Разработка и исследование быстрых параметрически перестраиваемых ортогональных преобразований в базисах «wavelet» — функций
Диссертация
Научно-технический прогресс неразрывно связан с созданием новых технических систем разного назначения и повышением надежности их функционирования. Для обеспечения надежного бесперебойного функционирования систем, особенно в условиях постоянно возрастающей сложности и комплексности, необходимо выполнять контроль и управление состоянием этих систем. Содержание этой задачи включает в себя… Читать ещё >
Список литературы
- Алексеев М.А. Спектральные методы формирования диагностических признаков для объектов с ритмическими случайными процессами: Автореф. дис. канд. техн. наук (05.13.01) / ЛЭТИ. — Л., 1982. 16 с.
- Генкин В.Л., Ерош И. Л., Москалев Э. С. Системы распознавания автоматизированных производств. Л.: Машиностроение, 1988. 246 с.
- Генкин М.Д., Соколова А. Г. Виброакустическая диагностика машин и механизмов. М: Машиностроение, 1987. 288 с.
- Методы, критерии и алгоритмы, используемые при преобразовании, выделении и выборе признаков в анализе данных // Сборник статьей. Институт математики и кибернетики АН Литовской ССР, 1988. 149 с.
- Омельченко В.А. Основы спектральной теории распознавания сигналов. Харьков: Высшая школа, 1983.
- Ватанабэ С. и др. Оценка и отбор параметров в задачах распознавания // Автоматический анализ сложных изображений. М.: Мир, 1969. С. 276 — 295.
- Дуда Р., Харт П. Распознавание образов и анализ сцен. М.: Мир, 1976. 411 с.
- Тьюки Дж. Анализ результатов наблюдений. М.: Мир, 1981. 693 с.
- Фукунага К. Введение в статистическую теорию распознавания образов. -М.: Наука, 1979. 368 с.
- Ахмед Н.Д., Pao K.P. Ортогональные преобразования при обработке цифровых сигналов. М.: Связь, 1980. 248 с.
- Бендаг Дж., Пирсол А. Измерение и анализ случайных процессов. М.: Мир, 1974. 464 с.
- Дженкинс Г., Ватте Д. Спектральный анализ и его приложения. М.: Мир, 1971. 316 с.
- Хемминг Р.В. Цифровые фильтры. М.: Сов. радио, 1980. 224 с.
- Солодовников А.И., Спиваковский A.M. Основы теории и методы спектральной обработки информации: Учеб. пособие. JT.: Изд-во Ленингр. ун-та, 1986. 272 с.
- Адаптивный метод формирования диагностических признаков в информационно-измерительных системах // Оборонная Техника: Ежемесячный науч-но-техн. сб. № 6−7. / А. А. Алексеев, А. И. Солодовников, A.M. Спиваковский, К. Кноте. 1998. С. 66 69.
- Адаптивный спектральный анализ сигналов на основе перестраиваемых ортогональных базисов // Системы обработки информации и управления: Известия СПбГЭТУ. Вып. 490. / А. А. Алексеев, А. И. Солодовников, A.M. Спиваковский, К. Кноте. 1996. С. 60 65.
- Coifman R.R., Meyer Y., Wiekerhauser M.V. Wavelet Analysis and Signal Processing // Wavelets and Their Applications / Ruskai et al. (ed.). Boston: Jones and Bartlett, 1992. Pp. 153 — 178.
- Daubechies I. Orthonormal basis of compactly supported wavelets // Comm. Pure Appl. Math., Vol. 46, 1988. Pp. 909 996.
- Daubechies I. Ten Lectures on Wavelets, CBMS-NSF Regional Conf. Series in Appl. Math., Vol. 61. SIAN, Philadelphia, 1992. 357 p.
- Jawerth В., Sweldens W. An Overview of Wavelet Based Multiresohition Analysis // SI AM Rev., Vol. 36, Nr. 3, 1994. Pp. 377 412.
- Strang G. Wavelets and dilation equations: A brief introduction // SIAM Rev., Vol. 31, Nr. 4, 1989. Pp. 614 627.
- Sweldens W. Construction and Application of Wavelets in Numerical Analysis // PhD thesis, Department of Computer Science, Katholieke Umversiteit Leuven, Belgium. 1994.
- Sweldens W. Wavelet Sampling Techniques // Proceedings of the Joint Statistical Meetings, San Francisco, August 1993.
- Wickerhauser M.V. Computation with Adapted Time-Frequency Atoms // Proceedings of the International Conference: Wavelets and Applications, Toulouse, 8−13 June 1992.
- Wornell G.W. Wavelet-Based Representations for the 1/f Family of Fractal Processes // Proceedings of the IEEE, Vol. 81, NO. 10, 1993. Pp. 1428 1450.
- Vetterli M. Wavelet and filter banks for diskrete-time signal processing // Wavelets and Their Applications / Ruskai et al. (ed). Boston: Jones and Bartlett, 1992. Pp. 17−52.
- Воробьев В.И., Грибунин В. Г. Теория и практика вейвлет-преобразования. СПб.: ВУС, 1999. 208 с.
- Кравченко В.Ф., Рвачев В.A «Wavelet"-системы и их применение в обработке сигналов // Зарубежная радиоэлектроника, № 4. 1996. С. 3 20.
- Петухов А.П. Введение в теорию базисов всплесков. СПб.: Изд-во СПбГТУ, 1999. 132 с.
- Петухов А.П. Периодические дискретные всплески // Алгебра и анализ. №. 3. -М.&bdquo- 1996. С. 151 183.
- Cohen J.С., Chen. Т. Fundamentals of the Discrete Wavelet Transform for Seismic Data Processing. № 130P, Center for Wave Phenomena, Colorado School of Mines, 1994. 48 p.
- Davis A., Marshak A., Wiscombe W. Wavelet-Based Multifractal Analysis of Non-Stationary and/or Intermittent Geophysical Signals // Wavelets in Geophysics / P. Kumar et al. (ed.). Academic Press, 1994. Pp. 249 298.
- Wickerhauser M.V. Acoustic signal compression with wavelet packets / Wavelets: A Tutorial in Theory and Applications / Chui C. (ed.). Boston: Academic Press, 1992. Pp. 679 -700.
- DeVore R.A., Jawerth B., Lucier B. J Image compression through wavelet transform coding// IEEE Trans. Inform. Theory, 38(2), 1992. Pp. 719 746.
- The application of multiwavelet filter banks to image processing // IEEE Trans. Sig. Proc. / V. Strela, P. Heller, G. Strang, G. Topiwala, C. Heil. 1996.
- Bradley J.N., Bnslawn C.M., Hopper T. The FBI Wavelet/Scalar Quantization Standard for gray-scale fingerprint image compression // Proc. SPIE, vol. 1961. 1993. Pp. 293 304.
- The FBI compression standard for digitized fingerprint images // Proc. SPIE, vol. 2847 / Bnslawn C. M., Bradley J.N., Onyshczak R.J., Hopper T. Denver, 1996.
- Beylkm G. On wavelet-based algorithms for solving differential equations // Wavelets: Mathematics and Applications / J. Benedetto et al. (ed.). Boca Raton. CRC Press, 1993. Pp. 449 — 466.
- Wavelet-packet-based multiple Access Communication / R. Learned, H. Krim, B. Claus, A.S. Willsky, W.C. Karl. LIDS Technical Report LIDS-P-2253, 1994.
- Daubechies I., Sweldens W. Factoring Wavelet Transfonns into Lifting Steps // Technical report, Bell Laboratories, Lucent Technologies, 1996.
- Guskov I., Sweldens W., Schroeder P. Multiresolution signal processing for meshes. Tech. Rep. 99−01, Princeton University, 1999. 12 p.
- Strela V. Multiwavelets: Theory and Applications. PhD Thesis, MIT, 1996.
- Sweldens W., Schroeder P. Building your own wavelets at home // Wavelets in Computer Graphics, ACM SIGGRAPH Course notes. 1995. Pp. 15 — 87.
- Sweldens W. The lifting scheme: A custom-designconstruction of biorthogonal wavelets // Appl. Comput. Harmon. Anal., Vol. 3, N. 2, 1996. Pp. 186−200.
- Wavelet transforms that map integers to integers // Tech. Report / A. Calder-bank, I. Daubechies, W Sweldens, B. Yeo. Department of Mathematics, Princeton University, 1996.
- Свириденко В.А. Анализ систем со сжатием данных. М.: Связь, 1977. 184 с.
- Логинов В.П. Функции Уолша и области их применения // Зарубежная радиоэлектроника, № 4. 1973. С. 73 99.
- Haar A. Zur Theorie der orthogonalen Funktionen-Systeme // Math. Annalen, 69, 1910. Pp. 331 371.
- Крот A.M. Дискретные модели динамических систем на основе полиномиальной алгебры. Мн.: Навука i тэхнжа, 1990. 312 с.
- Трахтман A.M., Трахтман В. А. Основы теории дискретных сигналов на конечных интервалах. М.: Сов. Радио, 1975. 208 с.
- Ватанабэ С. Разложение Корунена-Лоэва и факторный анализ // Автоматический анализ сложных изображений. М.: Мир, 1969. С. 254 — 275.
- Пойда В.Н. Спектральный анализ в дискретных ортогональных базисах. -Мн.: Наука и техника, 1978. 136 с.
- Дорогов А.Ю., Солодовников А. И. Перестраиваемые ортогональные базисы для адаптивных спектральных преобразований // Методы и средства цифровой обработки пространственно-временных сигналов: Межвуз. сб. Свердловск: Изд-во УПИ, 1988. С. 59 — 63.
- Лабунец В.Г. Единый подход к алгоритмам быстрых преобразований // Применение ортогональных методов при обработке сигналов и анализе систем: Межвуз. сб. Свердловск: Изд-во УПИ, 1980. С. 4 — 14.
- Солодовников А.И., Канатов И. И., Спиваковский A.M. Синтез обобщенного спектрального ядра произвольной размерности // Применение ортогональных методов при обработке сигналов и анализе систем: Межвуз. сб. Свердловск: Изд-во УПИ, 1980. С. 15 — 22.
- Солодовников А.И., Канатов И. И., Спиваковский A.M. Синтез ортогональных базисов на основе обобщенного спектрального ядра. // Вопросы теории систем автоматического управления: Межвуз. сб. JL: Изд-во Ленингр. ун-та, 1976. Вып. 2. С. 99−112.
- Солодовников А.И. Синтез полных систем ортонормированных функций, имеющих алгоритм быстрого преобразования. // Вопросы теории систем автоматического управления: Межвуз. сб. Л.: Изд-во Ленингр. ун-та, 1978. Вып. 4. С. 94−105.
- Good I.J. The interaction algorithm and practical Fourier analysis // J. Roy. Statist. Soc. London, 1958. Ser. В. Vol. 20. Pp. 361 372.
- Пашинский H.B. Исследование и разработка методов и алгоритмов формирования информативных признаков для классификации текстурных изображений: Автореф. дис. канд. техн. наук (05.13.01) / ЛЭТИ. Л., 1989. 16 с.
- Эндрюс Г. Применение вычислительных машин для обработки изображений. М.: Энергия, 1977. 160 с.
- Stromberg J.О. A modified Franklin system and higher order spline systems on r» as unconditional bases for Hardy spaces // Conf. in honor of A. Zygmund, Vol. II, W. Beckner et al., ed., Wadsworth math. Senes, 1982. Pp. 475 493.
- Lemarie P.G. Une nouvelle base d’ondelettes de L2(r") II J. De Math. Pures et Appl., V. 67, 1988. Pp. 227 236.
- Mallat S. Multiresolution approximation and wavelets of orthonormal bases of L2® II Trans. Amer. Math. Soc., Vol. 315, 1989. Pp. 69 88.
- Meyer Y. Ondelettes et operateurs. Pans: Hermann. 1990.
- Бейко И.В., Бублик Б.H., Зинько П. Н. Методы и алгоритмы решения задач оптимизации. Киев: Вища школа, 1983.
- Васильев Ф.П. Численные методы решения экстремальных задач. М.: Наука, 1988. 552 с.
- Воеводин В.В. Численные методы алгебры. М.: Наука, 1966. 248 с,
- Гилл Ф., Мюррей У., Райт М. Практическая оптимизация. М.: Мир, 1985.
- Поляк Б.Т. Введение в оптимизацию. М.: Наука, 1983.
- Айвазян С.А., Бежаева З. И., Староверов О. В. Классификация многомерных наблюдений. М.: Статистика, 1974. 239 с.
- Горелик A. J1., Скрипкин В. А. Методы распознавания. М.: Высшая школа, 1984. 207 с. 74. «WaveLab» library of Matlab routines for wavelet analysis. Version 0.700. 1995. ftp://playtmr.stmiford.edu/'pub/wavelab.
- Coifman R.R., Meyer Y., Wickerhauser M.V. Size properties of wavelet packets // Wavelets and Their Applications / Ruskai et al. (ed.). Boston: Jones and Bartlett, 1992. Pp. 453 -470.
- Knothe K. Adaptable orthogonal wavelet transformations // Preprints of the 7 th International Student Olympiad on Automatic Control (Baltic Olympiad). S.-Pb.: 1999. Pp. 51 — 55.
- Кноте К., Солодовников А. И. Адаптируемые ортогональные wavelet-преобразования диагностических сигналов // Докл. XVI Междунар. межвуз. школа семинар «Методы и средства технической диагностики» (МиСТД-99). -Ивано-Франковск, 1999.149
- Программа расчета углового параметра (рх для оператора вейвлет преобразования. function phil = getphil (phi)-pi = length (phi)-sp = 0- for i=l:pl, sp = sp + phi (i) -endphil = pi/4-sp-
- Программа выполнения вейвлет-преобразования по факторизованному алгоритму на основе параметрической формы В-О.function d = FaktWT (х, phi, J)
- Программа выполнения обратного вейвлет-преобразования по факторизован-ному алгоритму на основе параметрической формы В-О.function х = invFaktWT (d, phi, J)
- Программа расчета вейвлет-коэффициентов на основе угловых параметров. function h = hfromphi (phi)
- K = length (phi) + 1- phil = getphil (phi) -h = zeros (1,2*K) — h (1) = cos (phi 1) — h (2) = sin (phil)-for k=2:K, s = sin (phi (k-1)) — c = cos (phi (k-1)) — for i=l:k, 1 = 2*k-i+l- a = h (i)-h (i) = c*h (i) + (-1)Ai*s*h (1) — h (l) = (-1)"(i + 1)*s*a + c*h (1) -endend153
- Программа выполнения вещественного троичного вейвлет-преобразования.function d = FaktWT3(х, р, J)
- Программа выполнения комплексного троичного вейвлет-преобразования.function d = FaktWT3C (x, p, J)
- Программа выполнения обратного вещественного троичного вей влет-преобразования.function X = invFaktWT3(d, p, J)
- Программа выполнения обратного комплексного троичного вей влет-преобразования.function x = invFaktWT3C (d, p, J)