Россия
Россия
Описывается эксперимент по выделению полезного сигнала из коррелированного (сигнал + шум) с помощью метода адаптивной фильтрации, производится его оценка и возможность применения для предварительной обработки сигнала в акустических методах определения утечек в системе трубопроводов. Полученные результаты показали, что метод адаптивной фильтрации может быть использован в акустических методах определения утечек в системах трубопроводов.
адаптивная фильтрация, сигнал, шум, утечка, трубопровод
1. Алехин М.Ю., Янченко А.Ю., Крымский В.В. О прогнозировании экономического ущерба от чрезвычайных ситуаций // Науч.-аналит. журн. «Вестник С.-Петерб. ун-та ГПС МЧС России». 2012. № 2. С. 84–88. EDN PGEXBP.
2. Скрыпникова О.И., Щетка В.Ф. Сравнительный анализ методов оценки рисков аварий на объектах транспортировки нефтепродуктов // Науч.-аналит. журн. «Вестник С.-Петерб. ун-та ГПС МЧС России». 2022. № 4. С. 20–33. EDN MQNDXP.
3. Таранчук Е.А., Григорян А.Н. Теоретические и практические аспекты инновационного развития в Российской федерации // Науч.-аналит. журн. «Вестник С.-Петерб. ун-та ГПС МЧС России». 2016. № 2. С. 96–100. EDN WAZPCF.
4. Акимова Н.В. Дистанционное обнаружение течей в трубопроводах // Гео-Сибирь. 2009. Т. 2. С. 137–142. EDN PFSFIX.
5. Белый В.Л. Комбинированная система улучшения разборчивости аудио сигнала в агрессивной шумовой среде // Компьютерные системы и сети: материалы 50-й Науч. конф. аспирантов, магистрантов и студентов, Минск: Белорусский гос. ун-т информ. и радиоэлектрон., 2015. С. 190–192.
6. NOIZEUS: A noisy speech corpus for evaluation of speech enhancement algorithms. URL: http://ecs.utdallas.edu/loizou/speech/noizeus/ (дата обращения: 17.10.2023).
7. Каламбет Ю.А., Козьмин Ю.П., Самохин А.C. Фильтрация шумов. Сравнительный анализ методов // Аналитика. 2017. № 5 (36). С. 88–101. DOI:https://doi.org/10.22184/2227-572X.2017.36.5.88.101. EDN ZIVVAJ.
8. Абитов Р.Н., Селюгин А.С., Низамова А.Х. Проблемы надежности работы водопроводных сетей населенных пунктов // Энергосбережение и водоподготовка. 2022. № 5. С. 9–14. EDN WWSZZS.
9. Haykin S. Adaptive Filter Theory. Pearson Education India, 2002.
10. Regalia P. Adaptive IIR filtering in signal processing and control. Routledge, 2018. DOI:https://doi.org/10.1201/9781315136653.
11. Коробков А.А., Осипова О.С. Оценка качества фильтрации в зависимости от характеристик входного сигнала адаптивного фильтра // Новые технологии, материалы и оборудование авиакосмической отрасли: материалы Всерос. науч.-практ. конф. с междунар. участием. 2016. C. 548–552. EDN WMXKOX.
12. Andrew Ng. CS294A Lecture Notes. Sparse autoencoder. Stanford. URL: http://web.stanford.edu/class/cs294a/sparseAutoencoder.pdf (дата обращения: 23.10.2023).
13. Сергиенко А.Б. Цифровая обработка сигналов: учебник для вузов. 2-е изд. СПб.: Питер, 2006.
14. Paulo S.R. Diniz Adaptive Filtering. Springer Nature Switzerland AG, 2020.
15. Сергиенко А.Б. Алгоритмы адаптивной фильтрации: особенности реализации в MATLAB // Экспонента Про. Математика в приложениях. 2003. № 1. С. 18–28. EDN TAXZCF.
16. Будылдина Н.В., Трухин М.П. Анализ методов адаптивной фильтрации слабых сигналов на фоне мощных помех // Компьютерный анализ изображений: Интеллектуальные решения в промышленных сетях (CAI-2016): сб. науч. трудов по материалам I Междунар. конф. / под общ. ред. А.Г. Тягунова. Екатеринбург: Изд-во УМЦ УПИ, 2016. С. 153–154. EDN XWSMXL.
