Título : |
Introducción a la teoría de wavelets y su aplicación en la reducción de ruido en señales |
Tipo de documento: |
texto impreso |
Autores: |
Mabel Erlinda Tesillo Quispe, Autor |
Editorial: |
Puno : Universidad Nacional del Altiplano. Facultad de Ingeniería Civil y Arquitectura. Escuela Profesional de Ciencias Físico Matemáticas |
Fecha de publicación: |
2007 |
Número de páginas: |
126 pàginas |
Il.: |
tablas |
Dimensiones: |
30 cm. |
Material de acompañamiento: |
01 CD-ROM |
Nota general: |
Para Optar el Titulo Profesional : Licenciado en Ciencias Físico Matemáticas |
Idioma : |
Español (spa) |
Resumen: |
Para iniciarse en el estudio de la teoría de la transformada Wavelet, se recomienda tener conocimiento previo de la transformada de Fourier y de procesamiento digital de señales, sin estos requisitos la información brindada en este trabajo será de poca utilidad para el lector.
La presente investigación intitulada “Introducción a la teoría de Wavelets y su aplicación en la reducción de ruido en señales” describe la aplicación de la transformada Wavelet en la reducción de ruido térmico en señales de prueba. El ruido es un fenómeno producido por factores externos e internos, estos pueden ser climatológicos si nos referimos a la transmisión de señales en la atmósfera y pueden estar presentes en todos los dispositivos electrónicos que conforman circuitos de transmisión y adquisición de señales, el ruido es un factor que distorsiona la información presente en una señal, produciéndose por esto, lecturas incorrectas y una mala interpretación de la señal.
Para desarrollar la teoría de la transformada Wavelet de una manera más sencilla, se iniciará con las definiciones de ruido, luego se muestra de manera general las definiciones y propiedades de la transformada de Fourier, posteriormente se introduce la teoría de la transformada Wavelet como una herramienta alternativa al análisis de Fourier para el procesamiento de señales. El marco teórico de esta nueva herramienta se desarrolla explicando las propiedades matemáticas y utilizando para ello la Wavelet Haar que corresponde al sistema Wavelet más simple. La parte medular del análisis de señales con Wavelet comienza con el análisis multiresolución en el cual se desarrolla la transformada Discreta Wavelet y algoritmos para la transformada rápida Wavelet.
El proceso genérico para reducir el ruido de una señal utilizando la transformada Wavelet es: calcular los coeficientes de aproximación, y detalle Wavelet, aplicar un umbral a los coeficientes de detalle para luego calcular la transformada inversa Wavelet, con los coeficientes de aproximación y los coeficientes modificados de detalle.
Por referencias bibliográficas, se escogió tres algoritmos: Traslation invariant, Bayesian y Neighblock, estos algoritmos se simularon usando el entorno de Matlab, se instalaron como toolbox de Matlab los programas: Wavelab Package y GaussianWaveDen. Los tres algoritmos elegidos se sometieron a un trabajo de simulación bajos las siguientes condiciones: las entradas fueron un conjunto de ocho señales no estacionarias de prueba con diferentes número de muestras (n =128, 256, 512, 1024) las que se analizaron con la Wavelet Symmlet 8, se hicieron 13 simulaciones de reducción de ruido, cuyos resultados se muestran en base al error cuadrático medio de la señal reconstruida con respecto a la original.
De los resultados obtenidos, se concluye que no existe un método que sea el mejor de todos para trabajar con todo tipo de señales, la eficiencia de cada método esta estrechamente relacionado con el tipo de señal de entrada, del tipo de Wavelet utilizada, de los niveles de descomposición y del tamaño de muestras, el comportamiento general describe que cuanto mayor sea el número de muestras, menor será el valor del error cuadrático medio (EMS), el incremento de muestras ocasiona que el tiempo de ejecución del programa se incremente y la diferencia de EMS no sea notoria respecto a las demás, este es solo un punto referencial, ya que esta trabajo no se ocupa de investigar este aspecto.
Con la presente investigación se abre la posibilidad de desarrollar otros proyectos que involucren aplicaciones en tratamiento de imágenes, compresión de señales, detección de discontinuidades y cambios abruptos en señales de tipo biológicas, sísmicas, acústicas, electromagnéticas, etc. |
Nota de contenido: |
Zona Territorial de Estudio:. PE: PUNO. |
Link: |
https://biblioteca.unap.edu.pe/opac_css/index.php?lvl=notice_display&id=74503 |
Introducción a la teoría de wavelets y su aplicación en la reducción de ruido en señales [texto impreso] / Mabel Erlinda Tesillo Quispe, Autor . - Puno : Universidad Nacional del Altiplano. Facultad de Ingeniería Civil y Arquitectura. Escuela Profesional de Ciencias Físico Matemáticas, 2007 . - 126 pàginas : tablas ; 30 cm. + 01 CD-ROM. Para Optar el Titulo Profesional : Licenciado en Ciencias Físico Matemáticas Idioma : Español ( spa)
Resumen: |
Para iniciarse en el estudio de la teoría de la transformada Wavelet, se recomienda tener conocimiento previo de la transformada de Fourier y de procesamiento digital de señales, sin estos requisitos la información brindada en este trabajo será de poca utilidad para el lector.
La presente investigación intitulada “Introducción a la teoría de Wavelets y su aplicación en la reducción de ruido en señales” describe la aplicación de la transformada Wavelet en la reducción de ruido térmico en señales de prueba. El ruido es un fenómeno producido por factores externos e internos, estos pueden ser climatológicos si nos referimos a la transmisión de señales en la atmósfera y pueden estar presentes en todos los dispositivos electrónicos que conforman circuitos de transmisión y adquisición de señales, el ruido es un factor que distorsiona la información presente en una señal, produciéndose por esto, lecturas incorrectas y una mala interpretación de la señal.
Para desarrollar la teoría de la transformada Wavelet de una manera más sencilla, se iniciará con las definiciones de ruido, luego se muestra de manera general las definiciones y propiedades de la transformada de Fourier, posteriormente se introduce la teoría de la transformada Wavelet como una herramienta alternativa al análisis de Fourier para el procesamiento de señales. El marco teórico de esta nueva herramienta se desarrolla explicando las propiedades matemáticas y utilizando para ello la Wavelet Haar que corresponde al sistema Wavelet más simple. La parte medular del análisis de señales con Wavelet comienza con el análisis multiresolución en el cual se desarrolla la transformada Discreta Wavelet y algoritmos para la transformada rápida Wavelet.
El proceso genérico para reducir el ruido de una señal utilizando la transformada Wavelet es: calcular los coeficientes de aproximación, y detalle Wavelet, aplicar un umbral a los coeficientes de detalle para luego calcular la transformada inversa Wavelet, con los coeficientes de aproximación y los coeficientes modificados de detalle.
Por referencias bibliográficas, se escogió tres algoritmos: Traslation invariant, Bayesian y Neighblock, estos algoritmos se simularon usando el entorno de Matlab, se instalaron como toolbox de Matlab los programas: Wavelab Package y GaussianWaveDen. Los tres algoritmos elegidos se sometieron a un trabajo de simulación bajos las siguientes condiciones: las entradas fueron un conjunto de ocho señales no estacionarias de prueba con diferentes número de muestras (n =128, 256, 512, 1024) las que se analizaron con la Wavelet Symmlet 8, se hicieron 13 simulaciones de reducción de ruido, cuyos resultados se muestran en base al error cuadrático medio de la señal reconstruida con respecto a la original.
De los resultados obtenidos, se concluye que no existe un método que sea el mejor de todos para trabajar con todo tipo de señales, la eficiencia de cada método esta estrechamente relacionado con el tipo de señal de entrada, del tipo de Wavelet utilizada, de los niveles de descomposición y del tamaño de muestras, el comportamiento general describe que cuanto mayor sea el número de muestras, menor será el valor del error cuadrático medio (EMS), el incremento de muestras ocasiona que el tiempo de ejecución del programa se incremente y la diferencia de EMS no sea notoria respecto a las demás, este es solo un punto referencial, ya que esta trabajo no se ocupa de investigar este aspecto.
Con la presente investigación se abre la posibilidad de desarrollar otros proyectos que involucren aplicaciones en tratamiento de imágenes, compresión de señales, detección de discontinuidades y cambios abruptos en señales de tipo biológicas, sísmicas, acústicas, electromagnéticas, etc. |
Nota de contenido: |
Zona Territorial de Estudio:. PE: PUNO. |
Link: |
https://biblioteca.unap.edu.pe/opac_css/index.php?lvl=notice_display&id=74503 |
Introducción a la teoría de wavelets y su aplicación en la reducción de ruido en señales
Para iniciarse en el estudio de la teoría de la transformada Wavelet, se recomienda tener conocimiento previo de la transformada de Fourier y de procesamiento digital de señales, sin estos requisitos la información brindada en este trabajo será de poca utilidad para el lector.
La presente investigación intitulada “Introducción a la teoría de Wavelets y su aplicación en la reducción de ruido en señales” describe la aplicación de la transformada Wavelet en la reducción de ruido térmico en señales de prueba. El ruido es un fenómeno producido por factores externos e internos, estos pueden ser climatológicos si nos referimos a la transmisión de señales en la atmósfera y pueden estar presentes en todos los dispositivos electrónicos que conforman circuitos de transmisión y adquisición de señales, el ruido es un factor que distorsiona la información presente en una señal, produciéndose por esto, lecturas incorrectas y una mala interpretación de la señal.
Para desarrollar la teoría de la transformada Wavelet de una manera más sencilla, se iniciará con las definiciones de ruido, luego se muestra de manera general las definiciones y propiedades de la transformada de Fourier, posteriormente se introduce la teoría de la transformada Wavelet como una herramienta alternativa al análisis de Fourier para el procesamiento de señales. El marco teórico de esta nueva herramienta se desarrolla explicando las propiedades matemáticas y utilizando para ello la Wavelet Haar que corresponde al sistema Wavelet más simple. La parte medular del análisis de señales con Wavelet comienza con el análisis multiresolución en el cual se desarrolla la transformada Discreta Wavelet y algoritmos para la transformada rápida Wavelet.
El proceso genérico para reducir el ruido de una señal utilizando la transformada Wavelet es: calcular los coeficientes de aproximación, y detalle Wavelet, aplicar un umbral a los coeficientes de detalle para luego calcular la transformada inversa Wavelet, con los coeficientes de aproximación y los coeficientes modificados de detalle.
Por referencias bibliográficas, se escogió tres algoritmos: Traslation invariant, Bayesian y Neighblock, estos algoritmos se simularon usando el entorno de Matlab, se instalaron como toolbox de Matlab los programas: Wavelab Package y GaussianWaveDen. Los tres algoritmos elegidos se sometieron a un trabajo de simulación bajos las siguientes condiciones: las entradas fueron un conjunto de ocho señales no estacionarias de prueba con diferentes número de muestras (n =128, 256, 512, 1024) las que se analizaron con la Wavelet Symmlet 8, se hicieron 13 simulaciones de reducción de ruido, cuyos resultados se muestran en base al error cuadrático medio de la señal reconstruida con respecto a la original.
De los resultados obtenidos, se concluye que no existe un método que sea el mejor de todos para trabajar con todo tipo de señales, la eficiencia de cada método esta estrechamente relacionado con el tipo de señal de entrada, del tipo de Wavelet utilizada, de los niveles de descomposición y del tamaño de muestras, el comportamiento general describe que cuanto mayor sea el número de muestras, menor será el valor del error cuadrático medio (EMS), el incremento de muestras ocasiona que el tiempo de ejecución del programa se incremente y la diferencia de EMS no sea notoria respecto a las demás, este es solo un punto referencial, ya que esta trabajo no se ocupa de investigar este aspecto.
Con la presente investigación se abre la posibilidad de desarrollar otros proyectos que involucren aplicaciones en tratamiento de imágenes, compresión de señales, detección de discontinuidades y cambios abruptos en señales de tipo biológicas, sísmicas, acústicas, electromagnéticas, etc.
Tesillo Quispe, Mabel Erlinda -
Puno : Universidad Nacional del Altiplano. Facultad de Ingeniería Civil y Arquitectura. Escuela Profesional de Ciencias Físico Matemáticas - 2007
Para Optar el Titulo Profesional : Licenciado en Ciencias Físico Matemáticas
Zona Territorial de Estudio:. PE: PUNO.
|
|