Разработка методов и средств применения вейвлет преобразования в информационных системах

• Автор: Меркушева, Александра Вадимовна
• Шифр специальности: 05.11.16
• Научная степень: Кандидатская
• Год защиты: 2002
• Место защиты: Санкт-Петербург
• Количество страниц: 198 с. : ил

Содержание
Введение

1. Анализ применения время - частотных преобразований в

информационных системах с нестационарными сигналами

1.1 Информационные системы с нестационарными входными

сигналами

1.1.1 Информационные системы обработки речи

1.1.2 Задачи обработки нестационарных сигналов в

информационных и мультимедийных системах

1.1.3 Информационно-измерительные системы определения гидродинамических параметров гетерогенных сред
1.1.4 Задачи информационно-измерительных систем определения гидродинамических параметров гетерогенных сред
1.1.5 Заключение
1.2 Анализ время - частотных преобразований
1.2.1 Линейные время - частотные преобразования
1.2.2 Билинейные время - частотные преобразования
1.2.3 Классификация время - частотных преобразований
1.3 Использование вейвлет - преобразование для спектральновременного анализа
1.3.1 Базисы и фреймы
1.3.2 Вейвлет - преобразование как метод кратномасштабного анализа
1.3.3 Виды базисов вейвлет - преобразования
1.3.4 Заключение
1.4 Постановка задачи диссертационной работы
2. Детектирование изменения свойств нестационарного сигнала
2.1 Вейвлет - разложение речевого сигнала в соответствии с
персептуальной моделью
2.2 Применение персептрона для обнаружения свойств
нестационарных сигналов
2.2.1 Исследование характеристик методов обучения персептрона
2.2.2 Исследование характеристик алгоритмов обучения персептрона
2.3 Выбор структуры персептрона
2.4 Использование главных компонент сигнала для обучения и распознавания
2.5 Исследование характеристик алгоритма детектирования изменения свойств нестационарного сигнала
2.6 Выводы по главе
Вейвлет - фильтрация с адаптивным выбором порога
3.1 Вейвлет - фильтрация речевого сигнала при жестком и гибком порогах дискриминации
3.2 Исследование вида распределения вейвлет - коэффициентов речевого сигнала и шума
3.2.1 Семейство экспоненциально - степенных распределений
3.2.2 Статистическое исследование законов распределения вейвлет - коэффициентов сигнала и шума
3.2.3 Заключение
3.3 Определение порога дискриминации вейвлет - коэффициентов при экспоненциально - степенном распределении
3.4 Метод вейвлет - фильтрации речевого сигнала с адаптивным выбором порога
3.4.1 Описание метода вейвлет - фильтрации речевого сигнала
с адаптивным выбором порога
3.4.2 Исследование алгоритма вейвлет - фильтрации речевого сигнала с адаптивным выбором порога
3.5 Выводы по главе
Скремблирование речевого сигнала на основе вейвлет -
преобразования и матриц Адамара
4.1 Скремблирование как метод защиты речевого сигнала
4.2 Разработка метода скремблирования на основе вейвлет -
преобразования и матриц Адамара
4.2.1 Применение матриц Адамара в алгоритме скремблирования речевого сигнала
4.2.2 Применение вейвлет - преобразования в алгоритме скремблирования речевого сигнала
4.2.3 Скремблирование вейвлет - коэффициентов
4.2.4 Дескремблирование вейвлет - коэффициентов
4.2.5 Выполнение скремблирования в мультимедийной системе с аналоговым и цифровым каналами связи
4.3 Исследование алгоритма скремблирования речевого
сигнала
4.3.1 Определение количества ключей
4.3.2 Оценка спектра скремблированного сигнала
4.3.3 Оценка информативности скремблированного сигнала
Выводы по разделу 4
Применение основанных на вейвлет - преобразовании методов обработки сигналов в информационных системах
5.1 Информационно - измерительная система «Фактор» для определения содержания свободного газа в товарной нефти
5.1.1 Метод измерения относительной доли свободного газа
5.1.2 Структура информационно - измерительной системы «Фактор»
5.2 Результаты применения нейросетевого алгоритма для определения содержания свободного газа в товарной нефти в информационно-измерительной системе «Фактор»
5.2.1 Модель измерения относительной доли свободного газа .
5.2.2 Результаты применения нейросетевого алгоритма для определения газосодержания
5.3 Информационная мультимедийная система документирования конференций и симпозиумов
Комментарий к таблице 1.
'* Кратковременное преобразование Фурье (КВПФ). Постоянная ячейка разрешения.
2) Любое заданное разрешение. Постоянное относительное разрешение А со I со и Ьл It во всем диапазоне разложения сигнала.
3) Любое неравномерное разрешение по времени и по масштабу (частоте).
4) То же, что 2), но с немного большим разрешением, чем вейвлет - преобразование с базисом Добеши (при равном порядке разложения).
5) Вещественность результата преобразования не гарантирована.
6) Наличие комплексной экспоненты (подобно базису), но при билинейной комбинации симметрично смещенных значений сигнала.
7) То же, что 6), но с локализацией окном аналогично КВПФ.
8) Базисная функция умножается на смещенный по времени сигнал.
9) По базису Фурье преобразуется локализованный временным окном сигнал.
10) Быстрый алгоритм преобразования Фурье (БПФ) значительно медленнее алгоритмов для преобразований Wavelet, Wavelet-пакетов и Чуи-Ванга.