350 руб
Журнал «Нейрокомпьютеры: разработка, применение» №7 за 2012 г.
Статья в номере:
Комплексный подход к задаче анализа и обработки многокомпонентных измерительных сигналов на основе мультимасштабных и спектральных методов высокого разрешения
Ключевые слова: измерительный сигнал предварительная обработка классификация структурный анализ декомпозиция на эмпирические моды гармоническое вейвлет-преобразование частотно-временной анализ меры сложности фрактальные признаки
Авторы:
В.В. Геппенер - д.т.н., профессор, кафедра МО ЭВМ, Санкт-Петербургский государственный электротехнический университет (ЛЭТИ). E-mail: geppener@mail.ru Д.М. Клионский - аспирант, кафедра МО ЭВМ, Санкт-Петербургский государственный электротехнический университет (ЛЭТИ). E-mail: klio2003@list.ru Н.И. Орешко - к.т.н., вед. науч. сотрудник, Научно-инженерный центр Санкт-Петербургского электротехнического университета. E-mail: oreshko@nicetu.spb.ru
Аннотация:
Исследована измерительная информация, представленная в виде одномерных измерительных сигналов, поступающих от различных сложных динамически объектов по результатам их испытаний. Предложен комплексный подход к обработке таких сигналов, включающий предварительную обработку, классификацию и структурный анализ. Отличительной особенностью подхода является его нацеленность на выбор адаптивных методов обработки процессов в соответствии с проведенной классификацией.
Страницы: 7-16
Список источников
  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.