Computer >> Hướng Dẫn Máy Tính >  >> Lập Trình >> Lập Trình

Tại sao biến đổi wavelet hữu ích cho giảm dữ liệu dù dữ liệu biến đổi cùng độ dài dữ liệu gốc?

Tính hữu ích nằm ở chỗ dữ liệu biến đổi wavelet có thể bị giới hạn. Một xấp xỉ nén của thông tin có thể giữ lại bằng cách chỉ lưu một phần nhỏ hệ số wavelet chính (principal wavelet coefficients). Ví dụ, tất cả hệ số wavelet lớn hơn ngưỡng do người dùng định nghĩa được giữ. Các hệ số khác đặt thành 0.

Mô tả dữ liệu kết quả rất thưa (sparse) để dịch vụ tận dụng sự thưa dữ liệu tính toán rất nhanh nếu triển khai trong không gian wavelet. Phương pháp cũng loại bỏ nhiễu mà không làm mượt đặc trưng chính của dữ liệu, làm cho nó hiệu quả cho làm sạch dữ liệu. Cho một tập hệ số, xấp xỉ dữ liệu gốc có thể tạo bằng cách dùng nghịch đảo của DWT áp dụng.

DWT thường liên quan đến biến đổi Fourier rời rạc (DFT - discrete Fourier transform), phương pháp xử lý tín hiệu chứa sin và cosin. Nói chung, DWT đạt nén mất dữ liệu (lossy compression) tốt. Nếu giữ số hệ số giống nhau cho DWT và DFT của vectơ dữ liệu cho trước, phiên bản DWT sẽ cho xấp xỉ hiệu quả hơn dữ liệu gốc.

Do đó, cho cùng xấp xỉ, DWT cần ít diện tích hơn DFT. Khác với DFT, wavelet hoàn toàn định vị trong không gian, góp phần bảo toàn yếu tố cục bộ. Chỉ có một DFT, nhưng có nhiều họ DWT.

Có biến đổi wavelet nổi tiếng: Haar-2, Daubechies-4, Daubechies-6. Quy trình chung dùng biến đổi wavelet rời rạc hỗ trợ thuật toán kim tự tháp phân cấp (hierarchical pyramid algorithm) giảm đôi dữ liệu mỗi lần lặp, dẫn đến tốc độ tính toán nhanh. Phương pháp:

  • Độ dài L của vectơ dữ liệu đầu vào phải là lũy thừa số của 2. Điều kiện có thể đáp ứng bằng cách đệm vectơ dữ liệu bằng 0 nếu cần (L ≥ n).
  • Mỗi biến đổi dùng hai hàm. Hàm đầu làm mượt dữ liệu khác nhau, bao gồm tổng hoặc trung bình trọng số. Hàm hai thực hiện hiệu trọng số, đưa ra đặc trưng chi tiết của dữ liệu.
  • Hai hàm áp dụng cho cặp điểm dữ liệu trong X, tức là tất cả cặp (x2i, x2i+1). Kết quả hai tập dữ liệu độ dài L/2. Nói chung, định nghĩa phiên bản làm mượt hoặc tần số thấp của bản ghi đầu vào và nội dung tần số cao tương ứng.
  • Hai hàm đệ quy áp dụng cho tập dữ liệu đạt được vòng lặp trước cho đến khi tập dữ liệu kết quả đạt độ dài 2.
  • Chọn giá trị từ tập dữ liệu đạt được các lần lặp tiếp theo định thành hệ số wavelet của dữ liệu biến đổi.