Beomeditsina signallarini xaar veyvletlari va boʻlak veyvletlari yordamida raqamli ishlash
DOI:
https://doi.org/10.5281/zenodo.15863805Keywords:
Dobeshi veyvleti, veyvlet o‘zgartirish, raqamli ishlash xatoligi, nisbiy xatolik, Xaar veyvleti, Xaarning bo‘lako‘ zgarmas veyvleti, ortogonal veyvletlar, masshtablash funksiyasi, ona veyvleti.Abstract
Ushbu maqola biomeditsina signallarini qayta ishlashda muhim hisoblangan bo‘lak-veyvlet modellarini
qurishga bag‘ishlangan. Bu modellar Xaarning bo‘lak-o‘zgarmas veyvletlari hamda Dobeshi veyvletlari yordamida
qurilgan. Xaarning bo‘lak-o‘zgarmas veyvlet modellari biomeditsina signallarini raqamli ishlashda yuqori aniqlikka ega
bo‘lib, bu bemorlarning kasalliklari borasida shifokorlarning qaror qabul qilishida foydali ma’lumotlarni taqdim etishga
katta hissa qo‘shadi. Misol tariqasida gastroenterologik signalning dastlabki eksperimental ma’lumotlari olindi va shu
ma’lumotlar asosida bo‘lak-o‘zgarmas hamda Dobeshi veyvlet modellari qurilib, ularning xatolari baholandi. Ma’lumki,
signallarni bo‘lak-o‘zgarmas veyvletlari yordamida o‘zgartirish natijasida ortonormal veyvletlar hosil qilinadi. Natijada
signalning grafigi bo‘ylab xatoliklar keskin oshib ketadi. Bu xatoliklarni kamaytirish maqsadida Dobeshi veyvletlaridan
foydalanildi va natijada xatoliklarni kamaytirishga erishildi
References
Акимов П.А., Мозгалева М.Л. Некоторые элементы кратномасштабного вейвлет-анализа. Часть 2. Анализ и
синтез // Вестник МГСУ. 2012. № 8. С. 60–65.
Астафьева Н.М. Вейвлет-анализ: основы теории и примеры применения // Успехи физических наук. 1996. Т.
№ 11. С. 1145–1170.
Воскобойников Ю.Е., Гочаков А.В., Колкер А.Б. Фильтрации сигналов и изображений: фурье и вейвлет алгоритмы
(с примерами в Mathcad): монография. Новосибирск: НГАСУ (Сибстрин), 2010. 188 с.
Ахметханов Р.С., Дубинин Е.Ф., Куксова В.И. Применение вейвлет-преобразований для анализа
экспериментальных данных // Проблемы машиностроения и автоматизации. 2012. № 4. С. 39–45.
Зайнидинов Х.Н. Методы и средства обработки сигналов в кусочно-полиномиальных вейвлетах. Ташкент, 2015.
с.
Зайнидинов Х.Н. Сплайны в задачах цифровой обработки сигналов. Ташкент: Fan va texnologiya, 2015. 208 с.
Зайнидинов Х.Н., Атаджанова М.П., Жиянбеков Х.Р. Многопроцессорная вычислительная структура для
выполнения быстрых спектральных преобразований в двумерных базисах // Автоматика и программная
инженерия. Новосибирск. 2016. С. 38–42.
Добеши И. Десять лекций по вейвлетам. Ижевск: РХД, 2001.
Daubechies I. The Wavelet Transform, Time-Frequency Localization and Signal Analysis // IEEE Trans. Inform. Theory.
№ 5. P. 961–1005.
Фрик П.Г. Вейвлет-анализ и иерархические модели турбулентности: препринт / ИМСС УрО РАН. Пермь, 1992.
Amit Kumar, Rajnish Manwall. Wavelet Based Compression of Biological Images // International Journal of Data and
Network Security. 2011. Vol. 3. No. 1. ISSN 23191236. February.
Bakhtadze N., Sakrutina E. Applying the Multi-Scale Wavelet Transform to the Identification of Non-linear Time-varying
Plants // IFAC PapersOnline. 2016. Vol. 49. No. 12. P. 1927–1932.
Perov D.V., Rinkevich A.B. Localization of Reflectors in Plates by Ultrasonic Testing with Lamb Waves // Russ. J.
Nondestr. Test. 2017. Vol. 53. No. 4. P. 265–278.
Sukharev A.L. Variability of the Extragalactic Radio Sources 3C 446 and Bl Lac in the Centimeter Wavelength Range
// Astrophysics. 2015. Vol. 58. No. 1. P. 1–13.
Turovsky Ya.A., Kurgalin S.D., Vahtin A.A., Borzunov S.V., Belobrodsky V.A. Event-related brain potential investigation
using the adaptive wavelet recovery method // Biophysics. 2015. Vol. 60. No. 3. P. 443.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 YASHIL IQTISODIYOT VA TARAQQIYOT
This work is licensed under a Creative Commons Attribution 4.0 International License.