KRUPIŃSKI Robert 1 MAZUREK Przemysław 2 Wybrane aspekty przetwarzania sygnałów dla czujników nacisku WSTĘP Podsystem pomiarowy Inteligentnych Systemów Transportowych (ITS) stosowany jest w celu gromadzenia danych na temat ruchu pojazdów na drodze [2]. Stosowane są różne rodzaje sensorów pomiarowych [2,5]. I tak kamery stanowiące wraz procesorami obrazu (VIP) bardzo zaawansowane sensory umożliwiają pomiar położenia oraz prędkości pojazdów w szerokim obszarze. Wadą ich jest duża wrażliwość na czynniki pogodowe, zwłaszcza śnieg, mgłę oraz smog. Pomiar miejscowy, który jest niezależny od warunków pogodowych jest możliwy za pomocą pętli indukcyjnej (IL), która zainstalowana w nawierzchni jest czuła na ferromagnetyczne element pojazdu. Za pomocą dwóch pętli możliwe jest wyznaczenie prędkości pojazdu. Zaletą pętli indukcyjnej jest stosunkowo niski koszt samego czujnika, a wadą ograniczone możliwości pomiarowe. W wielu zastosowaniach ITS pożądane lub konieczne jest mierzenie ciężaru pojazdu, bez jego zatrzymywania. Do tego celu stosowane są sensory WIM (ang. Weigh-in-Motion), które mogą mierzyć ciężar na podstawie nacisku osi na sensor [1,3,4,6]. Łącząc pomiary dla poszczególnych osi można estymować ciężar całego pojazdu. Połączenie kilku (zwykle trzech) sensorów WIM w jeden zespół pomiarowy pozwala na pomiar prędkości pojazdu, a w zależności od wykonania sensorów i ich rozmieszczenia w nawierzchni można mierzyć także rozstaw i konfigurację kół na osi. Typowe rozwiązanie dla czujników WIM bazuje na czujnikach światłowodowych wykorzystujących do pomiarów zjawisko interferencji w odkształcalnym światłowodzie. Rozwiązanie takie pozwala na pomiar ciężaru na podstawie amplitudy i pola impulsu związanego z naciskiem. Istnieją różne metody pomiaru prędkości oraz ciężaru na podstawie charakterystycznych cech sygnału (np. szczytów) zależne od wykonania sensora, ponieważ mierzony jest sygnał przekształcony przez układ optoelektroniczny. Sygnał elektryczny z tego typu czujnika zwykle podlega zakłóceniom szumom oraz zakłóceniom sieci energetycznej 50Hz. Przetwarzanie sygnału czujnika wymaga kilku operacji, które nie powinny znacząco wpływać na kształt impulsów, ponieważ niosą one informację o ciężarze. 1. FILTRACJA SZUMÓW ORAZ ZAKŁÓCEŃ SIECI ENERGETYCZNEJ Szumy w układzie pomiarowym pochodzą z kilku źródeł. W przypadku gdy układ optoelektroniczny jest połączony z modułem pomiarowym zawierającym przetwornik analogowo-cyfrowy, zainstalowanym przy drodze konieczne jest wykorzystanie, połączenia różnicowego oraz filtracji napięć zasilania. Nawet w tego typu sytuacji dla kilkunastometrowych połączeń pojawiają się zakłócenia typu szumy, pochodzą one też od układu optoelektronicznego oraz przetwornika. Przetwornik musi pracować z relatywnie dużą częstotliwością próbkowania z uwagi na konieczność poprawnego odwzorowania wąskich impulsów mierzalnych przy większych prędkościach pojazdów. Zakłócenia sieci energetycznej 50Hz wraz z harmonicznymi są typowe w tego typu instalacjach z uwagi na ograniczone ekranowanie układu pomiarowego i wymagają filtracji. Na rysunku 1 przedstawiono sygnały pomiarowe dla zespołu trzech sensorów WIM dla sytuacji gdy te impulsy są stosunkowo wysokie. Natomiast, na rysunku 2 przedstawiono sytuację gdy impulsy z tych samych sensorów są stosunkowo niskie. Widoczne na obu rysunkach są też efekty asymetrii sygnałów 1 Katedra Przetwarzania Sygnałów i Inżynierii Multimedialnej, Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, ul. 26. Kwietnia 10, 71-126, robert.krupinski@zut.edu.pl 2 Katedra Przetwarzania Sygnałów i Inżynierii Multimedialnej, Zachodniopomorski Uniwersytet Technologiczny w Szczecinie, ul. 26. Kwietnia 10, 71-126, przemyslaw.mazurek@zut.edu.pl 3363
powstającej na skutek zmiennego nacisku w czasie osi oraz głównie asymetrii instalacji. Zakłócenia sieci energetycznej są rzędu amplitudy sygnału z czujników. Szum ma mniejszy udział w zakłóceniach i może być filtrowany poprzez filtr dolnoprzepustowy. Na rysunku 2 widoczne są szumy w postaci obwiedni. Na rysunku 1 oraz 2 widoczne są zakłócenia sieciowe w postaci pierwszej harmonicznej zakłóceń sieciowych. Rys. 1. Przykład rzeczywistej odpowiedzi zespołu sensorów WIM o dużej amplitudzie Rys. 2. Przykład rzeczywistej odpowiedzi zespołu sensorów WIM o niewielkiej amplitudzie Na rysunku 3 przedstawiono widmo częstotliwościowe sygnału w postaci spektrogramu dla przypadku z rysunku 1 dla dwóch sensorów (dwa kanały), a na rysunku 4 dla przykładu z przykładu 2. 3364
Rys. 3. Spektrogram dla przypadku z rysunku 1 (kanał 0 i 1) Rys. 4. Spektrogram dla przypadku z rysunku 2 (kanał 0 i 1) Widmo sygnału jest szerokie, przy czym wyraźnie widoczny jest sygnał zakłócający 50Hz, oraz częściowo wyższe harmoniczne, zwłaszcza 100Hz. Redukcja zakłóceń może być zrealizowana za pomocą filtru pasmowozaporowego lub filtru notch. Zastosowanie filtracji dolnoprzepustowej oraz decymacji (downsamplingu) jest także możliwe, co wykorzystano w dalszej analizie (filtr dolnoprzepustowy z częstotliwością górną poniżej 50Hz). Dodatkowo wykorzystanie odcięcia sygnału z wartością progu T=0,1 pozwala na usunięcie szumów, z wykorzystaniem następującego wzoru: x( n) : x( n) T y( n) (1) 0 : x( n) T W celu porównania wyniku przed i po przetwarzaniu wykonano interpolację, tak by unormować częstotliwość próbkowania. Natomiast, w celu przetwarzania sygnałów wystarczy wykorzystać sygnał przefiltrowany i po decymacji. Proces filtracji nieznacznie wpływa na zmianę amplitudy sygnału. Po filtracji widoczny jest także kształt impulsów w pierwszym przypadku są one szersze a w drugim węższe. Ponieważ operacja według wzoru (1) odcina połowę sygnału, to w celu uniknięcia utraty informacji o sygnale, można wykonać ją również dla sygnału zanegowanego i uzyskać w efekcie dwa sygnały: sygnał prosty pokazany na rysunku 5 oraz sygnał zanegowany pokazany na rysunku 6. Pierwszy zawiera górne części impulsów o kształcie gaussowskim, a drugi zawiera dolne części impulsów o kształcie impulsu z wykładniczym opadaniem. 3365
Rys. 5. Rekonstrukcja dodatnich impulsów z przypadku z rysunku 1 Rys. 6. Rekonstrukcja ujemnych impulsów z przypadku z rysunku 1 Przy tego typu podejściu można analizować wiele cech sygnałów oraz relacje między nimi celem pomiaru prędkości czy ciężaru przypadającego na oś po uprzedniej kalibracji. Spektrogramy dla dwóch wybranych sensorów pokazują uzyskane widmo, które jest skoncentrowane w czasie, co oznacza dobre możliwości detekcji i dobrą separację impulsów. Na rysunku 7 pokazano interesujący przypadek, gdzie występuje zakłócenie - w czasie trzeciego impulsu z kanału 2 obserwowany jest impuls na kanale 0. Z tego też powodu widoczne są trzy a nie dwa pasy widma na spektrogramie. 3366
Rys. 7. Widmo rekonstrukcja dodatnich impulsów z przypadku z rysunku 1 po filtracji Impuls zakłócający może zostać odrzucony za pomocą progowania, jednak istnieją alternatywne metody przetwarzania sygnałów, przykładowo analiz falkowa. 2. WYKORZYSTANIE TRANSFORMATY FALKOWEJ DO DETEKCJI IMPULSÓW Wykorzystanie transformaty falkowej umożliwia realizację wielorozdzielczej analizy sygnału. Pojedynczy filtr zwykle jest dopasowany do cech sygnałów w dziedzinie czasu lub częstotliwości. Zmiana charakterystyki sygnału, zwłaszcza szerokości, powoduje konieczność wykorzystania zestawu filtrów, ponieważ często pojedynczy filtr jest niewystarczający. Sytuacja ta miejsce w szczególności dla sygnałów typu impuls. Wykorzystanie transformaty falkowej jest typowym rozwiązaniem w zakresie przetwarzania sygnałów typ impuls. Wynik operacji (spektrogram) może być wykorzystany do analizy sygnału, można też wykonać transformatę odwrotną celem ponownej syntezy sygnału po uprzednim usunięciu zakłóceń w dziedzinie widma transformaty falkowej. Wynikowy sygnał (zrekonstruowany) jest następnie przetwarzany za pomocą innej metody w celu estymacji pożądanych parametrów. Zaletą transformaty falkowej jest dobra reprezentacja sygnału w dziedzinie czasu i częstotliwości. Przykładowo może zostać wykorzystana ona w celu estymacji położenia całych impulsów. Wynik detekcji oraz jakość filtracji po rekonstrukcji zależą od wyboru funkcji falki bazowej. W poniższym przykładzie wykorzystano falkę gaus2. Na rysunku 8 przedstawiono wynik CWT (ang. Continuous Wavelet Transform) ciągłej transformaty falkowej. Rys. 8. Spektrogram CWT dla przypadku z rysunku 1 (kanał 0 i 1) 3367
Położenie impulsów na spektrogramie CWT nacisku jest łatwe do detekcji, z wykorzystaniem akumulacji wartości dla linii pionowych wykresie. Operacja taka uwzględnia amplitudę sygnału, dzięki czemu zakłócenie w postaci drugiego impulsu na kanale 0 jest usuwane i praktycznie nie jest widoczne na rysunku 8. Dobór falki, odpowiedniej dla danego typu sygnału umożliwia uzyskanie silnej koncentracji wartości lokalnie w czasie, co przekłada się na lepsze własności widma falki względem widma częstotliwości (spektrogramu flakowego względem spektrogramu częstotliwościowego). Taka koncentracja lokalna sygnału jest pożądana i tak na spektrogramie CWT szerokość impulsu wynosi około 0.02 sekundy, podczas gdy spektrogramie częstotliwościowym jest kilka razy szersza. Wykorzystanie transformaty dyskretnej transformaty falkowej DWT (ang. Discrete Wavelet Transform) jest interesujące w przypadku konieczności filtracji sygnałów w celu wykorzystania algorytmów estymujących ciężar na podstawie kształtu przebiegu. Realizując analizę sygnału z wybraną falką na kilku poziomach można następnie odrzucić detale występujące na niższych poziomach analizy podczas ponownej syntezy sygnału. Ponieważ kształt całych impulsów (zarówno wartości dodatnich i ujemnych) jest zbliżony do falki Daubechies 3 ( db3 ) została on wykorzystana do analizy aż do poziomu 5, wszystkie detale zostały odrzucone i wykonano syntezę. Na rysunku 9 przedstawiono wynik syntezy. Aczkolwiek nie usunięto przebiegu sinusoidalnego (wymaga on innej technik) to usunięto inne składowe oraz szumy, praktycznie bez modyfikowania impulsów. Rys. 9. Filtracja impulsów z przypadku z rysunku 1 za pomocą DWT WNIOSKI Zakłócenia występujące podczas pomiarów czujnikami WIM są charakterystyczne dla określonego sensora z uwagi na układ konwersji optyczno-elektroniczny, jednak szumy oraz przebiegi okresowe są typowo występującymi. Przetwarzanie sygnałów z czujników WIM wymaga filtracji, ponieważ zwykle wykorzystuje się pomiar kilku cech sygnału (m.in. wysokości szczytów oraz szerokości impulsów a określonych poziomach). Interesującym rozwiązaniem na potrzeby detekcji impulsu i precyzyjnej estymacji jest wykorzystanie spektrogramu CWT, ponieważ artefakty sieci energetycznej 50Hz nie mają znacznego wpływu a sygnał jest dobrze ulokowany w czasie. Spektrogram zwykły, bazujący na analizie fourierowskiej jest bardziej rozmyty i w mniejszym stopniu nadaje się do tego celu. W przypadku gdy konieczna jest analiza kształtu a nie tylko jego 3368
umiejscowienia można wykorzystać analizę i syntezę DWT dla określonej falki, najlepiej przypominającej kształtem przebiegi impulsów. DWT nie jest w tnie całkowicie wyeliminować zakłóceń 50Hz (niezbędne jest połączenie z inną techniką), ale usuwa artefakty wysokoczęstotliwościowe, w tym szumy. Streszczenie Czujniki WIM (ang. Weigh-in-Motion) pozwalają na pomiary wielu parametrów pojazdów poprzez pomiar nacisku osi. Podstawowym zastosowaniami są pomiar obecności pojazdu, pomiar prędkości, pomiar rozstawu kół na osi oraz pomiar ciężaru pojazdu. Większość czujników WIM bazuje na czujnikach światłowodowych. Układ konwersji optyczno-elektronicznej kształtuje specyficzny sygnał wyjściowy, który jest zakłócany na skutek interferencji elektrycznych (szumy oraz harmoniczne siec energetycznej). Filtracja sygnału powinna zostać dobrana zależnie od zastosowania. W artykule przedstawiono kilka rozwiązań z dyskusją na przykładach. Do celów detekcji pojazdu bardzo dobra jest CWT. Progowanie można zastosować jeśli impulsy są znacznie większe w stosunku do zakłóceń energetycznych. Zastosowanie analizy i syntezy DWT pozwala na filtrację sygnału, gdy zachowanie kształtu jest niezbędne na potrzeby estymacji ciężaru. Selected aspects of signal processing related to Weigh-in-Motion sensors Abstract WIM sensors (Weigh-in-Motion) supports measurements of numerous vehicle parameters by the measurements of vehicle axes pressure. Main applications are vehicle detection, vehicle velocity measurement, wheels distance on axis and weigh of vehicle. Most WIM sensors are based on optical sensors. The optoelectronic conversion unit gives specific output signal that is disturbed by electrical interferences (noises and power line harmonics). Signal filtration should be carefully selected depending on the application. In the paper a few technique are presented and discussed on examples. The detection of vehicle is high quality in CWT is applied. Threshold technique could be applied if is pulses are significantly over power line interferences. The application of DWT analysis and synthesis allows the signal filtration, when the pulse shape should be preserved for further estimation of weight. BIBLIOGRAFIA 1. Batenko A., Grakovski A., Kabashkin I., Petersons E., Sikerzhicki Y.: Problems of Fibre Optics Sensor Applications in Weigh-in-Motion (WIM) Systems, Proceedings of the 11th International Conference Reliability and Statistics in Transportation and Communication, 311-316, 2011. 2. Klein L.A.: Sensor Technologies and Data Requirements for ITS. Artech House 2001. 3. Mazurek P.: Przetwarzanie sygnałów z czujników nacisku z wykorzystaniem banku filtrów, TTS Technika Transportu Szynowego, 9/2012 Transcomp 2012, 2689-2697, 2012. 4. Safaai-Jazi A., Ardekani S.A., Mehdikhani M.: A Low-Cost Fiber Optic Weigh-In-Motion Sensor, Strategic Highway Research Program, 1990. 5. Williams B.: Intelligent Transport Systems Standards, Artech House Publishers, 2008. 6. Zhaojing T., Xiuhua S., Zhaojing T., Qunpo L., Dahu W.: Weigh-in-Motion Based on Multi-sensor and RBF Neural Network, 2011 International Conference on Electric Information and Control Engineering (ICEICE), 944-947, 2011. 3369