Навигация
3. СУТНІСТЬ ВЕЙВЛЕТ-АНАЛІЗУ
Вейвлет-перетвореня сигналів є узагальненням спектрального аналізу, типовий представник якого - класичне перетворення Фур'є. Застосовувані для цієї мети базиси названі вейвлетами. Термін “вейвлет” пішов від англійського wavelet, що на українську мову переводиться як “коротка хвиля''. У математичній літературі поняття “вейвлет” позначають іноді словом “сплеск”, що звужує саме поняття, тим більше, що вейвлети й призначені для аналізу сплесків - сигналів нестаціонарного характеру.
Введені порівняно недавно, в 80-х роках, вони в наступні роки одержали швидкий теоретичний розвиток і широке застосування в різних областях обробки сигналів і зображень. На відміну від традиційного перетворення Фур'є, вейвлет-перетворення забезпечує двовимірне подання досліджуваного сигналу в частотній області в площині частота-положення. Аналогом частоти при цьому є масштаб аргументу базисної функції (найчастіше часу), а положення характеризується її зрушенням. Це дозволяє розділити великі й дрібні деталі сигналів, одночасно локалізуючи їх на тимчасовій шкалі. Іншими словами вейвлет-аналіз можна охарактеризувати як локалізований спектральний аналіз або - спектральний аналіз локальних збурювань. Апаратурним аналогом одного з видів вейвлет-аналіза є багато канальна смугова фільтрація сигналу при постійному відношенні ширини смуги фільтра до центральної частоти.
Вейвлет-аналіз розроблений для рішення завдань, які виявилися занадто складними для традиційного аналізу Фур'є. Перетворення Фур'є представляє сигнал, заданий у тимчасовій області, у вигляді розкладання по ортогональних базисних функціях (синусам і косинусам) з виділенням частотних компонентів. Недолік перетворення Фур'є полягає в тому, що частотні компоненти не можуть бути локалізовані в часі, його застосовують тільки в аналізі стаціонарних сигналів, у той час як багато сигналів мають складні частотно-часові характеристики. Як правило, такі сигнали складаються із близьких за часом, коротких високочастотних компонентів і довгих, близьких по частоті низькочастотних компонентів. Для аналізу таких сигналів необхідний метод, здатний забезпечити одночасний дозвіл як по частоті, так і за часом. Перше необхідно для локалізації низькочастотних складових, друге - для виділення компонентів високої частоти. Існує два підходи до аналізу нестаціонарних сигналів такого типу. Перший заснований на локальному перетворенні Фур'є. Прямуючи цим шляхом, нестаціонарний сигнал зводиться до стаціонарного шляхом його попереднього розбиття на сегменти (фрейми), статистика яких не змінюється з часом. Другий підхід полягає у використанні вейвлет-перетворення.
Всім відомо, що будь-який сигнал можна розкласти в суму гармонік (синусоїд) різної частоти. Але синусоїдальні хвилі нескінченні, і не дуже добре відслідковують зміни сигналу в часі. Щоб вловити ці зміни, замість нескінченних хвиль можна взяти зовсім однакові, але розподілені за часом короткі "сплески". Однак, як виявилося, цього недостатньо, треба додати ще їхні стислі копії. От тепер сигнал можна розкласти на суму таких сплесків різного розміру й місця розташування. Коефіцієнти розкладу, які несуть інформацію про еволюції сигналу, залежать від вибору початкового сплеску. Для кожного прикладного завдання можна підібрати найбільш пристосований (саме для неї) сплеск, що і називається вейвлетом. Математична сторона вейвлет-аналіза – річ досить тонка, хоча й достатньо наочна[11].
4. АНАЛІЗ ВЕЙВЛЕТ-ПЕРТВОРЕННЯ. ПОРІВНЯННЯ З ФУР’Є-АНАЛІЗОМ
Протягом багатьох десятиліть і по теперішній час основним засобом аналізу реальних фізичних процесів був гармонійний аналіз. Математичною основою аналізу є перетворення Фур'є. Перетворення Фур'є розкладає довільний процес на елементарні гармонійні коливання з різними частотами, а всі необхідні властивості й формули виражаються за допомогою однієї базисної функції exp(jwt) або двох дійсних функцій sin(wt) і cos(wt). Гармонійні коливання мають широке розповсюдження в природі, і тому зміст перетворення Фур'є інтуїтивно зрозумілий незалежно від математичної аналітики.
Перетворення Фур'є володіє рядом чудових властивостей. Оператор зворотного перетворення Фур'є збігається з вираженням для комплексно - сполученого оператора. Областю визначення перетворення є простір L2 інтегрувальних із квадратом функцій, і багато реальних фізичних процесів, спостережувані в природі, можна вважати функціями часу, що належать цьому простору. Для застосування перетворення розроблені ефективні обчислювальні процедури типу швидкого перетворення Фур'є (ШПФ). Ці процедури входять до складу всіх пакетів прикладних математичних програм і реалізовані апаратно в різних процесорах обробки сигналів.
Вейвлетне перетворення має багато спільного з перетворенням Фур'є. У той же час є ряд досить істотних відмінностей. Як приклад розглянемо застосування вейвлет-аналіза до синусоїд f(t)=sin(2πt/T1)+α sin(2πt/T2) , що дозволяє легко порівняти з результатами звичайного перетворення Фур'є.
На рисунку 4.1 показаний сигнал у вигляді суми синусоїд, що відрізняються частотами: (y=sin(30*x)+sin(100*x)).
Рисунок 4.1 - Сума синусоїд , що відрізняються частотами
Вейвлет-перетворення такого сигналу виявляє періодичну структуру не гірше й не краще перетворення Фур'є. На рисунку 4.2 видні дві широких смуги, що відповідають двом різним частотам.
Рисунок 4.2 - Вейвлет перетворення суми синусоїд з різними частотами
Однак відмінність цих двох спектральних аналізів проявляється, коли сигнал являє собою дві послідовні синусоїди з різними частотами ( рисунок 4.3).
Рисунок 4.3 - Дві послідовні в часі синусоїди з різними частотами
Як видно з рисунку 4.3 вейвлет-перетворення в цьому випадку дозволяє простежити еволюцію частоти сигналу в часі, тоді як Фур'є-спектр (рисунок 4.5) в обох випадках дасть нам тільки два піки й ніяк не відіб'є сам момент зміни частоти сигналу[12].
Рисунок 4.4 - Вейвлет-перетворення двох послідовних у часі синусоїд з різними частотами
Рисунок 4.5 - Спектр Фур'є двох послідовних у часі синусоїд з різними частотами
Похожие работы
... функції, що використовується. Ця ширина називається носієм функції. Якщо вікно досить вузьке, то говорять про компактний носій. Як побачимо надалі, ця термінологія особливо широко використовується в теорії вейвлет-перетворень. Часова інформація при ПФ відсутня. При ВПФ вікно має кінцеву довжину, накриває тільки частину сигналу, тому частотне розрізнювання погіршується. Отже, чим вужче вікно, тим ...
... залежить від віконної функції, що використовується при ВПФ або материнського вейвлета при вейвлет-перетворенні. 3. Апроксимуюча і деталізуюча компоненти вейвлет-аналізу Одна з основних ідей вейвлет-подання сигналу полягає в розбивці наближення до сигналу на дві складові: грубу (апроксимуючу) і витончену (деталізуючу), з подальшим уточненням ітераційним методом. Кожен крок такого уточнення ві ...
... регулирования движения судов: Отчет о НИР (промежуточный) // ХАИ. – 501-4/2002; – Харьков, 2002. – 30 с. АНОТАЦІЯ Жеребятьєв Д.П. Методи обробки динамічних сцен при впливі нестаціонарних завад у радіотехнічних системах супроводження надводних протяжних об'єктів. – Рукопис. Дисертація на здобуття наукового ступеня кандидата технічних наук за фахом 05.12.17 – радіотехнічні та телевізійні ...
... масштабу. (г) Многомасштабне градієнтное зображення Інші автори дотримуються підходу, при якому остаточна картина границь складається на основі аналізу градієнтних зображень від точних масштабів до не точних. При цьому, основними завданнями при такому підході є зменшення впливу шуму, до якого чутливі оператори градієнта малого розміру, і комбінування границь, отриманих на точних масштабах, із ...
0 комментариев