Wykład 2 - Instytut Teleinformatyki
Transkrypt
Wykład 2 - Instytut Teleinformatyki
Akwizycja i przetwarzanie sygnałów cyfrowych Tadeusz Chmaj Instytut Teleinformatyki ITI PK Kraków 21 luty 2011 Tadeusz Chmaj Wykład II Reprezentacje sygnału Jak reprezentujemy sygnał: wybieramy sygnały wzorcowe (baze) ˛ rozwijamy sygnał w wybranej bazie (sygnał – kombinacja liniowa wektorów wzorcowych reprezentacja sygnału (w danej bazie) - podanie współczynników rozkładu (w tej bazie) wybór wzorców niejednoznaczny – prowadzi do różnej jakości reprezentacji co to znaczy dobra jakość reprezentacji? taka, w której kilka współczynników wystarcza w której energia skupiona jest w kilku tylko składowych można zapisać tylko te znaczace ˛ skladowe, reszte˛ zaniedbać – łatwość kompresji Przykład - sygnał - wektor w R 2 ; naturalna baza to wektory e0 , e1 : 1 0 a ~ e0 = , e1 = , A= = ae0 + be1 0 1 b Tadeusz Chmaj Wykład II Reprezentacje sygnału - c.d. Gdy sygnał wolno zmienny (skorelowany) - czyli a ≃ b (n.p. a = 52, b = 50 - obie składowe równie ważne, podobny wkład do energii gdy inny wybór bazy: 1 1 1 1 f0 = √ , f1 = √ , 2 1 2 −1 ~ A= 52 102 2 = √ f1 + √ f1 50 2 2 energia - tu nie zależy od wyboru bazy, sposób jej koncentracji - tak podobnie - dla obrazów dwuwymiarowych. Przykład obrazy 2x2: wybór bazy: gdy vi - baza sygnału jednowymiarowego w R 2 , to aˆij = vi vjT - baza w przestrzeni obrazów 2x2 Tadeusz Chmaj Wykład II Reprezentacje sygnału - 2-D wektory e~0 , e~1 generuja˛ baz˛e obrazów aˆij : 1 0 0 aˆ01 = e0 e1T = 0 0 0 0 0 0 T T aˆ10 = e1 e0 = aˆ11 = e1 e1 = 1 0 0 aˆ00 = e0 e0T = 1 0 0 1 gdy weźmiemy wektory f~0 , f~1 - dostaniemy zupełnie inne T macierze bazowe: bˆij = ~fi ~fj w przestrzeni obrazów: bˆ00 = bˆ10 = 1/2 1/2 1/2 1/2 1/2 1/2 −1/2 −1/2 Tadeusz Chmaj bˆ01 = bˆ11 = Wykład II 1/2 −1/2 1/2 −1/2 1/2 −1/2 −1/2 1/2 Reprezentacje sygnału - 2-D wnioski – reprezentacja wolno zmienego obrazu znacznie prostsza w bazie b̂ niż â; na przykład gdy dane to 52 53 52 51 to reprezentacje maja˛ postać: baza â: [52 53 52 51], baza b̂: [104 0 1 − 1] w drugim przypadku - koncentracja energi znakomita; możliwość kompresji danych zastosowanie liniowej transformacji – podstawowy element kodowania transformacyjnego (np. JPEG) jak można uzyskać nowa˛ reprezentacje˛ sygnału x na podstawie starej y ? zawsze -jako wynik rozwiazania ˛ problem liniowego: Ax = y , czyli : x = A−1 y gdzie A - macierz zmiany bazy gdy bazy ortonormalne i mamy określony iloczyn skalarny gwarancja zachowania energii i ułatwienie w odczytaniu składowych Tadeusz Chmaj Wykład II Reprezentacje sygnału - baza DCT Realny przykład - baza DCT przestrzeń 8-mio wymiarowa (x0 , ..., x7 ) losowo wybrany obszar 8 x 8 – zapis w bazie standardowej 105 110 103 116 108 110 109 107 113 108 106 109 108 107 112 109 112 116 106 108 106 107 110 109 109 102 104 109 110 106 105 115 110 101 105 109 107 108 110 109 107 106 102 112 108 107 108 108 105 113 106 105 109 108 108 117 107 106 105 107 109 106 113 111 współrz˛edne w bazie DCT 753 −209 167 −58 −200 60 −46 18 166 −46 38 −13 −59 14 −19 6 Tadeusz Chmaj Wykład II Reprezentacje sygnału - baza DCT 64 Tadeusz Chmaj Wykład II Reprezentacje sygnału - baza DCT 10 Tadeusz Chmaj Wykład II Reprezentacje sygnału - baza DCT 6 Tadeusz Chmaj Wykład II Przestrzenie sygnałów Potrzeba określenia własności matematycznych sygnałów Czego nam potrzeba ? możliwosć pomiaru sygnału, określenia jego długości, odległości od innego, pomiar kata ˛ pomiedzy ˛ sygnałami – własności metryczne możliwość manipulowania sygnałami: mnożenie sygnału przez liczbe, ˛ dodawania sygnałów, określenia sygnałów bazowych – własności algebraiczne zupełność zbioru sygnałów (czy ciagi ˛ Couchy’ego elementów zbioru sygnałów maja˛ granice w tym zbiorze) Minimum własności metrycznych – wyposażenie zbioru sygnałów w metryk˛e czyli funkcjonał, który każdej parze sygnałów x, y przypisze nieujemna˛ liczbe˛ rzeczywista˛ ̺(x, y) ≥ 0 o własnościach: ̺(x , y ) = 0 ⇔ x = y (identyczność nierozróżnialnych) ̺(x , y ) = ̺(y , x ) symetria ̺(x , z) ≤ ̺(x , y ) + ̺(y , z) nierówność trójkata ˛ Tadeusz Chmaj Wykład II Własności algebraiczne Przestrzeń sygnałów jest przestrzenia˛ liniowa˛ (wektorowa) ˛ gdy określimy dla niej dwie operacje: dodawanie sygnałów (opreacja "+") oraz mnożenia przez liczbe˛ (operacja "*") o własnościach: przemienność dodawania: x + y = y + x łaczność ˛ dodawania: ((x + y ) + z) = (x + (y + z)) łaczność ˛ mnożenia: (α(βx )) = ((αβ)x ) rozdzielność mnożenia wzgledem ˛ dodawania: (α(x + y )) = (αx + αy ) oraz (α + β)x = (αx + βx ) Przykłady przestrzeni liniowych sygnałów: Zbiór sygnałów o ograniczonej energii, z dołaczonym ˛ sygnałem zerowym. Jest to tzw. przestrzeń sygnałów (funkcji) całkowalnych z kwadratem i oznaczana L2 Zbiór sygnałów okresowych o okresie T i ograniczonej energii z dołaczonym ˛ sygnałem zerowym – oznaczenie: L2T zbiór sygnałów dyskretnych o ograniczonej energii z dołaczonym ˛ sygnałem zerowym. Jest to przestrzeń ciagów ˛ sumowalnych z kwadratem oznaczana˛ przez l 2 . Tadeusz Chmaj Wykład II Liniowa niezależność, baza przestrzeni Niech XN = {xk (t) : k = 1, 2, . . . , N} – zbiór N sygnałów z przestrzeni liniowej X . Wtedy każdy sygnał postaci: N P x(t) = αk xk (t) - liniowa kombinacja sygnałów xk (t). k =1 Mówimy, że sygnały - elementy zbioru XN sa˛ liniowo niezależne gdy znikanie kombinacji liniowej pociaga ˛ za soba˛ zerowanie sie˛ wszyskich współczynników αk tej kombinacji Baza˛ przestrzeni X nazywamy podzbiór B wektorów tej przestrzeni o własnościach: wektory w B sa˛ liniowo niezależne zbiór B generuje cała˛ przestrzeń (każdy wektor X da sie˛ zapisać jako liniowa kombinacja wektorów z B) przedstawienie każdego wektora jako kombinacji liniowej elementów bazy jest jednoznaczne Tadeusz Chmaj Wykład II Norma, iloczyn skalarny Liniowa przestrzeń unormowana - przestrzeń liniowa wyposażona w norme˛ – odwzorowanie które każdemu sygnałowi x przypisuje nieujemna˛ liczbe˛ rzeczywista˛ kxk – norme˛ tego sygnału o własnościach: kx k = 0 ⇔ x = 0 k αx k = |α|kx k k x + y k ≤ kx k + ky k Możemy mieć metryk˛e wyznaczona˛ (indukowana) ˛ przez morme: ˛ ̺(x, y) = kx − yk Iloczyn skalarny - odwozorowanie przypisujace ˛ uporzadkowanej ˛ parze sygnałów {x, y} liczbe˛ < x, y > tak, że spełnione sa˛ warunki: < x , y >=< y , x >∗ < αx + βy , z >= α < x , z > +β < y , z > x 6= 0 ⇒< x , x >> 0 x = 0 ⇒< x , x >= 0 Tadeusz Chmaj Wykład II Przestrzeń Hilberta sygnałów Przestrzeń unitarna - przestrzeń liniowa z iloczynem skalarnym, unormowanana przez norme˛ zadana˛ przez √ iloczyn skalarny: kxk = < x, x > Kat ˛ pomiedzy ˛ wektorami x i y: cos(ϕxy ) = cos(ϕxy ) = Re<x,y > kxkky k dla przestrzeni rzeczywistych <x,y > kxkky k dla przestrzeni zespolonych Przestrzeń Hilberta sygnałów - przestrzeń unitarna, zupełna metrycznie w sensie metryki określonej przez iloczyn skalarny Przykłady przestrzeni Hilberta sygnałów: L2 , L2T , l 2 i iloczynami skalarnymi: < x , y >L2 = < x, y R∞ x (t)y ∗ (t)dt −∞ RT >L2 = T1 T 0 ∞ P < x , y >l 2 = x (t)y ∗ (t)dt x (n)y ∗ (n) −∞ Tadeusz Chmaj Wykład II Bazy w przestrzeniach Hilberta sygnałów Niech XN = {xk (t) : k = 1, 2, . . . , N} - baza N-wymiarowej przestrzeni Hilberta sygnałów X (dopuszczamy N nieskończone). Taka˛ baz˛e nazywamy: ortogonalna, ˛ gdy każde dwa różne elementy z XN sa˛ ortogonalne (prostopadłe) oraz gdy w X nie istnieje niezerowy sygnał prostopadły do wszystkich xk (t) z XN ortonormalna, ˛ gdy jest ortogonalna i normy wszystkich wektorów bazowych sa˛ równe 1 Nie w każdej przestrzeni Hilberta istnieje baza ortogonalna. Przestrzeń, która na to pozwala nazywamy ośrodkowa˛ (przeliczalnie gest ˛ a) ˛ Majac ˛ zbiór liniowo niezależnych wektorów - baz˛e w ośrodkowej przestrzeni Hilberta możemy uzyskać baz˛e ortonormalna˛ przy pomocy iteracyjnej procedury Gramma-Schmidta Tadeusz Chmaj Wykład II