350 rub
Journal Neurocomputers №7 for 2012 г.
Article in number:
Complex approach to the problem of analyzing and processing multicomponent measurements signals on the basis of multiscale and spectral methods of high resolution
Keywords: measurement signal preprocessing classification structural analysis empirical mode decomposition harmonic wavelet transform time-frequency analysis complexity measures fractal features
Authors:
V.V. Geppener, D.M. Klionskiy., N.I. Oreshko
Abstract:
The present paper is concerned with the issues of processing telemetry and trajectory measurements obtained as a result of complex systems functioning. We illustrate the concept "complex systems" with the help of complex dynamic objects. The methods of processing that are introduced in the following are based on the most advanced and adaptive techniques in the areas of time-frequency analysis, wavelet theory, and other adaptive approaches. Special attention is drawn to the problem of signal preprocessing, which is crucial in practice. Classification is performed on the basis of special complexity measures and fractal features (Hurst parameter). The complex approach introduced in this paper is also promising for the analysis of multidimensional measurement signals.
Pages: 7-16
References
  1. Богданов В. В., Геппенер В. В., Мандрикова О. В.Моделирование временных рядов геофизических параметров на основе вейвлет-преобразования. СПб.: СПбГЭТУ «ЛЭТИ». 2006.
  2. Малла С. Вейвлеты в обработке сигналов. М.: Мир. 2005.
  3. Марпл-мл. C. Л. Цифровой спектральный анализ и его приложения: Пер. с англ. / под ред. И. С. Рыжака. М.: Мир. 1990.
  4. Барсегян А. А., Куприянов М. С., Степаненко В. В., Холод И. И. Методы и модели анализа данных: OLAPи DataMining. СПб.: БХВ-Петербург. 2004.
  5. Клионский Д. М., Орешко Н. И., Геппенер В. В. Декомпозиция на эмпирические моды и ее использование при анализе дробного броуновского движения // Цифровая обработка сигналов. 2008. № 3. С. 37-45.
  6. Клионский Д. М., Орешко Н. И., Геппенер В. В. Новый подход к автоматизированному выявлению шаблонов в телеметрических сигналах на основе декомпозиции на эмпирические моды // Научные ведомости Белгородского государственного университета. 2009. № 11. С. 118-128.
  7. Клионский Д. М., Геппенер В. В. Интеллектуальный анализ данных на основе технологии Data Mining // Управление и информационные технологии: тез. докл. 5-й науч. конф. СПб. 15-16 окт. 2008.
  8. Клионский Д. М., Виноградов М. А. Применение технологии DataMiningпри анализе функционирования и контроле состояния сложных динамических объектов // Итоговый семинар по физике и астрономии для молодых ученых Санкт-Петербурга: тез. докл. семинара. СПб. окт. 2009.
  9. Балтрашевич В. Э., Геппенер В. В., Жукова Н. А., Экало А. В. Методы интеллектуального анализа измерительной информации: Учеб. пособие. СПб.: Изд-во СПбГЭТУ «ЛЭТИ». 2008.
  10. Орешко Н. И., Князева Т. Н. Адаптивное заполнение разрывов при обработке многомерных телеметрических данных // Изв. СПбГЭТУ «ЛЭТИ». Сер. Информатика, управление и компьютерные технологии. 2007. № 1.
  11. Орешко Н. И., Князева Т. Н. Очистка от шума траекторных данных при наличии гетероскедастических погрешностей // Известия СПбГЭТУ «ЛЭТИ». 2007. № 2.
  12. Орешко Н. И. Новые технологии оптимальной обработки и анализа телеметрической и внешнетраекторной информации на основе современных достижений в частотно-временном анализе и теории вейвлетов // Науч.-техн. конф. РНИИ КП «Актуальные проблемы ракетно-космического приборостроения и информационных технологий».
    М. 19-21 июня 2007.
  13. Орешко Н. И., Князева Т. Н. Вейвлет-технология анализа и очистки от шума сигналов и ее реализация в среде MatLab // Третья всерос. науч. конф. «Проектирование инженерных и научных приложений в среде MatLab», СПб. Петергоф. 23-26 окт. 2007.
  14. Орешко Н. И., Князева Т. Н. Автоматизированный поиск выбросов с использованием вейвлет-преобразования //  10-я Междунар. конф. и выставка «Цифровая обработка сигналов и ее применение». Москва. 26-28 марта 2008. Труды Росс. науч.-техн. общества радиотехники, электроники и связи им. А.С. Попова. Сер. Цифровая обработка сигналов и ее применение. Вып. X-1. 2008. С. 145-149.
  15. Орешко Н. И., Князева Т. Н., Новиков Л. В. Удаление нестационарного шума из экспериментальных данных // Научное приборостроение. 2008. T. 18. № 2. С. 61-65.
  16. Орешко Н. И., Князева Т. Н. Вейвлет-технология анализа и очистки от шума сигналов // Цифровая обработка сигналов. 2008. № 3. С. 21-25.
  17. Сергиенко А. Б. Цифровая обработка сигналов. СПб.: Питер. 2007.
  18. Смоленцев Н. К. Основы теории вейвлетов. Вейвлеты в Matlab. 3-е изд. М.: ДМК, 2008.
  19. Huang,N. E., et al. Theempirical mode decomposition and the Hilbert spectrum for non-linear and non-stationary time series analysis // Proc. Royal Soc. London. 1998. V. 454. P. 903-995.
  20. Huang, N. E., Shen, S. S. P., Hilbert-Huang Transform and Its Applications. World Scientific, 2005.
  21. Klionsky, D. M., Oreshko, N. I., Geppener, V. V., Applications of Empirical Mode Decomposition for Processing Nonstationary Signals // Pattern Recognition and Image Analysis. 2008. V. 13. № 3. P. 390-399.
  22. Klionsky, D. M. Oreshko, N. I., Geppener, V. V., Empirical Mode Decomposition in Segmentation and Clustering of Slowly and Fast Changing Non-Stationary Signals // Pattern Recognition and Image Analysis. 2009. V. 19. № 1. P. 14-29.
  23. Клионский Д.М., Неунывакин И.В., Орешко Н.И., Геппенер В. В. Декомпозиция на эмпирические моды и ее применение для идентификации информативных компонент и прогнозирования значений сигналов с использованием нейронных сетей // Нейрокомпьютеры: разработка, применение. 2010. № 6. С. 43-50.
  24. Клионский Д. М., Большев А. К. Применение искусственных нейронных сетей в задачах обнаружения аномалий в поведении сложных динамических объектов // Нейрокомпьютеры: разработка, применение. 2011. №11. С. 32-44.