Hélio Magalhães de Oliveira,
|
|
- João Guilherme Viveiros Amado
- 7 Há anos
- Visualizações:
Transcrição
1 Hélio Magalhães de Oliveira, Departamento de Eletrônica e Sistemas Universidade Federal de Pernambuco Cidade Universitária -- Recife PE. URL: 1
2 Wavelets: Uma Evolução na Representação de Sinais A análise espectral constitui uma das ferramentas clássicas mais poderosas. Uma teoria mais potente e geral foi introduzida nos anos 80: A Transformada de Wavelet Ela inclui: Série de Fourier, a Transformada de Fourier, a Transformada de Gabor de Tempo Curto, Espectrogramas... Wavelets constituem hoje uma das ferramentas potentes em PDS. 2
3 A onda. Manuel Bandeira, in: Estrela da Tarde. A ONDA a onda anda aonde anda a onda? a onda ainda ainda onda ainda anda aonde? aonde? a onda a onda. Em Boa Viagem, boa onda a todos os visitantes do Recife. 3
4 ORIGEM- Escola Francesa (Morlet, Grossmann, Meyer, Battle, Lemarié, Cohen, Mallat, Coifman, Rioul, etc.)... Pacotes de ondas acústicas sísmicas. Em 1909, a primeira menção: tese de doutorado de Alfred Haar, análise escalonada. As Wavelets de Haar, embora de suporte compacto não são continuamente diferenciáveis. 4
5 Década de 80, Alex Grossmann (Université de Marseille) e Jean P. Morlet (Elf Acquitaine) introduziram o conceito de wavelets. Morlet recebeu: prêmio Reginald Fessenden Award Prix Chreau-Lavet Jean Morlet ( ) (ecce homo!) ( crédito de foto da Association Marius LAVET, cortesia). 5
6 Em 1985, Stéphane Mallat (França) estabeleceu a ligação desta teoria com o processamento digital de sinais. Yves Meyer (França) construiu uma das primeiras Wavelets não triviais, continuamente diferenciáveis. Ingrid Daubechies (Bélgica) construiu o mais usado conjunto de wavelets ortogonais de suporte compacto (tempo-limitada). 6
7 Gama de aplicações: geologia sísmica visão computacional e humana radar e sonar computação gráfica predição de terremotos e maremotos turbulência distinção celular (normais vs patológicas) modelos para trato auditivo compressão de imagens 7
8 descontaminação de sinais (denoising) detecção de rupturas e bordas análise de tons musicais neurofisiologia detecção de curtos eventos patológicos análise de sinais médicos espalhamento em banda larga modelagem de sistemas lineares óptica e microscopia modelagem geométrica 8
9 caracterização de sinais acústicos reconhecimento de alvos transitório e falhas em linhas de potência Metalurgia (rugosidade de superfícies) visualização volumétrica Telecomunicações previsão em mercados financeiros Estatística solução de equações diferenciais ordinárias& parciais 9
10 Jean-Baptiste-Joseph Fourier 1822: "La Théorie Analytique de la Chaleur" Jean Fourier ( ). <<Fourier descobriu que as ondas senoidais constituem os elementos irredutíveis de vibrações e ondas periódicas verdadeiros átomos das flutuações e do fluxo.>> Os sinais passaram a ser analisados no domínio de Fourier, i.e., no domínio da freqüência. 10
11 Por que wavelets? Em que esta ferramenta pode ser mais potente que a análise espectral clássica de Fourier? De onde surgiram as wavelets? Análise Espectral P/ Sinais Não-Estacionários Os sinais devem ser tratados não no domínio t ou domínio f, mas em ambos (espaço conjunto tempofreqüência)! 11
12 Conceito de estacionaridade Uma das deficiências da análise de Fourier é que ela não apresenta um caráter local. Todo o sinal, desde o começo dos tempos (- ) até o fim dos tempos (+ ) é levado em consideração. A transformada de Fourier representa um "comportamento global médio" do sinal. 12
13 Figura Ilustração de um trecho de um sinal (possivelmente) estacionário, Figura. Ilustração de um trecho de um possível sinal não estacionário. 13
14 O sinal estacionário apresenta um comportamento "mais ou menos" semelhante em qualquer trecho analisado... Primeiro passo na direção das wavelets: a introdução de um caráter local. Sinal "fatiado" em trechos, e em cada trecho, a contribuição espectral fosse analisada, resultando em um espectro local. seqüência de "fotos" do espectro:... F(w,t-1), F(w, t0), F(w,t1), F(w,t2)... evoluindo temporalmente. 14
15 Sinais práticos "bem comportados" com relação à estacionaridade: sinais periódicos. Não é à toa que a análise clássica de Fourier é freqüentemente restrita a esta classe de sinais. 15
16 FOTOS: Os não-estacionários trazem variações substanciais e significativas de padrão e comportamento, dependendo do instante de tempo considerado. 16
17 É como se, "de repente", no meio de uma seqüência de fotos 3 4 de fotos humanas semelhantes, surgisse uma foto de algum animal completamente diferente (e.g., girafa). 17
18 Diferentes níveis de "estacionaridade": Seqüência de fotos sempre de uma mesma pessoa em diferentes tempos; Seqüência de fotos de pessoas diferentes em tempos diferentes, porém de uma mesma raça (origem); Seqüência de fotos de pessoas diferentes em tempos diferentes, porém de origens diferentes; Seqüência de fotos de diferentes animais em tempos diferentes (levando em conta algum aspecto da classificação de Lineu); Seqüência de fotos arbitrárias diferentes em tempos diferentes, incluindo objetos, paisagens etc. Quando o espectro de Fourier passa a não ter sentido? A resposta não é fechada. 18
19 A Transformada de Gabor Embora capaz de determinar o conteúdo de freqüências presentes em um sinal, não há noção de quando (em que intervalo de tempo) elas ocorrem. Transformada de Fourier de Tempo Curto (STFT Short Time Fourier Transform) também conhecida como a Transformada de Gabor. A idéia da STFT: introduzir parâmetro local como se a "Transformada de Fourier Local" observasse o sinal através de uma curta "janela" na qual o sinal permanece aproximadamente estacionário. 19
20 A transformada local observa f(t) "através" de uma janela W(t) centrada no instante de tempo τ e de extensão "limitada", antes do cálculo do espectro. Formalmente, STFT(w + * jwt,τ ) := f(t)w (t τ) e dt. Representação bidimensional F(w,τ,) do sinal f(t), composta por características espectrais dependentes do tempo. Janela: a mais comum é janela Gaussiana. 20
21 Figura. Análise com Transformada de Fourier clássica e em tempo curto. As próximas perguntas: Por que a STFT não é suficiente? O que seria mais apropriado, além de uma transformada local (wavelets também são locais)? 21
22 A Guisa de uma Análise de Wavelets A análise visualizada como um banco de filtros. Resolução no tempo deveria aumentar com o aumento da freqüência central dos filtros, ou f/f=cte (ou fator Q constante). Figura. Análise Espectral com banco de Filtros: (a) STFT e (b) WT. 22
23 O comportamento das respostas ao impulso dos filtros de análise, oscilatório (rápido) e amortecido, gerando "ondinhas". Figura. Exemplo de uma ondinha: ondelette de Morlet (Matlab ). As wavelets podem ser interpretadas como as transformadas lineares locais geradas por um banco de filtros de fator de qualidade constante. 23
24 domínios tempo e freqüência (f t) domínios escala e deslocamento (a b). Interpretação: "mapas". Uma mudança de escala pode permitir, numa escala maior, ter uma visão mais global, mas com menor precisão. Já em uma escala menor, vê-se detalhes, mas perde-se em estudar o comportamento global. 1: idéia do Brasil como um todo 1: , analisar Pernambuco, perdendo-se a noção do Brasil como um todo. 24
25 Quem já usou mapas sabe que depende fundamentalmente do que se quer investigar! A análise via wavelets permite, por assim dizer, visualizar tanto a floresta quanto às árvores. Na Transformada Contínua de Wavelet CWT, todas as respostas ao impulso no banco de filtros são versões (expandidas ou comprimidas) da mesma ψ(t), chamada de wavelet básica. Assim, CWT( 1 t b a, b ) : + * = f ( t ) ψ ( )d a a t. 25
26 É claro que ao focalizar num nível mais detalhado, perde-se a noção do todo. Esse é exatamente o mecanismo comum nas análises (geografia física ou humana, mapas, telescópios, microscópios etc.) Ver-se-á que a análise moderna de sinais, com base em decomposição de wavelets, permite esta abordagem de modo natural. Uma das fraquezas da análise de Fourier vem do fato de ela não explorar a noção de resolução e multiescala. A análise de wavelets veio exatamente suprir essa lacuna... 26
27 Introdução a Transformada Contínua de Wavelet A Transformada de Wavelet foi desenvolvida como uma alternativa à STFT para solucionar o problema da resolução. Fixada a janela para a STFT, a resolução no tempo (t) e na freqüência (f) permanecem constante em todo o plano t-f. CWT: Alta resolução temporal e baixa freqüêncial para freqüências mais altas Alta resolução freqüêncial e baixa resolução temporal para freqüências mais baixas. 27
28 Freqüência Freqüência Tempo Tempo Figura. Resolução no plano t-f pela análise: STFT e Wavelet. 28
29 A Transformada de Wavelet Contínua CWT ψ(t) wavelet-mãe ψ(t) L2(R). + 2 ψ (t)dt < + Operações: a) escalonamento ψ a ( t ) = ψ 1 a t a, a 0. b) deslocamento ψ b ( t ) = ψ ( t b ). c) deslocamento com escalonamento ψ ( ) = ( t ) = a, b t ψ a b { ψ ( t )} { ψ a, b ( t )} ( a, a 0) ( b R). 1 a ψ t a b. 29
30 O ajuste na amplitude do sinal escalonado foi introduzido visando garantir a isomeria: todas as ondelettes têm a mesma energia! t a ψ a Portanto, a escolha das wavelets como sendo versões 1 b garante a mesma energia para qualquer wavelet! Define-se CWT(a,b):= + * f ( t ) ψ a, b ( t ) dt =< f(t),ψ a,b >. Analogia com Fourier: F(w)= + f jwt ( t ) e dt =< f(t),e jwt >. 30
31 Fourier F(w), em cada w: { jwt } Projeção de f(t) na direção das ondas e w R que constituem uma "base" do espaço de sinais. Esta "base" de Fourier é composta por sinais oscilatórios perpétuos - traduzindo o fato que Fourier está associado a um comportamento nãolocal no tempo, mas de - a +. Wavelets: decomposição de f(t) em sinais { }, b * a R + b R novo conjunto de análise do espaço de sinais. ψ a ( t ) que constitui um 31
32 Esta nova "base" é composta por sinais oscilatórios de curta duração - e não sinais ab æterno. A combinação de oscilatório (daí o termo onda) e de curta duração (inha) gera o termo ondinhas, ondaletas, ondelettes no original, ou de forma já consagrada, wavelets. Um critério para definir wavelets: Oscilatória (onda=wave), ou melhor, que seu valor médio no domínio temporal é nulo. + ) ( dt t ψ = 0 32
33 Condição de admissibilidade, ψ ( Ψ ω Dado o par transformada de Fourier: t ) ( ), Ψ = + 2 ( ζ ) C ψ : d ζ ζ < + => lim Ψ ( ζ ) = 0 ζ 0. Ψ ( 0) = 0 => + ψ ( t ) dt = 0. Caráter passa-faixa das wavelets: Ψ ( 0) = 0 (pela admissibilidade) Ψ ( ± ) = 0 (pois ψ é de energia finita). 33
34 Dado ε >0 arbitrário, α, β R, 0 < α < β < + tal que Ψ(w) < ε para w < α e w > β. Existe uma banda passa-faixa na qual Ψ é essencialmente não nula. Figura. Comportamento de Ψ (w ) tipo passa-faixa. 34
35 Uma wavelet ψ a, b ( t ) é definida por um mapeamento afim unitário. Esta Wavelets são versões transladadas (b) e dilatadas/comprimidas (a) de uma mesma onda protótipo, chamada wavelet-mãe ψ(t). Figura. A Wavelet-mãe Symmlet 8 em diferentes escalas e localizações. 35
36 Uma Transformada inversa de Wavelet pode ser obtida via 1 1 t f ( t ) CWT ( a, b ) ( C + + = ψ ψ a a b ) dadb a 2. A Transformada Inversa (CWT -1 ) e a Condição de Admissibilidade Sejam f(t) L2(R) e ψa,b(t) L2(R-{0} R). Sob que condições é possível "pegar uma onda"? (catch the wave...) Escolher uma wavelet protótipo tal que ψ(t) Ψ(w) e C Ψ ζ ζ = + 2 d ψ ( ) ζ < +. 36
37 Fórmula de inversão sob condições menos restritivas. Definição (Wavelets diádicas). Uma wavelet ψ(t) L2(R), ψ(t) Ψ(w), é dita ser uma wavelet diádica se e somente se satisfaz a condição de estabilidade, i.e., A,B R 0<A B<+ m A Ψ (2 w ) B. m Z tais que Estas wavelets não obedecem à condição de admissibilidade (porém obedecem as condições de estabilidade, menos restringentes) e não são wavelets ortogonais. 37
38 Exemplos: Um mar de Wavelets Nome da família de Wavelets 'haar' Haar wavelet. 'db' Daubechies wavelets. 'sym' Symlets. 'coif' Coiflets. 'bior' Biorthogonal wavelets. 'rbio' Reverse biorthogonal wavelets. 38
39 'meyr' Meyer wavelet. 'dmey' Discrete approximation of Meyer wavelet. 'gaus' Gaussian wavelets. 'mexh' Mexican hat wavelet. 'morl' Morlet wavelet. 'Mal' Malvar wavelets. 'shan' Shannon wavelets. 'deo' de Oliveira wavelets. 'legd' Legendre wavelets. 'mth' Mathieu wavelets. 'cheb' Chebyshev wavelts. 'beta' Beta wavelets. 'geg' Gegenbaur wavelets. 'hart' Hartley-like wavelets. 'fbsp' Frequency B-Spline wavelets. 'cmor' Complex Morlet wavelets. 39
40 Wavelet de Haar Por simplicidade, considera-se um sinal constante por partes. Bases de sinais constantes por partes (e.g. Haar) podem ser mais adequadas. ( ψ H ) ( t ) : = < < t 1 0 caso contrário t. Estas são versões do tipo "wavelet digital". 40
41 Figura. As Wavelets de Haar (oito wavelets). 41
42 Wavelet Sombrero ψ t ρ Assumindo uma ρ(t) Gaussiana, segue-se que ( ) = ''( t ) é a wavelet sombrero (chapéu mexicano), por razões óbvias. 2 2 t / 2 ( Mhat ) 2( t 1) e ψ ( t ) = 1 / 4 π 3. Figura. Wavelet Sombrero. Matlab. 42
43 Wavelet complexa de Morlet Morlet propôs uma das primeiras wavelet na análise de sinais. Em sua investigação de sinais geofísicos (exploração de petróleo), empregou a wavelet complexa: ψ 2 ( Mor ) 1 t / 2 jw 0 ( t ) e e 1 / 4 = π t. Figura. Wavelet complexa de Morlet. (parte real e parte imaginária). 43
44 Wavelet de Shannon A análise correspondente aos filtros passa-faixa ideais define uma decomposição usando wavelets conhecidas como wavelets de Shannon. Espectro da Wavelet real: Ψ ( w 3 π / 2 w + 3 π / 2 w ) = + π π. Tomando a transformada inversa: ( ) π t 3 t ψ ( t ) = Sa cos π Sha
45 No caso da wavelet complexa, pode-se usar ( ψ CSha ) ( t ) j 2 π t = Sinc ( t ) e. (a) (b) Figura. (a) Wavelet de Shannon. (b) A wavelet complexa de Shannon. Suporte infinito: M tal que ψ(t) =0 t >M). 45
46 Wavelet de Meyer A wavelet de Meyer é definida no domínio freqüencial como: Ψ ( w ) = π sen cos π 0 π 2 π 2 υ υ 3 w 2 π 3 w 4 π 1 e 1 e jw / 2 jw / 2 2 π /3 4 π /3 w w caso contrário. 4 π /3 8 π /3. Figura. Wavelet de Meyer: (a) função de escala (b) wavelet. Matlab. 46
47 Wavelets de Daubechies Detentora dos prêmios: IEEE Info. Theory Soc. Jubilee Medal, Steele-Prize from Am. Math. Soc., National Academy of Science Medal, Basic Reasearch Award from Eduard-Rhein Foundation. As 1 as wavelets ortogonais obtidas, (Meyer, Battle-Lemarié), não apresentam suporte compacto. Haar são ortogonais e de suporte compacto, porém não são diferenciáveis. 47
48 Um dos maiores desafios da teoria de wavelets foi a construção de uma família de wavelets ortogonais de suporte compacto. Figura. Wavelets dbn de Daubechies (N=2,3,4,...): As Daublets Matlab. 48
49 Figura. Versões de uma db2. Estas formas de onda são ortogonais (!). db2 é conhecida com barbatana de tubarão (cuidado se você se banha nas praias do Recife!) 49
50 Wavelet Symmlets e Wavelet Coiflets Coiflets e Symmlets são wavelets mais simétricas as quais foram projetadas para garantir momentos nulos tanto na função de escala φ (t ) quanto na wavelet-mãe ψ (t ). (Função de escala?) (momentos nulos?) Elas foram criadas Daubechies sob demanda de R. Coifman em São também wavelets de suporte compacto. 50
51 Figura. Coiflets e Symmlets (coifn e symn); n é número de momentos nulos. 51
52 Wavelet de "de Oliveira" Família de wavelets ortogonais complexas: não são de suporte compacto. Possuem espectro típico passa-faixa ideal (plano), com regiões de "rolamento" assimétricas, mantendo a filosofia da análise a Q-constante. Basta escolher Φ ( w ) (raiz de cosseno elevado). Φ ( w ) = 1 2 π cos 4 1 α 1 2 π ( w (1 α ) π ) 0 0 (1 w w α ) > < π (1 (1 + w α ) α ) < π π (1 + α ) π. 52
53 Mostra-se que: ( deo ) α 1 φ ( t ) =.(1 α ). Sa [(1 α ) π t ] π 2 π π 1 (4 α t ) { cos π (1 + α ) t + 4 α t.sen π (1 α ) t } φ ( t, 0.1 ) 0.3 φ ( t, 0.2 ) 1 φ t, t alpha=0.1 alpha=0.2 alpha=0.3 Figura. Função escala de "de Oliveira". (esboço para α=0,1, 0,2 e 0,3). 5 53
54 Figura. Módulo da Wavelet de "de Oliveira" 54
55 ( deo ) Figura. Wavelet ψ ( t ) : Parte real e parte imaginária. 55
56 Wavelets com ritmo: as Wavelets de Malvar Um sinal de variações não estacionárias deve ser examinado em janelas de tempo curto, tal como acontece na transformada janelada de Fourier ou em wavelets. O sinal, cuja dinâmica é reveladora, pode ser segmentado de um modo não uniforme no tempo. Esta técnica constitui o principio de Malvar (Henrique Malvar, UnB). Y. Meyer redescobriu e generalizou-a através de wavelets com envelope que começa por um ataque, segue em forma de platô e termina num decrescendo e cunhou o termo wavelets de Malvar. 56
57 Wavelets Discretas A CWT essencialmente mapeia um sinal unidimensional (no tempo) em uma representação bidimensional (tempo, escala) que é altamente redundante. Nas palavras de Yves Meyer: Uma transformada contínua é ciceroniana, onde tudo é dito e redito aproximadamente dez vezes. As wavelets agora não são transladadas nem escalonadas continuamente, mas sim em intervalos discretos. 57
58 ψ a, b 1 t - b 1 t ( t ) ψ ψ t = m,n ( ) ψ a m a a nb o = m a 0 0 em que m e n são inteiros, a0 >1 é um parâmetro de dilatação fixo, a m 0 b0 é o fator de translação fixo e b depende agora do fator de dilatação. A Transformada Discreta de Wavelets: As Séries Wavelet de tempo contínuo (CTWS) Formas discretas são atraentes do ponto de vista: i) implementação e ii) computacional. 58
59 A discretização da WT 1) ocorre apenas no domínio dos parâmetros (variáveis de escala e translação), 2) não na variável independente do sinal a ser analisado (tempo ou espaço). Retículado 2D no plano escala-translação: A grade é indexada por dois inteiros m e n: m => passos na escala discreta n => passos das translações discretas. 59
60 Fixam-se dois valores dos passos, a0 e b0. Escala discreta (logarítmica): a=a0 m m=1,2,3,... Translações discretas: b=nb0a0 m n=1,2,3,... dado m. Diferentemente da CWT(a,b), as CTWS(m,n) são definidas apenas para valores positivos de escala (a0>0), porém esta restrição não é severa. Assim, a DWT consiste em um mapeamento do tipo CTWS: L 2 (R) l2(ζ + -{0} Ζ) f(t) a CTWS(m,n) 60
61 Enunciado de outra forma: sinais contínuos de energia finita são mapeados em uma grade bidimensional de coeficientes de wavelet. Interessante observar que a DWT é mais análoga a uma representação em série de Fourier ao invés de uma DFT: Série + discretos n= F e 0 n jnw t representação de tempo contínuo, com coeficientes N DFT k = discreto. 1 0 f ( k ) e 2 j π nk N representação em tempo discreto, com espectro 61
62 Reticulado: A escolha da grade. Os coeficientes da CWTS correspondem a pontos num retículo no domínio escala-translação. O reticulado uniforme no plano escala-deslocamento é expresso por: { ( ma 0, 0 } m n Z a, b = nb ), 0 0. Já o reticulado definido pelas wavelets no plano escala deslocamento é o reticulado hiperbólico { } m m ( a 0, na 0 0 m n Z a, b = b ),
63 m m 2 = 2, n 2 ), (. { } Caso diádico: a0=2 e b0=1 e,1 m n Z m (escala) n (deslocamento) Figura. Resolução de transformadas wavelets: plano translação-escala. 63
64 A Transformada Discreta de Wavelets: Séries Wavelets de Tempo Discreto (DTWS) Além da discretização do plano escala-translação, a variável independente do sinal pode também ser discretizada. Neste caso, define-se: WT ( a, b ) = DTWS ( m, n ) : = 1 ψ k a + f ( k ) m k = a 0 nb m 0 0 a m 0. 64
65 Assim, as DTWS consiste em um mapeamento do tipo DTWS: l 2 (Ζ) l 2 (Ζ + -{0} Ζ) f(k) a DTWS(m,n). A DTWS é mais análoga a uma representação DFT que em série de Fourier. Wavelets diádicas: + DTWS ( m, n ) = 2 m / 2 + f ( k ) ψ 2 k = ( m k n ). 65
66 Em resumo: + 1/ 2 CWT(a,b)= t b a f ( t ) ψ *( ) dt a CTWS ( m, n ) + ( m 2 t n ) m / 2 = 2 f ( t ) ψ dt + DTWS ( m, n ) = 2 m / 2 + f ( k ) ψ 2 k = ( m k n ). 66
67 A Análise de Multirresolução de Mallat A Função de Escala A função de escala (LPF), denotada aqui por φ (t ), foi introduzida por Mallat em O princípio fundamental é analisar o sinal através de uma combinação de uma função de escala φ (t ) e wavelets ψ (t ). 67
68 1990 IEEE Best paper Processamento Digital de Sinais 1997 Outstanding Achievement Award da SPIE Optical Engineering Society 1993 Alfred Sloan fellowship em Matemática o concurso nacional de ajuda a criação de empresas de tecnologias inovadoras na França Prêmio ISI-CNRS: pesquisador Francês mais citado em Ciências, Engenharia e Informática nos últimos 20 anos Prêmio Blaise Pascal em Matemática (academia de ciências) 2007 Prêmio EADS (ciência da informação). 68
69 Análise de Multirresolução Ortonormal Método de construção de wavelets ortogonais, (Mallat e Meyer): a análise de multirresolução. Este método permite construir a maioria das wavelets ortogonais. clos Notação: U A m m os pontos limites em L 2 (R). denota a união dos conjuntos Am, incluindo todos ( m Z), cria-se um subespaço fechado Vm L 2 (R) formado por sinais aproximados na escala 2 m. 69
70 Definição (AMR). Uma análise de multirresolução em L 2 (R) consiste numa seqüência de subespaços fechados Vm L 2 (R), m Z, satisfazendo as seguintes relações: (AMR1) Vm Vm-1 ( m). (AMR2) f(t) Vm L2(R) f(2t) Vm-1. clos V = (AMR3) L 2 (R). V m m (AMR4) I Z (AMR5) (t ) U m m Z = {0 }. φ V0 tal que { ( t n ) } n Z φ é uma base ortonormal para V0. 70
71 Equação Básica de Dilatação (refinamento) Considerando como espaço de referência V0 V-1, qualquer sinal nele contido pode ser decomposto em termos das funções de uma base de V-1. Em particular, isto deve ser válido para a função de escala φ (t ) V0. Subespaço Base ( φ t n ) { } V0 n Z 2φ (2 t n ). { } V-1 n Z 71
72 Assim, existe uma seqüência {hn} tal que φ( t ) = 2 h n φ (2 t n ) n Z com n n Z h 2 < +. Esta é a principal equação da AMR. Ela tem solução única, de forma que os coeficientes {hn} podem ser usados para determinar univocamente a função de escala φ (t ). Os coeficientes {hn} são chamados de "coeficientes do filtro passabaixa", ou coeficientes do filtro de escala. 72
73 Análise de multirresolução de Haar aplicada à imagem "Lena" (Matlab ) Em 1988, Lena concedeu entrevistas para Revistas Suecas em Computação e teve o prazer de descobrir o que acontecera com sua foto capa da Playboy, que tornou-se padrão de referência para imagens em todo o mundo. Foi quando ela soube do uso da foto em Processamento de Imagens. 73
74 Lena (The First Lady of Internet) durante a 50 th Anual Conference of the Society for Imaging Science in Technology. 74
75 Estudo de Caso: Decomposição via Daubechies db2 para ECG ECG Figura. AMR usando db2 para ECG, com seis níveis de decomposição. 75
76 A decomposição explicita visualmente, no nível 6, a wavelet mãe db2. Lembra decomposição em série de Fourier: Os "harmônicos" aqui não são senoidais perpétuas, mas versões de uma wavelet (e.g., ondas não perpétuas). Uma característica diferente: A6=S6 (versão grosseira ou passa-baixa), a qual deve ser adicionada aos detalhes (versão wavelet ou passa-faixa) para compor a aproximação. 76
77 D1 D2 D3 D4 D5 D6 nos subespaços W A1 A2 A3 A4 A5 S6 nos subespaços V. Maior grau de liberdade é conferido à análise, pois o mesmo sinal pode ser decomposto via um grande número de diferentes wavelets, ao invés de sempre ser decomposto em componentes senoidais. 77
78 Filtros suavizador e de detalhes (H e G) As seqüências { h n } n Z e { g n } n Z, ( n n Z h 2 < + n n Z, g 2 < + ) podem ser exploradas como definindo um processo de filtragem. Condições de normalização: + + φ ( t ) dt = 1 ψ ( t ) dt = 0 {hn} Filtro suavizador ou filtro de escala {gn} Filtro de detalhe ou filtro wavelet. h n n Z g n n Z = 2 = 0. ; 78
79 φ( t ) = 2 A relação de escala dupla estabelece que h n φ (2 t n ) n Z. Aplicando-se Fourier em ambos os membros, com φ ( t ) Φ ( w ), temse: Assim, Φ ( w ) = 2 h n I φ (2 t n ) = n Z / 2 ( w jwn h n Φ / 2) e. n Z jwn / Φ (w ) = h n e Φ ( w / 2 ) 2. n Z Definindo o "espectro" do filtro {hn} pela relação: H ( w ) : = h e jwn n. n Z 79
80 1 w w Φ ( w ) = H Φ ψ ( t ) = 2 g n φ (2 t n ) De modo análogo, partindo-se de: n Z, Definindo o "espectro" do filtro {gn} pela relação: chega-se a Ψ ( 1 w w w ) = G Φ G ( w ) : = g e jwn n, n Z As duas equações centrais da AMR no domínio freqüencial são, portanto, (Equações de escala dupla): 80
81 1 w w 1 w w Φ ( w ) = H. Φ 2 2 2, Ψ ( w ) = G Φ Construção de AMR Ortogonal - QMF A construção de uma AMR ortogonal pode ser estabelecida impondo as condições de ortogonalidade: { φ ( t ) } n Z { ( t n ) } n Z { φ ( t n ) } { } n Z t n Z { ψ ( t ) } n Z { ( t n ) } n Z φ < φ ( t ), φ ( t n ) >= δ 0, n ψ ( ) < φ ( t n ), ψ ( t ) >= δ 0, n ψ < ψ ( t ), ψ ( t n ) >= δ 0, n 81
82 em que δ 0, n representa o símbolo de Kronecker. Estas condições podem ser "versadas" para o domínio Fourier: Proposição. (Escolha QMF): H( w ) = e jw.g * ( w + π ) * ( ) = jw G w e. H ( w π ). 82
83 Um par de filtros G(w) e H(w) verificando condições acima (filtros espelhados em quadratura Quadrature Mirror Filters) => ortogonalidade. As condições de ortogonalidade sobre os filtros correspondem a: H ( 0) = 0 e H ( π ) = 2 H 2 2 H ( w ) + H ( w + π ) = 2, ( w ) = e jw G * ( w + π ). 83
84 Estas condições podem ser convertidas para o domínio do tempo, obtendo as relações sobre os coeficientes { h n } n Z e { g n } n Z. h h * = δ 2 m + n n m,0 n. g g * 2 n n = δ m m, 0 Z n Z + gn=(-1) n h1-n. Codificação em Sub-Bandas wavelets discretas => uma série de coeficientes wavelet, também chamada de Série de Decomposição de Wavelet. É possível implementar uma WT sem implementar explicitamente as wavelets! 84
85 O modo de análise para wavelets discretas consiste em projetar filtros passa-alta (HPF) e passa-baixa (LPF) de tal modo que particione o espectro do sinal exatamente ao meio. Figura. Banco de filtros / Codificação em Sub-bandas. 85
86 A Codificação em sub-bandas. Mudança de notação (apropriada p/ filtragem digital) dm[n]:=dm,n e cm[n]:=cm,n; h[l]:=hl. ❶ Avaliação dos coeficientes de escala cm[n] N + 1 [ n] = h[ k n].c N [ k ] k Z. c 2 Os coeficientes da decomposição (versão aproximada) podem ser obtidos iterativamente uma filtragem discreta; sem necessitar uma fórmula explicita para φ(.). Apenas os coeficientes do filtro suavizador {hk} são requeridos. 86
87 ❷ Avaliação dos coeficientes de escala dm[n]. Os coeficientes da decomposição wavelet (detalhes), i.e., os coeficientes da transformada de wavelets, são obtidos via: N + 1 [ n] = g[ k n].c N [ k ] k Z. d 2 Assim, os coeficientes da decomposição (versão detalhada) podem ser obtidos iterativamente uma filtragem discreta; sem necessitar uma fórmula explicita para ψ(.). Apenas os coeficientes do filtro de detalhes {gk} são requeridos. 87
88 Figura. Procedimento de codificação em sub-banda: Decomposição de uma escala para a próxima. 88
89 Figura. Cálculo dos coeficientes da Transformada de Wavelet por filtragem e sub-amostragem. 89
90 Os valores de g[n] e h[n] correspondem a LPF e HPF, respectivamente. Wavelets de suporte infinito (e.g. wavelets de Meyer, Battle-Lemarié...) possuem infinitos valores não nulos de h[n] e g[n] implementada com IIR. Já wavelets de suporte finito (e.g., Haar, Daubechies) só possuem um número finito de coeficientes de filtros não nulos implementada com FIR. 90
91 Algoritmo cascata Aproximações numéricas para uma função de escala ϕ(t) e para a função wavelet ψ(t), podem ser construídas com base em h e g. ( k ) A idéia é calcular ϕ ( t ) como a iteração de ordem k, determinada a partir de uma versão anterior da iteração de acordo com: ( k + 1) ( k ) ( t ) = + ( k + 1) ( k ) ϕ h [ n ] 2 ϕ (2 t n ) e ( t ) = + ψ g [ n ] 2 ϕ (2 t n ). k = k = Se o algoritmo converge para um ponto fixo, esta é a solução da equação de dupla escala, a qual é independente da solução inicial (0) (0) arbitrada ϕ ( t ) (ou ψ ( t ) ). 91
92 IMPORTÂNCIA PRÁTICA No caso de seqüências finitas (de comprimento N), a complexidade multiplicativa para o cálculo de uma DFT usando a força bruta é O(N 2 ). Algoritmos rápidos (FFT) resultam numa complexidade multiplicativa O(N.log2N). O algoritmo piramidal (1983) para o cálculo da DWT é ainda mais rápido que as FFTs: A transformada pode ser calculada usando apenas O(N) multiplicações. NOTA: desconfio, escreveu um dos revisores do artigo, que ninguém jamais utilizará este algoritmo. 92
93 Aplicações de Wavelets Provocações... (!) Wavelets em Descontaminação de Sinais Infelizmente, descontaminação é um problema difícil não há fronteiras de distinção entre o sinal e o ruído. Métodos de descontaminação: suprimir "algumas" componentes "incoerentes" com o sinal de informação. 93
94 ENGENHARIA DA DESCONTAMINAÇÃO PARA RUÍDOS ADITIVOS OU DE COMO CEIFAR AS ERVAS DANINHAS POUPANDO AS MARGARIDAS A breve discussão que se segue elucida, sem maior rigor, porém de modo intuitivo, os alicerces da maioria das técnicas adotadas na descontaminação de sinais. Embora grosseira, a ilustração é suficiente para propósitos de compreensão do mecanismo. David Donoho 94
95 Sinal f(t) contaminado por ruído aditivo n(t). O sinal contaminado é f(t)+n(t). Para uma transformada linear, o espectro do sinal é superposto, de forma aditiva, ao espectro do ruído. Há trechos da banda em que o sinal domina largamente o ruído, enquanto que há partes em que o ruído é praticamente de mesma ordem do sinal. A idéia central da descontaminação consiste em estabelecer um limiar sobre o espectro contaminado. Trechos do espectro abaixo do limiar são eliminados (assassinados). 95
96 Nas zonas abaixo do limiar, pode haver algum sinal presente (provavelmente haverá), porém a intensidade do ruído é comparável ao sinal e a informação encontra-se comprometida um espectro sujo. O mecanismo lembra de como tratar maçãs bichadas: para aproveitá-las, extirparem-se as partes que se encontram podres. A eliminação de trechos substancialmente ruidosos do sinal fornece um espectro descontaminado, o qual é então usado para obter uma versão mais limpa do sinal, via a transformada inversa. 96
97 Isso pode ser realizado em qualquer domínio de transformação, desde que o ruído seja aditivo e a transformada seja linear. Razão do sucesso frente a outras transformadas: As transformadas de wavelet permitem um maior grau de liberdade na decomposição. w F ( w ) 1 ( Nw ( ) ) 1 S ( w ) 1 B w w B1 w 12 (a) Sinal original; (b) ruído aditivo; (c) sinal contaminado. 97
98 As wavelets têm se mostrado ferramentas importantes na remoção de ruído. sinal original fk ruído aditivo nk v.a. - ruído branco gaussiano. observações y k = f k + σ n k, k=0,1,2,...,k-1, Matricialmente, y=f+σn. Aplicando-se a transformada de wavelets, obtém-se DWT ( y ) = DWT ( f ) + σ DWT ( n ). Os coeficientes wavelet do ruído superpõem-se aos coeficientes wavelets do sinal. 98
99 Ilustração (Matlab ) da descontaminação de um sinal com ruído gaussiano. Efeito do waveshrink nos coeficientes da decomposição e no sinal recuperado. 99
100 Domínio wavelet Domínio tempo (a) (c) (b) (d) Figura. (a) Coeficientes wavelet para o sinal contaminado (b) Coeficientes wavelet após waveshrink (c) sinal contaminado e (d) sinal descontaminado. 100
101 Análise de Turbulência Marie Farge (Ecole Normale Supérieure)
102 Compressão via wavelets A título de destacar a relevância das wavelets como mecanismos de compressão: Inclusão no padrão internacional JPEG padrão do FBI (Federal Bureau of Investigations) para o armazenamento de impressões digitais. 102
103 Figura. Demonstrativo do JPEG 2000 [Fonte: Wavelets biortogonais de Cohen-Daubechies-Feauveau. 103
104 Em 1993, o FBI desenvolveu padrões para digitalização e compressão de impressões digitais. O padrão de compressão de imagens adotado pelo FBI (US Federal Bureau of Investigations) para a digitalização de imagens em níveis de cinza de impressões digitais é chamado de WSQ, "Padrão de Compressão Wavelet/Quantização escalar" (do Inglês: Wavelet/Scalar Quantization standard). O método de compressão envolve três passos principais: i) Uma decomposição DWT da imagem fonte da impressão digital; ii) Uma quantização escalar (quantizador uniforme) dos coeficientes DWT; iii) Codificador de fonte sem perdas dos índices quantizados. 104
105 O WSQ adota uma quantização para uma decomposição da imagem em 64 sub-bandas usando a DWT. As imagens são produzidas com qualidade de arquivamento e com taxas de compressão em torno de 20:1 As imagens de impressão digital são digitalizadas via scanner com resolução de 500 pixel/polegada e com 8 bits (256 níveis de cinza). Uma impressão digital adquirida com esta qualidade requer pixels e necessita 0,6 Mbytes para armazenagem. Duas mãos, requerem quase 6 Mbytes, sem compressão. 105
106 (a) (b) Figura. Diagrama simplificado do Sistema WSQ (Padrão FBI) para Impressões Digitais (a) Compressão de Impressões com codificação em 64-subbandas (b) Reconstrutor da imagem a partir da seqüência binária comprimida. 106
107 Wavelets em Compressão de Imagens A compressão de imagens com base em transformadas vem sendo usada a longo tempo com sucesso. A compressão com wavelets consiste essencialmente em três etapas: 1 A transformada, 2 a Quantização e 3 a Codificação. Trata-se de um esquema similar ao clássico PCM (Pulse Code Modulation). 107
108 Figura. Princípio da codificação de imagens com base em transformadas de wavelet: Transformada wavelet direta, quantização e codificação binária. 1 As wavelets normalmente adotadas nestes esquemas são as de Daubechies com N=3 momentos nulos e as Biortogonais com N=2 momentos nulos. 2 A etapa de codificação pode envolver uma codificação binária de comprimento fixo ou de comprimento variável. 3 No esquema de quantização, o grau de perda é controlado escolhendo o número de níveis de quantização e a geometria das células de Voronoi. 108
109 Imagem original 100% dos coeficientes, 19% dos coeficientes wavelets retidos, 3% dos coeficientes wavelets retidos, 1% dos coeficientes wavelets retidos. (a) (b) (c) (d) Figura. Efeito progressivo da Compressão Wavelets. qualidade da imagem. 109 elimina-se um grande número de coeficientes wavelets sem grande perda na A forma mais usual de compressão é a "compressão com perdas", na qual Simpósio Brasileiro de Telecomunicações SBrT 2007 RECIFE
110 Potencial das wavelets na compressão de imagens [D. Lemire e A. Béliveau]. Original 261 kb JEPG 28 kb wavelet CIRA 5kB 110
111 Wavelets na Análise de Sinais Médicos As wavelets constituem uma ferramenta extremamente valiosa na (Engenharia) Biomédica. análise de sinais fisiológicos tradicionais (eletrocardiogramas ECG, eletroencefalogramas EEG, etc.) imagens biomédicas (Biomedical Imaging) modelos de percepção (sistema visual, sistema auditivo etc.). redução de ruído, realce de imagens para diagnóstico (radiografias, mamografias, ultrassom etc.), detecção de microcalcificações em mamografias, Imagens de Ressonância Magnética MRI, Tomografia computadorizada 111
112 Wavelets de Daubechies na detecção de arritmias, p.ex., VLP (ventricular late potential). Figura. Análise de um eletrocardiograma via wavelets dbn. A energia associada com a contração ventricular prematura é explicitada nas escalas 6, 7 e 8 (D6, D7 e D8). 112
113 Mamografia e radiologia. Microcalcificações sempre refletem alguma patologia nos seios, seja benigna ou maligna. Em muitos casos elas não são visíveis devido ao ruído e blur que ocorrem em sistemas de raios-x e na câmera digitalizadora. Técnicas baseadas em wavelets tem sido usadas com sucesso na detecção de microcalcificações. Figura. Realce em Mamografia digital com wavelets: Imagem original e Imagem com Realce e descontaminação. 113
114 RMN - Compressão 10:1 114
115 2D-Wavelet via Análise de Multiresolução para Imagens A implementação bidimensional da transformada discreta de wavelet (2D- DWT) pode ser realizada pela aplicação de 1-D-DWT para a imagem, primeiro na direção horizontal e então na direção vertical. sub-imagens: Low-Low, Low-High, High-Low e High-High na escala 1. 2D-DWT é aplicada apenas nas sub-imagens Low-Low gerando Low-Low, Low-High, High-Low e High-High na escala Original Decomposição 2D- Wavelet Mascara de iteração Figura. Decomposição Diádica da imagem "de Oliveira" e máscara de iteração empregada para a decomposição em níveis mais elevados. 115
116 Wavelets em Telecomunicações Óptica Sincronização Modulação Identificação de modulações digitais Combate a ruído intencional (anti-jamming) Codificação de voz e na quantização (linear ou vetorial) Radar Modelos para o sistema auditivo Sistemas com diversidade em canais com desvanecimento Multiplex e CDMA Sistemas Multiportadoras Ortogonais (multitom tipo OFDM). 116
117 Seqüências de espalhamento espectral utilizando wavelets FF-Haar sobre GF(7) Wavelets Ortogonais podem ser usadas como as seqüências de espalhamento espectral. Projeto de seqüências ortogonais de espalhamento espectral de comprimento N=8. A Wavelets FF-Haar sobre GF(p) pode ser usada para derivar as seqüências. Cada usuário tem uma seqüência que corresponderá a uma versão escalonada/transladada de uma mesma wavelet-mãe. 117
118 Figura: Sistema Multiplex utilizando wavelets FF-Haar. 118
119 Modulação por Chaveamento de Wavelets WSK Sinalização M-ária WSK para transmissão de dados. A modulação WSK é definida escolhendo-se o número M de escalas. Versões escalonadas da wavelet mãe são transmitidas em cada intervalosímbolo. O fator de escala em cada slot depende dos dados binários da entrada. O sinal modulado sem superposição (n-wsk) baseado em wavelet ψ ( t ) é m ) n( m ) ( ( t m ) ) + n ϕ WSK (t ) = m = n( em que m determina a índice do símbolo a uma taxa de 1 baud e n(m) {0,1,2,...,M-1}. 2 ψ 119
120 Duração efetiva de ( t ) ψ é unitária. Versões escalonadas ψ ( 2 t ), n(m) 0 são mais curtas que ψ ( t ) e ϕ WSK ( t ) é uma seqüência de wavelets não superpostas. n( m ) Dados são segmentados em blocos de log2m bits. O bloco especifica o fator de escala n da wavelet que será transmitida no slot particular. Figura. Modulador WSK. A notação 1, 2,..., M especifica o fator de escala da wavelet. 120
121 Outro caso consiste em WSK superpostas (o-wsk) sobre uma wavelet: n( m ) ( (t m ) ) ϕ o WSK (t ) = 2 2. m + = n( m ) 2 ψ φnon ( t ) 0 φover ( t ) t t Figura. Formas de onda típicas (normalizadas a 1 baud) com M=4 escalas: 15 Esquema WSK deo-wsk (de Oliveira wavelet com α=0.2) sem superposição e com superposição. 121
122 Multiplexação por Divisão em Multirresolução MRDM De acordo com a decomposição heterogênea de Mallat, dado um ϕ k,ψ k, j, um sinal f (t ) pode ser escrito como sistema wavelet { } f J k Jk ( t ) + d j, k jk ( t ) k j = 1 ( t ) c ϕ ψ, k em que c k e d jk são os coeficientes de aproximação e de detalhes. Ao invés de usar a decomposição de Mallat na análise de um único sinal, esta abordagem gera o sinal multiplexado de diferentes usuários. A idéia é usar a AMR para sintetizar o sinal muxed. 122
123 Seja f i (t ) o sinal analógico do usuário i. Se as amostras de cada sinal são atribuídas a uma dada escala, p.ex. c = f 0 [ k k ] e d = jk f j [k ], um sinal contínuo muxed pode ser gerado de acordo com ϕ J MUX ( t ) f 0 [ k ] ϕ Jk ( t ) + f j [ k ] ψ jk ( t ) k k j = 1. Nesta expressão, diferentemente da AMR padrão, cada coeficiente vem de um usuário diferente. 123
124 CONCLUSÕES AS APLICAÇÕES NÃO PARAM POR AI... IMPORTANTE E PODEROSA FERRAMENTA NA ANÁLISE DE SINAIS NUMEROSAS APLICAÇÕES E PERSPECTIVAS ENTREM NA onda E BOM USO (espero!) Obrigado!! 124
Hélio Magalhães de Oliveira,
Entrando na Onda... Hélio Magalhães de Oliveira, hmo@ufpe.br Departamento de Eletrônica e Sistemas Universidade Federal de Pernambuco Cidade Universitária Recife - PE URL: http://www.ee.ufpe.br/codec/deoliveira.html
Leia maisHélio Magalhães de Oliveira, Departamento de Eletrônica e Sistemas Universidade Federal de Pernambuco Cidade Universitária Recife - PE
Hélio Magalhães de Oliveira, hmo@ufpe.br Departamento de Eletrônica e Sistemas Universidade Federal de Pernambuco Cidade Universitária Recife - PE URL: http://www.ee.ufpe.br/codec/deoliveira.html http://www.ee.ufpe.br/codec/weblet.html
Leia maisHélio Magalhães de Oliveira,
Entrando na Onda... Hélio Magalhães de Oliveira, hmo@ufpe.br Departamento de Eletrônica e Sistemas Universidade Federal de Pernambuco Cidade Universitária Recife - PE URL: http://www.ee.ufpe.br/codec/deoliveira.html
Leia maisEntrando na Onda (ou) Como se pega uma onda?
DEPARTAMENTO DE ELETRÔNICA E SISTEMAS Entrando na Onda (ou) Como se pega uma onda? Prof. Hélio Magalhães de Oliveira CODEC Grupo de Pesquisas em Comunicações, Departamento de Eletrônica e Sistemas E-mail:
Leia maisA ONDA a onda anda aonde anda a onda? a onda ainda ainda onda ainda anda aonde? aonde? a onda a onda.
Entrando na Onda... H.M. de Oliveira- Hélio Magalhães de Oliveira, hmo@ufpe.br Foto: Rafaël de Oliveira Departamento de Eletrônica e Sistemas Universidade Federal de Pernambuco Cidade Universitária Caixa
Leia maisHélio Magalhães de Oliveira
Hélio Magalhães de Oliveira Wavelets: Entrando na Onda H. Magalhães de Oliveira UNIVERSIDADE FEDERAL DE PERNAMBUCO Copyright 2002 Eletrônica e Sistemas, UFPE Telematica 1 a publicação em 2002. Dados de
Leia maisSumário. 1 Sinais e sistemas no tempo discreto 1. 2 As transformadas z e de Fourier 79
Sumário 1 Sinais e sistemas no tempo discreto 1 1.1 Introdução 1 1.2 Sinais no tempo discreto 2 1.3 Sistemas no tempo discreto 7 1.3.1 Linearidade 8 1.3.2 Invariância no tempo 8 1.3.3 Causalidade 9 1.3.4
Leia maisTransformadas Wavelets: Teoria e Aplicações em Análise de Imagens Digitais
Transformadas Wavelets: Teoria e Aplicações em Análise de Imagens Digitais Ricardo Dutra da Silva Rodrigo Minetto Orientador: Hélio Pedrini Departamento de Informática - UFPR ricardo@pet.inf.ufpr.br rodrigo@pet.inf.ufpr.br
Leia maisAula 4 Transformada Discreta Wavelet DWT
Aula 4 Transformada Discreta DWT Conteúdo: 1) s 2) da Família de Haar 3) da Família Daubechies 4) Aplicações. Transformada de Fourier: - Representa um sinal como uma série de senos e cossenos; - Considera
Leia maisSUMÁRIO FUNDAMENTOS E VISÃO GERAL 19 CAPÍTULO 1 PROCESSOS ALEATÓRIOS 49
SUMÁRIO FUNDAMENTOS E VISÃO GERAL 19 1. O processo de comunicação 19 2. Principais recursos de comunicação 21 3. Fontes de informação 21 4. Redes de comunicação 27 5. Canais de comunicação 33 6. Processo
Leia maisRevisão Análise em frequência e amostragem de sinais. Hilton de Oliveira Mota
Revisão Análise em frequência e amostragem de sinais Hilton de Oliveira Mota Introdução Análise em frequência (análise espectral): Descrição de quais frequências compõem um sinal. Por quê? Senóides são
Leia maisModulação OFDM aplicada à Televisão Digital bibliografia: Megrich, A. Televisão Digital: Princípios e técnicas, Editora Érica Ltda
1 Modulação OFDM aplicada à Televisão Digital bibliografia: Megrich, A. Televisão Digital: Princípios e técnicas, Editora Érica Ltda OFDM (Orthogonal Frequency-Division Multiplexing ), ou sinais multiplexados
Leia maisUma aplicação importante dos métodos de processamento digital de sinais é na determinação do conteúdo em frequência de um sinal contínuo
Análise Espectral Uma aplicação importante dos métodos de processamento digital de sinais é na determinação do conteúdo em frequência de um sinal contínuo Análise espectral: determinação do espectro de
Leia maisSérie de Fourier. Prof. Dr. Walter Ponge-Ferreira
Resposta à Excitação Periódica Série de Fourier Prof. Dr. Walter Ponge-Ferreira E-mail: ponge@usp.br Escola Politécnica da Universidade de São Paulo Departamento de Engenharia Mecânica - PME Av. Prof.
Leia maisNew Wavelets and Applications
DEPARTAMENTO DE ELETRÔNICA E SISTEMAS New Wavelets and Applications by Hélio Magalhães de Oliveira CODEC Grupo de Pesquisas em Comunicações, Departamento de Eletrônica e Sistemas CTG-UFPE C.P.7800, 50711-970,
Leia maisVI SBQEE. 21 a 24 de agosto de 2005 Belém Pará Brasil ESTUDOS DE DISTORÇÕES VARIANTES NO TEMPO POR INTERMÉDIO DA TRANSFORMADA WAVELET
VI SBQEE a 4 de agosto de 5 Belém Pará Brasil Código: BEL 786 Tópico: Modelagem e Simulações ESTUDOS DE DISTORÇÕES VARIANTES NO TEMPO POR INTERMÉDIO DA TRANSFORMADA WAVELET JOÃO A. MOOR NETO PAULO F. RIBEIRO
Leia maisTransformada Discreta de Fourier
Processamento Digital de Sinais Transformada Discreta de Fourier Prof. Dr. Carlos Alberto Ynoguti Jean Baptiste Joseph Fourier Nascimento: 21 de março de 1768 em Auxerre, Bourgogne, França Morte: 16 de
Leia maisAula de Processamento de Sinais I.B De Paula. Tipos de sinal:
Tipos de sinal: Tipos de sinal: Determinístico:Sinais determinísticos são aqueles que podem ser perfeitamente reproduzidos caso sejam aplicadas as mesmas condições utilizadas sua geração. Periódico Transiente
Leia mais1.1 Breve Histórico OFDM
1 Introdução 1.1 Breve Histórico OFDM O OFDM, do inglês Orthogonal Frequency Division Multiplexing, que pode ser visto como uma evolução do FDM (Frequency Division Multiplexing), é uma técnica de transmissão
Leia maisIntrodução aos Sinais e Sistemas
Introdução aos Sinais e Sistemas Edmar José do Nascimento (Análise de Sinais e Sistemas) http://www.univasf.edu.br/ edmar.nascimento Universidade Federal do Vale do São Francisco Colegiado de Engenharia
Leia maisMétodos Matemáticos e Computacionais em Música
Métodos Matemáticos e Computacionais em Música Luiz Velho, Paulo Cesar Carvalho, Sergio Krakowski, Marcelo Cicconet IMPA Processamento de Sinais Sonoros Luiz Velho Som - Sinal 1 D Música e Som Musica
Leia maisTransformada Discreta de Fourier
Processamento Digital de Sinais Transformada Discreta de Fourier Prof. Dr. Carlos Alberto Ynoguti Jean Baptiste Joseph Fourier Nascimento: 21 de março de 1768 em Auxerre, Bourgogne, França Morte: 16 de
Leia maisSEL Processamento Digital de Imagens Médicas. Aula 4 Transformada de Fourier. Prof. Dr. Marcelo Andrade da Costa Vieira
SEL 0449 - Processamento Digital de Imagens Médicas Aula 4 Transformada de Fourier Prof. Dr. Marcelo Andrade da Costa Vieira mvieira@sc.usp.br Jean Baptiste Joseph Fourier 2 Exemplo: Função Degrau 3 Exemplo:
Leia maisParâmetros importantes de um Analisador de Espectros: Faixa de frequência. Exatidão (frequência e amplitude) Sensibilidade. Resolução.
Parâmetros importantes de um Analisador de Espectros: Faixa de frequência Exatidão (frequência e amplitude) Sensibilidade Resolução Distorção Faixa dinâmica Faixa de frequência: Determina as frequências
Leia mais4.1 - Caracterização e análise espectral dos sinais
27 4 - CLASSIFICAÇÃO DOS SINAIS 4.1 - Caracterização e análise espectral dos sinais Um requisito importante para o algoritmo COGERA é a necessidade de classificar corretamente os três principais eventos
Leia maisWavelets. Capítulo. 4.1 Considerações Iniciais
Capítulo 4 Wavelets 4. Considerações Iniciais Este capítulo apresenta uma breve introdução à teoria de wavelets sob a ótica da análise de sinais. A todo momento estamos nos deparando com sinais, por exemplo:
Leia maisConceitos Básicos de Áudio Digital
Aula 07 Conceitos Básicos de Áudio Digital Diogo Pinheiro Fernandes Pedrosa Universidade Federal do Rio Grande do Norte Departamento de Ciências Exatas e Naturais Ciência da Computação Som Conceitos Iniciais
Leia maisSílvia Mara da Costa Campos Victer Concurso: Matemática da Computação UERJ - Friburgo
Convolução, Série de Fourier e Transformada de Fourier contínuas Sílvia Mara da Costa Campos Victer Concurso: Matemática da Computação UERJ - Friburgo Tópicos Sinais contínuos no tempo Função impulso Sistema
Leia maisA Transformada Discreta do Seno em um Corpo Finito
Submetido para TEMA A Transformada Discreta do Seno em um Corpo Finito R. M. Campello de Souza, H. M. de Oliveira, M. M. Campello de Souza, M. M. Vasconcelos Resumo. Uma nova transformada digital, a transformada
Leia maisParte 02 Multiplexação Analógica e Digital no STFC. Prof. Rafael Saraiva Campos 2013/1
Parte 02 Multiplexação Analógica e Digital no STFC Prof. Rafael Saraiva Campos 2013/1 Multiplexação STFC (1/2) 1. Multiplexação Definição 2. Multiplexação no STFC Linhas Tronco Linhas de Assinante (em
Leia maisApresentação... 1 Introdução... 1
Apresentação O objetivo principal deste texto é servir como material básico para uma disciplina introdutória sobre sistemas de comunicações em um curso de Engenharia Elétrica. Ele tem abrangência limitada,
Leia maisTransformada de Fourier: fundamentos matemáticos, implementação e aplicações musicais
Transformada de Fourier: fundamentos matemáticos, implementação e aplicações musicais MAC 0337 Computação Musical Jorge H. Neyra-Araoz IME USP 22/11/2007 Resumo Série de Fourier para funções periódicas
Leia maisTeoria das Comunicações Prof. André Noll Barreto Prova /02
Prova 3 010/0 7/01/011 Aluno: Matrícula: Instruções A prova consiste em 4 questões discursivas. A prova terá a duração de h30. A prova pode ser feita a lápis ou caneta. Não é permitida consulta a notas
Leia maisCompromissos da Modulação e da Codificação
Compromissos da Modulação e da Codificação Edmar José do Nascimento (Tópicos Avançados em Engenharia Elétrica I) http://www.univasf.edu.br/ edmar.nascimento Universidade Federal do Vale do São Francisco
Leia maisProcessamento de Imagem. Convolução Filtragem no Domínio da Frequência (Fourier) Professora Sheila Cáceres
Processamento de Imagem Convolução Filtragem no Domínio da Frequência (Fourier) Professora Sheila Cáceres Lembrando Filtragem Correlação A correlação e a convolução sãos dois conceitos relacionados a filtragem.
Leia maisTRANSFORMADA WAVELETS ABORDAGEM DE SUA APLICABILIDADE
TRANSFORMADA WAVELETS ABORDAGEM DE SUA APLICABILIDADE Aldo Ventura da Silva * RESUMO O presente trabalho visou explicitar a composição e utilização da Transformada Wavelets. Partimos o nosso estudo conhecendo
Leia maisTEORIA DE WAVELETS E SUAS APLICAÇÕES NA ENGENHARIA
30 TEORIA DE WAVELETS E SUAS APLICAÇÕES NA ENGENHARIA Frederico Scherer Butzke 1 Ruben Panta Pazos 2 RESUMO As Wavelets, ou onduletas, em português, são uma outra forma de analisar sinais e ondas de uma
Leia maisMultirresolution and the Wavelet Transform
Multirresolution and the Wavelet Transform Image Processing scc0251 www.icmc.usp.br/ moacir moacir@icmc.usp.br ICMC/USP São Carlos, SP, Brazil 2011 Moacir Ponti Jr. (ICMCUSP) Multirresolution and the Wavelet
Leia maisProcessamento de sinais digitais
Processamento de sinais digitais Aula 2: Descrição discreta no tempo de sinais e sistemas silviavicter@iprj.uerj.br Tópicos Sequências discretas no tempo. Princípio da superposição para sistemas lineares.
Leia maisComunicaçõ. ções Digitais II. Texto original por Prof. Dr. Ivan Roberto Santana Casella
PTC-43 Comunicaçõ ções Digitais II Texto original por Prof. Dr. Ivan Roberto Santana Casella Representaçã ção o Geométrica de Sinais A modulação digital envolve a escolha de um sinal específico s i (t)
Leia mais2 Modelo de Sinais. 2.2 Modelo de Comunicação
odelo de Sinais 1 Introdução No presente capítulo é apresentado o modelo de comunicação adotado O modelo matemático de sinais transmitidos por sistemas de transmissão em blocos e mais particularmente para
Leia mais4 Método Proposto Visão geral do Método
52 4 Método Proposto Neste trabalho é sugerida uma nova metodologia para compressão de dados sísmicos volumétricos. O método proposto é baseado no uso da transformada wavelet 3D. Também será apresentado
Leia maisCompressão de Imagens. Lilian Nogueira de Faria (Bolsista)...DPI/INPE Leila Maria Garcia Fonseca (Coordenadora)...DPI/INPE
Compressão de Imagens Lilian Nogueira de Faria (Bolsista)...DPI/INPE Leila Maria Garcia Fonseca (Coordenadora)...DPI/INPE Imagens digitais necessitam de grande quantidade de espaço para armazenamento e
Leia maisImplementação dos Algoritmos e Resultados
Capítulo 6 Implementação dos Algoritmos e Resultados 6.1 Considerações Iniciais Diversas situações foram exploradas neste trabalho visando analisar qual seria a wavelet mais adequada para sistemas de extração
Leia maisTE060 Princípios de Comunicação. Sistemas de Comunicação Digital Notes. Por quê Digital? Notes. Notes. Evelio M. G. Fernández. 5 de novembro de 2013
TE060 Princípios de Comunicação Modulação de Pulso 5 de novembro de 2013 Sistemas de Comunicação Digital Sistema digital no sentido de utilizar uma sequência de símbolos pertencentes a um conjunto finito
Leia maisPrincípios de Telecomunicações. PRT60806 Aula 19: Modulação por Código de Pulso (PCM) Professor: Bruno Fontana da silva 2014
1 Princípios de Telecomunicações PRT60806 Aula 19: Modulação por Código de Pulso (PCM) Professor: Bruno Fontana da silva 2014 Bloco de Comunicação Genérico Emissor sinais analógicos x sinais digitais Sinais
Leia maisO processo de filtragem de sinais pode ser realizado digitalmente, na forma esquematizada pelo diagrama apresentado a seguir:
Sistemas e Sinais O processo de filtragem de sinais pode ser realizado digitalmente, na forma esquematizada pelo diagrama apresentado a seguir: 1 Sistemas e Sinais O bloco conversor A/D converte o sinal
Leia maisEE-940 Engenharia de Som II Análise e Síntese de Sinais Musicais Lista de Exercícios
EE-940 Engenharia de Som II Análise e Síntese de Sinais Musicais Lista de Exercícios ) Considere o gráfico a seguir que representa os pontos de máxima amplitude na membrana basilar (para diversas frequências)
Leia maisTeoria das Comunicações
1 - Introdução Enlace de um Sistema de Comunicação fonte mensagem transdutor Transmissor Modulador canal ruído receptor transdutor destino mensagem (estimada) sinal de entrada sinal com distorção sinal
Leia maisSinais e Sistemas Mecatrónicos
Sinais e Sistemas Mecatrónicos Sinais e Sistemas Sinais Contínuos no Tempo José Sá da Costa José Sá da Costa T2 - Sinais Contínuos 1 Sinais Sinal É uma função associada a um fenómeno (físico, químico,
Leia maisProcessamento de sinais digitais
Processamento de sinais digitais Aula 1: Filtros digitais silviavicter@iprj.uerj.br Tópicos Definição de um filtro digital Anatomia de um filtro digital Descrição no domínio da frequência de sinais e sistemas
Leia maisTRANSFORMADA WAVELET
TRANSFORMADA WAVELET E SUAS APLICAÇÕES NO PROCESSAMENTO DE IMAGENS HELDER C. R. DE OLIVEIRA PROF. MARCELO A. C. VIEIRA heldercro@usp.br http://helderc.github.io 2 AGENDA Introdução: Transformada de Fourier;
Leia maisAula 22. Conversão Sigma-Delta (continuação)
Aula 22 Conversão Sigma-Delta (continuação) A estrutura mostrada na figura A.22.1 é chamado modulador Sigma-Delta (Σ- ). Esta estrutura, além de ser mais simples, pode ser considerada como uma versão suavizada
Leia maisTransformada de Discreta de Co senos DCT
Transformada de Discreta de Co senos DCT O primeiro passo, na maioria dos sistemas de compressão de imagens e vídeo, é identificar a presença de redundância espacial (semelhança entre um pixel e os pixels
Leia maisProcessamento de Imagem. Prof. MSc. André Yoshimi Kusumoto
Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Filtragem de Imagens A utilização de filtros tem como objetivo melhorar a qualidade das imagens através da: ampliação
Leia maisAnálise de Imagens em Escalas Utilizando a Transformada Wavelet
59 Análise de Imagens em Escalas Utilizando a Transformada Wavelet Francisco E. A. Leite 1, Marcos V. C. Henriques 1, Maytê T. N. Cunha 1 1 Universidade Federal Rural do Semi-Árido (UFERSA) 1 Centro Multidisciplinar
Leia maisComunicações Digitais
Comunicações Digitais Princípios de Transmissão Digital Prof. Fabrício Simões IFBA Primavera de 2017 Prof. Fabrício Simões (IFBA) Comunicações Digitais Primavera de 2017 1 / 27 1 Códigos de Linha PCM 2
Leia maisELT032 - Introdução à Análise de Sinais
ELT032 - Introdução à Análise de Universidade Federal de Itajubá - Campus Itajubá Engenharia Eletrônica Aula 01 Prof. Jeremias B. Machado jeremias@unifei.edu.br 24 de abril de 2015 1 / 42 Introdução Considere
Leia maisUma abordagem educacional para o estudo de OFDM
Uma abordagem educacional para o estudo de OFDM Bruno A. Pereira 1, Henrique T. Kuehne 2, Luciano L. Mendes 3 e José S. G. Panaro 4 Resumo O objetivo deste artigo é apresentar um conjunto de ferramentas
Leia maisProcessamento de Imagem. Prof. MSc. André Yoshimi Kusumoto
Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Filtragem de Imagens A utilização de filtros tem como objetivo melhorar a qualidade das imagens através da: ampliação
Leia maisProcessamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Prof. Sergio Ribeiro Tópicos Introdução Espectro Eletromagnético Aquisição e Digitalização de Imagens Efeitos da Digitalização Digitalização Sensoriamento
Leia maisProcessamento Digital de Imagens
1 Ciência da Computação Processamento Digital de Imagens Prof. Sergio Ribeiro Tópicos Introdução Espectro Eletromagnético Aquisição e de Imagens Sensoriamento Remoto 2 Introdução Espectro Eletromagnético
Leia maisRepresentação de Fourier para Sinais 1
Representação de Fourier para Sinais A representação de Fourier para sinais é realizada através da soma ponderada de funções senoidais complexas. Se este sinal for aplicado a um sistema LTI, a saída do
Leia maisPrincípios de Telecomunicações AULA 1. Elementos de um sistema de comunicações. Prof. Eng. Alexandre Dezem Bertozzi, Esp.
Princípios de Telecomunicações AULA 1 Elementos de um sistema de comunicações Prof. Eng. Alexandre Dezem Bertozzi, Esp. COMUNICAÇÃO TRANSMISSÃO DE INFORMAÇÃO DE UM PONTO A OUTRO, ATRAVÉS DE UMA SUCESSÃO
Leia maisEstimação da Resposta em Frequência
27 Estimação da Resposta em Frequência ω = ω ω Objectivo: Calcular a magnitude e fase da função de transferência do sistema, para um conjunto grande de frequências. A representação gráfica deste conjunto
Leia maisAnálise de Desempenho de Sistemas de Comunicações Digitais
Análise de Desempenho de Sistemas de Comunicações Digitais Edmar José do Nascimento (Princípios de Comunicações) Universidade Federal do Vale do São Francisco Roteiro 1 Detecção Binária 2 Modulações Digitais
Leia maisPRINCÍPIOS DE COMUNICAÇÃO
PRINCÍPIOS DE COMUNICAÇÃO MODULAÇÃO DE PULSO Evelio M. G. Fernández - 2011 Sistemas de Comunicações Digitais Sistema digital no sentido de utilizar uma seqüência de símbolos pertencentes a um conjunto
Leia maisConceito de Comunicação Digital: Transmissão de informação em forma digital a partir de uma fonte geradora da informação até um ou mais destinatários.
Conceito de Comunicação Digital: Transmissão de informação em forma digital a partir de uma fonte geradora da informação até um ou mais destinatários. Figura 1: Diagrama de blocos simplificado, contendo
Leia maisIntrodução ao Processamento Digital de Imagens. Aula 9 Restauração de Imagens. Prof. Dr. Marcelo Andrade da Costa Vieira
Introdução ao Processamento Digital de Imagens Aula 9 Restauração de Imagens Prof. Dr. Marcelo Andrade da Costa Vieira mvieira@sc.usp.br Realce x Restauração Realce: Processar a Imagem para obter um resultado
Leia mais3 Análise de Wavelets
6 3 Análise de Wavelets 3.1. História A palavra wavelet tem como gênese a palavra rancesa Ondalette, que signiica onda pequena. Também é conhecida como Ondaleta. Nós usaremos simplesmente a palavra wavelet.
Leia maisTranformada de Fourier. Guillermo Cámara-Chávez
Tranformada de Fourier Guillermo Cámara-Chávez O que é uma série de Fourier Todos conhecemos as funções trigonométricas: seno, cosseno, tangente, etc. O que é uma série de Fourier Essa função é periódica,
Leia maisProcessamento de Imagens Digitais
Processamento de Imagens Digitais Antonio Cesar Germano Martins 2º semestre de 2018 Apresentações Nascido em Sorocaba. Graduado em Bacharelado em Física pela UNICAMP em 1989, tendo participado de pesquisas
Leia maisIntrodução FILTRAGEM NO DOMÍNIO DA FREQUÊNCIA
FILTRAGEM NO DOMÍNIO DA FREQUÊNCIA Introdução Um sinal no domínio do espaço (x,y) pode ser aproximado através de uma soma de senos e cossenos com frequências (f, f2, f3,...fn) de amplitudes (a, a2,...
Leia mais3 Trabalhos Relacionados
38 3 Trabalhos Relacionados Este trabalho foi desenvolvido através de uma parceria entre o Laboratório Tecgraf/Puc-Rio e a Petrobras. Através desta parceria, a linha de pesquisa em sísmica ganhou forças
Leia maisRepresentação de sinais
Representação de sinais Espaços vectoriais Seja F o conjunto de todos os sinais definidos no intervalo Neste conjunto estão definidas as operações de adição de funções e multiplicação por escalares (reais
Leia maisLUCIANA REGINALDO SOARES PROJETO DE NOVOS SISTEMAS-WAVELET COM APLICAÇÕES NA ANÁLISE DE SINAIS DO SISTEMA ELÉTRICO RECIFE, PE
LUCIANA REGINALDO SOARES PROJETO DE NOVOS SISTEMAS-WAVELET COM APLICAÇÕES NA ANÁLISE DE SINAIS DO SISTEMA ELÉTRICO RECIFE, PE JULHO 6 UNIVERSIDADE FEDERAL DE PERNAMBUCO CENTRO DE TECNOLOGIA E GEOCIÊNCIAS
Leia maisAplicação da Transformada S na Decomposição Espectral de Dados Sísmicos
Dissertação de Mestrado Aplicação da Transformada S na Decomposição Espectral de Dados Sísmicos Aluna: Mauren Paola Ruthner Orientador: Marcelo Gattass Co-orientador: Adelson Santos de Oliveira* * Petrobras
Leia maisTransformada Discreta de Fourier (DFT)
Transformada Discreta de Fourier (DFT) A DFT de uma sequência x n de comprimento finito N é definida como: X k = x n e j2π N kn, 0 k N 1 A DFT mapeia uma sequência de comprimento N, x n, em outra sequência,
Leia maisProcessamento de Sinais 2013/14
Processamento de Sinais / Instituto Superior Técnico MEAer Respostas ao. Exame 7 de Janeiro de Nota: As respostas dadas são apenas sumariamente justificadas, destinando-se a validar as resoluções dos alunos..
Leia maisTeoria das Comunicações Prof. André Noll Barreto Prova 1 Gabarito
Prova Gabarito Questão (4 pontos) Um pulso é descrito por: g t = t e t / u t u t, a) Esboce o pulso. Este é um sinal de energia ou de potência? Qual sua energia/potência? (,7 ponto) b) Dado um trem periódico
Leia maisINF Fundamentos da Computação Gráfica Professor: Marcelo Gattass Aluno: Rogério Pinheiro de Souza
INF2608 - Fundamentos da Computação Gráfica Professor: Marcelo Gattass Aluno: Rogério Pinheiro de Souza Trabalho 02 Visualização de Imagens Sísmicas e Detecção Automática de Horizonte Resumo Este trabalho
Leia maisCONVERSÃO ANALÓGICA PARA DIGITAL
CONVERSÃO ANALÓGICA PARA DIGITAL CONVERSÃO ANALÓGICA PARA DIGITAL A maior parte dos sinais de interesse práticos são analógicos ( voz, biológicos, radar, sonar, comunicações ). Para processá-los por meios
Leia maisProcessamento Digital de Imagem
Processamento Digital de Imagem Transformadas Ronaldo de Freitas Zampolo Laboratório de Processamento de Sinais LaPS Instituto de Tecnologia ITEC Universidade Federal do Pará UFPA Setembro de 2009 RFZampolo
Leia maisAnalisador de Espectros
Analisador de Espectros O analisador de espectros é um instrumento utilizado para a análise de sinais alternados no domínio da freqüência. Possui certa semelhança com um osciloscópio, uma vez que o resultado
Leia maisCompressão de Imagens Usando Wavelets: Uma Solução WEB para a Codificação EZW Utilizando JAVA. Utilizando JAVA. TCC - Monografia
Compressão de Imagens Usando Wavelets: Uma Solução WEB para a Codificação EZW Utilizando JAVA TCC - Monografia Wanderson Câmara dos Santos Orientador : Prof. Dr. Luiz Felipe de Queiroz Silveira 1 Departamento
Leia mais4 Supressão de Ruído Baseada em Wavelets
4 Supressão de Ruído Baseada em Wavelets Com o crescente número de aparelhos celulares digitais e computadores portáteis, as técnicas de supressão de ruído em aplicações de processamento de voz tiveram
Leia maisDuração do Teste: 2h.
Telecomunicações e Redes de Computadores Licenciatura em Engenharia e Gestão Industrial Prof. João Pires 1º Teste, 2007/2008 30 de Abril de 2007 Nome: Número: Duração do Teste: 2h. A prova é composta por
Leia maisTransformada em ondeleta: Uma necessidade
Revista Brasileira de Ensino de Física, v. 28, n. 4, p. 563-567, (2006) www.sbfisica.org.br Transformada em ondeleta: Uma necessidade (Wavelet transform: A necessity) Maurício José Alves Bolzan 1 Laboratório
Leia maisétodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO
Leia mais1 O esquema de Alamouti: Diversidade na transmissão
1 O esquema de Alamouti: Diversidade na transmissão 1.1 O Caso de uma antena receptora A Figura?? mostra a representação em banda básica do esquema de Alamouti com diversidade na transmissão. O esquema
Leia maisUma Nova Representação Espaço-Freqüência, com Aplicações à Análise de Sinais e à Visão Computacional
Uma Nova Representação Espaço-Freqüência, com Aplicações à Análise de Sinais e à Visão Computacional José R.A. Torreão Instituto de Computação, UFF Com a colaboração de João Luiz Fernandes e Silvia Mara
Leia maisProcessamento de sinais digitais Aula 3: Transformada de Fourier (Parte 1)
Processamento de sinais digitais Aula 3: Transformada de Fourier (Parte 1) silviavicter@iprj.uerj.br Tópicos Definição da Transformada de Fourier (TF) Propriedades importantes (ex: linearidade e periodicidade)
Leia mais3.1 Modulações binárias (ASK e PSK)
Modulações digitais 3 Modulações digitais lineares com detecção coerente 3.1 Modulações binárias (ASK e PSK) Detecção de modulações digitais al como na modulação analógica (AM e FM), também na modulação
Leia maisIntrodução 21. Figura 1 Descontinuidades num modelo estrutural
1 Introdução O Método dos Elementos Finitos (MEF) estabeleceu-se como a principal ferramenta de análise estrutural a partir dos anos 70 e, com o passar do tempo, seu uso se disseminou amplamente, tanto
Leia maisMODULAÇÃO POR CÓDIGO DE PULSO PCM
Instituto Federal de Santa Catarina Curso Técnico Integrado em Telecomunicações PRT- Princípios de Telecomunicações MODULAÇÃO POR CÓDIGO DE PULSO PCM Prof. Deise Monquelate Arndt Fontes: Princípios de
Leia mais2 Modelo Vetorial dos Sistemas de Transmissão
2 Modelo Vetorial dos Sistemas de Transmissão Neste capítulo são descritos os modelos matemáticos dos sistemas abordados neste trabalho. Inicialmente é descrita, de forma suscinta, a técnica de acesso
Leia maisProcessamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Prof. Sergio Ribeiro Tópicos Transformações de Intensidade Transformações Logarítmicas Comparação entre Diversas Técnicas 2 Transformações de Intensidade
Leia maisAnalisador de espectros por FFT
Analisador de espectros por FFT A transformada de Fourier (FT) é uma ferramenta matemática utilizada essencialmente para decompor ou separar uma função ou forma de onda em senóides de diferentes frequências
Leia mais