21.12.2012 Aufrufe

Klassifikation von Mustern

Klassifikation von Mustern

Klassifikation von Mustern

MEHR ANZEIGEN
WENIGER ANZEIGEN

Erfolgreiche ePaper selbst erstellen

Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.

172 KAPITEL 3. MERKMALE (VK.2.3.3, 13.04.2004)<br />

Grundsätzlich gelten auch hier die Bemerkungen <strong>von</strong> Abschnitt 2.3.4, wonach die DFT für periodische<br />

Folgen eingeführt wurde. Eine genauere Diskussion dieser Fragen im Zusammenhang<br />

mit dem komplexen Cepstrum erfolgt in der angegebenen Literatur. Als Anhaltspunkt kann dienen,<br />

dass die Verwendung endlicher Folgen in (3.2.28) mit genügender Genauigkeit zulässig<br />

ist, wenn M in (3.2.14) genügend groß ist, d. h. man muss gegebenenfalls eine endliche Folge<br />

[fj] durch Anhängen <strong>von</strong> Nullen verlängern. Es sei noch angemerkt, dass man die mit (3.2.25),<br />

(3.2.28), (3.2.29) angegebene Vorgehensweise auch zur Vorverarbeitung <strong>von</strong> <strong>Mustern</strong> anwendet.<br />

Die zugehörigen Systeme werden als homomorphe Systeme bezeichnet.<br />

Da die DFT in (3.2.28) i. Allg. komplexe Koeffizienten ergibt, ist auch der komplexe Logarithmus<br />

zu verwenden. Um diesen zu vermeiden und aus den im Anschluss an (3.2.23) diskutierten<br />

Gründen wird daher statt des komplexen Cepstrums f + auch das Cepstrum f 0 verwendet,<br />

das definiert ist durch<br />

f 0 = DFT −1 {log[|DFT{f}| 2 ]} . (3.2.30)<br />

Ist Fν ein Koeffizient der DFT <strong>von</strong> [f] gemäß (3.2.14), so wird also als Merkmal<br />

cν = DFT −1 log |Fν| 2<br />

verwendet. Gebräuchlich sind auch<br />

(3.2.31)<br />

cν = log |Fν| 2 , (3.2.32)<br />

cν = log |Fν| 2 2 . (3.2.33)<br />

Die Folge [|Fν| 2 ] wird auch als Leistungsspektrum <strong>von</strong> f bezeichnet. Es ist die DFT der<br />

Autokorrelationsfunktion <strong>von</strong> f (s. (2.1.14), S. 64), sodass man letztere mit der DFT berechnen<br />

kann, wenn ähnliche Bedingungen, wie sie im Zusammenhang mit (2.3.37) diskutiert wurden,<br />

beachtet werden.<br />

Es wurde bereits im Abschnitt 2.3.3 erwähnt, dass es schnelle Algorithmen zur Berechnung<br />

der DFT gibt. Zwar würde deren ausführliche Erörterung hier zu weit führen, jedoch lässt sich<br />

das Prinzip kurz darstellen. Fasst man die Koeffizienten Fν der DFT in (3.2.14), (3.2.16) im<br />

Vektor F zusammen, so gilt<br />

F = W Mf , (3.2.34)<br />

W M = W νj<br />

M , ν, j = 0, 1, . . . , M − 1 . (3.2.35)<br />

Wegen (3.2.21) lassen sich alle Elemente <strong>von</strong> W M so modulo M reduzieren, dass nur noch<br />

Elemente W k M , 0 ≤ k ≤ M − 1 auftreten. Diese Matrix wird W M genannt. Wir setzen<br />

nun voraus, dass M = 2q , q = 1, 2, . . . ist. Die Zeilen <strong>von</strong> WM werden nach der Methode<br />

des “bit reversal” umgeordnet und ergeben eine Matrix W ′<br />

M . Ist beispielsweise M = 8,<br />

so werden die acht Zeilen <strong>von</strong> W M dezimal <strong>von</strong> 0 bis 7, binär <strong>von</strong> 000 bis 111 durchnummeriert.<br />

Die Zeile 3 mit der binären Darstellung 011 ergibt nach dem “bit reversal” binär 110<br />

oder dezimal 6. Also wird Zeile 3 <strong>von</strong> W M die Zeile 6 <strong>von</strong> W ′<br />

M . Das Prinzip der schnellen<br />

FOURIER-Transformation (FFT, “Fast FOURIER-Transform”) beruht darauf, dass sich W ′<br />

M<br />

wie im folgenden Satz angegeben faktorisieren lässt.

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!