Наука › Приборы2 мин чтения

Группы из Твенте и Эйндховена изменили сглаживание Уиттакера–Хендерсона: шум в модельных данных ниже в 40 раз

Нидерландские исследователи добавили к вековому методу локальные веса с кросс-валидацией. На синтетических данных брэгговского отражателя шум снизился более чем в 40 раз, тонкие детали сохранились.

Twente and Eindhoven teams modify Whittaker–Henderson smoothing, cutting noise over 40-fold in simulated data
Фото: Jean-Pierre Dalbéra, Wikimedia Commons, CC BY 2.0 · Лицензия: CC BY 2.0

Исследователи из технических университетов Твенте и Эйндховена модифицировали процедуру сглаживания Уиттакера–Хендерсона так, что она локально балансирует шум и спектральные особенности, говорится в статье в Measurement Science and Technology iop.orgMeasurement Science and Technologyiop.orgОткрыть источник ↗. Метод проверен на синтетических зашумлённых данных, а не на физическом измерении.

Авторы решали задачу выделения из зашумлённых измерений таких особенностей, как спектральные пики (центр, ширина, высота), и производных. Большинство процедур сглаживания теряют эффективность, когда ширина особенностей в одном наборе данных сильно различается.

Как работает взвешенный сглаживатель

Классическое сглаживание Уиттакера–Хендерсона уравновешивает гладкость результата и его близость к исходным данным с помощью одного параметра сглаживания. Слишком малое значение оставляет шум, слишком большое убирает особенности.

Модификация вводит настраиваемые веса для точек данных. Их оптимизируют кросс-валидацией, поэтому фильтр локально подстраивается под данные iop.orgMeasurement Science and Technologyiop.orgОткрыть источник ↗. Поскольку используются погрешности измерений, возможен несложный анализ ошибок сглаженного результата, сообщили авторы.

Веса находят алгоритмом L-BFGS с ограниченной памятью. Для N = 1000 комплексных точек коэффициента отражения это занимает в среднем менее двух секунд на обычном компьютере, по данным статьи.

Проверка на брэгговском отражателе

Для иллюстрации авторы по синтетическим зашумлённым фазовым данным получили чирп оптического импульса (дисперсию групповой задержки) для наноструктуры — оптического брэгговского отражателя. Сглаживатель восстанавливает дисперсию групповой задержки и снижает шум более чем в 40 раз, что выявляет детали, иначе скрытые шумом.

В сравнении, описанном в пересказе Nanowerk, несглаженные данные скрывали все особенности, кроме самых сильных. Фильтр Савицкого–Голея снизил шум и сделал заметными часть особенностей. Обычный сглаживатель Уиттакера–Хендерсона лучше сохранял быстро меняющиеся особенности, а взвешенный вариант с кросс-валидацией дал наибольшее подавление шума и наиболее точное воспроизведение дисперсии.

Авторы также предлагают общий подход к другим типичным задачам: сглаживание неравномерно дискретизированных данных, выявление и количественная оценка разрывов, включая изломы производных, сглаживание вблизи границ области данных и многомерное сглаживание iop.orgMeasurement Science and Technologyiop.orgОткрыть источник ↗. Сейчас команда работает над повышением вычислительной эффективности метода для больших объёмов данных и приложений.

Источники · 2

Нашли ошибку?
  1. ↩

Читайте также

Далее

Следующая статья откроется сама

Ещё
Мы в соцсетях

Введите хотя бы две буквы — результаты появятся сразу

↑↓выбрать↵открытьescзакрыть