Иванов В., Мальцев А., Рябова Н.
advertisement
123 ФИЛЬТРАЦИЯ СТАНЦИОННЫХ ШУМОВ НА ИОНОГРАММАХ НАКЛОННОГО ЗОНДИРОВАНИЯ С ИСПОЛЬЗОВАНИЕМ МЕТОДА КАННИ1 В.А. Иванов2, А.В. Мальцев2, Н.В. Рябова2 1 МарГТУ, 424000, г. Йошкар-Ола, пл. Ленина 3, т. (8362)686012, e-mail: nvr@marstu.mari.ru В статье представлен метод фильтрации ионограмм наклонного зондирования ионосферы Земли от станционных помех с использованием методов обработки изображений: детектора границ Канни и морфологических алгоритмов обработки. Введение В последнее время в Российской Федерации и за рубежом для научных исследований ионосферы и распространения радиоволн декаметрового диапазона стали активно использоваться наклонные ионозонды с непрерывным линейно-частотномодулированным (ЛЧМ) сигналом. Передатчик ионозонда непрерывно излучает ЛЧМ сигнал, который проходя через ионосферный канал претерпевает изменения. Данные изменения связаны с неоднородностью ионосферного канала и влияют на уровень сигнала, его время запаздывания и частотные характеристики. В приемнике сигнал разбивается на элементы, которые подвергаются сжатию в частотной области. Элементы обладают достаточно большой базой порядка 105-106, что усложняет процесс аппаратной обработки сигналов. В результате сжатия каждого из элементов получается спектр, представляемый в виде вектора-столбца. Матрица, состоящая из упорядоченного по времени множества векторов-столбцов, образует ионограмму. Таким образом, ионограмма представляет упорядоченные, примыкающие друг к другу векторыстолбцы, полученные в результате сжатия каждого из элементов сигнала. Ионограмма является 3-х мерным графиком. Полученные ионограммы обрабатываются с целью выделения полезного сигнала и получения характеристик ионосферы и ионосферных каналов. В последние годы усилия концентрируется на автоматизации 1 процесса обработки. Ионограмма содержит как полезный сигнал, изображение которого может быть представлено в виде треков, так и шумы различной природы. Шум можно разделить на фоновый и сосредоточенные (станционные) помехи, проявляющиеся на ионограмме в виде вертикальных линий. Для устранения фонового шума на изображениях ионограммы возможно применение медианной фильтрации [1]. В отличие от фонового шума, станционные помехи имеют амплитуду соизмеримую с амплитудой полезного сигнала. Их положение и величина на ионограмме имеют случайный характер. Данный факт затрудняет автоматическую фильтрацию ионограмм от сосредоточенных помех. Целью работы является разработка методики фильтрации ионограмм от шумов с использованием детектора границ Канни и морфологических методов обработки изображений, а так же апробация возможности его применения к ионограммам наклонного зондирования ионосферы. Основные идеи и методы решения задачи В настоящее время для решения данного типа задач, пользуются методами согласованной фильтрации, примеры реализации и результаты применения представлены в [1,2,3]. Так же широкое применение при фильтрации шумов на ионограммах нашли методы обработки изображений, представленные в [3,4,5]. В Работа выполнена при поддержке РФФИ (проекты 06-02-16089, 06-02-08059, 05-07-90313, 07-05-12047) 124 рамках данной работы рассматривается возможность реализации выделения треков полезного сигнала с применением алгоритма Канни. Алгоритм Канни является оптимальным для выделения контрастных перепадов. Это позволяет использовать данный алгоритм для обнаружения треков полезного сигнала на ионнограммах в виде замкнутых контуров. Данное представление позволяет применять полученный результат для определения информационно-технических характеристик ионосферных каналов (определять отношение сигнал/шум, диапазон применимых частот и др.). Для эффективного выделения слабых сигналов при построении ионограмм используется логарифмическая шкала, но в тоже время это приводит к увеличению уровня шума. Для получения ионограмм используется дискретное преобразование Фурье (ДПФ) сжатого в частотной области сигнала. А для обеспечения статистической устойчивости спектральных оценок, при построении ионограмм применется метод Уолша [6]. Добиться лучшего разделения на ионограмме треков полезного сигнала позволяет применение при спектральной оценке сглаживающих окон [7]. Применение при спектральной оценке в качестве сглаживающего окна – окна Блэкмана-Харрриса, в отличие от прямоугольного окна, позволяет обнаружить на ионнограмме слабый сигнал, близко расположенный к сильному, за счет низкого уровня боковых лепестков порядка -90дБ от уровня главного лепестка. Но при этом увеличивается толщина трека на ионнограмме, связанная с увеличением ширины главного лепестка. Следующим этапом обработки является выделение на ионограмме треков полезного сигнала. Данную процедуру можно осуществить, применив пороговую фильтрацию. Но, как указывалось ранее, уровень сосредоточенных помех соизмерим с уровнем треков полезного сигнала, что приводит к появлению на очищенной ионограмме искажений. По этой причине необходимо применение детекторов границ, позволяющее выделить границы между различными объектами ионограммы, и разделить их. Для определения контрастного перепада использовалось некоторое пороговое значение, с которым сравнивалась длина вектора градиента, однако это приводило к прерывистости контурных линий или их утолщению. Для борьбы с этим были предложены ряд детекторов, самым эффективным из которых, в рассматриваемой задаче оказался детектор Канни. Это одномерный оператор, обеспечивающий оптимальное соответствие между локализацией и выделением. В качестве критериев оптимальности выступали критерии высокой вероятности детектирования, высокой точности локализации, единственности отклика на один контрастный перепад. Оператор максимизирует сумму двух критериев: вероятности пропуска края или ложного обнаружения, и расстояние между выделенным и истинным краями. Первый критерий приводит к уменьшению вероятности повторного обнаружения одного и того же края. Рис. 1. Амплитудный спектр прямоугольного окна и окна Блэкмана-Харриса Алгоритм функционирования детектора контуров Канни включает следующие этапы[8]: 1. Низкочастотная фильтрация. Исходное изображение I(x,y) сглаживается с помощью свертки с гауссианом: 125 x2 y2 exp 2 2 2 2 , (1) где σ – параметр степени сглаживания. 2. Вычисление градиента изображения в вертикальном gv и горизонтальном gh направлениях с помощью операторов первой производной. Определение модуля градиента: G( x, y, ) 1 E(i, j ) g v (i, j ) 2 g h (i, j ) 2 . (2) 3. Уточнение найденных на предыдущем шаге контуров путем обнуления значений градиента, соответвующих тем элементам изображения, которые на самом деле не находятся в максимуме градиента. Для этого применяются два порога Т1 и Т2, причем Т1>Т2. Анализ начинается из точки максимума, значение градиента которой больше Т1 и продолжается до тех пор пока значение локального максимума не станет меньше порога Т2. а) Результаты Первоначальным этапом обработки является получение ионограмм с использованием различных сглаживающих окон. Ионограммы, полученные с использованием прямоугольного окна и окна Блэкмана-Харриса показаны на рисунке 2 а) и 2 б) соответственно. Как видно из полученных рисунков, применение окна Блэкмана-Харриса позволяет уменьшить уровень шумов, связанных с ДПФ, и улучшить тем самым выделение треков. На следующем этапе производится выделение границ треков. Для упрощения дальнейшей обработки ионограммы осуществляется низкочастотная фильтрация, результат которой представлен на рисунке 2 в), это позволяет уменьшить общее число артефактов, вызванных сосредоточенными помехами. Результат применения детектора границ к полученной ионограмме представлен на рисунке 3 а). Как видно из рисунка с помощью детектора выделены границы треков полезного сигнала, а так же вертикальные линии сосредоточенных помех. Для устранения б) в) Рис. 2. Ионограмма трассы Кипр-Йошкар-Ола. а) без применение сглаживающего окна при анализе временных рядов; б) полученная с помощь окна Блэкмана-Харриса; в) полученная на рис. б) с применением низкочастотной фильтрации 126 рисунке. Результат морфологической обработки представлен на рисунке 3 б). Далее выполняется заполнение полученных контуров треков. На следующем этапе производится перемножение исходного изображения ионограммы с результатом, полученным после ее морфологической обработки. Конечный результат представлен на рисунке 3 в). Заключение а) Разработанный алгоритм выделения на ионнограммах треков полезного сигнала с использованием метода детектирования границ Канни и алгоритмов морфологической обработки в результате апробации показал возможность применения его для поиска и выделения полезного сигнала на ионограммах. Дополнительного рассмотрения требуют вопросы эффективности применяемого алгоритма относительно других методов фильтрации шумов на ионограммах, а так же определения оптимальных параметров при применении алгоритма к ионограммам, полученным при различных условиях. Список литературы б) в) Рис. 3. Ионограмма трассы Кипр-Йошкар-Ола а) результат обнаружения границ методом Канни б) результат удаления вертикальных линий; в) очищенная ионограмма помех далее применялась морфологическая операция удаления ответвлений объекта, а также удаление одиночных точек на 1. Бернгардт О.И., Носов В.Е., Рудых Т.Ю. Способы подавления помех в ЛЧМ ионозонде// Тексты докладов БШФФ, Иркутск , 1999. 2. Информационно-аналитическая система для исследования ионосферы и каналов декаметровой радиосвязи: Научное издание/ А.Б. Егошин, В.А. Иванов, Д.В. Иванов, Н.В. Рябова. – Йошкар-Ола: Марийский государственный технический университет. 2006. -323 с 3. Марпл мл. С.Л. Цифровой спектральный анализ и его приложения. М.: Мир, 1990. 4. Прэтт У. Цифровая обработка изображений. В 2 т. М.: Мир, 1982. 5. Рябова Н.В. Диагностика и имитационное моделирование помехоустойчивых декаметровых радиоканалов: Научное издание. – Йошкар-Ола: МарГТУ, 2003. – 292 с. 6. Хэррис Ф.Дж. Использование окон при гармоническом анализе методом дискретного преобразования Фурье.// ТИИЭР, 1978 г. Т 66. №1, с.60. 7. Arıkan F., Arıkan O., Salous S. A new algorithm for high-quality ionogram generation and analysis// RADIO SCIENCE, VOL. 37, NO. 1. 8. Canny J.F. Finding edges and lines in images. / Master’s thesis, MIT, Cambridge, USA, 1983
