Эта статья требует дополнительных ссылок для проверки . ( август 2009 г. ) ( Узнайте, как и когда удалить этот шаблон сообщения ) |
В вейвлетах Добеши , основанный на работе Добешите , представляет собой семейство ортогональных вейвлет , определяющих дискретное вейвлет - преобразование и характеризуется максимальным числом исчезающих моментов для некоторой заданной поддержки . С каждым типом вейвлета этого класса существует функция масштабирования (называемая отцовским вейвлетом ), которая генерирует ортогональный анализ с множественным разрешением .
Свойства [ править ]
В целом будут выбраны вейвлеты Добешите иметь наибольшее число А исчезающие моменты, (это не означает лучшую гладкость) для данной ширины опоры (число коэффициентов) 2 A . [1] Используются две схемы именования: D N с использованием длины или количества ответвлений и db A со ссылкой на количество исчезающих моментов. Итак, D4 и db2 - это одно и то же вейвлет-преобразование.
Среди 2 A −1 возможных решений алгебраических уравнений для момента и условий ортогональности выбирается то, масштабный фильтр которого имеет экстремальную фазу. Вейвлет-преобразование также легко реализовать на практике с помощью быстрого вейвлет-преобразования . Вейвлеты Добеши широко используются для решения широкого круга задач, например, свойств самоподобия сигнала или фрактальных задач, неоднородностей сигнала и т. Д.
Вейвлеты Добеши не определены в терминах результирующих функций масштабирования и вейвлетов; на самом деле их невозможно записать в закрытом виде . Графики ниже созданы с использованием каскадного алгоритма , числового метода, состоящего из обратного преобразования [1 0 0 0 0 ...] подходящее количество раз.
Масштабирование и вейвлет-функции | |||
Амплитуды частотных спектров указанных функций |
Обратите внимание, что представленные здесь спектры не являются частотными характеристиками фильтров высоких и низких частот, а скорее амплитудами непрерывных преобразований Фурье функций масштабирования (синий) и вейвлета (красный).
Ортогональные вейвлеты Добеши D2 – D20 соотв. Обычно используются db1 – db10. Номер индекса относится к количеству N коэффициентов. Каждый вейвлет имеет количество нулевых моментов или исчезающих моментов, равное половине числа коэффициентов. Например, D2 имеет один исчезающий момент, D4 - два и т. Д. Исчезающий момент ограничивает способность вейвлетов представлять полиномиальное поведение или информацию в сигнале. Например, D2 с одним нулевым моментом легко кодирует полиномы одного коэффициента или постоянные компоненты сигнала. D4 кодирует полиномы с двумя коэффициентами, то есть с постоянной и линейной составляющими сигнала; а D6 кодирует 3-полиномы, т.е. постоянные, линейные и квадратичныекомпоненты сигнала. Эта способность кодировать сигналы, тем не менее, зависит от явления утечки масштаба и отсутствия инвариантности сдвига, которые возникают из-за операции дискретного сдвига (ниже) во время применения преобразования. Подпоследовательности, которые представляют линейные, квадратичные (например) компоненты сигнала, обрабатываются преобразованием по-разному в зависимости от того, совпадают ли точки с точками с четными или нечетными номерами в последовательности. Отсутствие важного свойства инвариантности к сдвигу привело к разработке нескольких различных версий инвариантного относительно сдвига (дискретного) вейвлет-преобразования .
Строительство [ править ]
Этот раздел может сбивать с толку или непонятно читателям . В частности, есть неопределенные математические символы (например, a, p, P). ( Сентябрь 2019 г. ) ( Узнайте, как и когда удалить этот шаблон сообщения ) |
Как масштабирующая последовательность (фильтр нижних частот), так и последовательность вейвлетов (полосовой фильтр) ( подробности этой конструкции см. В ортогональном вейвлете ) здесь будут нормализованы так, чтобы сумма была равна 2, а сумма квадратов - 2. В некоторых приложениях они нормализованы, чтобы иметь сумму , так что обе последовательности и все их сдвиги на четное число коэффициентов ортонормированы друг другу.
Используя общее представление масштабирующей последовательности ортогонального дискретного вейвлет-преобразования с порядком аппроксимации A ,
с N = 2 A , p, имеющим действительные коэффициенты, p (1) = 1 и deg ( p ) = A - 1, условие ортогональности можно записать как
или равно как
с полиномом Лорана
порождающие все симметричные последовательности и, кроме того, P ( X ) обозначает симметричный полином Лорана
С
P принимает неотрицательные значения на отрезке [0,2].
Уравнение (*) имеет одно минимальное решение для каждого A , которое может быть получено делением в кольце усеченных степенных рядов по X ,
Очевидно, это имеет положительные значения на (0,2).
Однородное уравнение для (*) антисимметрично относительно X = 1 и, таким образом, имеет общее решение
где R - некоторый многочлен с действительными коэффициентами. Эта сумма
должна быть неотрицательна на отрезке [0,2] преобразуется в набор линейных ограничений на коэффициенты R . Значения P на интервале [0,2] ограничены некоторой величиной, максимизирующей r, в результате получается линейная программа с бесконечным числом условий неравенства.
Решать
для p используется метод, называемый спектральной факторизацией, соответственно. Алгоритм Фейера-Рисса. Многочлен P ( X ) распадается на линейные множители
Каждый линейный множитель представляет собой полином Лорана
это можно разложить на два линейных фактора. Можно сопоставить любой из двух линейных факторов с p ( Z ), таким образом, можно получить 2 N возможных решений. Для экстремальной фазы выбирается тот, который имеет все комплексные корни p ( Z ) внутри или на единичной окружности и, следовательно, является действительным.
Для вейвлет-преобразования Добеши используется пара линейных фильтров. Каждый фильтр пары должен быть квадратурным зеркальным фильтром . Решение коэффициента линейного фильтра с использованием свойства квадратурного зеркального фильтра приводит к следующему решению для значений коэффициентов для фильтра порядка 4.
Последовательности масштабирования самого низкого порядка приближения [ править ]
Ниже приведены коэффициенты масштабных функций для D2-20. Вейвлет-коэффициенты выводятся путем изменения порядка коэффициентов масштабной функции, а затем изменения знака каждого второго (то есть вейвлета D4 {-0,1830127, -0,3169873, 1,1830127, -0,6830127}). Математически это выглядит , где к является показателем коэффициента, б представляет собой коэффициент последовательности вейвлетов и коэффициент масштабирования последовательности. N - индекс вейвлета, т. Е. 2 для D2.
D2 ( Хаар ) | D4 | D6 | D8 | D10 | D12 | D14 | D16 | D18 | D20 |
---|---|---|---|---|---|---|---|---|---|
1 | 0,6830127 | 0,47046721 | 0,32580343 | 0,22641898 | 0,15774243 | 0.11009943 | 0,07695562 | 0,05385035 | 0,03771716 |
1 | 1,1830127 | 1,14111692 | 1.01094572 | 0,85394354 | 0,69950381 | 0,56079128 | 0,44246725 | 0,34483430 | 0,26612218 |
0,3169873 | 0,650365 | 0,89220014 | 1.02432694 | 1.06226376 | 1.03114849 | 0,95548615 | 0,85534906 | 0,74557507 | |
-0,1830127 | -0,19093442 | -0,03957503 | 0,19576696 | 0,44583132 | 0,66437248 | 0,82781653 | 0,92954571 | 0,97362811 | |
-0,12083221 | -0,26450717 | -0,34265671 | -0,31998660 | −0.20351382 | -0,02238574 | 0,18836955 | 0,39763774 | ||
0,0498175 | 0,0436163 | -0,04560113 | -0,18351806 | -0,31683501 | -0,40165863 | -0,41475176 | -0,35333620 | ||
0,0465036 | 0,10970265 | 0,13788809 | 0,1008467 | 6,68194092 × 10 −4 | -0,13695355 | -0,27710988 | |||
-0,01498699 | -0,00882680 | 0,03892321 | 0,11400345 | 0,18207636 | 0,21006834 | 0,18012745 | |||
-0,01779187 | -0,04466375 | -0,05378245 | -0,02456390 | 0,043452675 | 0,13160299 | ||||
4,71742793 × 10 −3 | 7,8325 1152 × 10 −4 | −0,02343994 | −0,06235021 | -0,09564726 | -0,10096657 | ||||
6,75606236 × 10 −3 | 0,01774979 | 0,01977216 | 3,5 489 28 13 × 10 −4 | -0,04165925 | |||||
−1,52353381 × 10 −3 | 6,07514995 × 10 −4 | 0,01236884 | 0,03162417 | 0,04696981 | |||||
−2,54790472 × 10 −3 | −6,88771926 × 10 −3 | −6,6796 2023 × 10 −3 | 5,10043697 × 10 −3 | ||||||
5,00226853 × 10 −4 | −5,54004549 × 10 −4 | −6,05496058 × 10 −3 | -0,01517900 | ||||||
9,55229711 × 10 −4 | 2,61296728 × 10 −3 | 1.97332536 × 10 −3 | |||||||
−1,66137261 × 10 −4 | 3,25814671 × 10 −4 | 2,81768659 × 10 −3 | |||||||
−3,56329759 × 10 −4 | −9,69947840 × 10 −4 | ||||||||
5,5645514 × 10 −5 | −1,64709006 × 10 −4 | ||||||||
1,32354367 × 10 −4 | |||||||||
−1,875841 × 10 −5 |
Части конструкции также используются для получения биортогональных вейвлетов Коэна – Добеши – Фово (CDF).
Реализация [ править ]
Хотя программное обеспечение, такое как Mathematica, поддерживает вейвлеты Добеши напрямую [2], базовая реализация возможна в MATLAB (в данном случае, Добеши 4). Эта реализация использует периодизацию для решения проблемы сигналов конечной длины. Доступны и другие, более сложные методы, но часто в них нет необходимости, поскольку они влияют только на самые концы преобразованного сигнала. Периодизация выполняется в прямом преобразовании непосредственно в векторной нотации MATLAB, а обратное преобразование - с помощью функции circshift () :
Преобразование, D4 [ править ]
Предполагается, что S , вектор-столбец с четным числом элементов, был предварительно определен как сигнал для анализа. Обратите внимание, что коэффициенты D4 равны [1 + √ 3 , 3 + √ 3 , 3 - √ 3 , 1 - √ 3 ] / 4.
N = длина ( S ); s1 = S ( 1 : 2 : N - 1 ) + sqrt ( 3 ) * S ( 2 : 2 : N ); d1 = S ( 2 : 2 : N ) - sqrt ( 3 ) / 4 * s1 - ( sqrt ( 3 ) - 2 ) / 4 * [ s1 ( N / 2 ); s1 ( 1 : N / 2 - 1 )]; s2 = s1 - [ d1 ( 2 : N / 2 ); d1 ( 1 )]; s = ( sqrt ( 3 ) - 1 ) / sqrt ( 2 ) * s2 ; d = - (sqrt ( 3 ) + 1 ) / sqrt ( 2 ) * d1 ;
Обратное преобразование, D4 [ править ]
d1 = d * (( sqrt ( 3 ) - 1 ) / sqrt ( 2 )); s2 = s * (( sqrt ( 3 ) + 1 ) / sqrt ( 2 )); s1 = s2 + circshift ( d1 , - 1 ); S ( 2 : 2 : N ) = d1 + sqrt (3 ) / 4 * s1 + ( sqrt ( 3 ) - 2 ) / 4 * circshift ( s1 , 1 ); S ( 1 : 2 : N - 1 ) = s1 - sqrt ( 3 ) * S ( 2 : 2 : N );
См. Также [ править ]
- Биномиальный QMF (фильтры вейвлетов Добеши)
- Быстрое вейвлет-преобразование
Ссылки [ править ]
- ^ I. Добеши, Десять лекций по вейвлетам, SIAM, 1992, стр. 194.
- ^ Вейвлет Добеши в системе Mathematica. Обратите внимание , что там п есть п / 2 из текста.
- Дженсен; ла Кур-Харбо (2001). Рябь в математике . Берлин: Springer. С. 157–160. ISBN 3-540-41662-5.
- Цзяньхун (Джеки) Шен и Гилберт Стрэнг , Прикладной и вычислительный гармонический анализ , 5 (3), Асимптотика фильтров Добеши, масштабных функций и всплесков .
Внешние ссылки [ править ]
Викискладе есть медиафайлы по теме вейвлетов Добеши . |
- Ингрид Добешис: десять лекций по вейвлетам , SIAM 1992
- А. Н. Акансу, Эффективная структура QMF-вейвлетов (Binomial-QMF-вейвлеты Добеши), Proc. 1-й симпозиум NJIT по вейвлетам, апрель 1990 г.
- Proc. 1-й симпозиум NJIT по вейвлетам, поддиапазонам и преобразованиям, апрель 1990 г.
- А. Н. Акансу, Р. А. Хаддад и Х. Чаглар, Биномиальное QMF-вейвлет-преобразование с идеальной реконструкцией , Proc. SPIE Визуальные коммуникации и обработка изображений, стр. 609–618, Лозанна, сентябрь 1990 г.
- Карлос Кабрелли, Урсула Молтер : обобщенное самоподобие », Журнал математического анализа и приложений, 230: 251–260, 1999.
- Аппаратная реализация вейвлетов
- "Вейвлеты Добеши" , Энциклопедия математики , EMS Press , 2001 [1994]
- И. Каплан, Вейвлет-преобразование Добеши D4 .