Перспективи застосування вейвлет аналізу в задачах класифікації гідроакустичних сигналів

Автор(и)

  • Євген Пархоменко Чернівецький національний університет імені Юрія Федьковича Автор https://orcid.org/0009-0006-1805-1932
  • Галина Ластівка Чернівецький національний університет імені Юрія Федьковича Автор https://orcid.org/0000-0003-3639-3507
  • Олександр Ластівка Чернівецький національний університет імені Юрія Федьковича Автор https://orcid.org/0009-0002-6232-3270

DOI:

https://doi.org/10.31861/sisiot2024.2.02002

Ключові слова:

гідроакустичний сигнал, інформаційно-телекомунікаційні системи, вейвлет-перетворення, цифрове оброблення сигналів, перетворення Фур’є

Анотація

Широкого застосування для аналізу сигналів отримали вейвлет-перетворення, що, на відміну від класичного Фур'є-перетворення, дозволяють виявляти одночасно низькочастотні та високочастотні характеристики сигналів на різних часових масштабах (тобто є можливість аналізу часової зміни частотного спектру сигналів). В основу теорії вейвлет-перетворення покладено підхід кратномасштабного аналізу, тобто аналізу сигналу на різних частотах і з різною роздільною здатністю одночасно, що підвищує гнучкість методів обробки сигналів та розширює сферу їх застосування. Тож вейвлет-перетворення набули широкого використання в інформаційно-телекомунікаційних системах, фізиці та астрофізиці, математиці, сейсмології, стисненні зображень, розпізнаванні мови, медицині та інших галузях. Більше того, на основі вейвлет-аналізу нестаціонарних та нелінійних ехосигналів підводних об’єктів можна здійснювати не тільки класифікацію та ідентифікацію об'єктів, а й вирішення цих завдань у сильно зашумлених та складних умовах виявлення гідроакустичних сигналів. Подальші дослідження з використанням вейвлет-аналізу відкривають нові перспективи для розробки та вдосконалення систем, які використовуються для моніторингу і аналізу складних сигналів у різних середовищах. Вейвлет-перетворення відкривають нові горизонти для наукових досліджень, стають невід’ємною частиною сучасних технологій аналізу сигналів, сприяють ефективнішому вирішенню складних завдань у різних галузях науки і техніки, що забезпечує високу точність і надійність отриманих результатів. Крім того, завдяки здатності локалізації в частотно-часовій області та стійкості до завад, вейвлет-перетворення знаходять застосування в високоефективних сучасних системах виявлення та ідентифікації підводних об'єктів. Подальший розвиток наукових досліджень цієї галузі неодмінно ще більше розширить можливості вейвлет-аналізу, роблячи його ще більш потужним інструментом у сфері оброблення сигналів та інформації.

Завантажити

Дані для завантаження поки недоступні.

Біографії авторів

  • Євген Пархоменко, Чернівецький національний університет імені Юрія Федьковича

    Отримав ступінь магістра радіотехніки в Чернівецькому національному університеті імені Юрія Федьковича, Україна. Зараз навчається в аспірантурі за спеціальністю «Електронні комунікації та радіотехніка». Його наукові інтереси включають мережеву та кібернетичну безпеку.

  • Галина Ластівка, Чернівецький національний університет імені Юрія Федьковича

    Отримала ступені бакалавра та магістра радіотехніки в Чернівецькому національному університеті імені Юрія Федьковича, Україна. Захистила кандидатську дисертацію з твердотільної електроніки в ЧНУ. Наразі працює доцентом кафедри радіотехніки ЧНУ. Наукові інтереси: методи та засоби радіоспектроскопії, їх застосування для дослідження сенсорних властивостей, структур, дефектів шаруватих та органічних напівпровідників.

  • Олександр Ластівка, Чернівецький національний університет імені Юрія Федьковича

    Наразі навчається на магістерському курсі за спеціальністю «Електронні комунікації та радіотехніка». Його наукові інтереси включають електронні комунікації та радіотехніку, мережеву та кібернетичну безпеку.

Посилання

D. B. Percival and A. T. Walden, Wavelet Methods for Time Series Analysis. [Online]. Available: https://books.google.com.ua/books?id=XF4urPW362AC.

"An introduction to wavelet transforms: a tutorial approach." [Online]. Available: https://pdfs.semanticscholar.org/8960/a36e956b996d7f1639ff577d4b21f389ded9.pdf.

R. Carmona, W. L. Hwang, and B. Torresani, Practical Time-Frequency Analysis: Gabor and Wavelet Transforms with an Implementation in S, 1998, p. 480.

A. V. Oppenheim and A. S. Willsky, Signals and Systems, 1996, p. 987.

O. Rioul and M. Vetterli, "Wavelets and signal processing," [Online]. Available: https://ieeexplore.ieee.org/abstract/document/91217.

R. P. Hodges, Underwater Acoustics: Analysis, Design, and Performance of Sonar. London, UK: John Wiley & Sons, 2010.

D. Kaplun, D. Klionskiy, A. Voznesenskiy, and V. Gulvanskiy, "Digital filter bank implementation in hydroacoustic monitoring tasks," PRZ Elektrotechniczn, vol. 91, pp. 47–50, 2015. [Online]. Available: https://sigma-not.pl/publikacja-89347-2015-2.html.

S. Mallat, A Wavelet Tour of Signal Processing, 3rd ed. New York, NY, USA: Academic, 2008.

D. M. Klionskiy, D. I. Kaplun, V. V. Gulvanskiy, D. V. Bogaevskiy, S. A. Romanov, and S. V. Kalincev, "Application of harmonic wavelets to processing oscillating hydroacoustic signals," in Proc. 2017 Progress in Electromagnetics Research Symposium—Fall (PIERS—FALL), Singapore, 19–22 Nov. 2017, pp. 2528–2533.

D. Kaplun, A. Voznesenskiy, S. Romanov, E. Nepomuceno, and D. Butusov, "Optimal Estimation of Wavelet Decomposition Level for a Matching Pursuit Algorithm," Entropy, vol. 21, no. 9, p. 843, 2019. [Online]. Available: https://www.mdpi.com/1099-4300/21/9/843.

D. E. Newland, "Harmonic wavelet analysis," Proc. R. Soc. Lond. Ser. A, vol. 443, pp. 203–225, 1993.

A. H. Assi, Ed., Engineering Education and Research Using MATLAB. [Online]. Available: http://dx.doi.org/10.5772/1532.

K. P. Soman, K. I. Ramachandran, and N. G. Resmi, Wavelets in Python, MATLAB, and Julia: Theory and Practice. [Online]. Available: https://books.google.com.ua/books?id=V7DgqDL_ZuAC.

I. Daubechies, Ten Lectures on Wavelets. [Online]. Available: https://jqichina.wordpress.com/wp-content/uploads/2012/02/ten-lectures-of-waveletsefbc88e5b08fe6b3a2e58d81e8aeb2efbc891.pdf.

Завантаження


Переглядів анотації: 8

Опубліковано

2024-12-30

Номер

Розділ

Статті

Як цитувати

[1]
Є. Пархоменко, Г. Ластівка, and О. Ластівка, “Перспективи застосування вейвлет аналізу в задачах класифікації гідроакустичних сигналів”, SISIOT, vol. 2, no. 2, p. 02002, Dec. 2024, doi: 10.31861/sisiot2024.2.02002.

Схожі статті

1-10 з 46

Ви також можете розпочати розширений пошук схожих статей для цієї статті.

Статті цього автора (цих авторів), які найбільше читають