CC BY
51
DOI: 10.18454/2079-6641-2015-11-2-82-87
УДК 004.93+519.688
алгоритм для автоматического распознавания свистящих атмосфериков в режиме реального
времени
Е.А. Малыш
Камчатский государственный университет им. Витуса Беринга, 683032, г. Петропавловск-Камчатский, ул. Пограничная, 4 E-mail: [email protected]
Описывается алгоритм автоматического распознавания свистящих атмосфериков, основанный на нелинейном преобразовании спектрограммы ОНЧ-сигнала. В преобразованной спектрограмме графическим образом вистлера является прямая, распознавание которой является алгоритмически несложной задачей. Тестирование программной реализации алгоритма показало, что распознавание может вестись в режиме реального времени.
Ключевые слова: свистящие атмосферики (вистлеры), грозовые разряды, распознавание образов, автоматическое детектирование вистлеров
(с) Малыш Е.А., 2015
MSC 68Т10+86А25
the algorithm for the automatic detection of the whistlers in the real-time mode
Е.А. Malysh
Kamchatka State University by Vitus Bering, 683032, Petropavlovsk-Kamchatskiy, Pogranichnaya st., 4, Russia E-mail: [email protected]
This is the description of the whistlers automatic detection algorithm, based on the nonlinear transformation of the spectrogram VLF signal. In the converted spectrogram the whistler graphic is presented by a straight line, detection of which is algorithmically simple task. The testing of the program implementation of the algorithm showed that a detection can be managed in the real-time mode.
Key words: whistlers, lightning discharge, pattern recognition, automatic detection of whistlers.
© Malysh E.A., 2015
Введение
Свистящие атмосферики (вистлеры) - особые радиосигналы диапазона очень низких частот (ОНЧ), возникающие в результате распространения электромагнитного импульса грозового разряда в плазмосфере Земли вдоль силовой трубки магнитного поля.
Волна, образованная импульсным излучением, уходит в магнитосферу Земли и возвращается обратно в магнитно-сопряженную точку, где она и может быть зарегистрирована. Траектории движения таких волн показаны на рисунке 1.
Рис. 1. Траектории движения свистящего атмосферика (сплошные линии) и силовые трубки магнитного поля Земли (пунктирные линии).
Во время движения вистлер претерпевает частотную дисперсию: сначала приходят высокочастотные составляющие сигнала, затем, с нарастающим запаздыванием, более низкие частоты. Вид дисперсионных кривых при этом существенно зависит от состояния плазмосферы, в частности от электронной концентрации, что делает вистлер естественным индикатором состояния плазмосферы Земли. В связи с этим исследование вистлеров является актуальной задачей для изучения космической погоды [5].
Графические образы вистлеров в спектрограммах ОНЧ-сигнэлов
Свистящий атмосферик ясно различим только на динамическом спектре сигнала. Непосредственным образом вистлера в динамическом спектре является кривая линия саблеобразной формы, распознавание которой затруднительно в связи с ее сложной геометрической формой (рис. 2). Акустическим образом такого сигнала является свист, от которого и пошло название «свистящий атмосферик».
На Камчатке на станциях ИКИР ДВО РАН проводятся работы по регистрированию вистлеров при помощи ОНЧ-пеленгатора, разработанного сотрудниками института. Сигнал, полученный с оборудования, проходит предобработку и сохранятся в виде wav файла, длительностью 15 минут.
Рис. 2. Характерный вид вистлеров в спектрально временной диаграмме. Одиночный вистлєр наверху, группа вистлеров внизу.
При этом для обработки потоков вистлеров в режиме реального времени необходима надежная автоматизированная система распознавания вистлера в спектрально временной диаграмме сигнала [2].
В настоящий момент в ИКИРє существует система распознавания, основанная на нейронных сетях и сопоставлении с сигналом эталоном [4]. Однако время распознавания в этой системе не позволяет вести работу в режиме реального времени. Поэтому потребовалась разработка нового алгоритма распознавания вистлера в сигнале ОНЧ диапазона.
Описание алгоритма
Идея алгоритма заключается в нелинейном преобразовании координатных осей, цель которого - выпрямление кривой вистлера в новых координатах. Формулы этого преобразования рассчитываются на основе теории распространения вистлеров в магнитосфере [1]. Распознавание "выпрямленного" вистлера является алгоритмически более простой задачей и оно более устойчиво в вычислительном отношении. После распознавания, параметры вистлера пересчитываются назад в исходные координаты.
В общем виде алгоритм состоит из следующих этапов (рис. 3):
Рис. 3. Блок-схема алгоритма распознования вистлера в сигнале ОНЧ диапазона.
1. «Фильтрация сигнала».
На вход алгоритма поступают 3 массива: массив частоты F(fj), j = 1,...,n, массив времени T(ti),i = 1,...,к, и массив амплитуды A(ti, fj). Фильтрация состоит из 2 основных этапов:
Этап 1. Все точки массива амплитуд, частота которых ниже 1 кГц и выше 7 кГц обнуляются.
Этап 2. Пробегая по всем значениям массива амплитуд A (ti, fj), выбираем максимум. Далее находим некоторый процент от этого максимума и оставляем только те точки, которые его превышают (A(ti,fj) = 1). Все остальные точки обнуляются. Таким образом, у нас появляется отфильтрованный массив, который содержит значения «0» и «1», где «0» это выброшенные точки, а «1» это точки, оставшиеся после фильтрации. Процент определяется эмпирически. Таким образом, из графика будут выброшены точки, соответствующие фоновому шуму (рис. 4).
Рис. 4. Слева - исходный сигнал, справа - сигнал после фильтрации, белым цветом показаны оставшиеся точки.
2. «Преобразование системы координат».
Известна следующая зависимость принимаемой в данный момент частоты от времени [1]:
D
'-t0 = —f
(1)
0 04 0.02
q L........і.........і....і...............j..................і........Л..........і
О 0.5 1 1.5 2 2.5 3 3.5 4
Time, sec
Рис. 5. Образ вистлера системе координат (t, — ).
f
Здесь to - момент появления сигнала. Тогда в системе координат (t, — ) вистлерам
f
должны соответствовать прямые линии, наличие которых и нужно далее распознать
(рис. 5). На этом этапе преобразуем массив F(fj) в новый массив Fnew = — . Далее
і
создаем массив размерностью P для хранения координат отфильтрованных точек. Таким образом, остаются только отдельно стоящие точки, количество которых намного меньше, чем в исходном массиве.
3. «Поиск вистлера/вистлеров».
В новой системе координат будем перебирать все оставшиеся точки (ti, — ), где
fi
i = 1 ...P. Для каждой точки будем рассчитывать расстояние D от начала координат до прямой, проведенной через эту точку и лежащей под определенным углом ф є [0;90] (рис. 6, а).
D
sin ф^
cos ф
7fT
(2)
Далее находим расстояние до самой удаленной точки Dmax и любое из найденных расстояний D не будет превышать расстояния до Dmax (рис. 6, б).
D
max
T (tk )2 + Fnew(
2
(3)
Подєлим отрезок [0;Dmax] на s равных сегментов и будем определять, в какой сегмент попало расстояние D. Создадим двумерный массив N(ф,s), первое значение которого - это текущий угол ф, второе- текущий сегмент (т.е. сегмент, в который попало расстояние D). Для конкретных значений угла и сегмента будем увеличивать счєтчик попаданий (N(ф,s) + +). Таким образом, в массиве N(ф,s) будет храниться информация о количестве точек, прямые к которым проведены под конкретным углом ф и расстояния до этих прямых попали в конкретный сегмент s. Расчет основан на том, что точки, лежащие на одной прямой, имеют одинаковый угол наклона и одинаковое расстояние от начала координат до этой прямой.
Далее анализируем полученный массив: если в массиве есть явно выраженный максимум - делаем вывод о существовании вистлера; если максимумов несколько -в сигнале присутствует несколько вистлеров; если максимума нет, то можно сделать вывод, что вистлер в сигнале отсутствует (рис. 7).
Рис. 7. Анализ полученного массива, присутствие максимума в точке (0,18).
Значение максимума является пороговым значением, которое определяется эмпирически.
4. «Переход к «кривой».
После сделанных выводов переходим в исходную систему координат.
Заключение
Такова, в общих чертах, идея алгоритма распознавания. Данный алгоритм реализован в виде программного комплекса. Сейчас ведутся работы по тестированию разработанной программы на реальных сигналах ОНЧ диапазона. Реализация данного алгоритма показала, что была достигнута поставленная задача: распознавание образов свистящих атмосфериков в режиме реального времени. Тестирование показало, что время обработки 15 минутного файла составляет 4.5 минуты. Далее предполагается оптимизация данного программного комплекса с целью уменьшения времени обработки сигналов.
Автор благодарит сотрудников ИКИР ДВО РАН к.ф.-м.н. Н.В. Черневу и Д.В. Санникова за любезно предоставленные данные ОНЧ-радиосигналов.
Библиографический список
1. Б.Н. Гершман, В.А. Угаров Распространение и генерация низкочастотных электромагнитных волн в верхней атмосфере // Успехи физических наук, Т. LXXII, вып.2 1960. С. 235-270.
2. Чернева Н.В., Водинчар Г.М., Сивоконь В.П., Мельников А.Н., Санников Д.В., Агранат Е.В. Корреляционный анализ потоков свистящих атмосфериков и грозовых разрядов // Вестник КРАУНЦ. физико-математические науки. 2013. №2(7). С. 59-67.
3. Чернева Н. В., Агранат И.В., Сивоконь В.П., Водинчар Г.М., Liehtenberger J. Сопоставление свистящих атмосфериков с грозовой активностью //Солнечно-земные связи и физика предвестника землетрясений, сборник тезисов и докладов VI международной конференции. 2013. С. 217-221.
4. Агранат И.В. Автоматическое детектирование свистящих атмосфериков// Природная среда Камчатки: материалы XI региональной молодежной научной конференции 16 апреля 2012 г. С. 89-100.
5. J. Liehtenberger A new whistler inversion method // Journal of geophysical research, vo1.114. 2009.
Поступила в редакцию / Original article submitted: 09.11.2015
