search query: @keyword wavelet / total: 9
reference: 8 / 9
Author: | Ojanen, Janne |
Title: | Minimum description length principle in denoising |
Lyhimmän kuvauspituuden periaate kohinanpoistossa | |
Publication type: | Master's thesis |
Publication year: | 2005 |
Pages: | 145 Language: eng |
Department/School: | Teknillisen fysiikan ja matematiikan osasto |
Main subject: | Laskennallinen tekniikka (S-114) |
Supervisor: | Kaski, Kimmo |
Instructor: | Heikkonen, Jukka |
OEVS: | Electronic archive copy is available via Aalto Thesis Database.
Instructions Reading digital theses in the closed network of the Aalto University Harald Herlin Learning CentreIn the closed network of Learning Centre you can read digital and digitized theses not available in the open network. The Learning Centre contact details and opening hours: https://learningcentre.aalto.fi/en/harald-herlin-learning-centre/ You can read theses on the Learning Centre customer computers, which are available on all floors.
Logging on to the customer computers
Opening a thesis
Reading the thesis
Printing the thesis
|
Location: | P1 Ark TF80 | Archive |
Keywords: | minimum description length denoising wavelet lyhin kuvauspituus kohinanpoisto aalloke |
Abstract (fin): | Lyhimmän kuvauspituuden (minimum description length, MDL) periaate on informaatio- ja koodausteoriaan pohjautuva lähestymistapa tilastolliseen mallinnukseen. MDL-teoriassa tilastollinen mallinnus ajatellaan prosessina, jossa datasta etsitään säännöllisyyksiä. MDL-periaatteen mukaan paras malli kilpailevien mallien joukossa minimoi datan kuvauspituuden. Kohinanpoisto on eräs tilastollisen signaalikäsittelyn keskeisistä ongelmista Satunnaisten häiriöiden eli kohinan turmelemia signaaleja kohdataan jatkuvasti eri tekniikan ja tieteen osa-alueilla. Kohinanpoistossa kohinan vaikutukset poistetaan mahdollisimman hyvin käyttäen apuna datan tunnettuja tilastollisia ominaisuuksia. Viime vuosina datan aalloke-esitykseen (wavelet) perustuvat kohinanpoistomenetelmät ovat tulleet yhä suositummiksi. Tässä työssä kuvaillaan kaksi hyvin erilaista MDL-lähestymistapaa aallokekohinanpoistoon. MDL-LQ-menetelmä perustuu lineaarisen regressio-ongelman normalisoidun suurimman uskottavuuden ratkaisuun tilanteessa, jossa virhemitta on neliöllinen, eli kohina on oletettu normaalijakautuneeksi. MDL-histo-menetelmä pohjautuu datan histogrammikuvaukseen, eikä menetelmässä oleteta mitään kiinnitettyä muotoa kohinan jakaumalle. Kohinanpoistokokeita suoritetaan MDL-LQ- ja MDL-histo-menetelmien suoritustehon ja käyttäytymisen selvittämiseksi sekä kahden MDL-lähestysmistavan vertailemiseksi perinteisiin kohinanpoistomenetelmiin. Kokeet näyttävät että MDL-histo-menetelmä toimii hyvin erilaisissa olosuhteissa ja erilaisilla kohinan jakaumilla. MDL-LQ-menetelmän suorituskyvyn havaitaan heikkenevän suurilla kohinatasoilla. Työssä esitellään korjaus, joka parantaa MDL-LQ-menetelmän suorituskykyä. |
ED: | 2006-06-12 |
INSSI record number: 31982
+ add basket
INSSI