Синтез и анализ алгоритмов распознавания цифровых сигналов в условиях деформирующих искажений и аддитивных помех

Автор(и)

  • Алексей Викторович Акимов Воронежский государственный университет, Російська Федерація https://orcid.org/0000-0002-2160-9865
  • Александр Анатольевич Сирота Воронежский государственный университет, Російська Федерація https://orcid.org/0000-0002-5785-8513

DOI:

https://doi.org/10.20535/S0021347017100041

Ключові слова:

распознавание цифровых сигналов, деформирующие искажения, погрешность квантования, критерий максимума апостериорной вероятности

Анотація

Рассмотрена задача распознавания цифровых сигналов в условиях деформирующих искажений формы этих сигналов и аддитивного гауссовского шума. Для проведения синтеза алгоритмов распознавания предложена математическая модель внесения деформации для сигналов известной или случайной формы. Модель основана на введении нелинейного оператора деформации как оператора размещения с повторениями элементов исходного дискретного сигнала с добавлением аддитивной помеховой составляющей, вызванной ошибками квантования непрерывной функции деформации. Синтезированы и исследованы оптимальный, основанный на точном вычислении функций правдоподобия, и квазиоптимальный, основанный на использовании гауссовского приближения функций правдоподобия, алгоритмы распознавания. Проведено моделирование алгоритмов для различных вариантов задания деформирующих искажений в виде детерминированных функций и в виде реализаций случайной функциии. Выполнено сравнение экспериментальной вероятности ошибки с ее теоретической оценкой при различных отношениях сигнал–шум.

Біографії авторів

Алексей Викторович Акимов, Воронежский государственный университет

Аспирант кафедры технологий обработки и защиты информации

Александр Анатольевич Сирота, Воронежский государственный университет

Заведующий кафедрой технологий обработки и защиты информации

Посилання

Aghabozorgi, S.; Shirkhorshidi, A. S.; Wah, Teh Ying. Time-series clustering – A decade review. Information Systems, v.53, p.16-38, 2015. DOI: https://doi.org/10.1016/j.is.2015.04.007.

Rabiner, L.; Juang, B. H. Fundamentals of Speech Recognition. Englewood Cliffs, NJ: Prentice Hall PTR, 1993. 507 p.

Corradini, A. Dynamic time warping for off-line recognition of a small gesture vocabulary. Proc. of IEEE ICCV Workshop on Recognition, Analysis, and Tracking of Faces and Gestures in Real-Time Systems, 13 Jul. 2001, Vancouver, BC, Canada. IEEE, 2001, p.82-89. DOI: https://doi.org/10.1109/RATFG.2001.938914.

Gavrila, D. M.; Davis, L. S. Towards 3-D model-based tracking and recognition of human movement: a multi-view approach. IEEE Int. Workshop on Automatic Face- and Gesture Recognition. IEEE Computer Society, Zurich, 1995, p.272-277. DOI: https://doi.org/10.1.1.56.5329.

Ranacher, P.; Tzavella, K. How to compare movement? A review of physical movement similarity measures in geographic information science and beyond. Cartography and Geographic Information Science, v.41, n.3, p.286-307, 2014. DOI: http://dx.doi.org/10.1080/15230406.2014.890071.

Keogh, E.; Ratanamahatana, C. A. Exact indexing of dynamic time warping. Knowl. Inf. Syst., v.7, n.3, p.358-386, 2005. DOI: https://doi.org/10.1007/s10115-004-0154-9.

Алгазинов, Э. К.; Дрюченко, М. А.; Минаков, Д. А.; Сирота, А. А.; Шульгин, В. А. Аппаратно-программный комплекс для анализа неоднородного потока объектов в системах фотосепарации реального времени. Измерительная техника, № 5, С. 23-29, 2014.

Felzenswalb, P.; McAllester, D.; Ramanan, D. A discriminatively trained, multiscale, deformable part model. Proc. of IEEE Conf. on Computer Vision and Pattern Recognition, 23-28 Jun, 2008, Anchorage, AK, USA. IEEE, 2008, p.1-8. DOI: https://doi.org/10.1109/CVPR.2008.4587597.

Zhu, X.; Ramanan, D. Face detection, pose estimation and landmark localization in the wild. Proc. of IEEE Conf. on Computer Vision and Pattern Recognition, 16-21 June 2012, Providence, RI, USA. IEEE, 2012, p.2879-2886. DOI: https://doi.org/10.1109/CVPR.2012.6248014.

Keysers, D.; Deselaers, T.; Gollan, C.; Ney, H. Deformation models for image recognition. IEEE Trans. Pattern Analysis Machine Intelligence, v.29, n.8, p.1422-1435, 2007. DOI: https://doi.org/10.1109/TPAMI.2007.1153.

Акимов, А. В.; Сирота, А. А. Модели и алгоритмы искусственного размножения данных для обучения алгоритмов распознавания лиц методом Виолы-Джонса. Компьютерная оптика, Т. 40, № 6, С. 911-918, 2016. DOI: http://dx.doi.org/10.18287/2412-6179-2016-40-6-911-918.

Fukunaga, K. Introduction to Statistical Pattern Recognition. San Diego, CA: Academic Press, 1990. 591 p.

Сирота, А. А. Методы и алгоритмы анализа данных и их моделирование в MATLAB. СПб.: БХВ-Петербург, 2016. 384 с.

Гоноровский, И. С. Радиотехнические цепи и сигналы: Учебник для вузов. 4-е изд. М.: Радио и связь, 1986. 512 с.

Widrow, B.; Kollar, I. Quantization Noise: Roundoff Error in Digital Computation, Signal Processing, Control, and Communications. Cambridge: Cambridge University Press, 2008. 751 p.

Опубліковано

2017-10-31

Як цитувати

Акимов, А. В., & Сирота, А. А. (2017). Синтез и анализ алгоритмов распознавания цифровых сигналов в условиях деформирующих искажений и аддитивных помех. Вісті вищих учбових закладів. Радіоелектроніка, 60(10), 592–604. https://doi.org/10.20535/S0021347017100041

Номер

Розділ

Оригінальні статті