Wavelet transzformáció

Hasonló dokumentumok
Ha sokáig mérünk: kiátlagoljuk a jelet Milyen lesz ez a súlyfüggvény? T idejű integrálás + delta függvény T ideig integrálva:

Idő-frekvencia transzformációk waveletek

Idő-frekvencia transzformációk waveletek

Idő-frekvencia transzformációk waveletek

Fehérzajhoz a konstans érték kell - megoldás a digitális szűrő Összegezési súlyok sin x/x szerint (ez akár analóg is lehet!!!)

Shift regiszter + XOR kapu: 2 n állapot

Ortogonalizáció. Wettl Ferenc Wettl Ferenc Ortogonalizáció / 41

4. Szűrés frekvenciatérben

Idı-frekvencia transzformációk waveletek

Fourier térbeli analízis, inverz probléma. Orvosi képdiagnosztika 5-7. ea ősz

Mintavétel: szorzás az idő tartományban

ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 6. A MINTAVÉTELI TÖRVÉNY

Következõ: Lineáris rendszerek jellemzõi és vizsgálatuk. Jelfeldolgozás. Lineáris rendszerek jellemzõi és vizsgálatuk

2013. január 9. A Heisenberg-féle határozatlansági relációt úgy szokás megfogalmazni, hogy egy

illetve, mivel előjelét a elnyeli, a szinuszból pedig kiemelhető: = " 3. = + " 2 = " 2 % &' + +

RENDSZERTECHNIKA 8. GYAKORLAT

Mer legesség. Wettl Ferenc Wettl Ferenc Mer legesség / 40

Digitális szűrők - (BMEVIMIM278) Házi Feladat

Fourier transzformáció

Mérés és adatgyűjtés

Számítógépes gyakorlat MATLAB, Control System Toolbox

π π A vivőhullám jelalakja (2. ábra) A vivőhullám periódusideje T amplitudója A az impulzus szélessége szögfokban 2p. 2p [ ]

GPGPU. Hangfeldolgozás és hangszintézis

ADAT- ÉS INFORMÁCIÓFELDOLGOZÁS

ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 5. A JELFELDOLGOZÁS ALAPJAI: JELEK

Abszolútértékes egyenlôtlenségek

Fourier transzformáció

Jelanalízis. Neuronális aktivitás

1. témakör. A hírközlés célja, általános modellje A jelek osztályozása Periodikus jelek leírása időtartományban

LNM folytonos Az interpoláció Lagrange interpoláció. Lineáris algebra numerikus módszerei

Hangtechnika. Médiatechnológus asszisztens

Adatok előfeldolgozása. Budapest, február 23.

Jelfeldolgozás - ANTAL Margit. impulzusválasz. tulajdonságai. Rendszerek. ANTAL Margit. Sapientia - Erdélyi Magyar Tudományegyetem

Ellenőrző kérdések a Jelanalízis és Jelfeldolgozás témakörökhöz

ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 9. SZŰRŐK

Numerikus integrálás április 20.

Dekonvolúció a mikroszkópiában. Barna László MTA Kísérleti Orvostudományi Kutatóintézet Nikon-KOKI képalkotó Központ

Akusztikus MEMS szenzor vizsgálata. Sós Bence JB2BP7

Akusztikus mérőműszerek

Segédlet a gyakorlati tananyaghoz GEVAU141B, GEVAU188B c. tantárgyakból

Anyagi tulajdonságok meghatározása spektrálisan

11. Orthogonal Frequency Division Multiplexing ( OFDM)

Csillapított rezgés. a fékező erő miatt a mozgás energiája (mechanikai energia) disszipálódik. kváziperiódikus mozgás

Négypólusok tárgyalása Laplace transzformációval

Vektorterek. =a gyakorlatokon megoldásra ajánlott

Shor kvantum-algoritmusa diszkrét logaritmusra

Jelkondicionálás. Elvezetés. a bioelektromos jelek kis amplitúdójúak. extracelluláris spike: néhányszor 10 uv. EEG hajas fejbőrről: max 50 uv

2. gyakorlat Mintavételezés, kvantálás

Lin.Alg.Zh.1 feladatok

PTE PMMFK Levelező-távoktatás, villamosmérnök szak

Numerikus integrálás április 18.

n n (n n ), lim ln(2 + 3e x ) x 3 + 2x 2e x e x + 1, sin x 1 cos x, lim e x2 1 + x 2 lim sin x 1 )

5. mérés: Diszkrét Fourier Transzformáció (DFT), Gyors Fourier Transzformáció (FFT), számítógépes jelanalízis

Digitális jelfeldolgozás

Villamosságtan szigorlati tételek

Robotika. Kinematika. Magyar Attila

SCHRÖDINGER-EGYENLET SCHRÖDINGER-EGYENLET

Fraktálok. Kontrakciók Affin leképezések. Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék. TARTALOMJEGYZÉK Kontrakciók Affin transzformációk

Idősorok zajszűrése gyors Fourier - transzformációval

Fourier-sorfejtés vizsgálata Négyszögjel sorfejtése, átviteli vizsgálata

y = y 0 exp (ax) Y (x) = exp (Ax)Y 0 A n x n 1 (n 1)! = A I + d exp (Ax) = A exp (Ax) exp (Ax)

Optika fejezet felosztása

Képfeldolgozó eljárások áttekintés. Orvosi képdiagnosztika

Hatványsorok, Fourier sorok

Adatelemzési eljárások az idegrendszer kutatásban Somogyvári Zoltán

Analóg-digitális átalakítás. Rencz Márta/ Ress S. Elektronikus Eszközök Tanszék

Mátrix-exponens, Laplace transzformáció

Beugró kérdések. Elektrodinamika 2. vizsgához. Számítsa ki a gradienst, divergenciát és a skalár Laplace operátort henger koordinátákban!

Searching in an Unsorted Database

X. ANALÓG JELEK ILLESZTÉSE DIGITÁLIS ESZKÖZÖKHÖZ

Számítógépes Grafika SZIE YMÉK

dinamikai tulajdonságai

A hang mint mechanikai hullám

Transzformátor rezgés mérés. A BME Villamos Energetika Tanszéken

Képfeldolgozó eljárások áttekintés. Orvosi képdiagnosztika 9. ea ősz

Értékelés Összesen: 100 pont 100% = 100 pont A VIZSGAFELADAT MEGOLDÁSÁRA JAVASOLT %-OS EREDMÉNY: EBBEN A VIZSGARÉSZBEN A VIZSGAFELADAT ARÁNYA 35%.

Bevezetés az algebrába 2 Differencia- és differenciálegyenlet-rendszerek

Digitális jelfeldolgozás

Irányítástechnika II. előadásvázlat

11. Egy Y alakú gumikötél egyik ága 20 cm, másik ága 50 cm. A két ág végeit azonos, f = 4 Hz

Néhány fontosabb folytonosidejű jel

A gyors Fourier-transzformáció (FFT)

Irányítástechnika 2. előadás

1. Jelgenerálás, megjelenítés, jelfeldolgozás alapfunkciói

Történeti Áttekintés

Lineáris algebra zárthelyi dolgozat javítókulcs, Informatika I márc.11. A csoport

3.18. DIGITÁLIS JELFELDOLGOZÁS

6. Folytonosság. pontbeli folytonosság, intervallumon való folytonosság, folytonos függvények

Orvosi Fizika és Statisztika

Jelek és rendszerek - 4.előadás

Optika és Relativitáselmélet II. BsC fizikus hallgatóknak

Hangszintézis Mérési segédlet Hangtechnikai Laboratórium 2. Budapesti Műszaki és Gazdaságtudományi Egyetem Híradástechnikai Tanszék

Jelek és rendszerek 1. 10/9/2011 Dr. Buchman Attila Informatikai Rendszerek és Hálózatok Tanszék

Mérési útmutató. Széchenyi István Egyetem Távközlési Tanszék. Rádiófrekvenciás sáverősítők. intermodulációs torzításának vizsgálata

LINEÁRIS ALGEBRA. matematika alapszak. Euklideszi terek. SZTE Bolyai Intézet, őszi félév. Euklideszi terek LINEÁRIS ALGEBRA 1 / 40

Bevezetés a modern fizika fejezeteibe. 1. (b) Rugalmas hullámok. Utolsó módosítás: szeptember 28. Dr. Márkus Ferenc BME Fizika Tanszék

Megoldott feladatok november 30. n+3 szigorúan monoton csökken, 5. n+3. lim a n = lim. n+3 = 2n+3 n+4 2n+1

Gépészeti rendszertechnika (NGB_KV002_1)

OpenGL és a mátrixok

Felügyelt önálló tanulás - Analízis III.

Átírás:

1 Wavelet transzformáció Más felbontás: Walsh, Haar, wavelet alapok! Eddig: amplitúdó vagy frekvencia leírás: Pl. egy rövid, Dirac-delta jellegű impulzus Fourier-transzformált: nagyon sok, kb. ugyanolyan amplitúdójú sin és cos hullám: a fázisok pontosan olyanok, hogy az impulzus előtt és után a hullámok kioltják egymást, de a megfelelő időpontban az impulzus megjelenik!

2 Másik példa: konstans frekvenciájú jel időben végtelen sin vagy cos hullám Csíkok a frekvencia-idő síkon f t méretű cellák. Itt a a szokásos idő- és frekvenciatartománybeli ábrázolás speciális felbontás, ahol az adott cella egyik irányban végtelen kiterjedésű Ido t f F r e k v e n c i a (t,f) Fazister Jel

3 Keskeny ablakok Szeles ablakok

4 Wavelet bazis Végtelen lehetséges felbontás a t és f csíkokon kívül! Waveletek: frekvenciájuk viszonylag jól meghatározott ÉS időbeli (térbeli) helyzetük is korlátozott Határozatlansági reláció!

Jelek kifejtése ortogonális bázisfüggvények szerint. Dirac-delta amplitúdó idő leírás. sin és cos függvények Fourier leírás 5

Wavelet transzformáció: 6

7 - rekurzív szűrés - páros-páratlan tagokra decimálás (FFT CT algoritmus!) Diszkrét wavelet transzformáció (DWT) : gyors FFT-vel összemérhető sebesség FFT / a DWT forgatás az amplitúdó idő tér és a frekvencia idő tér között: mátrixművelet!

8 Daubechies wavelet DAUB4 wavelet D 4 = 2 6 4 c 0 c 1 c 2 c 3 c 3 c 2 c 1 c 0 c 0 c 1 c 2 c 3 c 3 c 2 c 1 c 0..... c 0 c 1 c 2 c 3 c 3 c 2 c 1 c 0 c 2 c 3 c 0 c 1 c 1 c 0 c 3 c 2 3 7 5 x (bemenő) adatokból y = D 4 x kimenő transzformált. Hasonló a DFT-hez: 0 1 V 0 V 1 B V 2 C @. A = V N 1 0 B @ 1 1 1... 1 1 ω ω 2... ω (N 1) 1 ω 2 ω 4... ω 2(N 1). 1 ω (N 1) ω 2(N 1)... ω (N 1)2 1 0 C B A @ v 0 v 1 v 2. v N 1 1 C A

9 D 4 két FIR szűrő: - páratlan sorok: c 0,..., c 3 simítást/integrálás - páros sorok: c 3, c 2, c 1, c 0 deriválás (kvadratúra tükör szűrők) Legyen a páros sorok kimenete 0 konstans és lineáris jelekre + Legyen a mátrix inverze annak transzponáltja: c 0 = (1 + 3)/4 2 c 1 = (3 + 3)/4 2 c 2 = (3 3)/4 2 c 3 = (1 3)/4 2 DAUB család többi tagja elfolytatható: c 0 = (1 + q 10 + 5 + 2 10)/16 2 c 1 = (5 + p 10 + 3 5 + 2 c 2 = (10 2 q 10 + 2 5 + 2 10)/16 2 c 3 = (10 2 p 10 2 5 + c 4 = (5 + q 10 3 5 + 2 10)/16 2 c 5 = (1 + 10 p5 + 2

10 Diszkrét Wavelet Transzformáció Diszkrét Wavelet Transzformáció (DWT): wavelet mátrix hierarchikus alkalmazása: 1. lépés: teljes N = 2 n adatsorra: 2. lépés: előző lépés simított adatain s.í.t.

11 2 3 y 1 y 2 y 3 y 4 y 5 y 6 y 7 y 8 y 9 y 10 y 11 y 12 y 13 6 y 14 7 4 y 15 5 y 16 mátrix 2 3 s 1 d 1 s 2 d 2 s 3 d 3 s 4 d 4 s 5 d 5 s 6 d 6 s 7 6 d 7 7 4 s 8 5 d 8 sorbarakás 2 3 s 1 s 2 s 3 s 4 s 5 s 6 s 7 s 8 d 1 d 2 d 3 d 4 d 5 6 d 6 7 4 d 7 5 d 8 mátrix 2 3 S 1 D 1 S 2 D 2 S 3 D 3 S 4 D 4 d 1 d 2 d 3 d 4 d 5 6 d 6 7 4 d 7 5 d 8 sorbarakás 2 3 S 1 S 2 S 3 S 4 D 1 D 2 D 3 D 4 d 1 d 2 d 3 d 4 d 5 d 6 6 7 4 d 7 5 d 8 s Végül: két S + a D + D, d wavelet együtthatók DWT: ortogonális transzformációk sorozata DWT inverze az eljárás megfordításából áll Ez hasonĺıt az FFT CT-re:

12 DWT mátrixszorzások lepkeművelet simított adatok kiválogatása FFT rendezés /bit-reverzálás Más, mint az FFT CT: FFT: minden lépésben 2 n pont DWT: adatok száma lépésenként feleződik DWT fázistér: hierarchikusan felépítés minden lépésben duplázva a frekvencia és felezve a pontok száma (lehet más is). Alacsony frekvenciák értéke pontos DE mikor? Magas frekvenciák értéke (mekkora?) DE tudjuk, hogy mikor!

13 Wavelet bazis Alak: inverz DWT

14 0.8 0.6 0.4 i=1 i=10 i=50 i=150 0.2 0-0.2-0.4-0.6 0 100 200 300 400 500 i = 150: (128, 255) intervallum, x = (150 128)/(256 128) 512 = 88 i = 50: (32, 63) intervallum, x = (50 32)/(64 32) 512 = 288 N dimenziós DWT.

15 Wavelet közeĺıtések exponenciális lefutású impulzusok: fázistérben csak a 512/32 legnagyobb Veszteséges tömörítés: amplitúdó és a hely is tárolandó! A wavelet az összes ortonormált bázis közül a (Shannon entrópia szerint ) legrövidebb leírása az adatoknak és a bázisfüggvényeknek!

16 Rossz zajtömörítés: javul a jel/zaj viszony! Képek: élek megőrzése fontos: wavelet tömörítés, válogatott komponensek, kevesebb paraméter.

A visszaálĺıtott és az eredeti különbsége : 17

18

19