به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

compress algoritm

در نشریات گروه ریاضی
تکرار جستجوی کلیدواژه compress algoritm در نشریات گروه علوم پایه
تکرار جستجوی کلیدواژه compress algoritm در مقالات مجلات علمی
  • سه رکه وت عبدی، آرام عزیزی*، محمود شفیعی، جمشید سعیدیان

    در طول یک دهه ی گذشته یا بیشتر، موجکها تاثیر فزایندهای بر نظریه ی پردازش سیگنال و کاربردهای آن، هم به دلیل نقش [در این شماره بنگرید. فیلتر بانکها که در38  و  42 یکپارچه کننده و هم موفقیت هایشان در کاربرد داشته اند  همچنین به  قلب الگوریتم های مبتنی بر موجکها قرار دارند، به عملگرهای استانداردی برای پردازش سیگنال بدل شدهاند که به طور معمول تا مودم  تلفیق و تفکیک  به کار میروند. کارکرد موجکها اغلب در تقابل ظریف بین 1 در کاربردهای گوناگونی از فشردهسازی پردازش سیگنالهای زمانگسسته و زمانپیوسته بوده است. هدف مقاله ی حاضر بررسی پیشرفتهای اخیر موجکها از دیدگاه پردازش سیگنال است. به طور خاص، نتایج تقریب مورد بررسی قرار گرفته شده و مفهوم الگوریتمهای فشرده سازی مورد بحث قرار میگیرند. همچنین ساز و کارهای جدید و مسائل باز را نیز مورد توجه قرار میدهیم.

    کلید واژگان: پردازش سیگنال، فیلتر بانک ها، تبدیل فوریه، تبدیل موجک، تبدیلات گسسته و پیوسته، الگوریتم فشرده سازی، تقریب خطی و غیر خطی
    Sarkout Abdi, Aram Azizi *, Mahmoud Shafiei, Jamshid Saeidian

    Over the last decade or so, wavelets have had a growing impact on signal processing theory and practice, both because of their unifying role and their successes in applications. Filter banks, which lie at the heart of wavelet-based algorithms, have become standard signal processing operators, used routinely in applications ranging from compression to modems. The contributions of wavelets have often been in the subtle interplay between discrete-time and continuous-time signal processing. The purpose of this article is to look at recent wavelet advances from a signal processing perspective. In particular, approximation results are reviewed, and the implication on compression algorithms is discussed. New constructions and open problems are also addressed. Finding a good basis to solve aproblem dates at least back to Fourier and his investigation of the heat equation. The series proposed by Fourier has several distinguishing features: The series is able to represent any finite energy function on an interval. The basis functions are eigenfunctions of linear shift invariant systems or, in other words, Fourier series diagonalize linear, shift invariant operators.

    Keywords: Signal Processing, Filter Banks, Fourier Transform, Wavelet Transform, Compress Algoritm
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال