سال انتشار: ۱۳۸۷

محل انتشار: دومین کنفرانس داده کاوی ایران

تعداد صفحات: ۶

نویسنده(ها):

محمدحسین سیگاری –
محمدهادی سیگاری –
مجید نصیرزاده –

چکیده:

یکی از مباحث کاربردی در پردازش سیگنال، تخمین دوره تناوب سیگنا لهای شبه متناوب نویزی است. سیگنال شبه متناوب سیگنالی است که دوره تناوب سیگنال و دامنه آن در قله ها، در طول زمان تغییر م یکند. روش خودهمبستگی (Auto-Correlation) که یکی از رو شهای بسیارقدرتمند تخمین دوره تناوب سیگنال های متناوب است، برای سیگنا لهای شبه متناوب دقت مناسبی ندارد. خصوصا اینکه سیگنال با نویز شدیدی همراه باشد. در این مقاله برای تعیین دوره تناوب سیگنا لهایی شبه متناوب از تخمین گر مجمع (Ensemble Estimators) و خوشه بندی Isodata استفاده شده است. تخمین گر مجمع، مجموعه ای از چند تخمی نگر ساده است که به طور مستقل دوره تناوب سیگنال را تخمین زده و در نهایت با استفاده از روش هایی نتایج آنها ترکیب و خروجی نهایی تعیین می گردد. در روش پیشنهادی یک تخمین گر مجمع با اعمال مقادیر مختلف حدآستانه بر روی سیگنال خودهمبستگی تشکیل شده و خروجی نهایی با استفاده از خوشه بندی Isodata تعیین می گردد. الگوریتم ارائه شده بر روی یک پایگاه داده سیگنا لهای شبه متناوب نویزی که دوره تناوب آنها تا ۱۰ %± و دامنه آنها تا ۸۰ %± به صورت تصادفی تغییر کرده
و نسبت سیگنال به نویز ۳ دسی بل دارند، نتایج بسیار رضایت بخشی دارد. روش خودهمبستگی و روش ضرایب کپستروم به ترتیب تنها قادر به
تشخیص صحیح دوره تناوب ۵۶ % و ۵۲ % از سیگنال ها است. در حالی که روش پیشنهادی توانست دوره تناوب ۸۸ % از سیگنال ها را به درستی
تشخیص دهد.