信号处理常用算法介绍
對于許多信號,低頻成分相當(dāng)重要,它常常蘊含著信號的特征,而高頻成分則給出信號的細(xì)節(jié)或差別。
快速傅里葉變換(FFT):
樸素高精度乘法時間O(n2),但FFT能O(nlog2n)的時間解決
可以反映出信號的整體內(nèi)涵,但表現(xiàn)形式往往不夠直觀,并且噪聲會使得信號頻譜復(fù)雜化
離散小波變換(DWT):
在數(shù)值分析和時頻分析中很有用,一維小波變換,二維小波變換
小波分解:意義就在于能夠在不同尺度上對信號進(jìn)行分解,使人們在任意尺度觀察信號,將信號分解為近似分量和細(xì)節(jié)分量
小波分析:應(yīng)用在降噪中的,在小波分析中經(jīng)常用到近似于細(xì)節(jié),近似表示信號的高尺度,即低頻信息;細(xì)節(jié)表示信號的高尺度,即高頻信息。
帶通濾波器:將信號分解為不同頻率分量
稀疏表示:
為普通稠密表達(dá)的樣本找到合適的字典,將樣本轉(zhuǎn)化為合適的稀疏表達(dá)形式,從而使學(xué)習(xí)任務(wù)得以簡化,模型復(fù)雜度得以降低
它實質(zhì)上是對于龐大數(shù)據(jù)集的一種降維表示,應(yīng)用在圖像去噪、超分辨率重建、人臉識別、目標(biāo)跟蹤、音頻處理
1) 省空間
2) 奧卡姆剃刀說:如果兩個模型的解釋力相同,選擇較簡潔的那個。稀疏表達(dá)就符合這一點。
持續(xù)更新中......
總結(jié)
以上是生活随笔為你收集整理的信号处理常用算法介绍的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: php语言使用statsd统计指标模板
- 下一篇: 电气相关信号种类