СИСТЕМЫ АНАЛИЗА И ОБРАБОТКИ ДАННЫХ

Природоподобные технологии профилактики и лечения широкого спектра заболеваний человека определяют перспективные направления развития мировой системы здравоохранения. Сложность их реализации обусловлена неразрешенностью проблемы понимания механизма природной регуляции, обеспечивающего гомеостаз организма, определением основных его источников в ходе эволюции живой природы, а также причин его ослабления в современных условиях. Важным фактором влияния на гомеостатические функции организма является акустический фон природного происхождения. В то же время многочисленными исследованиями установлено, что под действием указанных музыкальных произведений известных композиторов, в первую очередь В.А. Моцарта, решается задача профилактики и лечения широкого спектра психосоматических заболеваний, развивающихся в организме как реакция на стресс. Ряд исследователей связывают положительный эффект от прослушивания музыки с ее согласованностью с частью высокочастотных биоритмов организма человека. На основе корреляционной обработки спектров музыкальных произведений известных композиторов доказывается высокий уровень их связи с низкочастотными флуктуациями микроволнового излучения Солнца, достигающего поверхности Земли. Выявленную закономерность можно интерпретировать так, что произведения известных композиторов есть не что иное, как отражение в авторской обработке реальных природных процессов, к которым можно отнести флуктуации микроволнового излучения Солнца. Полученный результат может быть положен в основу обоснования необходимой процедуры определения тех или иных музыкальных произведений для их использования в лечебных целях. Для сравнительной оценки приведены результаты расчета корреляционной связи флуктуаций микроволнового излучения Солнца с пением широко известных птиц, а также с низкочастотным аналогом «белого» и «розового» шумов. Они отражают низкую корреляционную связь с природными низкочастотными флуктуациями электромагнитного излучения природного происхождения.

1. Федотчев А.И., Радченко Г.С. Музыкальная терапия и «музыка мозга»: состояние, проблемы и перспективы исследований // Успехи физиологических наук. – 2013. – Т. 44, № 4. – С. 35–50.

2. Губина С.Т. Профилактика и коррекция психического выгорания с помощью музыкальных психологических средств воздействия // Вестник интегративной психологии. – 2009. – Вып. 7. – С. 76–77.

3. Кэмпбелл Д.Дж. Эффект Моцарта / пер. с англ. Л.М. Щукин. – Минск: Попури, 1999. – 320 с.

4.  Бакши Л.С. Природа звукозрительных образов: музыка и театр в XXI веке // Музыкальная академия. – 2011. – № 1. – С. 48–55.

5. Сергиенко А.Б. Цифровая обработка сигналов. – 2-е изд. – СПб.: Питер, 2006. – 751 с.

6. Saidov B.B., Tambovtsev V.I., Prokopov I.I. Spectrum transformation of an amplitude-modulated signal on an ohmic nonlinear element // Вестник ЮУрГУ. Серия: Компьютерные технологии, управление, радиоэлектроника. – 2020. – Т. 20, № 1. – С. 71–78.

7. Portnoff M.R. Short-time Fourier analysis of sampled speech // IEEE Transactions on Acoustics, Speech, and Signal Processing. – 1981. – Vol. ASSP-29. – P. 364–373.

8. Микроволновая гелиобиология: монография / С.Н. Даровских, Ю.С. Шишкова, Е.П. Попечителев, Н.В. Вдовина; под ред. С.Н. Даровских. – Челябинск: Изд. центр ЮУрГУ, 2016. – 99 с.

9. Modern aspects of construction of information microwave therap y devices / S. Darovskih, E. Popechitelev, N. Vdovina, I. Novikov // Natural Science. – 2013. – N 5. – P. 1230–1237. – DOI: 10.4236/ns.2013.512150.

10. Darovskikh S.N., Vdovina N.V., Piskorskiy D.S. A solution to a problem of simulating solar microwave radiation to restore human homeostasis // 2017 International Conference "Quality Management, Transport and Information Security, Information Technologies" (IT&QM&IS). – St. Petersburg, 2017. – P. 370–373.

11. Griffin D., Lim J.S. Signal estimation from modified short-time Fourier transforms // IEEE Transactions on Acoustics, Speech, and Signal Processing. – 1984. – Vol. ASSP–32. – P. 236–243.

12. Туровский Я.А., Кургалин С.Д., Семёнов А.Г. Моделирование выделения и анализа цепочек локальных максимумов вейвлет-спектров на примере сигналов с известными свойствами // Системы управления и информационные технологии. – 2013. – Т. 52, № 2. – С. 24–29.

13. Kronland-Martinet R., Morlet J., Grossman A. Analysis of sound patterns through wavelet transformation // International Journal of Pattern Recognition and Artificial Intelligence. – 2012. – Vol. 47. – P. 257–260.

14. Вадутов О.С. Математические основы обработки сигналов: учебное пособие. – Томск: Изд-во ТПУ, 2011. – 221 с.

15. Калякин И.В. Выбор частоты дискретизации для более точного обнаружения локального сигнала // Международная конференция по мягким вычислениям и измерениям. – 2015. – Т. 2. – С. 205–208.