Алгоритмы и средства классификации моноимпульсных сигналов на основе дискретного вейвлет-преобразования в информационно-измерительных системах

• Автор: Иванов, Виктор Эдуардович
• Шифр специальности: 05.11.16
• Научная степень: Кандидатская
• Год защиты: 2007
• Место защиты: Хабаровск
• Количество страниц: 161 с. : ил.

1. МЕТОДЫ РЕШЕНИЯ ОСНОВНЫХ ЗАДАЧ КЛАССИФИКАЦИИ ОБРАЗОВ В ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНЫХ СИСТЕМАХ

1.1. Принципы построения систем распознавания

1.2. Методы оптимизации априорного словаря признаков

1.3. Методы распознавания формы моноимпульсных сигналов

1.4. Применение дискретного вейвлет-преобразования в задачах распознавания образов

Выводы по главе

2. АЛГОРИТМЫ КЛАССИФИКАЦИИ МОНОИМПУЛЬСНЫХ СИГНАЛОВ НА ОСНОВЕ ДИСКРЕТНОГО

Г ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЯ

2.1. Постановка задачи классификации импульсных сигналов

2.2. Разработка априорного словаря признаков на основе дискретного вейвлет-преобразования

2.3. Выбор типа вейвлета и глубины разложения

2.4. Построение рабочего словаря признаков
2.4.1. Оценка выборочного среднего
^ 2.4.2. Оценка приведенной выборочной дисперсии
2.4.3. Оценка предельных значений и параметра принадлежности
2.4.4. Оценка доверительного интервала
2.5. Разработка решающего правила
Выводы по главе
3. ИССЛЕДОВАНИЕ АЛГОРИТМОВ КЛАССИФИКАЦИИ
НА БАЗЕ ДИСКРЕТНОГО ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЯ
3.1. Формирование априорного алфавита классов

3.2. Выбор информативных коэффициентов
I 3.3. Разработка решающего правила для классов А, В,, В2
3.4. Исследование помехоустойчивости алгоритма классификации
Выводы по главе
4. ПРИНЦИПЫ ПОСТРОЕНИЯ ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНЫХ
СИСТЕМ ДЛЯ КЛАССИФИКАЦИИ МОНОИМПУЛЬСНЫХ
СИГНАЛОВ НА ПРИМЕРЕ КОМПЛЕКСА РАННЕЙ ДИАГНОСТИКИ
ЗЛОКАЧЕСТВЕННЫХ ОБРАЗОВАНИЙ
4.1. Структура информационно-измерительной системы
4.2. Принципы построения модуля регистрации
4.3. Принципы построения генератора управляющих воздействий
4.4. Структура программного обеспечение комплекса и методика проведения эксперимента

Выводы по главе
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
ПРИЛОЖЕНИЯ
Приложение А. Обучающие выборки для классов А, В{,Вг
Приложение Б. Статистические характеристики коэффициентов
разложения для классов А, В1,В2
Приложение В. Алгоритмы работы ИИК
Приложение Г. Акты о внедрении
Приложение Д. Патенты на полезные модели

Актуальность темы. Настоящая работа посвящена исследованию возможностей применения дискретного вейвлет-преобразования в задачах классификации импульсных сигналов с целью разработки алгоритмов классификации экспериментальных данных в области медицинской диагностики.
Расширение диапазонов и характеристик средств измерений дает исследователю потенциальную возможность изучения таких параметров объектов, которые не могут быть исследованы с использованием традиционных математических методов обработки сигналов, либо применение этих методов ограничивается возможностями средств регистрации. Классическим примером можно считать обработку сигналов и изображений спектральными методами, которые в последнее время оказываются малоэффективными для некоторых задач - например, для сжатия, распознавания, очистки сигналов от шума, получения диагностической информации и др. Ключевым вопросом в большинстве современных приложений цифровой обработки является нестационарность большинства реальных сигналов, которая, как известно, весьма ограничивает применение базисных функций, имеющих некомпактный носитель. Таким образом, до недавнего времени локальные особенности сигналов не являлись предметом изучения, ввиду сложности их локализации в частотной области. Еще одним известным ограничением можно считать отсутствие во многих приложениях моделей реальных сигналов (особенно, на начальных этапах экспериментов), либо сложность их разработки, что значительно сужает сферу применения тех или иных методов анализа на этих этапах.
В последние десятилетия сформировался новый математический аппарат, основой которого является новый класс функций - вейвлеты. Применение вейвлет-анализа в данной работе рассматривается с позиций использования его как инструмента, с помощью которого можно получить признаковое

<р(п
0.5 •
0 200 «0 600 600 1000 1200
а) П
Щ(п)

-0.5 •
0 200 400 600 600 1000 1200
б) П
Рис.2.1. Функции (р и у/ вейвлета Хаара.
Рис. 2.2. Спектральная плотность мощности функции у/ для вейвлета Хаара