Чт, 27.07.2017, 18:00
Главная
Регистрация
Вход
აბაშის ხმა
Приветствую Вас Гость | RSS
Меню сайта
Категории раздела
Алгебра
Алгебра Дж. Буля
Алгоритмы
Анализ
Векторы
Вейвлеты
Геометрия
Графики
Дзета-функция Римана
Задача Лагранжа
Интегралы
Математика
Математическая интуиция
Математические игры
Методы Рунге Кутты
Нестандартный анализ
Теория Графов
Уравнения
Численные методы оптимизации
Геометрия в пространстве
Мини-чат
200
Статистика

Онлайн всего: 1
Гостей: 1
Пользователей: 0
Главная » Статьи » Математика » Вейвлеты

Вейвлет-преобразование
Вейвлет-преобразование

Вейвлет-преобразование - преобразование, похожее на преобразование Фурье (или гораздо больше на оконное преобразование Фурье) с совершенно иной оценочной функцией. Основное различие лежит в следующем: преобразование Фурье раскладывает сигнал на составляющие в виде синусов и косинусов, т.е. функций, локализованных в Фурье-пространстве; напротив, вейвлет-преобразование использует функции, локализованные как в реальном, так и в в Фурье-пространстве. В общем, вейвлет-преобразование может быть выражено следующим уравнением:


где * - символ комплексной сопряженности и функция ψ - некоторая функция. Функция может быть выбрана произвольно, но она должна удовлетворять определённым правилам.

Как видно, вейвлет-преобразование на самом деле является бесконечным множеством различных преобразований в зависимости от оценочной функции, использованной для его расчёта. Это является основной причиной, почему термин «вейвлет-преобразование» используется в весьма различных ситуациях и применениях. Также существует множество типов классификации вариантов вейвлет-преобразования. Здесь мы покажем только деление. основанное на ортогональности вейвлетов. Можно использовать ортогональные вейвлеты для разработки дискретного вейвлет-преобразования и неортогональные вейвлеты для непрерывного. Эти два вида преобразования обладают следующими свойствами:

    Дискретное вейвлет-преобразование возвращает вектор данных той же длины, что и входной. Обычно, даже в этом векторе многие данные почти равны нулю. Это соответствует факту, что он раскладывается на набор вейвлетов (функций), которые ортогональны к их параллельному переносу и масштабированию. Следовательно, мы раскладываем подобный сигнал на то же самое или меньшее число коэффициентов вейвлет-спектра, что и количество точек данных сигнала. Подобный вейвлет-спектр весьма хорош для обработки и сжатия сигналов, например, поскольку мы не получаем здесь избыточной информации.
    Непрерывное вейвлет-преобразование, напротив, возвращает массив на одно измерение больше входных данных. Для одномерных данных мы получаем изображение плоскости время-частота. Можно легко проследить изменение частот сигнала в течение длительности сигнала и сравнивать этот спектр со спектрами других сигналов. Поскольку здесь используется неортогональный набор вейвлетов, данные высоко коррелированы и обладают большой избыточностью. Это помогает видеть результат в более близком человеческому восприятию виде.
Категория: Вейвлеты | Добавил: nukria (27.04.2012)
Просмотров: 113 | Рейтинг: 0.0/0
Всего комментариев: 0
Добавлять комментарии могут только зарегистрированные пользователи.
[ Регистрация | Вход ]
Вход на сайт
Поиск
Друзья сайта
  • Официальный блог
  • Сообщество uCoz
  • FAQ по системе
  • Инструкции для uCoz

  • | Copyright MyCorp © 2017 | |