Hallo Zusammen, ich habe hier eine Aufgabenstellung bei der ich mich freuen würde, wenn ich Informationen zum sinnvollen Vorgehen bekommen könnte. Vielleicht ist diese Aufgabenstellung so oder so ähnlich auch in anderen Fällen relevant. Ausgangssituation: Es wird ein Signal eines Beschleunigungsaufnehmer gesampelt (2kHz) welches aus 2 Anteilen besteht: -) kontinuierliches Signal mit stochastischem Rauschen und Signalspitzen (um diese geht es letztlich) -) periodisches Rauschen mit der Periode x (ca. 1s, aber nicht immer gleich) Randbedingung: - Frequenzbereich des Nutzsignals und des Störsignals in etwas identisch. D.h. mit einer FFT kann ich die beiden Anteile nicht trennen (denke ich zumindest) - SV erfolgt bist jetzt komplett in Python, MatLab steht (leider) nicht zur Verfügung. Aufgabe: Ich würde gerne die Aussagekraft des Nutzsignals verbessern, indem ich den Anteil des periodischen Rauschens aus dem Zeitbereich entferne/ reduziere. Gibt es dort Filter im Zeitbereich die man dafür sinnvoll einsetzen kann? Danke&Gruß
Suchbegriff "adaptive filter dsp" Man muss das gestörte Signal und ein "Muster" des gewünschten Signals oder der Störung eingeben. Die digitale Signalbearbeitung kann dann vor allem periodische Signale unterdrücken. So etwas gibt es für den Funkempfang fertig zu kaufen, oft im Lautsprecher eingebaut. Störendes Pfeifen wird ausgelöscht. https://www.wimo.com/de/catalogsearch/result/index/?p=2&product_list_limit=25&q=lautsprecher+dsp&product_list_order=price_asc Ich habe einen solchen Lautsprecher der ersten Generation. Darin arbeitet ein kleiner Fixkomma-DSP von Analog Devices, an den Parametern kann man nichts verändern..
Für Python gibt es Zusatzpakete, da scheint etwas zu existieren: https://pypi.org/project/adaptfilt/ https://pypi.org/project/padasip/ Suchbegriff "adaptive filter" python das ist aber alles "offline" Ebenfalls in Python sind viele Gnuradio-Module programmiert, zum Thema: https://github.com/karel/gr-adapt https://www.gnuradio.org/doc/sphinx-3.7.0/filter/filter_blk.html Gnuradio kann "live" Signale filtern.
Ok, viele Dank schon mal für die Antworten. -) offline ist kein Problem. -) Aber eine wesentliche Herausforderung ist ja, den periodischen Anteil zu identifizieren. Das ist mir noch nicht so klar wie ich das angehen soll... Danke&Gruß
Meine älteste Literaturstelle ist von 1995, (anscheinend zwei finnische Witzbolde, die sich als Großfirma ausgeben "Alef Null International Signal Processing Division", aber der Text ist seriös): https://www.tapr.org/pdf/doc1.pdf https://www.tapr.org/pdf/doc2.pdf leider in zwei Hälften geteilt, das Kapitel ist genau an der Trennstelle ab PDF-Seite 34 im ersten Teil: "QRM and QRN reduction filters" QRM ist die Amateurfunkabkürzung für "man made noise" das andere natürliche Störquellen. Den Quelltext in DSP56000-Assembler müsste ich auch noch irgendwo haben, da kann man vielleicht die praktische Realisierung besser sehen. Die Software wurde später noch auf das Motorola Evaluationsboard übertragen: ftp://ftp.tapr.org/dsp/Motorola/dsp56002/evm56k/TAPR_evmri/OpManDraft_04 .pdf aber der Link hier ist tot, kein Wunder nach so langer Zeit.
Hier die Software zur Alef Null DSP Card 4 https://www.arrl.org/files/file/Technology/tis/info/pdf/9609x008.pdf Der QEX-Artikel von KC7WW zum "Denoiser", PDF-Seiten 7-9 darin noch eine ältere Literaturangabe aus derselben Zeitschrift Reyer, S. E., and Hershberger, D., “Using the LMS Algorithms for QRM and QRN Reduction,” QEX, September 1992, pp 3-8. Die Software zum Artikel von KC7WW ist noch vorhanden: http://www.arrl.org/qexfiles -> 1996 -> QEXASP.ZIP "Source for DSP-based audio processor". Das File LMS.DSP enthält den Quellcode für "LMS noise reduction / Wiener autonotcher" mit einem DSP-Kit von Analog Devices. https://d1.amobbs.com/bbs_upload782111/files_26/ourdev_534479.pdf Ein Kapitel aus einem ARRL-Handbook. Ab Seite 18.29 sind "INTERFERENCE-REDUCTION TECHNIQUES" ausführlich erklärt. https://web.archive.org/web/20100504150450/www.johanforrer.net/EVM/article.html die Version für das Motorola DSP56002 EVM ebenfalls von Johan Forrer, Artikel aus QEX 8/95, nur noch im Webarchiv zu finden.
Haenge doch mal ein CSV mit solchen Daten an und vllt auch einen Plot und einen Plot der FFT. Ich glaube, ohne ein Bild des Signals vor Augen ist es schwer da zu beraten. Das mit dem gleichen Frequenzbereich verstehe ich nicht. Wenn dein Nutzsignal kurze Spikes sind, sind diese relativ breitbandig und eine nahezu periodische Stoerung per Notch-Filter auf die FFT zu entfernen (zum Beispiel) sollte ausser ein bisschen Ringing kaum was ausmachen. Ausserdem waere es interessant, was du von dem Signal eigentlich wissen willst. Es geht ja bei der Datenverarbeitung nicht darum, optisch schoene Graphen zu produzieren, sondern bestimmte Eigenschaften des Signals moeglichst korrekt zu bestimmen. Was also willst du wissen -- Amplitude, genauer Zeitpunkt, Integral ...?
Ich habe ein csv erstellt (1.Sp. Abtastinkrement, 2.Spalte m/s²). Das Signal stammt von einer Metallscheibe mit Radius r, die ein unendliches Metallband abtastet. Beide Teile sind mit Störungen behaftet (Scheibe mit Rauschen mit Periode (r*pi), das Band mit stochastischem Rauschen). Detektieren möchte ich die Peaks in dem Signal, wobei der Detektionsalgorithmus dafür fertig ist und funktioniert. Mich würde einfach interessieren ob es sich lohnt zu versuchen, das Ausgangssignal zu "entrauschen", um die Qualitität der Detektion zu verbessern.
Angehängte Dateien:
-
Figure_1.png
(21 KB)
Hm, wirkt ein bisschen so, als ob die Stoerungen hauptsachlich von irgendwelchen Resonanzen kommen (z.B. Durchmesser des Rads durch Schallgeschwindigkeit oder so)? Das Signal sieht fuer mich so aus, als ob es dieselben Resonanzen anregt -- ich vermute, es handelt sich bei dem Signal um Unebenheiten auf dem Band? So oder so, ich persoenlich sehe keine einfache Moeglichkeit, da irgendwas zu verbessern.
Im Prinzip, ja. Die Peaks sind eindeutige Stellen auf dem Band, deren Position über ein Korrelationsintegral bestimmt wird. Das Rad weist leider ein stark modales Verhalten auf was sich auch nicht ändern lässt.
Matthias S. schrieb: > deren Position über ein Korrelationsintegral Ja das klingt gut. Ich glaube nicht, dass bei dieser Verarbeitungsmethode durch preprocessing viel zu holen ist.
Gast
#6522360
"Periodischen Rauschsignal", ich krieg die Krise. Rauschen ist per se unkorreliert, wenn es periodisch ist, ist es ein Stoersignal.
Gast
#6522459
Na dann schau mal nach, wie in den unterschiedlichsten Bereichen Rauschen definiert ist.
Naja, diese Aussage ist denke ich falsch. Es gibt sehr wohl stochastische Signale, die periodisch sind und die - vielleicht etwas flapsig - als Rauschen bezeichnet werden. Und ich möchte es ja auch nicht korrelieren, sondern entfernen um die Aussagekraft der Korrelation des Nutzsignals robuster zu kriegen.
Antwort schreiben
Bitte melde dich an, um einen Beitrag zu schreiben.