معالجة الإشارات وتحليل البيانات

المكاسب:

• القدرة على تحديد معلمات معالجة الإشارات بدقة مثل تردد أخذ العينات ونوع المرشح والنوافذ باستخدام الذكاء الاصطناعي
• القدرة على إنشاء كود Python لـ FFT وتصميم المرشح وتحليل الضوضاء والتحقق من Nyquist والاسم المستعار
• القدرة على التحقق من تفسير الطيف الناتج عن الذكاء الاصطناعي من خلال مقارنته بالقياس والتوقعات المادية

غالبًا ما تكون البيانات الأولية الواردة من المستشعر أو الميكروفون أو خط الطاقة وحدها بلا معنى؛ ومن الضروري معالجتها وتفسيرها على محور التردد والسعة والوقت. استخراج الطيف باستخدام تحويل فورييه السريع (FFT)، وتصفية الضوضاء، والتعرف على توقيع الاهتزاز... هذه كلها معالجة للإشارات ويقوم الذكاء الاصطناعي بإنشاء كود بايثون سريع في هذا المجال، ويشرح المفاهيم، ويحسب معامل التصفية. لكن خطأً صغيرًا في المعلمة في معالجة الإشارة (تردد أخذ العينات الخاطئ، النافذة الخاطئة، تخطي التحكم Nyquist) يفسد التحليل بأكمله بصمت؛ الكود لا يعطي أخطاء، بل يعطي نتائج خاطئة فقط. في هذه الوحدة، سنغطي إعداد المعلمات الصحيحة باستخدام الذكاء الاصطناعي، والتحقق من الكود الذي تم إنشاؤه من حيث Nyquist والاسم المستعار، والتحقق من تفسير الطيف مع الواقع المادي.

المعلمات الأساسية: أخذ العينات، نيكويست، التعرج

القاعدة الأولى لمعالجة الإشارات الرقمية هي نظرية نيكويست-شانون: لتمثيل الإشارة بدقة، يجب أن يكون تردد أخذ العينات على الأقل ضعف أعلى مكون تردد في الإشارة. وبخلاف ذلك، ستظهر الترددات العالية كترددات منخفضة (التعرجات) ولا يمكن عكس ذلك.

أعلى تردد في الإشارة: f_max = 2 كيلو هرتز الحد الأدنى لتردد أخذ العينات: f_s ≥ 2 · f_max = 4 كيلو هرتز لترك الهامش عمليًا: f_s ≈ 5 · f_max = 10 كيلو هرتز محدد أيضًا، يجب استخدام مرشح تناظري مضاد للتعرج قبل أخذ العينات.

تنبيه: عندما يقترح الذكاء الاصطناعي ترددًا لأخذ العينات، تأكد من التحقق مما إذا كان يوفر Nyquist استنادًا إلى أعلى مكون في إشارتك. يعمل الكود بدون أخطاء حتى عند تردد أخذ العينات المنخفض؛ لكن النتيجة خاطئة بسبب التعرج. بالإضافة إلى ذلك، لا يمكن لأي برنامج التراجع عن هذا الخطأ بدون وجود عامل تصفية للتعرجات في الأجهزة.

القرار والنوافذ لـ FFT

تعتمد دقة تردد FFT على تردد أخذ العينات وعدد العينات: Δf = f_s / N. للحصول على دقة أفضل، يمكنك إما جمع المزيد من العينات أو اختيار f_s أقل (دون كسر Nyquist). بالإضافة إلى ذلك، يؤدي الانقطاع بين بداية الإشارة ونهايتها إلى إنشاء "تسرب طيفي"؛ وللحد من ذلك، يتم تطبيق وظائف النافذة مثل Hann وHamming.

f_s = 10 كيلو هرتز، N = 1024 عينة دقة التردد: Δf = 10000 / 1024 ≈ 9.77 هرتز إجمالي وقت التسجيل: T = N / f_s = 1024 / 10000 ≈ 102.4 مللي ثانية

إنشاء وفحص FFT ورمز التصفية

حدد تردد أخذ العينات ونوع النافذة ومقياس المحور بشكل صريح عند طلب رمز FFT من الذكاء الاصطناعي. يقوم الكود التالي بإخراج طيف السعة أحادي الجانب للإشارة:

استيراد numpy كـ npfs = 10000 # تردد أخذ العينات (هرتز) - التحقق من Nyquist!N = 1024t = np.arange(N) / fs# إشارة العينة: 500 هرتز + 1500 هرتزx = np.sin(2*np.pi*500*t) + 0.5*np.sin(2*np.pi*1500*t)w = np.hanning(N) # windowing: يقلل من التسرب الطيفي الطبيعي عن طريق الكسب # تحقق من ذروة التردداتpeaks = f[np.argsort(mag)[-2:]]print("الترددات المهيمنة (هرتز):"، np.sort(peaks))

عند التحقق من هذا الرمز سيتم سؤالك: هل محور التردد هو بالفعل هرتز أم أن مؤشر العينة (يستخدم rfftfreq)؟ هل تم تطبيع السعة مع كسب النافذة؟ هل تحدث بالفعل القمم المتوقعة 500 و1500 هرتز عند تلك النقاط؟ إذا قمت بالتحقق من الكود باستخدام إشارة اختبار معروفة (جيب تردد واحد)، فستؤكد بثقة المحور والتطبيع.

موجه ضعيف / موجه قوي

ضعيف: "تطبيق التحويل السريع على هذه البيانات." (النتيجة: تردد أخذ العينات ومقياس المحور والنوافذ غير واضحين؛ من المرجح أن يتم رسم الرسم البياني على المحور الخاطئ.) قوي: "تطبيق التحويل السريع على إشارة عينة 10 كيلو هرتز. توفير: - ارسم محور التردد بالهرتز (استخدم rfftfreq). - قم بتطبيق نافذة هان وقم بتطبيع السعة من خلال كسب النافذة. - اطبع الترددين السائدين رقميا.- ضع علامة على حد نيكويست (5 كيلو هرتز) على الرسم البياني ولاحظ أن المحور سوف يتحول إذا كان تردد أخذ العينات غير صحيح.

تصميم المرشحات وتحليل الضوضاء

يمكن للذكاء الاصطناعي إنشاء معاملات مرشح منخفضة/عالية/تمرير النطاق (FIR/IIR). ولكن يجب التحقق من تردد القطع وترتيب واستقرار المرشح. يمكن أن يسبب عدم استقرار عالي المستوى وتشويه الطور، خاصة في مرشحات IIR. بعد تصميم المرشح، قم برسم استجابة التردد (مثل Bode) للتأكد من أن القطع في المكان الصحيح ولا يوجد تموج غير مرغوب فيه في نطاق المرور.

المهمة النموذجية في تحليل الضوضاء هي فصل الإشارة الحقيقية عن الضوضاء. هنا، قم بتقييم العتبة أو المرشح المقترح للذكاء الاصطناعي مقابل النطاق الترددي الفعلي للإشارة: إذا كانت إشارتك الحقيقية عند 0-500 هرتز، فمن المرجح أن يكون المكون عند 2 كيلو هرتز عبارة عن ضوضاء أو تداخل. الذكاء الاصطناعي يعطي إحصائيات؛ أنت تقوم بالتفسير الجسدي.

التحقق من صحة تفسير الطيف مع الواقع المادي

عند تفسير الطيف، يقدم الذكاء الاصطناعي استنتاجات معقولة ولكنها ليست دقيقة دائمًا، مثل "هناك ذروة عند 50 هرتز، وهذا هو تداخل الشبكة". قارن هذه التعليقات بالتوقعات المادية: هل يتمتع النظام بالفعل بوصلة رئيسية بتردد 50 هرتز؟ هل تردد الدوران والتوافقيات المتوقعة قريبة من طيف اهتزاز المحرك؟ إذا أمكن، كرر القياس بالطريقة الثانية (جهاز استشعار مختلف، برنامج مختلف) وشاهد نفس القمم.

تلميح: بالنسبة لكل تفسير للطيف، "ما هي الظاهرة الفيزيائية التي تتوافق معها هذه الذروة؟" اطرح السؤال. تعتبر شبكة 50/100/150 هرتز وتوافقياتها، وتردد الدوران ومضاعفاته في الآلات الدوارة، وتردد التبديل في تبديل مصادر الطاقة من التوقيعات المعروفة. الذروة غير المعروفة هي إما حدث حقيقي أو خطأ في القياس/المعالجة؛ البحث على حد سواء.

حالة صغيرة

يقوم مهندس البحث والتطوير بقياس اهتزاز المروحة ويطلب من الذكاء الاصطناعي تفسير الطيف. يقول الذكاء الاصطناعي: "هناك ذروة سائدة عند 1200 هرتز، وقد يكون هذا بمثابة فشل في التحمل". يتحكم المهندس في سرعة المروحة: 1800 دورة في الدقيقة = 30 هرتز. من المتوقع أن تكون ترددات انتقال المحمل والشفرة عند قيم معينة متوافقة مع هذه الدورة؛ 1200 هرتز لا يتوافق مع أي من هذه. إنه يتحكم في تردد أخذ العينات: تحمل الإشارة محتوى يصل إلى 2 كيلو هرتز، ولكن يتم أخذ عينات فقط 2 كيلو هرتز، لذلك يعد انتهاكًا لـ Nyquist. الذروة عند 1200 هرتز هي تردد شبحي ناتج عن التعرج. عندما أقوم بزيادة تردد أخذ العينات إلى 8 كيلو هرتز، تختفي الذروة الزائفة. الدرس المستفاد: اختبر دائمًا تفسير الطيف باستخدام الدورة الفيزيائية/توقع التردد وأخذ العينات الصحيحة.

الأخطاء الشائعة

• اختيار تردد أخذ العينات دون التحقق من معيار نيكويست؛ تطل على التعرجات.
• ترك محور التردد FFT عند مؤشر العينة بدلاً من هرتز.
• الخلط بين التسرب الطيفي كإشارة بدون نوافذ.
• عدم تطبيع السعة حسب عدد النوافذ/العينات.
• عدم التحقق من استقرار مرشح IIR وتشويه الطور.
• تفسير قمم الطيف دون اختبارها تحسبا لعدد الدورات في الدقيقة/التردد الفعلي.

باختصار

• يجب أن يكون تردد أخذ العينات على الأقل ضعف أعلى مكون للإشارة؛ وإلا فإن التعرج سوف يعطل التحليل بأكمله.
• قرار FFT Δf = f_s/N؛ اختر N وf_s حسب حاجتك.
• النوافذ تقلل من التسرب الطيفي. تطبيع السعة وفقا لكسب النافذة.
• تحقق من كود الذكاء الاصطناعي بإشارة اختبار معروفة لتأكيد المحور والتطبيع.
• تحقق من استقرار المرشح واستجابة التردد عن طريق رسمه.
• قم دائمًا باختبار تفسير الطيف مع توقع التردد المادي.

مهمة التطبيق

قم بإنشاء إشارة اختبار ذات تردد معروف (على سبيل المثال 500 هرتز + 1500 هرتز جيب). اطلب FFT ورمز التصفية من الذكاء الاصطناعي. ثم: (1) التحقق من استيفاء معيار Nyquist، (2) التحقق من أن قمم FFT تظهر فعليًا عند 500 و1500 هرتز، (3) تقليل تردد أخذ العينات بشكل متعمد أقل من Nyquist ولاحظ كيف يؤدي التعرج إلى إنشاء ذروة زائفة. لاحظ ملاحظاتك والمعلمة التي قمت بتصحيحها.