Вейвлет

Cтраница 2

С вейвлетами Добеши тесно связаны еще два класса вейвлетов: кофлеты ( coiflets) и симлеты ( symlets), которые так ж: е, как и вейвлеты Добеши, имеют конечный носитель. [16]

О вейвлетах на базе периодических сплайнов / / Докл. [17]

Морлет - вейвлет обладает хорошо локализованным в реальном и фурье-пространстве базисом, причем с увеличением ио растет разрешение в фурье-пространстве, но ухудшается локализация во времени. Фактически, морлет-вейвлет представляет собой синусоидальную функцию, модулированную функцией Гаусса. Для вейвлетного и бикогерентного вейвлетного преобразования с базовым морлет-вейвлетом легко сопоставить масштабы вейвлетного преобразования s ( или соответствующие им частоты us) и длины волн Л ( или частоты ш 2тг / Л) преобразования Фурье. [18]

Таким образом вейвлеты, неявно присутствовали в нескольких научных областях, но никто не знал, что, например, теория Литтлвуда-Пэлим и пирамидальные алгоритмы Бурта-Адельсона описывают одно и то же явление. [19]

Благодаря свойствам вейвлетов вейвлет-анализ имеет такие характерные особенности, как обнаружение в сигнале скачков и точек разрыва, обнаружение установившегося сигнала или тренда, обнаружение самоподобия сигнала, обнаружение основных несущих частот, очищение сигнала от шума, сжатие сигналов. [20]

Соответствующий называется вейвлетом Мейера. За деталями мы отсылаем читателя к Примеру 4.4. В этом примере i / j k образуют только фрейм. [21]

Вейвлет - анализ функции с разрывом производной. [22]

В ряде случаев вейвлет - представление можно рассматривать как формализацию приемов анализа временных рядов, разработанных ранее, исходя из других позиций. Так, существует глубокая связь между методами обнаружения системы состояния по изменению производной сигнала и вейвлет - анализом. Это показано на рисунке 7 с помощью МНАТ - преобразования функции с особенностью - разрывом производной. Нижняя часть вейвлет-анализа точно указывает на расположения этой особенности. [23]

В настоящее время вейвлеты имеют довольно широкое применение: в системах распознавания образов, синтезаторах речи, медицине, метеорологии, а также для архивации больших объемов данных. [24]

Для количественной характеристики вейвлет - преобразования необходимо использовать его энергетические характеристики. [25]

С наибольшим успехом вейвлеты были использованы в двух прикладных областях - обработке сигналов и в обработке изображений. Обработка сигналов в первую очередь связана с временными сигналами, и поэтому использует одномерные вейвлеты, теория которых представлена в данной книге. В области обработки изображений используются двумерные вейвлеты. Теория этих двумерных вейвлетов является отчасти непосредственным возведением в квадрат одномерной теории, но имеются и принципиальные отличия. Эта часть теории в книге не рассматривается. [26]

Предположим, что вейвлет ф выбран раз и навсегда. [27]

Пусть ф - вейвлет, удовлетворяющий условию симметрии (3.16), и пусть W обозначает соответствующее вейвлет-преобразование. [28]

Предположим, что выбранный вейвлет имеет порядок N и обладает компактным носителем. [29]

Предположим, что выбранный вейвлет ф имеет порядок N и обладает компактным носителем. [30]

Страницы: 1 2 3 4