Idı-frekvencia transzformációk waveletek

Hasonló dokumentumok
Idő-frekvencia transzformációk waveletek

Idő-frekvencia transzformációk waveletek

Idő-frekvencia transzformációk waveletek

Wavelet transzformáció

Korszerű idő-frekvencia analízis programcsomag tranziens folyamatok vizsgálatára

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

Explicit hibabecslés Maxwell-egyenletek numerikus megoldásához

Lagrange és Hamilton mechanika

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

DINAMIKAI VIZSGÁLAT OPERÁTOROS TARTOMÁNYBAN Dr. Aradi Petra, Dr. Niedermayer Péter: Rendszertechnika segédlet 1

TDK Dolgozat. Gyors részecskék által keltett plazmainstabilitások vizsgálata az ASDEX Upgrade tokamakon

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

ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 6. A MINTAVÉTELI TÖRVÉNY

1. Komplex függvények dierenciálhatósága, Cauchy-Riemann egyenletek. Hatványsorok, elemi függvények

RENDSZERTECHNIKA 8. GYAKORLAT

Fúziós kutatások a BME Nukleáris Technikai Intézetében

Kvantummechanika gyakorlat Beadandó feladatsor Határid : 4. heti gyakorlatok eleje

Néhány fontosabb folytonosidejű jel

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

Mérés és adatgyűjtés

ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 0. TANTÁRGY ISMERTETŐ

Fourier-sorfejtés vizsgálata Négyszögjel sorfejtése, átviteli vizsgálata

TDK Dolgozat. Plazmahullámok összetett diagnosztikai elemzését támogató modul fejlesztése. Nyáry Anna

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

Bevezetés. Korreláció a Mirnov-szondajelek sávteljesítményei között. plazma szélénél. Az elektron-ciklotron emissziós spektroszkópiai

Fúziós plazmafizika ma Magyarországon

Robotika. Kinematika. Magyar Attila

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

Gazdasági matematika II. vizsgadolgozat, megoldással,

Digitális jelfeldolgozás

TDK dolgozat. Tranziens plazmahullámok módusszám analízise az ASDEX Upgrade tokamakon. Fizkus MSc I. évf. Természettudományi Kar

Sajátértékek és sajátvektorok. mf1n1a06- mf1n2a06 Csabai István

ANTAL Margit. Sapientia - Erdélyi Magyar Tudományegyetem. Jelfeldolgozás. ANTAL Margit. Adminisztratív. Bevezetés. Matematikai alapismeretek.

Toroidális plazmákban terjedő hullámok. Borsi Márton. Fizikus BSc II. évfolyam Természettudományi kar

Megoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ

Tartószerkezet-rekonstrukciós Szakmérnöki Képzés

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

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

Hangfrekvenciás mechanikai rezgések vizsgálata

Fourier transzformáció

Deutérium pelletekkel keltett zavarok mágnesesen összetartott plazmában

Méréstechnika. Rezgésmérés. Készítette: Ángyán Béla. Iszak Gábor. Seidl Áron. Veszprém. [Ide írhatja a szöveget] oldal 1

Jelanalízis. Neuronális aktivitás

Gazdasági matematika II. vizsgadolgozat megoldása, június 10

Nemlineáris szállítószalag fúziós plazmákban

T obbv altoz os f uggv enyek integr alja. 3. r esz aprilis 19.

egyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk

Valószínűségszámítás összefoglaló

Pelletek által keltett mágneses perturbációk vizsgálata fúziós plazmakísérletekben

Abszolút folytonos valószín ségi változó (4. el adás)

Képfeldolgozás. 1. el adás. A képfeldolgozás m veletei. Mechatronikai mérnök szak BME, 2008

Panorámakép készítése

Számítógépes geometria (mester kurzus)

4. Szűrés frekvenciatérben

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Villamosságtan szigorlati tételek

GPK M1 (BME) Interpoláció / 16

e (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:

Geofizikai kutatómódszerek I.

Jelek és rendszerek - 4.előadás

25/1. Stacionárius és tranziens megoldás. Kezdeti és végérték tétel.

Végeselem modellezés alapjai 1. óra

Adaptív dinamikus szegmentálás idősorok indexeléséhez

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

Tudományos előadások. Daly, J., Fridli, S., Multipliers in Hardy spaces, Fejér-Riesz Conference, Eger, 2005

TANTÁRGYI PROGRAM Matematikai alapok II. útmutató

Utolsó el adás. Wettl Ferenc BME Algebra Tanszék, Wettl Ferenc (BME) Utolsó el adás / 20

MISKOLCI EGYETEM GÉPÉSZMÉRNÖKI ÉS INFORMATIKAI KAR

TANTÁRGYI PROGRAM Matematikai alapok 2. útmutató

Felügyelt önálló tanulás - Analízis III.

Boros Zoltán február

Hangfrekvenciás mechanikai rezgések vizsgálata

Numerikus módszerek beugró kérdések

Optika és Relativitáselmélet II. BsC fizikus hallgatóknak

Példa: Tartó lehajlásfüggvényének meghatározása végeselemes módszer segítségével

Fúziós plazmafizika ma Magyarországon

2. gyakorlat Mintavételezés, kvantálás

[Biomatematika 2] Orvosi biometria

Idősorok elemzése. Salánki Ágnes

Diszkrét idej rendszerek analízise szinuszos/periodikus állandósult állapotban

Elméleti összefoglaló a Valószín ségszámítás kurzushoz

Inverz Laplace-transzformáció. Vajda István március 4.

Ortogonalizáció. Wettl Ferenc Wettl Ferenc Ortogonalizáció / 41

n 2 2n), (ii) lim Értelmezési tartomány, tengelymetszetek, paritás. (ii) Határérték. (iii) Első derivált, monotonitás, (ii) 3 t 2 2t dt,

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

GROVER-algoritmus. Sinkovicz Péter. ELTE, MSc II dec.15.

Az Informatika Elméleti Alapjai

Tartalom. Főszerkesztő: Radnóti Katalin

Nemparaméteres próbák

Optika gyakorlat 6. Interferencia. I = u 2 = u 1 + u I 2 cos( Φ)

Mechanika. Kinematika

Analízis III. gyakorlat október

Adatelemzési eljárások az idegrendszer kutatásban Somogyvári Zoltán

Digitális jelfeldolgozás

FODOR GYÖRGY JELEK ÉS RENDSZEREK

rnök k informatikusoknak 1. FBNxE-1 Klasszikus mechanika

A Wigner FK részvétele a VIRGO projektben

Pelletek térfogatának meghatározása Bayes-i analízissel

Matematikai statisztika c. tárgy oktatásának célja és tematikája

Átírás:

Idı-frekvencia transzformációk waveletek Pokol Gergı BME NTI Mőszaki diagnosztika 010. április 13.

Vázlat Alapfogalmak az idı-frekvencia síkon Rövid idejő Fourier-transzformáció spektrogram Folytonos wavelet transzformáció skálagram Spektrogram, skálagram alkalmazások Folytonos vagy diszkrét? Ortogonális wavelet transzformáció alapú eljárások Példa: Wavelet koherencia skálainvariáns simítással + módusszámok mágneses szonda jeleken

Alapfogalmak: Idı-frekvencia sík Idı-frekvencia atom Energiasőrőség az idı-frekvencia síkon - peremeloszlások Idı-frekvencia atom: Olyan függvény, aminek energiája idıben és frekvenciában is lokalizált u = ξ = σ σ 1 + t ω = = f π f f 1 1 1 π f t + f ( t) + ( t u) ) ω f ( ω) + dt ( ω ξ ) dω f ( t) dt ) f ( ω) dω 3

Határozatlansági reláció Alsó korlát az idı-frekvencia atom kiterjedésére σ t σ ω Egyenlıség Gábor-atomra: 1 f ( t) = ae iξt e b( t u) 4

Heisenberg-doboz Idı-frekvencia atom kiterjedése az idı-frekvencia síkon 5

Rövid idejő Fourier-transzformáció 1. STFT: short-time Fourier-transform folytonos ablakozott Fourier-transzformáció Az idı-frekvencia atom: i t g = ξ u, e g( t ξ u) g = 1 6

Rövid idejő Fourier-transzformáció. A transzformáció: iξ t Sf ( u, ξ ) =< f, g >= f ( t) g( u t) e dt Invertálható, a jel teljes energiája megmarad. Energiasőrőség-eloszlás az idı-frekvencia síkon (spektrogram): Egyenletes lefedés: u, ξ P S f ( u, ξ ) = Sf ( u, ξ ) + 7

Frekvencia (khz) 8 Példa spektrogram alkalmazására 6 4 0 10 0 Idı (s) 40 50 8

Folytonos wavelet transzformáció 1. CWT: continuous wavelet transform Komplex, analitikus Az idı-frekvencia atom: Ψ = 1 t u Ψ s s u, s Ψ = 1 9

Folytonos wavelet transzformáció. A transzformáció: Wf + 1 t u ( u, s) =< f, Ψu, s >= f ( t) Ψ dt s s Invertálható, a jel teljes energiája megmarad. Energiasőrőség-eloszlás az idı-frekvencia síkon (skálagram): Lefedés változó alakú atomokkal: P W f ( u, s) = Wf ( u, s) 10

Példa skálagram alkalmazására Frekvencia (Hz) 7400 5300 4100 1800 830 180 7,7 7,8 7,9 Idı (s) 8,0 8,1 8, 11

Példa skálagram alkalmazására Frekvencia (Hz) 180 830 1800 4100 5300 7400 7,7 7,8 7,9 Idı (s) 8,0 8,1 8, 1

Példa skálagram alkalmazására Frekvencia (Hz) 1 15-35 50 140 830-160 1300-550 7500 0,0 0,5 1,0 Idı (s),0,5 3,0 8, 13

A két módszer összehasonlítása 14

Idı-frekvencia atomok kiválasztása Komplex, analitikus atomok (STFT esetén automatikusan) Az atom típusa függ a jeltıl, de általában a Gábor-atom jó Az atom paramétereit a fizikai modell határozza meg: STFT esetén az ablakhosszt CWT esetén a hullámok számát A jó paraméterezést a fizikai kép határozza meg (lásd: lebegés) 15

Lebegés f1=300 Hz f=303 Hz 303 Hz 300 Hz ω ω ω + 1 A cos 1 ( 1t) + Acos( ω t) = Acos t cos t ω R=600 ω 303 Hz 300 Hz 301,5 Hz R=300 R=00 R=60 16

Lebegés példa Frekvencia (khz) 10 1 4 6 8 Idı (s) 10 1 14 17

Vibrafon 18

Vibrafon 19

Folytonos vagy diszkrét A folytonos transzformáció: Alapvetı tulajdonságok idı-eltolás invariáns frekvencia-eltolás invariáns (vagy skálainvariáns) redundáns ábrázolás a transzformált értékek összefüggnek A diszkrét transzformáció (ortogonális bázissal): nem idı-eltolás invariáns nem frekvencia-eltolás invariáns nem redundáns ábrázolás a transzformált értékek függetlenek 0

Folytonos vagy diszkrét Melyiket használjuk? A folytonos transzformáció: tranziens jeleknél fontos az invariancia vizualizálásnál hasznos a sima (összefüggı) kép az atomok szabadon választhatók A diszkrét transzformáció (ortogonális bázissal): sztochasztikus stacioner jeleknél nem fontos az invariancia, további statisztikus feldolgozás esetén hasznos a függetlenség ha a további használat elıtt inverz transzformáljuk (szőrés, tömötítés) speciális ortogonális bázisok (atomok) kellenek (keret elmélet) Kevert tulajdonságú transzformációk pl. csúszóablakos FFT 1

Ortogonális wavelet transzformáció FWT (fast wavelet transform), gyors wavelet transzformáció Diszkrét transzformáció ortogonális waveletekre Speciális wavelet-ek: keret elmélet (frame theory) Morlet-wavelet nem jó. Diadikus skálázás, mintavétel:

Ortogonális wavelet Példa Egy lépésben ortogonális waveletekte és skálafüggvényekre bontunk (Példa: Haar-wavelet, 1909) 3

MRA (Multiresolution analysis), sokskálás analízis 4

FWT alapú zajszőrés FWT szőrés Inverz FWT Fontos a diszkrét ortogonális transzformáció függetlenül megváltoztatható komponensek Kemény küszöb: adott érték alatt elhagyjuk Puha küszöb: adott értékkel csökkentjük az összest Küszöb számolható különbözı zajtípusokra A wavelet kiválasztása kritikus Hasonló elven mőködnek a tömörítı eljárások MATLAB: SWT De-noising 1-D, wave 5

Egyéb, avagy Mit szokás még wavelet módszerként emlegetni? Mindent, ahol egy skálainvariáns bázis szerepet játszik: Többdimenziós waveletek, képfelgolgozás: pl. JPEG000 formátum Speciális waveletek korlátos jelekre Biortogonális waveletek Bármiféle wavelet transzformáción alapuló adatfeldolgozási eljárást Bázis szerinti kifejtésen alapuló analitikus közelítı megoldásokat Skálainvariáns bázisfüggvényeket használó numerikus módszereket Skálainvarianciát kihasználó tömörítési eljárásokat Mintázatfelismerı eljárásokat... 6

Irodalom Stéphane Mallat: A wavelet tour of signal processing (Academic Press) Alfred Mertins: Signal analysis (John Willey & Sons Ltd.)... 7

Példa wavelet transzformáción alapuló adatfeldolgozási eljárásra Wavelet koherencia skálainvariáns simítással + módusszámok az ASDEX- Upgrade tokamak mágneses szonda jelein 8

Folytonos wavelet koherencia skálainvariáns simítással Hagyományos simítás: állandó magfüggvény hossz + változó idı felbontás változó számú átlagolt független mérés: CS f, g t+ T 1 ( t, ξ ) = CS f, g ( u, ) du = CS f, g ( u) AT ( t) ξ T t T 1, ha - T < t A = < T ( t) 0 különben T Skálázott simítás állandó számú átlagolt független mérés: CS f, g ( t, ξ ) = CS f, g ( u) Bs ( t) B s ( t) = 1, ha -sπn avr. < t < sπn 0 különben avr. 9

Az ASDEX-Upgrade tokamak mágneses szonda győrője Sajátmódusokat keresünk: periodikus peremfeltételt kielégítı plazmahullámok módusszámok (periódusok száma) 30

Minden szonda jelére skálagram, minden szondapárra keresztskálagram skálázott simítással 31

A koherencia fölülrıl konvergál a minimum koherencia jó indikátora a globális módusoknak 3

Θ x y ( u, ξ ) = arg f, ( CS ( u, ) ), g ξ Kereszt-fázisok a relatív szondapozíció ϕ x, y függvényében legjobban illeszkedı egyenes keresése: ξ ξ ξ Q m ( Θ ( u, m ) ( u, ) = w ( u, ) ϕ x, y x, y x, y ) x, y 33