Rekonstrukcja zaszumionego sygnału sinusoidalnego na podstawie niewielkiej liczby próbek za pomocą algorytmu ewolucyjnego

pol Artykuł w języku polskim DOI:

wyślij Piotr Kardasz Wydział Elektryczny, Politechnika Białostocka

Pobierz Artykuł

Streszczenie

Artykuł przedstawia przykład wykorzystania algorytmu ewolucyjnego w celu rekonstrukcji zakłóconego szumem białym sygnału sinusoidalnego na podstawie niewielkiej liczby losowo pobranych próbek tego sygnału. Wyniki eksperymentu pokazują, że proponowany algorytm ewolucyjny jest w stanie zidentyfikować z dużą dokładnością parametry badanego sygnału nawet przy dużej mocy zakłócającego szumu (SNR = 0 dB). Zbadane zostało również zachowanie się proponowanego algorytmu, jego zbieżność i dokładność otrzymanych wyników w zależności od parametrów rekonstruowanego sygnału. Zarysowane zostały również kierunki dalszych badań.

Słowa kluczowe

algorytm ewolucyjny, rekonstrukcja sygnału

Reconstruction of noisy sinusoidal signal based on limited number of samples using an evolutionary algorithm

Abstract

The paper presents an experiment involving the use of an evolutionary algorithm to reconstruct the sine wave signal with white noise added based on limited number of its random samples. The experimental results show that such an algorithm is able to identify the test signal with a high accuracy even when the noise level is high (SNR = 0 dB). The behavior of the algorithm used is examined, the convergence and accuracy of results are tested, depending on the parameters of the reconstructed signal. The directions for further research are outlined.

Keywords

evolutionary algorithm, signal reconstruction

Bibliografia

  1. Romberg J., Wakin M., Compressed Sensing: A Tutorial, IEEE Statistical Signal Processing Workshop, Madison, Wisconsin 2007.
  2. Zieliński T. P., Cyfrowe przetwarzanie sygnałów, Wydawnictwa Komunikacji i Łączności, Warszawa 2005.
  3. Arabas J., Wykłady z algorytmów ewolucyjnych, Wydawnictwa Naukowo-Techniczne, Warszawa 2001.
  4. Goldberg D. E., Algorytmy genetyczne i ich zastosowania, Wydawnictwa Naukowo-Techniczne, Warszawa, 2003.
  5. Yunyun J., Zhen Y., A distributed compressed sensing approach for speech signal denoising, “Journal of Electronics (China)”, vol. 28, No. 4/5/6 (November 2011), 509-517.
  6. Nielsen J. K., Christensen M. G., Jensen S. H., On compressed sensing and the estimation of continuous parameters from noisy observations, 2012 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 3609-3612.
  7. Hong S., Direct Spectrum Sensing from Compressed Measurements, Military Communications conference, 2010 – MILCOM 2010, 1187-1192.
  8. Xiao Yu Z., Li C.S., Compressive Sensing SAR Range Compression with Chirp Scaling Principle, Science China Information Science, Vol. 55, No. 10/2012, 2292-2300.