Автоматизированная система акустического контроля физиологического состояния зимующих пчел

Тобоев Вячеслав Андреевич и др.

Для принятия диагностируемого решения о физиологическом состоянии зимующих пчел необходимо решить следующие задачи:

- автоматизация методик формирования диагностируемых гипотез на основе распознавания нарушений класса шумов (выбраны два класса «норма» и «отклонения»);

- создание специализированных аппаратно-программных средств для регистрации и анализа акустических шумов пчел.

Для решения первой задачи разработаны математическая модель паттерна акустического шума и методы обработки и анализа результатов исследований. При этом модель сигнала (паттерн) формируется из признаковых компонентов со свойствами, задаваемыми на основе представлений о физических свойствах процессов, для чего применяются математические методы, позволяющие проводить динамическое описание (выделение отдельных этапов в динамике акустического процесса).

На каждом таком этапе решается задача разделения акустического сигнала на группы (классы, кластеры) статистически схожие между собой. Другими словами выделенные фрагменты одного процесса рассматриваются как различные реализации временного ряда, которые с помощью новых количественных характеристик (ФОС и ОФКП) объединяются в кластеры – статистически однородные участки [1].

Статистически однородные фрагменты L₁ и L₂ одинаковой длительности τ рассматриваемого нестационарного сигнала определяются линейной зависимостью [1].

где G_p(L,τ) – функция обобщенного среднего (ФОС), выраженная через абсолютный момент порядка p для реализации случайной переменной  из интервала принадлежащего фрагменту L

 (2)

Здесь  обозначает среднее значение случайной переменной в рассматриваемом интервале, 0<p<∞, – моменты времени, отделенные друг от друга фиксированными интервалами  ( – частота дискретизации).

Для получения количественных характеристик степени различия сравниваемых фрагментов L₁ и L₂ функции обобщенного среднего для этих участков строятся друг относительно друга. Если такое построение дает отрезок прямой линии, то это указывает на их статистическую близость. Оптимальная длина фрагментов τ находится с помощью процедуры оптимального линейного сглаживания (ПОЛС) и выделения относительных флуктуации выделенных участков сигнала [3]. Ранжирование этих флуктуаций по амплитуде позволяет выделить паттерны для каждого физиологического состояния пчелиной семьи (рис.1). Последовательности ранжированных амплитуд сравниваются с помощью обобщенной функции корреляции Пирсона (ОФКП) [1].

Рис. 1. Структурная схема алгоритма идентификации

акустических шумов пчел.

В дополнение к количественным параметрам, получаемым при анализе акустических шумов пчел во временной области, предлагается спектральное оценивание выделенных статистически однородных участков ограниченной длительности модифицированным методом Прони [3]. Основная идея нахождения информативно значимых частот связана с ведением линейного принципа для сильно коррелированных систем и нахождением для таких систем оптимальной аппроксимирующей функции при минимальном количестве гармоник, которые определяют информационно-значимую полосу частот для выделенного паттерна. Для каждого состояния пчелиной семьи выделяются основные частоты, используемые в качестве дискриминирующих признаков. Различие частотных спектров для различных кластеров определяется в терминах функции обобщенного среднего (ФОС) и обобщенной функции корреляции Пирсона (ОФКП).

Рассмотренные временные и частотные количественные параметры позволяют устанавливать связь между изменениями физиологического состояния пчелиных семей и генерируемых ими акустических шумов. Для автоматического анализа акустических шумов построен классификатор, в соответствии с которым каждому новому состоянию пчелиной семьи указывается один из двух классов «норма» или «отклонения».

Устройство для акустического контроля состояния пчелиных семей реализовано на одноплатном компьютере, в котором организация интерфейса и обработка сигналов осуществляется на высокопроизводительном микропроцессоре с архитектурой ARM (рис. 2). Акустические сигналы и шумы улавливаются конденсаторным микрофоном чувствительностью 50 мВ/Па или датчиком вибраций.

Рис. 2. Структурная схема аппаратной части

автоматизированной системы контроля.

Далее сигнал поступает на вход АЦП (аудиокодек). К линейному выходу аудиокодека подключены головные телефоны (наушники). Они необходимы для предварительной локализации источника шума. Данные с аудиокодека считываются микроконтроллером и хранятся во встроенной флэш-памяти устройства или на внешних картах памяти. При включении питания микропроцессор выводит меню пользователя, предлагая осуществить запись звука с его дальнейшим анализом.

Для вывода обработанной информации используются современные интерфейсы передачи данных, чтобы пользователь по своему желанию мог подключить устройство к компьютеру или дисплею. Для этой цели в устройстве установлен USB-интерфейс. Это позволяет пользователю не только проверять результаты работы устройства, но и иметь постоянный доступ к расчетным процедурам и заложенным в них алгоритмам. Для хранения информации используется Flash-память. Преимуществом устройства являются программно-математические средства регистрации и анализа акустических шумов пчелиных семей.

Исследование выполнено в рамках базовой части государственного задания Минобрнауки России.

Список литературы:

1.  Еськов Е.К., Тобоев В.А. Анализ статистически однородных фрагментов акустических шумов, генерируемых скоплениями насекомых// Биофизика. 2010. Т. 55. Вып. 1. С. 113-125.

2.  Тобоев В.А., Толстов М.С. Признаковое описание акустических шумов на основе статистической близости функций обобщенного среднего (ФОС) // Вестник Чувашского университета. 2010. №3. С.19-31.

3.  Nigmatullin R. R., Osokin S. I., Toboev V. A. NAFASS: Discrete spectroscopy of random signals // Chaos, Solitons & Fractals. 2011. V. 44. Issue 4-5. P. 226-240.