Вісники та науково-технічні збірники, журнали

Permanent URI for this communityhttps://ena.lpnu.ua/handle/ntb/12

Browse

Subject: search.filters.subject.discrete wavelet transform

Search Results

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Класифікація віброартрографічних сигналів з використанням хвилькового перетворення і технологій машинного навчання
    (Видавництво Львівської політехніки, 2019-02-26) Хома, Ю. В.; Khoma, Yurii; Національний університет “Львівська політехніка”; Lviv Polytechnic National University
    Віброартрографія як метод медичної діагностики призначений для об'єктивного оцінювання суглобової функції, зокрема артрокінематики колінного суглобу і базується на аналізі сигналу віброакустичної емісії. Віброартрографія хоч і поступається за ефективністю таким методам, як рентгенографія і магніторезонансна томографія (МРТ), безумовно, є достатньо чутливим методом для оцінювання ступеня дисфункції колінних суглобів. Наведено результати досліджень щодо побудови системи комп’ютерного опрацювання віброартрографічних сигналів. ВАГ-сигнали мають нестаціонарний характер, тому для їх аналізу у цьому дослідженні застосовано дискретне хвилькове перетворення, яке уможливлює не лише вивчення частотного вмісту сигналу, але і його локалізацію щодо часу. Новизна запропонованого підходу полягає у застосуванні дискретного діадичного хвилькового перетворення для очищення біосигналу від впливу дрейфу ізолінії і випадкових шумів, а також використання деталізуючих компонент для формування діагностично значущих ознак. Аналіз скалограми 6-рівневого хвилькового розкладу дав змогу виділити смугу від 78 до 780 Гц, де зосереджена корисна діагностично значуща інформація. Реконструкція сигналу у вказаній смузі забезпечила усунення дестабілізуючих впливів дрейфу ізолінії та високочастотних шумів. За результатами хвилькового перетворення було вибрано такі прості дескриптори, як стандартне відхилення, мода і середнє значення модуля окремих компонент сигналу, що відповідають рівням розкладу. Для класифікації сигналів застосовано один із найпростіших методів машинного навчання – лінійну регресію. Досліджено показники якості класифікації для випадку двох і п’яти класів дисфункції колінного суглоба. У випадку двох класів отримано такі результати: точність на рівні 94 %, чутливість 100 % і специфічність 88 %. Для п'яти класів точність становить 83 %, чутливість та специфічність 89 % і 62 % відповідно. Для двох груп одержано високу точність і чутливість класифікатора, а для п’яти класів результати класифікації були посередні. При цьому найбільше перекриття дескрипторів спостерігається для сусідніх класів. Основним обмеженням у цьому дослідженні була мала кількість сигналів – по 26 для кожного з класів. Тривалість кожного запису 6 секунд за частоти дискретизації 10 кГц. Розподіл записів на окремі класи відбувався на основі інформації з відповідних МРТ-знімків кожного пацієнта.
  • Thumbnail Image
    Item
    Використання вейвлет-перетворення для приховування інформації в нерухомих зображеннях
    (Видавництво Львівської політехніки, 2013) Лагун, А. Е.; Лагун, І. І.
    Наведено результати досліджень щодо використання вейвлет-перетворення для приховування інформації в цифрових зображеннях. Приховано цифрові водні знаки у гладких областях зображення за допомогою вейвлетів Добеші і отримано стего- зображення високої якості. Також проаналізовано вплив рівнів розкладання контейнера зображення на якість приховування цифрового водяного знака. Також визначено можливості застосування різних типів вейвлет-перетворень у стеганографії. The paper presents the outcomes of research on the use of wavelet transform for hiding information in digital still images. Hiding digital watermarks in smooth areas of an image using Daubechies wavelets was carried out and high-quality steganographic images were obtained. The influence of the level of decomposition of image container on the quality of the digital watermark hiding was analysed. The paper also outlines applicability of different types of wavelet transforms in steganography.
  • Thumbnail Image
    Item
    Використання дискретного малохвильового перетворення для виявлення аномалій мережевого трафіку
    (Видавництво Львівської політехніки, 2011) Лагун, І. І.; Лагун, А. Е.
    Проаналізовано основні методи виявлення аномалій мережевого трафіку, досліджено механізми виявлення аномалій, встановлено особливості застосування властивостей порогу виявлення аномалій при статистичному аналізі, досліджено аномалії мережевого трафіку після завершення нападу та в режимі реального часу за допомогою дискретного мало хвильового перетворення. The article analyzes the main methods of detecting network traffic anomalies, a study anomaly detection mechanisms, the characteristics of the application properties of threshold detection of anomalies in the statistical analysis, and also the anomalies of network traffic after the attack and in real time using the discrete wavelet transform.