2.1SPF sm raqamli signallarni qayta ishlash uchun maxsus protsessor
SPF sm maxsus protsessorining rivojlanishi elektron boshqaruv mashinalari
institutida, t. f. N. Felman Boris Yakovlevich boshchiligidagi bo'limda amalga
oshirildi. Rivojlanish SSSR fanlar akademiyasi ire bilan birgalikda amalga
oshirildi. SPF sm maxsus protsessori kichik qator bilan ishlab chiqarilgan. Ishlab
chiqaruvchi korxonalar tomonidan chiqarilgan nusxalarning umumiy soni 30-40.
SPF sm maxsus protsessoridan foydalanishning qiziqarli namunasi sun'iy
yo'ldoshdan amalga oshirilgan Venera sayyorasi yuzasini aniqlash uchun radar
signallarini qayta ishlash edi.
Haqiqiy akustik sharoitlarda qayd etilgan ovozli signal ko'pincha atrof-muhit yoki
ovoz yozish uskunalari tomonidan ishlab chiqarilishi mumkin bo'lgan kiruvchi
shovqinlarni o'z ichiga oladi. Shovqin sinflaridan biri qo'shimcha statsionar
shovqin .
Qo'shimchalar shovqin "toza" signal bilan umumlashtirilganligini anglatadi va
unga bog'liq emas.
Statsionar shovqin xususiyatlari (kuch, spektral tarkibi) vaqtida o'zgarmaydi, degan
ma'noni anglatadi.
Bunday shovqinlarning misollari mikrofon yoki kuchaytiruvchi asbob-uskunalar,
elektr tokining doimiy tıslama bo'lishi mumkin. Vaqti-vaqti bilan tovushlarni
o'zgartirmaydigan turli xil asboblar (muxlislar, kompyuterlar) ham statsionar
shovqinlarni keltirib chiqarishi mumkin. Turli xil sekin urish, zarba, shamol
shovqini, avtomobil shovqini doimiy shovqin emas.
Qo'shimcha statsionar shovqinlarni bostirish uchun spektral tushirish algoritmi
mavjud . Quyidagi bosqichlardan iborat:
1. Qisqa muddatli Fourier (STFT) konvertatsiyasi yoki signal energiyasini ixcham
ravishda lokalizatsiya qiluvchi boshqa konvertatsiya yordamida signalni
kengaytirish.
2. Shovqin spektrini baholash.
3. Amplitudali signal spektridan amplitudali shovqin spektrini "olib tashlash".
4. Teskari konvertatsiya Stft-natijada olingan signalning sintezi.
Filtrlar banki sifatida 50 milodiy uzunlikdagi Xanna oynasi va 75% qoplama
darajasi bilan stftdan foydalanish tavsiya etiladi. Og'irlik oynasining amplitudasi
ölçeklenmelidir, shuning uchun tanlangan oyna bilan qoplangan bo'lsa, filtrli bank
qayta ishlash bo'lmasa, signalning umumiy amplitudasini o'zgartirmaydi.
Shovqin spektrini baholash, har bir chastota bandidagi minimal energiya qismlarini
qidirish va qo'lda, foydalanuvchi shovqin sifatida aniqlangan vaqt segmentida
spektrni tahlil qilish orqali avtomatik ravishda amalga oshirilishi mumkin.
Spektral diseksiyon usulining muammolaridan biri deyiladi. "musiqiy shovqin". Bu
shovqin signallarining Stft koeffitsientlari statistik ravishda tasodifiy bo'lib,
ularning notekis bostirilishiga olib keladi. Natijada, tozalangan signal qisqa
muddatli va chastotada cheklangan energiya portlashlarini o'z ichiga oladi, bu
quloqqa "qo'ng'iroqlar" yoki "oqayotgan suv"deb qaraladi. Ba'zi hollarda, bu ta'sir
asl bostirilgan shovqinga qaraganda kamroq kerak.
Ushbu asarni bostirish uchun quyidagi usullarni qo'llashingiz mumkin:
* Shovqin chegarasini baholash (k ortishi ). Zaif komponentni bostirishga olib
keladi foydali signal, ovoz sustlashadi.
* To'liq bo'lmagan shovqinlarni bostirish (pastdan noldan farqli sobit cheklov).
Shovqinning bir qismi signalda qoladi va qisman "musiqiy shovqin"ni maskalaydi.
* Vaqt spektrini baholash bilan tekislash. Transientlarni loyqalashga yoki
bostirishga olib keladi (signalda keskin burilishlar: zarbalar, musiqa asboblari
hujumlari).
* Vaqt va chastotada spektrni baholashning moslashuvchan yumshatilishi. Eng
yuqori sifatli, ammo vaqt sarflaydigan usul.
"Musiqiy shovqin" ni bostirishning eng keng tarqalgan usuli – vaqt o'tishi bilan
spektrni yumshatishdan foydalanadi. Buning uchun dastlabki signalning STFT
koeffitsientlariga vaqt bo'yicha takroriy filtrlash qo'llaniladi. Yaxshi bosimga
erishish mumkin, masalan, bilateral filtr yoki tasvirlar uchun shovqinlarni
kamaytirishda ishlatiladigan nostandart o'rtacha algoritm kabi spektrogrammaga
moslashtirilgan ikki o'lchovli filtrlash algoritmlarini qo'llash orqali erishish
mumkin.
3.2 qayta ishlash
Resampling (qayta namuna olish, resampling) raqamli signalning namuna olish
tezligini o'zgartirishdir. Raqamli tasvirlarga nisbatan, resampling tasvir
o'lchamlarini o'zgartirishni anglatadi. Tasvirlarni qayta tiklash uchun turli xil
algoritmlar mavjud. Misol uchun, tasvirni 2 marta oshirish uchun siz uning har bir
satrini va har bir ustunini (va kamaytirish uchun) takrorlashingiz mumkin. Ushbu
usul eng yaqin qo'shni (yaqin qo'shni) usuli deb ataladi. Oraliq ustunlar va satrlarni
qo'shni ustunlar va satrlarning qiymatlarini chiziqli interpolatsiya bilan olish
mumkin. Ushbu usul bilinear interpolation (bilinear interpolation) deb ataladi.
Yangi tasvirning har bir nuqtasi asl tasvir nuqtalarining (bikubik va boshqa
interpolatsiya turlari) og'irligi miqdori sifatida olinishi mumkin.
Eng yuqori sifatli qayta ishlash algoritmlarni qo'llash orqali olinadi, bu nafaqat
vaqt bilan, balki tasvirning chastota maydoni bilan ham ishlash zarurligini hisobga
oladi. Keling, tasvirning chastota ma'lumotlarini maksimal darajada saqlash
g'oyasiga asoslangan resampling algoritmini ko'rib chiqamiz. Algoritm
interpolation / filtrlash / inceltme (interpolation / filtering / decimation) tamoyili
asosida qurilgan.
(Ustunlar) vertikal – ikki o'lchovli tasvir birinchi uzatmoqchi yoki gorizontal
(satrlari) va keyin siqish mumkin, chunki algoritm ish, bir o'lchovli signallari ko'rib
chiqamiz. Shunday qilib, ikki o'lchovli tasvirni qayta tiklash bir o'lchovli signalni
qayta tiklashga tushadi.
Bir o'lchovli signalni n nuqta uzunligidan m nuqta uzunligiga, ya'ni nm vaqtida
"cho'zish" kerak. Ushbu operatsiyani bajarish uchun siz 3 qadamni bajarishingiz
kerak. Birinchi qadam nol interpolatsiyasi bo'lib, signal uzunligini m marta
oshiradi. Asl signalning barcha hisoblarini m bilan ko'paytirish kerak, keyin har bir
signaldan keyin m -1 nol qiymatini kiritishingiz kerak. Bunday holda, signalning
spektri quyidagicha o'zgaradi. Dastlab raqamli signalda mavjud bo'lgan spektrning
bir qismi o'zgarishsiz qoladi (biz bunga erishamiz). Ammo namuna olish
chastotasining eski yarmidan yuqori qismida filtrlash orqali qutilish kerak bo'lgan
aralashuvlar (spektrning aks ettirilgan nusxalari) paydo bo'ladi.
Ikkinchi qadam, bu shovqinlarni nch filtri bilan filtrlashdir. Endi biz m ning asl
nusxadan bir necha marta uzoqroq bo'lgan signalni oldik, lekin uning chastota
ma'lumotlarini saqlab qoldik va tashqi chastota ma'lumotlarini sotib olmadik (biz
uni filtrladik). Agar bizning vazifamiz m vaqtida signalni uzaytirish bo'lsa, unda bu
qadamni to'xtatish mumkin. Ammo bizning vazifamiz endi signal uzunligini n
marta kamaytirishni talab qiladi. Buning uchun siz 2 qadamni bajarishingiz kerak.
Birinchi qadam antialiasing filtrlash hisoblanadi. Namuna olish tezligi n marta
kamayganligi sababli, Kotelnikov teoremasiga ko'ra, signal spektridan faqat past
chastotali qismini saqlab qolish mumkin bo'ladi. Kelajakdagi namuna olish
chastotasining yarmidan yuqori bo'lgan barcha chastotalar namuna olish
chastotasining joriy yarmidan N1 ga teng bo'lgan kesish chastotasi bilan anti-
alasing filtr bilan olib tashlanishi kerak. Ikkinchi qadam-olingan signalni n marta
yupqalash. Buni amalga oshirish uchun har bir n-sonini signaldan tanlash kifoya,
qolganlari esa bekor qilinadi. Bu algoritm ham birinchi signal keraksiz chastotasini
filtrlaydigan ADC, ishiga juda o'xshaydi, va keyin bir-birining ortida, bu algoritm
ishlatiladigan ikki HF-filtrlash, siz (va kerak) birining o'rniga mumkin, deb qayd
o'lchaydi. Buning uchun bitta HF filtrining kesish chastotasi ikkita alohida HF
filtrining kesish chastotalaridan teng darajada tanlanishi kerak. Algoritmning yana
bir muhim yaxshilanishi m va n sonlarida umumiy bo'linmalarni topishdir . Misol
uchun, 300 nuqtadan 200 nuqtaga siqish uchun m =2 va n =3 algoritmiga qo'yish
kifoya.
Eslatma, bu algoritm juda katta hisoblash hajmini talab qiladi, tk. qayta ishlash
uchun bir o'lchovli signal oraliq hajmi yuz minglab haqida bo'lishi mumkin.
Sezilarli darajada algoritm tezligini oshirish va xotira iste'molini kamaytirish
uchun bir yo'l bor. Ushbu usul ko'p fazali filtrlash (polyphase filtering) deb ataladi.
Uzoq oraliq signalda barcha nuqtalarni hisoblash shart emas. Axir, ularning
aksariyati yupqalashganda hali ham tashlanadi. Ko'p fazali filtrlash natijasida
olingan signalning asl signalning hisob-kitoblari va antialiasing filtrlari orqali
hisob-kitoblarini to'g'ridan-to'g'ri ifodalash imkonini beradi.
Bu erda biz algoritmning tafsilotlarini tasvir chegaralarini tuzatish, interpolatsiya
va noziklashtirish vaqtida signal fazasini tanlash va yaxshi anti-alasing filtrini
qurish kabi hisobga olmadik. Shuni esda tutingki, tasvirlarni qayta tiklash uchun
filtrning chastota va mekansal xususiyatlariga alohida e'tibor berish kerak. Filtrni
faqat chastota sohasida optimallashtirsangiz, bu filtr yadrosida katta pulsatsiyaga
olib keladi. Va filtr yadrosidagi pulsatsiya tasvirlarini qayta tiklashda tasvirdagi
yorqinlikning keskin o'zgarishlari (Gibbs ta'siri , Gibbs phenomenon) yaqinida
yorqinlikning pulsatsiyasiga olib keladi )
3.3 antialiasing tasvirlar
Tasvirlarni yaratishda aliasingdan qochish kompyuter grafikasining muhim
vazifasidir. Tasvirlardagi aliasing raqamlar, Moor, matn va grafiklarning yomon
o'qilishi chekkalariga olib keladi. Aliasingni oldini olishning asosiy usullaridan biri
super-vampling (super-namuna olish) deb ataladi. Ushbu texnik yuqori aniqlikdagi
tasvirni yaratish va ushbu tasvirni kerakli hajmga qaytarishdir. Misol keltiring.
200x150 pikselli o'lchamdagi shaxmat taxtasining uch o'lchamli tasvirini
yaratishimiz kerak. Agar siz buni to'g'ridan-to'g'ri qilsangiz (masalan, ekranning
har bir nuqtasi orqali nurlarni kuzatish), natijada aliasing tomonidan sezilarli
darajada buzilgan bo'lishi mumkin (shakl. 13). Supersampling usuli qo'llaniladi.
Biz kerakli tasvirni to'rt o'lchamli 800x600 piksel bilan yaratamiz va keyin uni
200x150 o'lchamiga kamaytiramiz. Shuni esda tutingki, natijada olingan tasvirning
sifati ancha yaxshi va qayta ishlash algoritmining sifatiga va super-vampling
darajasiga bog'liq (biz necha marta ko'proq tasvir yaratdik). Yaxshi antialiasingni
ta'minlaydigan resampling algoritmidan foydalanish tavsiya etiladi.
Ko'rib chiqilgan algoritm katta hisoblash xarajatlariga qaramasdan, kompyuter
grafikasida keng qo'llaniladi. Supersampling darajasini tanlash algoritmning
ishlashini o'zgartirishi mumkin. Shubhasiz, algoritm murakkabligi kvadratik
Supersampling darajasiga bog'liq. Odatda ikki dan to'rtgacha bo'lgan
Supersampling darajalari qo'llaniladi.
3.4 rasmlarni Pseudotonlash
Pseudotonizatsiya (half-toning ) – bu ranglarning haqiqiy sonining ko'pligi bilan
tasvirning to'liqligi illyuziyasini yaratishdir. Pseudotonizatsiya misoli-gazetalarda
fotosuratlar, bu erda har qanday kul rang kichik qora va oq nuqtalarning
almashinuvi orqali uzatiladi.
Biz qora va oq tasvirlar uchun psevdotonlash variantini ko'rib chiqamiz. Bizning
vazifamiz monoxrom (ikki rangli) tasvir shaklida kulrang rangli tasvirni taqdim
etishdir.
0-dan 1-ga o'zboshimchalik bilan qiymatlarni qabul qilishi mumkin bo'lgan
nuqtalarning qizg'inligi kulrang ranglarda tasvir bor. Bunday tasvirni monoxromga
olib kelish uchun ba'zi algoritmlarni ko'rib chiqing, nuqtalarning yorqinligi 2
qiymatlarini olishi mumkin: 0 yoki 1.
Birinchi eng oddiy algoritm-kesish (chegara). 0.5 nashrida bo'lgan barcha piksellar
1 nashrida, qolganlari esa 0 nashrida. Bunday algoritm odatda eng yomon
natijalarni beradi (FIG. 15).
Yuqori sifatli algoritmlar natijada olingan tasvirdagi qora va oq piksellarni
taqsimlashga intiladi, shuning uchun tasvirning har bir qismida oq piksel
kontsentratsiyasi asl tasvirdagi ushbu saytning yorqinligi bilan mutanosib bo'ladi.
Bunday usullardan biri-tartibli pseudotonizatsiya . Ushbu usulda asl tasvir bir xil
o'lchamdagi kichik bloklarga bo'linadi (masalan, 3x3). Keyin har bir blokda
tasvirning o'rtacha yorqinligi bor. Ushbu o'rtacha yorqinlikka muvofiq, olingan
monoxrom tasvirning tegishli blokida oq piksel soni tanlanadi. Odatda, bu oq
piksellar ba'zi muntazam shablonga ko'ra buyurtma qilinadi (shakl. 15).
Olingan monoxrom tasvirda oq piksellarning kerakli kontsentratsiyasiga erishish
uchun boshqa algoritmlar mavjud. Misol uchun, 2 bosqichida bu erishish
algoritmlar bir sinf bor. Birinchidan, tasvirga kerakli amplituda tasodifiy shovqin
qo'shiladi va keyin eshik ishlatiladi. Bunday algoritmlar dittering (dithering) deb
ataladi.
Shovqin rasmga qaram bo'lmagan tasodifiy signaldir. Misol uchun, oq shovqin 0
matematik kutish bilan tasodifiy sonlar ketma – ketligi. Bunday shovqinning
spektri taxminan barcha chastotalarda (namuna olish chastotasining yarmida) sobit
bo'ladi. Bunday shovqinning ketma-ket hisob-kitoblari bir-biri bilan bog'liq emas.
Boshqa shovqin turlari mavjud. Misol uchun, pushti shovqinda energiya chastotaga
teskari proportsionaldir (ma'lum bir chastota diapazonida). Boshqacha aytganda,
uning harmonikasining amplitudasi chastotani ikki barobarga oshirganda 3 db ga
tushadi. Ko'k shovqinda energiya aksincha chastota bilan o'sadi. Boshqa shovqin
turlari ham mavjud, ammo ular uchun ta'riflar turli sohalarda farq qilishi mumkin.
Biz manba va pseudotonized tasvirlardagi farqga teng bo'lgan tasvirni kvant xato
deb ataymiz.
Pseudotonizatsiya qilingan tasvirlarda tasvir-xatolar spektri imkon qadar past
chastotali va o'rta chastotali komponentlarni o'z ichiga olmaydi. Bunday holda,
xato inson ko'ziga kamroq ko'rinadi. Misol uchun, pushti shovqin bilan dittering
paytida, xato spektri ham ochiq pushti rangga yaqin va natijada olingan tasvir
sezilarli darajada buzilgan ko'rinadi (shakl. 15). Oq shovqin bilan dittering paytida
xato spektri oq rangda. Shuning uchun olingan tasvir yaxshi ko'rinadi. Xato
diffuziyasi bilan dittering paytida xato spektri ko'k shovqinga yaqin, ya'ni. kam
chastotali komponentlarni o'z ichiga oladi. Natijada ko'zni yoqimli tasvir.
Ko'k shovqin bilan faqat dittering kerakli natijaga olib kelmasligini ko'rish qiyin
emas kvant xatosi bir vaqtning o'zida juda ko'p past chastotali va o'rta chastotali
komponentlarni o'z ichiga olgan spektrga ega. Ulardan qutulish uchun siz recursive
filtrni qo'llashingiz kerak. Ushbu pseudotonizatsiya usuli xato tarqalishi (xato
diffusion) deb ataladi. Uning fikri shundaki, bu pikselni kvant berishda yuzaga
kelgan kvant xatosi qo'shni piksellarga teskari belgi bilan tarqaladi va shuning
uchun kompensatsiya qilinadi.
|
