Upload
ivria
View
73
Download
6
Embed Size (px)
DESCRIPTION
Okénková Fourierova transformace. střední široké úzké. Heisenbergův princip. t * f > 1/(4) Gaborův princip neurčitosti. f Frequency rozlišení : separace 2 spektrálních komponent. t Time rozlišení : separace 2 „špicí“ v časové oblasti. - PowerPoint PPT Presentation
Citation preview
Okénková Fourierova transformace
střední široké úzké
t Time rozlišení: separace 2 „špicí“ v časové oblasti
f Frequency rozlišení : separace 2 spektrálních komponent
Obě rozlišení nemohou být libovolně velké!
Intervaly
Heisenbergův princip
t * f > 1/(4) Gaborův princip neurčitosti
Historie Wavelet
1909 Alfred Haar - Haar báze.
1946 Gabor - ne-orthogonální neomezené wavelety
1976 Croisier, Esteban a Galand - filter banks pro dekompozici a rekonstrukci signálu
1982 Jean Morlet použil Gabor wavelety k modelování seismických signálů
0 200 400 600 800 1000 1200 1400 1600 1800 2000
-0.06
-0.04
-0.02
0
0.02
0.04
0.06
0.08
1987-1993 Stephane Mallat a Yves Meyer - multiresolution , Diskrétní Waveletová Transformace
1988 Ingrid Daubechies - ortonormální, kompaktní skupina wavelet
Komprese
Odstraňování šumu a poškození
Detekce struktur
Problematika rozmazáníRegistrace
Fúze dat s různým rozlišením
„Laplacian“ pyramida
- time scale space
O co tady jde ?
Analýza signálu
- time frequency space
O co tady jde ?
Haarova waveleta
•kompaktní•dyadická•ortonormální
g = [ , - ]
h = [ , ]
g* = [ - , ]
h* = [ , ]
• Okno proměnné šířky– analýza vysokých frekvencí úzké okno pro
lepší „time“ rozlišení– analýza nízkých frekvencí širší okno pro lepší
„frequency“ rozlišení
Wavelet transformace
Okénková Fourierova transformace
waveletová transformace
translace, dilatace
a > 0, R R
h a, => a,b
- matečná waveleta (mother wavelet)
- wave... osciluje- ….let dobře lokalizovaná kolem 0, mizí rychle
- = 0
- | |2 <
- FT() a,b v 0 - 0, v - 0
- něco jako band-pass filtr ve FT
Waveletová transformace
a,b
x - b
a > 0, Rb R, normalizace přes škály
dC
)(< ∞
2
c - záleží na
Spojitá waveletová transformace
a,b*a, b
a,ba, b
a > 0, Rb R
REDUNDANTNÍ!! – diskretizace a,b
WF(a,b) = f (t), a,b
Dyadická waveletová transformace - waveletové řady
- < m, n < m, n Z
Přeurčenost
binární škálování - zmenšování o faktor 2dyadický posun - posun o k/2j
m,n - ortonormální báze L2(R)
m,n ,k,l = m,k n,l
f(x) = c m,n ,m,n
c m,n = f (x), m,n
- -
Diskrétní waveletová transformace - cesta
Kompaktní dyadická waveletová transformace
- f(x), m,n nenulové na [0,1], jednotkový interval
j
j = 2m + n, m = 0,1, … n = 0, 1, … 2j - 1
pro libovolné j je m je největší takové, že 2m j, n = j - 2m
Diskretizace f … f (i x) N vzorků … mocnina 2
f(x) = c j ,j
c j = f (x), j
-
spojité
Diskrétní waveletová transformace
Kompaktní dyadická waveleta
j
Diskretizace f …. f (i x) N vzorků … mocnina 2
f(x) = c j ,j
c j = f (x), j = f(x) j
1
N
1
N
diskrétní
Waveletová dekompozice funkce f
základ + detaily různéhoměřítkaVjVj0
WJ-1
Mutliresolution analysis (MRA)
- postup pro konstrukci ortonormálních bází
- L2 prostor
- vnořená sekvence uzavřených
podprostorů Vi
- každé Vi odpovídá
jednomu měřítku
- plně určeno volbou
škálovací funkce
Platí:
nárůst i - jemnější rozlišení
scale invariance
funkce ij (x), kde
tvoří ortonormální bázi Vi … škálovací funkce„father wavelet“
Pi(f) - ortonormální projekce f do Vi , pak
škálovací koeficienty
reprezentace chyby ( detailu ) Vi+1 - Vi
ortonormální doplněk Wi
shift invariance
každý Wi je generován posuny i, j
waveleta
Platí:škálová invariance
translační invariance
ortonormalita Wi a Wk
waveletové koeficienty
Waveletová transformace - dekompozice
Vj0
Vj
Wj0
Wj-1
waveletové koeficienty
… vyhlazovací (smoothing) funkce - nenulový (=1)
- = 0
- a FT() dobrý pokles ( lokalizace v obou oblastech)
- kompaktní , - nulové krom určitého konečného intervalu
škálovací koeficienty
dilatační rovnice
V0 V1
V0 V1
W0 V1
V0 V1W0
Haar waveleta
g = [ , - ]
h = [ , ]