ScholarGate
دستیار
Process / pipelineOrthogonal multiresolution decomposition

تبدیل موجک گسسته

تبدیل موجک گسسته (DWT) یک روش سریع و از نظر محاسباتی کارآمد برای تجزیه سیگنال‌ها به مؤلفه‌های فرکانسی و زمانی مختلف با استفاده از توابع موجک متعامد یا دو متعامد است. DWT که به طور دقیق توسط اینگرید دوبشی (Ingrid Daubechies) در سال 1992 توسعه یافت و بر اساس نظریه تجزیه چندرزولوشنی مالات (Mallat) در سال 1989 بنا شده است، از بانک‌های فیلتر برای تقسیم بازگشتی یک سیگنال به مؤلفه‌های تقریبی (فرکانس پایین) و جزئیات (فرکانس بالا) استفاده می‌کند. این روش به پایه و اساس کاربردهای پردازش سیگنال، از فشرده‌سازی گرفته تا استخراج ویژگی، تبدیل شده است.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیدریافت اسلایدها

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

نقشهٔ روش

همسایگی روش‌های مرتبط — برای کاوش، یک گره را برگزینید.

منابع

  1. Daubechies, I. (1992). Ten Lectures on Wavelets. SIAM. DOI: 10.1137/1.9781611970104
  2. Mallat, S. G. (1989). A theory of multiresolution signal decomposition: The wavelet representation. IEEE Transactions on Pattern Analysis and Machine Intelligence, 11(7), 674–693. DOI: 10.1109/34.192463
  3. Walnut, D. F. (2002). An Introduction to Wavelet Analysis. Birkhäuser. link

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Discrete Wavelet Transform. ScholarGate. https://scholargate.app/fa/time-series/discrete-wavelet-transform

کدام روش؟

این روش را در کنار نزدیک‌ترین روش‌های خویشاوندش بگذارید و آن‌ها را کنار هم بخوانید — کتابخانه کتاب‌ها را روی میز می‌گشاید؛ انتخاب با شماست.

مقایسهٔ کنار هم

ارجاع‌شده در

ScholarGateDiscrete Wavelet Transform (Discrete Wavelet Transform). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/time-series/discrete-wavelet-transform · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026