Обработка сигналов на основе вейвлет-анализа с оптимизацией параметров генетическим алгоритмом

• Автор: Ширяев, Виталий Владимирович
• Шифр специальности: 01.04.03
• Научная степень: Кандидатская
• Год защиты: 2006
• Место защиты: Москва
• Количество страниц: 94 с.

Глава I. Использование вейвлет-анализа при обнаружении и классификации некоторых типов событий на сигнале
1.1 Выбор вейвлета и нормировки
1.2 Вейвлет-образы характерных локальных изменений функции
1.3 Преимущества разномасштабного анализа в распознавании событий
1.4 Использование разномасштабного анализа при
уточнении границ событий
Глава II. Решение задач многопараметрической оптимизации при помощи генетического алгоритма
2.1 Поиск экстремумов многоэкстремальной функции, заданной на многомерном множестве
2.2 Поиск оптимального набора параметров вейвлет-анализа
с целью обнаружения событий
Глава III. Применение вейвлет-анализа и генетических
алгоритмов в системах мониторинга и передачи информации
3.1 Архитектура АМФИКОМ®: функциональные возможности, конфигурация, методика
3.2 Мониторинг волоконно-оптических линий связи на физическом уровне
3.3 Предобработка речевого сигнала
3.4 Сейсмологические наблюдения
Заключение
Литература
Приложение. Акт внедрения результатов исследования.

Математическая обработка сигналов, получаемых в самых разнообразных формах представления с различного рода устройств — давно исследуемая и не теряющая актуальности задача, касающаяся многих отраслей человеческой деятельности. Несмотря на длительные исследования в этой области и достижение значительных успехов в тех или иных вопросах обработки, всегда существуют связанные с интерпретацией сигналов задачи, решение которых ещё не найдено или существует, но не удовлетворяет каким-либо требованиям. Так, например, при тестировании современными рефлектометрами волоконно-оптических линий связи (ВОЛС) отмечается [1] что:
высокая для человека трудоёмкость радиофизических измерений, особенно при их высокой точности, усложняет работу оператора оборудования;
- непосредственное участие оператора при проведении анализа данных исключает возможность работы в полностью автоматическом режиме без оператора;
- зависимость интерпретации результатов измерений от навыков оператора приводит к неоднозначности в выводах о состоянии линии связи.
Несмотря на значительные усилия со стороны ведущих производителей рефлектометрического оборудования, полностью сделать процесс контроля параметров ВОЛС автоматическим при удовлетворительном качестве обработки сигнала до сих пор не удавалось [2].

Диссертация посвящена изучению возможности применения вейвлет-анализа [3-6] и оптимизационных генетических алгоритмов [7] для создания системы обработки радиофизической информации, способной в полностью автоматическом режиме справляться с задачей анализа некоторых типов сигналов: рефлектометрических, голосовых, сейсмических [8-12].
В настоящее время происходит активное развитее сравнительно нового направления в теории обработки сигналов, именуемое вейвлет-преобразованием [13]. Сам термин «вейвлет» был введён в 80х годах 20-го века в работе Гроссмана и Морле [14], исследовавших свойства акустических и сейсмических сигналов. В дальнейшем ряд учёных, таких как Добеши, Чуй, Мейер и другие, продолжили исследование в этой области [15].
Вейвлеты являются функциями, представляющий собой короткие волны-всплески, которые могут быть подвержены масштабированию вида «растяжение-сжатие» по одной из осей и сдвигу вдоль этой оси, при этом обязательным является требование нулевого интегрального значения. Благодаря разномасштабности вейвлеты способны выявлять особенности разной протяжённости, а благодаря возможности сдвига - быть применёнными к разным участкам исследуемого сигнала. Вейвлет-преобразование можно считать логическим продолжением и дальнейшим усовершенствованием идеи оконного преобразования Фурье [16].
Область применения теории вейвлетов очень широка и включает в себя, в частности, вопросы фильтрации сигналов с целью, например, удаления из них шумов; задачи компрессии информации, в том числе и графической, с целью последующего её восстановления, а также многие другие аспекты [17-23]. В данной работе вейвлет-

является большой проблемой в численных методах поиска глобального экстремума.
Рис. 21 .Тестовая функция на множестве (х,у)
Так как ключевыми моментами алгоритма являются реализация функции фитнеса и процесса отбора, рассмотрим эти вопросы подробнее.
Стратегий отбора и формирования родительской пары при уже подсчитанном фитнесе /(со) существует довольно много. Одним из самых простых из них является принцип равномерной рулетки, согласно которому правила отбора могут быть описаны следующим образом:
• После того как для всех со, с О., / = 1 ,п на данном поколении определен фитнес /(со,), чтобы отвлечься в дальнейшем от разнообразия возможных масштабов его значений, произведём нормирование последних, таким образом, чтобы сумма всех фитнесов равнялась единице, т. е.