Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Jerzman B.

1 2007

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: estymacja wielowymiarowej funkcji gęstości prawdopodobieństwa

Sortuj według:

Ogranicz wyniki do:

Detekcja źródeł szumów podwodnych z wykorzystaniem falki Malvara

Jerzman B.

Pomiary Automatyka Kontrola

2007

R. 53, nr 9

48-51

W referacie zamieszczono wyniki badań modelu detekcji źródeł szumów podwodnych, bazującego na estymacji funkcji gęstości prawdopodobieństwa rozkładu energii w pasmach dekompozycji falkowej sygnałów pomiarowych. Celem badań było ilościowe porównanie wyników detekcji zaburzeń powodowanych przez płetwonurka w środowisku podwodnym, z wykorzystaniem w procesie przetwarzania sygnałów pomiarowych falek Daubechies oraz Malvara. Wyniki badań wskazują, że wykorzystanie lokalnych transformacji Malvara pozwala na bardziej efektywne wykorzystanie zastosowanej metody detekcji.

The paper presents the results of the research on the model of detection of the underwater noise sources. This model is based on the multivariate kernel density estimate of the energy of multidimensional wavelet coefficients. The conventional method of signal decomposition using Daubechies wavelet is compared with the algorithm which implements Malvar wavelet. This type of decomposition was adapted to the method of detection of underwater disturbances coming from unnatural sources. The outcome of theoretical considerations was supported by the figures presenting the results of simulation experiments on the real noise signals. The aim of the research was the numerical comparison and the evaluation of the effectiveness of the detection of signals generated by the diver using the Malvar wavelet or the standard Daubechies wavelet. The specific and distinct character of Malvar wavelet implementation strongly affects the method of detection thus the analysis of the results of the modification seems to be interesting. The research proved that the exploitation of local Malvar transforms reduces the number of computations, minimizes the detection result. Moreover, it enables greater flexibility as far as the parameter selection is concerned.