Министерство образования и науки Российской Федерации
Государственное бюджетное образовательное учреждение высшего образования Московской области
Международный университет природы, общества и человека «Дубна»
Кафедра Системного анализа и управления
Отчет по НИР
_Разработка алгоритмов и программного обеспечения для обнаружения и параметризации сигналов в экспериментальной физике методами вейвлет-анализа
(тема диссертации или наименование этапа работы над темой)
_____________________________________________________________________________
Студент(ка) _Шишкин Алексей Константинович
(Фамилия Имя Отчество)
Группа _5015
Семестр ___весенний_____2014-2015 учебного года
(осенний/весенний)
Научный руководитель проф., д.ф.-м.н. Ососков Г. А.
(должность, Фамилия Имя Отчество)
Консультант(ы) |
Рекомендуемая оценка ______________________________________________________________
(оценка) (подпись научного руководителя)
Дата представления отчета «____» _____________________ 201___
Студент _________________/____________________/
(подпись) (Ф.И.О.)
Введение
|
|
Появление вейвлет-анализа ознаменовало зарождение новой вехи в области обработки данных. Первые научные работы по основам вейвлет-анализа и вейвлет-преобразований были выполнены в начале 80-х годах прошлого века Добеши, Морле, Гроссманом. В настоящее время успешное применение вейвлетов во многих практических и теоретических сферах науки является де-факто косвенным подтверждением огромного потенциала вейвлет-методов, что постоянно стимулирует поиск новых задач, которые можно решать с помощью них (распознавание образов, системы передачи данных, цифровой обработки сигналов, анализ изображений в медицине, анализ геологических структур, эффективное сжатие сигналов). За короткое время в научной литературе появилось огромное число публикаций и статей, посвященных самым различным способам использования вейвлет-анализа.
Эффективность вейвлет-анализа, в сравнении с классическим методом анализа данных - преобразованием Фурье, объясняется большей информативностью первого из них, предоставляющего исследователям дополнительную степень свободы для анализа в виде возможности видеть разложение сигналов по компактным базисным функциям не только при различных масштабах (частотах), но и при различных сдвигах по времени, что позволяет локализовать временные особенности сигнала.
Преобразование Фурье обладает существенным недостатком: базисные функции такого разложения - множество синусов и косинусов различных частот, которые отличны от нуля на всей числовой прямой.
Это приводит к двум основным недостаткам при анализе сигналов:
· для получения информации даже об одной частоте требуется вся временная информация, т.е даже будущее поведение сигнала должно быть заранее известно;
|
|
· большинство реальных сигналов нестационарно и пики во временной области сигнала дают вклад во всю частотную область.
Сравнение возможностей, которые предоставляют прежний и новый подходы, широко освещено в литературе. Прежде всего, следует выделить работы И. Добеши [2, 3, 4], К. Чуи [5, 6], В. Свелденса [7], А. Луиса и соавторов [8], где наиболее объемно охвачен этот вопрос.
Многие задачи, требующие обработки значительного объема данных, возникают в экспериментах физики высоких энергий. Характерной их особенностью являются большая множественность событий и зачастую высокий уровень шума.
В данной работе будет предложен метод для обнаружения и параметризации сигналов(за основу взята формализованная модель спектров инвариантных масс, получаемых в эксперименте BMN) как от высокочастотных шумов, так и от низкочастотной подложки, используя тот факт, что вейвлет-преобразование гауссиана выглядит как соответствующий вейвлет [10]. Соответствующий поиск происходит непосредственно в вейвлет-пространстве, что не требует обратного преобразования после вырезания шумовых характеристик сигнала.