Список литературы

2518-1092

Научный результат. Информационные технологии

2518-1092

10.18413/2518-1092-2022-8-3-0-2

3220

ИНФОРМАЦИОННЫЕ СИСТЕМЫ И ТЕХНОЛОГИИ

<strong>О ПРИМЕНЕНИИ ИНФОРМАТИВНОГО ЧАСТОТНОГО ПОРТРЕТА ПРИ ЛОКАЛИЗАЦИИ ОТРЕЗКОВ ЭМПИРИЧЕСКИХ ДАННЫХ</strong>

<strong>ON THE INFORMATIVE FREQUENCY PORTRAIT APPLICATION FOR THE EMPIRICAL DATA SEGMENTS LOCALIZATION</strong>

Урсол

Денис Владимирович

Ursol

Denis Vladimirovich

ursoldenis@mail.ru

Тихонский

Николай Антонович

Tikhonsky

Nikolay Antonovich

n.tikhonskiy@mail.ru

Черноморец

Дарья Андреевна

Chernomorets

Daria Andreevna

daria013ch@yandex.ru

Болгова

Евгения Витальевна

Bolgova

Evgeniya Vitalievna

Bolgova_e@bsuedu.ru

Черноморец

Андрей Алексеевич

Chernomorets

Andrey Alekseevich

Chernomorets@bsu.edu.ru

2023

8300

Задача локализации (определения местоположения) в зарегистрированном числовом ряде заданного ряда меньшей размерности зачастую возникает при обработке эмпирических данных различной природы. В данной работе разработан алгоритм локализации отрезков эмпирических данных, которые представлены числовыми рядами. Разработанный алгоритм основан на вычислении меры сходства признаков анализируемых числовых рядов. В качестве множества признаков, характеризующих числовой ряд, предложено применять информативный частотный портрет отрезка числовых данных, для вычисления которого в работе приведены соответствующие соотношения на основе дискретного косинус-преобразования. В работе приведены примеры вычисления информативного частотного портрета для различных числовых рядов (прецедентов). Приведенные в работе результаты вычислительных экспериментов демонстрируют работоспособность разработанного алгоритма по оцениванию локализации отрезков числовых рядов на основе применения информативного частотного портрета при дискретном косинус-преобразовании.

The problem of localization (location determination) in a registered numerical series of a given series of smaller dimensions often arises when processing empirical data of various nature. In this paper, an algorithm for the empirical data segments localization, which are represented by numerical series, is developed. The developed algorithm is based on the calculation of the similarity measure of the analyzed numerical series features. As a set of features characterizing a numerical series, it is proposed to use an informative frequency portrait of a segment of numerical data, for the calculation of which the corresponding relations based on a discrete cosine transformation are given in the work. The paper provides examples of calculating an informative frequency portrait for various numerical series (precedents). The results of computational experiments presented in this paper demonstrate the operability of the developed algorithm for estimating the localization of segments of numerical series based on the use of an informative frequency portrait with discrete cosine transformation.

числовой рядпрецедентлокализациядискретное косинус-преобразованиеинформативный частотный портретпогрешность локализации

numerical seriesprecedentlocalizationdiscrete cosine transforminformative frequency portraitlocalization error

Список литературы

1. Абрамов Г.В., Коробова Л.А., Ивашин А.Л., Матыцина И.А. Анализ и использование математических методов для распознавания звуковых сигналов // Вестник воронежского государственного университета инженерных технологий. – 2015. – №2(64). – С. 61-65.

2. Гапочкин А.В. Нейронные сети в системах распознавания речи // Science time. – 2014. – №1. – С. 29-36.

3. Пузанов А.Д., Нефедов Д.С. Синтез алгоритма обнаружения беспилотных летательных аппаратов по акустическим шумам // Доклады белорусского государственного университета информатики и радиоэлектроники. – 2021. – №2. – С. 65-73.

4. Зинченко Ю.Е., Азаров А. Б., Константинов В.С., Зинченко Т.А. Разработка алгоритма и архитектуры вкс распознавания звуковых сигналов на базе FPGA // Cовременные тенденции развития и перспективы внедрения инновационных технологий в машиностроении, образовании и экономике. – 2019. – №1 (4). – С. 75-80.

5. Алпатов Б.А., Бабаян П.В., Балашов О.Е., Степашкин А.И. Методы автоматического обнаружения и сопровождения объектов. Обработка изображений и управление. – М.: Радиотехника, 2008 г., – 176 с.

6. Рысин Ю.С., Терехов А.Н., Яблочников С.Л., Иевлев О.П. Теоретические аспекты идентификации объектов-источников звуковых сигналов // Системы синхронизации, формирования и обработки сигналов. – 2018. – Т. 9, № 4. – С. 101-105.

7. Калугин Ю.А., Рудаков И.В. Методы выделения одного заданного источника звука по одной зашумленной записи // Modern Science. – 2020. – № 3-2. – С. 254-264.

8. Плекин В.Я. Алгоритмы и цифровые устройства селекции движущихся целей. – М.: МАИ, 2002.

9. Жиляков Е.Г. Вариационные методы анализа и построения функций по эмпирическим данным на основе частотных представлений. – Белгород: Изд-во БелГУ, 2007. – 160 с.

10. Черноморец А.А., Болгова Е.В., Черноморец Д.А. Обобщенный субполосный анализ на основе унитарных преобразований // Научные ведомости БелГУ. Сер. Экономика. Информатика. – 2015. – № 7(204). – Вып. 34/1. – С. 97-104.

11. Черноморец А.А., Болгова Е.В. Об анализе данных на основе косинусного преобразования // Научные ведомости БелГУ. Сер. История. Политология. Экономика. Информатика. – 2015. – № 1(198). – Вып. 33/1. – С. 68-73.

12. Ахмед Н., Рао К. Ортогональные преобразования при обработке цифровых сигналов. – М.: Связь, 1980. – 248 с.

13. Залманзон Л.А. Преобразования Фурье, Уолша, Хаара и их применение в управлении, связи и других областях. – М.: Наука, 1989. – 496 с.

14. Яне Б. Цифровая обработка изображений. – М.: Техносфера, 2007. – 584 с.

15. Гонсалес Р., Вудс Р. Цифровая обработка изображений. Издание 3-е, исправленное и дополненное. – М.: Техносфера, 2012. – 1104 с.

16. Рабинер Л., Голд Г. Теория и применение цифровой обработки сигналов. – М.: Мир, 1988. – 512 с.

17. Сергиенко А.Б. Цифровая обработка сигналов: учеб. пособие для студ. вузов. – СПб.: Питер, 2002. – 603с.: ил.

18. Голд Б., Рейдер Ч. Цифровая обработка сигналов: пер. с англ. / Б. Голд– М.: Сов. радио, 1973.

19. Нуссбаумер Г. Быстрое преобразование Фурье и алгоритмы вычисления сверток / Г. Нуссбаумер; ред.: В.М. Амербаев, Т.Э. Кренкель; пер. с англ.: Ю.Ф. Касимов, И.П. Пчелинцев. – М.: Радио и связь, 1985. – 248 с.

20. Прэтт У. Цифровая обработка изображений. – М.: Мир, 1982. – 312 с.