Преобразования сигналов и Вейвлет-преобразование

Содержание

Слайд 2

Вейвлет-преобразование.

Позволяет получить частотно-временное представление сигнала и много всякой другой фигни.

Вейвлет-преобразование. Позволяет получить частотно-временное представление сигнала и много всякой другой фигни.

Слайд 3

Обработка экспериментальных данных.

Вейвлет-преобразование дает наиболее наглядную и информативную картину результатов эксперимента, позволяет

Обработка экспериментальных данных. Вейвлет-преобразование дает наиболее наглядную и информативную картину результатов эксперимента,
очистить исходные данные от шумов и случайных искажений.

Слайд 4

Обработка изображений.

Используя вейвлет-преобразование, мы можем сгладить или выделить некоторые детали изображения, выделить

Обработка изображений. Используя вейвлет-преобразование, мы можем сгладить или выделить некоторые детали изображения,
важные детали и даже повысить его качество!

Слайд 5

Сжатие данных

Для достаточно гладких данных полученные в результате преобразования детали в основном

Сжатие данных Для достаточно гладких данных полученные в результате преобразования детали в
близки по величине к нулю и, следовательно, очень хорошо сжимаются обычными статистическими методами. Достаточно сказать, что изображение, обработанное вейвлетами, можно сжать в 3-10 раз без существенных потерь информации (а с допустимыми потерями – до 300 раз.

Слайд 6

Нейросети и другие механизмы анализа данных.

Вейвлеты представляются весьма удобным и перспективным механизмом

Нейросети и другие механизмы анализа данных. Вейвлеты представляются весьма удобным и перспективным
очистки и предварительной обработки данных для использования их в статистических и бизнес-приложениях, системах искусственного интеллекта и т.п.

Слайд 7

Системы передачи данных и цифровой обработки сигналов.

Характерные особенности поведения вейвлет-преобразования в частотно-временной

Системы передачи данных и цифровой обработки сигналов. Характерные особенности поведения вейвлет-преобразования в
области позволяют существенно расширить и дополнить возможности подобных систем.

Слайд 8

Преобразование Фурье(ПФ)

Это преобразование позволяет получить амплитуду от частоты из амплитуды от времени

Преобразование Фурье(ПФ) Это преобразование позволяет получить амплитуду от частоты из амплитуды от
и наоборот, но не более.

Слайд 9

ПФ для стационарного сигнала

Стационарный сигнал

Преобразование
Фурье для данного сигнала

ПФ для стационарного сигнала Стационарный сигнал Преобразование Фурье для данного сигнала

Слайд 10

ПФ нестационарного сигнала

Кодзима не гений

Нестационарный сигнал

Преобразование Фурье
Для данного сигнала

ПФ нестационарного сигнала Кодзима не гений Нестационарный сигнал Преобразование Фурье Для данного сигнала

Слайд 11

Оконное ПФ(ОПФ)

Ранее для нестационарных сигналов использовалось ОПФ.
Здесь можно получить и частотно-временное

Оконное ПФ(ОПФ) Ранее для нестационарных сигналов использовалось ОПФ. Здесь можно получить и частотно-временное представление сигнала.
представление сигнала.

Слайд 12

ОПФ для нестационарного сигнала

Этот сигнал является стационарным каждые 250мс (на первом отрезке

ОПФ для нестационарного сигнала Этот сигнал является стационарным каждые 250мс (на первом
длинной 250мс он имеет частоту 300Гц, на втором — 200Гц, на третьем — 100Гц и на четвертом — 50Гц).

Трехмерный (время, частота и амплитуда) график оконного преобразования Фурье будет иметь следующий вид:

Слайд 13

ОПФ для нестационарного сигнала

Тот же график, но с другим разрешением:

ОПФ для нестационарного сигнала Тот же график, но с другим разрешением:

Слайд 14

Вейвлет-преобразование.

тау - сдвиг, s – масштаб(видно из формулы)
пси – материнский вейвлет

Материнских вейвлетов

Вейвлет-преобразование. тау - сдвиг, s – масштаб(видно из формулы) пси – материнский
используется немного:
вейвлет Хаара
вейвлет Добеши
вейвлеты Гаусса
вейвлет Мейера
вейвлет Морле
вейвлет Пауля
вейвлет «Мексиканская шляпа»
вейвлет Койфмана
вейвлет Шеннона

Слайд 15

Вейвлет-преобразлвание

На рисунках хорошо видно, что полученное вейвлет-преобразование является более детализированным по времени

Вейвлет-преобразлвание На рисунках хорошо видно, что полученное вейвлет-преобразование является более детализированным по
в области высоких значений масштаба (низких частот) и менее детализирована в области низких значений масштаба (высоких частот).

Слайд 16

Абелевскую премию получил французский математик Ив Мейер за теорию вейвлетов

В 1970-х Мейер

Абелевскую премию получил французский математик Ив Мейер за теорию вейвлетов В 1970-х
занимался гармоническим анализом. Это раздел математического анализа, в котором изучаются свойства функций с помощью представления их в виде рядов или
интегралов Фурье.