- •Министерство образования и науки Российской Федерации
- •2.2. Энергия и мощность сигнала ………………………………………………...11
- •1. ОСНОВНЫЕ ПОНЯТИЯ ЦИФРОВОЙ ОБРАБОТКИ СИГНАЛОВ
- •1.1. Понятие о первичной и вторичной обработке сигналов
- •1.2. Технические средства комплекса обработки сигналов
- •2. ПОНЯТИЕ СИГНАЛОВ. ВИДЫ СИГНАЛОВ
- •2.2. Энергия и мощность сигнала
- •2.3. Представление периодических сигналов в частотной области
- •2.4. Представление в частотной области непериодических сигналов
- •2.4.1. Введение в теорию ортогональных преобразований
- •2.5. Свойства преобразования Фурье
- •2.6. Интегральное преобразование Хартли
- •2.7. Случайные сигналы
- •2.7.1.Модели случайных процессов
- •Числовые характеристики
- •Примеры случайных процессов с различными законами распределения
- •3. КОРРЕЛЯЦИОННЫЙ АНАЛИЗ СИГНАЛОВ
- •3.1. Корреляционная функция (КФ):
- •3.2. Взаимная корреляционная функция
- •3.3. Взаимный спектр сигналов
- •3.4. Корреляционные функции случайных процессов
- •3.4.1. Стационарные и эргодические случайные процессы
- •3.5. Спектральные характеристики случайных процессов
- •3.5.1. Теорема Винера-Хинчина
- •3.6. Комплексная огибающая сигнала
- •4. ПЕРЕХОД ОТ АНАЛОГОВЫХ СИГНАЛОВ К ЦИФРОВЫМ
- •4.1. Дискретизация сигналов
- •Изменение частоты дискретизации. При решение различных задач обработки сигналов достаточно часто требуется изменение частоты дискретизации сигнала.
- •5.1. Линейные и нелинейные преобразования
- •Импульсная характеристика
- •Переходная характеристика
- •Комплексный коэффициент передачи (передаточная функция) системы:
- •Коэффициент передачи по мощности:
- •Взаимный спектр входного и выходного сигналов
- •Взаимная корреляция между входом и выходом
- •Корреляционная функция
- •Дисперсия на выходе:
- •5.3. Циклическая свертка и корреляция
- •5.5. Двумерная апериодическая свертка и корреляция
- •5.6 Нерекурсивные и рекурсивные фильтры
- •5.7. Метод синхронного или когерентного накопления
- •5.8. Адаптивные фильтры.
- •Рис.5.5. Адаптивный фильтр
- •5.8.1. Фильтр Винера-Хопфа.
- •5.10. Фильтр Калмана.
- •F=kBNX
- •6.1. Дискретное преобразование Фурье
- •6.2. Дискретное преобразование Хартли
- •6.3. Двумерные дискретные преобразования Фурье и Хартли
- •6.4. Ортогональные преобразования в диадных базисах
- •6.7. Выполнение фильтрации в частотной области
- •1) Фильтры нижних частот (ФНЧ) low-pass filter
- •2) Фильтры верхних частот (ФВЧ) hight-pass filter
- •3) Полосовые фильтры (ПФ) band-pass filter
- •4) Режекторные фильтры (ПФ) band-stop filter
- •Фильтр Баттерворта:
- •Фильтр Чебышева 1-го рода:
- •7. ВЕЙВЛЕТ ПРЕОБРАЗОВАНИЯ ИЛИ РАЗЛОЖЕНИЕ ПО ВСПЛЕСКАМ
- •7.1. Понятие о Wavelet-преобразованиях. Преобразование Хаара
- •7.2. Вейвлеты
- •7.2.1. Непрерывные вейвлет преобразования
- •7.2.2. Частотный подход к вейвлет преобразованиям
- •7.2.4. Дискретное вейвлет-преобразование
- •7.2.4.1. Условия полного восстановления сигнала
- •7.2.5. Пакеты вейвлетов (алгоритм одиночного дерева)
- •7.2.6. Целочисленное вейвлет-преобразование
- •Вейвлет-преобразование Лэйзи. Вейвлет-преобразование Лэйзи заключается в простом разбиении входного сигнала на четную и нечетную части. На этапах декомпозиции и реконструкции используются одни и те же формулы:
- •7.3. Применение вейвлет-преобразований для сжатия изображения
- •8. БЫСТРЫЕ АЛГОРИТМЫ ОРТОГОНАЛЬНЫХ ПРЕОБРАЗОВАНИЙ
- •8.1. Вычислительная сложность ДПФ и способы её сокращения
- •8.2. Запись алгоритма БПФ в векторно-матричной форме
- •8.3. Представление алгоритма БПФ в виде рекурсивных соотношений
- •8.4. Алгоритмы БПФ с прореживанием по времени и по частоте
- •Рис.8.4. Граф БПФ
- •8.6. Вычислительная сложность алгоритмов БПФ
- •8.7. Выполнение БПФ для случаев
- •8.8. Быстрое преобразование Хартли
- •Рис.8.7. Граф базовой операции БПХ, где
- •8.9. Быстрое преобразование Адамара
- •8.10. Выбор метода вычисления свертки / корреляции
- •9.1. Ранговая фильтрация
- •Рис. 9.1. Гистограмма распределения элементов по уровням
- •Гистограммный алгоритм ранговой фильтрации для окна размером М х М может быть представлен в следующем виде [16,21]:
- •9.2. Взвешенная ранговая фильтрация
- •9.3. Скользящая эквализация гистограмм
- •9.4. Преобразование гистограмм распределения
- •Рис.9.3. Глобальная эквализация гистограмм
- •ЛИТЕРАТУРА
110
7.2.4. Дискретное вейвлет-преобразование
Опишем ДВП в матричном виде, а затем – на основе банков фильтров, что наиболее часто используется при обработке сигналов.
В обоих случаях предполагают, что базисные функции φ(x) и ψ (x) компактно
определены. Это автоматически гарантирует финитность последовательностей hn и gn . Далее предположим, что сигнал, подвергаемый преобразованию, имеет
длину N = 2d , d Z + .
Обозначим через вектор ν j последовательность конечной длины c j,n для
некоторого j . |
Этот |
|
вектор |
преобразуется |
в вектор |
ν j+1 , |
содержащий |
||||||
последовательности |
c j+1,n |
и |
d j+1,n , |
каждая |
из |
которых |
половинной длины. |
||||||
Преобразование может |
быть записано |
в |
виде |
матричного |
умножения |
||||||||
ν j+1 = M jν j , где матрица M j |
- квадратная и состоит из нулей и элементов hn , |
||||||||||||
умноженных |
на |
|
|
. |
В |
силу |
свойств |
hn |
матрица |
M j |
является |
||
2 |
ортонормированной, и обратная ей матрица равна транспонированной. В качестве иллюстрации рассмотрим следующий пример. Возьмем фильтр
длиной L = 4 , |
последовательность |
длиной N = 8, а |
в |
качестве начального |
значения - j = 0 . Последовательность gn получим из hn |
по формуле (7.16), где |
|||
t = L /(2 −1) = 4 . |
Тогда операция |
матрично-векторного |
умножения будет |
представлена в виде:
c1,0
c1,1
c1,2c1,3 =
d1,0d1,1
d1,2
d1,3
|
|
h |
0 |
h |
h |
2 |
h |
3 |
|
|
|
|
|
|
1 |
|
|
|
|
|
|||
|
|
|
|
|
h0 |
h1 |
h2 |
h3 |
|
||
|
|
|
|
|
|
|
|
|
h0 |
h1 |
h2 |
|
|
h2 |
h3 |
|
|
|
|
|
|
h0 |
|
|
|
|
|
|
|
|
|
||||
2 |
|
|
|
|
|
|
|||||
|
|
h3 |
− h2 |
h1 |
− h0 |
|
|
|
|||
|
|
h1 |
− h0 |
|
|||||||
|
|
|
|
|
h3 |
− h2 |
|
||||
|
|
|
|
|
|
|
|
|
h3 |
− h2 |
h1 |
|
|
h1 |
− h0 |
|
|
|
|
|
|
h3 |
|
|
|
|
|
|
|
|
|
c0,0c0,1
h3 c0,2 (7.18) h1 c0,3
c0,4 − h c0,5
0 c0,6
− h2 c0,7
Обратное преобразование тогда выполняется как умножение ν j+1 на обратную матрицу MTj :
111
c0,0
c0,1c0,2
c0,3 =
c0,4
c0,5
c0,6
c0,7
h0h1h2 2 h3
h2 h3
h0 h1 h2
h3 h1 h2
h3 h1
h |
|
|
|
|
|
|
h |
|
c1,0 |
|
|
||
|
3 |
|
|
|
|
|
1 |
|
c |
|
|
||
− h2 |
|
|
|
|
− h0 |
|
|
1,1 |
|
|
|||
h |
|
h |
|
|
|
|
|
c |
|
|
|||
|
|
|
|
|
|
|
|
||||||
|
3 |
|
|
|
|
|
1,2 |
|
|
||||
1 |
|
|
|
|
|
|
|
|
(7.19) |
||||
− h |
0 |
− h |
2 |
|
|
|
c1,3 |
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
h1 |
|
h3 |
|
|
|
|
|
|||
|
|
|
|
|
|
d1,0 |
|
|
|||||
|
|
|
− h0 |
− h2 |
|
|
|
d1,1 |
|
|
|||
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
h |
h |
3 |
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
d1,2 |
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
− h0 |
− h2 |
|
|
||||
|
|
|
|
|
|
d1,3 |
|
|
Таким образом, выражение (7.18) - это одна итерация (или один этап) ДВП. Полное ДВП заключается в итеративном умножении верхней половины вектора ν j+1 на квадратную матрицу M j+1 , размер которой 2d − j . Эта процедура
может повторяться d раз, пока длина вектора не станет равна 1.
В четвертой и восьмой строках матрицы (7.18) последовательность hn
циклически сдвинута: коэффициенты, выходящие за пределы матрицы справа, помещены в ту же строку слева.
Ранее рассматривалось субполосное преобразование, как фильтрация с последующим прореживанием в два раза. В данном случае имеется два фильтра hn и gn , т.е банк фильтров – двухполосный и может быть изображен, как
показано на рис.2.2.
Фильтры F и E означают фильтрацию фильтрами h−n и g−m ,
соответственно. В нижней ветви схемы выполняется низкочастотная фильтрация. В результате получается некоторая аппроксимация сигнала, лишенная деталей низкочастотная (НЧ) субполоса. В верхней части схемы выделяется высокочастотная (ВЧ) субполоса. Отметим, что при обработке сигналов константа 21/ 2 всегда выносится из банка фильтров и сигнал домножается на 2.
Итак, схема рис. 7.1 делит сигнал уровня j = 0 на два сигнала уровня j =1.
Далее, вейвлет-преобразование получается путем рекурсивного применения данной схемы к НЧ части. При осуществлении вейвлет-преобразования изображения каждая итерация алгоритма выполняется вначале к строкам, затем
– к столбцам изображения (строится так называемая пирамида Маллата).
21/2G |
|
|
2↓ |
|
|
2↑ |
|
|
21/2E |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
21/2H |
|
|
2↓ |
|
|
2↑ |
|
|
21/2F |
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
Рис. 7.1. Схема двухполосного банка фильтров
112
7.2.4.1. Условия полного восстановления сигнала
Вейвлет-преобразование (ДВП) и субполосное кодирование - два популярных и очень похожих метода. В большинстве случаев используется двухканальная схема, в которой исходный сигнал делится на две субполосы, каждая вдвое меньше размером, чем исходная. В результате рекурсивного повторения этого процесса для обеих субполос получаем древовидное разбиение спектра на определенное количество уровней. Полное восстановление сигнала из субполос возможно лишь в отсутствие квантования коэффициентов. Однако и при квантовании коэффициентов можно построить схему, осуществляющую почти полное восстановление. Полное восстановление зависит от выполнения двух условий:
•соответствующего расчета фильтров анализа и синтеза;
•соответствующего продолжения сигнала конечной длины после границы. На каждом уровне древовидного ДВП сигнал должен быть четной
длины. Если она нечетная, то после прореживания мы либо потеряем какую-то информацию, либо добавим один лишний отсчет. Поэтому для дерева глубиной d необходимо иметь сигнал длиной 2d . В противном случае он удлиняется некоторым образом до этого размера. На рис. 7.2(а) показано, как сигнал длиной 67 должен быть увеличен до длины 72 для построения дерева глубиной 3. Ясно, что декомпозиция, представленная на рис. 7.2 (б) лучше подходит для целей кодирования, так как не увеличивается количество отсчетов. Такая декомпозиция возможна с сохранением свойства полного восстановления.
Сигнал
67
Расшир. сигнал
Уровень 1
Сигнал Уровень 2 8
Уровень 1 Уровень 3
Уровень 2
(а)
Уровень 3
(б)
Рис. 7.2. Трехуровневая декомпозиция сигнала длиной 67 отсчетов: (а) обычный способ; (б) эффективный способ