Алгоритмы обработки информации на основе анализа быстропеременных процессов

  • Автор:
  • Специальность ВАК РФ: 05.13.01
  • Научная степень: Кандидатская
  • Год защиты: 2014
  • Место защиты: Пенза
  • Количество страниц: 157 с. : ил.
  • бесплатно скачать автореферат
  • Стоимость: 230 руб.
Титульный лист Алгоритмы обработки информации на основе анализа быстропеременных процессов
Оглавление Алгоритмы обработки информации на основе анализа быстропеременных процессов
Содержание Алгоритмы обработки информации на основе анализа быстропеременных процессов
ГЛАВА 1. Анализ моделей быстропеременных процессов и методов их обработки
1.1 Понятие быстропеременного процесса и его применение в технических системах
1.2 Математическая модель быстропеременного процесса
1.3 Методы спектрального анализа
1.3.1 Классические методы спектрального анализа
1.3.2 Параметрические методы спектрального анализа
1.3.2.1 Методы авторегрессионного анализа
1.3.2.2 Метод Прони
1.3.2.3 Методы оценивания частоты, основанные на анализе собственных значений
1.3.2.4 Выбор порядка модели
1.3.3 Время-частотные методы спектрального анализа
1.3.3.1 Оконное преобразование Фурье
1.3.3.2 Вейвлет-преобразование
1.3.3.3 Время-частотные распределения
1.3.3.4 Преобразование Гильберта-Хуанга
1.3.3.5 Экспресс анализ время-частотных характеристик
1.4 Постановка задачи дальнейших исследований
Основные результаты и выводы
ГЛАВА 2. Алгоритмы обработки быстропеременных процессов на
базе аппроксимативного и параметрического анализа
2.1 Аппроксимация многоэкстремальных функций
2.1.1 Аппроксимация дробно-рациональными функциями
2.1.2 Расчет аппроксимативной спектральной характеристики
2.2 Экстраполяционный спектральный анализ
2.2.1 Проблемы спектрального анализа коротких последовательностей данных
2.2.2 Экстраполяция простейшими функциями
2.2.3 Параметрическая экстраполяция
2.2.4 Использование параметрического весового окна при оконном преобразовании Фурье
2.3 Применение метода Прони с предварительным разложением на эмпирические моды
Основные результаты и выводы
ГЛАВА 3. Применение разложения на эмпирические моды в задачах анализа быстропеременных процессов
3.1 Анализ сейсмоакустических сигналов
3.1.1 Постановка задачи
3.1.2 Модель сейсмического сигнала
3.1.3 Выбор метода обработки сейсмосигнала
3.1.4 Формирование диагностических признаков
3.1.5 Разработка систем идентификации нарушителя
3.1.6 Алгоритм работы системы идентификации источника сейсмовозмущения
3.1.7 Ошибки классификации и вероятность обнаружения
3.2 Разработка методики анализа электрокардиосигнала
3.2.1. Описание основных элементов электрокардиосигнала
3.2.2 Обзор методов выделения СЖЗ-комплекса
3.2.3 Разработка алгоритма выделения Л-зубца
3.2.4 Описание разработанного программного обеспечения
Основные результаты и выводы
ГЛАВА 4. Применение аппроксимации для сжатия - восстановления
измерительной информации
4.1 Выбор алгоритма сжатия-восстановления
4.2 Критерии выбора порядка модели
4.3 Разработка алгоритма сжатия измерительной информации
4.4 Описание разработанной программы
4.5 Технические средства системы
Основные результаты и выводы
Заключение и выводы
Литература
Приложение А Текст программы расчета значений диагностических признаков для распознавания нарушителя на основе метода разложения на эмпирические моды
Приложение Б Тексты программ сжатия-восстановления измерительной
информации на основе аппроксимации
Приложение В Акты внедрения
Приложение Г Свидетельства о регистрации электронных ресурсов

Известно, что знакопеременную составляющую можно выделить, например, путем центрирования относительно скользящего среднего. Наиболее простым является метод, в котором используются лишь экстремальные значения [69, 70, 76]: по экстремумамхэЬ г = 1,2,...,т числового ряда х„ , п = 1 ../V и производится его сглаживание оператором вида
ха =“(^<Хм +*„)+^(х„ +Хэ,+1)) = 0,25хЭ1_] + 0,5хэ, + 0,25хэ1+1 (1.60).
Первая, высокочастотная, составляющая определяется из соотношения
хр, = - ха _
или может быть выделена непосредственно из экстремумов следующим образом
Хр, =~0,25хэ„1+0,5хэ1 -0,25х„+| (1.61).
Признак окончания фильтрации - получение знакопеременной сглаженной составляющей.
Очевидно сходство описанной выше процедуры Г.МО и экстремальной фильтрации.
Значения между экстремумами могут быть аппроксимированы с использованием функций е-*сЬ~' (х), 1/(1 + х2), т. е. «колокольными» импульсами.
Наиболее исследована аппроксимация х , так как она удобна для последующего спектрального анализа [64].
Частота в момент г,, определяется непосредственно по соседним экстремумам (или в скользящем окне), амплитуда оценивается как среднее значение модуля экстремумов, а мощность оценивается по дисперсии экстремумов.
Время-частотные распределения, полученные на основе ЕМО и экстремальной фильтрации практически совпадают.
Данный алгоритм позволяет значительно снизить трудоемкость анализа и упростить алгоритмическую реализацию.

Рекомендуемые диссертации данного раздела