Empreu aquest identificador per citar o enllaçar aquest ítem:
http://elartu.tntu.edu.ua/handle/lib/51432Registre complet de metadades
| Camp DC | Valor | Lengua/Idioma |
|---|---|---|
| dc.contributor.advisor | Дедів, Ірина Юріївна | - |
| dc.contributor.advisor | Dediv, Iryna | - |
| dc.contributor.author | Максимів, Тарас Романович | - |
| dc.contributor.author | Maksymiv, Taras | - |
| dc.date.accessioned | 2025-12-27T19:23:28Z | - |
| dc.date.available | 2025-12-27T19:23:28Z | - |
| dc.date.issued | 2025-12 | - |
| dc.date.submitted | 2025-12 | - |
| dc.identifier.citation | Максимів Т.Р. Метод виявлення змін ймовірнісних характеристик ритмічних сигналів для комунікаційних систем: кваліфікаційна робота на здобуття освітнього ступеня магістр за спеціальністю „172 — електронні комунікації та радіотехніка“ / Т.Р. Максимів . — Тернопіль: ТНТУ, 2025. — 80 с. | uk_UA |
| dc.identifier.uri | http://elartu.tntu.edu.ua/handle/lib/51432 | - |
| dc.description.abstract | В роботі розроблено метод виявлення змін ймовірнісних характеристик ритмічних сигналів для комунікаційних систем. Власне задачу виявлення змін ймовірнісних характеристик сигналів зведено до задачі виявлення розладки, яка характеризує момент або інтервал часу, коли статистичні чи структурні властивості сигналу помітно змінюються порівняно з “нормальним” режимом. В якості моделі таких сигналів використано клас стаціонарних процесів, зокрема кусково стаціонарних. Використано спектрально-кореляційні методи опрацювання, а саме опрацювання проводиться на інтервалах ковзного вікна. Встановлено, що значення варіації оцінок усереднених спектрів значно відрізняються між ділянками сигналу до та після виникнення розладки і шляхом моніторингу їхнього значення при трансляції ковзного вікна по сигналу можна виявити моменти виникнення розладки в сигналі. | uk_UA |
| dc.description.abstract | The paper develops a method for detecting changes in the probabilistic characteristics of rhythmic signals for communication systems. The problem of detecting changes in the probabilistic characteristics of signals is reduced to the problem of detecting a disorder, which characterizes the moment or time interval when the statistical or structural properties of the signal change noticeably compared to the “normal” mode. As a model of such signals, a class of stationary processes, in particular piecewise stationary ones, is used. Spectral-correlation processing methods are used, and the processing is carried out on the intervals of a sliding window. It is established that the values of the variation of the estimates of the averaged spectra differ significantly between the signal sections before and after the occurrence of the disorder, and by monitoring their value when translating a sliding window over the signal, it is possible to detect the moments of the occurrence of the disorder in the signal. | uk_UA |
| dc.description.tableofcontents | ВСТУП 7 РОЗДІЛ 1. АНАЛІТИЧНА ЧАСТИНА 10 1.1 Аналіз методів виявлення точок зміни часових рядів 10 1.2 Критерії виявлення змін 15 1.3 Оцінка продуктивності алгоритмів виявлення змін 17 1.4 Висновки до розділу 1 22 РОЗДІЛ 2. ОСНОВНА ЧАСТИНА 23 2.1 Загальні методи виявлення розладки 23 2.2 Огляд методів виявлення змін в часових рядах 25 2.3 Порівняння методів 42 2.4 Висновки до розділу 2 47 РОЗДІЛ 3. НАУКОВО-ДОСЛІДНА ЧАСТИНА 49 3.1 Модель тестового сигналу для виявлення змін ймовірнісних харавтеристик 49 3.2 Результати експериментальних досліджень 53 3.3 Алгоритм роботи методу 58 3.4 Висновки до розділу 3 59 РОЗДІЛ 4. ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 61 4.1 Охорона праці 61 4.2 Безпека в надзвичайних ситуаціях 63 4.3 Висновки до розділу 66 ВИСНОВКИ 67 ПЕРЕЛІК ПОСИЛАНЬ 69 ДОДАТКИ | uk_UA |
| dc.language.iso | uk | uk_UA |
| dc.publisher | Тернопільський національний технічний університет імені Івана Пулюя | uk_UA |
| dc.subject | 172 | uk_UA |
| dc.subject | телекомунікації та радіотехніка | uk_UA |
| dc.subject | ймовірність | uk_UA |
| dc.subject | розладка | uk_UA |
| dc.subject | сигнал | uk_UA |
| dc.subject | поріг | uk_UA |
| dc.subject | probability | uk_UA |
| dc.subject | disruption | uk_UA |
| dc.subject | signal | uk_UA |
| dc.subject | threshold | uk_UA |
| dc.title | Метод виявлення змін ймовірнісних характеристик ритмічних сигналів для комунікаційних систем | uk_UA |
| dc.title.alternative | Method for detecting changes in probabilistic characteristics of rhythmic signals for communication systems | uk_UA |
| dc.type | Master Thesis | uk_UA |
| dc.rights.holder | ©Максимів Тарас Романович, 2025 | uk_UA |
| dc.contributor.committeeMember | Дозорська, Оксана Федорівна | - |
| dc.contributor.committeeMember | Dozorsʹka, Oksana | - |
| dc.coverage.placename | Тернопільський національний технічний університет імені Івана Пулюя, факультет прикладних інформаційних технологій та електроінженерії, м. Тернопіль, Україна | uk_UA |
| dc.subject.udc | 621.397 | uk_UA |
| dc.relation.references | 1. G. D. Montanez, S. Amizadeh, and N. Laptev, “Inertial Hidden Markov Models: Modeling Change in Multivariate Time Series,” in AAAI Conference on Artificial Intelligence, 2015, pp. 1819–1825. | uk_UA |
| dc.relation.references | 2. Y. Kawahara and M. Sugiyama, “Sequential Change-Point Detection Based on Direct Density-Ratio Estimation,” in SIAM International Conference on Data Mining, 2009, pp. 389–400. | uk_UA |
| dc.relation.references | 3. P. Yang, G. Dumont, and J. M. Ansermino, “Adaptive change detection in heart rate trend monitoring in anesthetized children.,” IEEE Trans. Biomed. Eng., vol. 53, no. 11, pp. 2211–9, Nov. 2006 | uk_UA |
| dc.relation.references | 4. J. Reeves, J. Chen, X. L. Wang, R. Lund, and Q. Q. Lu, “A Review and Comparison of Changepoint Detection Techniques for Climate Data,” J. Appl. Meteorol. Climatol., vol. 46, no. 6, pp. 900–915, Jun. 2007. | uk_UA |
| dc.relation.references | 5. M. F. R. Chowdhury, S.-A. Selouani, and D. O’Shaughnessy, “Bayesian on line spectral change point detection: a soft computing approach for on-line ASR,” Int. J. Speech Technol., vol. 15, no. 1, pp. 5–23, Oct. 2011 | uk_UA |
| dc.relation.references | 6. R. J. Radke, S. Andra, O. Al-Kofahi, and B. Roysam, “Image change detection algorithms: a systematic survey,” IEEE Trans. Image Process., vol. 14, no. 3, pp. 294 307, Mar. 2005. | uk_UA |
| dc.relation.references | 7. E. Keogh and J. Lin, “Clustering of time-series subsequences is meaningless: implications for previous and future research,” Knowl. Inf. Syst., vol. 8, no. 2, pp. 154 177, Aug. 2004. | uk_UA |
| dc.relation.references | 8. D.-H. Tran, “Automated Change Detection and Reactive Clustering in Multivariate Streaming Data,” Nov. 2013. | uk_UA |
| dc.relation.references | 9. S. Liu, M. Yamada, N. Collier, and M. Sugiyama, “Change-point detection in time-series data by relative density-ratio estimation.,” Neural Netw., vol. 43, pp. 72 83, Jul. 2013. | uk_UA |
| dc.relation.references | 10. H. Chen and N. Zhang, “Graph-Based Change-Point Detection,” Ann. Stat., vol. 43, no. 1, pp. 139–176, Sep. 2014. | uk_UA |
| dc.relation.references | 11. Z. Harchaoui, E. Moulines, and F. R. Bach, “Kernel Change-point Analysis,” in Advances in Neural Information Processing Systems, 2009, pp. 609–616 | uk_UA |
| dc.relation.references | 12. V. C. Raykar, “Scalable machine learning for massive datasets: Fast summation algorithms,” University of Maryland, College Park, 2007. | uk_UA |
| dc.relation.references | 13. T. Rakthanmanon, E. J. Keogh, S. Lonardi, and S. Evans, “Time Series Epenthesis: Clustering Time Series Streams Requires Ignoring Some Data,” in IEEE 11th International Conference on Data Mining, 2011, pp. 547–556. | uk_UA |
| dc.relation.references | 14. S. Reddy, M. Mun, J. Burke, D. Estrin, M. Hansen, and M. Srivastava, “Using mobile phones to determine transportation modes,” ACM Trans. Sens. Networks, vol. 6, no. 2, pp. 1–27, Feb. 2010 | uk_UA |
| dc.relation.references | 15. I. Cleland, M. Han, C. Nugent, H. Lee, S. McClean, S. Zhang, and S. Lee, “Evaluation of prompted annotation of activity data recorded from a smart phone.,” Sensors (Basel)., vol. 14, no. 9, pp. 15861–79, Jan. 2014. | uk_UA |
| dc.relation.references | 16. H. Cho and P. Fryzlewicz, “Multiple-change-point detection for high dimensional time series via sparsified binary segmentation,” J. R. Stat. Soc. Ser. B (Statistical Methodol., vol. 77, no. 2, pp. 475–507, Mar. 2015. | uk_UA |
| dc.relation.references | 17. K. Yamanishi and J. Takeuchi, “A unifying framework for detecting outliers and change points from non-stationary time series data,” in 8th ACM SIGKDD international conference on Knowledge discovery and data mining - KDD ’02, 2002, p. 676 | uk_UA |
| dc.relation.references | 18. M. Yamada, A. Kimura, F. Naya, and H. Sawada, “Change-point detection with feature selection in high-dimensional time-series data,” in International Joint Conference on Artificial Intelligence, 2013. | uk_UA |
| dc.relation.references | 19. L. I. Kuncheva, “Change Detection in Streaming Multivariate Data Using Likelihood Detectors,” IEEE Trans. Knowl. Data Eng., vol. 25, no. 5, pp. 1175–1180, May 2013. | uk_UA |
| dc.relation.references | 20. Y. Kawahara, T. Yairi, and K. Machida, “Change-Point Detection in Time Series Data Based on Subspace Identification,” in 7th IEEE International Conference on Data Mining (ICDM 2007), 2007, pp. 559–564. | uk_UA |
| dc.relation.references | 21. S. Chib, “Estimation and Comparison of multiple change point models,” J. Econom., vol. 86, no. 2, pp. 221–241, 1998. | uk_UA |
| dc.relation.references | 22. B. A. Tan, P. Gerstoft, C. Yardim, and W. S. Hodgkiss, “Change-point detection for recursive Bayesian geoacoustic inversions.,” J. Acoust. Soc. Am., vol. 137, no. 4, pp. 1962–70, Apr. 2015. | uk_UA |
| dc.relation.references | 23. Y. Saatзi, R. D. Turner, and C. E. Rasmussen, “Gaussian Process Change Point Models,” in International Conference on Machine Learning, 2010, pp. 927–934 | uk_UA |
| dc.relation.references | 24. S. Brahim-Belhouari and A. Bermak, “Gaussian process for nonstationary time series prediction,” Comput. Stat. Data Anal., vol. 47, no. 4, pp. 705–712, Nov. 2004. | uk_UA |
| dc.relation.references | 25. Z. Harchaoui, F. Vallet, A. Lung-Yut-Fong, and O. Cappe, “A regularized kernel-based approach to unsupervised audio segmentation,” in IEEE International Conference on Acoustics, Speech and Signal Processing, 2009, pp. 1665–1668. | uk_UA |
| dc.relation.references | 26. P. R. Rosenbaum, “An exact distribution-free test comparing two multivariate distributions based on adjacency,” J. R. Stat. Soc., vol. 67, pp. 515–530, 2005 | uk_UA |
| dc.relation.references | 27. E. Keogh, S. Chu, D. Hart, and M. Pazzani, “An online algorithm for segmenting time series,” in IEEE International Conference on Data Mining, 2001, pp. 289–296. | uk_UA |
| dc.relation.references | 28. Dozorskyi V., Dediv I., Sverstiuk S., Nykytyuk V., Karnaukhov A. The Method of Commands Identification to Voice Control of the Electric Wheelchair. Proceedings of the 1st International Workshop on Computer Information Technologies in Industry 4.0 (CITI 2023). CEUR Workshop Proceedings. Ternopil, Ukraine, June 14-16, 2023. P.233-240. ISSN 1613-0073. | uk_UA |
| dc.relation.references | 29. Khvostivska L., Khvostivskyi M., Dediv I., Yatskiv V., Palaniza Y. Method, Algorithm and Computer Tool for Synphase Detection of Radio Signals in Telecommunication Networks with Noises. Proceedings of the 1st International Workshop on Computer Information Technologies in Industry 4.0 (CITI 2023). CEUR Workshop Proceedings. Ternopil, Ukraine, June 14-16, 2023. P.173-180. ISSN 1613 0073. | uk_UA |
| dc.relation.references | 30. Khvostivska L., Khvostivskyi M., Dunets V., Dediv I. Mathematical, algorithmic and software support of synphase detection of radio signals in electronic communication networks with noises. Scientific Journal of TNTU (Tern.), vol 111, no 3, 2023. pp. 48–57. | uk_UA |
| dc.relation.references | 31. Основи технології радіоелектронних апаратів : навчальний посібник / Р. А. Ткачук, В. Г. Дозорський, Л. Є. Дедів, І. Ю. Дедів. - Тернопіль : Тернопільський національний технічний університет імені Івана Пулюя, 2017. - 336 с. | uk_UA |
| dc.relation.references | 32. Dozorskyi V., Dediv L., Kovalyk S., Dozorska O., Dediv I. (2024) Design of the endoskeleton of a biocontrolled hand prosthesis. Scientific Journal of TNTU (Tern.), vol. 115, no 3, pp. 100-111. | uk_UA |
| dc.relation.references | 33. Дедів І. Ю. Метод автентифікації користувачів за параметрами голосових сигналів / І. Ю. Дедів, М. М. Кузик // Збірник тез доповідей Ⅵ Міжнародної науково-технічної конференції молодих учених та студентів „Актуальні задачі сучасних технологій“, 16-17 листопада 2017 року. Т.: ТНТУ, 2017. Том 2. С. 47. | uk_UA |
| dc.relation.references | 34. Методичні рекомендації до виконання, оформлення та захисту кваліфікаційних робіт для здобувачів другого (магістерського) рівня вищої освіти за спеціальністю 172 «Електронні комунікації та радіотехніка» галузі знань 17 «Електроніка, автоматизація та електронні комунікації»/уклад.: Дунець В.Л., Хвостівська Л.В., Дедів І.Ю. Тернопіль: ТНТУ, 2024. 56 с. | uk_UA |
| dc.relation.references | 35. Математичне та комп’ютерне моделювання електрокардіосиґналів у системах голтерівського моніторинґу / Л.Є. Дедів, А.С. Сверстюк, І.Ю. Дедів, М.О. Хвостівський, В.Г. Дозорський, Є.Б. Яворська. – Львів: Видавництво «Магнолія - 2006», 2021. – 120 с. ISBN 978-617-574-218-1. | uk_UA |
| dc.relation.references | 36. Математичне моделювання, методи та програмне забезпечення опрацювання дихальних шумів у комп'ютерних аускультативних діагностичних системах / І.Ю. Дедів, А.С. Сверстюк, Л.Є. Дедів, В.Г. Дозорський, М.О. Хвостівський. – Львів: Видавництво «Магнолія - 2006», 2021. – 126 с. ISBN 978 617-574-219-8. | uk_UA |
| dc.relation.references | 37. Методичні рекомендації з оформлення кваліфікаційних робіт бакалавра за спеціальністю 172 «Телекомунікації та радіотехніка» уклад.: Дунець В.Л., Хвостівський М.О. Дедів І.Ю. Тернопіль: ТНТУ імені Івана Пулюя, 2021 р. – 72с. | uk_UA |
| dc.relation.references | 38. Дозорський В.Г., Дозорська О.Ф., Дедів Л.Є., Дедів І.Ю., Паньків І.М., Яворська Є.Б. Структура системи відбору біосигналів для задачі відновлення комунікативної функції людини. Вісник Хмельницького національного університету: технічні науки. – Хмельницький: редакція журналу "Вісник Хмельницького національного університету". – 2019. - №2(271) – с. 183-186. | uk_UA |
| dc.relation.references | 39. Dozorska O., Yavorska E., Dozorskyi V., Pankiv I., Dediv L. Dediv I. The Method of Indirect Restoration of Human Communicative Function. Proc. of the 15th International Conference on the Experience of Designing and Application of CAD Systems (CADSM), CADSM'2019, (pp. 19–22). Polyana-Svalyava (Zakarpattya), UKRAINE 978-1-7281-0053-1/19. | uk_UA |
| dc.relation.references | 40. Дозорська О.Ф., Яворська Є.Б., Дозорський В.Г., Дедів Л.Є., Дедів І.Ю. Метод виявлення ознак основного тону в структурі електроміографічних сигналів для задачі компенсації порушеної комунікативної функції людини», Вісник НТУУ "КПІ". Серія Радіотехніка, Радіоапаратобудування, (81), с. 56-64. doi: 10.20535/RADAP.2020.81.56-64. | uk_UA |
| dc.relation.references | 41. Khvostivska L., Khvostivskyy M., Dunetc V., Dediv I.. Mathematical and Algorithmic Support of Detection Useful Radiosignals in Telecommunication Networks. 2nd International Workshop on Information Technologies: Theoretical and Applied Problems, ITTAP 2022. CEUR Workshop Proceedings. Ternopil 22- 24 November 2022. Vol 3309, P. 314-318. ISSN 1613-0073. | uk_UA |
| dc.relation.references | 42. Гевко О.В., Дозорський В.Г., Дедів Л.Є., Дедів І.Ю., Дозорська О.Ф. Структурний синтез вібромасажної апаратури. Перспективні технології та прилади, № 20, Луцьк, 2022. – с. 23-31. | uk_UA |
| dc.relation.references | 43. Dozorskyi V., Dediv I., Sverstiuk S., Nykytyuk V., Karnaukhov A. The Method of Commands Identification to Voice Control of the Electric Wheelchair. Proceedings of the 1st International Workshop on Computer Information Technologies in Industry 4.0 (CITI 2023). CEUR Workshop Proceedings. Ternopil, Ukraine, June 14-16, 2023. P.233-240. ISSN 1613-0073. | uk_UA |
| dc.relation.references | 44. Khvostivska L., Khvostivskyi M., Dediv I., Yatskiv V., Palaniza Y. Method, Algorithm and Computer Tool for Synphase Detection of Radio Signals in Telecommunication Networks with Noises. Proceedings of the 1st International Workshop on Computer Information Technologies in Industry 4.0 (CITI 2023). CEUR Workshop Proceedings. Ternopil, Ukraine, June 14-16, 2023. P.173-180. ISSN 1613 0073. | uk_UA |
| dc.relation.references | 45. Khvostivska L., Khvostivskyi M., Dunets V., Dediv I. Mathematical, algorithmic and software support of synphase detection of radio signals in electronic communication networks with noises. Scientific Journal of TNTU (Tern.), vol 111, no 3, 2023. pp. 48–57. | uk_UA |
| dc.relation.references | 46. Основи технології радіоелектронних апаратів : навчальний посібник / Р. А. Ткачук, В. Г. Дозорський, Л. Є. Дедів, І. Ю. Дедів. - Тернопіль : Тернопільський національний технічний університет імені Івана Пулюя, 2017. - 336 с. | uk_UA |
| dc.relation.references | 47. Dozorskyi V., Dediv L., Kovalyk S., Dozorska O., Dediv I. (2024) Design of the endoskeleton of a biocontrolled hand prosthesis. Scientific Journal of TNTU (Tern.), vol. 115, no 3, pp. 100-111. | uk_UA |
| dc.relation.references | 48. Техноекологія та цивільна безпека. Частина «Цивільна безпека». Навчальний посібник / В.С. Стручок, – Тернопіль: ТНТУ ім. І.Пулюя, 2022. – 150 с. | uk_UA |
| dc.relation.references | 49. Стручок В.С. Безпека в надзвичайних ситуаціях. Методичний посібник для здобувачів освітнього ступеня «магістр» всіх спеціальностей денної бо та заочної (дистанційної) форм навчання / В.С.Стручок. — Тернопіль: ФОП Паляниця В. А., 2022. — 156 с. | uk_UA |
| dc.relation.references | 50. Паляниця Ю., Дунець В., Дедів І., Хвостівська Л., Сверстюк А. Розвиток концепції Smart Systems та Mobility as a Service: тенденції останнього десятиліття. Вісник Хмельницького національного університету. Серія: Технічні наук. Том 349. № 2. 2025. С. 549-560. | uk_UA |
| dc.relation.references | 51. Хвостівський М.О., Хвостівська Л.В., Дедів І.Ю., Дедів Л.Є. Інтелектуальна система прогнозування трафіку комп’ютерних мереж на основі синфазної обробки даних. Вісник Херсонського національного технічного університету: технічні науки. – Херсон: редакція журналу " Вісник Херсонського національного технічного університету ". – 2025. - №3(94) Т.2 – с. 497-503. | uk_UA |
| dc.contributor.affiliation | Тернопільський національний технічний університет імені Івана Пулюя, факультет прикладних інформаційних технологій та електроінженерії, м. Тернопіль, Україна | uk_UA |
| dc.coverage.country | UA | uk_UA |
| Apareix a les col·leccions: | 172 — телекомунікації та радіотехніка, Електронні комунікації та радіотехніка | |
Arxius per aquest ítem:
| Arxiu | Descripció | Mida | Format | |
|---|---|---|---|---|
| Максимів_Т_Р_РАм-61.pdf | 3,28 MB | Adobe PDF | Veure/Obrir |
Els ítems de DSpace es troben protegits per copyright, amb tots els drets reservats, sempre i quan no s’indiqui el contrari.
Eines d'Administrador