Преобразование Габора , названное в честь Денниса Габора , является частным случаем кратковременного преобразования Фурье . Он используется для определения синусоидальной частоты и фазового содержания локальных участков сигнала по мере их изменения во времени. Преобразуемая функция сначала умножается на функцию Гаусса , которую можно рассматривать как оконную функцию , а затем полученная функция преобразуется с помощью преобразования Фурье для получения частотно-временного анализа . [1]Оконная функция означает, что сигнал около анализируемого времени будет иметь больший вес. Преобразование Габора сигнала x (t) определяется этой формулой:
Функция Гаусса имеет бесконечный диапазон и непрактична для реализации. Однако можно выбрать уровень значимости (например, 0,00001) для распределения функции Гаусса.
Вне этих пределов интегрирования ( ) функция Гаусса достаточно мала, чтобы ею можно было пренебречь. Таким образом, преобразование Габора можно удовлетворительно аппроксимировать как
Это упрощение делает трансформацию Gabor практичной и реализуемой.
Ширина оконной функции также может быть изменена , чтобы оптимизировать разрешение компромисса частотно-временной для конкретного применения путем замены с в течение некоторого выбранного альфа.
Обратное преобразование Габора [ править ]
Преобразование Габора обратимо. Исходный сигнал можно восстановить по следующему уравнению
Свойства преобразования Габора [ править ]
Преобразование Габора имеет много свойств, подобных свойствам преобразования Фурье. Эти свойства перечислены в следующих таблицах.
Сигнал | Преобразование Габора | Замечания | |
---|---|---|---|
1 | Свойство линейности | ||
2 | Перемещение собственности | ||
3 | Свойство модуляции |
Замечания | ||
---|---|---|
1 | Свойство интеграции мощности | |
2 | Сумма энергии | |
3 | Свойство спада мощности | |
4 | Восстановительная собственность |
Применение и пример [ править ]
Основное применение преобразования Габора - частотно-временной анализ . В качестве примера возьмем следующее уравнение. Входной сигнал имеет частотную составляющую 1 Гц, когда t ≤ 0, и частотную составляющую 2 Гц, когда t > 0.
Но если общая доступная полоса пропускания составляет 5 Гц, другие полосы частот, кроме x ( t ), теряются. Посредством частотно-временного анализа с применением преобразования Габора можно узнать доступную полосу пропускания, и эти полосы частот можно использовать для других приложений, при этом ширина полосы будет сохранена. На правом рисунке показан входной сигнал x ( t ) и выходной сигнал преобразования Габора. Как и ожидалось, частотное распределение можно разделить на две части. Один - t ≤ 0, другой - t > 0. Белая часть - это полоса частот, занятая x ( t ), а черная часть не используется. Обратите внимание, что для каждого момента времени существует какотрицательная (верхняя белая часть) и положительная (нижняя белая часть) частотная составляющая.
Дискретное преобразование Габора [ править ]
Дискретный вариант представления Габора
с участием
может быть легко получен путем дискретизации базисной функции Габора в этих уравнениях. При этом непрерывный параметр t заменяется дискретным временем k. Кроме того, необходимо учитывать теперь уже конечный предел суммирования в представлении Габора. Таким образом, дискретизированный сигнал y (k) разбивается на M временных кадров длиной N. Согласно , коэффициент Ω для критической дискретизации равен
Подобно DFT (дискретное преобразование Фурье) получается частотная область, разделенная на N дискретных разделов. Обратное преобразование этих N спектральных разделов затем приводит к N значениям y (k) для временного окна, которое состоит из N значений выборки. Для общих M временных окон с N значениями выборок каждый сигнал y (k) содержит K = N M значений выборок: (дискретное представление Габора)
с участием
Согласно приведенному выше уравнению коэффициенты N M соответствуют количеству значений K выборки сигнала.
Для избыточной выборки установлено значение N '> N, что приводит к N'> N коэффициентов суммирования во второй сумме дискретного представления Габора. В этом случае количество полученных коэффициентов Габора будет M N '> K. Следовательно, доступно больше коэффициентов, чем выборочных значений, и, следовательно, будет достигнуто избыточное представление.
Масштабированное преобразование Габора [ править ]
Как и в случае с коротковременным преобразованием Фурье, разрешение во временной и частотной областях можно регулировать, выбирая различную ширину оконной функции. В случаях преобразования Габора путем добавления дисперсии в виде следующего уравнения:
Масштабированное (нормализованное) окно Гаусса обозначается как:
Таким образом, масштабированное преобразование Габора можно записать как:
При большом значении оконная функция будет узкой, что приведет к более высокому разрешению во временной области, но более низкому разрешению в частотной области. Точно так же маленький размер приведет к широкому окну с более высоким разрешением в частотной области, но меньшим разрешением во временной области.
См. Также [ править ]
- Фильтр Габора
- Вейвлет Габора
- Атом Габора
- Частотно-временное представление
- S преобразование
- Кратковременное преобразование Фурье
- Функция распределения Вигнера
Ссылки [ править ]
- ^ Э. Сейдич, И. Джурович, Дж. Цзян, «Частотно-временное представление характеристик с использованием концентрации энергии: обзор последних достижений», Digital Signal Processing , vol. 19, нет. 1, стр. 153-183, январь 2009 г.
- Д. Габор, Теория коммуникации, Часть 1, J. Inst. избранных. Англ. Часть III, Радио и связь, том 93, с. 429 1946 г. ( http://genesis.eecg.toronto.edu/gabor1946.pdf )
- Цзянь-Цзюн Дин, Заметка о классе частотно-временного анализа и вейвлет-преобразования, факультет электротехники, Национальный университет Тайваня, Тайбэй, Тайвань, 2007.