- •Построение и эксплуатация цифровых телевизионных сетей
- •В.2 Регулярные сигналы и их аналитическое описание…..
- •2.4.3 Ацп с плавающей точкой……………………………………………
- •4.9.6.2 Звук……………………………………………………………..
- •5.Принципы построения и особенности внедрения систем цифрового тв вещания
- •5.1 Глобальная модель систем цифрового вещания
- •Введение
- •В.1 обзор существующих методов доставки цифровых телевизионных программ к потребителю
- •В.2 Регулярные сигналы и их аналитическое описание. Ортогональные разложения функций
- •Дискретизация функций рядами Фурье
- •1 Цифровые фильтры
- •1.1 Явление Гиббса
- •1.1.1 Сущность явления Гиббса
- •1.2 Весовые функции
- •1.4 Разностное уравнение
- •Нерекурсивные фильтры
- •1.6 Рекурсивные фильтры
- •6.3 Интегрирующий рекурсивный фильтр.
- •1.12 Структурные схемы цифровых фильтров
- •2 Аналого-цифровое преобразование
- •2.1 Цифровая обработка звуковых сигналов
- •2.2 Основы аналого-цифрового преобразования
- •2.2.1 Основные понятия и определения
- •2.3 Структура и алгоритм работы цап
- •Контрольные вопросы
- •2.4 Структура и алгоритм работы ацп
- •2.4.1 Параллельные ацп
- •2.4.2 Ацп с поразрядным уравновешиванием
- •2.4.3 Ацп с плавающей точкой
- •Контрольные вопросы
- •3. Звук.
- •3.1 Аудиосигнал
- •3.1.1 Звуковые волны
- •3.1.2 Звук как электрический сигнал
- •3.1.4 Сложение синусоидальных волн
- •3.4.3 Децибелы и уровень звука
- •3.4.6 Громкость
- •3.6 Цифровой звук
- •3.6.1 Частота дискретизации
- •3.6.2 Разрядность
- •3.7 Методы и стандарты передачи речи по трактам связи, применяемые в современном оборудовании (7 кГц)
- •3.7.1 Импульсно-кодовая модуляция (pcm — Pulse-Code Modulation)
- •3.7.3 Методы эффективного кодирования речи
- •3.7.4 Кодирование речи в стандарте cdma
- •3.7.5 Речевые кодеки для ip-телефонии
- •3.7.6 Оценка качества кодирования речи
- •3.8 Основные понятия цифровой звукозаписи
- •3.8.1 Натуральное цифровое представление данных
- •3.8.2 Кодирование рсм
- •3.9 Формат mp3
- •3.9.1 Сжатие звуковых данных
- •3.9.2 Сжатие с потерей информации
- •3.9.3 Ориентация на человека
- •3.9.4 Кратко об истории и характеристиках стандартов mpeg.
- •3.9.5 Что такое cbr и vbr?
- •3.9.6 Каковы отличия режимов cbr, vbr и abr?
- •3.9.7 Методы оценки сложности сигнала
- •3.9.8 Какие методы кодирования стерео информации используются в алгоритмах mpeg (и других)?
- •3.9.9 Какие параметры предпочтительны при кодировании mp3?
- •3.9.10 Какие альтернативные mpeg-1 Layer III (mp3) алгоритмы компрессии существуют?
- •3.10 OggVorbis
- •3.12 Flac
- •Вопросы:
- •Назначение звуковой системы.
- •Основные понятия цифровой звукозаписи.
- •4 Видеосигналы
- •4.1 Общие положения алгоритмов сжатия изображений
- •4.2 Алгоритмы сжатия
- •Gif (CompuServe Graphics Interchange Format)
- •4.3 Вейвлет-преобразования
- •4.3.1 Вейвлеты, вейвлет-преобразования, виды и свойства Вейвлет анализ и прямое вейвлет-преобразование
- •4.3.2 Непрерывное прямое и обратное вейвлет-преобразования
- •4.3.3 Ортогональные вейвлеты
- •4.4 Формат сжатия изображений jpeg
- •2) Дискретизация
- •3) Сдвиг Уровня
- •4) 8X8 Дискретное Косинусоидальное Преобразование (dct)
- •5) Зигзагообразная перестановка 64 dct коэффициентов
- •6) Квантование
- •7) RunLength кодирование нулей (rlc)
- •8) Конечный шаг - кодирование Хаффмана
- •4.5 Jpeg2000
- •4.5.1 Общая характеристика стандарта и основные принципы сжатия
- •4.5.2 Информационные потери в jpeg2000 на разных этапах обработки
- •4.5.3 Практическая реализация
- •4.6 Видеостандарт mpeg
- •4.6.1 Общее описание
- •4.6.2 Предварительная обработка
- •4.6.3 Преобразование макроблоков I-изображений
- •4.6.4 Преобразование макроблоков р-изображений
- •4.6.5 Преобразование макроблоков в-изображений
- •4.6.6 Разделы макроблоков
- •4.7 Mpeg-1
- •Параметры mpeg-1
- •4.8 Mpeg-2
- •4.8.1 Стандарт кодирования mpeg-2
- •4.8.2 Компрессия видеоданных
- •4.8.3 Кодируемые кадры
- •4.8.4 Компенсация движения
- •4.8.5 Дискретно-косинусное преобразование
- •4.8.6 Профессиональный профиль стандарта mpeg-2
- •4.9.11 Плюсы и минусы mpeg-4
- •4.10 Стандарт hdtv
- •5.Принципы построения и особенности внедрения систем цифрового тв вещания
- •5.1 Глобальная модель систем цифрового вещания
- •5.2 Определение и классификация систем доставки
- •5.3 Система цифрового телевизионного вещания dvb
- •6.Описание формата dvb-s2
- •8. Мультиплексирование в системах цифрового тв вещания
- •8.1 Уровни мультиплексирования
- •8.2 Статистическое мультиплексирование
- •8.3 Структура pes-пакета
- •8.4 Структура транспортных пакетов
- •8.5 Передача сервисной информации в системах цифрового тв вещания
- •8.5.1 Место сервисной информации
- •8.5.2 Таблицы сервисной информации
- •8.5.3 Использование таблиц сервисной информации
- •8.5.4 Передача таблиц сервисной информации
- •8.6 Синхронизация в системах цифрового тв вещания
- •8.6.1 Принцип постоянной задержки
- •8.6.2 Метки времени
- •8.6.3 Подстройка системных часов
- •8.6.4 Метки декодирования и предъявления
- •8.7 Коммутация транспортных потоков mpeg-2
- •8.7.1 Обобщенная модель коммутатора цифровых потоков
- •8.7.2 Работа буфера декодера
- •9. Организация многочастотных и одночастотных цифровых радиовещательных сетей
- •9.1Типы сетей наземного цифрового вещания
- •9.2 Модели канала
4.3 Вейвлет-преобразования
В последнее время в направлении обработки сигналов понадобились новые методы для представления, сжатия, хранения всех видов сигналов, взамен старым, которые не давали решения по ряду проблем. На замену классическим методам обработки сигналов на основе преобразований Фурье получили распространение вейвлет-преобразования.
Вейвлеты (wavelets) – это обобщенное название временных функций, имеющих вид волновых пакетов той или иной формы (в том числе фрактальной), локализованных по оси независимой переменной (t или x) и способных к сдвигу по ней и масштабированию (сжатию/растяжению). Вейвлеты создаются с помощью специальных базовых функций – прототипов, задающих их вид и свойства. В сущности, вейвлеты – это новый базис приближения функций и сигналов произвольной формы.
Набор вейвлетов, в их временном или частотном представлении, может приближать сложный сигнал или изображение, причем идеально точно или с некоторой погрешностью. Вейвлеты имеют явные преимущества перед рядами Фурье в представлении локальных особенностей функций.
Благодаря прекрасному представлению локальных особенностей сигналов, принципиально отсутствующих у рядов Фурье, и множеству видов вейвлеты нашли практическое применение для анализа тонких особенностей сложных сигналов и изображений, для их сжатия и очистки от шума. Они уже получили применение в аудио формате MPEG 4, в сжатии видеоинформации по записи изображений – JPEG 2000. Технологию вейвлет-компресии сигналов используют в новых графических программах. Они могут найти перспективное развитие в передачи сжатых изображений по каналам Интернета.
4.3.1 Вейвлеты, вейвлет-преобразования, виды и свойства Вейвлет анализ и прямое вейвлет-преобразование
Как уже говорилось, вейвлеты – это новые системы базисных функций, используемые для представления, фильтрации, сжатия, хранения и т.д. любого из «сигналов»
В случае, если n = 1, переменная t представляет время и мы имеем дело с временными сигналами . Случай n = 2 относится к обработке изображений.
Основная модель вейвлетного преобразования действует на комплексно-значных временных сигналах , также как преобразование Фурье. Для начала выбирают анализирующий вейвлет (материнский вейвлет) . На рис.2 представлен ψ, имеющий компактный носитель [0,L]. Растянутые и сдвинутые копии материнского вейвлета ψ называют вейвлетными функциями или просто вейвлетами.
Рисунок 2 – График вейвлета функции Гаусса 1-го порядка.
Также примером является вейвлет «мексиканская шляпа» на рисунке 3, определённый и вычисленный аналитически, математически записывается как:
Но он не обладает свойствами ортогональности.
Вейвлеты (wavelets) – это обобщенное название временных функций, имеющих вид волновых пакетов той или иной формы (в том числе фрактальной), локализованных по оси независимой переменной (t или x) и способных к сдвигу по ней и масштабированию (сжатию/растяжению).
Тем самым, набором вейвлетов, в их временном или частотном представлении можно представить любой сложности сигнал очень точно, с небольшой погрешностью, но более точно, чем преобразованием Фурье.
Вейвлеты занимают промежуточное положение между крайними случаями (синусоидальной и импульсной функциями) и образуют некоторый набор функций, удовлетворяющих сформулированным далее условиям и основанных на использовании представления сигнала в виде:
(1)
Рисунок 3 – График вейвлета «мексиканская шляпа».
где s(t) – представление сигнала в виде взвешенной суммы простых составляющих – базисных функций ψk (t), помноженных на коэффициенты СК.
Поскольку базисные функции ψk(t) зафиксированы как функции определенного типа, только коэффициенты Сk содержат информацию о конкретном сигнале. Таким образом, можно говорить о возможности представления произвольных сигналов на основе рядов с различными базисными функциями.
Базисными функциями вейвлетов могут быть различные функции, в том числе, напоминающие модулированные импульсами синусоиды, функции со скачками уровня и т.д. Это обеспечивает легкое представление сигналов с локальными скачками и разрывами наборами вейвлетов того или иного типов. Почти все вейвлеты не имеют аналитического представления в виде одной формулы и могут задаваться итерационными выражениями.
Вейвлеты характеризуются своим временным и частотным образами. Временной образ определяется psi-функцией времени ψ(t). Частотный образ задаётся её Фурье-образом (t) , который задаёт огибающую спектра вейвлета. Ширина вейвлета обратно зависит от его частоты, если сузить вейвлет, то его «средняя частота» увеличивается, спектр сдвигается и расширяется. Это почти линейный процесс.
Становиться понятно, что с помощью вейвлетов сигнал можно представить совокупностью волновых пакетов (вейвлетов), образованных на основе некоторой исходной (базовой) функции ψ0(t). Это и есть вейвлет-анализ сигналов.
Прямое вейвлет-преобразование (ПВП) это разложение произвольного сигнала на принципиально новый базис в виде совокупности волновых пакетов (вейвлетов), которые характеризуются четырьмя свойствами:
имеют вид коротких, локализованных во времени (пространстве), волновых пакетов с нулевым значением интеграла;
обладают возможностью сдвига во времени;
способны к масштабированию (сжатию/растяжению);
имеют ограниченный (или локальный) частотный спектр.
Это базис может быть ортогональным, а может и не быть. Ортогональные базисы на порядок облегчают анализ.
Идея вейвлет представления заключается в разбивке приближения к сигналу на две составляющие – грубую (аппроксимирующую) и утончённую (детализирующую) – с последующим их дробление с целью изменения уровня декомпозиции сигнала (число используемых при разложении сигнала вейвлетов).