Maestría en Matemáticas Aplicadas · 2017
Análisis de técnicas Wavelet para el desarrollo de compresores de audio
Full text 100 pages with text
Read the full thesis Record in the repository
Contents
- CAPÍTULO 1. FUNDAMENTOS DE DESCOMPOSICIÓN DE SEÑALESp. 16
- REPRESENTACIÓN GEOMÉTRICA DE SEÑALESp. 16
- ESPACIOS ALGEBRAICOSp. 19
- SERIES DE FOURIERp. 19
- REPRESENTACIÓN ESPECTRAL DE SEÑALESp. 24
- 1.4.1. Señal periódica continuap. 25
- 1.4.2. Señal periódica discretap. 26
- 2.1. TRANSFORMADA DISCRETA DE FOURIERp. 28
- 2.1.1. Propiedades de DFT e IDFTp. 29
- 2.1.2. Operador de translación, de rotación, y reflexión conjugadap. 30
- 2.1.3. Transformada rápida de Fourier (FFT)p. 31
- 2.2. TRANSFORMADA WAVELETp. 33
- 2.2.1. La Transformada Continua Waveletp. 33
- 2.2.2. Propiedades de CWTp. 36
- 2.2.3. CWT inversap. 38
- 2.2.4. Transformada Wavelet discretap. 38
- 2.2.5. Banco de filtros Waveletp. 43
- 2.2.6. Función Madrep. 44
- 2.2.7. Selección de la onduletap. 48
- CAPÍTULO 3. DESCRIPCIÓN DE NIVELES WAVELETp. 51
- 3.1. PRINCIPIO BÁSICOp. 51
- 3.2. WAVELETS DE PRIMER NIVELp. 53
- 3.3. WAVELETS EN NIVEL-Pp. 58
- 3.4. BASE WAVELETp. 60
- 3.5. WAVELETS ESPECIALES EN EL ESPACIO L2(ZN)p. 62
- 3.5.1. Base de Haarp. 62
- 3.5.2. Base de Shannonp. 65
- 3.5.3. Wavelets Daubechies D2Pp. 67
- CAPÍTULO 4. OBTENCIÓN Y EVALUACIÓN DEL CODIFICADOR WAVELETp. 71
- 4.1. DISEÑO DEL CODIFICADOR PERCEPTUAL DE AUDIO BASADO EN LA TRANSFORMADA WAVELETp. 71
- 4.1.1. Principios Psicoacústicos del Codificador Perceptualp. 73
- 4.1.2. Codificación Perceptual de Audiop. 74
- 4.2. COMPARACIÓN DEL RENDIMIENTO DE LOS DISTINTOS TIPOS DE WAVELETp. 78
- 4.2.1. Relación señal-a-ruido (Signal to noise ratio-SNR)p. 78
- 4.2.2. Valor pico de la relación señal-ruido (Peak signal to noise ratio –PSNR)p. 78
- 4.2.3. Valor del error normalizado de RMS (Normalized Root Mean Square Error - NRMSE)p. 79
- 4.2.4. Energía de la Señal Retenida (Retained signal energy –RSE)p. 79
- LA TRANSFORMADA WAVELET EVALUADAp. 88
- transformada Wavelet-Daubechies Tipo 7, con 8 niveles de descomposiciónp. 90
- 4.3.2. Instrucciones introductorias del Administrador, antes del testp. 91
- 4.3.3. Valores subjetivosp. 92
- 4.3.4. Conclusiones del experimentop. 92
- RECOMENDACIONESp. 94
- BIBLIOGRAFÍAp. 95
- ANEXO 1. CÓDIGO DEL CODIFICADOR DISEÑADO EN MATLABp. 97
- Adaptado de [20]p. 17
- Figura 3. Concepto de Bases ortonormales. Adaptado de [20]p. 18
- Figura 4. Proyección del vector en su base ortonormal. Adaptado de [20]p. 18
- está determinado por 𝜎𝑡, 𝜎𝑤. Fuente: [27]p. 35
- Figura 6. Explicación DWT como una implementación de filtros FIR digitales [28]p. 40
- Figura 7. Celda-rejilla dual en espacio tiempo-escala [27]p. 41
- denota un filtro paso–bajo. Adaptado de [29]p. 43
- Figura 9. Ejemplo de descomposición en árbol de la estructura Wavelet [17]p. 44
- Morlet, (parte imaginaria, en puntos). [27]p. 45
- Figura 11. Onduleta de Meyer. referencia.[27]p. 46
- Figura 12. Filtros de convolución para la onduleta de Meyer [27]p. 46
- Figura 13. Onduleta de Haar, Onduleta de Daubechies2 [27]p. 47
- Figura 14. Filtros de convolución para la onduleta Daubechies2. [27]p. 47
- Wavelet. [27]p. 49
- Figura 16. Filtros de análisis y de síntesis en la DWT. Adaptado de [30]p. 50
- Figura 17. Descomposición Wavelet.[30]p. 52
- Figura 19. Representación frecuencial de la descomposición de Wavelets. [30]p. 53
- Figura 20. Principio de análisis y síntesis Wavelet. Adaptado de [30]p. 58
- Figura 21. Wavelets Haar, 𝑁= 8. Adaptado de [27]p. 65
- Figura 22. Base de Shannon. [27]p. 67
- Figura 23. Wavelets de Daubechies, D6, N=16. [27]p. 70
- Figura 25. a) Enmascaramiento frecuencial y b) Enmascaramiento temporal. Adaptado de [1]p. 74
- Figura 26. Diagrama de bloques del codificador perceptual de audio genérico. Adaptado de [1]p. 75
- Figura 28. Estructura de DBTS. [32]p. 89
- Figura 29. Método de testeo DBTS .[32]p. 91
- Figura 30. Resultados de evaluaciones subjetivas entre los codificadores. Fuente: Autorp. 92
- descomposiciónp. 81
- descomposiciónp. 81
- descomposiciónp. 81
- Tabla 10. Escala de 5-puntos ITU [36]p. 89
Keywords
Digital audioFourier seriesSignal processingSpectrum analysisWavelets (Mathematics)Compresores de audioProcesador electrónico de sonidoTransformada de FourierTransformada de Wavelet