DOI:
10.34229/KCA2522-9664.24.1.14
УДК 53.088.3+53.088.7
Ю.К. ТАРАНЕНКО
Приватне підприємство «Лікопак», Дніпро, Україна,
tatanen@ukr.net
О.Ю. ОЛІЙНИК
Дніпровський фаховий коледж радіоелектроніки, Дніпро, Україна,
oleinik_o@ukr.net
ОПТИМІЗАЦІЯ АЛГОРИТМУ ПАКЕТНОЇ
ВЕЙВЛЕТ-ФІЛЬТРАЦІЇ СИГНАЛІВ
Анотація. Розроблено алгоритм пакетної вейвлет-фільтрації, який включає переміщення по гілках дерева вейвлет-пакета з обмеженням на кожній гілці коефіцієнтів апроксимації та деталізації до моменту досягнення мінімальної середньоквадратичної похибки за оптимальних параметрів вейвлет-порога та порогової функції. Для обчислення середньоквадратичної похибки фільтрації після кожного циклу оброблення коефіцієнтів вейвлет-декомпозиції виконується реконструкція у фідфільтрований сигнал в часовій області. Отриманий сигнал у наступному циклі підлягає декомпозиції на коефіцієнти апроксимації та деталізації до досягнення середньоквадратичною похибкою мінімуму для всіх можливих значень базового вейвлет-порога та порогової функції. Проведено дослідження 20 найбільш використовуваних сигналів, серед яких сигнали з лінійною та нелінійною частотними модуляціями, а також суми синусоїдальних сигналів різних частот. Для підтвердження ефективності пакетної вейвлет-фільтрації зроблено порівняльний аналіз відомих методів на основі загального порога коефіцієнтів деталізації на всіх рівнях вейвлет-декомпозиції.
Ключові слова: вейвлет-аналіз, пакетна вейвлет-фільтрація, ентропія, порогова функція, трешолдинг.
повний текст
СПИСОК ЛІТЕРАТУРИ
- Гапочкин А.В., Попов Д.И. Повышение точности вейвлет-анализа звуковых сигналов. Информационно-телекоммуникационные системы и технологии. 2015. С. 224.
- Олійник О.Ю., Тараненко Ю.К. Система безперервного вібромонiторингу стану технологічного обладнання з машинним навчанням класифікатору. Інформаційні технології та комп’ютерна інженерія. 2020. Т. 48, № 2. С. 18–26. https://doi.org/10.31649/ 1999-9941-2020-48-2-18-26 .
- Wunnava A., Naik M.K., Panda R., Jena B., Abraham A. A novel interdependence based multilevel thresholding technique using adaptive equilibrium optimizer. Engineering Applications of Artificial Intelligence. 2020. Vol. 94. 103836. https://doi.org/10.1016/j.engappai.2020.103836.
- Лоза В.Н., Ленков Е.С. Особенности применения пакетных алгоритмов вейвлет-анализа при обработке сигналов. Системи обробки інформації. 2016. № 7. C. 66–71.
- Шумарова О.С., Игнатьев С.А. Оптимальный выбор вида вейвлета при обработке сигнала с вихретокового датчика. Вестник Саратовского государственного технического университета. 2013. Т. 4.1 (73), C. 128–132.
- Браун B.O., Долгушин В.П., Лоза В.Н., Пампуха И.В. Исследование возможностей и характеристик методов снижения уровня шума при обработке сигналов, основанных на применении вейвлет-технологии. Журнал радиоэлектроники. 2014. № 7. С. 66–71.
- Иванов М.А. Применение вейвлет-преобразований в кодировании изображений. 2004. 19 с. URL: https://www.iis.nsk.su/files/articles/sbor_kas_10_ivanov.pdf .
- Абдуллаев Н.Т., Дышин О.А. Хасмамедова Г.Т. Спектральный анализ электрокардиографических сигналов на основе вейвлет-пакетной обработки. Медицинская техника. 2010. № 1(259). C. 30.
- Shi Z., We G.W., Kour D.J., Hoffman D.K. Lagrange wavelets for signal processing. IEEE Transactions on Image Processing. 2001. Vol. 10, N 10. P. 1488–1508. https://doi.org/10.1109/83.951535 .
- Mallat S.G. Multiresolution approximations and wavelet orthonormal bases of . Transactions of the American Mathematical Society. 1989. Vol. 315, N 1. P. 69–87.
- Дьяконов В.П. Matlab 6.5 SP1/7.0 Simulink 5/6. Обработка сигналов и проектирование фильтров. Москва: СОЛОН-Пресс. 2010. 576 с.
- Song M., Zhu Q., Peng J., Gonzalez E. D. S. Improving the evaluation of cross efficiencies: A method based on Shannon entropy weight. Computers & Industrial Engineering. 2017. Vol. 112. P. 99–106. https://doi.org/10.1016/j.cie.2017.07.023.
- Oliynyk O., Taranenko Yu. Automated system for identification of data distribution laws by analysis of histogram proximity with sample reduction. Ukrainian Metrological Journal. 2021. N 3. P. 31–37.
- Онуфрієнко Д.M., Тараненко Ю.К. Фільтрування та стиснення сигналів методом дискретного вейвлет-перетворення в одновимірні ряди. Кібернетика та системний аналіз. 2023. Т. 59, № 2. С. 173–181.
- 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.
- Можаров Г.П. Сравнительный анализ адаптивных алгоритмов вейвлет-пакетов. Вестник МГТУ им. Н.Э. Баумана. Приборостроение. 2016. № 1 (106). C. 75–88. https://doi.org/10.18698/0236-3933-2016-1-75-88 .
- Zarei A., Asl B.M. Automatic seizure detection using orthogonal matching pursuit, discrete wavelet transform, and entropy based features of EEG signals. Computers in Biology and Medicine. 2021. Vol. 131. 104250. https://doi.org/10.1016/j.compbiomed.2021.104250 .
- Тараненко Ю.К., Ризун Н.О. Вейвлет-фильтрация сигналов без использования модельных функций. Вісті вищих учбових закладів. Радіоелектроніка. 2022. Т. 65, № 2. C. 110–125. https://doi.org/10.20535/S0021347022020042.
- Демаков Н.В., Кузовников А.В., Пашков А.Е., Анжина В.А. Фильтрация сигналов с помощью вейвлет-преобразования. Сибирский аэрокосмический журнал. 2008. Т. 20. C. 40–44.
- Salman M.S., Eleyan A., Al-Sheikh B. Discrete wavelet transform recursive inverse algorithm using second-order estimation of the autocorrelation matrix. Telecommunication, Computing, Electronics and Control. 2020. Vol. 18, N 6. P. 3073–3079. https://doi.org/10.12928/telkomnika.v18i6.16191 .