Добірка наукової літератури з теми "Вейвлет-перетворення сигналів"

В роботі розглядається метод вейвлет фільтрації вузькосмугових частотно–модульваних сигналів на основі нелінійного локального трешхолдінгу. Основою запропонованого методу є використання асимптотичного методу точок стаціонарної фази для формування функції трешхолдінгу вейвлет спектру. Показано, що застосування точок стаціонарної фази для локалізації функції трешхолдінгу і радіусів впливу для її масштабування дає змогу значно підвищити ефективність фільтрації і спростити процес вибору і масштабування материнського вейвлету. Визначаючи сферу застосування методів локально–базисної обробки слід зазначити їх підвищену інформативність, що дозволяє знаходити і відстежувати локальні зміни сигналу. Розглядається випадок виділення детермінованих сигналів на фоні перешкод в синхронній системі зв'язку, в якій використовуються вузькосмугові сигнали з полігармонічною частотною модуляцією з незначною девіацією частоти. В якості перешкод, розглядається білий шум, який має рівномірну спектральну щільність в межах частотного спектра сигналу і по всій його тривалості. Виходячи з цього, оптимальний, в енергетичному відношенні, фільтр повинен забезпечувати пропорційне посилення складових сигналу, які по модулю перевищують рівень шуму і пропорційно пригнічувати складові сигналу, які по модулю його не перевищують. В статті наведено застосування методу стаціонарної фази, а саме її оцінки за допомогою функції радіусів впливу, для завдання фільтрації з використанням вейвлет–перетворення. Відмінною особливістю вейвлет–аналізу є те, що в ньому можна використовувати сімейства функцій, що реалізують різні варіанти співвідношення невизначеності. Відповідно, дослідник має можливість гнучкого вибору між ними і застосування тих вейвлетних функцій, які найбільш ефективно вирішують поставлені завдання.

Розроблено методологію застосування віброакустичного діагностування технічного стану мостів і їх конструктивних елементів, при проведенні статичних і динамічних випробувань мостів, шляхом удосконалення методів фільтрації та виділення трендів сигналів вейвлет- перетворенням.Об'єкт дослідження — процес статичних і динамічних випробувань мостів і їх конструктивних елементів з застосуванням акустико- емісійного діагностування технічного стану.Предмет дослідження — характер розвитку процесу деформування залізобетонних прогонових будов мостів під дією статичних і динамічних випробувальних навантажень.Мета дослідження — покращенні надійності і достовірності результатів статичних і динамічних випробувань мостів застосуванням акустико- емісійного діагностування їх стану, шляхом удосконалення методів фільтрації та виділенням трендів сигналів вейвлет-перетворенням. Використання методу віброакустичної емісії на основі вейвлет-перетворення забезпечує визначення особливостей формування акустичних імпульсів, визначення показників наростання та згасання їх амплітуд і зміну частотних характеристик в часі. Перевагами у застосуванні вейвлет- перетворенні є можливості програмної реалізації видалення перешкод з сигналу та виділення певних частотних складових сигналу як самостійних компонентів. Розроблено обладнання вимірювання та фіксації сигналів віброакустичної емісії, яке складається з чотирьохканального блока реєстрації, зовнішнього модуля аналого- цифрового перетворення, керуючого ноутбука та типорозмірний ряд інтегрованих на неодимових магнітах широкосмугових п’єзоелектричних перетворювачів. Виконано апробацію розробленого віброакустичного аналізу під час проведення статичних і динамічних випробувань залізобетонного мосту через р. Дністер на автомобільній дорозі М-12, км 28+964 біля с. Заліски. Встановлені значення частот коливань балок прогонів є паспортними характеристиками мосту і як вхідні значення призначені для оцінювання ступеню зносу конструкції прогонових будов в процесі експлуатації. Розроблену методику і обладнання віброакустичного діагностування технічного стану мостів і їх конструктивних елементів, рекомендується для застосування в суміжних областях, в тому числі для діагностування споруд і будівельних конструкцій, що підлягають випробуванням.

Стаття містить результати експериментального стендового дослідження роботи цифрового інтелектуального датчика температури DS18B20 в умовах вібраційних впливів, притаманних роботі обладнання атомних електростанцій. Розглянуто питання цифрової алгоритмічної обробки вихідного сигналу датчика для комп’ютеризованого виявлення інформаційних ознак стану обладнання в умовах впливу віброперешкод на первинний вимірювальний перетворювач. Докладно описано розроблений для досліджень експериментальний стенд, наведено методику проведення стендових експериментів і результати застосування цифрової алгоритмічної обробки вимірювальних сигналів з використанням вейвлет-перетворення.

У рамках мультифрактального формалiзму з використанням методу максимумiв коефiцiєнтiв вейвлет-перетворення проаналiзовано записи добового монiторiнгу Холтера баз даних PhysioNet для раптової серцевої смертi та нормального синусового ритму. На основi послiдовних вiконних виборок сигналiв варiабельностi серцевого ритму для дiапазону VLF (0,0025–0,04 Гц) обчислено часовi залежностi ширин спектрiв сингулярно-стей та положень їх максимумiв. Встановлено, що середня енергiя низькочастотних коливань ширини спектра сингулярностей для дослiджених записiв раптової серцевої смертi на 36% бiльше вiдповiдної величини для записiв нормального синусового ритму, що може розглядатися як предиктор раптової серцевої смертi.

В кваліфікаційній роботі здійснено порівняльний аналіз застосування різних вимірювань близькості та векторних ознак, який показав, що найбільш придатними для завдань розпізнавання векторами ознак можна вважати: мел-кепстральні коефіцієнти та розподіл інформаційних інтервалів мовного сигналу для керування комп’ютерними системами.
In the qualification work, a comparative analysis of the use of different measurements of proximity and vector features, which showed that the most suitable for recognition tasks vector features can be considered: mel-keppstral coefficients and distribution of information intervals of speech signal to control computer systems.
ВСТУП 8 РОЗДІ 1. ОСНОВНА ЧАСТИНА 11 1.1. Сучасний стан напряму розпізнавання мовних сигналів 11 1.2. Особливості мовлення та сприйняття мови людиною 16 1.2.1. Мовний апарат 17 1.2.2. Сприйняття мовного сигналу людиною 20 1.3 Методи цифрової обробки сигналів у задачах розпізнавання мовних сигналів 26 1.3.1. Спектральний аналіз 26 1.3.2. Віконний аналіз у базисі Фур'є 27 1.3.3. Вейвлет аналіз 27 1.3.4. Кепстральний аналіз 29 1.4 Субсмуговий підхід до обробки мовних сигналів 32 1.5 Висновки до розділу 1 33 РОЗДІЛ 2. ОСНОВНА ЧАСТИНА 34 2.1. Акустико-фонетичний підхід до розпізнавання мовних сигналів 34 2.2. Обчислювальні аспекти субсмугового аналізу мовних сигналів у задачах ідентифікації 37 2.3. Дослідження просторів ознак у задачах розпізнавання мовних сигналів 43 2.3.1. Декомпозиція сигналу банком фільтрів 43 2.3.2. Розподіл миттєвих енергій відрізка МС 45 2.3.3. Розподіл часток енергії відрізка МС 47 2.3.4. Розподіл інформаційних інтервалів відрізка МС 49 2.3.5. Частота переходів через нуль 52 2.3.6. Ширина частотної області, що займає сигнал 55 2.3.7. Мел-кепстральні коефіцієнти мовного сигналу 60 2.4. Заходи близькості у задачах розпізнавання мовних сигналів 63 2.4.1. Євклідова відстань 63 2.4.2. Середньоквадратичне відхилення 63 2.4.3. Відстань Махаланобіса 64 2.4.4. Кореляція послідовностей 64 2.4.5. Динамічна трансформація тимчасової шкали 65 2.5. Висновки до розділу 2 67 РОЗДІЛ 3. НАУКОВО-ДОСЛІДНА ЧАСТИНА 68 3.1. Методика оцінки методів розпізнавання мовних сигналів 68 3.2 Дослідження підходів до розпізнавання мовних сигналів 72 3.3. Висновки до розділу 3 80 РОЗДІЛ 4. ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 81 4.1. Охорона праці 81 4.2. Безпека в надзвичайних ситуаціях 84 4.3. Висновки до розділу 4 86 ВИСНОВКИ 87 СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ 88 Додаток А. Копія тези конференції 93

Дисертаційна робота присвячена вирішенню актуальної науково-практичної проблеми в телекомунікаційних системах, а саме підвищення пропускної здатності каналу передачі семантичних мовних даних за рахунок ефективного їх кодування, тобто формулюється питання підвищення ефективності семантичного кодування, а саме – з якою мінімальною швидкістю можливо кодувати семантичні ознаки мовних сигналів із заданою ймовірністю безпомилкового їх розпізнавання? Саме на це питання буде дана відповідь у даному науковому дослідженні, що є актуальною науково-технічною задачею враховуючи зростаючу тенденцію дистанційної взаємодії людей і роботизованої техніки за допомогою мови, де безпомилковість функціонування даного типу систем безпосередньо залежить від ефективності семантичного кодування мовних сигналів. У роботі досліджено відомий метод підвищення ефективності семантичного кодування мовних сигналів на основі мел-частотних кепстральних коефіцієнтів, який полягає в знаходженні середніх значень коефіцієнтів дискретного косинусного перетворення прологарифмованої енергії спектра дискретного перетворення Фур'є обробленого трикутним фільтром в мел-шкалі. Проблема полягає в тому, що представлений метод семантичного кодування мовних сигналів на основі мел-частотних кепстральних коефіцієнтів не дотримується умови адаптивності, тому було сформульовано основну наукову гіпотезу дослідження, яка полягає в тому що підвищити ефективність семантичного кодування мовних сигналів можливо за рахунок використання адаптивного емпіричного вейвлет-перетворення з подальшим застосуванням спектрального аналізу Гільберта. Під ефективністю кодування розуміється зниження швидкості передачі інформації із заданою ймовірністю безпомилкового розпізнавання семантичних ознак мовних сигналів, що дозволить значно знизити необхідну смугу пропускання, тим самим підвищуючи пропускну здатність каналу зв'язку. У процесі доведення сформульованої наукової гіпотези дослідження були отримані наступні результати: 1) вперше розроблено метод семантичного кодування мовних сигналів на основі емпіричного вейвлетперетворення, який відрізняється від існуючих методів побудовою множини адаптивних смугових вейвлет-фільтрів Мейера з подальшим застосуванням спектрального аналізу Гільберта для знаходження миттєвих амплітуд і частот функцій внутрішніх емпіричних мод, що дозволить визначити семантичні ознаки мовних сигналів та підвищити ефективність їх кодування; 2) вперше запропоновано використовувати метод адаптивного емпіричного вейвлет-перетворення в задачах кратномасштабного аналізу та семантичного кодування мовних сигналів, що дозволить підвищити ефективність спектрального аналізу за рахунок розкладання високочастотного мовного коливання на його низькочастотні складові, а саме внутрішні емпіричні моди; 3) отримав подальший розвиток метод семантичного кодування мовних сигналів на основі мел-частотних кепстральних коефіцієнтів, але з використанням базових принципів адаптивного спектрального аналізу за допомогою емпіричного вейвлет-перетворення, що підвищує ефективність даного методу.
The thesis is devoted to the solution of the actual scientific and practical problem in telecommunication systems, namely increasing the bandwidth of the semantic speech data transmission channel due to their efficient coding, that is the question of increasing the efficiency of semantic coding is formulated, namely – at what minimum speed it is possible to encode semantic features of speech signals with the set probability of their error-free recognition? It is on this question will be answered in this research, which is an urgent scientific and technical task given the growing trend of remote human interaction and robotic technology through speech, where the accurateness of this type of system directly depends on the effectiveness of semantic coding of speech signals. In the thesis the well-known method of increasing the efficiency of semantic coding of speech signals based on mel-frequency cepstral coefficients is investigated, which consists in finding the average values of the coefficients of the discrete cosine transformation of the prologarithmic energy of the spectrum of the discrete Fourier transform treated by a triangular filter in the mel-scale. The problem is that the presented method of semantic coding of speech signals based on mel-frequency cepstral coefficients does not meet the condition of adaptability, therefore the main scientific hypothesis of the study was formulated, which is that to increase the efficiency of semantic coding of speech signals is possible through the use of adaptive empirical wavelet transform followed by the use of Hilbert spectral analysis. Coding efficiency means a decrease in the rate of information transmission with a given probability of error-free recognition of semantic features of speech signals, which will significantly reduce the required passband, thereby increasing the bandwidth of the communication channel. In the process of proving the formulated scientific hypothesis of the study, the following results were obtained: 1) the first time the method of semantic coding of speech signals based on empirical wavelet transform is developed, which differs from existing methods by constructing a sets of adaptive bandpass wavelet-filters Meyer followed by the use of Hilbert spectral analysis for finding instantaneous amplitudes and frequencies of the functions of internal empirical modes, which will determine the semantic features of speech signals and increase the efficiency of their coding; 2) the first time it is proposed to use the method of adaptive empirical wavelet transform in problems of multiscale analysis and semantic coding of speech signals, which will increase the efficiency of spectral analysis due to the decomposition of high-frequency speech oscillations into its low-frequency components, namely internal empirical modes; 3) received further development the method of semantic coding of speech signals based on mel-frequency cepstral coefficients, but using the basic principles of adaptive spectral analysis with the application empirical wavelet transform, which increases the efficiency of this method. Conducted experimental research in the software environment MATLAB R2020b showed, that the developed method of semantic coding of speech signals based on empirical wavelet transform allows you to reduce the encoding speed from 320 to 192 bit/s and the required passband from 40 to 24 Hz with a probability of error-free recognition of about 0.96 (96%) and a signal-to-noise ratio of 48 dB, according to which its efficiency increases 1.6 times in contrast to the existing method. The results obtained in the thesis can be used to build systems for remote interaction of people and robotic equipment using speech technologies, such as speech recognition and synthesis, voice control of technical objects, low-speed encoding of speech information, voice translation from foreign languages, etc.

Вейвлет-аналіз кардіо-сигналів є досить перспективною областю досліджень, які можуть допомогти при визначенні та запобіганні серцевих захворювань. При цитуванні документа, використовуйте посилання http://essuir.sumdu.edu.ua/handle/123456789/31742
In this article the importance of electrocardiograms and their processing is justified. The method of continuous wavelet transformation of cardio signal isconsidered. Advantages and disadvantages of this method is identified. При цитировании документа, используйте ссылку http://essuir.sumdu.edu.ua/handle/123456789/31742

Проаналізовано зміну чисельних характеристик ЕКГ-сигналу при дії малих доз гамма-випромінювання. Запропоновано метод та експериментальне програмне забезпечення аналізу ЕКГ на основі вейвлет-перетворення з метою оцінки дії іонізуючого випромінювання на серцево-судинну систему

Дисертаційна робота присвячена розробці на основі апарату фрактального та вейвлет аналізу моделі та методу, що здійснюють обробку, визначення індивідуальних характеристик особи та ідентифікацію мовного сигналу. У роботі обґрунтовано необхідність використання фрактального та вейвлет аналізу для ідентифікації мовної інформації. Для сегментації мовного сигналу розроблена методологія, що використовує фрактальні характеристики сигналу. Застосування методології дозволяє виділяти вокалізовані та невокалізовані фрагменти сигналу, незалежно від мовних даних особи. Запропоновано алгоритм виділення характеристик самоподібних структур в мовному сигналі на основі аналізу максимумів вейвлет-перетворення на різних рівнях декомпозиції мовного сигналу, що дозволяє визначити параметри частоти основного тону та частот формант у вигляді кривих щільності розподілу вірогідності. Розроблений метод ідентифікації особи, що використовує методологію сегментації мовного сигналу та алгоритм виділення характеристик самоподібних структур. На основі виконаного дослідження створено програмну систему, яка по мовним записам здійснює автоматичний розрахунок мовних характеристик, виконує ранжування цих характеристик в базі даних, за визначеними в роботі критеріями, та ідентифікацію особи в мовному сигналі.
Диссертационная работа посвящена разработке на основе аппарата фрактального и вейвлет анализа модели и метода, осуществляющих обработку, определение индивидуальных характеристик личности и идентификациию голосового сигнала. В работе обоснована необходимость использования фрактального и вейвлет анализа для идентификации голосовой информации. Для сегментации голосового сигнала разработана методология, которая использует фрактальные характеристики сигнала. Применение методологии позволяет выделять вокализованные и невокализованные фрагменты сигнала, независимо от голосовых данных личности. Предложен алгоритм выделения характеристик самоподобных структур в голосовом сигнале на основе максимумов вейвлетпреобразования на разных уровнях декомпозиции голосового сигнала, что позволяет определить частоту основного тона и частот формант в виде кривых плотности распределения вероятности. Разработанный метод идентификации личности, использует методологию сегментации голосового сигнала и алгоритм выделения характеристик самоподобных структур. На основе выполненного исследования создана программная система, которая по голосовым записям осуществляет автоматический расчет голосовых характеристик, выполняет ранжирование этих характеристик в базе данных, по определенным в работе критериям, и идентификацию личности в голосовом сигнале.
The thesis is devoted to the development of the model and method that process and determine the individual characteristics of the person and the identification of the speech signal. Models and methods are based on the apparatus of fractal and wavelet analysis. The paper substantiates the need to use fractal and wavelet analysis to identify speech information. The methodology using fractal signal characteristics has been developed for speech signal segmentation. The application of the methodology allows to distinguish vocalized and unvocalized fragments of the signal. This happens regardless of the person's language data. The algorithm for selecting parameters of selfsimilar structures in a speech signal has been proposed, it based on wavelet transform maxima at different levels of voice signal decomposition. This allows us to determine the frequency parameters of the fundamental tone and the formant envelop in the form of probability density curves. The method of personal identification has been developed. This method uses the methodology of speech signal segmentation and the algorithm for selecting parameters of self-similar structures. The software system was created on the basis of the performed research. This software system automatically calculates the voice characteristics of the voice records. In addition, it performs the ranking of these characteristics in the database, according to the criteria, which was defined in the work and the identification of the person in the speech signal.