Эквивалентная структурная схема банк-фильтров:
в этом случае производится адаптивное разбиение спектра:
Для сжатия необходимо декорреллировать отсчеты сигнала. Отсчеты речевого имеют высокие корреляционные связи. На этапе разложения входной сигнал разбивается на 2 половинной длительности. Предсказатель построен на основе интерполяционного полинома обеспечивает восстановление недостающих отсчетов. После происходит обновление коэффициентов разложения.
Рассмотрим разбиение. Разложим последовательность на четные и нечетные отсчеты.
j,k=S j1,k=j1,2k
Интерполяционные операторы предсказания j,k :=j,k−P j,k
Этап обновления:
На этапе обновления коэффициенты поднимаются при помощи j,k вейвлет-коэффициентов j,k
j,k :=j,kU j,k
Таким образом получим коэффициенты разложения в двух ветвях: H и G.
Обратное преобразование:
При рассмотрении системы анализа синтеза и лифтинговой схемы рассматривались методы полиномиальной интерполяции. При равноотстоящей дискретизации (с постоянной частотой дискретизации) возможно построение кардинального ряда:
N
st=∑ sn⋅xt−tn.
n=0
В качестве примера кардинального ряда можно привести ряд В.А. Котельникова
xt=sin⋅t
при ⋅t
Продискретизируем кардинальный ряд с удвоенной частотой (для восстановления сигнала после децимации в системе анализа синтеза)
N
между отсчетами сигнала на выходе ветви разложения вставляются 0 а потом производится дискретная фильтрация сигнала при помощи фильтра с импульсной характеристикой xm
таким образом импульсная характеристика цифрового интерполирующего фильтра есть продискретизированная с шагом 0.5 интерполирующая функция.
В соответствии с теорией КМА, целочисленные сдвиги скейлинг-функции образуют ортонормированный базис в пространстве . Это означает:V 0
n, n=0,
n≠0;
−∞ n=1, n=0.
Таким образом, автокорреляционная функция скейлинг-функции
Rdt является
интерполирующей функцией.
Рассмотрим спектр продискретизированной с шагом 0,5 интерполирующей функции: xdt=∑ xtt−nt,
n∈Z
X d=∑ xntexp−jnt
n∈Z
поскольку все четные отсчеты, кроме нулевого равны 0, то x2nt=n,
X d=1∑ x2n1texp−j2n1t.
n∈Z
рассмотрим сумму
X dX d2=2∑ x2n1texp−j2n1t...
n∈Z
...∑ x2n1texp−j22n1t.
n∈Z
X dX d2=2∑ x2n10,5exp−j2n1t...
n∈Z
... ∑ x2n10,5exp−j22n10,5;
n∈Z
тогда exp−j22n10,5=exp−j2n10,5exp−j2n1=−exp−j2n10,5
И в результате: X dX d2=2.
Вспомним свойство масштабирующего множителя уравнения КМА для скейлинг-функции ∣H ∣2∣H ∣2=1
Сравнивая с выражением X dX d2=2 получим
H0= d
X 2
2
коэффициенты масштабирующего уравнения рассчитаем через обратное преобразование Фурье
h0=∫ H0exp jntd
−
где h0 соответствует коэффициентам со сдвигом 0,5. Для того чтобы выделить коэффициенты целочисленных сдвигов необходимо взять каждый второй отсчет hk=h02k
На практике наибольший интерес представляют симметричные вещественные интерполирующие функции, в результате скейлинг-функции также симметричные и вещественные. При этом их спектры – неотрицательные. Если спектр интерполирующей функции имеет отрицательные значения, то среди вещественных функций невозможно найти такую, чья АКФ является интерполирующей.
При использовании различных классов интерполирующих функций можно получать различные скейлинг-функции. В качестве примера можно произвести синтез базиса Хаара на основе сплайна первого порядка.
-1 0 1 t 0 1 2 n
Рассмотрим функцию xt=sinct=sint t на ее основе получим скейлинг-функцию Шеннона t=sinct=sint t
Рассмотрим семейство xt= Pnt⋅sinct,
Pnt=∑N
an⋅t2n,a0=1,
Pmt=∑M
bn⋅t2m,b0=1,
MN.
P mt n=0 m=0
Частным случаем
является функция xtt
Меняя параметры
полиномов числителя и знаменателя возможно изменять длительность интерполирующей функции по времени и ее
эффективную ширину спектра
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.