view in publisher's site

Denoising and Signal-to-Noise Ratio Enhancement: Wavelet Transform and Fourier Transform

This chapter introduces the methods of Fourier and wavelet analysis for enhancing the signal-to-noise ratio in typical chemometric and other measured data. Fourier analysis has been popular for many decades but is best suited for enhancing signals where most features are localized in frequency.In contrast, wavelet analysis is appropriate for signals that contain features localized in both time and frequency. It also retains the benefits of Fourier analysis such as orthono, mality and computational efficiency.Practical algorithms for off-line and on-line denoising are described and compared via simple examples. These algorithms can be used for off-line or on-line data and can remove Gaussian as well as non-Gaussian noise.

افزایش نسبت سیگنال به نویز: تبدیل موجک و تبدیل فوریه

این فصل روش‌های تجزیه و تحلیل فوریه و موجک را برای افزایش نسبت سیگنال به نویز در کمومتری معمولی و دیگر داده‌های اندازه‌گیری شده معرفی می‌کند. تجزیه و تحلیل فوریه برای چندین دهه محبوب بوده‌است اما بهترین روش برای بهبود سیگنال‌هایی است که در آن‌ها اکثر ویژگی‌ها در فرکانس متمرکز شده‌اند. در مقابل، تجزیه و تحلیل موجک برای سیگنال‌هایی مناسب است که شامل ویژگی‌هایی هستند که هم در زمان و هم در فرکانس متمرکز شده‌اند. همچنین مزایای تجزیه و تحلیل فوریه مانند اورتونو، کارایی محاسباتی و کارایی محاسباتی را حفظ می‌کند. الگوریتم های پارامتری برای حذف نویز از خط و روی خط با مثال‌های ساده توصیف و مقایسه می‌شوند. این الگوریتم ها می‌توانند برای داده‌های خارج از خط یا روی خط استفاده شوند و می‌توانند نویز گاوسی و غیر گاوسی را حذف کنند.
ترجمه شده با

سفارش ترجمه مقاله و کتاب - شروع کنید

با استفاده از افزونه دانلود فایرفاکس چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.