Обоснование целесообразности разработки системы многомасштабного анализа дискретных сигналов
Поможем в ✍️ написании учебной работы
Поможем с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой

 

Назначение системы

Система многомасштабного анализа дискретных сигналов реализует вейвлет-анализ и структурную индексацию дискретных сигналов. Анализ позволяет выделить структурные особенности сигналов и отобразить их в наглядном для восприятия человека виде. Посредством многомасштабного анализа удается значительно понизить количество шумов и искажений в исходном сигнале. Также появляется возможность для существенного сжатия исходных данных.

 

Характеристика функциональной структуры системы

Функциональная схема системы приведена на рис. 1.1.

Обработка входных сигналов состоит из следующих этапов:

1) ввод данных в систему многомасштабного анализа дискретных сигналов;

2) в подсистеме вейвлет-анализа осуществляется соответствующий анализ дискретного сигнала. Результатом работы подсистемы является результат вейвлет-преобразования;

3) в подсистеме структурной индексации осуществляется структурная индексация входного сигнала;

4) в подсистеме конвертации данных структурной индексации происходит преобразование результата структурной индексации, а также осуществляется возможность получения из него исходного сигнала;

5) в подсистеме визуализации осуществляется отображение результатов вейвлет-анализа и структурной индексации в выбранной цветовой шкале. Осуществляется возможность сохранения полученных изображений для дальнейшего использования.

 

Функциональная схема системы многомасштабного анализа дискретных сигналов

Рис. 1.1

 



Обоснование цели создания системы

Задачи многомасштабного анализа дискретных сигналов имеют широкий спектр применения, начиная от выявления структурных особенностей сигналов и заканчивая архивацией данных.

На настоящий момент хорошо разработаны алгоритмы вейвлет-преобразований и структурной индексации сигналов. Однако еще не делалось попыток объединить эти методы в единую систему.

Целью данной работы является разработка и реализация многомасштабного анализа дискретных сигналов путем вейвлет-преобразований и структурной индексации, объединение этих методов в единую систему.

Создаваемая система носит поисково-исследовательский характер и направлена на упрощение многомасштабного анализа экспериментальных данных и выявление общих закономерностей.

 

Обоснование состава автоматизируемых задач

Реализация системы МАДС позволит интегрировать в едином интерфейсе все этапы обработки входных сигналов:

1) вейвлет-преобразование исходных сигналов. Сохранение результатов преобразования для дальнейшего использования;

2) структурная индексация исходных сигналов. Сохранение результатов индексации для дальнейшего использования;

3) конвертация данных структурной индексации для получения исходного сигнала;

4) визуализация данных вейвлет-анализа и структурной индексации для наглядного отображения их результатов.



Аналитический обзор

 

На сегодняшний день не существует программных продуктов, предоставляющих возможность многомасштабного анализа дискретных сигналов путем структурной индексации.

Однако метод вейвлет-анализа, используемый в системе МАДС для предварительного анализа и являющейся основой данной работы, известен достаточно давно и с появлением электронно-вычислительной техники начали появлятся программные продукты для вейвлет-преобразований дискретных сигналов.

AutoSignal

AutoSignal – программа компании Systat Software Inc, которая автоматизирует процесс анализа сигналов /4/. AutoSignal имеет графический интерфейс, позволяющий легко выполнять все операции, от ввода данных до вывода результатов. Существует возможность выбора технологии анализа, подбора соответствующего алгоритма. По результатам проведённого анализа AutoSignal формирует отчёты, содержащие двухмерные и трехмерные графики и краткие статистические обзоры /5/.

AutoSignal позволяет быстро определить все необходимые компоненты в структуре сигнала, для поиска которых обычно требуются навыки программирования и используются математические приложения. AutoSignal содержит огромное количество процедур спектрального анализа:

1) быстрое преобразование Фурье;

2) построение авторегрессионных моделей;

3) построение ARMA-моделей;

4) построение сложных экспоненциальных моделей;

5) анализ собственных частот и вейвлет-анализ.


1.2.2. MatLab Wavelet Toolbox

MatLab Wavelet Toolbox – это открытый, дружественный для пользователя пакет расширения MatLab, позволяющий синтезировать всевозможные алгоритмы обработки информации - данных, сигналов и изображений - с использованием вейвлет-функций /6/. В своей работе пакет широко использует возможности системы MatLab (матричные алгоритмы вычислений, стильную и в тоже время мощную графику) для решения задач анализа (шумоподавления, расфильтровки, сжатия и восстановления): это предоставляет в распоряжение как начинающего, так и профессионального пользователя исчерпывающий набор функций для реализации собственных алгоритмов обработки данных, т.е. написания собственного m-кода, а также средства графического интерфейса (GUI). Можно сказать, пакет Wavelet Toolbox оказывается превосходным средством для решения задач обработки одно- и двумерной информации: действительно, спектр задач, решаемых с использованием пакета, настолько широк, что упоминание таких проблем, как обработка звука, статических изображений и видеокартинок, не говоря уже о передаче данных, исследовании массивов геофизических, сейсмоакустических данных, биомедицинских сигналов и изображений, будет, естественно, далеко не полным.

MatLab Wavelet Toolbox включает обширную библиотека вейвлет-функций (континуальных неортогональных вейвлетов, в том числе комплексных; ортогональных семейств функций, функций Добеши, Койфмана, а также симлетов; биортогональных вейвлетов); широкий набор вейвлет-фильтров /7/.

Основные возможности:

1) всевозможные функции для реализации континуального анализа, дискретного одноуровневого и дискретного многоуровневого анализа;

2) функции анализа и синтеза данных с использованием вейвлет-пакетов;

3) функции для решения задач аппроксимации данных, статистических распределений и т.п.;

4) функции внедрения в пакет собственных вейвлет-функций и работы с ними;

5) набор средств визуализации результатов анализа и синтеза;

6) средства GUI.

 

1.2.3. Вывод по аналитическому обзору

Список программных продуктов, безусловно, может быть расширен, но все же самые характерные и популярные разработки в него включены.

Однако, несмотря на множество достоинств, они имеют следующие недостатки:

1) не реализуют метод структурной индексации исходных сигналов;

2) обладают высокими требованиями к аппаратному обеспечению;

3) имеют высокую стоимость;

4) понятие вейвлета в них строго детерминировано для реализации уже разработанных алгоритмов.

Этих недостатков лишена система МАДС. Кроме того, ограничения, накладываемые вышеупомянутыми системами на структуру вейвлета, в данной работе сняты: вейвлет по своей сущности здесь ничем не отличается от сигнала. Это открывает перед нами широкое поле для экспериментов, в том числе и по изучению фрактальных свойств сигнала.

Поэтому данная разработка является востребованной в современной индустрии компьютерной обработки сигналов.


1.3. Основные требования к системе

 



Дата: 2019-04-22, просмотров: 433.