Каталог электронной библиотеки
Данная страница содержит основные электронные и бумажные издания, из которых можно почерпнуть информацию при написании магистерской работы.
Статьи из Интернет:
• [Смотреть] [Первичный источник]
"Введение в анализ данных с применением непрерывного вейвлет-преобразования" Комментарии : В данном учебном пособии описуется основы вейвлет анализа и особенности его применения.
• [Смотреть] [Первичный источник]
"Основы теории вейвлет-преобразования" Андрей Киселев Комментарии : В статье сформулировали краткое определение вейвлет-анализа и описали некоторые области его применения.
• [Смотреть] [Первичный источник]
"Вейвлет своими руками" Андрей Киселев Комментарии : В статье приведен пример построения семейства вейвлетов 'в домашних условиях' и способ оценить достоинства вейвлет-анализа.
• [Смотреть] [Первичный источник]
"Приложения вейвлет анализа" Андрей Киселев Комментарии : В статье попытались осветить некоторые, самые актуальные, вопросы применения вейвлетов в наиболее общих задачах, связанных с обработкой информации, таких как очистка сигнала от помех, выявление кратковременных и глобальных закономерностей, спектральный анализ составляющих сигнала.
• [Смотреть] [Первичный источник]
ПРЫГУНОВ А. И. - Работа посвящена обоснованию и изложению нового метода исследования нестационарных сигналов. Метод основан на получении безразмерной меры сходства локальной формы исследуемого сигнала с формой-эталоном в виде синусоиды определённой частоты путём использования алгоритмов время-частотного анализа высокого разрешения и методов частичной реконструкции сигнала в фазовом пространстве. Приведены примеры использования метода в различных областях техники и технологии. Метод может быть использован также для анализа образов на наличие периодических структур волнового типа.
• [Смотреть] [Первичный источник] [Перевод]
"A Really Friendly Guide to Wavelets" This tutorial is aimed at the engineer, not the mathematician. This does not mean that there will be no mathematics, it just means that there will be no proofs in the text. In my humble opinion, mathematical papers are completely unreadable because of the proofs that clutter the text. For proofs the reader is pointed to suitable references. The equations presented are there to illustrate and to clarify things, I hope. It should not be necessary to understand all the equations in order to understand the theory. However, to understand this tutorial, a mathematical background on an engineering level is required. Also some knowledge of signal processing theory might come in handy.
• [Смотреть] [Первичный источник]
"DISCRETE FAST WAVELET TRANSFORM ALGORITHM AND ITS APPLICATION TO PREDICTION PROBLEM" Abstract: Method of nonstationary stochastic process prediction using discrete wavelet transform is presented. As it is shown, the application of Discrete Wavelet Transform in maximum entropy prediction method allows decrease the square average prediction error in comparison with conventional methods that use algorithm of Discrete Fourier Transform approximately 3-4 times for presented test sequence. Its advantage was obtained due to information about process structure in the varied bands of frequency that received from coefficients of Discrete Wavelet Transform.
• [Смотреть] [Первичный источник]
"The Fast Lifting Wavelet Transform" This tutorial is a sequel to the wavelet tutorial, which will fill in the blank spots on the wavelet transform map, add some detail and even explore the area outside it. We start with taking a closer look at the scaling and wavelet filters in general, what they should look like, what their constraints are and how they can be used in the inverse wavelet transform. Then we will do some algebra and develop a general framework to design filters for every possible wavelet transform. This framework was introduced by Sweldens [Swe96a] and is known as the lifting scheme or simply lifting. Using the lifting scheme we will in the end arrive at a universal discrete wavelet transform which yields only integer wavelet- and scaling coefficients instead of the usual floating point coefficients. In order to clarify the theory in this tutorial a detailed example will be presented.
Бумажные источники:
• Добеши И. Десять лекций по вейвлетам. Москва, "РХД", 2001 г.
Книга представляет собой введение в курс вейвлет-анализа, имеющего приложение в теории временных рядов, методах распознавания образов и пр. Она является одним из лучших введений в эту область современной математики, за эту книгу Ингрид Добеши была награждена премией Лероя Стила Американского Математического Общества.
• Воробьев В.И., Грибунин В.Г. Теория и практика вейвлет-преобразования. С.-Петербург, ВУС, 1999 г.
В книге рассмотрен круг вопросов, связанных с вейвлетами и вейвлет-преобразованием. При этом наряду с основами теории представлены и современные направления исследований в этой области. Вейвлет-преобразование рассмотрено в книге с точки зрения субполосного кодирования. Основной упор делается на применение вейвлет-преобразования для сжатия изображений. Этим определяется и обсуждаемый круг вопросов. Книга написана инженерами и для инженеров. Поэтому здесь отсутствуют доказательства тех или иных положений, излишняя строгость формулировок. Книга представляет собой обобщение научно-технической литературы, издаваемой на Западе и состоит из 11 глав.
• Дьяконов В. П. Вейвлеты.От теории к практике. – М.: СОЛОН-Р, - 2002
Описано новейшее направление в теории и практике обработки функций и сигналов — вейвлеты (wavelets). Они способны эффективно представлять локальные особенности функций и сигналов, обеспечивать высокую степень компрессии сигналов и изображений и вести их эффективную обработку.
• Яковлев А. Н. Основы вейвлет-преобразования сигналов: Учебное пособие. – М.: САЙНС-ПРЕСС, 2003
Рассмотрены новейшая технология обработки информации - непрерывное, дискретное и быстрое вейвлет-преобразование(ВП) сигналов, а также двумерное ВП и обработка изображений. Приведены примеры применения ВП для анализа, фильтрации и сжатия сигналов и изображений.
• Астафьева Н.М. Вейвлет-анализ: основы теории и примеры применения //УФН. – 1996
Представлены основы теории вейвлет-преобразования — аппарата, хорошо приспособленного для изучения структуры неоднородных процессов. В отличие от преобразования Фурье, анализирующая функция которого покрывает всю временную ось, двухпараметрическая анализирующая функция одномерного вейвлет-преобразования хорошо локализована и во времени, и по частоте. Возможности преобразования показаны на примерах анализа модельных рядов с хорошо известными свойствами (гармонических, с различными особенностями, фрактальных) и данных длительных наблюдений за изменением некоторых метеорологических характеристик (индекс Южного Колебания, глобальные и полушарные температуры). Анализ ряда событий Эль-Ниньо и изменений индекса Южного Колебания выявил периодические компоненты процесса, ряд локальных периодичностей и временные масштабы, на которых данные имеют автомодельную структуру. Похоже, в целом анализируемый процесс демонстрирует комбинированное поведение: есть стохастическая и ряд регулярных компонент. Временные структуры глобальной и полушарных температур качественно схожи. Основное различие состоит в том, что потепление (тренд) слегка значительнее и начинается раньше в Северном полушарии (возможная причина этого — большее количество суши); излом тренда в начале текущего столетия, связываемый обычно с техногенным фактором, не обнаружен.
