Обработка измерительных сигналов на основе вейвлет-преобразования в многоканальных информационно-измерительных системах тема диссертации и автореферата по ВАК РФ 05.11.16, кандидат технических наук Федулеева, Марина Владимировна

• Федулеева, Марина Владимировна
• кандидат технических наук
• 2012

Оглавление диссертации кандидат технических наук Федулеева, Марина Владимировна

Список сокращений

Введение

Глава 1- - Анализ особенностей функционирования многоканальной 11 ИИС

1.1 Формулировка задачи создания многоканальной ИИС и ее 11 функций

1.2 Анализ существующих решений

1.3 Основные тенденции создания многоканальных ИИС

1.4 Классификация данных многоканальных ИИС с точки 32 зрения задачи обработки данных

1.5 Выбор и обоснование направления исследования

1.6 Выводы по главе

Глава 2 - Методы повышения эффективности алгоритма обработки 40 данных на основе дискретного вейвлет-преобразования

2.1 Применение дискретного вейвлет-преобразования для 40 решения задачи сжатия данных

2.2 Разработка методики и критериев для исследования 46 алгоритмов сжатия

2.3 Разработка и исследование алгоритма сжатия на основе 52 дискретного вейвлет-преобразования

2.4 Модификация алгоритма сжатия и исследование разра- 56 ботанного алгоритма

2.5 Выводы по главе

Глава 3 - Разработка структуры многоканальной ИИС с применением 65 сжатия на основе модифицированой схемы ДВП

3.1 Разработка и исследование адаптивной структуры ИИС с 65 применением сжатия на основе дискретного вейвлет-преобразования

3.1.1 Адаптивная структура ИИС

3.1.2 Библиотека базисов

3.1.3 Методика выбора оптимальных параметров алгоритма 71 сжатия

3.2 Разработка и исследование структуры ИИС с 84 применением многоканального сжатия на основе дискретного вейвлет-преобразования

3.2.1 Многоканальный вариант сжатия на основе дискретного 84 вейвлет-преобразования

3.2.2 Анализ структуры ИИС с многоканальным сжатием на 87 основе дискретного вейвлет-преобразования

3.3 Выводы по главе

Глава 4 - Результаты экспериментальных исследований, 91 практической разработки и внедрения многоканальной ИИС

4.1 Применение ЕШегпе^интерфейса для решения задачи 91 передачи данных при построении многоканальной ИИС

4.2 БСД в составе многоканальной ИИС

4.3 Программное обеспечение многоканальной ИИС

4.4 Выводы по главе 110 Основные результаты и выводы по работе 111 Заключение 113 Литература 114 Приложение А Тексты функций 123 Приложение Б Тексты программ 128 Приложение В Акты о внедрении 144 Приложение Г Свидетельства о государственной регистрации 148 программ для ЭВМ

3.1.4 Моделирование адаптивной схемы сжатия

3.1.5 Рекомендации по применению вейвлет-базисов

СПИСОК СОКРАЩЕНИЙ

АРМ - автоматизированное рабочее место АЦП - аналого-цифровой преобразователь БП - блок питания БСД - блок сбора данных

ВИП - вторичный измерительный преобразователь ДВП - дискретное вейвлет-преобразование ДКЛ - дискретное косинусное преобразование ДКП- дискретное преобразование Карунена-Лоэва ИД - интеллектуальный датчик ИИС - информационно-измерительная система ИС - измерительная система

ИСМКА - интеллектуальная система мониторинга и контроля состояния космического аппарата

КА - космический аппарат

КПД - контроллер передачи данных

МПК - модуль преобразования каналов

НВП - непрерывное вейвлет-преобразование

ОС - операционная система

ПК - персональный компьютер

ПМ - процессорный модуль

ПО - программное обеспечение

РКТ - ракетно-космическая техника

ФБ - функциональный блок

ЦИ - цифровой интерфейс

PSNR - пиковое отношение сигнал-шум

Введение диссертации (часть автореферата) на тему «Обработка измерительных сигналов на основе вейвлет-преобразования в многоканальных информационно-измерительных системах»

Состояние вопроса и актуальность темы

Тенденцией развития современных измерительных и информационных технологий является постоянное возрастание сложности информационно-измерительных систем (ИИС). ИИС для изделий ракетно-космической отрасли могут содержать до нескольких тысяч распределенных датчиков, с которых поступает большой объем информации. Одновременно с ростом объемов информации, обрабатываемой ИИС, постоянно усложняются алгоритмы функционирования систем.

В Федеральной космической программе России на 2006 - 2015 гг., утвержденной постановлением Правительства РФ от 22.10.2005 г., выделено отдельное направление исследования проблем создания и разработки датчиковой и преобразующей аппаратуры адаптивных информационно-управляющих систем со сжатием данных для перспективной ракетно-космической техники. Особую актуальность среди основных задач построения ИИС приобретают методы обработки, в том числе сжатия и восстановления передаваемых сигналов с малыми искажениями. При решении этих задач вейвлет-анализ является одним из наиболее мощных и при этом гибких средств исследования и обработки измерительных сигналов.

Вопросами разработки ИИС и эффективных алгоритмов обработки и сжатия нестационарных сигналов занимались Ж. Морле, А. Гроссман, И. Добеши, И. Мейер, С. Малла, Г. Лэм, Дж. Макклелан, Л. Рабинер, Р. Хемминг. Заметный вклад внесли отечественные ученые А. В. Фремке, В. П. Воробьев, В. Г. Грибунин, В. П. Дьяконов, М. П. Цапенко, В. М. Шляндин, Ш. Ю. Исмаилов, М. А. Щербаков, Б. В. Чувыкин и другие. Однако сохраняется потребность в новых решениях при разработке алгоритмов обработки данных и архитектуры измерительных систем. На передний план выходят актуальные задачи создания и использования устройств обработки данных, способных работать в составе распределенных информационно-измерительных систем, позволяющих получать в реальном времени достоверную картину о состоянии контролируемых физических параметров, за счет заложенных в них эффективных алгоритмов обработки данных.

Целью данной работы является совершенствование многоканальных информационно-измерительных систем за счет алгоритмов обработки измерительных сигналов с помощью применения модифицированной схемы дискретного вейвлет-преобразования (ДВП).

Основные задачи исследования:

1. Анализ методов сбора, обработки и сжатия измерительных сигналов ИИС.

2. Исследование существующих ИИ С с точки зрения возможности сжатия их сигналов.

3. Разработка и анализ алгоритма сжатия и восстановления измерительных сигналов ИИС на основе модифицированной схемы ДВП.

4. Разработка инженерной методики выбора оптимальных параметров алгоритма сжатия сигналов ИИС и адаптивной структуры построения ИИС на ее основе.

5. Разработка структуры ИИС с многоканальным сжатием сигналов при помощи разработанного алгоритма.

6. Разработка блока сбора данных (БСД) в составе информационно-измерительной системы, обеспечивающего эффективное сжатие измерительной информации.

Объектом исследования является многоканальная измерительная система для изделий РКТ, обеспечивающая сбор и передачу данных от большого количества (до 930 шт.) цифровых интеллектуальных датчиков.

Предметом исследования является структура построения БСД в составе многоканальной ИИС и алгоритмы обработки данных БСД.

Методы исследования. В работе использованы основные положения теории обработки сигналов, численные методы аппроксимации, вейвлет-преобразований, эмпирического кодирования, фильтрации сигналов, теория сжатия и восстановления измерительных сигналов, теория оценок погрешности, применены методы математического моделирования, в том числе компьютерного: системы визуального моделирования Matlab&Simulink и программные средства объектно-ориентированного программирования Delphi и Builder С++.

Научная новизна работы:

1. Предложен и реализован алгоритм сжатия и восстановления сигналов цифровых интеллектуальных датчиков в составе ИИС, основанный на модифицированной схеме дискретного вейвлет-преобразования с использованием экстраполяции для повышения эффективности дальнейшего кодирования данных, обеспечивающий увеличение объема передаваемой информации с допустимой погрешностью восстановления сигнала и малыми вычислительными затратами реализующей аппаратуры.

2. Разработана и исследована адаптивная к форме и скорости изменения входного сигнала структура ИИС. Показана эффективность применения RD-функций Лагранжа для оценки параметров алгоритма сжатия. Разработана инженерная методика выбора оптимальных параметров алгоритма сжатия на их основе.

3. Разработана и исследована структура ИИС с многоканальным сжатием сигналов, позволяющая повысить в 2 раза эффективность разработанного алгоритма сжатия на основе ДВП.

4. Разработана имитационная модель БСД и исследовано влияние параметров алгоритма сжатия данных на погрешность восстановления и коэффициент сжатия выходных сигналов ИИС.

Практическая значимость. Основные теоретические положения диссертации использованы при разработке блока сбора данных в составе информационно-измерительной системы для изделий ракетно-космической техники (РКТ). За счёт применения алгоритма сжатия сигналов на основе ДВП повышен объем полезной передаваемой информации в 25.80 раз и тем самым обеспечена возможность включение в состав ИИС большого количества цифровых датчиков (до 930 шт.). Разработано программное обеспечение:

- приема данных от цифровых датчиков, обработки и сжатия данных, применяемое в БСД;

- приема и отображения данных через веб-интерфейс, позволяющее получить доступ к данным через сеть Internet;

- имитации данных от цифровых датчиков, используемое в процессе испытаний БСД.

На защиту выносятся:

1. Алгоритм сжатия и восстановления измерительной информации на основе модифицированной схемы дискретного вейвлет-преобразования, обеспечивающий увеличение в 25.80 раз объема передаваемых данных ИИС по существующим каналам передачи данных, отличающийся использованием экстраполяции в схеме дискретного вейвлет-преобразования с целью повышения эффективности дальнейшего кодирования данных.

2. Адаптивная к форме и скорости изменения входного сигнала структура ИИС, позволяющая отобрать оптимальные параметры сжатия в зависимости от обрабатываемого сигнала, отличающаяся применением RD-функции Лагранжа в качестве критерия оптимальности выбранных параметров алгоритма.

3. Структура ИИС с многоканальным сжатием сигналов, обеспечивающая повышение коэффициента сжатия в 2 раза за счет устранения корреляции каналов для разрабатываемого 30-канального БСД благодаря применению алгоритма сжатия на основе двумерного ДВП.

4. БСД в составе ИИС для изделий РКТ, обеспечивающий сбор данных от цифровых интеллектуальных датчиков и передачу через канал Ethernet за счет применяемого алгоритма сжатия.

Реализация работы и внедрение результатов.

На основе проведенных теоретических исследований и разработок внедрены в производство ОАО «НИИФИ» блок сбора данных БСД в составе базовой интеллектуальной системы мониторинга и контроля технического состояния космического аппарата, разрабатываемой для НПО им. Лавочкина, ПО БСД, реализующее алгоритм сжатия измерительных сигналов на основе модифицированной схемы дискретного вейвлет-преобразования. Данные результаты использовались при выполнении ОКР «Диагностика» в ОАО «НИИ физических измерений» (г. Пенза), выполняемой в рамках Федеральной космической программы России на 2006 - 2015 гг. на основании распоряжения Правительства Российской Федерации от 30 июня 2010 г. №1076-р. Полученные в диссертационной работе результаты разработки адаптивной структуры построения блока сжатия данных использовались при выполнении НИР «Датчик-РКТ» в ОАО НИИ физических измерений (г. Пенза). Результаты исследований использованы в учебном процессе в лекционном курсе, практических и лабораторных занятиях по дисциплинам «Преобразование измерительных сигналов» и «Интеллектуальные средства измерений» на кафедре «Информационно-измерительная техника» Пензенского государственного университета.

Апробация работы. Основные результаты диссертационной работы докладывались и обсуждались на следующих конференциях: Международной научно-технической конференции «Методы, средства и технологии получения и обработки измерительной информации» (г. Пенза, 2008, 2010 гг.), Межрегиональной научно-практической конференции студентов и аспирантов «Инновационные технологии в экономике, информатике и медицине» (г. Пенза, 2008 г.), Всероссийской научно-практической конференции молодых ученых и специалистов «Датчики и Системы» (г. Пенза, 2009 - 2011 гг.), Международной научно-технической конференции «Проблемы автоматизации и управления в технических системах - 2009» (г. Пенза, 2009 г), Международной научно-технической конференции «Проблемы автоматизации и управления в технических системах» (г. Пенза, 2009, 2011 гг.), Международного симпозиума «Надежность и качество 2010» (г. Пенза, 2010 г.), VII научно-технической конференции «Микротехнологии в космосе» (г. Москва, 2010 г.), Всероссийской научно-технической конференции с международным участием «Компьютерные и информационные технологии в науке, инженерии и управлении» (г. Таганрог, 2011, 2012 гг.), I Всероссийской научно-практической конференции «Устройства измерения, сбора и обработки сигналов информационно-управляющих комплексах» (г. Ульяновск, 2011 г.), V Всероссийской научно-технической конференции «Актуальные проблемы ракетно-космического приборостроения и информационных технологий» (г. Москва, 2012 г.).

Публикации. По теме диссертации опубликованы 22 печатные работы, в том числе 6 работ в журналах из перечня ВАК, 11 печатных работ без соавторов, а также получено 3 свидетельства о регистрации программного обеспечения.

Структура и объем работы. Диссертация состоит из введения, 4 глав, заключения, списка литературы, содержащего 90 наименований, 4 приложения. Изложена на 151 страницах машинописного текста, содержит 42 рисунка, 10 таблиц.

Заключение диссертации по теме «Информационно-измерительные и управляющие системы (по отраслям)», Федулеева, Марина Владимировна

Основные результаты диссертационной работы заключаются в следующем:

1. На основании проведенного анализа методов сбора, обработки и сжатия измерительной информации сформулированы основные тенденции разработки современных ИИС.

2. Предложена систематизация измерительных сигналов существующих ИИС по характеру поведения во временной области, позволяющая оценить коэффициент сжатия на этапе проектирования с точки зрения потенциальной скорости передачи данных и возможного количества подключенных датчиков.

3. Разработан и внедрен алгоритм сжатия измерительных сигналов ИИС на основе модифицированного ДВП, применение которого позволяет до 10 раз увеличить коэффициент сжатия данных по сравнению с традиционным алгоритмом. Получены оценки вычислительной сложности разрабатываемого алгоритма, а также минимальной частоты дискретизации сигнала, которые использованы для расчета характеристик разрабатываемого БСД с точки зрения работы в режиме реального времени.

4. Предложена инженерная методика выбора оптимальных параметров алгоритма сжатия. На ее основе разработана и исследована адаптивная структура построения ИИС. Выработаны рекомендации по использованию типов вейвлетов в зависимости от типов обрабатываемых сигналов.

5. Разработана и исследована структура ИИС с многоканальным сжатием сигналов. Для 30-канального разрабатываемого БСД получено увеличение коэффициента сжатия в 2 раза по сравнению с применением одноканального алгоритма.

6. Разработана и исследована структура блока сбора данных, обеспечивающая эффективную обработку, сжатие и высокоскоростную передачу измерительной информации. На ее базе разработана имитационная модель и получены оценки основных технических характеристик системы.

7. Разработан и внедрен БСД, обеспечивающий сбор данных от 930 цифровых интеллектуальных датчиков по 30 каналам связи RS-485, обработку, сжатие, формирование и выдачу форматированных данных по выходному каналу связи Ethernet со скоростью 10 Мбит/с с комплексом ПО, позволяющим обеспечить функционирование БСД, удаленный прием данных, а также проведение его испытаний. Результаты испытаний и внедрений подтвердили теоретические выводы работы.

ЗАКЛЮЧЕНИЕ

Автор выражает искреннюю благодарность научному руководителю, д.т.н, профессору Цыпину Борису Вульфовичу, генеральному директору ОАО «Научно-исследовательский институт физических измерений» к.т.н., Дмитриенко Алексею Геннадьевичу, начальнику научно-исследовательского комплекса НИК-2, к.т.н. Исакову Сергею Алексеевичу и начальнику научно-исследовательского отдела НИК-2 Новикову Валентину Николаевичу за постановку задачи исследований, технические консультации и оказание помощи в организации испытаний блока сбора данных и программного обеспечения на оборудовании ОАО «НИИФИ».

Список литературы диссертационного исследования кандидат технических наук Федулеева, Марина Владимировна, 2012 год

1. Авдеев Б.Я., Антонюк Е.М., Долинов С.Н. и др. Адаптивные телеизмерительные системы. JL: Энергоиздат, 1981. - 248 с.

2. Авдеев Б.Я. Цифровые адаптивные информационно-измерительные системы/ Б. Я. Авдеев, В. В. Белоусов, И. Ю. Брусаков и др.; Под ред. Б. Я. Авдеева, Е. А. Чернявского. СПб: Энергоатомиздат, 1997. - 368 с.

3. Алексеев, К.А. Вокруг CWT. // Опубл. на сайте "Matlab & Toolboxes" (Wavelet Toolbox), адрес http://matlab.exponenta.ru/ wavelet/book3/index.php.

4. Балашов К.Ю. Сжатие информации: анализ методов и подходов. Минск, 2000. -42 с.

5. Баскаков С.И. Радиотехнические цепи и сигналы. М.: Высшая школа, 2000. Глава 2, разд. 2.6. «Вейвлет-анализ». - С. 65-68.

6. Биленко A.A., Ситников B.C. Анализ построения вычислений на основе реконфигурируемых компьютерных систем. // Радіоелектронні і комп'ютерні системи. Харків, 2010. - № 7(48). - С. 212-214.

7. Биленко A.A., Ситников B.C. Компьютерная система сжатия и восстановления многомерных сигналов на основе вейвлет-преобразования. // Науковий вісник Чернівецького ун-та. Чернівці, 2008. - Вип. 423: Фізика. Електроніка. - С. 37-42.

8. Бердышев В.И., Петрак J1.B. Аппроксимация функций. Сжатие численной информации. Приложения. Екатеринбург, 1999. Гл. 1, разд. 12 «Всплески». -С. 127-150.

9. Бехтин, Ю.С., Рычков, А.Н. Программный комплекс обработки зашумленных изображений на основе вейвлет-преобразований // Цифровая обработка сигналов и ее применение: Тез. докл. МНТК. -Москва, 2003.

10. Ватолин Д Методы сжатия данных / Ратушняк А., Смирнов М. и др. М.: Диалог-МИФИ, 2002. (http://compression.graphicon.ru).

11. Владов М.П., Добров Д.И., Украинцев Д.И. Семейство цифровых систем контрольно измерительных «Агат». Часть 2 Сборник статей 1-й МНТК АО СП завод «Топаз» г. Кишинев, октябрь 2008г.

12. Воробьев, В.И., Грибунин, В.Г. Теория и практика вейвлет-преобразования. С.-Петербург: ВУС, 1999. - 204 с.

13. Воронцов В.Л. патент RU2079892 «Устройство преобразования данных измерений» 1997 г.

14. Гореликов Н.И., Домарацкий А.Н., Домарацкий С.Н. Интерфейсы для программируемых приборов в системмх автоматизации эксперимента .- М.: Наука, 1981.-262с.

15. Горелов Г. В. Нерегулярная дискретизация сигналов/ Г. В. Горелов. М.: Радио и связь, 1982. - 255 с.

16. Глумов Н.И. Комплексный подход при выборе алгоритмов сжатия и помехоустойчивого кодирования для передачи цифровых изображений по каналам связи// Компьютерная оптика, 2004. Вып. 26, С. 105-108

17. Григорьев Ю.А., Ухаров А.О. Вейвлет-сжатие в хранилищах данных OLAP // Организация баз данных. 2008. - №4(18). - С. 3-9.

18. Гусинский A.B. Информационно-измерительные системы: Учеб. пособие / A.M. Костерикин, В.А. Ворошень и др. Мн.: БГУИР, 2003 - 40 с.

19. Добеши И. Десять лекций по вейвлетам. Москва-Ижевск: НИЦ «Регулярная и хаотическая динамика», 2001. - 464 с.

20. Дремин И.М., Иванов О.В., Нечитайло В.А. Вейвлеты и их использование // Успехи физических наук, 2001. т. 171. - № 5. - С. 465-501.

21. Дремин И.М.,Иванов О.В., Нечитайло В.А. Практическое применение вейвлет-анализа // Наука производству, 2000. № 6. - С. 13-15.

22. Дьяконов В.П., Абраменкова И.В. MATLAB. Обработка сигналов и изображений. Специальный справочник. СПб.: Питер. 2002. - 608 с.

23. Дьяконов В.П. Вейвлеты. От теории к практике. М.: СОЛОН-Р, 2002. - 446 с.

24. Истомина Т.В.,Чувыкин Б.В., Щегол ев В.Е. Применение теории wavelets в задачах обработки информации: Монография. Пенза: Изд-во Пенз. Гос. ун-та, 2000.- 188 с.

25. Кашин Б.С., Саакян А.Д. Ортогональные ряды. М.: АФЦ. Гл. 7 «Введение в теорию всплесков». - С. 244-296.

26. Косткин М., Поздняков П.,.Попович А. Концепция информационно-управляющей системы космического аппарата // Электроника. Наука. Технология. Бизнес, 2008. №4 - с.86-90.

27. Кочетков, М.Е., Умняшкин, СВ. Многопотоковая реализация алгоритма арифметического кодирования М.: МГИЭТ (ТУ). - 1998. - 21 с. Депонировано в ВИНИТИ 25.12.98 № 3884-В98.

28. Кравченко, В.Ф., Рвачев, B.JI. Wavelet -системы и их применение в обработке сигналов/Зарубежная радиоэлектроника. 1996. - № 4. - СЗ-20.

29. Кравченко, В.Ф., Рвачев, B.JI. Алгебра логики, атомарные функции и вейвлеты в физических приложениях. М.: Физматлит, 2006. - 416 с.

30. Куликовский Л.Ф., Мотов В.В. Теоретические основы информационных процессов: Учеб. пособие пособие для вузов по спец. «Автоматизации и механизация процессов обработки и выдачи информации». М.: Высшая школа, 1987-248с.

31. Левенец А. В., Классификация телемеханических данных и их разностных рядов с точки зрения задачи сжатия //Вестник ТОГУ, 2009. №4(15). - С. 71-80.

32. Левенец А. В. Структурное упорядочение данных для задач сжатия в информационно-измерительных системах // Вестник ТОГУ. 2009. № 2(13), - С. 45-52.

33. Малла, С. Вейвлеты в обработке сигналов. М.: Мир, 2005. - 671 с.

34. Назаров А. В., Козырев Г. И., Шитов И. В. Современная телеметрия в теории и на практике. Учебный курс.-СПб.: Наука и техника, 2007- 672с.

35. Науман Г., Майлинг В., Щербина А. Стандартные интерфейся для измерительной техники / Пер. с нем. М., 1982. - 304 с.

36. Новиков Л.В. Основы вейвлет-анализа сигналов. Учеб. пособие. СПб.: Изд-во ООО «МОДУС», 1999. - 152 с.

37. Новиков JI.B. Спектральный анализ сигналов в базисе вейвлетов // Научное приборостроение, 2000. Т. 10. - № 3. - С. 70-76.

38. Новиков Л.В. Адаптивный вейвлет-анализ сигналов // Научное приборостроение, 1999. Т. 9. - № 2. - С. 30-37.

39. Осоков Г.А., Шитов А.Б. Применение вейвлет-анализа для обработки дискретных сигналов гауссовой формы / Сообщ. Объед. Ин-та ядерных иссл. -Дубна, 1997. 22 с, Р-11-97-347.

40. Пилипчук Н, И, Адаптивная импульсно-кодовая модуляция/Н. И. Пилипчук, В. П. Яковлев. М.: Радио и связь, 1986. - 296 с.

41. Петухов А.П. Введение в теорию базисов всплесков. СПб.: Изд-во СПбГТУ, 1999. - 132 с.

42. Поликар, Р. Введение в вейвлет-преобразование. СПб.: АВТЭКС, 2001.

43. Сорока Н.И., Кривинченко Г.А. Телемеханика: Конспект лекций. 4.4 : Системы телемеханики. Мн.: БГУИР, 2004. 153 с.

44. Столниц Э., ДеРоуз Т., Салезин Д. Вейвлеты в компьютерной графике. Теория и приложения. Ижевск: НИЦ «Регулярная и хаотическая динамика», 2002. - 272 с.

45. Сэломон Д. Сжатие данных, изображений и звука. М.: Техносфера, 2006.

46. Умняшкин C.B. Компрессия цифровых изображений на основе кодирования древовидных структрур вейвлет-коэффициентов с прогнозированием статистических моделей // Изв. вузов. Электроника, 2001. № 5. - С. 86-94.

47. Умняшкин СВ., Коплович, Д.М. Метод компрессии изображений на основе векторного квантования в области дискретных преобразований // Цифровая обработка сигналов и ее применение: Тез. докл. МНТК. Москва, 2006. - С.366-368.

48. Федулеева M.B. Многоканальный преобразователь для измерительных систем с функцией сжатия данных // Известия ЮФУ. Технические науки. -Таганрог : Изд-во ТТИ ЮФУ, 2012. -№ 5 (130). -С. 190-194.

49. Федулеева М.В. Разработка и анализ схемы сжатия сигналов на основе модифицированного дискретного вейвлет-преобразования // Известия высших учебных заведений. Поволжский регион. Технические науки. Пенза: ИИЦ ПензГУ, 2011.-Спецвыпуск №3. - С. 156-167.

50. Федулеева М.В., Новиков В.Н. Распределенные измерительные системы на основе сетевых технологий // Датчики и Системы. 2012. - № 7. - С. 38^Ю.

51. Федулеева М.В., Цыпин Б.В. Блок сжатия данных в составе измерительной системы диагностики космического аппарата // Датчики и Системы. 2012. - № 9.-С. 55-57.

52. Фролова М.В. Применение веб-технологий при разработке распределенных систем мониторинга // Известия ЮФУ. Технические науки. Таганрог : Изд-во ТТИ ЮФУ, 2011. - № 5 (118). -С.41-74.

53. Фролова М.В. , Маланин В.П. Разработка алгоритма параллельной работы с интеллектуальными датчиками // Датчики и Системы. -2011.-№10.-С. 2-7.

54. Фролова М.В., Новиков В.Н. Применение принципа визуализации процесса измерения в автоматизированных измерительных комплексах // Труды V межрегиональной научно-практической конференции студентов и аспирантов

55. Инновационные технологии в экономике, информатике и медицине" Пенза, ПГТА, 2008. С. 180-182.

56. Фролова М.В., Цыпин Б.В. Система удаленного конфигурирования интеллектуальных датчиков // Труды Международного симпозиума «Надежность и качество». В 2-х т. Пенза: ИИЦ ПензГу, 2010. - Т.1. - С 55-58.

57. Хардле В. Вейвлеты, аппроксимация и статистические приложения / Хардле В., Крекьячарян Ж., Пикар Д. и др. / Перевод К.А.Алексеева. Электронная книга на сайте http://www.quantlet.de/scripts/wav/html.

58. Харченко А.Н.Адаптивный алгоритм сжатия речевых сигналов// Электроника и связь .-2009.-№1, с.24-28.

59. Хэмминг Р.В. Теория кодирования и теория информации. М.: Радио и связь, 1983

60. Чуй Т.К. Введение в вейвлеты. М.: Мир, 2001 .-412с.

61. Шибаев С. Реализация быстрого вейвлет-преобразования на цифровых сигнальных процессорах семейства SHARC ADSP-2106x Режим доступа: http://www.sergeshibaev.ru/programmer-notes/10-fwtsharc.

62. Шишенков В.А., Любимов В.В., Иванова Т.И. Повышение эффективности обработки сигналов на основе вейвлет-преобразования Тула, Тульск. гос. ун-т, 2001, 15 с. Рук деп. в ВИНИТИ 07.06.2001, № 1419-В2001.

63. Штрак Г.Г. Применение вейвлетов для ЦОС М. Техносфера, 2007. - 192с.

64. Aoubid К., Boulemden M. Hybrid Method Using Wavelets and Predictive Method for Compression of Speech Signal //International Journal of Biological and Life Sciences. 2008. - №4, p. 186-189.

65. Chakrabarti K., Garofalakis M., Rastogi R., Shim K. Approximate query processing using wavelets // The Very Large Databases. 2001. - №10. - C. 199-223.

66. Chang C.-L., Girod B. Direction-adaptive discrete wavelet transform for image compression. IEEE Trans. Image Process., 2007. № 6(5). - p. 1289-1302.

67. Donoho D.L. "De-noising by Soft-Thresholding," // IEEE Trans, on Info. Theory, Vol.41, No. 3, 1995, pp. 613-627.79. . Donoho D.L. "Interpolating wavelet transforms" // J. of Appl. and Comput. Harronie Analysis, 1994.

68. Garofalakis M. Wavelet-Based Approximation Techniques in Database Systems// IEEE Signal Processing Magazine. 2006. -№11.- C.54-59.

69. Garofalakis M., Gibbons P.B. Probabilistic Wavelet Synopses // ACM Transactions on Database Systems. 2004. - № 29. - C.43-90.

70. Garofalakis M., Kumar A. Deterministic Wavelet Thresholding for MaximumError Metrics // The ACM электронный ресурс. Режим доступа: www.acm.org. - 20.09.05.

71. Hansen М., Yu В. "Wavelet thresholding via MDL: Simultaneous denoising and compression", 1999.

72. Ortega A., Ramchandran K. Rate-Distortion Techniques in Image and Video Compression". Signal Processing, 1998. №15(6). - p. 23-50.

73. Paggetti C., Lusini M., Varanini M., Taddei A., Marchesi C. A multichannel tetmplate based data compression algorithm // Computers in Cardiology. 1994. - P. 629-632.

74. Ramchandran, K., Vetterli, M. Best wavelet packet bases in a rate-distortion sense // IEEE transactions on image processing, 1993. VOL. 2. - №2. -p.160 - 175/

75. Vidakovic В., "Statistical Modeling by Wavelets". //John Wiley & Sons, 1999.

76. Vitter J.S., Wang M. Approximate Computation of Multidimensional Aggregates of Sparse Data Using Wavelets // The ACM электронный ресурс. Режим доступа: www.acm.org. - 16.03.05.

77. Vetterli M. , Kovacevic J.Wavelets and Subband Coding. Prentice Hall, Englewood Cliffs, New Jersey, 1995.

78. Yu R., Allen A. R., and Watson J. "An optimal wavelet thresholding method for speckle noise reduction" //Summer School on Wavelets. Zakopane, Poland, 1996.