Šum v technických soustavách

Abstract

Táto bakalárska práca sa zaoberá problematikou šumu, predovšetkým jeho vplyvom na kvalitu meraných signálov a metódami jeho potlačenia. Teoretická časť práce definuje základné charakteristiky šumu a zároveň opisuje hlavné zdroje šumových signálov v technických systémoch, ako tepelný šum, Shottkyho šum, blikavý šum, elektromagnetické rušenie, kvantizačný šum a clock jitter. Následne práca predstavuje prehľad klasických aj pokročilých metód na predchádzanie a elimináciu šumu, vrátane analógovej a digitálnej filtrácie, nadvzorkovania, ditheringu, tvarovania šumu a využitia vlnkovej transformácie. Praktická časť analyzuje signály z piezoelektrických senzorov umiestnených na železničnej trati. Pomocou časovej a frekvenčnej analýzy týchto signálov identifikuje dominantné šumové zložky a hodnotí ich kvalitu určením odstupu signálu od šumu. Na namerané dáta sú aplikované vybrané metódy digitálneho spracovania signálu s cieľom redukcie šumu, konkrétne digitálna filtrácia a prahovanie vlnkových koeficientov. Vďaka týmto technikám došlo k efektívnemu potlačeniu šumu a významnému zlepšeniu odstupu signálu od šumu.

This bachelor’s thesis deals with the issue of noise, focusing on its impact on the quality of measured signals and methods of its suppression. The theoretical part of the thesis defines the fundamental characteristics of noise and it also describes the main sources of noise in technical systems, such as thermal noise, shott noise, flicker noise, electromagnetic interference, quantization noise, and clock jitter. Furthermore, the thesis presents an overview of classical and advanced methods for preventing and eliminating noise, including analog and digital filtering, oversampling, dithering, noise shaping, and the use of wavelet transform. The practical part analyzes signals from piezoelectric sensors installed on a railway track. Through time-domain and frequency-domain analysis of these signals, it identifies the dominant noise components and evaluates their quality by determining the signal-to-noise ratio. Subsequently, selected digital signal processing methods are applied to the measured data to reduce noise, specifically digital filtering and wavelet coefficient thresholding. Using these techniques effectively suppressed the noise and significantly improved the signal-to-noise ratio of the signals.