Разработка методов и алгоритмов субполосного моделирования эмпирических данных

Актуальность работы. Эмпирическими данными называются результаты регистрации количественных значений тех или иных параметров, отражающих свойства исследуемых объектов или процессов. Основным инструментом описания на количественном уровне имеющихся закономерностей в поведении объектов служат математические модели, которые также позволяют сформулировать априорные предположения и осуществить проверку их адекватности.

При моделировании эмпирических данных достаточно широко используются частотные представления вида со.

0= р{а>Уш йаИл, (1).

— со где /(/) — вещественный, регистрируемый параметр, зависящий от переменной которая для простоты называется временемF (бy) — непрерывная, в общем случае комплексная, функция (частотная характеристика) аргумента со, называемого круговой частотой.

СО = 27ТО. (2).

Здесь и — переменная, называемая частотой.

Предполагается, что условия существования интеграла в (1) выполнены и /(/) принадлежит пространству ?2, так что справедливо имеющее физический смысл равенство Парсеваля со со.

Г = | /гШ= \Ficofdcol2n, (3).

— соо? которое можно преобразовать к виду со.

1ИГ =Т, рг> (4) г=0 где Рг — части энергии р/ = (5) со<=1)г в частотных интервалах й, -О, №,.0,*.), ^0=0- /- = 0.1,2,., (6) выбор которых может быть продиктован различными соображениями.

Ясно, что представление (1) можно преобразовать к сумме компонент, определяемых только соответствующими. отрезками частотной характеристики =? Л С), Л (0 = | Р{р)(щ>и<�оМ (о / 2ж. (7).

Описание свойств эмпирических данных с точки зрения выбранной из тех или иных соображений системы частотных интервалов вида (6) в рамках данной работы называется субполосным моделированием.

Достаточно часто в приложениях используется априорное предположение о финитности области частот, где сосредоточена подавляющая доля энергии исследуемой функции, т. е. имеет место приближенное равенство.

2″ \Ficofdcol27r, (8) ше!) где ?> - частотный интервал конечных размеров вида (6), либо объединение нескольких таких интервалов. Это представление в рамках данной работы называется субполосной моделью эмпирических данных, степень адекватности которой необходимо оценивать.

Ясно, что в реальности осуществить проверку адекватности модели субполосных представлений можно только на основе анализа эмпирических данных, зарегистрированных на временных интервалах конечной длительности Т, т. е. по отрезку /(/), г</<Г + г, г — начало регистрации. В этих условиях аппроксимацией неизвестной частотной характеристики служит трансформанта Фурье область определения которой финитной являться не может, а составляет всю числовую ось. Поэтому необходимо иметь эффективный метод проверки адекватности модели (8) на этой основе.

В задачах моделирования так называемых нестационарных процессов, например речевых сигналов, широко применяется частотно-временная интерпретация эмпирических данных в виде описания закономерности поведения исследуемого параметра на языке динамики изменений частей энергий.

Рг-к)= ?^{со^асоИл, (10) со€.1)г определяя в частности при этом множество частотных интервалов Л,(г), суммарная ширина которых минимальна, и где сосредоточена заданная доля т энергии отрезков наблюдений, то есть выполняется условие.

Н1//1- = 2Х/0-). ил II//2(/+г)л. (и) гей,(г) о.

Таким образом, определяются частотные интервалы с повышенной концентрацией энергии, что в свою очередь свидетельствует о наличии в поведении исследуемого параметра квазициклических (квазипериодических) компонент.

Одним из самых эффективных методов моделирования эмпирических данных является разложение по функциональным базисам.

Д/+ г) = 2>* (*>*('), /6(0, Т). (12) к.

Обзор специфик задач субполосного моделирования позволяет сформулировать следующие условия адекватности аппроксимационных свойств применяемых базисных функций (модель субполосного базиса): базисные функции должны с точностью до множителей полностью определяться отрезками своих трансформант Фурье из заданного частотного интервалабазисные функции должны быть ортогональны на интервале регистрации эмпирических данныхотрезки трансформант Фурье базисных функций в заданном частотном интервале должны быть ортогональныдолжна обеспечиваться возможность интерполяции и оценивания производных частотных компонент по значениям эмпирических данных в дискретном наборе точек области регистрации (субполосные интерполяция и дифференцирование).

В настоящее время основным инструментом субполосного моделирования, включая расчёт КИХ-фильтров для выделения квазициклических компонент, служит дискретный базис Фурье, коэффициенты разложение по которому принято называть дискретным преобразованием Фурье (ДПФ). Однако его нельзя назвать адекватным решаемым задачам. Кроме того применяемые базисные функции конечной длительности не обладают достаточной степенью концентрации энергии в узких частотных полосах.

Для преодоления этого недостатка в последние десятилетия интенсивно развиваются теория и методы частотно-временного (кратномасштабного) анализа эмпирических данных на основе вейвлет-базисов. Однако применяемые вейвлет-базисы также не отвечают сформулированным выше требованиям адекватности.

Поэтому совершенствование методов субполосного моделирования эмпирических данных за счет применения новых адекватных функциональных базисов является актуальной научной задачей.

Целью данной работы является разработка и исследование новых методов субполосного моделирования эмпирических данных на основе обладающих адекватными" аппроксимационными свойствами функциональных базисов, создание соответствующих численных методов обработки отрезков эмпирических данных, а также их алгоритмических и программных реализаций.

Методы исследований:

— Теория преобразования Фурье;

— Модели субполосных представлений;

— Методы линейной алгебры;

— Вычислительный эксперимент.

Научную новизну работы составляет следующее:

1. Методы субполосного моделирования эмпирических данных на основе новых ортогональных базисов функций, аппроксимационные свойства которых адекватно отражают специфику задач описания закономерностей поведения исследуемых процессов в терминах характеристик их частотных компонент (субполосные базисы);

2. Численные методы обработки отрезков эмпирических данных на основе разложений по субполосным базисам;

3. Алгоритмы моделирования эмпирических данных на основе разложений по субполосным базисам и их программные реализации;

4. Методы и алгоритмы проверки адекватности моделей субполосных представлений и частотно-временной интерпретации эмпирических данных на основе разложений по субполосным базисам. V.

Практическая значимость работы определяется тем, что использование полученных в ней результатов позволит повысить эффективность процедур субполосного моделирования эмпирических данных, и прежде всего их точность и достоверность выводов.

Положения, выносимые на защиту:

1. Модели субполосных ортогональных базисов функций, включая результаты исследований их аппроксимационных свойств при дискретизации области определения;

2. Методы и алгоритмы субполосного моделирования эмпирических данных на основе разложений по новым субполосным базисам и их программные реализации;

3. Методы субполосной интерполяции и численного дифференцирования дискретных эмпирических данных на основе интерполяции и дифференцирования базисных функций;

4. Метод проверки на основе разложений по субполосным базисам адекватности моделей субполосных представлений (предположений о финитности области частот, где сосредоточена подавляющая доля энергии исследуемого процесса);

5. Метод и алгоритм частотно-временной интерпретации эмпирических данных на основе разложений по субполосным базисам.

Достоверность выводов и рекомендаций обусловлена адекватностью аппроксимационных свойств разработанных базисов задачам субполосного моделирования эмпирических данных, корректностью применяемых математических преобразований, непротиворечивостью полученных результатов с установленными ранее фундаментальными фактами теории анализа эмпирических данных на основе частотных представлений, а также подтверждается результатами вычислительных экспериментов с реальными эмпирическими и модельными данными.

Личный вклад соискателя.

Все изложенные в диссертации результаты исследования получены либо соискателем лично, либо при его непосредственном участии.

Апробация результатов диссертационного исследования.

Результаты диссертационного исследования-обсуждались на следующих научно-технических конференциях:

1. Первая Международная научно-техническая конференция, «Компьютерные науки и технологии», 2009 г., Белгород, Россия.

2. Вторая Международная научно-техническая конференция, «Компьютерные науки и технологии», 2011 г., Белгород, Россия.

3. 12-я Международная конференция и выставка «Цифровая обработка сигналов и ее применение», ОБРА — 2010., Москва, Россия.

4. 13-я Международная конференция и выставка «Цифровая обработка сигналов и ее применение», БЭРА — 2011., Москва, Россия.

5. XXIII Международная научная конференция «Математические методы в технике и технологиях ММТТ-23» Россия, 2010, Саратов.

6. Одиннадцатая международная научно-практическая конференция «Фундаментальные и прикладные исследования, разработка и применение высоких технологий в промышленности», 2011, Санкт-Петербург, Россия.

Связь с научными и инновационными программами.

Диссертационное исследование проводилось в рамках следующих программ фундаментальных, поисковых и инновационных исследований: Аналитическая ведомственная целевая программа «Развитие научного потенциала высшей школы (2009;2010 годы)» Федерального агентства по образованию, подраздел 2.1.2. «Проведение фундаментальных исследований в области технических наук», проект 2.1.2/656 «Разработка на основе частотных представлений математических моделей и оптимальных методов обработки речевых сигналов при хранении и передаче речевых сообщений в информационно-телекоммуникационных системах (ИТС)" — Федеральная целевая программа «Научные и научно-педагогические кадры для инновационной России» на 2009;2013 годы, гос. контракт № 14.740.11.0390, проект по теме: «Разработка вариационных методов и алгоритмов обработки изображений земной поверхности в задачах их дешифрирования" — Федеральная целевая программа «Научные и научно-педагогические кадры для инновационной России» на 2009;2013 годы, гос. контракт № 02.740.11.5128, проект по теме: «Разработка автоматизированной системы количественного синтеза результатов внедрения технологий электронного обучения (META-ANALYSIS E-LEARNING)».

Публикации.

По теме диссертационного исследования опубликовано 14 печатных работ (из них 6 в журналах из списка ВАК РФ), в том числе два Свидетельства Роспатента РФ о государственной регистрации программы для ЭВМ.

Объем и структура работы.

Диссертация состоит из Введения, четырех глав, Заключения и Приложения. Работа изложена на 178 страницах машинописного текста,.

4.4 Основные результаты и выводы главы.

1. Разработана процедура принятия решения об адекватности модели субполосных представлений, в основе которой используются вычисления долей энергий анализируемого отрезка эмпирических данных, попадающих в заданный частотный интервал:

• разработан ускоренный алгоритм вычисления значений долей энергии анализируемых отрезков эмпирических данных, попадающих в четное количество частотных интервалов одинаковой ширины, на которые разбивается полоса частот с верхней частотой, равной половине частоты дискретизации;

• разработан способ определения частотных интервалов, в которых сосредоточена заданная доля энергии отрезка эмпирических данных.

2. Разработан алгоритм частотно-временной интерпретации эмпирических данных на основе вычисления коэффициентов разложения анализируемых отрезков по субполосным базисам системы частотных интервалов и определения такого их минимального количества, которое позволяет восстановить исходные данные с малой погрешностью.

3. Проведены вычислительные эксперименты, подтверждающие работоспособность (адекватность модели субполосных представлений) и перспективность модели субполосного частотно-временного представления эмпирических данных для задач их сжатия.

4. На базе среды программирования МАТЬАВ создан прототип программной реализации разработанных алгоритмов субполосного моделирования эмпирических данных.