Using of Wavelet Transform in Signal Processing of Acoustical Signals

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F02%3A00077527" target="_blank" >RIV/68407700:21230/02:00077527 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Using of Wavelet Transform in Signal Processing of Acoustical Signals

Popis výsledku v původním jazyce

The STFT is a compromise between time and frequency based views of a signals. It provides some information about both when and what frequencies a signal event occurs. The precision of obtained information is limited because it is determined by the size of the window. Wavelet transform represents the next logical step, a windowing technique with a variable-sized region. The major advantage of this method is the ability to perform local analysis - which is to analyse a localized area of a larger signal. Wavelet transform is capable of revealing aspects of data that other signal analyses miss. This transform use different functions (Morlet, Paul, DOG, Daubechies, etc.) for decomposition of a signal then Fourier transform. These functions have different properties (orthogonal-nonorthogonal, complex-real, different with, different shape, etc.).

Název v anglickém jazyce

Using of Wavelet Transform in Signal Processing of Acoustical Signals

Popis výsledku anglicky

The STFT is a compromise between time and frequency based views of a signals. It provides some information about both when and what frequencies a signal event occurs. The precision of obtained information is limited because it is determined by the size of the window. Wavelet transform represents the next logical step, a windowing technique with a variable-sized region. The major advantage of this method is the ability to perform local analysis - which is to analyse a localized area of a larger signal. Wavelet transform is capable of revealing aspects of data that other signal analyses miss. This transform use different functions (Morlet, Paul, DOG, Daubechies, etc.) for decomposition of a signal then Fourier transform. These functions have different properties (orthogonal-nonorthogonal, complex-real, different with, different shape, etc.).

Druh

D - Stať ve sborníku

CEP obor

BI - Akustika a kmity

OECD FORD obor

—

Projekt

—

Návaznosti

V - Vyzkumna aktivita podporovana z jinych verejnych zdroju

Rok uplatnění

2002

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

POSTER 2002 - Book of Extended Abstracts

ISBN

—

ISSN

—

e-ISSN

—

Počet stran výsledku

2

Strana od-do

—

Název nakladatele

ČVUT, Fakulta elektrotechnická

Místo vydání

Praha

Místo konání akce

ČVUT v Praze, FEL

Datum konání akce

23. 5. 2002

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—