Název projektu
Pokročilé metody zpracování signálů IV: bioinspirované algoritmy
Kód
SP2022/34
Řešitel
Období řešení projektu
01. 01. 2022 - 31. 12. 2022
Předmět výzkumu
Předmět výzkumu – anotace:
Předkládány projekt plynule navazuje na projekt „Pokročilé metody zpracování signálů I (2019)“, který se primárně
věnoval adaptivní a neadaptivním metodám. Dále pak na projekt „Pokročilé metody zpracování signálů II (2020), který
se věnoval hybridním metodám. A v neposlední řadě na projekt „Pokročilé metody zpracování signálů III (2021)“, který
se věnoval využití nových hybridních algoritmů v různých aplikačních oblastech technické kybernetiky a
biomedicínského inženýrství. Aktuální předkládaný projekt s názvem „Pokročilé metody zpracování signálů IV:
bioinspirované algoritmy“ si klade za cíl rozvoj aplikace hybridních algoritmů, kde probíhá optimalizace nastavení
klíčových parametrů s využitím bioinspirovaných přístupů. Aplikované hybridní metody umožňují využít výhody
adaptivního a neadaptivního přístupu ke zpracování signálů. Hybridní algoritmy, se začínají prosazovat v celé řadě
různorodých aplikačních oblastí. Obecnou motivací výzkumného projektu je skutečnost, že v současné době je
problematice pokročilých metod zpracování a analýzy signálů (např. různé soft computingové metody jako: adaptivní
metody, neuro-fuzzy interferenční systémy, umělé neuronové sítě, ekvalizační metody, apod.) věnovaná velká
pozornost, jelikož řada moderních aplikací vyžaduje tento progresivní přístup v rámci řešeného systému. Aktuálnost
zkoumané problematiky koresponduje s nárůstem výkonnosti mikroprocesorové techniky (vícejádrové procesory,
programovatelná hradlová pole – FPGA, apod.). Právě nedostačující výpočetní výkonnost byla v minulosti hlavním
limitujícím faktorem pro využití některých komplexních metod zpracování a analýzy signálů. S přihlédnutím k vývoji v
několika posledních letech lze konstatovat, že nyní přichází doba změn, která je evokována dosahovanými
výkonnostními parametry dostupných prostředků výpočetní techniky a je charakterizována novými trendy ve
zpracování a analýze signálů.
Obecným problém zkoumaných hybridních algoritmů je optimální nastavení klíčových parametrů, které výrazně
ovlivňují celkový výkon. V současné době se tyto parametry nastavují empiricky na základě zkušeností z dané aplikační
oblasti. Jedním z cílů toho projektu je využití tzv. bioinspirovaných optimalizérů pro nálezní nevhodnějších parametrů.
V rámci zkoumaných hybridních algoritmů je třeba současně optimalizovat několik parametrů, které jsou na sobě
závislé. Dalším klíčovým aspektem je nutnost aktualizace optimálního nastavení během procesu filtrace, neboť řada
signálů, které jsou zpracovávány, se dynamicky mění v čase.
Na základě výsledků předchozího projektu projekt „Pokročilé metody zpracování signálů III (2021)“, byly vytipovány
vhodné přístupy optimalizace pracující na principu bioinspirovaných přístupů, např.:
Grey Wolf Optimizer; Whale Optimization Algorithm; Ant Lion Optimizer; Moth Flame Optimizer; Dragonfly
Algorithm; Grasshopper Optimization Algorithm; Multi-Verse Optimizer; Sine Cosine Algorithm; Salp Swarm
Algorithm; Equilibrium Optimizer; Marine Predator Algorithm; Henry Gas Solubility Optimization; Arithmetic
Optimization Algorithm; The GNDO algorithm; Flow Direction Algorithm; The AVOA algorithm; The AGTO
algorithm; Artificial Hummingbird Algorithm; Particle Swarm Optimization; Ant Colony Optimization; Hill
Climbing; Simulated Annealing; Differential Evolution; apod.
Cílem je tedy vývoj komplexních hybridních algoritmů, které budou adaptivně optimalizovat parametry dílčích
algoritmů. Tak vzniknou robustní algoritmy aplikovatelné v reálných oblastech technické kybernetiky a
biomedicínského inženýrství.
Výzkumné téma projektu koreluje s probíhajícími aktivitami na Katedře kybernetiky a biomedicínského inženýrství a
rovněž plně reflektuje výsledky předchozího projektů „Pokročilé metody zpracování signálů I až III“. Jedná se o
multidisciplinární projekt, který se primárně zaměřuje na aplikovaný výzkum pokročilých metod zpracování signálů v
různých aplikačních oblastech:
Neinvazivní medicína (telemedicína – domácí monitorování, dlouhodobé monitorování) – pro klinickou a
veterinární praxi (monitorování vitálních funkcí v automobilech; zpracování biologických signálů;
monitorování plodu; návrh a realizace nových typů senzorů pro měření vitálních funkcí lidského těla v oblasti
radiodiagnostiky; např. magnetické rezonance - spouštění sekvencí magnetické rezonance; modelování
biologických signálů; redukce rušení v rámci EKG, PKG a BKG; SKG apod. možnosti měření fetálního EKG zvířat;
měření variability srdeční frekvence zvířat; apod.).
SMART technologie – dopravní aplikace, inteligentní město/bydlení (návrh a realizace nových typů senzorů
pro dopravní aplikace a inteligentní města; inteligentní veřejné osvětlení, hlasové ovládání; senzorické sítě pro
vnitřní i venkovní použití; spolupracující senzory; apod.).
Průmyslu 4.0 – rozšířená realita, prediktivní údržba (návrh a realizace nových typů senzorů pro průmyslové
aplikace; rozšířená realita – hlasové ovládání v průmyslu; prediktivní údržba pomocí pokročilých metod
zpracování signálů pro Průmysl 4.0; analýza zvuku a vibrací mechanických zařízení pro detekci a predikci
poruch; automatická audio diagnostika v průmyslových zařízeních; problematiky kvality elektrické energie –
vývoj a optimalizace řídících algoritmů aktivních výkonových filtrů; měření technických otřesů a monitoring
vibrací; apod.).
Moderní komunikační systémy nové generace – komunikace viditelným světlem (návrh a realizace
přenosových systémů na bázi softwarově definovaného rádia; sítě páté generace (5G); softwarová ekvalizace
přenosového kanálu; komunikace viditelným světlem – VLC; digitální modulace, komunikace mezi vozidly
(V2V); komunikace mezi vozidly a infrastrukturou (V2I); pokročilé metody zpracování pro komunikační
systémy; měření vybraných parametrů v dopravním provozu; apod.).
S nástupem nových hybridních algoritmů do reálných aplikací, vyvstává problém optimálního nastavení dílčích
adaptivních a/nebo neadaptivních algoritmů. Efektivita a funkčnost celého hybridního systému je totiž silně závislá na
nastavení jednotlivých metod. Například analýza nezávislých komponent (ICA) je velice často užívaná jako základní
element různých hybridních metod (např. ICA-LMS-WT). U této metody je velmi důležité správně nastavit požadovaný
počet složek (zdrojů signálů), které mají být odhadnuty, ale také zvolit počet iterací a kritérium konvergence. Výkonost
adaptivních algoritmů zase velmi závislé na vhodně stanoveném řádu filtru a dalších příslušných parametrů, aby bylo
dosaženo stability a správné účinnosti. Využívané metody v hybridních systémech je tudíž potřeba optimalizovat na
reálných signálech z dané aplikační oblasti, aby byla zajištěna jejich vysoká účinnost. Tento projekt se věnuje využití
bioinspirovaných algoritmů pro automatickou optimalizaci těchto klíčových parametrů. Budu vyvíjeny, implantovány
a verifikovány zcela nové hybridní algoritmy, které budou kombinovat konvenční neadaptivní a/nebo adaptivní
algoritmy s bioinspirovanými přístupy či metodami umělé inteligence. Tyto přístupy budou primárně testovány na
reálných datech z technické a klinické praxe. Dalším z klíčových směrů výzkum v rámci předkládaného projektu je
tvorba unikátních datasetů určených pro verifikaci zkoumaných metod. Předkládaný projekt plně reflektuje aktuální
směr v podobě open science.
Členové řešitelského týmu
prof. RNDr. Václav Snášel, CSc.
doc. Ing. Radana Vilímková Kahánková, Ph.D.
doc. Ing. René Jaroš, Ph.D.
prof. Ing. Radek Martinek, Ph.D.
Ing. Jakub Kolařík, Ph.D.
Ing. Jan Baroš
Lingping Kong
Ing. Daniel Barvík, Ph.D.
Ing. David Stanovský
Bc. David Galář
Ing. Michaela Recmanik
Bc. Kamila Smičková
Ing. Lukáš Danys, Ph.D.
Ing. Martina Ládrová
Ing. Kateřina Barnová
Ing. Martina Paličková Mikolášová
Ing. Veronika Dziedzicová
Bc. Alžběta Bystroňová
Ing. Martin Dratnal
Ing. Akshaya Raj
Ing. Jiří Koutný
Bc. Jan Pelíšek
Bc. Sára Barboríková
Bc. Karolína Uhlířová
Bc. Kateřina Kubná
Bc. Petra Vondálová
Roya Aghadavoud Marnani
Specifikace výstupů projektu (cíl projektu)
Cílem projektu je:
1) Výzkum v oblasti nových typů akustických, pneumatických a hydraulických senzorů pro aplikační oblast
magnetické rezonance (MR) s využitím pokročilých metod zpracování číslicových signálů. Problematika
synchronizace MR s využitím FPGA (spolupráce FN a LF Ostrava, CEITEC Brno).
2) Výzkum v oblasti elektronického monitorování plodu (neinvazivní plodový elektrokardiogram, plodová
fonokardiografie, kardiotokografie apod.). Úzká spolupráce s University of Texas at Arlington v USA,
Łukasiewicz Research Network – Institute of Medical Technology and Equipment společně s Department of
Cybernetics, Nanotechnology and Data Processing, Silesian University of Technology, Poland, dále pak s FN
Brno.
3) Výzkum v oblasti nových typů akustických, pneumatických a hydraulických senzorů a následného zpracování
číslicových signálů pro různé aplikační oblasti, např.: veterinární praxe (spolupráce s VFU Brno), dopravy –
inteligentní město (spolupráce s DPO + testovací polygon VO), stavitelství (spolupráce s FAST), průmyslu
(spolupráce s Brose CZ spol. s r.o., Maxion Wheels Czech s.r.o. apod.).
4) Výzkum v dalších aplikačních oblastech pokročilých metod zpracování jednorozměrných biologických signálů
EEG, BCG, SCG apod.), úzká spolupráce s Faculty of Electrical Engineering, Automatic Control and Informatics,
Opole University of Technology.
5) Výzkum v oblasti komunikace viditelným světlem (VLC), softwarově definovaného rádia (SDR), komunikace
mezi vozidly (V2X) na bázi VLC/SDR, softwarové kanálové adaptivní ekvalizace apod.
6) Optimalizace hybridních algoritmů s využitím bioinspirovaných metod, strojového učení či umělé inteligence
pro různé aplikační oblasti oblastech technické kybernetiky a biomedicínského inženýrství.
Primárním cílem předkládaného projektu je podpora/motivace nadějných studentů magisterského a především pak
doktorského stupně vzdělání v oblasti jejich zapojení do vědecko-výzkumných aktivit. Dále zvýšit kvalitu a
efektivnost vědecké, technické a vzdělávací práce, rozvíjet nové, zejména interdisciplinární obory doktorského a
magisterského studia a navazovat spolupráci v těchto oborech se zahraničím a podporovat publikování dosažených
výsledků. Projekt umožní zapojení nadějných studentů do reálných výzkumných aktivit v aplikační oblast
pokročilých metod zpracování signálů a jejich postupný přechod k řešení grantových projektů a realizaci smluvního
výzkumu.
Co se týká měřitelných indikátorů a specifikace výstupů, tak primárním cílem jsou kvalitní impaktované časopisecké
publikace v prvním kvartilu, patenty a odklon od nehodnocených výsledků v podobě konferenčních příspěvků,
nekvalitních časopiseckých publikací, užitných/funkčních vzorů tj. kvalita před kvantitou:
- publikovat minimálně pět výstupů ve vysoce kvalitních časopisech s IF,
- příprava navazujících projektů z dalších zdrojů - národní i mezinárodní,
- celkově dosáhnout alespoň 10 výsledků s výstupem do RIV (indexované články v časopisech, konferenční
výstupy a aplikované výstupy).