| Summary: | Ο κυματιδικός μετασχηματισμός αποτελεί το πλέον σύγχρονο μαθηματικό εργαλείο για την ανάλυση σήματος σε βάση συναρτήσεων. Σε σχέση με άλλες παρόμοιες τεχνικές (π.χ. Fourier) παρουσιάζει εμφανή πλεονεκτήματα με κυρίοτερο την τοπικότητα στο χρόνο των συναρτήσεων βάσης. Η δύναμη του κυματιδιακού μετασχηματισμού βρίσκεται στη διακριτή του έκδοση (Discrete Wavelet Transform), που υπολογίζεται με τη βοήθεια διατάξεων FIR φίλτρων ακολουθούμενων από υποδειγματοληψία. Η ταχύτερη και πιο σύγχρονη τεχνική υπολογισμού του DWT ονομάζεται σχήμα lifting και βασίζεται στην παραγοντοποίηση των πινάκων μετασχηματισμού σε γινόμενο αραιών πινάκων. Στο πλαίσιο της εργασίας σχεδιάστηκε και υλοποιήθηκε σε γλώσσα VHDL μία VLSI αρχιτεκτονική ικανή να εκτελεί οποiοδήποτε φίλτρο (ευθύ και αντίστροφο) του DWT τροποποιημένο με τη μέθοδο lifting. Τα φίλτρα είναι αποθηκευμένα σαν μικροπρογράμματα σε μνήμη ελέγχου για ευκολία στη σχεδίαση και δυνατότητα επαναπροσδιορισμού του συστήματος. Το σύστημα εξομοιώθηκε για ορθή λειτουργία κατά την εκτέλεση των φίλτρων του προτύπου JPEG2000, ενώ έγινε και σύνθεση σε FPGA. === The wavelet transform is the most powerful mathematical tool for analysing signals into function bases. Comparing with other such technics (e.g. Fourier transform), wavelets show obvious advantages, with the most important being the spatial locality of the basis functions. The real power of wavelet transform is the Discrete Wavelet Tranfsorm (DWT), which is a filtering operation followed by downsampling. Recently, a new, fast approach for calculating these filter banks has been developed, named the lifting scheme. This method is based on the factorization of the transform matrices into a product of some sparse matrices. Α VLSI architecture that executes wavelet filters (forward and inverse) modified by the lifting scheme is designed and implemented in VHDL code. The filters are considered as microprogramms placed in the system
|
|---|
