Využití waveletové transformace a matematické statistiky pro separaci signálu a šumu

Utilization of wavelet transform and mathematical statistics for separating signal and noise

dizertace

čeština

Tato dizertační práce se zabývá metodou potlačování gaussovského (normálně rozloženého) šumu v signálu pomocí tzv. prahování waveletových koeficientů, s důrazem na řečové signály. Tento způsob separace užitečného a ruchového signálu vychází z metodologie WaveShrink, jejímiž autory jsou Donoho a Johnstone. První část práce je věnována některým modifikacím této metodologie za účelem zvýšení její účinnosti a dále zejména statistické analýze a srovnání vlastností pěti prahovacích pravidel. Druhá část práce je věnována nově vyvinuté metodě tzv. segmentované waveletové transformace, která, kromě dalších výhod, umožňuje implementovat waveletovou transformaci pro zpracování v reálném čase, a tedy v důsledku i waveletovou separaci kromě dalších výhod v reálném čase.

The dissertation thesis considers a method for suppressing Gaussian (normally distributed) noise in signals utilizing the so-called thresholding of wavelet coefficients, with particular focus on speech signals. This type of separation of effective and noisy signals starts from the WaveShrink methodology. The first part of the thesis considers several modifications of this methodology in order to improve its performance, and, also, in particular the statistical analysis and comparison of five thresholding rules. The second part is devoted to the newly-developed method of so-called segmented wavelet transform, which allows us to perform the wavelet transform, and thus also the "wavelet-type separation" in real time, in addition to other benefits.

waveletové potlačování šumu, segmentovaná waveletová transformace, statistická analýza prahovacích pravidel

wavelet signal denoising, segmented wavelet transform, exact risk analysis of the thresholding rules

RAJMIC, P.

31. 8. 2004

Brno

1

107

107