|
устройствах ввода осуществляются алгоритмы основных видов цифровой обработки сигналов, например, быстрое преобразование Фурье (БПФ). В таких устройствах помимо отсчетных значений сигналов в память компьютера вводятся отсчетные значения их спектральных компонент. Создаваемые для этих целей специализированные DSP-процессоры позволяют производить преобразование и предварительную обработку сигналов с частотами до сотен мегагерц. В совокупности эти факторы позволяют решать задачи моделирования на ЭВМ алгоритмов обработки сигналов, которые наблюдаются непосредственно на выходе физической системы. В результате использования такого подхода, повышается достоверность результатов моделирования алгоритмов обработки. Эти результаты, в последующем, могут быть использованы для построения специализированных вычислительных устройств, обеспечивающих обработку сигналов в реальном масштабе времени. При решении задач моделирования алгоритмов работы устройств обработки сигналов хотелось бы сочетать возможности специализированных пакетов программ анализа случайных сигналов с возможностями, предоставляемыми пакетами программ для математического моделирования. С этой точки зрения достаточно широкие возможности открывает пакет программ MathLab® фирмы Math Works Inc., включающий в себя алгоритмы корреляционного и спектрального анализа, цифровой фильтрации и синтеза случайных процессов с заданными статистическими характеристиками. Пакет также позволяет реализовывать в виде подпрограмм собственные алгоритмы обработки, что дает возможность моделирования алгоритмов распознавания в виде процедур, интегрированных в программную среду пакета. Одним из важнейших преимуществ данного пакета является то, что большинство выпускаемых в настоящее время плат АЦП (DACboard) могут быть запрограммированы средствами пакета MathLab®, что уже позволяет строить целые системы обработки сигналов на основе программной среды данного пакета [101]. Однако существенной трудностью при построении систем экспериментальной проверки алгоритмов на основе такого подхода является высокая стоимость плат АЦП. 120 |
132 5. ЭКСПЕРИМЕНТАЛЬНАЯ ПРОВЕРКА ЭФФЕКТИВНОСТИ РАБОТЫ НЕПАРАМЕТРИЧЕСКОГО КЛАССИФИКАТОРА 5.1. Объект исследования I Основной задачей, решаемой в данной главе, является определение вида зависимостей вероятности классификации от размерности признакового пространства и времени обучения классификатора. Для проведения эксперимента в качестве исходных данных были использованы два вида сигналов. 1. Множество реализаций случайных процессов 4-х классов с достаточно близкими вероятностными характеристиками. Сигналы сгенерированы физическим генератором случайных процессов (ГСП) и введены в ПЭВМ с помощью блока АЦП. Технические характеристики ГСП представлены в прил. 5. 2. Биомедицинские данные. В качестве объекта изучения были использованы пациенты клиники неврозов Ростовского государственного медицинского университета. Сигналы ЭЭГ, снятые у пациентов, разделены клиницистами на 5 групп с условными названиями: "Дети", "Норма", "Умеренные нарушения", "Грубые нарушения", "Эпилепсия". В каждой группе участвовало по 10 представителей своего класса. 5.2. Метод экспериментального исследования характеристик случайных сигналов, основанный на использовании современных пакетов программ для компьютерной обработки сигналов Существующие методы аппаратурного анализа характеристик случайных процессов [58, 59, 7] с появлением мощных вычислительных средств получили воплощение в новой форме программных пакетов анализа и синтеза сигналов, таких как Hypersignal , LabVIEW , MathLab , и т.п. Сочетая удобства в использовании интерфейса с высокой скоростью и точностью расчетов, такого рода пакеты находят все более широкое применение при решении задач обработки выходных сигналов различных физических систем. Это связано с более широким использованием информационно-измерительных систем. Неотъемлемым компонентом систем анализа сигналов с использованием программных пакетов, является оборудование, обеспечивающее предварительную обработку (оцифровку) исследуемых сигналов и ввод их в ЭВМ. На этапе предварительной обработки помимо оцифровки (дискретизации и квантования) сигналов в некоторых устройствах ввода осуществляются алгоритмы основных видов цифровой обработки сигналов, например, быстрое преобразование Фурье (БПФ). В таких устройствах помимо отсчетных значений сигналов в память компьютера вводятся отсчетные значения их спектральных компонент. Создаваемые для этих целей специализированные DSP-процессоры позволяют производить преобразование и предварительную обработку сигналов с частотами до сотен мегагерц. 133 В совокупности эти факторы позволяют решать задачи моделирования на ЭВМ алгоритмов обработки сигналов, которые наблюдаются непосредственно на выходе физической системы. В результате использования такого подхода, повы-• .(• шается достоверность результатов моделирования алгоритмов обработки. ЭтиI результаты, в последующем, могут быть использованы для построения специализированных вычислительных устройств, обеспечивающих обработку сигналов в реальном масштабе времени. При решении задач моделирования алгоритмов работы устройств обработки сигналов хотелось бы сочетать возможности специализированных пакетов программ анализа случайных сигналов с возможностями, предоставляемыми пакетами программ для математического моделирования. С этой точки зрения достаточно широкие возможности открывает пакет программ MathLab фирмы Math Works Inc., включающий в себя алгоритмы корреляционного и спектрального анализа, цифровой фильтрации и синтеза случайных процессов с заданными статистическими характеристиками. Пакет также позволяет реализовывать в виде подпрограмм собственные алгоритмы обработки, что дает возможность моделирования алгоритмов распознавания в виде процедур, интегрированных в программную среду пакета. Одним из важнейших преимуществ данного пакета является то, что большинство выпускаемых в настоящее время плат АЦП (DACboard) могут быть запрограммированы средствами пакета MathLab , что уже позволяет строить целые системы обработки сигналов на основе программной среды данного пакета [101]. Однако существенной трудностью при построении систем экспериментальной проверки алгоритмов на основе такого подхода является высокая стоимость плат АЦП. Достаточно простым решением указанной проблемы является преобразование форматов выходных данных пакета анализа сигналов в формат входных данных пакета программ математического моделирования с последующим их использованием в выявлении особенностей и свойств исследуемых алгоритмов обработки сигналов. Такое решение проблемы моделирования устройств обработки сигналов объективно повышает достоверность результатов моделирования и состоятельность оценки их эффективности. В данной работе принцип преобразования форматов данных при моделировании был использован для пакета анализа звуковых сигналов Cool Edit 1.5 фирмы Syntrillium Soft. Со. и математического пакета Mathcad 6.0 Plus. Данные редактора Cool Edit могут быть сохранены в форматах *.wav, *.voc, *.pcm, *.txt a пакет Mathcad 6.0 Plus использует для входных данных ASCII-код [100]. Наличие в пакете Cool Edit встроенных программ-конверторов позволяет преобразовать выходные данные этого пакета в различные форматы, в том числе и в ASCII код. В последующем эти данные используются пакетом Mathcad 6.0 Plus при выполнении программы моделирования алгоритма работы непараметрических классификаторов. |