Кратномасштабний аналіз дискретних функцій із заданою кількістю фільтрів

Скорочена інформація про документ
dc.contributor.authorЯмненко, Юлія Сергіївна
dc.contributor.authorХижняк, Тетяна Андріївна
dc.contributor.authorТерещенко, Тетяна Олександрівна
dc.contributor.authorЛевченко, Віталій Вікторович
dc.contributor.authorYamnenko, Yuliia Serhiivna
dc.contributor.authorKhyzhniak, Tetiana Andriivna
dc.contributor.authorTereshchenko, Tetiana Oleksandrivna
dc.contributor.authorLevchenko, Vitaliy Viktorovych
dc.contributor.authorЯмненко, Юлия Сергеевна
dc.contributor.authorХижняк, Татьяна Андреевна
dc.contributor.authorТерещенко, Татьяна Александровна
dc.contributor.authorЛевченко, Виталий Викторович
dc.date.accessioned2018-05-19T13:15:49Z
dc.date.available2018-05-19T13:15:49Z
dc.date.issued2017
dc.description.abstractenThe method of discrete wavelet transforms at oriented basis that is constructed by use discrete spectral transform of the functions with modular argument is considered and generalized. Unlike traditional wavelet transforms (like classical Haar’s wavelet) this mathematical approach allows getting more information about the details and behavior of original signal due to more amount of discrete filters that are used for its decomposition. In Haar’s and other wavelet methods there are only two discrete filters are used to decompose initial signal – one low-frequency filter and one high-frequency filter. Low-frequency wavelet coefficients (marked as s-coefficients) give the compressed and approximated version of the initial signal (called trend), and high-frequency wavelet coefficients (marked as d-coefficients) give the high-frequency oscillations around the trend. Such decomposition and calculation of wavelet coefficients is realized at each level of wavelet analysis. While using wavelet transform at oriented basis, there are more than one type of high-frequency wavelet coefficients (marked as d(1)-, d(2)-,…, d(m)-coefficients) where m is defined by the type of spectral transform at oriented basis (dimension of the matrix of basic function). Number of decomposition levels is defined by the length of initial signal’s interval. In the case of Haar’s wavelet transform this length is determined as N=2n, and in the case of wavelet transform at oriented basis this length is determined as N=mn. While selecting the value m equal to three it gives some advantages in calculation volume and consequently, in the speed of wavelet analysis that could be very useful for the processing of the signals with large interval of definition and non-stationery signals. As an interesting example, time dependence of discrete function that describes electrical energy consumption in MicroGrid system could be considered as an object for compressing and removing of casual high-frequency oscillations with the help of wavelet analysis. The use of wavelet transforms with more than two high-frequency filters makes it possible to increase the quantity of data about signal fluctuations and to better localize its characteristic intervals compared with traditional discrete wavelets that operates with one low-frequency and one high-frequency filters. The principle of wavelet transform is based on a multiscale analysis. Basic functions are scaled and shifted along the time axis and by amplitude. A feature of the represented wavelet transform is the using of basic functions of new spectral transforms. These are functions of a symmetric transform on finite intervals and transform at oriented basis. The system of these functions is orthogonal and contains Np discrete functions of different shapes. One of these functions is a low-pass filter, and all the others are high-pass filters. Sphere of application of wavelet transforms with N basic functions is diagnostics of semiconductor converters, predictive energy-efficient control of energy consumption, analysis of bio-telemetric signals, processing and transmission of images and video signals.uk
dc.description.abstractruРассмотрен и обобщен алгоритм построения вейвлет-преобразований на базе функций модульного аргумента, определенных на конечных интервалах. Использование предложенных вейвлет-преобразований с произвольным количеством высокочастотных фильтров позволяет увеличить объем данных о флуктуациях сигнала и лучше локализировать его характерные участки. Показаны сферы применения новых методов вейвлет-преобразований с N базисными функциями (диагностика полупроводниковых преобразователей, анализ, обработка, прогнозирование и передача сигналов) и преимущества в сравнении с традиционными.uk
dc.description.abstractukРозглянуто та узагальнено алгоритм побудови вейвлет-перетворень на базі функцій модульного аргументу, визначених на кінцевих інтервалах. Використання запропонованих вейвлет-перетворень з довільною кількістю високочастотних фільтрів дозволяє збільшити об’єм даних про флуктуації сигналу та краще локалізувати його характерні ділянки. Показано сфери застосування нових методів вейвлет-перетворень з N базисними функціями (діагностика напівпровідникових перетворювачів, аналіз, обробка, прогнозування та передавання сигналів) та переваги в порівнянні з традиційними.uk
dc.format.pagerangeС. 73-79uk
dc.identifier.citationКратномасштабний аналіз дискретних функцій із заданою кількістю фільтрів / Ямненко Ю. С., Хижняк Т. А., Терещенко Т. О., Левченко В. В. // Електроніка та зв'язок : науково-технічний журнал. – 2017. – Т. 22, № 3(98). – С. 73–79. – Бібліогр.: 18 назв.uk
dc.identifier.doihttp://doi.org/10.20535/2312-1807.2017.22.3.105013
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/22965
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.sourceЕлектроніка та зв'язок : науково-технічний журнал, Т. 22, № 3(98)uk
dc.subjectвейвлет-перетворенняuk
dc.subjectкратномасштабний аналізuk
dc.subjectдискретний сигналuk
dc.subjectфункція модульного аргументуuk
dc.subjectспектрuk
dc.subjectWavelet transformuk
dc.subjectmultiscale analysisuk
dc.subjectdiscrete signaluk
dc.subjectfunction of modular argumentuk
dc.subjectspectrumuk
dc.subjectвейвлет-преобразованиеuk
dc.subjectкратномасштабный анализuk
dc.subjectдискретный сигналuk
dc.subjectфункция модульного аргументаuk
dc.subject.udc621.3.037.37uk
dc.titleКратномасштабний аналіз дискретних функцій із заданою кількістю фільтрівuk
dc.title.alternativeMultiscale analysis of discrete functions with a given number of filtersuk
dc.title.alternativeКратномасштабный анализ дискретных функций с заданным количеством фильтровuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
EZ2017-3_11Yamnenko.pdf
Розмір:
418.54 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
7.8 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Електроніка та зв'язок: науково-технічний журнал, Т. 22, № 3(98)