Модулярные коды нашли широкое применение во многих сферах современных информационных технологиях. Использование этих непозиционных кодов позволяет обеспечить высокую скорость обработки данных. Поэтому данные алгебраические системы целесообразно использовать в алгоритмах цифровой обработки сигналов, которые характеризуются обработкой большого объема данных в реальном масштабе времени. Кроме того, модулярные коды позволяют осуществлять крупномасштабную обработку сигналов с использованием вейвлет-преобразования. В работе рассмотрены примеры применения вейвлет преобразования Добеши.
Modular codes are widely used in many areas of modern information technologies. The use of these non-positional codes can provide a high speed data processing. Therefore, these algebraic systems should be used in the algorithms of digital processing of signals, which are characterized by processing large amounts of data in real-time. In addition, modular codes make it possible to implement a large-scale signal processing using wavelet transform. The paper discusses examples of the application of the wavelet transform Daubechies.
1. Червяков Н.И., Сахнюк П.А., Шапошников А.В., Ряднов С.А Модулярные параллельные вычислительные структуры нейросетевых систем/ Под ред. Н.И. Червякова. – М.: Физматлит., 2003. – 303 с.
2. Червяков Н.И. Обобщенная вычислительная модель модулярного нейропроцессора цифровой обработки сигналов на основе программируемых логических интегральных схем // Нейрокомпьютеры: разработка и применение. 2006. № 10. С. 37-40.
3. Червяков Н.И., Ляхов П.А. Реализация КИХ-фильтров в системе остаточных классов // Нейрокомпьютеры: разработка и применение. 2012. № 5. С. 16-25.
4. Калмыков И.А., Саркисов А.Б., Яковлева Е.М., Калмыков М.И. Модулярный систолический процессор цифровой обработки сигналов с реконфигурируемой структурой // Вестник Северо-Кавказского федерального университета. – 2013. – № 2 (35). – С. 30-35.
5. Калмыков И.А., Саркисов А.Б., Макарова А.В. Технология цифровой обработки сигналов с использованием модулярного полиномиального кода // Известия ЮФУ Технические науки. – 2013. – №. 12 (149). – С. 234-241.
6. Калмыков И.А., Воронкин Р.А., Резеньков Д.Н., Емарлукова Я.В., Фалько А.А. Генетические алгоритмы в системах цифровой обработки сигналов// Нейрокомпьютеры: разработка и применение. – 2011. – № 5. – С. 20-27.
7. Калмыков И.А., Зиновьев А.В., Емарлукова Я.В. Высокоскоростные систолические отказоустойчивые процессоры цифровой обработки сигналов для инфотелекоммуникационных систем // Инфокоммуникационные технологии. Самара. – 2009. – Т.7. №2. – С. 31-47
8. Калмыков И.А., Калмыков М.И. Структурная организация параллельного спецпроцессора цифровой обработки сигналов, использующего модулярные код// Теория и техника радиосвязи. – 2014. – № 2. – С. 60-66.
9. Червяков Н.И., Чумаков Д.В., Мальцев Н.А. Применение нейронных сетей для реализации целочисленного вейвлет анализа сигналов, заданных конечным числом отсчетов-преобразований // Нейрокомпьютеры: разработка и применение. – 2008.– № 1-2.– С. 43-50.
10. Червяков Н.И., Чумаков Д.В., Лавриненко С.В. Нейросетевая реализация дискретных вейвлет-преобразований // Нейрокомпьютеры: разработка и применение. – 2008. – № 1-2.– С. 4-11.