Учёные из Научно-образовательной школы МГУ «Мозг, когнитивные системы, искусственный интеллект» представили инновационный метод пороговой обработки с двумя порогами. Этот подход, получивший строгое математическое обоснование, гармонично объединяет преимущества классических мягкой и жесткой обработки. Он обеспечивает значительно более эффективное восстановление зашумленных сигналов и изображений в критически важных областях, включая астрономию, медицинскую томографию и физику плазмы, одновременно уменьшая дисперсию и смещение оценок.
Ключевая задача современных технологий
Борьба с шумом при обработке сигналов и изображений — фундаментальная проблема для множества научных и инженерных сфер, от изучения космоса до диагностики здоровья. Часто требуется восстановить исходный сигнал по искаженным данным, связанным с ним через линейный оператор (например, свёртку в томографии). Вейвлет-преобразования в сочетании с пороговой обработкой коэффициентов — один из самых мощных инструментов для решения этой задачи. Однако традиционные методы — жесткая и мягкая пороговая обработка — имеют заметные недостатки: первая вызывает высокую дисперсию и артефакты, вторая приводит к систематическому смещению.
Суть инновационного подхода
Разработанный метод использует функцию firm shrinkage с двумя порогами, T₁ и T₂. Коэффициенты с малыми абсолютными значениями (ниже T₁) обнуляются, что эффективно подавляет шум, подобно мягкой обработке. Значимые коэффициенты (выше T₂) сохраняются без изменений, как при жесткой обработке, защищая важные детали. В промежуточном диапазоне применяется линейное сжатие, обеспечивающее плавный переход и дополнительное снижение дисперсии.
Надежная оценка эффективности
Для нового метода была построена несмещенная оценка среднеквадратичного риска, основанная на подходе Стейна. Эта оценка характеризует среднюю ошибку восстановления. Авторы доказали её сильную состоятельность и асимптотическую нормальность. Это означает, что с увеличением объема данных оценка становится предельно точной, а её распределение приближается к нормальному, позволяя строить надежные доверительные интервалы для прогноза риска.
Оптимизация и практическая ценность
Важным достижением стал алгоритм автоматического вычисления оптимальных значений порогов T₁ и T₂, минимизирующих оценку риска непосредственно по наблюдаемым зашумленным данным. Ключевое преимущество — метод не требует знания «истинного» сигнала, что делает его полностью адаптивным и готовым к немедленному внедрению в практические программные комплексы для обработки сигналов.
Широкие перспективы применения
Перспективный метод открывает новые возможности для повышения качества данных в астрономической визуализации, компьютерной томографии, обработке кардиологических сигналов ЭКГ, а также в исследованиях физики плазмы и сейсморазведке. Его уникальное сочетание гибкости и глубокого теоретического обоснования позиционирует его как мощную альтернативу традиционным подходам к шумоподавлению в сложных обратных задачах.
Развитие передовых исследований
Данная работа является продолжением плодотворной серии исследований, направленных на разработку и совершенствование статистических методов решения обратных задач с применением передового вейвлет-анализа.
Источник информации: ВМК МГУ имени М.В. Ломоносова
Источник фото: ru.123rf.com
Источник: scientificrussia.ru
