- •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
4.3.2 Непрерывное прямое и обратное вейвлет-преобразования
Основной задачей теории вейвлет преобразований является доказательство того, что прямое и обратное вейвлет преобразования способны обеспечить реконструкцию сигнала, причём точную или хотя бы приближённую, локальную или для сигнала в целом на заданном промежутке времени.
В основе непрерывного вейвлет-преобразования (НВП) лежит использование двух непрерывных и интегрируемых по всей оси t (или x) функций:
вейвлет-функция psi ψ(t) с нулевым значением интеграла ( ), определяющая детали сигнала и порождающая детализирующие коэффициенты;
масштабирующая или скейлинг-функция phi φ(t) с единичным значением интеграла ( ), определяющая грубое приближение (аппроксимацию) сигнала и порождающая коэффициенты аппроксимации.
Phi-функции φ(t) присущи далеко не всем вейвлетам, а только тем которые относятся к ортогональным.
Psi-функция ψ(t) создается на основе базисной функции ψ0(t), которая определяет тип вейвлета. Базисная функция должна удовлетворять всем требованиям, которые отмечены для psi-функции ψ(t). Она должна обеспечить выполнение двух основных операций:
смещение по оси времени t – ψ0(t - b) при b R;
масштабирование - при a>0 и a R+ - {0}.
Параметр a – масштабирующий параметр, задаёт ширину этого пакета, а b – параметр сдвига, задаёт его положение. Если a по модулю 0< |a|<<1 то соответствует очень узким окнам, служит для локализованной регистрации высокой частоты соответствующих переходных процессов. Если a по модулю |a|>>1 то это соответствует очень широким окнам и служит для регистрации медленных процессов или длинноволновых колебаний. Шаг растяжения σ>0 (обычно используют σ = 2) задаёт aj = σj (jZ), а параметр сдвига задаётся базовым шагом β>0 (обычно β = 1): bj,k = k σj β (kZ).
Для заданных функций a и b вейвлетом является функция ψ(t):
ψ(t) = . (2)
Видно что любой вейвлет можно сдвинуть и растянуть, а может наоборот сузить во времени. Например для вейвлета функции Гаусса зададим b = 5, а для расширения a = 3. Полученный вейвлет представлен на рис. 5.
Рисунок 5
Отсюда видно, что вейвлеты это вещественные функции времени t и колеблются вокруг оси t. Базисная функция может быть разнообразной.
Использую вейвлеты можно по аналогии с преобразованием Фурье произвести прямое непрерывное вейвлет-преобразование (ПНВП). Для этого задается сигнал s(t), его энергия конечна в пространстве V с областью ограничения R. Вейвлет-коэффициенты вычисляются по формуле:
C(a,b) = (3,a)
с учётом области ограничения сигналов:
C(a,b) = (3,б)
Вейвлет-коэффициенты определяются интегральным значением скалярного произведения сигнала на вейвлет-функцию заданного вида.
Обратное непрерывное вейвлет-преобразование (ОНВП) осуществляется по формуле реконструкции во временной области:
(4)
где Kψ – константа, определяемая функцией ψ.
Вейвлет-преобразование способно на основе детализирующей ортогональной вейвлет функции ψ(t) восстановить лишь тонкие детали временной зависимости сигнала s(t). Для восстановления полной формы сигнала приходиться применять аппроксимирующую функцию φ(t).
Анализ с использование функции φ(t) называется кратномасштабным.