Способ и устройство для сжатия данных, представляющих зависящий от времени сигнал



Способ и устройство для сжатия данных, представляющих зависящий от времени сигнал
Способ и устройство для сжатия данных, представляющих зависящий от времени сигнал
Способ и устройство для сжатия данных, представляющих зависящий от времени сигнал
Способ и устройство для сжатия данных, представляющих зависящий от времени сигнал
Способ и устройство для сжатия данных, представляющих зависящий от времени сигнал
Способ и устройство для сжатия данных, представляющих зависящий от времени сигнал
Способ и устройство для сжатия данных, представляющих зависящий от времени сигнал
Способ и устройство для сжатия данных, представляющих зависящий от времени сигнал
Способ и устройство для сжатия данных, представляющих зависящий от времени сигнал
Способ и устройство для сжатия данных, представляющих зависящий от времени сигнал
Способ и устройство для сжатия данных, представляющих зависящий от времени сигнал
Способ и устройство для сжатия данных, представляющих зависящий от времени сигнал
Способ и устройство для сжатия данных, представляющих зависящий от времени сигнал
Способ и устройство для сжатия данных, представляющих зависящий от времени сигнал
Способ и устройство для сжатия данных, представляющих зависящий от времени сигнал
Способ и устройство для сжатия данных, представляющих зависящий от времени сигнал
Способ и устройство для сжатия данных, представляющих зависящий от времени сигнал
Способ и устройство для сжатия данных, представляющих зависящий от времени сигнал
Способ и устройство для сжатия данных, представляющих зависящий от времени сигнал
Способ и устройство для сжатия данных, представляющих зависящий от времени сигнал
Способ и устройство для сжатия данных, представляющих зависящий от времени сигнал

 


Владельцы патента RU 2595929:

СИМЕНС АКЦИЕНГЕЗЕЛЛЬШАФТ (DE)

Группа изобретений относится к области обработки сигналов и может быть использована для сжатия данных D(nT), представляющих зависящий от времени сигнал A(t), содержащий зависящие от времени частичные сигналы Aj(t). Техническим результатом является уменьшение объема памяти для хранения информации. Способ содержит этапы, на которых: принимают множество спектров Sj(f) частичных сигналов Aj(t), вычисляют множество амплитуд aj,j множества частот fj, присутствующих в частичных сигналах Aj(t), вычисляют множество нормализованных амплитуд bj,j из множества амплитуд aj,j, множество нормализованных амплитуд bj,j для каждой частоты fj, моделируют на основе распределения по отношению к пороговому значению, получают параметры модели MPj, генерируют набор сжатых данных CDS, содержащий MPj, для сжатия данных D(nT). 2 н. и 13 з.п. ф-лы, 9 ил.

 

Настоящее изобретение относится к способу и устройству обработки сигналов для сжатия данных, представляющих зависящий от времени сигнал.

Сжатие данных играет центральную роль в управлении колоссальным объемом данных. Например, многие современные инженерные, научные, и относящиеся к статистике виды деятельности требуют сбора больших объемов электронных данных для обработки и хранения информации. Например, электронные данные могут быть представлением изменяющегося со временем сигнала. Управление данными является в высшей степени востребованной задачей, при этом управление также может содержать хранение и передачу данных. Эффективное управление данными достижимо с помощью интеллектуальных способов сжатия данных, вследствие чего пространство хранения, требуемое для хранения информации, присутствующей в данных, и/или ширина полосы передачи, требуемая для передачи данных, в значительной степени уменьшаются.

В текущее время, когда собираются колоссальные объемы данных, например, в случае непрерывного потока данных, представляющих изменяющийся со временем сигнал, собираемый в течение выполнения непрерывного наблюдения, выполняемого над машиной, т.е. наблюдения вибраций машины в течение ее работы, вычисление и хранение преобразования Фурье, т.е. спектральных данных изменяющегося со временем сигнала, особенно в их полноте, делает необходимым огромный объем пространства хранения.

Нормальные способы сжатия спектральных данных включают в себя либо использование универсальных инструментов сжатия без потерь (ZIP), либо использование оптимизированного в отношении памяти кодирования. Однако отношения сжатия (отношение пространства хранения/ресурсов, требуемых, чтобы хранить сжатые данные, к пространству хранения/ресурсам, требуемым, чтобы хранить фактические данные) для вышеупомянутых способов являются заметно низкими и являются неэффективными способами сжатия данных. Таким образом, пространство хранения и ширина полосы передачи данных, по существу, не уменьшаются.

Целью настоящего изобретения является обеспечить эффективные способ и устройство обработки сигналов для сжатия данных, представляющих зависящий от времени сигнал.

Вышеупомянутая цель достигается посредством способа для сжатия данных согласно пункту 1 формулы изобретения и устройства обработки сигналов согласно пункту 13 формулы изобретения.

Лежащей в основе целью изобретения является сжатие данных D(nT), представляющих зависящий от времени сигнал A(t). Зависящий от времени сигнал A(t) содержит множество зависящих от времени частичных сигналов Ai(t). Способ сжатия начинается с этапа, на котором принимается множество спектров Si(f). Каждый спектр Si(f) однозначно соответствует одному из зависящих от времени частичных сигналов Ai(t) и каждый спектр Si(f) содержит множество частот fj и множество амплитуд aj,i множества частот fj. Амплитуды aj,i однозначно назначаются fj и являются мерами вкладов fj в Ai(t). На последующем этапе, для каждого спектра Si(f) множество амплитуд aj,i нормализуются для получения множества нормализованных амплитуд bj,i. На последующем этапе, для каждой частоты fj, нормализованные амплитуды bj,i обрабатываются на основе распределения нормализованных амплитуд bj,i по отношению к пороговому значению (Tv), и один или более соответствующих параметров модели (MPj) определяются для представления распределения нормализованных амплитуд bj,i. На последующем этапе, генерируется набор сжатых данных (CDS). CDS содержит, по меньшей мере, упомянутые один или более параметров модели и частоту fj. Поэтому CDS обеспечивает возможность сжимать огромные объемы данных.

Согласно одному варианту осуществления настоящего изобретения, для каждого частичного сигнала Ai(t), генерируется временная метка ti. Временная метка ti представляет момент времени, в который частичный сигнал Ai(t) был получен. Временные метки ti являются предпочтительными для идентификации последовательности появления Ai(t), для индексирования по спектрам множества амплитуд aj,i и множества нормализованных амплитуд bj,i, и для обработки множества нормализованных амплитуд bj,i для получения CDS.

Согласно другому варианту осуществления настоящего изобретения, для каждой частоты fj, если каждая нормализованная амплитуда bj,i меньше, чем пороговое значение (Tv), то MPj, определенный из этапа обработки, будет содержать среднее значение (AV) нормализованных амплитуд bj,i для fj. Дополнительно, CDS дополнительно содержит первую временную метку t1. Хотя вклад fj в D(nT) меньше, чем требуемое значение (т.е. пороговое значение), т.е. fj не является значимой частотой. Однако вклад fj может моделироваться и сохраняться посредством сохранения среднего значения fj в D(nT) для получения достоверного представления D(nT) посредством CDS.

Согласно еще другому варианту осуществления настоящего изобретения, для каждой частоты fj, если каждая нормализованная амплитуда bj,i больше, чем пороговое значение (Tv), и если разность между экстремальными значениями нормализованных амплитуд bj,i меньше, чем пороговое значение (Tv), то MPj, определенный из этапа обработки, будет содержать среднее значение (AV) нормализованных амплитуд bj,i для fj. Дополнительно, CDS дополнительно содержит первую временную метку t1. Вклад fj в D(nT) является более большим, чем требуемое значение (т.е. пороговое значение), тем самым делая fj значимой частотой. Вклад fj может моделироваться и поддерживаться посредством сохранения среднего значения fj в D(nT) для получения достоверного представления D(nT) посредством CDS.

Согласно еще другому варианту осуществления настоящего изобретения, для каждой частоты fj, если, по меньшей мере, одна из нормализованных амплитуд bj,i не меньше, чем пороговое значение (Tv), и если разность между экстремальными значениями нормализованных амплитуд bj,i не меньше, чем пороговое значение (Tv), то на этапе обработки выполняется алгоритм аппроксимации для моделирования распределения нормализованных амплитуд bj,i частоты fj. Таким образом, MPj, определенный из этапа обработки, будет содержать один или более параметров модели алгоритма аппроксимации. Посредством этого, алгоритм аппроксимации упрощает моделирование усложненных распределений. Согласно варианту вышеупомянутого варианта осуществления, CDS также содержит соответствующие временные метки tk.

Согласно варианту вышеупомянутого варианта осуществления, алгоритм аппроксимации является полиномиальной подгонкой, которая является простым способом моделирования распределения.

Согласно другому варианту вышеупомянутого варианта осуществления, алгоритм аппроксимации является ступенчатой функцией, которая увеличивает скорость моделирования нелинейного распределения.

Согласно предпочтительному варианту вышеупомянутого варианта осуществления, алгоритм аппроксимации является итеративным алгоритмом подгонки на основе конечных точек, например, алгоритмом Рамера - Дугласа - Пекера. Таким образом, получается меньший набор точек для определения распределения, содержащего большой набор точек. Таким образом, достигаются очень высокие отношения сжатия и точность сжатия.

Согласно еще другому варианту осуществления настоящего изобретения, CDS содержит для каждого спектра Si(f), сумму SFi множества амплитуд aj,i. Это является предпочтительным, так как это помогает в восстановлении aj,i, так как обработка выполняется над нормализованными амплитудами.

Согласно еще другому варианту осуществления настоящего изобретения, пороговое значение является пропорциональным обратному количественного числа (NoP) множества частот fj и также коэффициенту допустимого отклонения (Tf). Это обеспечивает переменную порога, и помогает в оказании влияния на распределение нормализованных амплитуд bj,i.

Согласно еще другому варианту осуществления настоящего изобретения, способ дополнительно содержит этап, следующий за этапом обработки, на котором строятся восстановленные данные D'(nT) посредством обработки CDS. На последующем этапе, определяется коэффициент корреляции (CC) между данными D(nT) и восстановленными данными D'(nT). Порог изменяется в ответ на CC, и вышеупомянутые этапы повторяются до тех пор, когда получается удовлетворительный CC. Посредством этого, точность CDS улучшается.

Здесь раскрывается устройство обработки сигналов, сконфигурированное с возможностью сжимать данные D(nT) согласно любому из вышеупомянутых вариантов осуществления. Устройство обработки сигналов содержит модуль приема спектральных данных, модуль нормализации амплитуд, модуль сравнения, модуль параметров и блок памяти. Модуль приема спектральных данных принимает множество спектров Si(f). Модуль нормализации амплитуд нормализует множество амплитуд aj,i для каждой из множества частот fj каждого из множества спектров Si(f). Таким образом, получается множество нормализованных амплитуд bj,i. Модуль сравнения сравнивает каждую из множества нормализованных амплитуд bj,i с пороговым значением (Tv). Модуль параметров обрабатывает нормализованные амплитуды bj,i частоты fj на основе распределения нормализованных амплитуд bj,i по отношению к пороговому значению (Tv). Таким образом, определяются упомянутые один или более соответствующих параметров (MPj) для представления распределения нормализованных амплитуд bj,i. Блок памяти сохраняет набор сжатых данных (CDS).

Согласно одному варианту осуществления настоящего изобретения, устройство обработки сигналов дополнительно содержит модуль корреляции. Модуль корреляции определяет коэффициент корреляции (CC) между данными D(nT) и восстановленными данными D'(nT). Посредством этого, точность CDS для представления данных D(nT) улучшается.

Согласно одному варианту осуществления настоящего изобретения, устройство обработки сигналов дополнительно содержит модуль спектра. Модуль спектра принимает каждый из зависящих от времени частичных сигналов Ai(t) и вычисляет соответствующий спектр Si(f). Модуль спектра может быть интегрированным с вышеупомянутыми модулями в каскаде. Посредством этого, гибкость в применении устройства обработки сигналов улучшается, так как спектры Si(f) легко вычисляются и являются доступными для сжатия данных D(nT).

Вышеупомянутые и другие варианты осуществления изобретения, относящиеся к способу и устройству обработки сигналов для сжатия данных, представляющих зависящий от времени сигнал, будут теперь описываться со ссылкой на сопровождающие чертежи настоящего изобретения. Проиллюстрированные чертежи и варианты осуществления предназначены, чтобы иллюстрировать, но не ограничивать изобретение. Сопровождающие чертежи содержат следующие фигуры, на которых сходные ссылочные позиции указывают на сходные части, всюду в описании и чертежах.

Фигуры схематическим образом иллюстрируют дополнительные примеры вариантов осуществления изобретения, на которых:

Фиг. 1 изображает систему наблюдения состояния, содержащую модуль получения данных и устройство обработки сигналов, сжимающее данные, представляющие зависящий от времени сигнал,

Фиг. 2 изображает различные модули устройства обработки сигналов, показанного на фиг. 1, при этом покомпонентные изображения множества спектров, матрица амплитуд, и матрица нормализованных амплитуд схематически иллюстрируют операции модуля спектра, модуля приема спектральных данных, модуля нормализации амплитуд соответственно,

Фиг. 3 изображает иллюстративную матрицу амплитуд, и иллюстративную матрицу нормализованных амплитуд, упомянутые на фиг. 2, и

Фиг. 4 изображает иллюстративный способ построения набора сжатых данных для восстановления данных для сжатия данных, представляющих зависящий от времени сигнал, упомянутый на Фиг. 1, и

Фиг. 5 изображает блок-схему последовательности операций способа для сжатия данных, представляющего сжатие данных, представляющих зависящий от времени сигнал.

Система 10 наблюдения состояния, соединенная с мотором 20, для наблюдения степени исправности мотора 20 изображена на Фиг. 1.

Система 10 наблюдения состояния содержит модуль 30 получения данных (в дальнейшем упоминаемый как "DAQ 30") и устройство 40 обработки сигналов в соответствии с одним вариантом осуществления изобретения. DAQ 30 получает зависящий от времени сигнал A(t) 45, который является непрерывным сигналом (характеризующимся независимой переменной времени "t"), который имеет отношение к вибрациям мотора 20. DAQ 30 обеспечивает данные D(nT) 65 в устройство 40 обработки сигналов. D(nT) 65 являются представлением дискретного времени (характеризующимся независимой переменной "nT") сигнала A(t) 45, которое впоследствии обрабатывается для сжатия D(nT) 65 для достижения цели настоящего изобретения.

DAQ 30 содержит датчик 31, модуль 32 обработки сигналов, и аналогово-цифровой преобразователь ADC 33 (ADC). Датчик 31 получает A(t) 45 и обеспечивает его в модуль 32 обработки сигналов. Модуль 32 обработки сигналов обрабатывает A(t) 45 и обеспечивает A'(t) в ADC 33. ADC 33 оцифровывает A'(t), тем самым создавая D(nT) 65, которые обеспечиваются в устройство 40 обработки сигналов, которое эффективно представляет A(t).

A(t) 45 может непрерывно получаться посредством DAQ 30 и может толковаться как содержащий множество зависящих от времени частичных сигналов Ai(t) (с i=1, 2, …, NoS) 46-50. Ai(t) 46-50 может толковаться как A(t) 45, полученный в течение множества индивидуальных временных интервалов Δti (с i=1, 2, …, NoS) 51-55, соответственно, или как A(t) 45, подвергнутый оконной обработке временной области, при этом интервалы окон соответствуют Δti 51-55. Альтернативно, DAQ 30 может получать A(t) 45 в течение Δti 51-55 посредством оконной обработки временной области, при этом A(t) 45 может толковаться как последовательный сбор Ai(t) 46-50.

Продолжительности Δti 51-55 могут определяться пользователем или могут быть фиксированными или переменными в зависимости от типа A(t) 45, требований обработки сигналов, характеристик DAQ 30 и/или устройства 40 обработки сигналов, и так далее. Продолжительности могут быть микросекундами, миллисекундами, или в секундах. Δti 51-55 являются, в общем, смежными. Однако Δti 51-55 могут быть перекрывающимися или разделенными некоторыми промежутками времени, и так далее.

Здесь, признак "частичные сигналы" определяется как часть A(t) 45, полученная посредством DAQ в течение соответствующего Δti 51-55.

Здесь "NoS" является безразмерной сущностью и указывает на количественное число сигналов Ai(t) 46-50, полученных в течение Δti 51-55, которые в полноте обеспечивают формирование A(t) 45. Т.е. NoS представляет количество частичных сигналов Ai(t).

Множество временных меток ti (с i=1, 2, …, NoS) 56-60 определяются из A(t), при этом каждая временная метка ti 56-60 представляет время начала соответствующего частичного сигнала Ai(t) 46-50, полученного в течение временного интервала Δti 51-55. Например, временная метка t1 56 обозначает время начала частичного сигнала A1(t) 46.

Данные D(nT) 65 являются представлением дискретного времени сигнала A(t) 45. Таким образом, Ai(t) 46-50 дает результатом множество частичных сигналов дискретного времени Di(nT) (с i=1, 2, …, NoS; n=1, 2, …, NoP) 66-70 соответственно, при этом Di(nT) 66-70 соответствуют D(nT) 65, присутствующему в Δti 51-55. Di(nT) 66-70 также может получаться посредством оконной обработки области дискретного времени сигнала A(t) 45. Поэтому D(nT) 65 содержит представления дискретного времени множества частичных сигналов Ai(t) 51-55, т.е. Di(nT) 66-70. Дополнительно, D(nT) 65 также может быть цифровым представлением эквивалента дискретного времени сигнала A(t).

Здесь, "NoP" является безразмерной сущностью и указывает на количественное число выборок, содержащихся в каждом частичном сигнале дискретного времени Di(nT) 66-70. "NoP" также равно количественному числу частот, определимых из NoP-точечного дискретного преобразования Фурье (DFT), выполненного над Di(nT) 66-70. Значимость признака "NoP" будет объяснена в последующих разделах.

"NoP" для Di(nT) 66-70 может изменяться посредством изменения частоты дискретизации в ADC 33, т.е. посредством субдискретизации или передискретизации. "NoP" также может модифицироваться посредством дополнения нулями, или в другом альтернативном аспекте, может изменяться продолжительность Δti 51-55, чтобы оказывать влияние на изменение "NoP". Изменение "NoP" соответственно изменяет количественное число частот, определимых из NoP-точечного DFT.

Здесь, временные метки ti 56-60 также представляют время начала для Di(nT) 66-70 соответственно. Поэтому временные метки ti 56-60 содержат информацию относительно времени получения Di(nT) 66-70, т.е. времени начала Δti 51-55, и являются предпочтительными для сжатия D(nT) 65, также как для восстановления D(nT) 65. В альтернативном аспекте, ti 56-60 могут быть любыми моментами времени соответствующих Δti 51-55, из которых вычисляется информация относительно времени получения сигнала Ai(nT) 66-70. Другими словами, временные метки ti 56-60 представляют момент времени, в который соответствующий частичный сигнал Ai(t) и Di(nT), соответственно, были получены.

Устройство 40 обработки сигналов, содержащее процессор 90 и блок 100 памяти для сжатия D(nT) 65, изображено на Фиг. 2. На Фиг. 2 иллюстративно изображено NoP=6 и NoS=5.

Процессор 90 содержит модуль 105 спектра, модуль 130 приема спектральных данных, модуль 140 нормализации амплитуд, модуль 150 сравнения, модуль 160 параметров, и модуль 170 корреляции. Вышеупомянутые модули 105, 130, 140, 150, 160, 170 сконфигурированы с возможностью сжимать данные D(nT).

Модуль 105 спектра принимает Di(nT) 66-70 и вычисляет множество спектров Si(f) (с i=1, 2, …, NoS) 106-110.

Модуль 105 вычисляет Si(f) 106-110, которые могут быть множеством NoP-точечных (дискретных преобразований Фурье) DFT. Si(f) 106-110 содержит множество частот fj (с j=1, 2 …, NoP) 111-116 и множество амплитуд aj,i (с j=1, 2 …, NoP; с i=1, 2 …, NoS) 121-126 частот fj 111-116. Здесь, вычисленные амплитуды aj,i 121-126 однозначно назначаются fj 111-116 и являются мерами вкладов fj 111-116 в Ai(t) 46-50. Это назначение амплитуд aj,i 121-126 и частот fj 111-116 находится в соответствии с хорошо известным определением спектра зависящего от времени сигнала, т.е. амплитуды являются мерами вклада назначенной частоты в лежащий в основе зависящий от времени сигнал.

Схематическая работа модуля 105 изображена как покомпонентное изображение "105". Здесь, для каждого из Si(f) 106-110, горизонтальная ось "f" представляет "частоту" (fj 111-116), и вертикальная ось "A" представляет "амплитуду", то есть амплитуды (aj,i 121-126) частоты fj 111-116 лежащего в основе зависящего от времени сигнала.

Здесь объясняется иллюстративный способ для реализации работы модуля 105. Например, Di(nT) 66-70 принимаются устройством 40 обработки сигналов и они буферизуются как блоки данных конкретной длины в блоке 100 памяти. Каждый блок данных соответствует каждому из Di(nT) 66-70, полученному в течение каждого из Δti 51-55. Каждый блок данных обеспечивается временной меткой с помощью соответствующего ti 56-60 для идентификации времени начала Di(nT) 66-70. Блоки, соответствующие Di(nT) 66-70, затем извлекаются и обрабатываются для вычисления Si(f) 106-110.

Здесь, aj,i 121-126 и fj 111-116 спектра Si(f) 106-110 могут быть отображены как двухмерная матрица 128 амплитуд, расположенная в строках и столбцах, например, с NoP строками (представляющими NoP частот fj 111-116) и NoS столбцами (представляющими NoS сигналов Di(nT) 66-70).

Каждый из Si(f) 106-110 вычисляется из соответствующего Di(nT) 66-70. Поэтому "NoS" также обозначает "количество спектров".

Модуль 130 приема спектральных данных принимает спектры Si(f) 106-110 от модуля 105 спектра. Модуль 130 затем размещает вектор из aj,i 121-126 и вектор из fj 111-116, присутствующих в Si(f) 106-110. Таким образом, вектор aj,i 121-126 назначается соответствующей временной метке ti 56-60.

В матрице 128 амплитуд, каждому столбцу "i" из NoS столбцов назначена соответствующая временная метка ti 56-60, которая соответствует соответствующему Di(nT) 66-70. Аналогично, каждой строке "j" из NoP строк назначена соответствующая частота fj 111-116. Например, первому столбцу назначена временная метка t1 56 и он содержит все амплитуды aj,i 121-126 частот fj 111-116, вычисленные из S1(f) 106. Аналогично, первой строке назначена f1 111 и она содержит амплитуды aj,i 121-126 частоты f1 111, вычисленные из количества NoS спектров Si(f) 106-110.

Покомпонентное изображение "130" иллюстрирует пример матрицы 128 амплитуд для пяти спектров Si(f) 106-110 (NoS=5) и шести частот fj 111-116 (NoP=6). Например, значения a1,1 121 по a6,1 126 в столбце представляют значения шести частот f1 111 по f6 116, определенные из S1(f) 106, вычисленного для D1(nT) 66, несущего временную метку t1 56. Значения a3,1 123 по a3,5 123 в строке представляют значения третьей частоты "f3 113", определенные из S1(f) 106 по S5(f) 110, вычисленных соответственно для D1(nT) 66 по D5(nT) 70, несущих соответствующие временные метки t1 56 по t5 60.

Дополнительно, для каждого из Si(f) 106-110 модуль 130 вычисляет алгебраическую сумму SFi (с i=1 по NoS) 135 амплитуд aj,i 121-126 частот fj 111-116.

Например,

, , и так далее.

Таким образом, SFi 135 также является вектором длины "NoS". Дополнительно, каждая из SFi 135 может однозначно соответствовать каждой из NoS временных меток ti 56-60. Например, SF1 соответствует t1, SF3 соответствует t3, и так далее.

Модуль 140 нормализации амплитуд принимает матрицу 128 амплитуд от модуля 130 приема спектральных данных. Для каждого из Si(f) 106-110, амплитуды aj,i 121-126 нормализуются посредством модуля 140. Таким образом, получается множество нормализованных амплитуд bj,i (с j=1, 2 …, NoP; с i=1, 2 …, NoS) 141-146. Каждая из bj,i 141-146 вычисляется в соответствии со следующей формулой:

Т.е.

Например,

, , и так далее.

Здесь, bj,i 141-146 также располагаются в матрице 148 нормализованных амплитуд по отношению к Si(f) 106-110, несущим временные метки ti 56-60, соответственно. Матрица 148 нормализованных амплитуд снова содержит NoP строк и NoS столбцов. Схематическая работа модуля 140 изображена как покомпонентное изображение "140".

В вышеупомянутом контексте, признак "нормализация" определяется как, для каждого Si(f) 106-110, обработка деления индивидуальных амплитуд aj,i 121-126 частоты fj 111-116 на алгебраическую сумму амплитуд aj,i 121-126. Поэтому посредством нормализации, могут измеряться относительные вклады или процентные вклады каждой из fj 111-116, присутствующей в каждом из Ai(t) 46-50. Таким образом, вклад некоторой частоты fj 111-116 может оцениваться и может измеряться для определения того, как эта конкретная частота fj 111-116 может представляться для сжатия D(nT) 65, что будет объяснено далее.

NoP строк и NoS столбцов матрицы 128 амплитуд и матрицы 148 нормализованных амплитуд всего лишь иллюстрируют и представляют способ, в котором принятые aj,i 121-126 частот fj 111-116 каждого из Si(f) 106-110 и соответствующие bj,i 141-146 могут размещаться для обработки информации гибким способом. Эти NoP строк и NoS столбцов могут транспонироваться и информация там может представляться и обрабатываться соответственно без потери общности.

Вышеупомянутый пример (NoP=6 и NoS=5) является всего лишь иллюстративным, и не должен толковаться как ограничивающий изобретение. NoP и NoS могут быть любыми двумя положительными целыми числами и величины NoP и NoS могут быть огромными. Например, для 256-точечного FFT, вычисленного для 300 спектров, "NoP" равняется 256, и "NoS" равняется 300.

Здесь, количественное число частот fj 111-116, т.е. NoP, определимое из Si(f) 106-110, равняется количественному числу выборок, т.е. снова NoP, присутствующих в каждом из Di(nT) 66-70. Например, количественное число равняется "16" для 16-точечного DFT, "32" для 32-точечного DFT, и так далее. Однако для вычисления Si(f) 106-110 из Di(nT) 66-70 эффективным способом, т.е. для настройки количества частот fj 111-116, определимых из каждого из Si(f) 106-110, Di(nT) 66-70 могут дискретизироваться с повышением, дискретизироваться с понижением, дополняться нулями, и так далее, как упомянуто выше без потери общности для Di(nT) 66-70.

Здесь, каждый Si(f) 106-110 содержит один и тот же вектор частот fj 111-116, т.е. другой Si(f) 106-110 может отличаться только в векторе амплитуд aj,i 121-126, вычисленных для другого Di(nT) 66-70. Здесь, каждая частота fj 111-116 содержит один и тот же вектор временных меток ti 56-60.

Модуль 150 сравнения принимает матрицу 148 нормализованных амплитуд. Для каждого спектра Si(f) 106-110, модуль 150 сравнивает нормализованные амплитуды bj,i 141-146 с пороговым значением Tv.

Tv пропорционален обратному "NoP", т.е. количественному числу (NoP) частот fj 111-116. Здесь, отношение между Tv и NoP может быть показано следующим образом:

Посредством сравнения каждой нормализованной амплитуды bj,i 141-146 каждого спектра Si(f) 106-110 с пороговым значением Tv, модуль 150 сравнения генерирует распределение нормализованных амплитуд bj,i 141-146 частоты fj по отношению к Tv.

После этого, посредством обработки матрицы 148 нормализованных амплитуд, содержащей bj,i 141-146, и распределения bj,i 141-146 по отношению к Tv в модуле 160 параметров, является возможным моделировать распределение bj,i 141-146 по Si(f) 106-110.

Модуль 160 параметров принимает матрицу 148 нормализованных амплитуд, содержащую bj,i 141-146, и распределение bj,i 141-146 для каждой частоты fj 111-116 по отношению к Tv.

Для каждой частоты fj 111-116, нормализованная амплитуда bj,i 141-146 и распределение bj,i 141-146 по отношению к Tv, соответственно, обрабатываются, чтобы получать один или более параметров модели (MPj) (с j=1 по NoP). Параметры модели MPj являются подходящими для моделирования распределения нормализованных амплитуд bj,i 141-146. Например, b1,1 по b1,6 141 обрабатываются для получения MP1 для моделирования f1 111, и b4,1 по b4,6 144 обрабатываются для получения MP4 для моделирования f4 114, и так далее.

Для каждой из fj 111-116, MPj зависит от тенденции распределения bj,i 141-146 частоты fj 111-116 по отношению к Tv. MPj вычисляется посредством моделирования частот fj 111-116 на основе разных тенденций распределения соответствующих bj,i 141-146.

Для этого, выделяются три разных случая:

Случай 1) В случае, когда тенденция распределения соответствующих bj,i 141-146 конкретной частоты fj 111-116 является такой, что каждая из bj,i 141-146 меньше, чем Tv, MPj для представления нормализованных амплитуд bj,i этой конкретной частоты fj 111-116 является средним значением (AV) нормализованных амплитуд bj,i 141-146 конкретной частоты fj 111-116 спектров Si(f). Среднее значение (AV) для этой конкретной частоты fj 111-116 вычисляется посредством обработки нормализованных амплитуд bj,i этой конкретной частоты fj 111-116 по Si(f) 106-110, как показано ниже:

Например, если для f1 111, если все из b1,1 по b1,5 141 меньше, чем Tv, то AV для f1 111 вычисляется, как показано ниже:

Случай 2) В случае, когда тенденция распределения нормализованных амплитуд bj,i 141-146 частоты fj 111-116 является такой, что разность между экстремальными значениями (т.е. разность Δ между максимальным значением и минимальным значением для bj,i) нормализованных амплитуд bj,i этой конкретной частоты fj 111-116 меньше, чем Tv, то MPj для представления нормализованных амплитуд bj,i 141-146 этой конкретной частоты fj 111-116 является опять таки средним значением (AV) нормализованных амплитуд bj,i 141-146 конкретной частоты fj 111-116, как вычислено выше.

Например, если для f5 115, если b5,4 является максимальным значением и b5,5 является минимальным значением , и если разность Δ между b5,4 и b5,5 меньше, чем Tv, то AV для f5 115 вычисляется, как показано ниже:

Случай 3) В оставшихся случаях, если тенденция распределения bj,i 141-146 конкретной частоты fj 111-116 отличается от тенденций вышеупомянутых распределений в случаях 1) и 2), распределение нормализованных амплитуд bj,i 141-146 моделируется и представляется посредством алгоритма аппроксимации. Здесь, MPj этой конкретной частоты fj 111-116 являются результирующими параметрами модели алгоритма аппроксимации. Алгоритм аппроксимации может быть одним из следующих:

линейная подгонка, в которой результирующий MPj, определяющий линейное уравнение для моделирования bj,i 141-146, содержит значение наклона, и значение пересечения оси;

квадратичная подгонка, в которой результирующие MPj, определяющие квадратичное уравнение для моделирования bj,i 141-146, являются одним или более коэффициентами, представляющими переменную квадратичного уравнения;

кубическая подгонка, в которой результирующие MPj, определяющие кубическое уравнение для моделирования bj,i 141-146, являются одним или более коэффициентами, представляющими переменную кубического уравнения;

полиномиальная подгонка n-ого порядка, в которой результирующие MPj, определяющие полиномиальное уравнение n-ого порядка для моделирования bj,i 141-146, являются одним или более коэффициентами, представляющими переменную полиномиального уравнения n-ого порядка;

ступенчатая функция, где результирующий MPj, определяющий ступенчатую функцию для моделирования bj,i 141-146, является кумулятивной функцией, определенной как сумма элементарных ступенчатых функций; или

итеративный алгоритм подгонки на основе конечных точек, где результирующие MPj, определяющие итеративный алгоритм подгонки на основе конечных точек для моделирования bj,i 141-146, могут получаться из алгоритма Рамера - Дугласа - Пекера, и так далее.

Таким образом, в зависимости от соответствующих распределений нормализованных амплитуд bj,i 141-146 для разных частот fj 111-116, параметры модели MPj вычисляются, в конце концов давая результатом данные, которые являются подходящими для использования в качестве основы для генерирования набора сжатых данных CDS для представления исходных данных D(nT) 65.

CDS, представляющий данные D(nT) 65, содержит следующее:

вектор частот fj 111-116,

вектор временных меток ti 56-60,

алгебраическую сумму SFi 135 амплитуд aj,i 121-126 каждого спектра Si(f), что является предпочтительным для масштабирования MPj для каждой из fj 111-116, так как MPj был создан с использованием только bj,i 141-146, и

параметры модели MPj для представления тенденций распределения нормализованных амплитуд bj,i 141-148 каждой частоты fj 111-116.

Более того, для тех частот fj 111-116, для которых соответствующий параметр модели MPj выбирается, чтобы быть средним значением (AV) нормализованных амплитуд bj,i 141-146 (т.е. случаи 1) и 2), как описано выше), дополнительно первая временная метка t1 56 назначается AV.

В общем, для всех других случаев (т.е. случаев, нежели случаи 1) и 2)) и для всех частот, соответственно, CDS должен содержать информацию о том, является ли MPj средним значением (случаи 1) и 2)), или был смоделирован посредством алгоритма аппроксимации (случай 3)). Если MPj для конкретной частоты fj 111-116 основывается на алгоритме аппроксимации, то CDS дополнительно содержит следующее:

информацию о типе алгоритма аппроксимации (например, ступенчатая функция, итеративный алгоритм подгонки на основе конечных точек, и так далее), использованного для приближения нормализованных амплитуд bj,i 141-148 конкретной частоты fj 111-116, и

MPj алгоритма аппроксимации для этой конкретной частоты fj 111-116 также будет содержать пары из одного или более значений амплитуд и соответствующих одной или более временных меток ti 56-60 этой конкретной частоты fj 111-116. Здесь, значения амплитуд могут быть самими одной или более нормализованными амплитудами bj,i 141-146 или средним некоторого количества нормализованных амплитуд bj,i 141-146 этой конкретной частоты fj 111-116.

Посредством обработки CDS, является возможным, по существу, восстанавливать данные D(nT).

Чтобы оценить качество сжатия перед окончательным сохранением CDS, сигнал данных D'(nT) восстанавливается из набора сжатых данных CDS и сравнивается с исходным сигналом D(nT). Для оценки, модуль 170 корреляции принимает набор сжатых данных CDS и обрабатывает его для построения сигнала данных D'(nT) для соответствующего Δti 51-55.

Восстановление D'(nT) посредством обработки CDS объясняется иллюстративным образом со ссылкой на Фиг. 4.

Модуль 170 корреляции определяет коэффициент корреляции CC посредством сопоставления D'(nT) и D(nT). CC является безразмерной сущностью и является просто качественным индексом для представления сходства между D'(nT) и D(nT).

На основе определенного CC, можно принимать решение повторять сжатие с другими предварительными условиями. Например, если коэффициент корреляции показывает, что сходство D'(nT) и D(nT) не является достаточным, пороговое значение Tv должно изменяться. Это может давать результатом измененную тенденцию распределения нормализованных амплитуд bj,i 141-146 частоты fj 111-116 и, таким образом, новые параметры модели MPj' для этой частоты.

Пороговое значение Tv может изменяться, чтобы получать измененное пороговое значение Tv' посредством умножения Tv на коэффициент допустимого отклонения Tf. Здесь, отношение между Tv', NoP и Tf может быть показано следующим образом:

Tf может изменяться, чтобы изменять Tv. Фактически, это дает результатом изменение распределения bj,i 141-146 по отношению к Tv. Тем самым, это дает результатом изменение MPj для каждой fj 111-116. Например, если CC между D'(nT) и D(nT) находится между "0" и "0,8", можно предполагать, что качество восстановленного сигнала D'(nT) является плохим, и качество может быть улучшено посредством понижения Tv, т.е. посредством уменьшения Tf, тем самым выбирая другой MPj.

Аналогично, если CC равняется "0,8" или больше, можно предполагать, что MPj для восстановления D'(nT) являются достаточными. Затем текущий CDS рассматривается как конечный CDS и он сохраняется в памяти.

Tv, T'v и Tf являются безразмерными сущностями. Tf просто служит, чтобы увеличивать или уменьшать Tv. Если Tf выбирается между "0" и "1", то Tv уменьшается. Альтернативно, если Tf больше, чем "1", то Tv увеличивается. Однако предпочтительно Tf должен быть неравным "1".

После изменения порогового значения, заново определенное пороговое значение T'v посылается в модуль 150 сравнения. Там, пороговое значение Tv, которое используется для сравнения с нормализованными амплитудами bj,i 141-146, устанавливается на новое пороговое значение T'v, т.е. Tv=T'v.

После этого, выполняются такие же этапы, как описано выше, для определения распределения нормализованных амплитуд bj,i 141-146 каждого спектра Si(f) 106-110 по отношению к пороговому значению Tv. Т.е. Модуль 150 сравнения снова генерирует распределение bj,i 141-146 по отношению к Tv, при этом Tv соответствует измененному пороговому значению T'v.

После определения распределения, снова является возможным моделировать распределение bj,i 141-146 по Si(f) 106-110.

Модуль 160 параметров принимает информацию относительно сравнения между каждой из bj,i 141-146 с Tv, т.е. информацию о вышеупомянутом распределении.

Снова, для каждой частоты fj 111-116, нормализованная амплитуда bj,i 141-146 и распределение bj,i 141-146 по отношению к Tv, соответственно, обрабатываются, чтобы получать один или более параметров модели MPj, как описано выше. MPj снова вычисляется посредством моделирования частот fj 111-116 на основе разных тенденций распределения соответствующих bj,i 141-146, снова рассматривая вышеупомянутые три разных случая 1), 2) и 3).

После вычисления параметров модели MPj для каждой частоты fj 111-116, генерируется новый набор сжатых данных CDS, который содержит:

вектор частот fj 111-116,

вектор временных меток ti 56-60,

алгебраическую сумму SFi 135 амплитуд aj,i 121-126 каждого спектра Si(f), что является предпочтительным для масштабирования MPj для каждой из fj 111-116, так как MPj был создан с использованием только bj,i 141-146, и

параметры модели MPj для представления тенденций распределения нормализованных амплитуд bj,i 141-148 каждой частоты fj 111-116.

Более того, для тех частот fj 111-116, для которых соответствующий параметр модели MPj выбирается, чтобы быть средним значением (AV) нормализованных амплитуд bj,i 141-146 (т.е. случаи 1) и 2), как описано выше), дополнительно первая временная метка t1 56 назначается AV.

В общем, для всех других случаев (т.е. случаев, нежели случаи 1) и 2)) и для всех частот, соответственно, CDS должен содержать информацию о том, является ли MPj средним значением (случаи 1) и 2)), или был смоделирован посредством алгоритма аппроксимации (случай 3)). Если MPj для конкретной частоты fj 111-116 основывается на алгоритме аппроксимации, то CDS дополнительно содержит следующее:

информацию о типе алгоритма аппроксимации (например, ступенчатая функция, итеративный алгоритм подгонки на основе конечных точек, и так далее), использованном для приближения нормализованных амплитуд bj,i 141-148 конкретной частоты fj 111-116, и

MPj алгоритма аппроксимации для этой конкретной частоты fj 111-116 также будет содержать пары из одного или более значений амплитуд и соответствующих одной или более временных меток ti 56-60 этой конкретной частоты fj 111-116. Здесь, значения амплитуд могут быть самими одной или более нормализованными амплитудами bj,i 141-146 или средним некоторого количества нормализованных амплитуд bj,i 141-146 этой конкретной частоты fj 111-116.

Частоты, для которых параметры модели были вычислены с использованием алгоритмов аппроксимации, являются fk и соответствующие временные метки, сохраненные в параметрах модели для fk, являются tk.

Чтобы обеспечивать достаточное качество сжатия, как описано выше, сигнал данных D'(nT) снова восстанавливается из набора сжатых данных CDS и сравнивается с исходным сигналом D(nT). Модуль 170 корреляции определяет новый коэффициент корреляции CC посредством сопоставления D'(nT) и D(nT).

На основе определенного CC, можно принимать решение повторять сжатие снова с другими предварительными условиями. В этом случае, вышеупомянутая процедура, начинающаяся с изменения порогового значения Tv с другим коэффициентом допустимого отклонения Tf, повторяется, давая результатом новое распределение и новые параметры модели MPj и т.д.

В заключение, когда CC показывает достаточное сходство между D'(nT) и D(nT), соответствующий набор сжатых данных CDS сохраняется. Так как вместо всех амплитуд aj,i сохраняются только средние значения и/или параметры модели MPj, может достигаться эффективное отношение сжатия.

Модуль 105 спектра и модуль 130 приема спектральных данных могут быть объединены, чтобы формировать одиночный модуль с возможностью выполнения функций обоих модулей 105, 130.

Модуль 150 сравнения, модуль 160 параметров, и модуль 180 корреляции могут быть объединены, чтобы формировать одиночный модуль с возможностью выполнения функций модулей 150, 160, 170.

Блок 100 памяти выполнен с возможностью хранения Di(nT) 66-70, принятых от DAQ 30, промежуточных данных, полученных в течение разных этапов обработки Di(nT) 66-70, посредством вышеупомянутых модулей 105, 130, 140, 150, 160, 170, aj,i 121-126 и fj 111-116, вычисленных из Si(f) 106-110, и так далее.

Упомянутые один или более вышеупомянутых модулей 105, 130, 140, 150, 160, 170 работоспособным образом соединены с процессором 90 и могут реализовываться как независимые модули или как частично объединенные модули или полностью объединенный модуль, при этом процессор 90 сконфигурирован с возможностью соответственно для выполнения соответствующих функций упомянутых одного или более вышеупомянутых модулей 105, 130, 140, 150, 160, 170. Дополнительно, упомянутые один или более модули 105, 130, 140, 150, 160, 170, могут быть соединенными и могут располагаться внутри или вне процессора 90.

Процессор 90 может быть процессором общего назначения, микроконтроллером, цифровым сигнальным процессором, программируемой пользователем вентильной матрицей (FPGA), FPGA с частично динамически перестраиваемой конфигурацией, специализированной интегральной схемой, и комбинацией перечисленного.

Достаточными модулями для достижения цели изобретения являются модуль 130, модуль 140, модуль 150 и модуль 160. Однако устройство обработки сигналов из Фиг. 2 обеспечено дополнительными модулями, т.е. блоком 100 памяти, модулем 105, и модулем 170.

Пример матрицы 128 амплитуд и матрицы 148 нормализованных амплитуд, где NoP=4 и NoS=10, содержащих иллюстративные значения aj,i 121-126 и bj,i 141-146 соответственно, проиллюстрированы на Фиг. 3. Так как NoP равняется "4", соответствующий Tv равняется "0,25". Столбцы матрицы 128 амплитуд и матрицы 148 нормализованных амплитуд несут соответствующие временные метки ti 56-60.

Здесь, для f1, матрица 128 амплитуд содержит иллюстративные значения амплитуд [5, 6, 6, 7, 5, 6, 1, 2, 5, 3], для f2, матрица 128 амплитуд содержит иллюстративные значения амплитуд [54, 56, 52, 54, 52, 58, 59, 55, 53, 51], для f3, матрица 128 амплитуд содержит иллюстративные значения амплитуд [10, 20, 30, 10, 20, 30, 0, 20, 30, 30], и для f4, матрица 128 амплитуд содержит иллюстративные значения амплитуд [20, 5, 25, 30, 23, 5, 24, 6, 23, 5], полученные из иллюстративных десяти спектров S1(f) по S10(f). Соответствующим образом, SF1 равняется 89, SF2 равняется 87, SF3 равняется 113, SF4 равняется 101, SF5 равняется 100, SF6 равняется 99, SF7 равняется 84, SF8 равняется 83, SF9 равняется 111, и SF10 равняется 89. Каждый столбец матрицы 128 амплитуд назначен соответствующей временной метке t1 по t10, сгенерированной из соответствующих D1(nT) по D10(nT).

Здесь, для f1, матрица 148 нормализованных амплитуд содержит иллюстративные значения нормализованных амплитуд [0,06, 0,07, 0,05, 0,07, 0,05, 0,06, 0,01, 0,02, 0,05, 0,03], для f2, матрица 148 нормализованных амплитуд содержит иллюстративные значения нормализованных амплитуд [0,61, 0,64, 0,46, 0,53, 0,52, 0,59, 0,70, 0,66, 0,48, 0,57], для f3, матрица 148 нормализованных амплитуд содержит иллюстративные значения нормализованных амплитуд [0,11, 0,23, 0,27, 0,10, 0,20, 0,30, 0,00, 0,24, 0,27, 0,34], и для f4, матрица 148 нормализованных амплитуд содержит иллюстративные значения нормализованных амплитуд [0,22, 0,06, 0,22, 0,30, 0,23, 0,05, 0,29, 0,07, 0,21, 0,06].

Для f1, можно наблюдать отсюда, что каждое из значений нормализованных амплитуд [0,06, 0,07, 0,05, 0,07, 0,05, 0,06, 0,01, 0,02, 0,05, 0,03] ниже Tv. Поэтому MP1, соответствующий f1, является средним значением (AV) для [0,06, 0,07, 0,05, 0,07, 0,05, 0,06, 0,01, 0,02, 0,05, 0,03], которое равняется "0,047", и первой временной меткой t1.

Для f2, можно наблюдать отсюда, что каждое из значений нормализованных амплитуд [0,61, 0,64, 0,46, 0,53, 0,52, 0,59, 0,70, 0,66, 0,48, 0,57] выше Tv, также как разность между экстремальными значениями ("0,70" и "0,46") равняется "0,24", что ниже Tv. Поэтому MP2, соответствующий f2, является средним значением (AV) для [0,61, 0,64, 0,46, 0,53, 0,52, 0,59, 0,70, 0,66, 0,48, 0,57], которое равняется "0,576", и первой временной меткой t1.

Для f3, можно наблюдать отсюда, что некоторые из значений нормализованных амплитуд [0,11, 0,23, 0,27, 0,10, 0,20, 0,30, 0,00, 0,24, 0,27, 0,34] выше Tv, тогда как другие ниже Tv. Также, разность между экстремальными значениями ("0,30" и "0,00") равняется "0,30", что выше Tv. Поэтому MP3, соответствующий f3, получаются из алгоритма Рамера - Дугласа - Пекера, при этом MP3 составляет [(0,11, t1), (0,3, t6), (0, t7), (0,24, t8), (0,34, t10)].

Для f4, можно наблюдать отсюда, что некоторые из значений нормализованных амплитуд [0,22, 0,06, 0,22, 0,30, 0,23, 0,05, 0,29, 0,07, 0,21, 0,06] выше Tv, тогда как другие ниже Tv. Также, разность между экстремальными значениями ("0,30" и "0,05") равняется "0,25", что равно Tv. Поэтому MP3, соответствующий f4, получаются из алгоритма Рамера - Дугласа - Пекера, при этом MP3 составляет [(0,22, t1), (0,06, t2), (0,3, t4), (0,05, t6), (0,29, t7), (0,07, t8), (0,21, t9), (0,06, t10)].

Поэтому CDS содержит следующее:

вектор частот f1 по f10,

вектор временных меток t1 по t10,

алгебраическую сумму SF1 по SF10 амплитуд каждого спектра S1(f) по S10(f), т.е. [89, 87, 113, 101, 100, 99, 84, 83, 111, 89], и

параметры модели (MP), как показано ниже:

MP1: [(0,047, t1)]

MP2: [(0,576, t1)]

MP3: [(0,11, t1), (0,3, t6), (0, t7), (0,24, t8), (0,34, t10)], и

MP4: [(0,22, t1), (0,06, t2), (0,3, t4), (0,05, t6), (0,29, t7), (0,07, t8), (0,21, t9), (0,06, t10)].

Здесь, f3 и f4 составляют fk, и временные метки t1, t6, t7, t8 и t10 составляют tk для MP3 и временные метки t1, t2, t4, t7, t8, t9 и t10 составляют tk для MP4.

Фиг. 4 изображает иллюстративную матрицу восстановленных амплитуд для восстановления D'(nT) на основе вышеупомянутого CDS. Для каждой частоты fj восстановленная амплитуда частоты fj зависит от типа параметра модели MPj.

В вышеупомянутых случае 1) и случае 2), если частота fj представлена посредством соответствующего MPj, который содержит только среднее значение нормализованных амплитуд частоты fj и первую временную метку t1, то каждая восстановленная амплитуда a'j,i частоты f'j для временной метки ti в матрице восстановленных амплитуд будет генерироваться посредством умножения среднего значения нормализованных амплитуд частоты fj на соответствующую SFi. То есть, восстановленные амплитуды a'j,i частоты f'j будут следующими: [AV*SF1, AV*SF1, ----, AV*SFNoS-1, AV*SFNoS].

В вышеупомянутом случае 3), если частота fj представлена посредством MPj, полученного из алгоритма аппроксимации, например, алгоритма Рамера - Дугласа - Пекера, то каждая восстановленная амплитуда a'j,i частоты fj может генерироваться посредством передачи MPj в модуль обратного алгоритма аппроксимации, в этом случае модуль обратного алгоритма Рамера - Дугласа - Пекера для получения каждой из восстановленной амплитуды a'j,i частоты f'j для каждой из временной метки ti.

Как упомянуто выше, CDS обрабатывается для восстановления матрицы 180 восстановленных нормализованных амплитуд и впоследствии матрицы 190 восстановленных амплитуд частот fj. Посредством вычисления обратного DFT каждого из столбцов матрицы 190 восстановленных амплитуд является возможным построить D'i(nT), т.е. восстановленные частичные сигналы. Посредством непрерывного и последовательного размещения D'i(nT) по отношению к временным меткам, строится D'(nT).

Фиг. 5 изображает резюмирующую блок-схему последовательности операций способа для сжатия D(nT) 65, представляющих A(t) 45.

На этапе 200, принимаются сигналы Di(nT) 66-70 с ti 56-60 и вычисляются соответствующие Si(f) 106-110.

На последующем этапе 210, для каждого из количества NoS спектров Si(f) 106-110, количество NoP амплитуд aj,i 121-126, каждая из которых соответствует каждой из fj 111-116, принимаются и располагаются, как упомянуто выше. Каждый из Si(f) 106-110 обеспечивается временной меткой с помощью соответствующего ti 56-60. Таким образом, создается матрица 128 амплитуд с NoP строк и NoS столбцов, при этом каждый столбец назначен временной метке ti 56-60. Матрица 128 амплитуд может создаваться при обеспечении выводов модуля 105 в модуль 130. Дополнительно, для каждого из Si(f) 106-110, вычисляется соответствующая SFi 135, как упомянуто выше.

На последующем этапе 220, каждый столбец матрицы 128 амплитуд нормализуется, чтобы получать матрицу 148 нормализованных амплитуд, как раскрыто в предшествующих разделах. Матрица 128 амплитуд может обеспечиваться в модуль 140 для получения bj,i 141-146. Для каждого из Si(f) 106-110, соответствующие aj,i 121-126 нормализуются, чтобы получить bj,i 141-146.

На последующем этапе 230, каждая из bj,i 141-146 каждого из Si(f) 106-110 сравнивается с Tv, который пропорционален обратному "NoP", т.е. количественного числа частот fj 111-116 каждого из Si(f) 106-110. Матрица 148 нормализованных амплитуд может обеспечиваться в модуль 150 для сравнения каждой из bj,i 141-146 каждого из Si(f) 106-110 с Tv. Таким образом, распределение bj,i 141-146 по отношению к Tv может получаться и иллюстрироваться.

На последующем этапе 240, для каждой из fj 111-116, распределение bj,i 141-146 частоты fj 111-116 по Si(f) 106-110 принимается для вычисления соответствующего MPj для соответствующей частоты fj 111-116, как описано выше.

На этапе 250, генерируется набор сжатых данных (CDS), как определено выше.

На этапе 260, D'(nT) восстанавливается из CDS. На последующем этапе 270, D'(nT) сопоставляется с D(nT) 65 для получения коэффициента корреляции CC. На основе определенного CC, как объяснено в предшествующих разделах, Tf может изменяться, чтобы изменять пороговое значение Tv. В случае, когда CC показывает, что сходство между D'(nT) и D(nT) не является достаточным, генерируется новое пороговое значение T'v посредством изменения последнего порогового значения Tv. Затем, процедура возвращается на этап 230, при этом каждая из нормализованных амплитуд bj,i 141-146 каждого из спектра Si(f) 106-110 сравнивается с пороговым значением Tv=T'v. В случае, когда CC показывает, что сходство между D'(nT) и D(nT) является достаточным, процедура продолжается на этапе 280.

Коэффициент корреляции CC является обратно пропорциональным коэффициенту допустимого отклонения Tf.

На этапе 280, текущий набор сжатых данных CDS сохраняется или, в зависимости от приложения, дополнительно обрабатывается.

В заключение, D(nT) 65 сжимается, т.е. пространство хранения для хранения информации (амплитуды, частоты и времени), содержащейся в D(nT) 65, в значительной степени уменьшается в силу хранения только CDS в блоке 100 памяти. Впоследствии, является возможным использовать его либо для ссылки, либо также для передачи.

В вышеупомянутом способе для сжатия D(nT) 65, этап 200 и этапы 260, 270 являются необязательными этапами для достижения цели изобретения.

Хотя изобретение было описано со ссылкой на конкретные варианты осуществления, это описание не предназначено, чтобы толковаться в ограничивающем смысле. Различные примеры раскрытых вариантов осуществления, также как альтернативные варианты осуществления изобретения, должны быть ясными для специалистов в данной области техники при обращении к описанию изобретения. Поэтому предполагается, что такие модификации могут делаться без отхода от вариантов осуществления настоящего изобретения, как определены.

СПИСОК ССЫЛОЧНЫХ ПОЗИЦИЙ

10 Система наблюдения состояния

20 Мотор

30 Модуль получения данных

31 Датчик

32 Модуль обработки сигналов

33 Аналогово-цифровой преобразователь

40 Устройство обработки сигналов

45 Зависящий от времени сигнал A(t)

46-50 Множество зависящих от времени частичных сигналов Ai(t)

51-55 Множество временных интервалов Δti

56-60 Множество моментов времени ti (временных меток)

65 Данные D(nT)

66-70 множество частичных сигналов дискретного времени Di(nT)

90 Процессор

100 Блок памяти

105 Модуль спектра

106-110 Множество спектров Si(f)

111-116 Множество частот fj

121-126 Множество амплитуд aj,i

128 Матрица амплитуд

130 Модуль приема спектральных данных

131-135 Сумма частот SFi

140 Модуль нормализации амплитуд

141-146 Множество нормализованных амплитуд bj,i

148 Матрица нормализованных амплитуд

150 Модуль сравнения

160 Модуль параметров

170 Модуль корреляции

180 Матрица восстановленных нормализованных амплитуд

190 Матрица восстановленных амплитуд

200 Этап приема Di(nT) и вычисления Si(f)

210 Этап создания матрицы амплитуд

220 Этап создания матрицы нормализованных амплитуд

230 Этап сравнения матрицы нормализованных амплитуд с порогом

240 Этап обработки нормализованных амплитуд bj,i для вычисления параметров модели MPj

250 Этап генерирования набора сжатых данных

260 Этап построения D'(nT)

270 Этап сопоставления D'(nT) и D(nT)

280 Этап сохранения набора сжатых данных

1. Способ для сжатия данных D(nT) (65), представляющих зависящий от времени сигнал A(t) (45), в котором зависящий от времени сигнал A(t) (45) содержит множество зависящих от времени частичных сигналов Ai(t) (с i=1, 2,..., NoS) (46-50), при этом способ содержит:
- этап (210) приема множества спектров Si(f) (с i=1, 2,..., NoS) (106-110), при этом каждый спектр Si(f) (с i=1, 2,..., NoS) (106-110) однозначно соответствует одному из зависящих от времени частичных сигналов Ai(t) (с i=1, 2,..., NoS) (46-50), при этом каждый спектр Si(f) (с i=1, 2,..., NoS) (106-110) содержит множество частот fj (с j=1, 2,..., NoP) (111-116) и множество амплитуд aj,i (с j=1, 2,..., NoP; с i=1, 2,..., NoS) (121-126) множества частот fj (с j=1, 2,..., NoP) (111-116),
- для каждого спектра Si(f) (с i=1, 2,..., NoS) (106-110) этап (220) нормализации множества амплитуд aj,i (с j=1, 2,..., NoP; с i=1, 2,..., NoS) (121-126) для получения множества нормализованных амплитуд bj,i (с j=1, 2,..., NoP; с i=1, 2,..., NoS) (141-146),
- для каждой частоты fj (с j=1, 2,..., NoP) (111-116) этап (250) обработки нормализованных амплитуд bj,i (с j=1, 2,..., NoP; с i=1, 2,..., NoS) (141-146) частоты fj (с j=1, 2,..., NoP) (111-116) на основе распределения нормализованных амплитуд bj,i (с j=1, 2,..., NoP; с i=1, 2,..., NoS) (141-146) частоты fj (с j=1, 2,..., NoP) (141-146) по отношению к пороговому значению (Tv) для определения одного или более соответствующих параметров модели (MPj) (с j=1, 2,..., NoP) для представления распределения нормализованных амплитуд bj,i (с j=1, 2,..., NoP; с i=1, 2,..., NoS) (141-146), и
- этап (250) генерирования набора сжатых данных (CDS), содержащего, по меньшей мере, упомянутые один или более параметров модели (MPj) (с j=1, 2,..., NoP) и частоту fj (с j=1, 2,..., NoP) (111-116).

2. Способ по п.1, в котором для каждого частичного сигнала Ai(t) (с i=1, 2,..., NoS) (46-50) генерируется временная метка ti (с i=1, 2,..., NoS) (56-60), при этом временная метка ti (с i=1, 2,..., NoS) (56-60) представляет момент времени, в который частичный сигнал Ai(t) (с i=1, 2,..., NoS) (46-50) был получен.

3. Способ по п.2, в котором, для каждой частоты fj (с j=1, 2,..., NoP) (111-116), в случае, когда каждая нормализованная амплитуда bj,i (с j=1, 2,..., NoP; с i=1, 2,..., NoS) (141-146) частоты fj (с j=1, 2,..., NoP) (111-116) меньше, чем пороговое значение (Tv),
- соответствующий параметр модели (MPj) (с j=1, 2,..., NoP), определенный посредством этапа (250) обработки, содержит среднее значение (AV) нормализованных амплитуд bj,i (с j=1, 2,..., NoP; с i=1, 2,..., NoS) (141-146) частоты fj (с j=1, 2,..., NoP) (111-116), и
- набор сжатых данных (CDS) дополнительно содержит временную метку t1.

4. Способ по п.2, в котором, для каждой частоты fj (с j=1, 2,..., NoP) (111-116), в случае, когда разность между экстремальными значениями нормализованных амплитуд bj,i (с j=1, 2,..., NoP; с i=1, 2,..., NoS) 141-146 частоты fj (с j=1, 2,..., NoP) (111-116) меньше, чем пороговое значение (Tv),
- соответствующий параметр (MPj) (с j=1, 2,..., NoP), определенный посредством этапа (250) обработки, содержит среднее значение (AV) нормализованных амплитуд bj,i (с j=1, 2,..., NoP; с i=1, 2,..., NoS) (141-146) частоты fj (с j=1, 2,..., NoP) (111-116), и
- набор сжатых данных (CDS) дополнительно содержит временную метку t1.

5. Способ по п.1, в котором, для каждой частоты fj (с j=1, 2,..., NoP) (111-116), в случае, когда
- по меньшей мере, одна из нормализованных амплитуд bj,i (с j=1, 2,..., NoP; с i=1, 2,..., NoS) (141-146) частоты fj (с j=1, 2,..., NoP) (111-116) не меньше, чем пороговое значение (Tv), и
- разность между экстремальными значениями нормализованных амплитуд bj,i (с j=1, 2,..., NoP; с i=1, 2,..., NoS) (141-146) частоты fj (с j=1, 2,..., NoP) (111-116) не меньше, чем пороговое значение (Tv),
этап (250) обработки выполняет алгоритм аппроксимации для моделирования распределения нормализованных амплитуд bj,i (с j=1, 2,..., NoP; с i=1, 2,..., NoS) (141-146), при этом упомянутые один или более параметров модели (MPj) (с j=1, 2,..., NoP) являются результирующими параметрами модели алгоритма аппроксимации.

6. Способ по п.5, в котором, для тех частот fk, для которых на этапе (250) обработки был выполнен алгоритм аппроксимации для моделирования распределения нормализованных амплитуд, набор сжатых данных (CDS) дополнительно содержит соответствующие временные метки tk (с i=1, 2,..., NoS).

7. Способ по п.5 или 6, в котором алгоритм аппроксимации является полиномиальной подгонкой.

8. Способ по п.5 или 6, в котором алгоритм аппроксимации является ступенчатой функцией.

9. Способ по п.5 или 6, в котором алгоритм аппроксимации является итеративным алгоритмом подгонки на основе конечных точек.

10. Способ по любому из пп.1-9, в котором набор сжатых данных (CDS) дополнительно содержит для каждого спектра Si(f) (с i=1, 2,..., NoS) (106-110) сумму SFi (с i=1, 2,..., NoS) (131-135) множества амплитуд aj,i (с j=1, 2,..., NoP; с i=1, 2,..., NoS) (121-126).

11. Способ по п.1, в котором на этапе (250) обработки пороговое значение (Tv) является пропорциональным:
- обратному количественного числа (NoP) множества частот fj (с j=1, 2,..., NoP) (111-116) и
- коэффициенту допустимого отклонения (Tf).

12. Способ по п.1, дополнительно содержащий:
- после этапа (250) обработки, этап (270) построения восстановленных данных D'(nT) посредством обработки набора сжатых данных (CDS),
- этап (260) определения коэффициента корреляции (CC) посредством сопоставления данных D(nT) (65) и восстановленных данных D'(nT),
и, в ответ на коэффициент корреляции (CC), этап повторения этапа (240) обработки и этапа (250) генерирования набора сжатых данных (CDS), при этом на этапе () обработки пороговое значение (Tv) является пропорциональным
- обратному количественного числа (NoP) множества частот fj (с j=1, 2,..., NoP) (111-116) и
- коэффициенту допустимого отклонения (Tf).

13. Устройство (40) обработки сигналов, сконфигурированное с возможностью сжимать данные D(nT) (65) согласно любому из способов по пп. 1-11, при этом устройство (40) обработки сигналов содержит:
- модуль (130) приема спектральных данных для приема множества спектров Si(f) (с i=1, 2,..., NoS) (106-110),
- модуль (140) нормализации амплитуд для нормализации множества амплитуд aj,i (с j=1, 2,..., NoP; с i=1, 2,..., NoS) (121-126) для каждой из множества частот fj (с j=1, 2,..., NoP) (111-116) каждого из множества спектров Si(f) (с i=1, 2,..., NoS) (106-110) для получения множества нормализованных амплитуд bj,i (с j=1, 2,..., NoP; с i=1, 2,..., NoS) (141-146),
- модуль (150) сравнения для сравнения каждой из множества нормализованных амплитуд bj,i (с j=1, 2,..., NoP; с i=1, 2,..., NoS) (141-146) с пороговым значением (Tv),
- модуль (160) параметров для обработки нормализованных амплитуд bj,i (с j=1, 2,..., NoP; с i=1, 2,..., NoS) (141-146) частоты fj (с j=1, 2,..., NoP) (111-116) на основе распределения нормализованных амплитуд bj,i (с j=1, 2,..., NoP; с i=1, 2,..., NoS) (141-146) каждой частоты fj (с j=1, 2,..., NoP) (141-146) по отношению к пороговому значению (Tv) для определения упомянутых одного или более соответствующих параметров (MPj) (с j=1, 2,..., NoP) для представления распределения нормализованных амплитуд bj,i (с j=1, 2,..., NoP; с i=1, 2,..., NoS) (141-146), и
- блок (100) памяти для хранения набора сжатых данных (CDS).

14. Устройство (40) обработки сигналов по п.13, дополнительно содержащее:
- модуль (170) корреляции для определения коэффициента корреляции (CC) между данными D(nT) (65) и восстановленными данными D'(nT).

15. Устройство (40) обработки сигналов по п.13, дополнительно содержащее:
- модуль (105) спектра для приема каждого из зависящих от времени частичных сигналов Ai(t) (с i=1, 2,..., NoS) (46-50) для вычисления соответствующего спектра Si(f) (с i=1, 2,..., NoS) (106-110).



 

Похожие патенты:

Изобретение относится к вычислительной технике. Технический результат заключается в снижении затрат памяти и вычислительных затрат для сжатия данных.

Изобретение относится к средствам кодирования и декодирования звука. Технический результат заключается в повышении четкости аудиосигнала, получаемого в результате декодирования.

Изобретение относится к области обработки, хранения и передачи команд телекодового управления в комплексах оконечной связи. Технический результат - повышение надежности, достоверности и информационной безопасности команд телекодового управления.

Изобретение относится к технике связи и предназначено для кодирования и декодирования сигналов. Технический результат - повышение точности кодирования и декодирования сигналов.

Изобретение относится к средствам преобразования сигнала активации с деформацией по времени. Технический результат заключается в увеличении скорости битрейта.

Изобретение относится к области обработки цифровых изображений. Технический результат - обеспечение увеличения быстродействия и эффективности сжатия изображений, устранение потери целостности изображения и сохранение контрастности границ между различными объектами изображения.

Изобретение относится к кодированию с предсказанием информационного сигнала. Технический результат - повышение точности кодирования с предсказанием информационного сигнала и обеспечение возможности лучшего поддержания качества сигнала.

Изобретение относится к средствам кодирования акустического сигнала. Технический результат заключается в повышении эффективности кодирования акустических сигналов при кодировании на низкой битовой скорости.

Изобретение относится к кодированию аудиосигнала, в частности к передаче длины элемента кадра. Технический результат - повышение точности кодирования аудиосигнала.

Изобретение относится к вычислительной технике. Технический результат заключается в исключении распространения ошибок при восстановлении значений.
Наверх