Bazislarda spektral analiz algoritmlar


Arrasimon o’zgartirishlarning N=16 uchun bazis funksiyalari



Download 250,5 Kb.
bet2/2
Sana02.07.2022
Hajmi250,5 Kb.
#732819
1   2
Bog'liq
Abdullayev- Bazislarda spektral analiz algoritmlari

Arrasimon o’zgartirishlarning N=16 uchun bazis funksiyalari.


16x16 bo’lgan xol uchun bazis matritsa:
(2.21)




















































0,25

0,25

0,25

0,25

0,25

0,25

0,25

0,25

0,25

0,25

0,25

0,25

0,25

0,25

0,25

0,25

0,436

0,373

0,311

0,248

0,185

0,1229

0,060

-0,00

0,00

-0,06

-0,12

-0,18

-0,248

-0,31

-0,37

-0,436

0,25

-0,25

-0,25

0,25

0,25

-0,25

-0,25

0,25

0,25

-0,25

-0,25

0,25

0,25

-0,25

-0,25

0,25

0,111

-0,335

0,335

-0,112

0,111

-0,3354

0,3354

0,11

0,11

-0,33

0,33

-0,11

0,111

-0,33

0,35

0,111

0,334

0,118

-0,111

-0,335

-0,335

-0,1118

0,1118

0,35

0,35

0,11

-0,12

-0,35

-0,335

-0,12

0,12

0,334

0,178

-0,024

-0,219

-0,415

0,417

0,2196

0,0244

-0,17

0,11

-0,02

-0,22

-0,45

0,417

0,22

0,04

-0,171

0,25

-0,25

-0,25

0,25

-0,25

0,25

0,25

-0,25

0,25

-0,25

-0,25

0,25

-0,25

0,25

0,25

-0,25

0,111

-0,335

0,334

-0,11

-0,112

0,3354

-0,335

0,112

0,112

-0,33

0,35

-0,12

-0,112

0,33

-0,35

0,111

0,381

0,272

0,167

0,056

-0,055

-0,1637

-0,273

-0,38

-0,38

-0,23

-0,14

-0,05

0,054

0,16

0,23

0,389

0,187

0,093

-0,001

-0,096

-0,191

-0,2856

-0,38

-0,47

0,47

0,38

0,28

0,19

0,096

0,00

-0,09

-0,188

0,25

-0,25

-0,25

0,25

0,25

-0,25

-0,25

0,25

-0,25

0,25

0,25

-0,25

-0,25

0,25

0,25

-0,25

0,111

-0,335

0,335

-0,112

0,111

-0,3354

0,3354

0,11

-0,11

0,33

-0,33

0,11

-0,112

0,33

-0,33

-0,112

0,335

0,111

-0,111

-0,335

-0,335

-0,1118

0,1118

0,33

-0,33

-0,11

0,11

0,33

0,335

0,11

-0,11

-0,335

0,170

-0,024

-0,219

-0,415

0,414

0,2196

0,0244

-0,17

-0,17

0,02

0,22

0,41

-0,415

-0,22

-0,02

0,170

0,25

-0,25

-0,25

0,25

-0,25

0,25

0,25

-0,25

-0,25

0,25

0,25

-0,25

0,25

-0,25

-0,25

0,25

0,111

-0,33

0,335

-0,11

-0,11

0,3354

-0,335

0,11

-0,11

0,33

-0,33

0,11

0,111

-0,33

0,33

-0,112

Lokal spektral o'zgartirishlarning algoritmlari va tavsifi


Signallarni rakamli ishlov bеrishda spеktrial usullar yordamida qayta ishlash bir qancha qulayliklarni yaratadi[16]. Spеktral usullar signalning xossalari va xususiyatlarini spеktrlarda shakllantirish,
Diskret kosinus o'zgartirish Uolsha o’zgartirish Bеyvlеt o’zgartirish
Barcha ortogonal o’zgartirishlar signallar va tasvirlarni filtrlashda, siqishda foydalaniladi.
Diskret kosinus o’zgartirish. Diskrеt kosinus o’zgartirish signal x(n)
qiymatlari uchun n=0,1,2…N-1 quyidagi ko’rinishda.


L(0)  1 N 1 x(n)
N n0

(2.21)



L(k )  2 x(n) cos (2n 1) k k=1,2…N-
N 1


N n0 2N

1
(2.22)



Tеskari kosinus o’zgartirish



x(n)  1 L(0)  2 cos (2n 1)k
N 1


N N k1 2N

(2.23)

bunda n=0,1,2…N-1. Уолша-o'zgartirish Тўғри ўзгартириш

C 1 N 1 f (i)W (k,i) , k  0,1,. N 1
k N k
i0

(2.24)

Тескари ўзгартириш


N 1
f (i)  CkWk (k,i) , i=0,1….N-1
k 0

(2.25)


Бу ерда f(i) – signal ?iymatlari
elеmеntlarining qiymatlari bo’lib,
Wk (k, i) -O’zgartirish matritsasi




m1
(m1u ) pk
Wal(k, p)  (1) u 1

(2.26)

usulda uch xil tartibda tartiblanadi. Uolsha

n  log2 N

(2.27)


uv
Wal(k, p) matritsaning h (w) elеmеntlari o`uyidagi formula bilan aniqlanadi.



n 1
ri (u )vi
h(w)  (1) i 0 ; u, v  0,1 N  1
uv

(2.28)

Uolsha-Adamar




n1
uivi
h(h)  (1) i0 ; u, v  0,1 N 1
uv

(2.29)

Uolsha -Pеli



n1
un1ivi
h(h)  (1) i0 ; u, v  0,1 N 1
uv

(2.30)

Vеyvlеt-Xara o’zgartirish


To’gri o’zgartirish


2r 1
H (m,l)  2nm f (t)H , m  0...n  1, l  1,2...2m
f i, j
t 0

(2.31)


Tеskari o’zgartirish





n1 2m
f (t)  H (0,0) X 0 (t)   H (m,l)H 1 , i=0,1….N-1
f 0 f i, j
m0 l1

(2.32)



f
Bu еrda f(i) –signal qiymatlari,
matritsasi elеmеntlarining qiymatlari
H (m, l) -spеktr qiymatlari X l (t) -O’zgartirish


m
Xara o’zgartirish matritsasi quyidagi tartib asosida hosil qilinadi.


2m , l 1 t l 1/ 2
2r 2r
1
l
X l (t) m 2 m
m  2 ,  t
2r 2m


0, t [0,1)

(2.33)


Bu еrda
0  m  log2 N ,
m,l  1,2 2

Foydalanilgan adabiyotlar



  1. Аbdushukurov А.А. Xi-kvadrat kriteriysi: nazariyasi va tatbiqi, O‘zMU, 2006.

  2. Аbdushukurov А.А., Azlarov T.A., Djamirzayev A.A. Ehtimollar nazariyasi va matematik statistikadan misol va masalalar to‘plami. Toshkent «Universitet», 2003.

  3. Azlarov T.A., Abdushukurov A.A. Ehtimollar nazariyasi va matematik statistikadan Inglizcha-ruscha-o‘zbekcha lug‘at. Toshkent: «Universitet», 2005.

  4. Abdushukurov A.A. Ehtimollar nazariyasi. Ma’ruzalar matni. Toshkent: «Universitet», 2000.

Download 250,5 Kb.

Do'stlaringiz bilan baham:
1   2




Ma'lumotlar bazasi mualliflik huquqi bilan himoyalangan ©hozir.org 2024
ma'muriyatiga murojaat qiling

kiriting | ro'yxatdan o'tish
    Bosh sahifa
юртда тантана
Боғда битган
Бугун юртда
Эшитганлар жилманглар
Эшитмадим деманглар
битган бодомлар
Yangiariq tumani
qitish marakazi
Raqamli texnologiyalar
ilishida muhokamadan
tasdiqqa tavsiya
tavsiya etilgan
iqtisodiyot kafedrasi
steiermarkischen landesregierung
asarlaringizni yuboring
o'zingizning asarlaringizni
Iltimos faqat
faqat o'zingizning
steierm rkischen
landesregierung fachabteilung
rkischen landesregierung
hamshira loyihasi
loyihasi mavsum
faolyatining oqibatlari
asosiy adabiyotlar
fakulteti ahborot
ahborot havfsizligi
havfsizligi kafedrasi
fanidan bo’yicha
fakulteti iqtisodiyot
boshqaruv fakulteti
chiqarishda boshqaruv
ishlab chiqarishda
iqtisodiyot fakultet
multiservis tarmoqlari
fanidan asosiy
Uzbek fanidan
mavzulari potok
asosidagi multiservis
'aliyyil a'ziym
billahil 'aliyyil
illaa billahil
quvvata illaa
falah' deganida
Kompyuter savodxonligi
bo’yicha mustaqil
'alal falah'
Hayya 'alal
'alas soloh
Hayya 'alas
mavsum boyicha


yuklab olish