Contents: 2024 | 2023 | 2022 | 2021 | 2020 | 2019 | 2018 | 2017 | 2016 | 2015 | 2014 | 2013 | 2012 | 2011 | 2010 | 2009 | 2008 | 2007 | 2006 | 2005 | 2004 | 2003 | 2002 | 2001

2012, 5

A. Khamukhin

Parallel computation of the continuous wavelet transform for detection of narrow-band sonar signals

language: Russian

received 24.08.2012, published 25.09.2012

Download article (PDF, 475 kb, ZIP), use browser command "Save Target As..."
To read this document you need Adobe Acrobat © Reader software, which is simple to use and available at no cost. Use version 4.0 or higher. You can download software from Adobe site (http://www.adobe.com/).

ABSTRACT

It is found that a computation of the continuous wavelet transform takes a long time when detecting the narrow-band noise sonar signals based on the integral wavelet spectrum. It reduces the efficiency of detection. The parallel algorithm for computation of the continuous wavelet transform of digitized samples of noise signals is suggested. New algorithm allows decreasing the computation time of the integral wavelet spectrum. Time reduction is achieved by pre-calculating and storing in a memory device the basic matrix of wavelet coefficients for further real-time signal processing. The examples of the applying of proposed algorithm for detection of sonar signals are presented.

Keywords: narrow-band noise sonar signals, integral wavelet spectrum, continuous wavelet transform, parallel computing.

10 pages, 3 figures

Сitation: A. Khamukhin. Parallel computation of the continuous wavelet transform for detection of narrow-band sonar signals. Electronic Journal “Technical Acoustics”, http://www.ejta.org, 2012, 5.

REFERENCES

1. Калью В. А. Автоматический мониторинг подводного шума судов с помощью искусственной нейронной сети. [Электронный ресурс] // Российский фонд фундаментальных исследований, грант № 11-08-00402. Режим доступа: http://www.rfbr.ru/rffi/ru/contest/n_549/o_41432, свободный.
2. Калью В. А., Неворотин В. Ю., Правдин А. А. Способ обнаружения сигнала источника, порождающего дискретную составляющую в спектре суммарного сигнала нескольких источников: пат. 2393490 Рос. Федерация. № 2009103585/28; заявл. 03.02.2009; опубл.: 27.06.2010, Бюл. № 18. – 11 с.
3. Калью В. А., Неворотин В. Ю., Правдин А. А. Повышение точности локализации дискретных составляющих спектра шума движущегося транспортного средства. [Электронный ресурс] // Техническая акустика. – Электрон. журн. – 2012. – 3. Режим доступа: http://www.ejta.org, свободный.
4. Сапрыкин В. А., Малый В. В., Шаталов Г. В. Устройство обнаружения узкополосных шумовых гидроакустических сигналов на основе вычисления интегрального вейвлет-спектра: пат. 2367970 Рос. Федерация. № 2007145474/28; заявл. 28.11.2007; опубл. 20.09.2009, Бюл. № 26. – 27 с.
5. Daubechies I. The wavelet transform, time-frequency localization and signal analysis // IEEE Trans. Inform. Theory.– 1990, №5, р. 961–1005.
6. Седдики А., Джебари А., Руваен Ж. М. Использование стационарного вейвлет-преобразования в БЧХ-кодировании изображений. [Электронный ресурс] // Техническая акустика. – Электрон. журн. – 2003. – 1. Режим доступа: http://www.ejta.org, свободный.
7. Джеббоури М., Джебури Д., Наом Р. Применение Фурье- и вэйвлет-преобразований для восстановления «зашумленного» изображения. [Электронный ресурс] // Техническая акустика. – Электрон. журн. – 2003. – 2. Режим доступа: http://www.ejta.org, свободный.
8. Бограчев К. М. Сравнение эффективности Фурье- и вейвлет-декомпозиции в пассивной акустической термотомографии // Акуст. журн., 2005, т. 51, № 3, с. 239–245.
9. Эль Аллами М., Рхимини Х., Насим А., Сидки М. Применение вейвлет-преобразования к определению характеристик волн Лэмба. [Электронный ресурс] // Техническая акустика. – Электрон. журн. – 2010. – 8. Режим доступа: http://www.ejta.org, свободный.
10. Яковлев А. Н. Введение в вейвлет-преобразования. – Новосибирск: Изд-во НГТУ, 2003. – 104 с.
11. Хамухин А. А. Применение ячеек однородной структуры для вычисления непрерывного вейвлет-преобразования // Известия Томского политехнического университета. – 2010. – Т. 317. – № 5. – С. 149–153.
12. Хамухин А. А. Математическая модель ячейки однородной структуры для вычисления непрерывного вейвлет-преобразования // Проблемы информатики. – 2011. – № 5. – С. 87–93.
13. Хамухин А. А. Устройство для вычисления дискретизированного непрерывного вейвлет-преобразования: пат. 2437147 Рос. Федерация. № 2010127068/08; заявл. 01.07.2010; опубл. 20.12.2011, Бюл. № 35.– 9 с.
14. Нго Хыу Фук. Параллельно-рекурсивные методы выполнения вейвлет-преобразования в задачах обработки дискретных сигналов // Электронная библиотека диссертаций. 2005. URL: http://www.dissercat.com/content/parallelno-rekursivnye-metody-vypolneniya-veivlet-preobrazovaniya-v-zadachakh-obrabotki-disk (дата обращения: 11.05.2012).


 

Alexander Khamukhin - PhD, Tomsk Polytechnic University (Tomsk, Russia), Scientific area - digital signal processing.

e-mail: axtpu(at)tpu.ru