УДК 53.088.3+53.088.7
Д.М. ОНУФРІЄНКО,
Національний технічний університет «Харківський політехнічний інститут», Харків, Україна,
OnufrienkoResearcher@gmail.com
Ю.К. ТАРАНЕНКО,
Приватне підприємство «Лікопак», Дніпро, Україна, tatanen@ukr.net
ФІЛЬТРАЦІЯ ТА СТИСНЕННЯ СИГНАЛІВ МЕТОДОМ ДИСКРЕТНОГО
ВЕЙВЛЕТ-ПЕРЕТВОРЕННЯ В ОДНОВИМІРНІ РЯДИ
Анотація. Розв’язання задачі ідентифікації спеціальних сигналів в умовах апріорної невизначеності їхніх джерел є надзвичайно важливим, наприклад, під час виявлення локаторів, що слідкують за рухомими об’єктами. Метод використовують для фільтрації сигналів від потужних шумів (до рівня у 12дБ) та визначення форми сигналу. Розглянуто ідентифікацію, фільтрацію та стиснення сигналів, що ґрунтуються на порівнянні близькості одновимірних рядів вейвлет-коефіцієнтів. Запропоновано пряме перетворення вкладених масивів коефіцієнтів апроксимації та деталізації в одновимірний ряд із попереднім визначенням структури вкладених масивів для подальшої реконструкції одновимірного ряду у сигнал, що ідентифікується. Перевірено стійкість запропонованого алгоритму до локальних змін форми тестового сигналу відповідно до вимог ідентифікації.
Ключові слова: ідентифікаційні вимірювання, міри близькості рядів, одновимірний ряд, дискретний вейвлет-аналіз, лінійна та нелінійна модуляція, бази даних.
повний текст
СПИСОК ЛІТЕРАТУРИ
- Лагирвандзе А.К., Калиниченко А.Н., Моргунова Т.В. Алгоритм анализа форм кардиоциклов ЭКГ с использованием технологий машинного обучения. Модели, системы, сети в экономике, технике, природе и обществе. 2019. № 4 (32). C. 75–84.
- Кузин Д.А., Стаценко Л.Г., Анисимов П.Н., Смирнова М.М. Применение методов машинного обучения для классификации акустических сигналов по спектральным характеристикам. Информатика, вычислительная техника и управление. Известия СПБГЭТУ «ЛЭТИ». 2021. № 3. С. 48-53.
- Salman M.S., Eleyan A., Al-Sheikh B. Discrete-wavelet-transform recursive inverse algorithm using second-order estimation of the autocorrelation matrix. TELKOMNIKA. 2020. Vol. 18, N 6. P. 3073–3079. https//doi.org/10.12928/telkomnika.v18i6.16191.
- Galati G., Pavan G., De Palo F. Chirp signals and noisy waveforms for solid-state surveillance radars. Aerospace. 2017. Vol. 4, N 1. P. 15. https://doi.org/10.3390/aerospace4010015.
- Hogenboom D.O., DiMarzio C.A. Quadrature detection of a Doppler signal. Applied Optics. 1998. Vol. 37, Iss. 13. P. 2569–2572. URL: https://www.osapublishing.org/ao/abstract.cfm?URI=ao-37-13-2569 .
- Debnath L. The Gabor transform and time-frequency signal analysis. In: Wavelet Transforms and Their Applications. Boston, MA: Birkhuser, 2015. P. 257–306. https://doi.org/10.1007/ 978-1-4612-0097-0_4.
- M. Signaling to relativistic observers: an Einstein–Shannon–Riemann encounter. Problems of Information Transmission. 2020. Vol. 56, N 4. P. 303–308.
- Воскобойников Ю.Е., Гочаков А.В., Колкер А.Б. Фильтрации сигналов и изображений: Фурье и вейвлет-алгоритмы (с примерами в Mathcad). Новосибирск: НГАСУ (Сибстрин), 2010. 188 с.
- Mallat S.G. Multiresolution approximations and wavelet orthonormal bases of L? (R). Transactions of the American Mathematical Society. 1989. Vol. 315, N 1. P. 69–87.
- Mallat S. A theory of multiresolution signal decomposition: the wavelet representation. IEEE Trans. Pattern Anal. Machine Intell. 1989. Vol. 11, N 7. P. 674–693.
- NumPy Array manipulation: ndarray.flatten() function. URL: https://www.w3resource.com/numpy .
- Тараненко Ю.К. Методы дискретной вейвлет-фильтрации измерительных сигналов: алгоритм выбора метода. Измерительная техника. 2021. № 10. С. 14–20. https://doi.org/10.32446/0368-1025it.2021-10-14-20.
- Бурнаев Е.В., Оленев Н.Н. Мера близости для временных рядов на основе вейвлет-коэффициентов. Тр. XLVIII научн. конф. МФТИ. Долгопрудный: ФУПМ, 2005. С. 108–110.
- Taranenko Y.K., Lopatin V.V., Oliynyk O.Y. Wavelet filtering by using nonthreshold method and example of model Doppler function. Radioelectronics and Communications Systems. 2021. Vol. 64, N 7. P. 380–389.
- Кликушин Ю.Н., Кобенко В.Ю. Основы идентификационных измерений. Журнал радиоэлектроники. 2006. №. 5. С. 6. URL: http://jre.cplire.ru/iso/nov06/index.html .
- Taranenko, Y., Rizun, N. Wavelet filtering of signals without using model functions. Radioelectronics and Communications Systems. 2022. Vol. 65, N 2. P. 96–109.
- Бурнаев Е.В. Применение вейвлет-преобразования для анализа экономических временных рядов. Математическое моделирование развивающихся экономических систем. В сб. научн. трудов летней школы по экономико-математическому моделированию ЭКОМОД. 2006. Т. 2006. С. 95.
