MP3 AAC ADPCM. Kompressionsverfahren für Audio
|
|
- Brigitte Hausler
- vor 5 Jahren
- Abrufe
Transkript
1 Entropie= durchschnittlicher Informationsgehalt pro Zeichen in einer Zeichenkette =untere Grenze der zur Kodierung eines Zeichens im Durchschnitt notwendigen Bits MP3 AAC ADPCM Kompressionsverfahren für Audio 2 prinzipielle Verfahren: Entropie-Kodierung Daten werden als Folge digitaler Werte verlustfrei komprimiert. Run-Length-Encoding, Pattern matching, Statistische Verfahren Quellen-Komprimierung Je nach Quelle oder Art der Daten werden Kompressionsverfahren eingesetzt, die besondere Eigenschaften der Quelldaten ausnutzen, meist auch mit (hinnehmbaren) Verlusten. Transformationskodierung, Prädikative Verfahren
2 Gegeben sein eine endliche Information (Wort über einem Alphabet von m Zeichen) Entropie MP3 AAC ADPCM m H = pilog2 p m p i i= Anzahl Zeichen Wahrscheinlichkeit des Auftretens des Zeichens i Alternativ (normierte Entropie) i
3 Entropie Beispiel: wir beobachten 2 Studenten im Hörsaal und notieren die Beobachtungen: Nr. Binärcode Beobachtung Wahrscheinlichkeit VLC Beide schlafen,5 A schläft,25 2 B schläft,25 3 Beide lauschen,25 6 Ereignisse, 32 Bit, 2 Bit pro Ereignis Gesucht: Kürzeste Kodierung für diese Ereignisfolge
4 VLC Variable Length Code Entropie Beispiel: wir beobachten 2 Studenten im Hörsaal und Notieren die Beobachtungen: Nr. Binärcode Beobachtung Wahrscheinlichkeit Optimal? Beide schlafen,5 VLC A schläft,25 2 B schläft,25 3 Beide lauschen,25 6 Ereignisse, 28 Bit,,75 Bitt pro Ereignis L 4 = p Bit i i ()
5 A Mathematical Theory of Communication 948 Claude Elwood Shannon 96-2 H Entropie Mathematische Definition: Informationsgehalt: Bit pro Zeichen, die notwendig sind, um die Information darzustellen. m H = pi log2 p i= m Anzahl mögl. Ereignisse pi Wahrscheinlichkeit des Auftretens des Ereignis i = log2 + log + 2 log + log = ( log2 log2 2) + log + log 2 log = ( ) + log + log 2 log = =, 75 i
6 A Mathematical Theory of Communication 948 Entropie Definition: Wir beschränken uns auf m=2 n, Zweierpotenzen m H = pi log2 p m p i i= Anzahl Zeichen im Alphabet Wahrscheinlichkeit des Auftretens des Zeichens i i Falls alle Zeichen gleich häufig, so H=n H<n, nicht rein zufällig, gewisse Abstufung Merke: Die Entropie einer Nachrichtenquelle W ist die untere Grenze der zur Kodierung einer Nachricht durchschnittlich benötigten Bit. Claude Elwood Shannon Entropie ursprünglich Begriff der Thermodynamik und Statistischen Mechanik
7 Komprimierung PCM-Daten Medien- Speicherplatz für 3 min Sound CD-Qualität, stereo: 3*6*764 = 3,5 MB 76.4 Byte/s Radio-Qualität, mono 3*6*225*2= 7,9 MB 44. Byte/s Sprachqualität, mono 3*6*25 = 2 MB.25 Byte/s ISDN-Telefonie, mono 3*6*896=,44 MB 8.96 Byte/s Entropieverfahren wie Hufmann, LZW wenig brauchbar Predictive Coding: DPCM Delta / Differential Pulse Code Modulation ADPCM Adaptive DPCM
8 Komprimierung DPCM Medien- Idee: die Differenzen zwischen den Pulswerten speichern. In der Regel kleine Zahlen, z.b. mit 4 Bit zu kodieren Delta 6-Bit-Delta Differenzen brauchen 7 Bit Konstante Differenzen führen zu mäßigen Ergebnissen Entweder wenig Komprimierung oder wenig Approximation
9 Komprimierung Predicitve Coding Medien repeat x p ( n ) predict ( x ( n ), xˆ ( n ),...) VorhersageFehler ep ( n ) x ( n ) xp ( n ) e pq ( n ) quantize ( e p ) output ( e pq ) Abtastwerte Vorhergesagte Werte Quantisierter VorhersageFehler xˆ ( n ) x p ( n ) + e pq ( n ) n- n n + until eof MP3 IMA ADCM 4bit 873 kb Vorhersagewert +quantisierter Fehler ADPCM variables Delta vorhersagen
10 Komprimierung IMA ADPCM Interactive Multimedia Assocation Medien- 4: Komprimierung: 6Bit-Wert durch 4 Bit darstellen Vorzeichen 4-Bit Delta- Nibble bit3 bit2 bit Altes Delta=Tabelle[index] Nibble berechnen aus x(n)-xp(n-) und altem Delta Status des Quantisierers xp(n-) index Stepsize-Tabelle Nibble ausgeben Neuen Index berechnen aus altem Index und Nibble Neue Vorhersage xp(n) berechnen
11 Komprimierung IMA ADPCM vpdiff : = stepsize / 8 Vorzeichen 4-Bit Delta- Nibble bit2 bit bit vpdiff + = stepsize Hilfsvariable: Sample := x(n)-xp(n-) Stepsize := StepsizeTabelle[index] Neue Vorhersage x vpdiff + = stepsize vpdiff + = stepsize ( n) = x ( n ) vpdiff p p +
12 "Fourier, Jean- Baptiste Joseph Baron de", Microsoft Encarta 99 Enzyklopädie Microsoft Corporation. Alle Rechte vorbehalten. Fourier, Jean-Baptiste Joseph Baron de (768-83), französischer Mathematiker und Physiker, geboren in Auxerre, ausgebildet im Mönchskloster von Saint-Benoît-sur-Loire. nahm an der Französischen Revolution aktiv teil lehrte École a () Polytechnique in Paris ( ) f t = + a ( ) ( ) und an der École Normale cos 2π ft + b (795) sin 2π ft + 2 Teilnehmer an der Expedition Napoléon Bonapartes in Ägypten teil veröffentlichte + a er wichtiges ( Material über ) das ägyptische ( Altertum) 2cos 2*2π ft + b2sin 2*2π ft Präfekt des Département Isère 88 zum Baron ernannt + a ( ) ( ) 86 Mitglied 3cos 3*2π ft + b der Académie des sciences 3sin 3*2π ft 827 Mitglied Académie française Arbeiten zur +... Mathematik und mathematischen Physik. In Jede der Théorie anstandige analytique periodische de la chaleur Funktion (822, Analytische hat eine Theorie der Wärme) wandte er eine trigonometrische Reihe an, die man trigonometrische Reihendarstellung heute meist Fourier-Reihe nennt und mit deren Hilfe in der Physik und mit eindeutig viele bestimmten mathematische Koeffizienten Probleme gelöst a i und werden b i. können.
13 Fourier-Reihe Summendarstellung f a () t = + ( a cos( 2πfkt) + b sin( 2πfkt) ) 2 k = k k Alternativ: λ = Periodenlänge f a () 2πkt 2πkt f t = + ak cos bk sin 2 + k = λ λ Beispiel: Orgelton ( ( π ft) + ( π ft ) + ( π ft ) + ( π ft )) * sin 2 sin 2 *2 sin 2 *4 sin 2 *6 4 a = k, k b = b2 = b4 = b6 = b = sonst. k 4 k
14 Fourier-Reihe Summendarstellung f a () t = + ( a cos( 2πfkt) + b sin( 2πfkt) ) 2 k = k k Die Koeffizienten a, b k k bestimmen, mit welcher Amplitude die zugehörige Frequenz am Klang beteiligt ist. Periodische Funktionen haben ein diskretes Spektrum f ist die niedrigste beteiligte Frequenz. Amplitude Frequenz f 2 f 3 f 4 f 5 f 6 f
15 Harmonische Analyse f ( x) = j= 4 ( 2 j ) sin π Rechteckfunktion ist periodisch, erfüllt Dirichlet sche Bedingungen (siehe Lehrbuch Analysis), also gibt es Fourier-Darstellung (( 2 j ) x)
16 Harmonische Analyse f ( x) = j= 4 ( 2 j ) sin π (( 2 j ) x)
17 Harmonische Analyse f ( x) = j= 4 ( 2 j ) sin π (( 2 j ) x) Sägezahn ungerade Funktion (f(x)=-f(-x)), also keine Kosinus-Anteile erfüllt Dirichlet sche Bedingungen (siehe Lehrbuch Analysis), also gibt es Fourier-Darstellung
18 Beispielspektrum Hz Rechteck-Kurve Medien- Berechnet mit Spectrogram. R. S. Horne
19 Fourier-Koeffizienten berechenen Medien- a g t = + ak fkt + bk fkt 2 () cos( 2π ) sin ( 2π ) k = ( ) Mathematik: / / / () a = 2 f g t dt f f () ( π ) a = 2f g t cos 2 fkt dt k f () ( π ) b = 2f g t sin 2 fkt dt k Informatik: (Diskrete) Fast Fourier Transform FFT (Cooley & Tukey 965) It s been a hard day s night
20 Eigenschaften Fouriertransformation Medien- Transformation in den Frequenzraum Fourier-Transformation berechnet das Spektrum Die Fouriertransformation läßt sich umkehren! Die inverse Fourier-Transformation macht aus dem Spektrum den Sound. Anwendung der Fouriertransformation Analyse des Spektrums, Frequenzmessung Transpositionen Frequenzfilter (Hoch-, Tiefpass) Beweis des Sampling-Theorems
21 Mathematische Definition + iux F( u) = f ( x) e dx 2π ix e = cos x+ isin x ix e = cos x isin x F(u) ist Fourier-Transformierte von f(x) Inverse Fouriertransformation + f ( x) = F( u) e iux du
22 Impulsfunktion Dirac sche Delta-Funtion δ ( x) Definition: ( x) = x, ( x) dx = Eigenschaften: ( x) δ ( x) dx f ( ) f = f ( x) δ ( x x ) dx = f ( x x ) δ ( x) dx = f ( x ) δ = = ( x) o f ( x) δ ( t) f ( x t) dt = f ( x t) t = f ( x)
23 x III Shah-Funktion mit Frequenz τ τ = τ δ ( x nτ ) x FT III = τiii τ Abtast-Theorem: Beweisidee n Z ( τx) = n Z n δ x τ f(x) zu sampelnde Funktion mit beschränktem Spektrum g x τ ( x) = III f ( x) Spektrum Ausgangs- Signal Spektrum agbetastetes Signal
24 Abtast-Theorem f x = FT F x = ( ) ( ( )) ( ( ) ( )) = FT g x G x Π x o sinc τ τ ( ) x ( x) FT ( f ( x) ) F = Spektrum G( x) = τiii τx o F x ( ) ( ) Faltung FT(Shah) mit Spektrum ( ) Kastenfunktion Π τ x F x = Π x G x ( ) ( ) ( ) τ
25 Sampling Aliasing bei falscher Abtastfrequenz Fehler! -f max f s f max Frequenzspektrum des Ausgangssignals mit f max f s Frequenzspektrum des abgetasteten Signals mit f s f max -f f max s -f f max max -ff s f max max -ff s f max max f s
26 Definition: Konvolution - Faltung h = ( x) f ( t) g( x t) dt = f o g( x) ixu itu iyu Faltungssatz: f o g( x) e dx = f ( t) e dt g( y) e dy kurz: H u = F u G u ( ) ( ) ( ) H: Fouriertransformierte von h G: Fouriertransformierte von g F: Fouriertransformierte von f
27 δ Abtast-Theorem Shah-Funktion ( x) x, δ ( x) = dx = Es gilt: δ a ( ax) = δ ( x) Dirac sche Delta-Funktion III n= n= ( x) = δ ( x n) Shah-Funktion FT III x = III Es gilt: ( ( )) ( ) III ( ax) = δ ( ax n) = δ a x = n Z n Z x n a a n Z δ x n a castleman
28 Vorlesung Medientechnik SS 25 Dr. Manfred Jackel Studiengang Computervisualistik Universität Kobenz-Landau Campus Koblenz Postfach Koblenz Manfred Jackel WWW: mtech.uni-koblenz.de Literatur zu diesem Kapitel Hyperlinks zu diesem Kapitel page.mi.fu-berlin.de/~lind/lingausarb/ Grafik-Quellen
AAC ADPCM. Kompressionsverfahren für Audio. Anzahl Zeichen MP3 Wahrscheinlichkeit. des Auftretens des Zeichens
Entropie= durchschnittlicher Informationsgehalt pro Zeichen in einer Zeichenkette H = pilog2 p m p m i= 1 Anzahl Zeichen MP3 Wahrscheinlichkeit AAC ADPCM i i des Auftretens des Zeichens i Kompressionsverfahren
MehrMedientechnik SS 2011
Medientechni SS 2 Entropie= durchschnittlicher Informationsgehalt pro Zeichen in einer Zeichenette =untere Grenze der zur Kodierung eines Zeichens im Durchschnitt notwendigen Bits 2 prinzipielle Verfahren:
MehrMedientechnik WS 2012/13
Medientechni WS 22/3 Verlustfreie Verfahren Statistische Verfahren Lauflängenodierung Entropie-Kodierung Entropie= durchschnittlicher Informationsgehalt pro Zeichen in einer Zeichenette =untere Grenze
MehrMedien- Technik. Digital Audio
Digital Audio Medientyp digital audio representation Abtastfrequenz /sampling frequency Quantisierung (Bittiefe) Anzahl der Kanäle/Spuren Interleaving bei Mehrkanal Positiv/negativ Codierung operations
MehrAudio Kompression: MPEG. Audio Kompression: MPEG. Audio Kompression: MPEG. Medien Technik. Medien Technik. Erlangen. Medien Technik.
Audio Kompression: MPEG Karlheinz Brandenburg Audio Kompression: MPEG MPEG 2: (1994) Erlangen Ziel: Digitales Fernsehen, viele Bitraten z.b. DVD, Videokonferenzen Bernhard Grill Moving Pictures Experts
MehrDiskretisierung und Quantisierung (Teil 1) Prof. U. Rüde - Algorithmik kontinuierlicher Systeme
Algorithmik kontinuierlicher Systeme Diskretisierung und Quantisierung (Teil ) Digitalisierung und Quantisierung Motivation Analoge Aufnahme von Sprache, Bildern, Digitale Speicherung durch Diskretisierung
MehrMedien- Technik. Videotechnik
Videotechnik 1 Optimaler Sehabstand Winkel < 1/60 Europa 625 / 50 / 2:1 USA 625 / 59.94 / 2:1 HDTV 1125 / 60 / 2:1 Seitenverhältnis 4:3 trad. 16:9 HDTV Bildwiederholrate muß bei hellem Umfeld höher sein
MehrBeate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson 2004
4 Signalverarbeitung 4.1! Grundbegriffe! 4.2! Frequenzspektren, Fourier-Transformation! 4.3! Abtasttheorem: Eine zweite Sicht Weiterführende Literatur (z.b.):!! Beate Meffert, Olaf Hochmuth: Werkzeuge
MehrKompressionsverfahren
Kompressionsverfahren Quelle: Steinmetz, Ralf: Multimedia-Technologie: Einführung und Grundlagen, Springer, Verlag Verlustlose Kompressionsalgorithmen RLC Huffman Adaptive Huffman Kodierung Arithmetische
MehrSpektralanalyse. Spektralanalyse ist derart wichtig in allen Naturwissenschaften, dass man deren Bedeutung nicht überbewerten kann!
Spektralanalyse Spektralanalyse ist derart wichtig in allen Naturwissenschaften, dass man deren Bedeutung nicht überbewerten kann! Mit der Spektralanalyse können wir Antworten auf folgende Fragen bekommen:
Mehr4.1 Grundbegriffe 4.2 Frequenzspektren, Fourier-Transformation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter
4 Signalverarbeitung 4.1 Grundbegriffe 4.2 Frequenzspektren, Fourier-Transformation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter Weiterführende Literatur (z.b.): Beate Meffert, Olaf Hochmuth: Werkzeuge
MehrDiskretisierung und Quantisierung (Teil 1) Prof. U. Rüde - Algorithmik kontinuierlicher Systeme
Algorithmik kontinuierlicher Systeme Diskretisierung und Quantisierung (Teil ) Digitalisierung und Quantisierung Motivation Analoge Aufnahme von Sprache, Bildern, Digitale Speicherung durch Diskretisierung
MehrTechnische Beschreibung der akustischen Signalkette
Technische Beschreibung der akustischen Signalkette Wichtige Aufgabe: Vielfältige Medien Gestaltung akustischer Kommunikationsketten (Sprache, Geräusche, Musik, CD, Radio, mp3,...) Unterschiedlichste Information
MehrHertz ), also 1 Schwingung pro Sekunde. Der Vorfaktor A ist die Amplitude, er misst die Lautstärke des Tons.
1 Vorbereitungen 1.1 Was ist und wofür braucht man Fourieranalysis? Anwendungsgebiete der Fourier-Analysis sind z.b. Signalverarbeitung, Bildverarbeitung, Schaltkreisentwurf, Elektrodynamik, Optik, Akustik,
Mehr,Faltung. Heavisidefunktion σ (t), Diracimpuls δ (t) Anwendungen. 1) Rechteckimpuls. 2) Sprungfunktionen. 3) Schaltvorgänge
Heavisidefunktion σ (t), Diracimpuls δ (t),faltung Definition Heavisidefunktion, t > 0 σ ( t) = 0, t < 0 Anwendungen ) Rechteckimpuls, t < T r( t) = = σ ( t + T ) σ ( t T ) 0, t > T 2) Sprungfunktionen,
MehrGrundlagen der Signalverarbeitung
Grundlagen der Signalverarbeitung Zeitdiskrete Signale Wintersemester 6/7 Kontinuierliche und diskrete Signale wertkontinuierlich wertdiskret Signal Signal Signal Signal zeitdiskret zeitkontinuierlich
MehrFourier-Reihen und Fourier-Transformation
Fourier-Reihen und Fourier-Transformation Matthias Dreÿdoppel, Martin Koch, Bernhard Kreft 25. Juli 23 Einleitung Im Folgenden sollen dir und die Fouriertransformation erläutert und mit Beispielen unterlegt
MehrDiskrete Fourier-Transformation und FFT. 1. Die diskrete Fourier-Transformation (DFT) 2. Die Fast Fourier Transform (FFT)
Diskrete Fourier-Transformation und FFT 2. Die Fast Fourier Transform (FFT) 3. Anwendungsbeispiele der DFT 1 Wiederholung: Fourier-Transformation und Fourier-Reihe Fourier-Transformation kontinuierlicher
MehrSignale, Transformationen
Signale, Transformationen Signal: Funktion s(t), t reell (meist t die Zeit, s eine Messgröße) bzw Zahlenfolge s k = s[k], k ganzzahlig s reell oder komplex s[k] aus s(t): Abtastung mit t = kt s, s[k] =
Mehr3.3 Das Abtasttheorem
17 3.3 Das Abtasttheorem In der Praxis kennt man von einer zeitabhängigen Funktion f einem Signal meist nur diskret abgetastete Werte fn, mit festem > und ganzzahligem n. Unter welchen Bedingungen kann
MehrDie Digitalisierung von Musik
Die Digitalisierung von Musik 1 Analoges Speichern Speicherung von Musik auf einer LP Die Daten sind analog gespeichert Analysis 2 Digitale Datenerfassung 1.Sampling Das (akustische) elektrische Signal
MehrDiskretisierung und Quantisierung (Teil 1) Prof. U. Rüde - Algorithmik kontinuierlicher Systeme
Algorithmik kontinuierlicher Systeme Diskretisierung und Quantisierung (Teil ) Digitalisierung und Quantisierung Motivation Analoge Aufnahme von Sprache, Bildern, Digitale Speicherung durch Diskretisierung
Mehr10. Periodische Funktionen, Fourier Reihen
H.J. Oberle Analysis II SoSe 212 1. Periodische Funktionen, Fourier Reihen Jean Baptiste Joseph Fourier: Joseph Fourier wurde am 21.3.1768 bei Auxerre (Burgund) geboren und starb am 16.5.183 in Paris.
MehrSYS_A - ANALYSIEREN. Statistik. NTB Druckdatum: SYS A. Histogramm (Praxis) Gaußsche Normalverteilung (Theorie) Gebrauch: bei n > 100
SYS_A - ANALYSIEREN Statistik Gaußsche Normalverteilung (Theorie) Gebrauch: bei n > 100 Histogramm (Praxis) Realisierung Lage Streuung Zufallsvariable Dichte der Normalverteilung Verteilungsfunktion Fläche
MehrBeate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson 2004
4 Signalverarbeitung 4.1! Grundbegriffe 4.2! Frequenzspektren, Fourier-Transformation 4.3! Abtasttheorem: Eine zweite Sicht 4.4! Filter! Weiterführende Literatur (z.b.): Beate Meffert, Olaf Hochmuth: Werkzeuge
MehrZusammenfassung der 1. Vorlesung
Zusammenfassung der. Vorlesung Einordnung und Motivation Grundlegende Definitionen Kontinuierliches Signal Quantisiertes Signal Zeitdiskretes Signal Digitales Signal Auflösung der A/D- Umsetzer der MicroAutoBox
MehrAngewandte Mathematik und Programmierung
Angewandte Mathematik und Programmierung Einführung in das Konzept der objektorientierten Anwendungen zu mathematischen Rechnens SS2013 Inhalt Fourier Reihen Sehen wir in 2 Wochen Lösung der lin. Dgln.
MehrBeate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson 2004
4 Signalverarbeitung 4.1 Grundbegriffe 4.2 Frequenzspektren, Fourier-Transformation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter Weiterführende Literatur (z.b.): Beate Meffert, Olaf Hochmuth: Werkzeuge
MehrSiSy1, Praktische Übung 3. Fourier-Analyse (periodischer Signale) kann als Fourier-Reihe 1 beschrieben werden:
/5 Fourier-Analyse (periodischer Signale) Grundlagen Ein periodisches, kontinuierliches Signal x(t) der Periodendauer kann als Fourier-Reihe beschrieben werden: wie folgt ( ) = c k x t + e j k 2πf t k=
MehrBildverarbeitung Herbstsemester 2012. Fourier-Transformation
Bildverarbeitung Herbstsemester 2012 Fourier-Transformation 1 Inhalt Fourierreihe Fouriertransformation (FT) Diskrete Fouriertransformation (DFT) DFT in 2D Fourierspektrum interpretieren 2 Lernziele Sie
MehrTechnik der Fourier-Transformation
Was ist Fourier-Transformation? Fourier- Transformation Zeitabhängiges Signal in s Frequenzabhängiges Signal in 1/s Wozu braucht man das? Wie macht man das? k = 0 Fourier- Reihe f ( t) = Ak cos( ωkt) +
MehrSpektrumanalyse. Inhalt. I. Einleitung 2. II. Hauptteil 2-8
Fachhochschule Aachen Campus Aachen Hochfrequenztechnik Hauptstudium Wintersemester 2007/2008 Dozent: Prof. Dr. Heuermann Spektrumanalyse Erstellt von: Name: Mario Schnetger Inhalt I. Einleitung 2 II.
MehrVIII. Fourier - Reihen
VIII. Fourier - Reihen Dieses Kapitel enthält eine kurze Einführung in die mathematische Beschreibung von Schwingungen. Übersicht über den Inhalt von Kapitel VIII: 5. Der Satz von Fejér 53. Die Parsevalsche
MehrMathematik, Signale und moderne Kommunikation
Natur ab 4 - PH Baden Mathematik, Signale und moderne Kommunikation 1 monika.doerfler@univie.ac.at 29.4.2009 1 NuHAG, Universität Wien monika.doerfler@univie.ac.at Mathematik, Signale und moderne Kommunikation
MehrMultimedia Systeme. Dr. The Anh Vuong. http: Multimedia Systeme. Dr. The Anh Vuong
email: av@dr-vuong.de http: www.dr-vuong.de 2001-2006 by, Seite 1 Multimedia-Application Applications Software Networks Authoringssofware, Contentmangement, Imagesprocessing, Viewer, Browser... Network-Architecture,
MehrImage Compression. Kompression. Beseitigung der unnötigen Daten... Redundanz. Vorlesung FH-Hagenberg SEM. Backfrieder-Hagenberg. Backfrieder-Hagenberg
Image Compression Vorlesung FH-Hagenberg SEM Kompression Encoder Decoder Beseitigung der unnötigen Daten... Redundanz 1 Inhalte Redundanz Channel Encoding Error-Free Compression Hufmann Coding Runlength
MehrSpektralanalyse. Spektralanalyse ist derart wichtig in allen Naturwissenschaften, dass man deren Bedeutung nicht überbewerten kann!
Spektralanalyse Spektralanalyse ist derart wichtig in allen Naturwissenschaften, dass man deren Bedeutung nicht überbewerten kann! Mit der Spektralanalyse können wir Antworten auf folgende Fragen bekommen:
MehrParseval-Identität: Seien zwei Funktionen v. mit Fourier-Reihen: dann gilt: Parseval-Identität. Speziell:
Parseval-Identität: Seien zwei Funktionen v. mit Fourier-Reihen: dann gilt: (kühnes Vertauschen von Integral und Summe!) Parseval-Identität Speziell: Anmerkung: beide Seiten kann man als Skalarprodukt
Mehr(Fast) Fourier Transformation und ihre Anwendungen
(Fast) Fourier Transformation und ihre Anwendungen Johannes Lülff Universität Münster 14.01.2009 Definition Fouriertransformation F (ω) = F [f(t)] (ω) := 1 2π dt f(t)e iωt Fouriersynthese f(t) = F 1 [F
MehrAnmerkung: Falls f(x) nicht ganz glatt ist, sondern nur stückweise stetig differenzierbar ist (d.h. Sprünge hat), gilt (Satz v.
Fourier-Reihen für periodische Funktionen Sei periodisch, mit Periode L: Auch für diesen Fall gilt die Fourier- Reihen-Darstellung (b.3), mit : (b.3) (und stückweise stetig differenzierbar) (c.5) Integral
MehrComputergrafik 2: Fourier-Transformation
Computergrafik 2: Fourier-Transformation Prof. Dr. Michael Rohs, Dipl.-Inform. Sven Kratz michael.rohs@ifi.lmu.de MHCI Lab, LMU München Folien teilweise von Andreas Butz, sowie von Klaus D. Tönnies (Grundlagen
MehrPuls-Code-Modulation. Thema: PCM. Ziele
Puls-Code-Modulation Ziele Mit diesen rechnerischen und experimentellen Übungen wird die Vorgehensweise zur Abtastung und linearen Quantisierung eines analogen Signals erarbeitet. Bei der Abtastung werden
MehrMultimediatechnik / Video
Multimediatechnik / Video Codierung, Datenreduktion Quantisierung, Lauflängencodierung DCT, JPEG http://www.nanocosmos.de/lietz/mtv Inhalt Codierung digitaler Signale Datenreduktion (Kompression) Verlustfrei
Mehr2. Digitale Codierung und Übertragung
2. Digitale Codierung und Übertragung 2.1 Informationstheoretische Grundlagen 2.2 Speicherbedarf und Kompression 2.3 Digitalisierung Ludwig-Maximilians-Universität München Prof. Hußmann Digitale Medien
MehrInformatik II, SS 2018
Informatik II - SS 28 (Algorithmen & Datenstrukturen) Vorlesung 22 (6.7.28) Greedy Algorithmen II (Datenkompression) Algorithmen und Komplexität Datenkompression Reduziert Größen von Files Viele Verfahren
MehrDie Wärmeleitungsgleichung
Die Wärmeleitungsgleichung In einem Stab der Länge 1 wird die Temperaturverteilung gegeben durch die Funktion u : ([0,1] [0, )) R, u(x,t) ist die Temperatur am Punkt x zum Zeitpunkt t. Die Funktion erfüllt
MehrImage Compression. Kompression. Beseitigung der unnötigen Daten... Redundanz. Vorlesung FH-Hagenberg SEM. Backfrieder-Hagenberg. Backfrieder-Hagenberg
Image Compression Vorlesung FH-Hagenberg SEM Kompression Encoder Decoder Beseitigung der unnötigen Daten... Redundanz 1 Inhalte Redundanz Error-Free Compression Hufmann Coding Runlength Coding Lossy Compression
MehrEinführung in die Fourier-Reihen. 1 Fourier-Reihen: Definitionen
Vortrag zum Seminar zur Analysis, 05.07.2010 André Stollenwerk, Eva-Maria Seifert Die Fourieranalysis beschäftigt sich mit dem Problem, inwiefern sich Funktionen mittels Sinus und Cosinus, das heißt periodischen
MehrMotivation. Diskretisierung. Überblick. Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen. Diskretisierung und Quantisierung
Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen Motivation Analoge Aufnahme von Sprache, Bildern Digitale Speicherung durch Diskretisierung + Quantisierung Informationsverlust
MehrSystemtheorie Teil A. - Zeitkontinuierliche Signale und Systeme - Musterlösungen. Manfred Strohrmann Urban Brunner
Systemtheorie Teil A - Zeitkontinuierliche Signale und Systeme - Musterlösungen Manfred Strohrmann Urban Brunner Inhalt 6 Musterlösungen Spektrum von Signalen 6. Approximation eines periodischen Signals
Mehr:. (engl.: first harmonic frequency)
5 Fourier-Reihen 5.1 Schwingungsüberlagerung 5.2 "Oberschwingungen" f 0 :. (engl.: fundamental frequency) :. (engl.: first harmonic frequency) Jede ganzzahlige (n) vielfache Frequenz von f 0 nennt man
MehrRunde 9, Beispiel 57
Runde 9, Beispiel 57 LVA 8.8, Übungsrunde 9,..7 Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 3..7 Angabe Seien y, z C N und c, d C N ihre Spektralwerte. Außerdem bezeichne (x k ) k die N - periodische
MehrSysteme II 8. Die physikalische Schicht (Teil 4)
Systeme II 8. Die physikalische Schicht (Teil 4) Thomas Janson, Kristof Van Laerhoven*, Christian Ortolf Folien: Christian Schindelhauer Technische Fakultät : Rechnernetze und Telematik, *: Eingebettete
MehrBildverarbeitung: Fourier-Transformation. D. Schlesinger () BV: Fourier-Transformation 1 / 16
Bildverarbeitung: Fourier-Transformation D. Schlesinger () BV: Fourier-Transformation 1 / 16 Allgemeines Bilder sind keine Vektoren. Bilder sind Funktionen x : D C (Menge der Pixel in die Menge der Farbwerte).
MehrA. Die Laplace-Transformation
A. Die Laplace-Transformation Die Laplace-Transformation ist eine im Wesentlichen eineindeutige Zuordnung von Funktionen der Zeit t zu Funktionen einer komplexen Variablen s. Im Rahmen der einseitigen)
MehrSchnelle Fouriertransformation (FFT)
Schnelle Fouriertransformation (FFT) Inhaltsverzeichnis 1 Schnelle Fouriertransformation (FFT)... 3 1.1 Das Realtime-Konzept der Goldammer-Messkarten... 3 1.2 Das Abtasttheorem oder Regeln für die Abtastung
MehrEinführung in Kompressionstechniken
Einführung in Kompressionstechniken W. Kowarschick 7. Februar 997. November 9 W. Kowarschick Motivation Dateigrößen Text Vektorgraphiken Rasterbilder Tomographien Telephon CD-Stereo Bildfolgen VD7 VD7
MehrGrundlagen der Informationstheorie. Hanna Rademaker und Fynn Feldpausch
Grundlagen der Informationstheorie Hanna Rademaker und Fynn Feldpausch . Thema Informationstheorie geht zurück auf Claude Shannon The Mathematical Theory of Communication beschäftigt sich mit Information
MehrStefan Ruzika. 24. April 2016
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 24. April 2016 Stefan Ruzika 2: Körper 24. April 2016 1 / 21 Gliederung 1 1 Schulstoff 2 Körper Definition eines Körpers
MehrSystemtheorie. Vorlesung 20: Eigenschaften der Fourier-Transformation. Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann
Systemtheorie Vorlesung 2: Eigenschaften der Fourier-Transformation Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann Fourier-Transformation Eigenschaften der Fourier-Transformation Definitionsgleichungen
MehrKlausur zur Vorlesung Digitale Signalverarbeitung
INSTITUT FÜR INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 3067 Hannover Klausur zur Vorlesung Digitale Signalverarbeitung Datum:.08.006 Uhrzeit: 09:00 Uhr Zeitdauer: Stunden Hilfsmittel:
MehrPhysikalische Grundlagen der Kommunikation
Physikalische Grundlagen der Kommunikation Prof. Dr. Clemens H. Cap http://wwwiuk.informatik.uni-rostock.de http://www.internet-prof.de 2003 C. Cap Koordinaten tragung von Information durch nden eines
MehrFachprüfung. Signal- und Systemtheorie
Fachprüfung Signal- und Systemtheorie 15. September 2010 Prüfer: Prof. Dr. P. Pogatzki Bearbeitungszeit: 2 Stunden Hilfsmittel: Taschenrechner, Formelblatt (2 DIN A4-Seiten) Name: Vorname: Matr.-Nr.: Unterschrift:
MehrL 2 -Theorie und Plancherel-Theorem
L -Theorie und Plancherel-Theorem Seminar Grundideen der Harmonischen Analysis bei Porf Dr Michael Struwe HS 007 Vortrag von Manuela Dübendorfer 1 Wiederholung aus der L 1 -Theorie Um die Fourier-Transformation
MehrFourier Optik. Zeit. Zeit
Fourier Optik Beispiel zur Fourier-Zerlegung: diskretes Spektrum von Sinus-Funktionen liefert in einer gewichteten Überlagerung näherungsweise eine Rechteckfunktion Sin t Sin 3t Sin 5t Sin 7t Sin 9t Sin
MehrMultimediale Werkzeuge, Audio: Formate, Tools. -Sound/Audio Objekte. Formate, Beispiele:
Multimediale Werkzeuge, Audio: Formate, Tools -Sound/Audio Objekte Formate, Beispiele: - Mp3 (Kurz für MPEG1/2 Layer 3) - PCM (z.b. Wave Datei), übliche Formate: CD: 44100 HZ Abtastrate, 16 Bits/Abtastwert.
MehrComputergraphik I. Das Abtasttheorem. Problem bei räumlicher Abtastung: Oliver Deussen Abtasttheorem 1
Das Abtasttheorem Problem bei räumlicher Abtastung: Oliver Deussen Abtasttheorem 1 Problem bei zeitlicher Abtastung: Oliver Deussen Abtasttheorem 2 Darstellung auf Monitor Was geschieht eigentlich, wenn
MehrDigitale Signalverarbeitung Bernd Edler
Digitale Signalverarbeitung Bernd Edler Wintersemester 2007/2008 Wesentliche Inhalte der Vorlesung Abtastung z-transformation Lineare zeitinvariante Systeme Diskrete Fouriertransformation Systeme bei stochastischer
MehrAbtastung. Normalisierte Kreisfrequenz = DSP_9-Abtasttheorem 2
Abtasttheorem Abtastung xn [ ] = xnt ( ) = Acos( ωnt+ ϕ) = Acos( ωˆ n+ ϕ) s s Normalisierte Kreisfrequenz ωˆ = ωt s DSP_9-Abtasttheorem 2 Normalisierte Kreisfrequenz ω hat die Einheit rad/sec, ω ˆ = ωt
MehrLudwig-Maximilians-Universität München Prof. Hußmann Digitale Medien 6-32
6. Ton und Klang 6.1 Ton: Physikalische und physiologische Aspekte 6.2 Kompression von Audio-Signalen: MPEG-Audio 6.3 Audio-Datenformate: Übersicht 6.4 Klangerzeugung und MIDI Ludwig-Maximilians-Universität
MehrAufgabe: Summe Punkte (max.): Punkte:
ZUNAME:.................................... VORNAME:.................................... MAT. NR.:................................... 2. Teilprüfung 389.055 A Signale und Systeme 2 Institute of Telecommunications
Mehr- Sei r(x,y) Eingangsbild, dass nur Rauschen (Quantenrauschen) enthält.
Eingang System Ausgang - Sei r(x,y) Eingangsbild, dass nur (Quantenrauschen) enthält. - Das Bild enthalte keinerlei Information, d.h. das Spektrum ist weiß und es gibt keine Korrelationen zwischen den
MehrBeispielhafte Testfragen (auch aus Schülerreferaten, Fragen können redundant sein, keine Audio Kompression berücksichtigt):
Beispielhafte Testfragen (auch aus Schülerreferaten, Fragen können redundant sein, keine Audio Kompression berücksichtigt): Was versteht man unter PCM, DPCM, DM, ADPCM? Skizze! Was versteht man unter PCM
MehrNachrichtentechnik [NAT] Kapitel 4: Fourier-Transformation. Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik
Nachrichtentechnik [NAT] Kapitel 4: Fourier-Transformation Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik Sommersemester 25 Inhaltsverzeichnis Inhalt Inhaltsverzeichnis 4 Fourier-Transformation 3
MehrBildpunkt auf dem Gitter: Pixel (picture element) (manchmal auch Pel)
4. Digitalisierung und Bildoperationen 4.1 Digitalisierung (Sampling, Abtastung) Rasterung auf 2D-Bildmatrix mathematisch: Abb. einer 2-dim. Bildfunktion mit kontinuierlichem Definitionsbereich auf digitales
MehrInformatik II, SS 2016
Informatik II - SS 2016 (Algorithmen & Datenstrukturen) Vorlesung 22 (20.7.2016) Greedy Algorithmen - Datenkompression Algorithmen und Komplexität Greedy Algorithmen Greedy Algorithmen sind eine Algorithmenmethode,
MehrZusammenfassung : Fourier-Reihen
Zusammenfassung : Fourier-Reihen Theorem : Jede (nicht-pathologische) periodische Funktion läßt sich schreiben als "Fourier-Reihe" der Form: Vorzeichen ist Konvention, in Mathe : + Fourier-Transformation
MehrÜbungsaufgaben Digitale Signalverarbeitung
Übungsaufgaben Digitale Signalverarbeitung Aufgabe 1: Gegeben sind folgende Zahlenfolgen: x(n) u(n) u(n N) mit x(n) 1 n 0 0 sonst. h(n) a n u(n) mit 0 a 1 a) Skizzieren Sie die Zahlenfolgen b) Berechnen
MehrSPRACHCODIERUNG. Mirko Johlke WS 2017/18 ASQ Literaturarbeit- und Präsentation
SPRACHCODIERUNG Mirko Johlke WS 2017/18 ASQ Literaturarbeit- und Präsentation INHALTSVERZEICHNIS 1. Physikalische- und digitale Größen 2. Signal Rausch Abstand 3. Modulationsmethoden 1. PCM: Pulse Code
Mehr(Bitte geben Sie bei der Beantwortung von Fragen eine Begründung bzw. bei der Lösung von Kurzaufgaben eine kurze Berechnung an!)
Teil 1: Fragen und Kurzaufgaben (Bitte geben Sie bei der Beantwortung von Fragen eine Begründung bzw. bei der Lösung von Kurzaufgaben eine kurze Berechnung an!) Frage 1 (6 Punkte) Es wird ein analoges
MehrFourierreihen. Definition. Eine Funktion f(x) heißt periodisch mit der Periode T, wenn f(x + T ) = f(x)
Fourierreihen Einer auf dem Intervall [, ] definierten Funtion f(x) ann ein (approximierendes) trigonometrisches Polynom (Fourier-Polynom) der Gestalt S n (x) = a + n a cos x + n b sin x zugeordnet werden.
MehrKompression. Kompression. Beseitigung der unnötigen Daten... Redundanz. Folie 2
Kompression Kompression Encoder Decoder Beseitigung der unnötigen Daten... Redundanz Folie 2 1 Inhalte Redundanz Channel Encoding Loss-less Compression Hufmann Coding Runlength Coding Lossy Compression
MehrSpektrum zeitdiskreter Signale
Spektrum zeitdiskreter Signale 1 Aufgabenstellung Mithilfe der Fouriertransformation können zeitkontinuierliche Signale in den Frequenzbereich transformiert werden, um die im Signal enthaltenen Frequenzanteile
MehrSpektralanalyse physiologischer Signale
Spektralanalyse physiologischer Signale Dr. rer. nat. Axel Hutt Vorlesung 1 - WS 2016/17 über mich Studium der Physik an U Stuttgart Promotion: Nichtlineare Dynamik in Gehirnsignalen Forschung in Neurowissenschaften
MehrSignale und Systeme I
FACULTY OF ENGNEERING CHRISTIAN-ALBRECHTS-UNIVERSITÄT ZU KIEL DIGITAL SIGNAL PROCESSING AND SYSTEM THEORY DSS Signale und Systeme I Musterlösung zur Modulklausur WS 010/011 Prüfer: Prof. Dr.-Ing. Gerhard
MehrRobert Denk Proseminar Analysis WS 2016/17
1. Inhalt des Proseminars 1 Robert Denk 21.07.2016 Proseminar Analysis WS 2016/17 1. Inhalt des Proseminars Die Grundidee einer Fourierreihe besteht darin, eine Funktion als Überlagerung von Schwingungen,
MehrKapitel 9: Informationstheorie. 2. Entropie
ZHAW, NT, FS2008, Rumc, Kapitel 9: 2-1 Kapitel 9: Informationstheorie 2. Entropie Inhaltsverzeichnis 2.1. INFORATIONSQUELLEN...2 2.2. INFORATIONSGEHALT...3 2.3. INIALE ANZAHL BINÄRE FRAGEN...5 2.4. ENTROPIE
MehrProf. Dr. Rolf Linn
Prof. Dr. Rolf Linn 6.4.5 Übungsaufgaben zu Mathematik Analysis. Einführung. Gegeben seien die Punkte P=(;) und Q=(5;5). a) Berechnen Sie den Anstieg m der Verbindungsgeraden von P und Q. b) Berechnen
MehrKompression.pdf h. völz /17
Kompression.pdf h. völz 23.5.02 1/17 Lauflängen-Codierung CCCCCCAABBBBAAAAEE _ 6C2A4B4A2E Pixel- und Zähl-Byte unterscheiden Pointer-Verfahren ABRABRIKADABRA Ab 4. Buchstaben ABR _ Verweis . total
MehrMathematik III Die Fourier-Transformation in Bildern
Mathematik III Die Fourier-Transformation in Bildern Cornelia Busch D-CHAB 20. Dezember 2018 Eine periodische Funktion f (t)... ... wird zerlegt: f (t) = sin(3t) + cos(5t). f (t) = cos(2t) + sin(3t) +
Mehrfalls falls Tiefpassfilter lässt tiefe Frequenzen durch und dämpft hohe Frequenzen.
Anwendung v. Faltungstheorem: Tiefpassfilter Wähle so, dass Dann: Somit: Tiefpassfilter lässt tiefe Frequenzen durch und dämpft hohe Frequenzen. Zusammenfassung habe Periode, mit stückweise stetig und
MehrInterpretation: f(x) wird zerlegt als Summe von unendlich vielen Funktionen
C6.3 Fourier-Transformation Entspricht Fourier-Reihe für 'Fourier-Integral' Für endliches L: (C6.1b.3) Für stellt eine kontinuierliche Funktion dar: und Fourier-Summe wird ein Integral: 'Fourier-Transformation'
MehrÜbung 3: Fouriertransformation
ZHAW, SiSy HS202, Rumc, Übung 3: Fouriertransformation Aufgabe Fouriertransformation Dirac-Impuls. a) Bestimmen Sie die Fouriertransformierte S(f) des Dirac-Impulses s(t) = δ(t) und interpretieren Sie
MehrSignalprozessoren. Digital Signal Processors VO [2h] , LU 2 [2h]
Signalprozessoren Digital Signal Processors VO [2h] 182.082, LU 2 [2h] 182.084 http://ti.tuwien.ac.at/rts/teaching/courses/sigproz Herbert Grünbacher Institut für Technische Informatik (E182) Herbert.Gruenbacher@tuwien.ac.at
MehrDigitale Signalverarbeitung Bernd Edler
Digitale Signalverarbeitung Bernd Edler Wintersemester 2008/2009 Wesentliche Inhalte der Vorlesung Abtastung z-transformation Lineare zeitinvariante Systeme Diskrete Fouriertransformation Systeme bei stochastischer
MehrProseminar Datenkompression
Proseminar Datenkompression Soundkompression Michael Grünert Markus Rickert Übersicht Fähigkeiten von MPEG Digitalisierung / Sampling Das Psychoakustische Modell Hörschwelle Simultane Maskierung Zeitliche
MehrFourier- und Laplace- Transformation
Skriptum zur Vorlesung Mathematik für Ingenieure Fourier- und Laplace- Transformation Teil : Fourier-Transformation Prof. Dr.-Ing. Norbert Höptner (nach einer Vorlage von Prof. Dr.-Ing. Torsten Benkner)
MehrComputer Graphik I Abtas3heorie
Computer Graphik I Abtas3heorie 1 Mo5va5on Wie verkleinert man dieses Bild? 2 Mo5va5on En9ernen jeder zweiten Zeile und Spalte Nächste- Nachbar- Methode 1/8 1/4 3 Mo5va5on 1/2 1/4 (2x zoom) 1/8 (4x zoom)
MehrMedientechnik SS2011. Medientechnik 2011 Manfred Jackel Universität Koblenz-Landau
Medientechnik SS2011 1 Karlheinz Brandenburg Bernhard Grill Harald Popp 2 Moving Pictures Experts Group Offizieller Name ISO/IEC JTC1/SC29/ WG11 Offizielle Homepage: http://www.chiariglione.org/mpeg/ H.261
Mehr