doi: 10.17586/2226-1494-2024-24-2-306-313


УДК 621.372.54

От конструирования вейвлетов на основе производных функции Гаусса к синтезу фильтров с конечной импульсной характеристикой

Семенов В.И., Чумаров С.Г.


Читать статью полностью 
Язык статьи - русский

Ссылка для цитирования:
Семенов В.И., Чумаров С.Г. От конструирования вейвлетов на основе производных функции Гаусса к синтезу фильтров с конечной импульсной характеристикой // Научно-технический вестник информационных технологий, механики и оптики. 2024. Т. 24, № 2. С. 306–313. doi: 10.17586/2226-1494-2024-24-2-306-313


Аннотация
Введение. Для непрерывного вейвлет-преобразования традиционно используются вейвлеты на основе производных функции Гаусса, а для кратномасштабного анализа — вейвлеты Добеши. Разработка алгоритмов прямого и обратного непрерывного вейвлет-преобразования в частотной области позволила в настоящей работе синтезировать цифровые фильтры с конечной импульсной характеристикой методом, отличным от существующих. Качество синтезированных фильтров проверялось декомпозицией и последующей реконструкцией сигналов. Для этого синтезировались несколько фильтров, полностью покрывающих частотный диапазон сигнала. Так как вейвлеты являются полосовыми фильтрами, авторы назвали фильтры вейвлетами. Чем точнее реконструированный сигнал повторяет форму оригинального сигнала, тем лучше вейвлет, сконструированный тем или иным методом. Сравнение точности реконструкции сигналов показывает, что лучший результат преобразования получается при применении именно синтезированных вейвлетов. Метод. Импульсные характеристики фильтров с конечной импульсной характеристикой синтезируются таким образом, чтобы их амплитудно-частотные характеристики (АЧХ) были схожи на АЧХ вейвлетов на основе производных функции Гаусса большого порядка. Чем больше порядок фильтра, тем ближе АЧХ к прямоугольной форме. Основные результаты. Предложены алгоритмы прямого и обратного вейвлет-преобразования сигнала в частотной области с применением вейвлетов на основе производных функции Гаусса. Профилирование программы синтеза показало, что время вейвлет-преобразования с использованием быстрого преобразования Фурье в 15 000 раз меньше, чем при прямом численном интегрировании для экспериментальной выборки сигнала в 32 768 отсчетов. Эти алгоритмы можно использовать для вейвлетов с прямоугольной АЧХ. При этом время численного вычисления уменьшается еще в два раза. Точность реконструкции сравнивалась для вейвлетов на основе производных второго порядка, вейвлетов Добеши, и вейвлетов с прямоугольной АЧХ. Точность реконструкции оказалась наивысшей для вейвлетов с прямоугольной АЧХ. В работе представлены импульсные характеристики двухполосного, трехполосного цифровых фильтров и их АЧХ. Обсуждение. Использование предложенного метода конструирования вейвлетов наиболее предпочтительно ввиду его относительной простоты и возможности синтезировать многополосные фильтры с любой формой АЧХ. При синтезе существующими методами можно получить лишь «короткую» переходную полосу только для «длинных» импульсных характеристик, то для сконструированных предложенным методом вейвлетов даже для фильтров очень маленьких порядков переходные полосы практически отсутствуют. Цифровые фильтры с конечной импульсной характеристикой с прямоугольной АЧХ имеют большой коэффициент ослабления в полосе задерживания по сравнению существующими фильтрами с конечной импульсной характеристикой и могут быть использованы для обработки одномерных и двумерных сигналов.

Ключевые слова: вейвлет-преобразование, импульсная характеристика, реконструкция, кратномасштабный анализ, алгоритм Малла, амплитудно-частотная характеристика, синтез, цифровой фильтр

Список литературы
  1. Palani S. Design of finite impulse response (FIR) digital filters // Discrete Time Systems and Signal Processing. Springer, Cham. 2023. P. 591–732. https://doi.org/10.1007/978-3-031-32421-5_5
  2. Berber S. Theory of the design, and operation of digital filters // Discrete Communication Systems. Oxford University Press, 2021. P. 797–823. https://doi.org/10.1093/oso/9780198860792.003.0016
  3. Kennedy H.L. Lecture notes on the design of low-pass digital filters with wireless-communication applications // arXiv. 2022. arXiv:2211.07123. https://doi.org/10.48550/arXiv.2211.07123
  4. Agrawal N., Kumar A., Bajaj V., Singh G.K. Design of digital IIR filter: A research survey // Applied Acoustics. 2021. V. 172. P. 107669. https://doi.org/10.1016/j.apacoust.2020.107669
  5. Penedo S.R.M., Netto M.L., Justo J.F. Designing digital filter banks using wavelets // EURASIP Journal on Advances in Signal Processing. 2019. P. 33. https://doi.org/10.1186/s13634-019-0632-6
  6. Ďuriš V., Semenov V.I., Chumarov S.G. Application of Continuous Fast Wavelet Transform for Signal Processing. London: Sciemcee Publishing, 2021. 181 p.
  7. Солонина А.И., Клионский Д.М., Меркучева Т.В., Перов С.Н. Цифровая обработка сигналов и MATLAB: учеб. пособие. СПб.: БХВ-Петербург, 2013. 512 с.
  8. Daubeches I. Ten Lectures on Wavelets. Society for Industrial and Applied Mathematics, 1992. 357 p.
  9. Mallat S.G. A Wavelet Tour of Signal Processing. San Diego, CA, USA: Academic Press, 1999. 620 p.
  10. Новиков Л.В. Основы вейвлет-анализа сигналов. М.: ИАнП РАН, 1999. 152 с.
  11. Желтов П.В., Семенов В.И. Вейвлет-анализ акустического сигнала // Вестник Казанского государственного технического университета им. А.Н. Туполева. 2008. № 4. С. 68–71.
  12. Желтов П.В., Семенов В.И., Трофимова А.И., Шурбин А.К. Алгоритмы идентификации фонем и формирования слова в системах распознавания речи на основе вейвлет-преобразования // Вестник Чувашского университета. 2014. № 2. С. 98–102.
  13. Шумарова О.С., Игнатьев С.А. Оптимальный выбор вида вейвлета при обработке сигнала с вихретокового датчика // Вестник Саратовского государственного технического университета. 2013. Т. 4. № 1(73). С. 128–132.
  14. Ďuriš V., Chumarov S.G., Mikheev G.M., Mikheev K.G., Semenov V.I. The orthogonal wavelets in the frequency domain used for the images filtering // IEEE Access. 2020. V. 8. P. 211125–211134. https://doi.org/10.1109/ACCESS.2020.3039373
  15. Ďuriš V., Semenov V.I., Chumarov S.G.. Wavelets and digital filters designed and synthesized in the time and frequency domains // Mathematical Biosciences and Engineering. 2022. V. 19. N 3. P. 3056–3068. https://doi.org/10.3934/mbe.2022141
  16. Ďuriš V., Chumarov S.G., Semenov V.I. Increasing the speed of multiscale signal analysis in the frequency domain // Electronics. 2023. V. 12. N 3. P. 745. https://doi.org/10.3390/electronics12030745
  17. Семенов В.И., Чумаров С.Г. Уменьшение времени обратного вейвлет-преобразования изображения с применением симметричного ортогонального вейвлета. Свидетельство о регистрации программы для ЭВМ RU 2023664790. 07.07.2023.


Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Информация 2001-2024 ©
Научно-технический вестник информационных технологий, механики и оптики.
Все права защищены.

Яндекс.Метрика