- •Новые информационные технологии
- •Часть 3. Основы математики и математическое моделирование Учебное пособие
- •Введение
- •Глава 1. Основы компьютерной математики
- •1.1. Математика и ее средства
- •1.1.1. Аксиоматический метод и структуры математики
- •1.1.2. Компьютерная математика как часть математики
- •1.1.3. Классификация средств компьютерной математики
- •1.1.4. Структура систем компьютерной математики
- •1.1.5. Обзор систем компьютерной математики
- •1.2. Система компьютерной математики Mathcad
- •1.2.1. Состав системы Mathcad и ее запуск
- •1.2.2. Основы работы с системой Mathcad 2001
- •1.2.3. Работа с текстовым редактором
- •1.2.4. Работа с формульным редактором
- •1.2.5. Операции вывода и присваивания
- •1.2.6. Шаблоны математических операторов и символов
- •1.2.7. Ошибки и прерывание вычислений
- •1.3. Простые типы данных
- •1.3.1. Числовые данные
- •1.3.2. Вещественные числа и их форматы
- •1.3.3. Комплексные числа
- •1.3.4. Строковые данные
- •1.3.5. Символьные данные и выражения
- •1.4. Сложные типы данных
- •1.4.1. Множества и подмножества
- •1.4.2. Массивы
- •1.4.3. Векторы и матрицы
- •1.5. Константы, переменные, операторы и функции
- •1.5.1. Числовые константы
- •1.5.2. Строковые константы
- •1.5.3. Переменные
- •1.5.4. Операторы
- •1.5.5. Выражения и функции
- •1.6. Основы графической визуализации вычислений
- •1.6.1. Понятия об основных геометрических объектах
- •1.6.2. Построение графиков функций одной переменной
- •1.6.3. Построение графиков поверхностей
- •1.7. Средства программирования в системе Mathcad
- •1.7.1. Задание операторов пользователя
- •1.7.2. Задание программных модулей
- •1.7.3. Особенности применения программных модулей
- •Методические указания
- •10 Главных вопросов
- •Глава 2. Основы математических вычислений
- •2.1. Вычисление сумм и произведений
- •2.1.1. Вычисление сумм
- •2.1.2. Вычисление произведений
- •2.1.3. Вычисление пределов
- •2.3. Вычисление производных и интегралов
- •2.3.1. Определение производной и полного дифференциала
- •2.3.2. Вычисление производных
- •2.3.3. Определение интегралов
- •2.3.4. Вычисление интегралов
- •2.4. Решение уравнений и систем уравнений
- •2.4.1. Простое линейное уравнение и его решение
- •2.4.2. Решение систем линейных уравнений
- •2.4.5. Поиск всех корней степенного многочлена()
- •2.4.6. Решение систем нелинейных уравнений()
- •2.4.7. Реализация итерационных вычислений
- •2.5. Решение дифференциальных уравнений()
- •2.5.1. Основные понятия о дифференциальных уравнениях()
- •2.5.2. Решение систем оду()
- •2.5.3. Решение оду с помощью функции odesolve()
- •2.5.4. Решение жестких систем оду()
- •2.6. Решение задач оптимизации и линейного программирования
- •2.6.1. Основные понятия оптимизации
- •2.6.2. Пример оптимизации раскроя железного листа
- •2.6.3. Поиск минимума тестовой функции Розенброка
- •2.6.4. Функции maximize и minimize системы Mathcad
- •2.7. Разложение функций в ряды
- •2.7.1. Определение рядов Тейлора и Маклорена
- •2.7.2. Разложение в ряд Тейлора в системе Mathcad
- •2.7.3. Ряды Фурье()
- •2.7.4. Быстрые прямое и обратное преобразования Фурье()
- •2.7.5. Примеры преобразований Фурье()
- •2.7.6. Альтернативные преобразования Фурье()
- •2.8. Табличная интерполяция и аппроксимация
- •2.8.1. Теоретические основы интерполяции и экстраполяции
- •2.8.2. Интерполяция и аппроксимация по общей формуле Лагранжа
- •2.8.3. Полиномиальная интерполяция и аппроксимация
- •2.8.4. Кусочно-линейная и сплайновая аппроксимации в Mathcad
- •2.9. Статистическая обработка данных
- •2.9.1. Эксперименты, события и другие понятия статистики
- •2.9.2. Решение задач комбинаторики
- •2.9.3. Дискретные и непрерывные случайные величины
- •2.9.4. Законы распределения и статистические функции Mathcad
- •2.9.5. Регрессия и метод наименьших квадратов
- •2.9.6. Выполнение линейной регрессии в среде Mathcad
- •2.9.7. Полиномиальная регрессия в Mathcad
- •2.9.8. Проведение нелинейной регрессии()
- •2.9.9. Экстраполяция и предсказание
- •2.9.10. Сглаживание данных
- •Методические указания
- •10 Главных вопросов
- •Глава 3. Основы математического моделирования
- •3.1. Основные понятия моделирования
- •3.2. Основные виды моделей и их свойства
- •3.2.1. Основные виды моделей
- •3.2.2. Основные свойства моделей
- •3.3. Цели, принципы и технология моделирования
- •3.3.1. Цели моделирования
- •3.3.2. Основные принципы моделирования
- •3.3.3. Технология моделирования
- •3.3.4. Основные методы решения задач моделирования
- •Оценка обусловленности вычислительной задачи – еще одно обязательное требование при выборе метода решения и построении математической модели.
- •3.3.5. Контроль правильности модели
- •3.4. Задачи моделирования полета камня
- •3.4.1. Постановка задачи моделирования
- •3.4.2. Концептуальная формулировка задачи
- •3.4.3. Построение математической модели
- •3.4.4. Выбор метода решения
- •3.4.5. Программная реализация модели на эвм
- •3.4.6. Проверка адекватности модели
- •3.4.7. Анализ результатов моделирования
- •Методические указания
- •10 Главных вопросов
- •Глава 4. Практика математического моделирования
- •4.1. Моделирование процессов на основе известных формул
- •4.1.1. Моделирование изменения параметров атмосферы
- •4.1.2. Моделирование закона Мура
- •4.1.3. Моделирование преодоления самолетом звукового барьера
- •4.2. Моделирование на основе конечно-разностных методов
- •4.2.1. Моделирование Броуновского движения частиц
- •4.2.2. Моделирование диффузии
- •4.2.3. Моделирование торможения автомобиля()
- •4.2.4. Моделирование падения парашютиста()
- •4.2.5. Моделирование генератора на туннельном диоде()
- •4.2.6. Моделирование развития и угасания эпидемии
- •4.3. Моделирование колебательных систем
- •4.3.1. Анализ линейной колебательной системы
- •4.3.2. Анализ нелинейной колебательной системы Ван дер Поля
- •4.3.3. Моделирование системы Дафинга с внешним воздействием
- •4.3.4. Хаос и моделирование аттрактора Лоренца()
- •4.4. Моделирование рассеивания альфа-частиц()
- •4.5. Моделирование биологических и экономических систем
- •4.5.1. Модель системы «хищник-жертва» Лотки-Вольтерра
- •4.5.2. Модель системы «хищник-жертва» с логистической поправкой
- •4.5.3. Модель системы «хищник-жертва» Холлинга-Тэннера
- •4.5.4. Моделирование замкнутой экономической системы
- •4.6. Моделирование на основе линейного программирования
- •4.6.1.Оптимальные экономико-математические модели
- •4.6.2. Решение задач максимизации объема продукции
- •4.6.3. Решение задач минимизации ресурсов
- •4.6.4. Решение транспортной задачи
- •4.6.5. Задачи целочисленного программирования с булевыми переменными
- •4.7. Сетевые модели в оптимизации управленческих решений
- •4.7.1. Задача поиска кратчайшего пути
- •4.7.2. Задача о распределении потоков в сетях
- •4.8. Обработка и моделирование сигналов и изображений
- •4.8.1. Основы спектрального метода моделирования сигналов
- •4.8.2. Спектральное моделирование на основе точных формул интегрирования()
- •4.8.3. Улучшенное спектральное моделирование дискретных сигналов()
- •4.8.4. Вейвлеты - новый базис представления сигналов()
- •4.8.5. Вейвлет-преобразования()
- •4.8.6. Примеры вейвлет-обработки сигнала - временного ряда()
- •4.8.7. Анализ сигналов по вейвлет-спектрограммам
- •4.9. Обработка изображений
- •4.9.1. Средства обработки изображений
- •4.9.2. Обработка монохромных изображений
- •4.9.3. Обработка цветных изображений
- •4.9.4. Функции для работы с файлами и матрицами рисунков
- •4.9.5. Вейвлет-компрессия рисунков в пакете Wavelet Extension Pack
- •4.10.1. Подготовка к работе с матричной лабораторией matlab
- •4.10.2. Имитационное моделирование и расширение Simulink
- •Методические указания
- •10 Главных вопросов
- •Список литературы
- •Глава 1. Основы компьютерной математики 4
- •Глава 2. Основы математических вычислений 50
- •Глава 3. Основы математического моделирования 105
- •Глава 4. Практика математического моделирования 122
4.8.7. Анализ сигналов по вейвлет-спектрограммам
Вейвлет-спектрограммами называют диаграммы типа «уровень-время», или, точнее, «уровень-индекс» для вейвлет-коэффициентов. Обычно такие спектрограммы строятся как графики поверхностей или графики линий равного уровня с функциональной закраской. На рис. 4.43 показана вейвлет-спектрограмма для примера, представленного выше.
Рис. 4.43. Вейвлет-спектрограмма сложного нестационарного сигнала
В нижней части вейвлет-спектрограммы представлены грубые разложения сигнала, а в верхней части - более точные, соответствующие большим значением L. И та и другая части спектрограммы могут использоваться для распознавания особенностей сигналов, как глобальных (грубых), так и самых тонких. Для пояснения этого на рис. 4.41 сверху спектрограммы построен график исходного сигнала.
Нетрудно заметить (особенно когда спектрограмма цветная), что на ней отражены малейшие нюансы сигнала с их четкой привязкой ко времени. Например, в верхней части спектрограммы отчетливо выделяются перепады импульса, хорошо видны все пики и точки перегиба синусоиды с возрастающей во времени частотой, можно сразу сделать вывод о характере нестационарности сигнала и оценить количественно изменение длительности периода прямоугольных и синусоидальных колебаний на вершине импульса.
Примененные в описанном примере вейвлеты Добеши 4 довольно грубые. Но даже в этом случае опытный пользователь может по вейвлет-спектрограмме распознать многие особенности сигнала, порою даже скрытые. Например, очень четко на вейвлет-спектрограммах выделяются даже незаметные разрывы во временной зависимости сигналов. Высококачественные вейвлет-спектрограммы позволяет строить система MATLAB с пакетом расширения Wavelets Toolbox.
Область применения вейвлет-спектрограмм весьма широка и охватывает такие сферы обработки сигналов, как:
распознавание тонких особенностей сигналов и функций, в том числе на фоне шумов;
обнаружение месторождений полезных ископаемых по данным геологоразведки;
исследование климатических и иных изменений в жизни Земли и ее отдельных регионов;
анализ рентгенограмм и томограмм в медицинской практике;
выявление и предсказание экономических и социальных явлений;
предсказание возможных катастрофических ситуаций и др.
Большой интерес представляет описание вейвлет-технологии обработки типичного временного ряда, демонстрирующего динамику изменения событий, характеризующих процесс Эль-Ньньо – глобального потепления океанических вод вблизи тихоокеанского побережья Центральной Америки. Эта работа была выполнена Н. М. Астафьевой. С помощью ряда как прямых измерений (примерно за последние 100 лет), так и косвенных событий процесс Эль-Ньньо удалось представить за весьма внушительный срок в 500 лет (это половина тысячелетия). Полученный при этом временной ряд и результаты его вейвлет-анализа в виде спектрограмм представлены на рис. 4.44 (данные за последнее столетие подчеркнуты).
Представленные на рис. 4.44 данные дают хорошую пищу для оценки процесса Эль-Ньньо и связанных с ним других процессов – например, процесса Южное Колебание. Из представленных данных можно сделать выводы о различных долговременных и кратковременных фазах процесса Эль-Ньньо, например, о периодах глубокого потепления, о 40-летних периодических циклах и о многих иных деталях этого сложнейшего процесса. Так вейвлеты способствуют открытию новых закономерностей.
Р ис. 4.44. График зависимости числа событий Эль-Ньньо от времени за 500 лет (a), спектрограмма вейвлет-коэффициентов (b) и распределение плотности энергии (c)
Из приведенных выше примеров видно, что вейвлеты являются весьма эффективным средством обработки сигналов и временных рядов. Зачастую они используются там же, где применяется БПФ, например, для очистки сигналов от шума (в простейшем случае ограничением уровня композиции), выделения нужных составляющих, компрессии сигналов и т. д. При этом расчеты, выходящие за рамки учебного курса, показывают, что вейвлеты делают это более эффективно, чем техника БПФ.