Непараметрические методы обнаружения и оценивания сигналов и изображений
Скачать 0.63 Mb.
|
 На правах рукописиРайфельд Михаил Анатольевич НЕПАРАМЕТРИЧЕСКИЕ МЕТОДЫ ОБНАРУЖЕНИЯ И ОЦЕНИВАНИЯ СИГНАЛОВ И ИЗОБРАЖЕНИЙ Специальность 05.13.17 - Теоретические основы информатики АВТОРЕФЕРАТ диссертации на соискание ученой степени доктора технических наук Новосибирск - 2009 Работа выполнена в Государственном образовательном учреждении высшего профессионального образования «Новосибирский государственный технический университет» Научный консультант: доктор технических наук, профессор Спектор Александр Аншелевич Официальные оппоненты: доктор технических наук, профессор Лбов Геннадий Сергеевич доктор технических наук, профессор Рябко Борис Яковлевич доктор физико-математических наук, профессор Воскобойников Юрий Евгеньевич Ведущая организация: Институт автоматики и электрометрии СО РАН, г. Новосибирск Защита состоится 24 декабря 2009 г. в 14-00 часов на заседании диссертационного совета Д 212.173.06 при Новосибирском государственном техническом университете по адресу: 630092, г. Новосибирск 92, пр. К.Маркса, 20. С диссертацией можно ознакомиться в библиотеке Новосибирского государственного технического университета Автореферат разослан «___» ноября 2009 г. Учёный секретарь диссертационного совета Чубич В.М. Актуальность темы. Важной особенностью многих современных систем радиолокации и навигации, связи, робототехники является наличие в их составе блоков или подсистем, предназначенных для цифровой обработки информации. За последние годы круг прикладных задач, решаемых при помощи цифровой обработки сигналов и изображений, существенно расширился и включает в себя области от исследований в медицине, судебной экспертизе, геологии, связи до задач автономного обнаружения, навигации и классификации объектов в военном деле и охране стратегически важных объектов. Развитие цифровых систем обработки информации обусловлено с одной стороны необходимостью автоматизации переработки гигантских объемов информации, а с другой – прогрессом в области вычислительной техники, в частности, связанным с развитием сигнальных процессоров. Последнее обстоятельство обеспечивает базу для создания высокоэффективных информационных систем для широкого круга прикладных задач. Наряду с развитием вычислительных средств и технологий не менее важной составляющей для успешного решения таких задач является разработка эффективных в вычислительном плане алгоритмов обработки данных. Повышение степени автоматизации обработки информации часто требует создание алгоритмов, качественные характеристики которых были бы устойчивы по отношению к неизвестным (либо меняющимся в процессе наблюдений) параметрам и свойствам регистрируемых сигналов. Это свойство является особенно важным для автоматических систем, исключающих присутствие оператора, корректирующего параметры системы. Однако, создание устойчивых алгоритмов актуально и для систем, элементом которых является человек – оператор. Основной задачей здесь является снижение затрат высококвалифицированного, либо утомительного и непроизводительного человеческого труда и затрат на обучение обслуживающего систему персонала. В условиях априорной неопределённости разработчики сложных информационных комплексов достаточно часто идут по пути создания самообучающихся систем, либо систем, использующих обучение с учителем. В ряде случаев использование таких подходов затруднительно из-за значительных временных затрат, связанных с обучением (например, при использовании нейросетевых алгоритмов), либо вследствие значительной сложности алгоритмов самообучения (использующих, например, таксономию). В работах Н.Винера, А.Н.Колмогорова, Б.Р.Левина, В.И.Тихонова, Г.Ван-Триса обосновывается статистический подход к синтезу алгоритмов обработки сигналов. Основные достоинства указанного подхода заключаются в следующем. Во-первых, статистический подход выпукло отражает информационный аспект проблемы, что является весьма важным для решения задач, связанных с обнаружением, классификацией объектов, а также с оцениванием параметров сигналов. Понятия априорной неопределённости в рамках данного подхода приобретает ясный математический смысл. Во-вторых, применение данного подхода позволяет использовать соответствующий математический аппарат, разработанный для различных приложений и включающий в себя такие средства как, например, байесовская теория построения оценок и принятия решений, винеровская и калмановская фильтрация, теория непараметрического обнаружения и оценивания сигналов, теория марковских процессов и т.д. Теоретические основы указанных подходов изложены в работах Э.Лемана, Г.Ван-Триса, П.Хьюбера, Б.Р.Левина, Ю.Г.Сосулина, В.И.Тихонова, И.К.Кульмана, Р.Л.Стратановича. В-третьих, статистический подход является достаточно универсальным средством для создания широкого класса моделей сигналов и изображений. Одной из основных проблем статистического подхода является синтез алгоритмов обнаружения, оценивания или классификации в условиях априорной неопределенности (неполной информации о вероятностных свойствах модели). В теоретических работах по статистической обработке сигналов П.С.Акимова, В.А.Богдановича, П.А.Бакута, Б.Р.Левина, а также в работах по математической статистике Я.Гаека, Г.Дэйвида, Э.Лемана, П.Хьюбера излагаются способы построения эффективных алгоритмов в условиях априорной неопределённости. Одним из очевидных способов преодоления априорной неопределённости является использование процедуры обучения на основе регистрируемых наблюдений, восполняющей неполноту информации о статистических свойствах модели. Однако использование подобного подхода имеет ряд недостатков, связанных с необходимостью контролировать качество и устойчивость получаемых оценок, проблемой формирования обучающих выборок, возможностью использования подобных алгоритмов в режиме реального времени и увеличение их вычислительной сложности. В статистической теории проверки гипотез существует развитый аппарат, который позволяет синтезировать оптимальные решающие правила в условиях параметрической априорной неопределённости (когда тип распределения считается известным) без использования процедур обучения. Оптимизация при этом осуществляется по критерию Неймана – Пирсона, который обеспечивает максимальную вероятность правильного обнаружения при фиксированной вероятности ложной тревоги для любых значений неизвестных параметров. Правило, удовлетворяющее такому критерию, называется равномерно наиболее мощным (РНМ). Во многих задачах обработки сигналов и изображений (задачах с непараметрической априорной неопределённостью) вид распределения исходных наблюдений не известен, либо может меняться в процессе наблюдения. В этом случае обычно используют статистики, инвариантные к виду распределения исходных данных. Примером таких статистик являются, например, ранговые и знаковые статистики, статистики, основанные на превышающих наблюдениях. Использование подобных статистик применительно к ряду задач обработки сигналов и изображений (сегментации изображений, построению непараметрических оценок некоторых параметров сигналов и изображений, обнаружению полезных сигналов в задачах обработки сейсмоакустических и речевых сигналов) позволило получать алгоритмы, эффективные как в плане качества, устойчивости, так и вычислительной сложности. Данное направление теории обработки сигналов составляет основное содержание работы. Цель работы состоит в развитии непараметрического подхода направленном на повышения эффективности непараметрических критериев, разработки универсального подхода к построению непараметрических правил для альтернатив различного типа, адаптации ранговых алгоритмов обнаружения при работе с зависимыми наблюдениями, синтеза и исследования характеристик непараметрических алгоритмов обработки цифровых сигналов и изображений для решения ряда задач:
Практическое применение разработанных непараметрических алгоритмов позволяет существенно расширить область использования методов цифровой обработки в автономных системах, эксплуатируемых в реальных условиях, таких как охранные системы, системы автоматической регистрации буквенно-цифровой информации, системы кодирования речи, стабилизировать и гарантировать рабочие характеристики подобных систем при значительном разбросе статистических характеристик входных данных. Методы исследований, используемые в работе, базируются на теории вероятностей и математической статистике. Использовались следующие статистические подходы к обработке сигналов: байесовские алгоритмы проверки гипотез и максимально - правдоподобного оценивания, алгоритмы принятия решений по критерию Неймана – Пирсона, теория марковских процессов, теория ранговых критериев, классические и авторегрессионные методы спектрального оценивания. Широко использовались методы статистического моделирования с применением математических пакетов MatLab и Mathematica. Проводились экспериментальные исследования синтезированных алгоритмов по реальным сигналам и изображениям. Работоспособность ряда алгоритмов была исследована в составе программного обеспечения реальных информационных систем. Научная новизна диссертационной работы состоит в следующем:
Перечисленные выше подходы, методы и модели являются новыми и впервые были использованы при решении ряда прикладных задач. Практическая ценность. Разрабатываемые подходы и методы обработки сигналов и изображений являются непараметрическими, что позволяет использовать их в условиях априорной неопределённости относительно вероятностных свойств сигналов. Указанное условие использования характерно для широкого круга автономных охранных систем, систем локации, навигации, связи, машинного зрения, предназначенных для эксплуатации в заранее неизвестных условиях. Достаточно часто при синтезе алгоритмов обработки сигналов намеренно делается предположение о наличии априорной неопределённости относительно распределения исходных данных, что может быть связано с возможным быстрым изменением статистических свойств поступающих данных и необходимостью стабилизации в указанных условиях изменчивости важнейших характеристик системы (таких, например, как вероятность ложной тревоги). Использование непараметрических подходов позволяет существенно снизить требования к настройке и развёртыванию системы, условиям её работы, исключить зависимость качества обработки от ряда внешних факторов (например, сезонных). Устойчивость качественных характеристик предложенных алгоритмов позволяет повысить степень автоматизации системы, достоверность и надёжность её функционирования. Алгоритмы, синтезируемые на базе предлагаемых подходов, при определённых условиях являются достаточно простыми и не требуют использования операций с плавающей точкой. На практике было показано, что в ряде задач одномерной обработки сигналов они могут работать на базе таких популярных шестнадцатиразрядных сигнальных процессоров как Texas, BlackFin или Shark в реальном масштабе времени. Обработка видеоинформации, выполняемая в темпе поступления кадров, требует более мощных вычислителей. В частности, алгоритмы сегментации изображений были реализованы с использованием отечественного нейроматричного процессора NM6403 фирмы «Модуль». Реализация результатов диссертации. Научные и практические результаты диссертации нашли применение в ряде хоздоговорных и госбюджетных НИР, выполненных в разные годы на кафедре Теоретических основ радиотехники Новосибирского Государственного Технического Университета: ТОР 01-02 (ООО КТЦ «Сигнал»), ТОР 02-03 (шифр «Форшлаг НВ»), ТОР 01-05 (шифр «Звезда»), ТОР 02-05 (шифр «Циркуль ПО»), ТОР 05/07 (ФГУП ПО «Север»), грант Российского фонда фундаментальных исследований №99-0100489, грант Министерства образования РФ №97-5-5.1-56. Результаты диссертации внедрены в следующих научных и научно-производственных организациях: ФГУП ГосНИИПП (г. С.-Петербург), ФГУП ПО «Север» (г. Новосибирск), «Урал-СибНИИОС» (Новосибирский филиал ФГУП ПО «УОМЗ», г. Екатеринбург), ООО «Электроконнект» о чём имеются соответствующие акты внедрения. Основные положения, выносимые на защиту:
Апробация работы. Результаты работы докладывались и обсуждались на 8 всероссийских и 7 международных конференциях, в том числе:
г. Новосибирск, 1993, 1997 гг.;
г. Новосибирск, 2004 г.;
|
Добавить документ в свой блог или на сайт
Похожие:
 | C остояние и проблемы использования информационных систем субъектами хозяйственной деятельности При этом важно определить эффективность информационных систем и их компонент. Необходимо выделить набор соответствующих критериев,... |  | Минобрнауки росии Статистическая теория радиотехнических систем, обнаружение и различение сигналов, разрешение сигналов, восстановление сигналов |
| Декомпозиция сигналов на основе вейвлетов Гаусса и Морле (dwsignal) Программа предназначена для декомпозиции сигналов и может применяться в научных исследованиях и при обучении студентов специализирующихся... | | Восстановление акустических сигналов по неравномерным выборкам При этом попытки повышения соотношения сигнал/шум на этапе вторичной обработки особенно актуальны когда электронные методы подавления... |
| Урока по информатике и геометрии по теме "Алгоритмы создания изображений.... ... | | Цель дисциплины рассмотрение методов исследования, т е. методов проверки,... В программе курса отражены методы проверки, обоснования, оценивания количественных закономерностей и качественных утверждений (гипотез)... |
| Программа вступительного экзамена по специальности научных работников... Направление подготовки (12. 06. 01 Фотоника, приборостроение, оптические и биотехнические системы и технологии.) | | Методы и алгоритмы обработки изображений в системе телевизионного... Специальности: 05. 13. 11 математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей |
| Моделирование изображений с заданными фрактальными характеристиками (mif) При этом ичх синтезированных изображений является инвариантом относительно мультипликативных уменьшений масштаба в области пространственных... | | Программа элективного курса для учащихся 11 классов «Обработка изображений... Под «компьютерным художником» можно понимать любого, кто занимается созданием или редактированием изображений с помощью ЭВМ |
| Конспект урока №1 «Графика. Виды графики. Первоначальное знакомство с редактором TuxPaint» Методы и приёмы обучения: объяснительно-иллюстративный; словесный (фронтальная беседа); наглядный (демонстрация компьютерной презентации);... | | Памятка-практикум «Освоение технологии оценивания учебных успехов» Совместная выработка порядка оценивания (этот пункт оправдан только если внедрение технолоиги осуществляется не в 1-м классе) |
| Ортогональное частотное разделение каналов с мультиплексированием Следовательно, в точке приема результирующий сигнал представляет собой суперпозицию (интерференцию) многих сигналов, имеющих различные... | | Некоторые методы обнаружения геопатогенных зон Как обнаружить геопатогенные зоны? Сегодня уже созданы приборы, позволяющие это сделать. Но приборов мало, а геопатогенных зон много. Поэтому в разных случаях следует... |
| Курсовая работа на тему: «Исследование эффективности поиска в Интернете... Целью данной работы является оценка эффективности поисковых стратегий в информационно-поисковых системах (ипс) | | Инструкция учащегося по переходу на балльно рейтинговую систему (брс)... Самостоятельно ознакомиться с Положением о балльно рейтинговой системе оценивания знаний учащихся на сайте школы |
