương pháp khử nhi u được th c hi n qua các bước ch nh sau:
- iến đổi av l t d ch không đổi qua biến đổi tr c giao bằng các
bộ lọc thông thấp và thông cao.
- Tính toán các tham số ngư ng và xác đ nh giá tr ngư ng.
- ử d ng hàm ngư ng lược bỏ các h số nhi u.
- iến đổi ngược av l t d ch không đổi bằng các bộ lọc thông
thấp và thông cao đ khôi ph c t n hi u.
* Mô hình mô ph ng
61
ô hình mô phỏng khử nhi u bằng ngư ng av l t dùng luật c c ti u
hóa tốc độ phát hi n l i x m hình (3.1).
T n hi u gốc mô phỏng là các t n hi u thử s k) được lấy trong thư vi n
phần mềm atlab: avi in oppl r locks umps. ốn d ng t n hi u
chuẩn này được chọn là những t n hi u đi n hình trong môi trường công
nghi p mô tả hi n tượng không đồng nhất trong các không gian khác nhau.
T n hi u d ng oppl r là t n hi u có tần số thay đổi t n hi u d ng avi in
là t n hi u có hình sin chu kỳ với 2 bước nhảy không đều t n hi u d ng
umps là t n hi u tổng hợp của các dao động có chiều cao và độ rộng biến
đổi t n hi u d ng locks là t n hi u có hàm hằng số phân đo n với các bước
nhảy khác nhau [48].
Nhi u n k) là t n hi u giả ng u nhiên đ trộn vào các t n hi u thử t o ra
t n hi u tổng hợp (1.1).
T n hi u có nhi u tác động sau bộ cộng x k) với k = … N và N là k ch
thước t n hi u đã rời r c hóa: x(k) = s(k) + n(k)
i u quả khử nhi u được đánh giá bằng t số t n hi u trên nhi u:
dBxs
sSNR
lg20 (3.1)
ới t n hi u được khôi ph c (k)x~ t số t n hi u trên nhi u là:
dBxs
slgSNR
20
(3.2)
62
Hình 3- ơ đồ mô phỏng khử nhi u bằng ngư ng th ch nghi av l t
Biến đổi wavelet
iến đổi av l t có th chọn các av l t mẹ khác nhau: oi l t
ymml t aub chi s … họn av l t d a vào t nh chất tương quan giữa
av l t và t n hi u th o công thức (1.31).
Trong phương pháp đề xuất này oi l t được chọn là hàm av l t cơ
sở d a trên các thuộc t nh mà nó có: Tốc độ hội t về của hàm Ψ và hàm Φ
nhanh, số đi m tri t tiêu của các hàm av l t Ψ là 2N và hàm t l Φ là 2N-1
đi m, cả hai hàm này đều có chiều dài 6N-1, Ψ và Φ có nhiều t nh đối xứng
hơn so với hàm aub chi s, khả n ng đ t được các yếu tố đ c trưng của t n
hi u quan tâm khả n ng biến đổi liên t c rời r c và cho ph p th c hi n thuật
Nguồn t n hi u
Nhi u giả
ng u nhiên
iến đổi thuận
wavelet rời r c
d ch không đổi
ược bỏ các h số
av l t nhi u qua
hàm ngư ng
iến đổi ngược
wavelet rời r c
d ch không đổi
s(k) n(k)
(k)x~
x(k)
ác đ nh ngư ng
thích nghi
av l t mẹ
63
toán nhanh như đã nêu ở m c 1.4.2. aub chi s và oi l ts giống nhau ở một
vài đi m nhất đ nh nhưng av l t oi l ts th c s khác với av l t
aub chi s ở ch nó được xây d ng với các đi m tri t tiêu không ch với hàm
wavelet )(t mà cả với hàm t l )(t [44], [78]. àm ước lượng đ t được tốt
hơn hình ảnh trơn hơn. iều này làm t ng khả n ng ứng d ng của av l t
oi l ts trong n n ảnh và khử nhi u t n hi u.
ó th chọn oi l t N), (N = 1,... 5). hương trình mô phỏng sử d ng bộ
lọc oi l t .
ác h số hàm av l t được xác đ nh th o các h số hn:
11)1(
kL
k
khg ; 1,...,0
1 Lk ; L1=6N (3.3)
iến đổi av l t thuận và ngược sử d ng chung av l t mẹ.
Xác định giá trị ngưỡng
Ngư ng th ch nghi th o công thức 2.14).
- ợp biến của các h số av l t được t nh qua các hàm t tương quan
và t ch trong th o các bi u thức 1.110), (1.111), (1.112), (1.113). iá tr
được lấy c c đ i của các giá tr hợp biến t nh được.
- hương sai không tương quan có độ l ch chuẩn xác đ nh th o [45],
[48], [4 ] là giá tr trung bình của h số biến đổi av l t tinh nhất.
- hương sai nhi u tương quan có độ l ch chuẩn i được xác đ nh từ
đường ch o ch nh của các ma trận t ch: iWiT, theo (2. 2) sau m i bước d ch
vòng.
Hàm ngưỡng
Hàm ngư ng có th chọn: ngư ng cứng . 3) ngư ng mềm . )
ngư ng trung gian giữa ngư ng mềm và ngư ng cứng trên cơ sở hai giá tr
ngư ng như . ) ngư ng Trimm d . ). hương trình mô phỏng th c
hi n chọn ngư ng cứng và ngư ng mềm. ác kết quả mô phỏng sử d ng
64
ngư ng cứng. o có d ch vòng của T T nên ch cần sử d ng ngư ng cứng
mà v n đảm bảo độ trơn của t n hi u khôi ph c.
Dịch vòng
iến đổi av l t được th c hi n th o các bước d ch vòng i = … 2.
iá tr c c đ i 2 có th chọn:
NlogL 22 (3.4)
Trong luận án chọn 2 = 3.
Trước biến đổi thuận th c hi n d ch vòng phải, thì sau biến đổi ngược
d ch vòng trái. uối cùng t n hi u là lấy trung bình tất cả các giá tr d ch.
* Lưu đồ mô ph ng
ưu đồ chương trình khử nhi u ngư ng thích nghi wavelet (hình 3-2).
65
Hình 3.2 - ưu đồ khử nhi u t n hi u bằng ngư ng th ch nghi minFDR
ắt đầu
- T o t n hi u và nhi u k ch thước N
- họn bộ lọc k ch thước 1
- T nh các h số lọc: h, g
- họn mức d ch vòng 2=3
i = 0
ch vòng phải các m u t n hi u
-T nh các giá tr hợp biến và phương sai
- T nh ngư ng th ch nghi
họn hàm ngư ng
0
1
wk= 0
T khôi ph c t n hi u
ch vòng trái các m u t n hi u khôi ph c
i=i+1
0
1
ấy trung bình t n hi u
T đ có được các h số k
i m tra thoả mãn ngư ng
i = L2 ?
ết th c
66
3.2 Mô ph ng, thử nghiệm ới các tín hiệu chuẩn trong Matlab
3.2.1 Mô ph ng các tín hiệu có SN th p Nhiễu ớn)
0 100 200 300 400 500-1.5
-1
-0.5
0
0.5
1
1.5
Tin hieu goc
Thoi gian (ms)
Bie
n d
o(m
V)
H 3. - D ố
0 100 200 300 400 500-1.5
-1
-0.5
0
0.5
1
1.5
Tin hieu co nhieu
Thoi gian (ms)
Bie
n d
o(m
V)
H nh3. - D
SNR= 8.8947dB
0 100 200 300 400 500-1.5
-1
-0.5
0
0.5
1
1.5
Tin hieu khu nhieu DWT
Thoi gian (ms)
Bie
n d
o(m
V)
H 3. - D k ,
SNR= 12.6965dB
0 100 200 300 400 500-1.5
-1
-0.5
0
0.5
1
1.5
Tin hieu khu nhieu minFDR goc
Thoi gian (ms)
Bie
n d
o(m
V)
H 3. d - D k
D ố SN = 10.4432dB
0 100 200 300 400 500-1.5
-1
-0.5
0
0.5
1
1.5
Tin hieu khu nhieu nguong thich nghi minFDR
Thoi gian (ms)
Bie
n d
o(m
V)
H 3. - D k í minFDR SNR= 15.8420dB
Hình 3.3 - ác kết quả khử nhi u t n hi u oppl r
67
0 100 200 300 400 500
-8
-6
-4
-2
0
2
4
6
Tin hieu goc
Thoi gian (ms)
Bie
n d
o(m
V)
3. - S ố
0 100 200 300 400 500
-8
-6
-4
-2
0
2
4
6
Tin hieu co nhieu
Thoi gian (ms)
Bie
n d
o(m
V)
3. - S
SNR=8.9100dB
0 100 200 300 400 500
-8
-6
-4
-2
0
2
4
6
Tin hieu khu nhieu DWT
Thoi gian (ms)
Bie
n d
o(m
V)
3. - S k
SNR=18.9797dB
0 100 200 300 400 500
-8
-6
-4
-2
0
2
4
6
Tin hieu khu nhieu minFDR goc
Thoi gian (ms)
Bie
n d
o(m
V)
3. d - S k
D ố SNR = 9.8800dB
0 100 200 300 400 500
-8
-6
-4
-2
0
2
4
6
Tin hieu khu nhieu nguong thich nghi minFDR
Thoi gian (ms)
Bie
n d
o(m
V)
3. - S k í D , SNR= 19.3242dB
Hình 3.4 - ác kết quả khử nhi u t n hi u avi in
68
0 100 200 300 400 500
-1
0
1
2
3
4
5
Tin hieu goc
Thoi gian (ms)
Bie
n d
o(m
V)
3. - B ố
0 100 200 300 400 500
-1
0
1
2
3
4
5
Tin hieu co nhieu
Thoi gian (ms)
Bie
n d
o(m
V)
3. - B
SNR=8.7989dB
0 100 200 300 400 500
-1
0
1
2
3
4
5
Tin hieu khu nhieu DWT
Thoi gian (ms)
Bie
n d
o(m
V)
3. - B k
SNR=10.2907dB
0 100 200 300 400 500
-1
0
1
2
3
4
5
Tin hieu khu nhieu minFDR goc
Thoi gian (ms)
Bie
n d
o(m
V)
3. d - B k
D ố , SNR = 9.4415dB
0 100 200 300 400 500
-1
0
1
2
3
4
5
Tin hieu khu nhieu nguong thich nghi minFDR
Thoi gian (ms)
Bie
n d
o(m
V)
3. - B k í D , SNR = 12.1321dB
Hình 3.5 - ác kết quả khử nhi u t n hi u umps
69
0 100 200 300 400 500
-4
-2
0
2
4
6
8
Tin hieu goc
Thoi gian (ms)
Bie
n d
o (
mV
)
3.6a - Blocks ố
0 100 200 300 400 500
-4
-2
0
2
4
6
8
Tin hieu co nhieu
Thoi gian (ms)
Bie
n d
o (
mV
)
nh3.6b - Blocks
SNR=7.7920dB
0 100 200 300 400 500
-4
-2
0
2
4
6
8
Tin hieu khu nhieu DWT
Thoi gian (ms)
Bie
n do
(m
V)
3.6c - Blocks k
SNR=11.9170dB
0 100 200 300 400 500
-4
-2
0
2
4
6
8
Tin hieu khu nhieu minFDR goc
Thoi gian (ms)
Bie
n do
(m
V)
3.6d - Blocks k
D ố , SNR = 8.9166dB
0 100 200 300 400 500
-4
-2
0
2
4
6
8
Tin hieu khu nhieu nguong thich nghi minFDR
Thoi gian (ms)
Bie
n do
(m
V)
3.6e - Blocks k í D , SNR = 12.8264dB
Hình 3.6 - ác kết quả khử nhi u t n hi u locks
70
ó th tổng hợp kết quả bằng bảng sau:
ảng 3. – ảng so sánh kết quả khử nhi u các t n hi u có N thấp
Tín hiệu SNR Ngưỡng
đều
Ngưỡng
min D
gốc
Ngưỡng
thích nghi
min D
đề u t
Mức tăng
ngưỡng
đều
Mức tăng
ngưỡng
thích nghi
min D
đề u t
Doppler 8.8947 12.6965 10.4432 15.8420 3.8018 6.9473
HeaviSine 8.9100 18.9798 9.8800 19.3242 10.0698 10.4142
Bumps 8.7989 10.2907 9.4415 12.1321 1.4918 3.3332
Blocks 7.7920 11.9170 8.9166 12.8268 4.1250 5.0348
ác kết quả mô phỏng ở trên dùng atlab 2 a v. . . .32 với các
t n hi u lấy m u trong thư vi n atlab av l t mẹ dùng oi l t ) cho thấy
khử nhi u bằng T T ngư ng th ch nghi min cho giá tr N lớn hơn
rõ r t so với các ngư ng khác.
chứng tỏ khả n ng của ngư ng này với các t n hi u có mức N cao
tác giả tiếp t c mô phỏng với các kết quả như sau.
3.2.2 Mô ph ng các tín hiệu có SN cao Nhiễu b )
0 100 200 300 400 500-1.5
-1
-0.5
0
0.5
1
1.5
Tin hieu goc
Thoi gian (ms)
Bie
n d
o(m
V)
H 3.7 - D ố
0 100 200 300 400 500-1.5
-1
-0.5
0
0.5
1
1.5Tin hieu co nhieu
H 3.7b - D
SNR= 13.2167dB
71
0 100 200 300 400 500-1.5
-1
-0.5
0
0.5
1
1.5Tin hieu khu nhieu DWT
H 3.7 - D k
, SNR= 17.6574dB
0 100 200 300 400 500-1.5
-1
-0.5
0
0.5
1
1.5Tin hieu khu nhieu nguong minFDR goc
H 3.7d - D k
D ố SN = 13.7743dB
0 100 200 300 400 500-1.5
-1
-0.5
0
0.5
1
1.5Tin hieu khu nhieu nguong thich nghi minFDR
H 3.7 - D k í minFDR SNR= 18.3256dB
Hình 3.7 - ác kết quả khử nhi u t n hi u oppl r
0 100 200 300 400 500
-6
-4
-2
0
2
4
Tin hieu goc
ình 3.8a - avi in gốc
0 100 200 300 400 500
-6
-4
-2
0
2
4
Tin hieu co nhieu
ình 3.8b - avi in trộn nhi u
SNR=29.8536dB
72
0 100 200 300 400 500
-6
-4
-2
0
2
4
Tin hieu khu nhieu DWT
ình 3.8c - avi in khử nhi u
ngư ng đều N =33.8172dB
0 100 200 300 400 500
-6
-4
-2
0
2
4
Tin hieu khu nhieu nguong minFDR goc
ình 3.8d - avi in khử nhi u
ngư ng min gốc N =30.198dB
0 100 200 300 400 500
-6
-4
-2
0
2
4
Tin hieu khu nhieu nguong thich nghi minFDR
ình 3.8 - avi in khử nhi u ngư ng th ch nghi min
SNR = 36.1429dB
Hình 3.8 - ác kết quả khử nhi u t n hi u avi in
0 100 200 300 400 500
-1
0
1
2
3
4
5
6
Tin hieu goc
Hình 3.9a - umps gốc
0 100 200 300 400 500
-1
0
1
2
3
4
5
6
Tin hieu co nhieu
Hình 3.9b - umps trộn nhi u
SNR=16.9801dB
73
0 100 200 300 400 500
-1
0
1
2
3
4
5
6
Tin hieu khu nhieu DWT
Hình 3.9c - umps khử nhi u
ngư ng đều N =17.3630dB
0 100 200 300 400 500
-1
0
1
2
3
4
5
6Tin hieu khu nhieu nguong minFDR goc
Hình 3.9d - umps khử nhi u ngư ng
min gốc, SNR = 18.3290dB
0 100 200 300 400 500
-1
0
1
2
3
4
5
6
Tin hieu khu nhieu nguong thich nghi minFDR
Hình 3.9 - umps khử nhi u ngư ng th ch nghi min
SNR = 18.6359dB
Hình 3.9 - ác kết quả khử nhi u t n hi u umps
0 100 200 300 400 500
-2
0
2
4
6
Tin hieu goc
Thoi gian (ms)
Bie
n d
o (
mV
)
Hình 3.10a - locks gốc
0 100 200 300 400 500
-2
0
2
4
6
Tin hieu co nhieu
Thoi gian (ms)
Bie
n d
o (
mV
)
Hình 3.10b - locks trộn nhi u
SNR=28.2869dB
74
0 100 200 300 400 500
-2
0
2
4
6
Tin hieu khu nhieu DWT
Thoi gian (ms)
Bie
n d
o (
mV
)
Hình 3.10c - locks khử nhi u
ngư ng đều N =29.4019dB
0 100 200 300 400 500
-2
0
2
4
6
Tin hieu khu nhieu minFDR goc
Thoi gian (ms)
Bie
n d
o (
mV
)
Hình 3.10d - locks khử nhi u
ngư ng min
gốc,SNR=29.8355dB
0 100 200 300 400 500
-2
0
2
4
6
Tin hieu khu nhieu nguong thich nghi minFDR
Thoi gian (ms)
Bie
n d
o (
mV
)
Hình 3.10 - locks khử nhi u ngư ng th ch nghi min
SNR = 30.8231dB
Hình 3.10 - ác kết quả khử nhi u t n hi u locks
ảng 3.2 – ảng so sánh kết quả khử nhi u các t n hi u có N cao
Tín hiệu SNRNgưỡng
đều
Ngưỡng
minFDR
gốc
Ngưỡng
minFDR
đề u t
Mức tăng
ngưỡng
đều
Mức tăng
ngưỡng
minFDR đề
xu t
Doppler 13.2167 17.6574 14.7743 18.3256 4.4407 5.1089
HeaviSine 28.8536 33.8172 30.1980 36.1429 4.9636 7.2893
Bumps 16.9801 17.3630 18.3290 18.6359 0.3829 1.6558
Blocks 28.2869 29.4019 29.8355 30.8231 1.1150 2.5362
75
Từ bảng 3.1, 3.2 ta thấy rằng với các kết quả li t kê trên các t n hi u có
mức nhi u t hay nhi u nhiều hàm ngư ng đề xuất v n khử được nhi u tốt
hơn so với vi c khử nhi u dùng ngư ng min gốc và ngư ng đều. Tuy
nhiên s chênh l ch kết quả không nhiều so với các ngư ng khác trong trường
hợp khử nhi u có N cao t n hi u t nhi u hơn). Qua kết quả mô phỏng
c ng cho thấy với các t n hi u có nhi u lớn N < d ) thì nhiều trường hợp
thuật toán xử l chưa thật hi u quả. Trong trường hợp này N lớn hơn các
ngư ng khác nhưng d ng t n hi u ph c hồi không được như t n hi u gốc ban
đầu.
rõ thêm về hi u quả của ngư ng này tác giả tiếp t c so sánh với các
ngư ng dùng av l t mẹ khác.
3.2.3 So sánh khử nhiễu ới các ngưỡng bằng a t mẹ khác
a. a t mẹ d ng Daubechies8 (Db8):
0 100 200 300 400 500
-1.5
-1
-0.5
0
0.5
1
1.5
Tin hieu goc
H 3.11 - D ố
0 100 200 300 400 500
-1.5
-1
-0.5
0
0.5
1
1.5
Tin hieu co nhieu
H 3.11 - D
SNR=9.4535dB
0 100 200 300 400 500
-1.5
-1
-0.5
0
0.5
1
1.5
Tin hieu khu nhieu DWT
H 3.11c - D k
, SNR=14.5085dB
0 100 200 300 400 500
-1.5
-1
-0.5
0
0.5
1
1.5
Tin hieu khu nhieu nguong thich nghi minFDR
H 3.11d - D k í
nghi minFDR SNR=15.7562dB
Hình 3.11 - hử nhi u t n hi u oppl r với hàm av l t mẹ b8
76
b. a t mẹ d ng Symmlet8 (Sym8):
0 100 200 300 400 500
-1.5
-1
-0.5
0
0.5
1
1.5
Tin hieu goc
H 3.12 - D ố
0 100 200 300 400 500
-1.5
-1
-0.5
0
0.5
1
1.5
Tin hieu co nhieu
H 3.12 - D
SNR=9.1383dB
0 100 200 300 400 500
-1.5
-1
-0.5
0
0.5
1
1.5
Tin hieu khu nhieu DWT
H 3.12 - D k
SN =12.4882dB
0 100 200 300 400 500
-1.5
-1
-0.5
0
0.5
1
1.5
Tin hieu khu nhieu nguong thich nghi minFDR
H 3.12d - D k
í D SN =16.1475dB
Hình 3.12 - hử nhi u t n hi u oppl r với hàm av l t mẹ ym8
ảng 3.3 - Kết quả mô phỏng khử nhi u
t n hi u oppl r với av l t mẹ khác nhau
av l t
mẹ
N d )
t n hi u
nhi u
SNR (dB)
ngư ng
đều
N d )
ngư ng
th ch nghi
minFDR
ức t ng
SNR (dB)
ngư ng đều
ức t ng N
d ) ngư ng
th ch nghi
minFDR
Coif4 8.8947 12.6965 15.8420 3.8018 6.6965
Sym8 9.1383 12.4882 16.1475 3.3499 7.0092
Db8 9.4535 14.5085 15.7562 5.0550 6.3027
D a tr n kết qu th ng k ta thấ rằng ch n wavelet khác nhau dạng
tín hiệu khôi phục có tha đổi nhỏ do tính phụ thuộc của phép biến đổi
wavelet vào wavelet mẹ. Tu nhi n kết qu khử nhiễu của phương pháp
ngưỡng thích nghi minFDR phù hợp với tất c các wavelet mẹ và vẫn đạt
77
được c i thiện đáng k so với ngưỡng đều mức tăng SNR của phương
pháp mới lớn hơn và ổn định hơn.
ới các phương pháp khử nhi u av l t khác hàm ngư ng 2. ) đề
xuất c ng th hi n khả n ng khử nhi u vượt trội kết quả mô phỏng chứng
minh c th như sau:
3.2.4 So sánh ới các phương pháp khử nhiễu a t khác
ết quả so sánh các phương pháp khử nhi u từ hình 3.13 đến hình 3.20.
200 400 600 800 1000 1200 1400 1600 1800 2000-10
0
10TIN HIEU GOC
200 400 600 800 1000 1200 1400 1600 1800 2000-10
0
10TIN HIEU CO NHIEU, TY SO TIN HIEU TREN NHIEU = 4
200 400 600 800 1000 1200 1400 1600 1800 2000-10
0
10TIN HIEU DA KHU NHIEU THEO heuristic SURE
Hình 3.13 - T n hi u khử nhi u ngư ng mềm uristic , SNR= 19,0637 dB
200 400 600 800 1000 1200 1400 1600 1800 2000-10
0
10TIN HIEU GOC
200 400 600 800 1000 1200 1400 1600 1800 2000-10
0
10TIN HIEU CO NHIEU, TY SO TIN HIEU TREN NHIEU = 4
200 400 600 800 1000 1200 1400 1600 1800 2000-10
0
10TIN HIEU DA KHU NHIEU THEO SURE
Hình 3.14 - T n hi u khử nhi u ngư ng mềm N = d
200 400 600 800 1000 1200 1400 1600 1800 2000-10
0
10TIN HIEU GOC
200 400 600 800 1000 1200 1400 1600 1800 2000-10
0
10TIN HIEU CO NHIEU, TY SO TIN HIEU TREN NHIEU = 4
200 400 600 800 1000 1200 1400 1600 1800 2000-10
0
10TIN HIEU DA KHU NHIEU THEO MINIMAX NGUONG CO DINH
Hình 3.15 - T n hi u khử nhi u ngư ng inimax ngư ng cố đ nh
SNR = 19,2098 dB
78
200 400 600 800 1000 1200 1400 1600 1800 2000-10
0
10TIN HIEU GOC
200 400 600 800 1000 1200 1400 1600 1800 2000-10
0
10TIN HIEU CO NHIEU, TY SO TIN HIEU TREN NHIEU = 4
200 400 600 800 1000 1200 1400 1600 1800 2000-10
0
10TIN HIEU DA KHU NHIEU THEO MINIMAX NGUONG NHIEU LAN
Hình 3.16 - T n hi u khử nhi u inimax ngư ng nhiều lần,SNR= 19,9098 dB
200 400 600 800 1000 1200 1400 1600 1800 2000-10
0
10TIN HIEU GOC
200 400 600 800 1000 1200 1400 1600 1800 2000-10
0
10TIN HIEU CO NHIEU, TY SO TIN HIEU TREN NHIEU = 4
200 400 600 800 1000 1200 1400 1600 1800 2000-10
0
10TIN HIEU DA KHU NHIEU THEO NGUONG CO DINH
Hình 3.17 - T n hi u khử nhi u ngư ng cố đ nh , SNR = 18,8814 dB
200 400 600 800 1000 1200 1400 1600 1800 2000-10
0
10TIN HIEU GOC
200 400 600 800 1000 1200 1400 1600 1800 2000-10
0
10TIN HIEU CO NHIEU, TY SO TIN HIEU TREN NHIEU = 4
200 400 600 800 1000 1200 1400 1600 1800 2000-10
0
10TIN HIEU DA KHU NHIEU THEO NGUONG THICH NGHI DEU
Hình 3.18 - T n hi u khử nhi u T ngư ng phương sai đều NR = 22,1202dB
200 400 600 800 1000 1200 1400 1600 1800 2000-10
0
10TIN HIEU GOC
200 400 600 800 1000 1200 1400 1600 1800 2000-10
0
10TIN HIEU CO NHIEU, TY SO TIN HIEU TREN NHIEU = 4
200 400 600 800 1000 1200 1400 1600 1800 2000-10
0
10TIN HIEU DA KHU NHIEU THEO NGUONG minFDR
Hình 3.19 - T n hi u khử nhi u ngư ng min N = 3 2 d
200 400 600 800 1000 1200 1400 1600 1800 2000-10
0
10TIN HIEU GOC
200 400 600 800 1000 1200 1400 1600 1800 2000-10
0
10TIN HIEU CO NHIEU, TY SO TIN HIEU TREN NHIEU = 4
200 400 600 800 1000 1200 1400 1600 1800 2000-10
0
10TIN HIEU DA KHU NHIEU THEO NGUONG THICH NGHI minFDR
Hình 3.20 - T n hi u khử nhi u ngư ng th ch nghi min , SNR = 22,7872 dB
79
ảng tổng hợp dưới đây s cho thấy s khác nhau giữa các phương pháp
khử nhi u:
ảng 3. – o sánh hi u quả khử nhi u của các phương pháp khác nhau
d a vào N đ t được so với N ban đầu 12.2290 dB)
Phương pháp SNR (dB) Mức tăng
hử nhi u ngư ng ur 19.0637 6.8347
hử nhi u ngư ng 19.9098 7.6808
hử nhi u N ngư ng cố đ nh 19.5643 7.3353
hử nhi u N ngư ng nhiều lần 19.9524 7.7234
hử nhi u ngư ng đều 18.8814 6.6524
hử nhi u T ngư ng phương sai đều 22.1202 9.8912
hử nhi u ngư ng min 13.8216 1.5926
hử nhi u ngư ng đề xuất 22.7872 10.5582
Từ bảng 3.4 cho thấy khử nhi u ngư ng min đề xuất được th c
hi n với giá tr ngư ng:
2
)(1
1.ˆ.ˆ).1.(2
mpi . ết quả t n hi u khử
nhi u trơn nhất và N t ng so với ngư ng đều 3. d t ng so với T
ngư ng phương sai đều là 0.6670 dB.
chứng minh t nh đ ng đắn của hàm ngư ng đề xuất tác giả thử
nghi m khử nhi u một số t n hi u th c tế thu được qua quá trình tham gia
tri n khai th c hi n các ho t động khoa học công ngh ứng d ng vào sản xuất
của i n N và công ty TN một thành viên T tr c thuộc
i n th c hi n.
80
3.3 M t số kết qu ử tín hiệu th c
3.3.1 Hệ thống SCADA ứng dụng trong khai thác hầm c a VIELINA
ơn n m trở l i đây i n nghiên cứu i n tử Tin học T động hoá
N ) đã th c hi n nhiều đề tài nghiên cứu thiết kế chế t o các h
thống trong công nghi p như: Nghiên cứu thiết kế chế t o h thống
giám sát cảnh báo tập trung kh mêtan trong mỏ khai thác than,
thống ph c v cảnh báo giám sát các thông số môi trường ph c v
nuôi trồng thủy sản h thống chế biến và bảo quản nông sản … Trong quá
trình nghiên cứu và th c hi n luận án tác giả đã được N và thầy
hướng d n cho tham gia vào nhóm th c hi n án: Nghiên cứu hoàn thi n
công ngh chế t o h thống ph c v an toàn trong khai thác hầm lò
với mã số . 3. 2 - đây là cơ hội rất tốt đ cho công trình nghiên
cứu vừa có t nh học thuật vừa có t nh th c ti n.
Khí mêtan (CH4) sinh ra trong than là một trong nhiều lo i kh thiên
nhiên được hình thành trong quá trình sinh hoá biến đổi vật chất hữu cơ ban
đầu và quá trình biến chất than tiếp th o dưới tác động của nhi t và áp suất.
i n nay Tập đoàn công nghi p Than hoáng sản i t Nam đang t ng cường
hình thức khai thác than hầm lò nhưng khai thác càng xuống sâu thì nguy cơ
cháy nổ kh mêtan ngày càng lớn. o đó luận án là một nghiên cứu có
ngh a khoa học và th c ti n góp phần nâng cao chất lượng của h thống
ph c v an toàn lao động trong khai thác hầm lò. thống do
N chế t o có trình độ công ngh tương đương với h thống của nước
ngoài đang sử d ng t i i t Nam và đã được ứng d ng t i nhiều mỏ khai thác
than hầm lò. ồng thời sản phẩm c ng đã được ộ ông Thương đưa vào
danh m c hàng hóa vật tư thiết b sản xuất được trong nước ưu tiên sử d ng
thay thế nhập khẩu t i Quyết đ nh số 2 3 Q – BCT ngày 19/01/2011 [6].
au đây là mô hình h thống ph c v an toàn lao động trong
khai thác hầm lò do N thiết kế chế t o.
81
Hình 3.21- ơ đồ tổng th h thống ph c v an toàn lao động trong khai
thác hầm lò do N chế t o
82
N ủ ệ ố : ác lo i kh nguy hi m có
trong môi trường hầm lò như: O … được thu nhận qua các s nsor
tương ứng đưa vào xử l trong đầu đo đ t nh ra nồng độ và hi n th t i ch
th o quy đ nh sau đó giá tr nồng độ kh được truyền về Trung tâm thông qua
m ng truyền thông công nghi p d ng dùng cáp đồng ho c cáp
quang). hi có một thông số nào đó đ t ngư ng nguy hi m thì h thống s
báo động t i đầu đo và ở Trung tâm điều khi n) đồng thời ra l nh cắt đi n
khu v c liên quan đ đảm bảo an toàn. T i Trung tâm ta có th lưu trữ tra cứu
số li u ki m tra nhật k kết nối quá trình báo động … của toàn h thống.
ới nguyên l làm vi c như vậy thì toàn bộ t n hi u truyền từ đầu đo về Trung
tâm đều là t n hi u số ch có t n hi u từ s nsor vào vi xử l của đầu đo là t n
hi u tương t . Trong th c tế nhi u có th tác động vào tất cả các v tr của h
thống này như t i các đầu đo đường truyền t i các tủ điều khi n … Qua
nhiều n m tri n khai h thống giám sát kh mêtan t động tập trung vào các
mỏ than của Tập đoàn công nghi p Than và hoáng sản i t Nam T ) của
N đ t ng t nh ổn đ nh của h thống N đã áp d ng các bi n
pháp chống nhi u như sau: ới các t n hi u từ sau đầu đo truyền về Trung tâm
đây là các t n hi u số nên phương pháp chống nhi u hay được áp d ng là mã
hóa sửa sai. Thông thường mã sửa sai áp d ng đ phát hi n và sửa sai cho
từng từ mã mà m i k hi u mã là bit tức là vi c sửa sai s là sửa cho từng
bit riêng l . Tuy nhiên trong môi trường hầm lò thì vi c sai hay xảy ra là sai
c m nhiều bit liền nhau) [ ] nên cần chọn lo i mã có khả n ng sửa sai c m
lo i mã sửa sai c m được N l a chọn là mã d-Solomon. Còn tín
hi u từ s nsor đưa vào đầu đo là t n hi u thô d ng tương t nên cần có bi n
pháp xử l đ chống nhi u phù hợp. T i đầu đo t n hi u được đưa vào khuếch
đ i số hóa và khử nhi u đ xử l lấy giá tr đo đưa ra hi n th và truyền về
Trung tâm. Như vậy nhi u được xử l ở t i đầu đo ch là nhi u tác động vào
h thống thông qua s nsor m ch khuếch đ i và bộ chuy n đổi tương t số
83
(ADC), nên có th coi nhi u ở đây ch là . th sơ đồ khối của
đầu đo trong h thống do N chế t o như sau.
Hình 3.22 - ơ đồ khối đầu đo kh O
Trong sơ đồ này phần khử nhi u đ lấy ra t n hi u ch nh xác được áp
d ng trong phần mềm nh ng vào bộ . th được th hi n trong lưu đồ
thuật toán một chu kỳ đọc xử l số li u và th c hi n điều khi n như sau.
Hình3.23 - ưu đồ thuật toán vi c xử l số li u trong đầu đo
SEN
SOR
OP
AM
Analog
OP
TO
RS4
85
+5VDC 2.5VDC -5VDC 4.096
LED KEY
OPTO
CPU
ATMEGA16
EEPROM
Sai
ắt đầu
i m tra các thông số h thống
ọc số li u từ s nsor ử l số li u khử nhiễu,
t nh toán giá tr đo …) và i n th t i ch
áo động
tr đo> ngư ng
Kthúc
ng
iều khi n cắt đi n
Truyền về Trung tâm
84
Phương pháp và cách th c hi n khử nhi u được tiến hành c th như sau:
3.3.2 Khử nhiễu tín hiệu khí m tan hầm (CH4)
3.3.2.1 Th c hiện trong ph ng thí nghiệm (PTN)
y d ng mô hình thí nghiệm, phương pháp th c hiện, mục ti u, kết
qu đạt được:
- Phương án 1: ồm đầu đo bình kh , buồng hoà trộn máy đo chuẩn cầm
tay R7, bộ chuy n đổi RS232/RS máy t nh.
Phương pháp th c hiện: ấy m u kh ở các nồng độ khác nhau
trong thời gian ngày. au đó lấy đo n m u bất kỳ trộn nhi u và xử l bằng
phần mềm với hàm ngư ng đề xuất.
Mục ti u: Trộn nhi u với các t l N khác nhau ở các mức nồng độ
khác nhau nhằm đánh giá khả n ng khử nhi u của hàm ngư ng đề xuất.
o sánh kết quả với các hàm ngư ng khác.
Kết qu đạt được: ác hình ảnh thu được được minh ho c th ở hình
3.2 hình 3.28
- Phương án 2: ồm đầu đo bình kh buồng hoà trộn máy đo chuẩn cầm
tay R7, bộ chuy n đổi 232 máy t nh.
Phương pháp th c hiện: Lấy m u kh ở các nồng độ khác nhau từ
vi xử l của đầu đo, cộng nhi u và xử l tr c tiếp đ đánh giá hi u quả của
phần mềm với hàm ngư ng đề xuất.
Mục ti u: Trộn nhi u với t n hi u đ t được các t l N khác
nhau ở các mức nồng độ khác nhau nhằm đánh giá khả n ng khử nhi u
của hàm ngư ng đề xuất. o sánh kết quả với các hàm ngư ng khác.
Kết qu đạt được: ác hình ảnh thu được được minh ho c th ở hình
3.29 hình 3.30.
- Phương án 3: ồm đầu đo bình kh buồng hoà trộn máy đo chuẩn cầm
tay R7, bộ chuy n đổi 232 máy t nh động cơ qu t gió và bộ điều
tần t o nhi u).
85
Phương pháp th c hiện: ho thay đổi tốc độ của động cơ qu t gió. ấy
m u kh ở các nồng độ khác nhau đã b ảnh hưởng bởi nhi u do s ho t
động của động cơ và xử l tr c tiếp.
Mục ti u: Thay đổi tốc độ của động cơ nhằm t o nhi u làm m o d ng
t n hi u 4 đ đ t được các t l N khác nhau. Tiếp t c thay đổi các mức
nồng độ khác nhau nhằm đánh giá khả n ng khử nhi u của hàm ngư ng
đề xuất. o sánh kết quả với các hàm ngư ng khác.
Kết qu đạt được: Hình ảnh thu được được minh ho ở hình 3.31.
- Phương án 4: ồm đầu đo bình kh buồng hoà trộn máy đo chuẩn cầm
tay R7, bộ chuy n đổi 232 máy t nh máy phát tần số CA100.
Phương pháp th c hiện: ùng máy phát tần số phát các mức tần số
khác nhau. ấy m u kh ở các nồng độ khác nhau đã b ảnh hưởng bởi
nhi u do s ho t động của máy phát này và xử l tr c tiếp.
Mục ti u: áy phát các tần số khác nhau t o ra nhi u làm m o d ng t n
hi u CH4 ở các t l N khác nhau. Tiếp t c thay đổi các mức nồng độ
khác nhau nhằm đánh giá khả n ng khử nhi u của hàm ngư ng đề xuất. o
sánh kết quả với các hàm ngư ng khác.
Kết qu đạt được: ình ảnh thu được được minh ho ở hình 3.32.
Sơ đồ thiết b lấy m u t n hi u vµ xö lý nhiÔu trong phòng
th nghi m
86
Hình 3.24 – Sơ đồ thiết b th c hi n lấy m u xử l trong TN
C ồ : ình kh nồng độ buồng hoà trộn với
không kh lấy ra nồng độ từ – 5%), qu t khuấy đầu đo hi n th số
dùng có 2 cổng truyền thông VXL ATMEGA128, ATMEGA164,
DS89C420) tốc độ lấy m u 2 k z máy đo kh chuẩn cầm tay ở
ngoài buồng trộn đ đối chứng kết quả) bộ chuy n đổi RS232/RS485 và máy
tính.
C ệ : ả kh từ bình vào buồng hoà trộn đến nồng độ kh
mong muốn từ đến ) duy trì nồng độ trong thời gian nhất đ nh đ thu
thập số li u thời gian lấy m u ở các mức khác nhau có th duy trì
khoảng 10s, 20s ho c nhiều hơn tuỳ th o yêu cầu thu dữ li u và xử l . ữ li u
đọc được sau cảm biến s được đưa vào máy t nh xử l bằng hàm ngư ng lọc
nhi u đã nghiên cứu đề xuất sau đó máy t nh l i trả kết quả về i xử l đ vi
xử l t nh toán và đưa ra quyết đ nh điều khi n.
hương trình lọc
av l t và min
+ + + µC i n th
óng cắt
RS
23
2
T n hi u
CH4
S
n1 n2 n3
n4
ộ
huyếch
đ i
ộ ọc
Anti
Aliasing 2 b t x[m]
x[m]=S+n1+ n2+ n3+ n4
87
Một số hình ảnh mô tả thiết b thử nghi m được lắp đ t kết nối trong
PTN t i ông ty TN một thành viên ELATEC, thuộc i n N i n tử
Tin học T động hoá (VIELINA).
Toàn cảnh thiết b th nghi m đo kh mê tan
uồng hoà trộn kh có đầu đo và qu t khuấy
ột đo lưu lượng 4 áy đo kh ộ biến đổi 232
Hình 3.25 – Hình ảnh thiết b thử nghi m đo đ c trong PTN
88
Hình 3.26 - ình ảnh v tr ch p được gắn trên m ch
Th c hiện phương án 1:
au khoảng thời gian giờ đồng hồ đầu đo thu được 15402 m u. au đó
lấy một số đo n t n hi u có nồng độ khác nhau trộn nhi u và xử l các
đo n t n hi u đó bằng hàm ngư ng đề xuất. o sánh kết quả với các hàm
ngư ng khác.
- ệ í ệ – , ồ C % -
%, SN ấ
3.27a-15402M í ệ k í
3.27b – 1024M k í
89
3.27 –
3.27d – í
( ố )
T n hi u 3.27b sau khi được khử nhi u đ làm t n hi u gốc H3.27d) s
tiếp t c được trộn nhi u ng u nhiên với SNR = 16.6166dB và th c hi n khử
nhi u dùng hàm ngư ng đề xuất. ết quả như sau:
3.27e – 1024 M k í ,
SNR = 13.6625dB
3.27 – , SNR
=24.6527 dB
3.27g – ấ , SNR =25.6999dB
Hình 3.27 - ấy m u và khử nhi u t n hi u kh êtan có N thấp
90
T n hi u khử nhi u th ch nghi min trơn hơn so với ngư ng đều
N đ t được cao hơn ngư ng đều . 2d t n hi u hồi ph c trơn hơn đ c
bi t là đối với các t n hi u nhi u có đột biến lớn.
- Th ệ í ệ – , k í C ồ
3.62% - %, ứ í ệ SN Cụ ể:
3.28 - M í ệ k í
3.28 – M k í
3.28 –
3.28d – í
( ố )
- T n hi u 3.28b sau khi được khử nhi u đ làm t n hi u gốc 3.28d)
s tiếp t c được trộn nhi u ng u nhiên với SNR = 18.6465dB và th c hi n
khử nhi u dùng hàm ngư ng đề xuất. ết quả như sau:
91
3.28e –1024 M k í ,
SNR = 18.6465dB
3.28 – , SNR
=29.3825 dB
3.28g – ấ , SNR =30.0278dB
Hình 3.28– ấy m u và khử nhi u t n hi u kh êtan có N cao
Từ hai kết quả mô phỏng ở hai vùng t n hi u có nồng độ khác bi t
nhau và xử l ở các mức nhi u từ lớn đến b có th nhận x t rằng ng
ấ k ố í ệ â ấ
n, SN ấ Ở í , ậ ấ
ợ SN k ô k ng pháp
ng k
Th c hiện phương án 2:
- T í ệ , í ệ C ợ ấ , ợ
ồ d ấ ể k , k ả
ợ ả ể ệ k ể :
92
0 500 1000 1500 2000 2500 3000 3500 4000 45000
0.5
1
1.5DU LIEU CH4 GOC
Thoi gian (ms)
Nong d
o C
H4 (
%)
0 500 1000 1500 2000 2500 3000 3500 4000 45000
0.5
1
1.5DU LIEU CH4 KHU NHIEU NGUONG DEU
Thoi gian (ms)
Nong d
o C
H4 (
%)
0 500 1000 1500 2000 2500 3000 3500 4000 45000
0.5
1
1.5DU LIEU CH4 KHU NHIEU NGUONG DE XUAT
Thoi gian (ms)
Nong d
o C
H4 (
%)
Hình 3.29 - ấy m u kh từ vi xử l cộng nhi u và khử tr c tuyến
0 100 200 300 400 500 600 700 800 900 10000.9
1
DU LIEU CH4 GOC
Thoi gian (ms)
Nong d
o C
H4 (
%)
0 100 200 300 400 500 600 700 800 900 10000.9
1
DU LIEU CH4 TRON NHIEU
Thoi gian (ms)
Nong d
o C
H4 (
%)
0 100 200 300 400 500 600 700 800 900 10000.9
1
DU LIEU CH4 KHU NHIEU NGUONG DEU
Thoi gian (ms)
Nong d
o C
H4 (
%)
0 100 200 300 400 500 600 700 800 900 10000.9
1
DU LIEU CH4 KHU NHIEU NGUONG DE XUAT
Thoi gian (ms)
Nong d
o C
H4 (
%)
ình 3.3 - ấy m u kh từ vi xử l cộng nhi u và khử tr c tuyến
93
T nh tin cậy ch nh xác của phương pháp khử nhi u bằng hàm ngư ng
th ch nghi min đề xuất được th hi n ở bảng dưới đây tương ứng với th
nghi m hình 3.30):
ảng 3. – ữ li u trước và sau khi khử nhi u thu được trong TN (H3.30)
Mẫu tín
hiệu
D iệu
CH4 gốc
CH4
tr n nhiễu
D iệu khử
nhiễu ngưỡng
đều
D iệu khử nhiễu
ngưỡng đề u t
676. 0.9900 0.9888 0.9958 0.9947
677. 0.9900 1.0329 0.9966 0.9957
678. 0.9900 0.9991 0.9971 0.9966
679. 0.9900 1.0315 0.9973 0.9974
680. 0.9900 1.0194 0.9970 0.9979
681. 0.9900 0.9942 0.9967 0.9982
682. 0.9900 0.9710 0.9963 0.9982
683. 0.9900 1.0252 0.9960 0.9979
684. 0.9900 1.0419 0.9957 0.9974
685. 0.9900 1.0457 0.9953 0.9967
686. 0.9900 0.9954 0.9945 0.9958
687. 0.9900 0.9510 0.9935 0.9949
688. 0.9900 1.0018 0.9924 0.9938
689. 0.9900 0.9565 0.9913 0.9927
690. 0.9900 0.9813 0.9903 0.9916
691. 0.9900 1.0383 0.9894 0.9906
692. 0.9900 0.9938 0.9887 0.9895
693. 0.9900 0.9795 0.9881 0.9886
694. 0.9900 0.9582 0.9876 0.9877
695. 0.9900 0.9997 0.9875 0.9870
696. 0.9900 0.9809 0.9876 0.9864
697. 0.9900 1.0310 0.9879 0.9860
698. 0.9900 0.9904 0.9880 0.9859
699. 0.9900 1.0148 0.9882 0.9860
700. 0.9800 0.9644 0.9884 0.9864
701. 0.9900 1.0327 0.9886 0.9868
702. 0.9900 0.9946 0.9891 0.9874
703. 0.9900 0.9897 0.9897 0.9881
704. 0.9900 0.9789 0.9904 0.9889
705. 0.9900 0.9718 0.9912 0.9897
706. 0.9900 0.9949 0.9918 0.9905
707. 0.9800 0.9877 0.9924 0.9914
94
Mẫu tín
hiệu
D iệu
CH4 gốc
CH4
tr n nhiễu
D iệu khử
nhiễu ngưỡng
đều
D iệu khử nhiễu
ngưỡng đề u t
708. 0.9800 0.9684 0.9929 0.9922
709. 0.9800 1.0060 0.9934 0.9929
710. 0.9900 0.9759 0.9937 0.9937
711. 0.9900 0.9695 0.9938 0.9943
712. 0.9900 0.9903 0.9937 0.9949
713. 0.9900 1.0243 0.9936 0.9953
714. 0.9900 0.9923 0.9936 0.9955
715. 0.9800 0.9488 0.9935 0.9956
716. 0.9900 0.9819 0.9936 0.9955
717. 0.9900 0.9917 0.9936 0.9954
718. 0.9800 0.9687 0.9934 0.9952
719. 0.9900 0.9737 0.9932 0.9949
720. 0.9900 0.9999 0.9930 0.9945
721. 0.9900 0.9898 0.9928 0.9941
722. 0.9900 0.9931 0.9925 0.9937
723. 0.9900 0.9639 0.9922 0.9933
724. 0.9900 1.0056 0.9920 0.9929
725. 0.9800 0.9683 0.9920 0.9926
726. 0.9900 0.9898 0.9924 0.9923
727. 0.9900 0.9588 0.9934 0.9920
728. 0.9900 0.9806 0.9950 0.9918
729. 0.9900 0.9957 0.9959 0.9918
730. 0.9900 1.0002 0.9948 0.9919
731. 0.9900 0.9620 0.9920 0.9920
732. 0.9900 1.0219 0.9870 0.9923
733. 0.9900 0.9593 0.9846 0.9926
734. 0.9800 0.9816 0.9888 0.9930
735. 0.9900 0.9787 0.9985 0.9934
736. 0.9900 0.9651 1.0155 0.9938
737. 0.9900 0.9912 1.0166 0.9942
738. 0.9900 1.0219 0.9836 0.9947
739. 0.9900 1.0210 0.9678 0.9950
740. 0.9900 0.9867 0.9957 0.9954
741. 0.9900 1.0184 1.0113 0.9956
742. 0.9900 0.9995 0.9977 0.9957
743. 0.9900 0.9885 0.9911 0.9957
744. 0.9900 1.0096 0.9951 0.9956
745. 0.9900 0.9818 0.9954 0.9953
95
Mẫu tín
hiệu
D iệu
CH4 gốc
CH4
tr n nhiễu
D iệu khử
nhiễu ngưỡng
đều
D iệu khử nhiễu
ngưỡng đề u t
746. 0.9900 1.0048 0.9936 0.9947
747. 0.9900 1.0163 0.9929 0.9940
748. 0.9900 0.9678 0.9922 0.9931
749. 0.9900 0.9755 0.9912 0.9922
750. 0.9900 0.9799 0.9901 0.9911
751. 0.9900 0.9767 0.9888 0.9900
752. 0.9900 0.9834 0.9873 0.9889
753. 0.9800 0.9473 0.9859 0.9877
754. 0.9900 1.0009 0.9846 0.9865
755. 0.9900 0.9809 0.9835 0.9854
756. 0.9900 1.0147 0.9827 0.9844
757. 0.9900 1.0050 0.9820 0.9834
758. 0.9900 0.9961 0.9815 0.9826
759. 0.9900 1.0053 0.9813 0.9820
760. 0.9900 0.9798 0.9814 0.9815
761. 0.9900 0.9508 0.9817 0.9814
762. 0.9900 0.9411 0.9821 0.9816
763. 0.9900 0.9877 0.9826 0.9820
764. 0.9900 0.9783 0.9832 0.9826
765. 0.9900 1.0210 0.9840 0.9835
766. 0.9900 1.0186 0.9852 0.9844
767. 0.9900 1.0081 0.9866 0.9855
768. 0.9900 0.9807 0.9883 0.9867
769. 0.9900 1.0304 0.9930 0.9922
770. 0.9900 0.9906 0.9948 0.9938
771. 0.9900 1.0037 0.9965 0.9953
772. 0.9900 0.9848 0.9980 0.9968
773. 0.9900 1.0101 0.9993 0.9982
774. 0.9900 0.9737 1.0005 0.9995
775. 0.9900 1.0073 1.0015 1.0007 Ở hình 3.2 t i các mốc thời gian 2 3 32 3 3 ms là những
đi m nhi u đột biến lớn trên mức cảnh báo nồng độ trong khoảng thời
gian ngắn hàm ngư ng th ch nghi min đề xuất đã khử được các nhi u đột biến
này và giảm được cảnh báo giả.
Quan sát ình 3.30, từ rất nhiều m u nồng độ được lấy trộn nhi u ng u
nhiên sau đó khử nhi u bằng ngư ng đều và ngư ng th ch nghi min đề xuất,
96
rồi so sánh kết quả. C n cứ vào số li u đo đ c thống kê được ở bảng trên cho thấy
rằng khi nhi u làm m o d ng t n hi u gây cảnh báo giả ở một vài đi m đột
biến hàm ngư ng đều và ngư ng đề xuất đều khử nhi u tốt giảm được cảnh báo
giả tuy nhiên hàm ngư ng th ch nghi min đề xuất vượt trội hơn so với ngư ng
đều vì số đi m cảnh báo giả đã được giảm đi đáng k , trong k ả ấ ã
ợ ả , ể ả ả
ả í D ấ ả
. ể ệ ậ í ủ é , dữ ệ
k ợ k ả k ả ậ , .
Th c hiện phương án 3:
Thay vì cộng nhi u lên t n hi u 4 thu được từ ở phương án và
2, phương án 3 này dùng động cơ qu t gió và bộ điều khi n tốc độ động cơ đ
t o nhi u làm m o d ng t n hi u. ình ảnh thu được và xử l như sau:
0 200 400 600 800 1000 1200 1400 1600 1800 20000.2
0.3
0.4
0.5
0.6
DU LIEU CH4 GOC
Thoi gian (ms)
Nong d
o C
H4 (
%)
0 200 400 600 800 1000 1200 1400 1600 1800 20000.2
0.3
0.4
0.5
0.6
DU LIEU CH4 KHU NHIEU NGUONG DEU
Thoi gian (ms)
Nong d
o C
H4 (
%)
0 200 400 600 800 1000 1200 1400 1600 1800 20000.2
0.3
0.4
0.5
0.6
DU LIEU CH4 KHU NHIEU NGUONG DE XUAT
Thoi gian (ms)
Nong d
o C
H4 (
%)
ình 3.3 – ấy m u kh từ vi xử l đã b ảnh hưởng do nhi u từ động cơ qu t gió
Th c hiện phương án 4:
Tương t như phương án 3 nhưng phương án này dùng máy phát tần
số đ phát các tần số khác nhau gây nhi u làm m o d ng t n hi u.
ình ảnh thu được và xử l như sau:
97
0 200 400 600 800 1000 1200
0.6
0.8
1
DU LIEU CH4 GOC
Thoi gian (ms)
Non
g do
CH
4 (%
)
0 200 400 600 800 1000 1200
0.6
0.8
1
DU LIEU CH4 KHU NHIEU NGUONG DEU
Thoi gian (ms)
Non
g do
CH
4 (%
)
0 200 400 600 800 1000 1200
0.6
0.8
1
1.2DU LIEU CH4 KHU NHIEU NGUONG DE XUAT
Thoi gian (ms)
Non
g do
CH
4 (%
)
ình 3.32– ấy m u kh từ VXL đã b ảnh hưởng do nhi u từ máy phát tần số
Hình 3.3 và 3.32 quan sát các sườn lên và xuống của dữ li u gốc và kết quả
khử nhi u hàm ngư ng đề xuất khử nhi u tri t đ hơn giữ được hình ảnh trơn hơn
so với ngư ng đều trả về cho vi xử l số li u đã được khử nhi u trung th c hơn.
3.3.2.2 Thử nghiệm th c tế
au khi th nghi m ki m tra kết quả và hoàn thi n ngư ng tác giả cung
cấp thuật toán cho nhóm th c hi n đ nh ng vào ch p đưa vào thử nghi m
lắp đ t 2 ch p đưa xuống th c tế môi trường hầm lò trong thời gian 2 tháng.
Qua quá trình thử nghi m th c tế t i hầm lò thuộc x nghi p than h Tam,
ẩm hả t nh Quảng Ninh từ tháng 9/2011 – 11/2011, thuật toán được người
sử d ng đánh giá: đầu đo dùng hàm ngư ng đề xuất khử nhi u hi u quả tin
cậy tránh được các báo động giả.
tiếp t c chứng minh thuật toán của mình tác giả thử nghi m khử
nhi u thêm với một số t n hi u th c tế khác.
3.3.3 Khử nhiễu tín hiệu Nhiệt đ , đ ẩm Nh trồng
a. Khử nhiễu tín hiệu Nhiệt đ
98
0 500 1000 1500 2000 25000
20
40
60
80
100
120
1402340 mau tin hieu Nhiet do Nha trong
Thoi gian (phut)
Nhi
et d
o (d
oC)
3.33a- 2340 M í ệ ệ N
ồ
0 100 200 300 400 500 60010
20
30
40
50
60
70512 mau tin hieu Nhiet do
Thoi gian (phut)
Nhi
et d
o (d
oC)
3.33b – 512 M í ệ ệ
0 100 200 300 400 500 60010
20
30
40
50
60
70Khu nhieu nguong deu
Thoi gian (phut)
Nhi
et d
o (d
oC)
3.33 –
0 100 200 300 400 500 60010
20
30
40
50
60
70Khu nhieu nguong minFDR thich nghi (goc)
Thoi gian (phut)
Nhi
et d
o (d
oC)
3.33d – í
( ố )
T n hi u 3.33b sau khi được khử nhi u đ làm t n hi u gốc, H3.33d) s
tiếp t c được trộn nhi u ng u nhiên với SNR = 9.0507dB và th c hi n khử
nhi u dùng hàm ngư ng đề xuất. ết quả:
0 100 200 300 400 500
-10
0
10
20
30
40
50
60
Tin hieu tron nhieu
Thoi gian (phut)
Nhi
et d
o (d
oC)
3.33e – 512 M í ệ
SNR=9.0507dB
0 100 200 300 400 500
-10
0
10
20
30
40
50
60
Tin hieu khu nhieu tron nguong deu
Thoi gian (phut)
Nhie
t do (
doC
)
3.33 – ,
SNR =17.8037dB
99
0 100 200 300 400 500
-10
0
10
20
30
40
50
60
Khu nhieu nguong thich nghi minFDR
Thoi gian (phut)N
hiet
do
(doC
)
3.33g – ấ , SNR = 19.5032dB
Hình 3.33 – ấy m u và khử nhi u t n hi u nhi t độ nhà trồng
ình ảnh khử nhi u cho thấy m c dù d ng t n hi u có b biến đổi một
ch t so với d ng t n hi u ban đầu nhưng với t n hi u nhi u đột biến t i to độ
256 được khử tri t đ hơn ngư ng đều, N của hàm ngư ng đề xuất đ t
được cao hơn ngư ng đều truyền thống là 1.6995dB.
b. Khử nhiễu tín hiệu đ ẩm
0 500 1000 1500 2000 2500-150
-100
-50
0
50
1002223 mau tin hieu Do am Nha trong
Thoi gian (phut)
Do
am (%
)
3.34a- 2223 M í ệ ẩ N ồ
0 100 200 300 400 500
40
50
60
70
80
90
512 mau tin hieu Do am
Thoi gian (phut)
Do
am (%
)
3.34b – í M í ệ ẩ
0 100 200 300 400 500
40
50
60
70
80
90
Khu nhieu nguong deu
Thoi gian (phut)
Do
am (%
)
3.34 –
0 100 200 300 400 500
40
50
60
70
80
90
Khu nhieu nguong minFDR thich nghi (goc)
Thoi gian (phut)
Do
am (%
)
3.34d – í
( ố )
100
iống như cách làm với t n hi u Nhi t độ nhà trồng t n hi u ộ ẩm ở
H3.34b sau khi được khử nhi u đ làm t n hi u gốc, H3.34d) s tiếp t c được
trộn nhi u ng u nhiên với SNR = 9.0594dB và th c hi n khử nhi u dùng hàm
ngư ng đề xuất. ết quả:
0 100 200 300 400 500
0
50
100
Tin hieu tron nhieu
Thoi gian (phut)
Do
am (%
)
3.34 – M í ệ
SNR=9.0594dB
0 100 200 300 400 500
0
50
100
Tin hieu khu nhieu tron nguong deu
Thoi gian (phut)D
o am
(%)
3.34 – ,
SNR =20.7780dB
0 100 200 300 400 500
0
50
100
Khu nhieu nguong thich nghi minFDR
Thoi gian (phut)
Do
am (%
)
3.34g – ấ , SNR = 21.9129dB
Hình 3.34 – ấy m u và khử nhi u t n hi u độ ẩm nhà trồng
Q 3.34, ố 100 ú , k ả
ké d ú ú ố 320 ú ể
dữ ệ , ả ấ
ắ ệ ợ d â ố 100 ú
ú P ấ ã k ợ , ữ ợ ả chi
h ố , SN ợ n
1.1349dB.
101
chứng minh ảnh hưởng t nh tương quan của nhi u trong các tham số
đề xuất của hàm ngư ng đó là độ l ch chuẩn nhi u tương quan i h số
tương quan tác giả s mô phỏng đánh giá các tham số này như sau.
3.4 Đánh giá nh hư ng c a các tham số trong hàm ngưỡng được đề u t
Ngư ng th ch nghi av l t min th o công thức (2. ) có các tham
số th hi n t nh tương quan giữa t n hi u và nhi u là: i , . hương trình
mô phỏng đã th c hi n với tất cả t n hi u thử và các t n hi u th c. Tuy
nhiên do khuôn khổ luận án tác giả ch lấy hình ảnh minh họa là t n hi u
chuẩn oppl r.
ình 3.35 là kết quả so sánh ảnh hưởng của các tham số nhi u đối với t n
hi u oppl r kết quả cho thấy:
- Khi 1ˆ i ình 3.35c) trường hợp này là nhi u tương quan chuẩn
hoá. T n hi u thu được trơn hơn nhưng giá tr ngư ng trong trường hợp này
không có tác d ng khử nhi u có phân bố khác nhau nên N v n thấp.
- Khi 0 số tương quan = , ình 3.35d) N cao nhưng trên t n
hi u thu được xuất hi n các đi m xung nhi u.
0 100 200 300 400 500
-1.5
-1
-0.5
0
0.5
1
1.5
Tin hieu goc
nh3.35 – í ệ D ố
0 100 200 300 400 500
-1.5
-1
-0.5
0
0.5
1
1.5
Tin hieu co nhieu
3.35 – í ệ D
SNR = 9.7945 dB
102
0 100 200 300 400 500
-1.5
-1
-0.5
0
0.5
1
1.5
Tin hieu khu nhieu nguong thich nghi sigma(i)=1
3.35c – ố 1ˆ i
SNR = 12.9982 dB
0 100 200 300 400 500
-1.5
-1
-0.5
0
0.5
1
1.5
Tin hieu khu nhieu nguong thich nghi delta=0
3.35d - ố 0
SNR = 13.4608 dB
0 100 200 300 400 500
-1.5
-1
-0.5
0
0.5
1
1.5
Tin hieu khu nhieu nguong thich nghi minFDR
3.35e – ủ ố, SNR = 15.0369 dB
ình 3.35- ết quả khử nhi u t n hi u oppl r, đầy đủ tham số ngư ng
Kết uận: Trong c 3 ã ợ ô ỏ k
ả ô ỏ k ằ í công
ứ ấ ả ợc ệ ố í ệ ẩ ô
tr M í ệ ả d
ứ khác nhau
- ã ứ ữ ấ ả ệ
ố ằ ợ ỷ ố í ệ
SN ả ô ỏ ệ ã ứ
minh ô ứ ợ ả ấ ệ ả ố
ố ứ
- P k ã ấ ợ ô ỏ ợ
k ố ã ô ố
- ã k ể ứ ợ ấ ố í
ệ ẩ í ệ
103
N ữ k ả ô ỏ ể k ằ
ng ấ (2 ) ể k ợ ng quan và không t ng
, ô ô ệ ồ ứ
104
KẾT LUẬN
Những kết quả ch nh của luận án là:
1. ác đ nh được các giá tr hợp biến nhi u thông qua hợp biến của các
h số T T phản ánh đ c t nh tương quan của nhi u trong điều ki n các
phương sai bằng một. Từ đó đề xuất l a chọn T T làm cơ sở toán học
cho nghiên cứu ứng d ng của luận án.
2. Nâng cao t nh xác th c của môi trường nhi u qua tham số ước lượng
nhi u tương quan av l t i xác đ nh từ ma trận hợp biến của các h số biến
đổi av l t ph thuộc mức d ch vòng i trong biến đổi av l t rời r c d ch
không đổi. hương pháp khử nhi u sát với đ c t nh phân bố của nhi u hơn
hi u quả khử nhi u t ng khử được các nhi u đột biến.
- ây d ng và đề xuất giá tr ngư ng th ch nghi av l t mới, thích nghi
với các môi trường nhi u tương quan và không tương quan 2.14):
2
)(11.ˆ.ˆ).1.(2
mpi
ới các tham số mới so với ngư ng min gốc là: ước lượng nhi u i,
hợp biến c c đ i và mức d ch vòng h số th ch nghi trong hàm ngư ng
a=2 cho trường hợp nhi u tương quan và độ l ch chuẩn tương quan 1ˆ i ,
hợp biến = không d ch vòng = ) là độ l ch chuẩn nhi u không
tương quan trong trường hợp nhi u không tương quan.
3. ô phỏng thử nghi m th c tế đánh giá hi u quả khử nhi u ngư ng
thích nghi minFDR trên cơ sở T T so với các phương pháp khử nhi u
av l t truyền thống d a trên các t n hi u chuẩn trong thư vi n phần mềm
Matlab và các tín hi u đo lường th c.
105
KIẾN NGH V NH NG NGHIÊN CỨU TIẾP THEO
- Nghiên cứu kết hợp ngư ng th ch nghi với hàm ngư ng đ mở rộng
môi trường ứng d ng nhằm t o ra thiết b đa n ng: phân t ch t n hi u khử
nhi u n n dữ li u … trong các môi trường khác nhau.
- ng d ng th c tế trong thiết b và h thống đi n tử c th h thống
điều khi n công nghi p bằng cách thiết kế phần cứng môđun khử nhi u theo
hướng kết hợp các bộ với những bộ xử l thông thường trong một chip
t o ra một h thống mới.
106
CÔNG T NH CÔNG BỐ CỦA TÁC GI
[1] Trần Th Ho (1/2010), k ệ ả
dụ Tuy n tập báo cáo khoa học k ni m 2 n m thành
lập i n nghiên cứu i n tử Tin học T động hoá à nội, tr.72-76.
[2] Trần Th Ho Nguy n Thế Truy n h m n ình (6/2011), P
k í ệ ô
ệ , T p ch i ọc iao thông ận tải à Nội, (34), tr. 85-91.
[3] Trần Th Ho Nguy n Thế Truy n h m n ình (7/2011), ậ
ể ố ệ ứ dụ IDW ể k í
ệ yếu ATC-REV 2011 à N ng. REV-COMNAVI 2011 thông tin
và đ nh v trên bi n, tr. 142-147.
[4] Tran Thi Hoa, Nguyen The Truyen, Pham Van Binh (8/2011), A novel
signal processing algorithm based-on wavelet theory for mitigating
interference, application to industrial systems, Journal of Science and
Technology, Technical Universities, No.83, ISSN 0868 – 3980, pp 108-
112.
[5] Trần Th Ho Nguy n Thế Truy n, (11/2011), P
ệ ố D ể â k ả
ố ệ ố ô ệ , Tuy n tập ội ngh toàn quốc
lần thứ nhất về iều khi n và T động hóa – VCCA-2011, Proceedings,
ISBN 978-604-911-202-7, tr. 62-67.
107
TÀI LIỆU THAM KH O
T i iệu tiếng Việt
[1]. ThS. uân Thi u 2 3) P ả í ệ ằ ể
d , T p ch hoa học k thuật ỏ đ a chất ) tr. -
68.
[2] ThS. uân Thi u 2 ) ề một phương pháp đánh giá t n hi u đo
lường và bi n pháp khử ệ ố SCADA ô
ô ệ . uận án Tiến s i n nghiên cứu đi n tử tin học T động
hoá à Nội.
[3] .T Nguy n uân Quỳnh 2 2) ậ d
ệ d k ể , Tuy n tập các báo cáo khoa
học ội ngh toàn quốc về t động hóa à nội.
[4] .T Nguy n uân Quỳnh 2 ) â ả
í ệ d k ể , Tuy n tập các báo cáo khoa học ội
ngh toàn quốc về t động hóa à nội.
[5] TS. Nguy n Thế Truy n và . Quân (2002),
k í ệ ệ dụ â í Tuy n tập các
báo cáo khoa học ội ngh toàn quốc về t động hóa à nội.
[6] TS. Nguy n Thế Truy n 2 ) N ứ ệ ô ệ
ệ ố SCADA ụ ụ k ,
áo cáo tổng kết TN cấp Nhà nước mã số . 3.DA02/06-10.
T i iệu tiếng Anh
[7] Abramovich, F., Bailey, T.C. and Sapatinas, T.(2001), Wavelet analysis
and its statistical applications, Cantrbury, Kent CT2 7NF, U. K.
[8] Ali, Qazi M. and Farooq, Ormar (2004), Wavelet transform for denoising
and quantification of microarray data, AMU Aigarh, India.
108
[9] Ali, Qazi M. and Farooq, Ormar (2004), Wavelet transform for denoising
and quantification of microarray data, AMU Aigarh, India.
[10] Ambler, G.K. and Silverman, B.W. (2004), Perfect simulation for
wavelet thresholding with correlated coeficients, Bristol and Walk
University, Bristol BSS 1TW-U.K
[11] Antoniadis, A. and Paparoditis, E. (2005), A function wavelet- kernel
approach for continuous- time prediction, Joseph Fourier and Cyprus
University, France.
[12] ntoniadis . porini . and squ t J. . 2 2) Wavelet
thresholding for some classes of non- Gauss ”, Statistica
neerlandisca, 56 (4), pp 434-453
[13] Averkamp, R. and Houdre, C. (1999), Wavelet thresholding for non
necessarily Gauss noise: Idealism. Freiburg University and Georgia
Institute of technology. 60G70 41A25.
[14] Atkinson, I., Kamalabadi,F., Jones, D.L., Do N Minh (2004), Adaptive
wavelet thresholding for multichanal signal estimation, University of
Illinois at Urbana – Champaign.
[15] Barreiro, R.B., Hobson, M.P. Lasenby, A.N. and Hinshaw, G. (2000),
Looking for non- Gaussity in the COBE- DHR data with spherical
wavelet, NASA/GSFC, Greenbelt MD20771, USA.
[16] Beheshti, S. and Dahleh, M.A. (2002), On denoising and signal
representation, Cambridge, MA 02139, USA.
[17] Beheshti, S. and Dahleh, M.A. (2003), Noise variance in signal
denoising, ICASSP, Cambridge, MA 02139, USA.
[18] Benjamini, Yoav, and Daniel Yekutieli (2001). The control of the false
discovery rate in multiple testing under dependency. Ann. Statist., 29(4),
1165–1188.
109
[19] Berkner K., Wells Jr, R.O, (1998), Smoothness estimates for soft-
threshold denoising via translation invariant wavelet transforms,
Technical Report CML TR 98-07 Computational Mathematics
Laboratory, Department of Mathematics, Rice University, Houston,
USA.
[20] Berkner K., Wells Jr, R.O, (1998), A correlation-Dependent Model for
Denoising via Nonorthogonal Wavelet Transforms, Technical Report
CML TR 98-07 Computational Mathematics Laboratory, Department of
Mathematics, Rice University, Houston, USA.
[21] Beylkin, G. (1992), On the representation of operators in bases of
compactly supported wavelets, SIAM J. Numer. Anal., 6:1716-1740
[22] Blu, T. (1998), A new design algorithm for two-band orthonomal
rational wavelets, IEEE trans. on signal proc., 46 (6).
[23] Bradley, A.P. (2003), Shift- invariance in the discrete wavelet transform,
Proc. VIIth Digital image computing, Sydney, Australia.
[24] Brogioli, D. and Vailaty, A. (2002), Real-time wavelet- transform
spectrum analyzer for the investigation of 1/f noise, ArXiv: cond-
mat/0212224 v2.
[25] Brown, T.J. (2001), Combined evidence thresholding: a new wavelet
regression technique for detail proserving image denoising Qu n s
University of belfast.
[26] Bruce, L.M. and Larsen, S.E. (2000), Wavelet denoising of patch clamp
signals for improved histogram analysis, University of Nevada Las
Vegas, NV 89154- 4926 USA.
[27] Byrnes, J.S., Byrnes, J.L., Hargreaves, K.A. and Berry, K. (1992),
Wavelets and their applications, Kluwer Academic Publishers.
[28] Cai, T.T. (1996), Minimax wavelet estimation via block thresholding,
Purdue University.
110
[29] Cai, T.T. (1999), Wavelet regression via block thresholding adaptive and
the choice of block size and threshold level, Purdue University.
[30] Cai, T.T. (2000), Adaptive wavelet estimation: a block thresholding and
oracle inequality approach, Purdue University.
[31] Chang X.W. and Qu, L. (2003), Wavelet estimation of partially linear
models, Technical report No.SOCS-03.4 , McGill university.
[32] Chen, P. and Suter, D. (2004), Shift – invariant wavelet denoising using
interscale dependency, Monas University, Technical report MECSE-2.
[33] Cohen, I., Raz, S. and Malah, D. (1997), Orthonormal shift – invariant
wavelet packet decomposition and representation, Signal Proc., 57(3),
pp 251- 270.
[34] Cohen, I., Raz, S. and Malah, D. (1999), Translation- invariant
denoising using the minimum descrption length criterion, Yale
University, New Haven, CT 06520.
[35] Cohen, I. (1998), Shift-invariant adaption wavelet decompositions and
applications, Degree of Doctor of science, Technion – Israel Institute of
technology Haifa.
[36] Coifman, R.R. and Donoho, D.L. (1995), Translation-Invariant De-
noising, Yale University and Stanford University.
[37] Coifman, R.R. and Wickerhauser, M.V. (1992), Entropi-based algorithm
for best basis selection, Yale University New Haven, Connecticut 06520,
USA.
[38] Craigmile, P.F. and Percival, D.B. (2001), Wavelet trend detection and
estimation, University of Washington, Seattle. WA 98195-5640.
[39] Cristan, A.C. and Walden, A.T. (2001), Wavelet packet thresholding and
spectrum estimation, Joint statistical meetings, Atlanta.
[40] Crouse, M.S. and Novak, R.D. (1998), Wavelet- based signal processing
using hidden Markov models, IEEE trans. signal proc., 46, pp 886-902.
111
[41] Daubechies, I. (1990), Orthonormal bases of compactly supported
wavelet, II. Variation on a theme. Preprint.
[42] Daubechies, I. 1991, Ten lectures on wavelets, SIAM.
[43] Delory, E. and Potter, J.R. (1999), Comparrative study of shift- invariant
symmetric wavelets and cosine local discriminant basis in noisy
transients classification, National University of Singapore.
[44] Djebali, M., Melkemi, K., Melkemi, M., and Vandorpe, D.(1996) Range
image processing based on multiresolution analysis. In Proceedings of
the 1996 IEEE International Conference on Image Processing, Lausanne,
Switzerland, Sept. 1996, 281—286.
[45] Donoho, D.L. and Johnstone, I.M. (1993), Ideal spatial adaption by
wavelet shrinkage. Stanford, CA,94303-4065, U.S.A.
[46] Donoho, D.L. and Johnstone, I.M. (1993), Ideal denoising in an
orthonormal basis chosen from a library of bases, Department of
statistics Stanford university, USA.
[47] Donoho, D.L., Johnstone, I.M., Kerkyacharian, G. and Picard D. (1993),
Density estimation by wavelet thresholding, Stanford, CA94305, U.S.A.
[48] Donoho, D.L., Johnstone, I.M. (1994), Adapting to unknown smoothness
via wavelet shrinkage, Department of statistics Stanford university,
USA.
[49] Donoho, D.L. (1995), De-noising by soft-thresholding, IEEE transaction
on information theory, 41(3), pp.613-627.
[50] Durand, S. and Froment Jac. (2001), Artifact free signal denoising with
wavelets, University Paris, France.
[51] Fletcher, A.K. and Ramchandran, K. (2002), Wavelet denoising by
recursive sycle spinning, University of California, Berkeley, CA 94720
USA.
112
[52] Gao, H.Y. (1997), Wavelet shrinkage denoising using the non-negative
garrote, MathSoft, Inc.WA 98109,USA.
[53] Gao, H.Y.and Bruce, A.G. (1996), Waveletshrink with firm shrinkage,
Technical report 39, Statsci division of mathsoft, Inc.
[54] Guo, H., Odegard, J.E., Lang, M. and Burrus, C.S. (1995), Nonlinear
shrinkage of undecimated DWT for noise reduction and data
compression, Rice University Houston, TX77251-1892.
[55] Guo, H. (1995), Theory and applications of the shift-invariance, time -
varing and undecimated wavelet transforms. Master of science degree,
Rice university, Houston Taxas.
[56] Hall, P. KerKyacharian, G. and Picard, D. (1999), On the minimax
optimality of block thresholded wavelet estimations, Statist, Sinica,9, 33-
50.
[57] Hawwar,Y.M., Reza,A.M. and Turney, R.D. (1999), Filtering(denoising)
in the wavelet transform domain, Xilinc, Inc. 2100 logic drive SanJose,
CA 95124-3450.
[58] ILya Lavrik, Yoon Young Jung, Fabrizio Ruggeri and Brani Vidakovic,
2005, “B D k : d
Applic ”, Biomedical Engineering Technical Report, Georgia
Institute of Technology. Dept. of Biomedical Engineering, Atlanta, 1-16.
[59] Johnstone, I.M. and Silverman, B.W. (1994), Wavelet threshold
estimators for data with correlated noise, Stanford University, USA.
[39] Kaplan, I. (2002), Frequency analysis using the wavelet packet
transform, http://www.bearcave.com
[60] Kaplan, I. (2002), Frequency analysis using the wavelet packet
transform, http://www.bearcave.com
113
[61] Kovac, A. and Silverman, B.W. (1999), Extending the scope of wavelet
regression methods by coefficient- dependent thresholding, Essen
University, 45117 Essen, Germany.
[62] Krim, H. and Schick, I.C. (1999), Minimax description length for signal
denoising and optimized representation, IEEE trans. on information
theory, 45 (3).
[63] Krim, H., Tucker, D., Mallat, S. and Donoho, D.L. (1999), On denoising
and best signal presentation, IEEE trans. on information theory, 45(7).
[64] Kyung In Kim, (2008), False Discovery Rate procedures for high-
dimentional data, Technische Universiteit Eindhoven, ISBN 978-90-
386-1417-5
[65] Lang, M., Guo, H., Burrus, C.S. and Wells, R.O. (1995), Noise reduction
using an undecimated discrete wavelet transform, IEEE signal Proc.
Letters.
[66] Lang, M., Guo, H., Burrus, C.S. and Odegard, J.E. (1995), Nonlinear
processing of a shift invariant DWT for noise reduction, Rice University,
Houston, TX 7751- 1892.
[67] Li, Y. and Moloney, C. (1998), Selective wavelet coefficient soft-
thresholding scheme for speckle noise reduction in SAR images. St.
John s N anada 3 .
[68] Lovescu, C. (2002), Wavelet transforms in the TMS320C55x, Texas
Instruments Application report, SPRA800.
[69] Lu, J. (1993), Signal recovery and noise reduction with wavelets, Ph.D.
Dessertation, Hanover, New Hampshire.
[70] Mallat,S. (1991), Zero-crossings of wavelet transform, IEEE Trans.
Inform. theor. 37(4),1019-1033.
[71] Mallat, S. 1998, A wavelet tour of signal processing, Academic Press,
London.
114
[72] Martina Pavlicova, Thomas J. Santner and Noel Cressie, (2008),
Detecting signals in FMRI data using powerful FDR procedures,
Statistics and Its Interface Volume 1, 23–32
[73] Matloub, S. and Roman, A. (2001), Noise reduction in wavelet domain,
EE368 Digital image processing.
[74] Moulin, P. (1993), Wavelet thresholding techniques for power spectrum
estimation, IEEE trans. on signal proc.
[75] Polikar, R. (1998), The wavelet tutorial, Durham Computation Center
Iowa State University Ames, 1A 50011, USA.
[76] Primer, A. (1998), Introduction to wavelets and wavelet transforms,
Prentice Hall Inc., USA.
[77] Quynh, N.X. (1998), Signal analysis by using wavelet expansions,
Journal of applied computer science, Poland.
[78] Selesnick, I.W., Odegard, J. E., and Burrus, C. S. (1996), Nearly
symmetric orthogonal wavelets with non-integer dc group delay. In
Proceedings of the IEEE Digital Signal Processing, Conference, Loen,
Norway, Sept. 1996, 431—434.
[79] Schik, I.C. and Krim, H. (1997), Robust wavelet thresholding for noise
suppresion, Havard University, Camridge USA, IEEE
[80] Shores, T.S. (2003), Applied linear Algebra and Matrix Analysis,
McGraw-Hill publisher.
[81] Smyth, G.K. (2004). Linear models and empirical Bayes methods for
assessing differential expression in microarray experiments. Stat. Appl.
Genet. Mol. Biol., 3, Art.
[82] Storey, J. D. (2007). The optimal discovery procedure: A new approach
to simultaneous significance testing, Journal of the Royal Statistical
Society, Series B 69: 347-368.
115
[83] Storey, J. D., Dai, J. Y. & Leek, J. T. (2007). The optimal discovery
procedure for large-scale significance testing, with applications to
comparative microarray experiments, Biostatistics 8: 414-432.
[84] Storey, John D., Jonathan E. Taylor, and David Siegmund (2005).
“S , d
d : fi d ” [J.
R. Stat. Soc. Ser. B Stat. Methodol. 66 (2004), no. 1, 187–205;
mr2035766]. J. R. Stat. Soc. Ser. B Stat. Methodol., 67(1), 197.
[85] Storey, J. D., (2010), False Discovery Rates, Princeton University,
Princeton USA.
[86] Strela, V. (2001), Denoisng via block Wiener filtering in wavelet domain,
Drexel university, Philadelphia, DA 19104, USA.
[87] Taswell,C. (1999), The what, how and why of wavelet shrinkage
denoising, Computational Toolsmiths, Stanford, CA 94309-9925,
technical report CT-1998-09.
[88] Taswell, C. (2001), Experiments in wavelet shrinkage denoising. POB
18925, Stanford, CA 94309- 8925. JCMSE.
[89] Thomson, D.J. (1982), Spectrum estimation and harmonic analysis,
Proc.IEEE, vol. 70, no. 9, pp.1055-96.
[90] Truyen, N.T, (2010), Method for enhancement reliable of centralized
automatic methane mornitoring system from communication
interferences, Advanced mining for sustainable development,
Proceedings, International Mining Conference, No. 66, pp. 475-479.
[91] Velho, L. (2001), Wavelets and models, IMPA Rio de Janeiro, Brazil.
[14] Yekutieli, Daniel, and Yoav Benjamini (1999). Resampling-based
false discovery rate controlling multiple test procedures for correlated
test statistics. J. Statist. Plann. Inference, 82(1-2), 171–196.
116
[92] V.V.K.D.V. Prasad, P.Siddaiah and B.Prabhakara Rao, (2008)
“D B S ls Using Different Wavelet Based
M d d C ”, Asian Journal of Information
Technology 7 (4): 146-149.
[93] Weiss, J. (1998), Translation invariance and wavelet transform, Applied
Mathematics Group 49 Grand View Road Arlington, MA02174.
[94] Yekutieli, Daniel, and Yoav Benjamini (1999). Resampling-based false
discovery rate controlling multiple test procedures for correlated test
statistics. J. Statist. Plann. Inference, 82(1-2), 171–196.
[95] Yoav Benjamini and Yosef Hochberg, (1995) “Controlling the False
Discovery Rate: A Practical and Powerful Approach to Multiple
”, Journal of the Royal Statistical Society, Series B
(Methodological), Vol.57, No.1, 289 – 300.
[96] Yoon, B.J. and Vadyanathan, P.P. (2004), Discrete PDF estimation in
the presence of noise, California institute of technology, Pasadena, USA.
[97] Zhang, X.P. and Desai, M. (1998), Nonlinear adaptive noise suppression
based on wavelet transform, Division of Engineering University of
Texas San Antonio.
[98] Zhao, J.R., Ma,Y., Gao,H. (2000), Denoising method of AE signal by
using wavelet transform, JILIN University of technology, China.
[99] Zhuang,Y. and Baras, J.S. (1995), Optimal wavelet basis selection for
signal representation, CSHCN T.R.94-7, the University of Maryland.