给我们一个信号时,我们从时域中观察这个信号时,我们得到的信息是信号的持续的时间,随着时间的变化,信号的幅度起起伏伏。如果我们更进一步,就是起伏速度较快的部分对应着信号中高频部分。变换缓慢的部分对应着代表信号中的频率低频部分。我们也可以估算信号中直流分量的大小。当然这都是我们直观的理解。这种单纯的从时域中的信号的波形得到的信息是不全面的。有的时候我们想要知道我们的信号中含有那些频率成分,相应频率的强度,相位。这就是从从频域的角度来看待我们的信号。这就需要一个数学变换的工具,将我们的信号变换到频域。这个强大的数学工具就是傅里叶变换,变换后我们希望我们还可以回到时域中,也就是我们的变换是可可逆的,事实上,傅里叶变换就有这个信息不损失的性质。如今傅里叶变换已经成为一个体系。一切来自于数学中的分解思想,在这里我们选择一组正交基。对我们信号函数的分解就像是对空间中某一一向量分解到三个坐标系一样,只不过函数的坐标是傅里叶系数而已。这样,我们经过傅里叶变换就可以知道我们的信号中含有的频率成分。但是这里有一个隐含的假设,或者说是傅里叶变换的致命弱点,那就是他潜在的假设了我们的信号是平稳信号。何为平稳信号?所谓的平稳信号就是信号的各种频率成分在信号的全部持续时间中都存在。举个例子,假如我们对一个持续时间在[0,100s]的平稳信号做傅里叶变换,得出信号中有59HZ,那么就说明,对该平稳信号,59HZ从0开始,在这100s中的任何一个时刻都存在。
可是,当我们的信号不是平稳信号时,例如59HZ产生50s 处,强度和上一个信号的完全相同,其他频率也完全相同,如果我们对这一个信号做傅里叶变换,由于傅里叶变换的积分域是从负无穷到正无穷,所以不幸的是,我们得到了和上一信号完全一样的结果,我们无法再从频域回到时域了。也就是FT并没有告诉我们非平稳信号的各种频率分别出现在那个时间段上。
事实上,在现实生活中,非平稳信号和平稳信号交织在一起的。例如
心电图(ECG)、脑电图(EEG)和肌电图(EMG)。所以知道哪些频率出现在何种时间段的需求是那么的紧迫。换句话说,就是我们想要同时知道信号的时间信息和频率信息。解决方案就是FT的改进版:STFT(短时傅里叶变换)。
小波变换:
小波(wavelet)的意思是:a small wave。FT中,我们选用的是exp(jwt)函数作为我们变换空间的一组标准正交基,exp(jwt)函数在时间轴上一直存在,从-∞到+∞上均存在的信号,不会衰减,而我们在小波变换中选用的小波不仅持续时间是有限的,即只在某一个时间段内存在,而且小波的频率也是有限的,即超过一定的频率之外,该频率的强度(幅度)会逐渐衰减到0。小波变换较之于傅里叶变换的优点可以归结为如下方面:1)使得信号的存储较之于傅里叶变换后再去存储更加的有效,也就是更易于压缩,进而传输图像。2)方便了对信号的分析,因为能够更好地去近似现实中的信号(non stationary signal)。3)当信号函数中有不连续的点的时候,如果用FT得到信号的近似,会有吉布斯现象(虽然在功率上会很好的近似,但是在不连续点附近却有一个固定的误差,无法进一步减小),比之于FT的这个缺点,我们的小波变换能够更好的对数据中的不连续点进行近似。
作为小波变换前身,短时傅里叶变换(STFT
)于1946年Dennis Gabor 首次使用的。在介绍小波变换之前有必要去介绍一下STFT。
STFT是FT的一种改进版本。在解决非平稳信号的时间信息和频率信息同时表示的问题上做了第一步的探索。STFT采用的技术就是给信号加窗(Windowing the Signal),也就是一次只分析信号的一小段。在这个时间段的信号被看成是stationary signal。截取之后,在做傅里叶变换。然后开始沿着时间轴去移动我们的窗口,直至信号的结束。(想想语音信号频域处理中,得到的二维语谱图)。在matlab中,我们最终得到的该变换的二维图像表示(或者三维,只不过另一维度用颜色标记出来,并没有第三个周)称为spectrogram。STFT是一个三维的变换,具体如下:
可见最终变换后我们得到的是一个关于时间和频率的函数。注意由于STFT中,我们选用的窗口自始至终都是同一个窗子,同样的大小,同样的形状等等,所以每一小段窗口内,我们变换的时间分辨率和频率分辨率都是相同的,相当于图中所示的将时间-频率平面划分成一个个大小相同的矩形格子。
从上面对STFT的介绍中,不难看出STFT的如下缺点:一旦选定了STFT的截取窗口后,那么STFT的自始至终,都会使用同一个窗口,那么我们就会陷入关于时间分辨率和频率分辨率的困境。具体解释如下图:
从上述两幅图中,不难看出第一幅图,选择大的窗的窗口大小很小,换句话说,就是时间分辨率很大(时间段的倒数),然而频率轴上的频率分辨率却很小(有频率段有很大的的弥散)。第二幅图,窗口选择很大,换句话说,就是时间分辨率很小,那么进行STFT的变换后,得到的图像中,频率分辨率很大(几乎没有弥散),但是变换后的时间轴上却又很大的重叠(这和我们直观理解相同,选择时间大了,那么某一个频率出现后,可能会持续到下一个窗口内(从时域上看)。上述的这种dilemma可以用一个准则去描述,也就是,Heisenberg Uncertainty Principle:
Cannot know what frequency exists at what time interval。
幸运的是,上世纪80年代出现了一种新的变换:小波变换很好的解决了这个dilemma。下面介绍小波变换:
小波变换属于多分辨率分析(MRA)的技术。所谓的MRA就是:对我们的信号的不同的频段(高,中,低频段)采用不同的分辨率去分析。例如,在信号高频段处选择较大的(好的)的时间分辨率(对应的窗口很小)和差的(较小的)频
率分辨率进行分析,在信号低频段处选择好的(大的)时间分辨率和较差(小的)的频率分辨率进行分析。从直观上也很好理解这种分辨率的选择方法,例如高频信号(分量)在时域中对应的是剧烈的变换抖动,持续时间可能很短,所以选择很小的窗口(即很高的时间分辨率)去分析非常的合适。低频分量一般持续时间很长,选择窗口很大(也就是对应信号的时间分辨率较小)更加的合适。谈到了MRA,接下来谈谈MRA必不可少的分析工具---小波变换(WT)。
所谓的WT就是将我们的信号(signal)分成(表示成)a bunch of signals。分成的每一个signal都对应着原始signal的不同频带(例如高,中低等频带,也可用区间划分频率轴),WT能够给出我们关于信号的哪个频带出现在哪一个时间段上的信息。
上述只是直观的描述,下面给出连续小波变换(CWT)的数学表达式:
对于该公式,解释如下:
Wavelet (小波):小的波形,换句话说,就是持续的时间是有限的(finite)Mother Wavelet(母小波):产生其他所有窗函数的原型(prototype),其他所有的窗函数都是母小波经过 dilated(膨胀)或者压缩,移位(shift)而得到的。
尺度(scale)s:
S>1: 膨胀信号(dilate (膨胀)the signal)
S<1: 压缩信号(compress the signal)
信号不同的频带对应的窗函数,是母小波按照如下的尺度变换得到:
1)低频段->需要的S较大 -> Non-detailed Global View of Signal -> Span Entire Signal
2)高频段 -> 需要较小的尺度S -> Detailed View Last in Short Time (短时间的细节描述)
知道了上述公式的意义后,下面我们说说CWT的计算问题(7大步):
Step 1: 将 wavelet(母小波本身)放置在信号出现的起始时刻, 并
且设定s=1 (注意,在这里,S=1为母小波的最大的压缩版本(the
most compressed wavelet),也就是母小波本身);
Step 2: 将这个scale为“1”的小波乘以我们要分析的信号, 然后
在整个时间轴上积分,注意由于小波持续时间有限,相当于对信号截
取了然后对时间积分得到一个实数;
Step 3: 移动这个scale=1 的小波到t=τ, 乘以我们要分析的
信号,积分变换,得到t=τ ,s=1时的变换数值(是一个实数);
Step 4: 重复上述的步骤直到尺度为S=1的小波移动到要分
析信号的结束为止;
Step 5:小步幅的增大尺度 s到某一个s,然后重复上述步骤 ,
最终得到所有的S对的所有变换值;
Step 6: 上述对于每一个S值,我们通过计算得到的一组变换后的实数数值放在时间轴的一个行(row),
Step 7: 最终计算出了所给信号的CWT。
下面用一个图型来描述上述的过程:
注:好的(就是大的)频率分辨率指的是我们能够分辨出较小的频率部分(低频)。
注意观察每一个格子,格子的时间轴的长度越大(时间分辨率越小(差)),对应的频率轴上(即格子的高度)高度越矮(也就是频率分辨率越大)。
下面给出一幅关于各大变换的时间,频率分辨率的比较图像:
讲完了CWT理论,接下来就要讲到工程实现了。显然计算机无法处理连续的数据,这就需要计算量低的,容易implement的小波变换,这就是DWT。也就是对CWT 的采样(尽管CWT的离散化并不是真正的离散变换,姑且这样说)。在DWT中尺度S是离散化为对数(常选择的因子是2,这样高度,1,2,4,。。等等,也即是前一个小波时候一个小波的时间分辨率的2倍,频率分辨率的1/2)的格子。这样利用DWT,我们将我们的信号按照不同的频率分辨率划分频带,我们将我们的信号分解为低频近似和高频细节。
所以经过以上的分析,我们说MRA技术克服了Heisenberg uncertainty principle 。
最后说说基于MRA的子带编码(subband coding)如下图表示:
注意:1)每一次我们都会将时间分辨率变为原来的一半(相当于采样间隔变大,),对于离散数据,我们对数据每一次都因子为2的下采样,使得数据变为原来的一般
2)频域中,我们将频率分辨率变为原来的2倍,即格子的高度变为上一次的一半。
对我们的信号进行小波变换后,我们在小波域中对我们的信号进行处理,压缩等等操作,接下来我们关心的就是能否返回到原始的信号中去。这一利用小波系数返回得到原始信号的过程称为合成(上面小波分解的过程称为分析)。由于wavelet analysis涉及到滤波和下采样,所以the wavelet reconstruction process 涉及到滤波和上采样。
这样就介绍完了小波变换,下面给出小波变换应用的各大领域:
名师示范课活动总结—“深入课堂观察,创建有效课堂” 金秋十月,丹桂飘香,沙市艺术中学开展“深入课堂观察,创建有效课堂”名师示范课展示活动,本次活动以“学习实践科学发展观”为契机,以有效课堂为突破口,以课堂观察为抓手,以引领教师专业成长为宗旨,教研处及年级组长、教研组长共同组织、筹备了此项活动并取得圆满成功,现总结如下: 一、学校领导高度重视,教师听课热情高涨。 本次活动得到了学校领导的高度重视和大力支持,学校专门组织召开了全体教师动员会,教研组长、年级组长会及授课教师会,杨校长亲自做出指导,执教老师要按照“集备、上课、评课、反思”等环节进行,全校教师要积极听课学习,教研处要精心组织策划,同时邀请市区教科院专家及教育局领导进行听课指导。 本次示范课由7名在教师节中受到表彰的名师执教,涵盖了语文、数学、英语、物理、化学等5个学科,课型涉及新授课、实验探究课、作文指导课等,共有167人次参加听课,每节示范课平均有24人听课,其中,听课在4节以上的老师有18位,分别是:杨祖贵、王强、周强、王艳玲、何发松、徐爱娟、李传凤、周丽、张先才、戴海燕、黄强、马靓、郑杰、肖琳琳、唐静、刘颖、詹治愈、彭志红。活动期间,许多老师坚持听课,跨学科听课,每到下课铃响,听课老师鱼贯而出,成为学校一道亮丽的风景线。 二、授课教师精心准备,流金溢彩缤纷呈现。 七位授课教师课前备课充分,他们精心选择课题,巧妙设计教案,深入钻研教材,研究教法学法,制作多媒体课件,努力把最优秀的课堂教学展示给学生。张先才老师精心的组织、严谨的语言、恰到好处的背景渲染,让各科老师感受到了语文的魅力。周丽老师在教学中应用导学案发挥学生的自主学习能力,由课题引发学生的思考,再转入阅读和归纳作者的感受,最后提升情感体验,这样的教学尊重了学生的主体。而胡芬老师在作文指导课中,带领学生对已学名家名篇的回顾、复习、揣摩,发现并归纳文章描写的角度和方法,学生的思维被调动,创作灵感被激发。王元智和杨红樱老师在教学中充分发挥多媒体的作用,增大了课堂教学的容量,使教学更直观、有趣,提高了课堂的实效。同时应用了大量生活中的实例,如数学中设计了学生生活中的跑步训练,英语中涉及了姚明、刘翔、成龙等学生感兴趣的话题,充分调动了学生的学习积极性。杨志嵘和陈晓波老师根据学科特点,应用科学探究的教学方法激发学生的求知欲,物理课中学生通过观察透镜来了解透镜对光线的作用,化学课上学生通过亲手实验得出质量守恒定律,整个过程中学生既掌握了知识,又锻炼了能力,实现了课堂教学的有效性。总之,七位老师在教学中都体现了“以生为本”的理念,并努力在“有效教学”上有所突破。通过观摩学习示范课,让我们看到每位教师都有一些亮点,每一节课都有一些惊喜,充分显示了我校教师丰厚的教学功底和高超的教学艺术。 三、上级领导给于肯定,教学专家理论引领。 本次活动得到了市区教科院、区教育局及兄弟学校的大力支持。在该活动的启动仪式上,市教科院王佑军院长、区教育局人事科宋光辉科长、区教科院焦超院长、文昌敏副院长及语文教研员李劲老师全程参与了听课、评课活动。李劲老师肯定了艺中语文组这一教研活动的有效性,特别赞赏语文组能从语文学科的角度对课堂进行深入观察,并提出了语文课教学目标的设置“一节课只解决一个问题”的观点。
教师公开课总结 公开课是课堂教学的一种特殊形式,是提高教学质量和提升教师专业发展的有效方式。教师在课堂教学中起到了重要作用,今天小编给大家找来了教师公开课总结,希望能够帮助到大家。 教师公开课总结篇一本学期语文公开课在全体任课教师共同参与、认真准备下圆满结束了。一个多月以来各位老师团结协作,小组互动,集思广益,认真钻研真正把集体备课落到实处。同时还打造出一批精品教研团队。大家都在这次公开课活动中收获了喜悦,增长了见识,完善了自我。老师们听课认真,记录详实。说课、评课有章有法,有理有据。不仅方式方法多样而且关注面广;不仅语言生动而且条理清楚,讲述自然,切合实际。 下面针对语文团队公开课总结如下: 本学期语文团队的公开课鄂晶微老师又以她独具魅力的教学风格为我们开了个好头。一路走来,鄂晶微老师用其诗意语文彰显了个人教学特色,一路走来从《美丽的小兴安岭》到伐薪烧炭,让人悲悯的《卖炭翁》,从美丽迷人的《三峡之秋》到集国愁、家愁与一体的《乡愁》再到本学期《颁奖词》让我们感受到了浓浓的语文味,朗朗的读书请。也让我们再次感受到鄂老师在解读文本,把握教材、巧妙设计和指导朗读,拓展迁移等方面的大家风范。 鄂晶微老师在指导朗读方面可谓独具特色,已形成自己的教学风格。她对学生的朗读指导可谓入情入境,绝不是简单停留于文章表面,她总是能从重点词句入手,对学生进行恰如其分地引导,再通过教者声情并茂的引导、引读或多媒体的有效展示让学生情感一遍又一遍地得以升华。朗读层次及效果也一步一个新台阶,总能给我们听课者视觉、听觉上美的享受。 巧妙恰当的使用多媒体也是鄂老师的教学特色。真正做到让课件为教学服务,为课堂添彩。也许大家眼前还会呈现千手观音的美轮美奂,或许你的耳畔仍旧响起为颁奖词所配的乐曲《春野》那是教者要呈现美丽的丽华要呈现心灵的震撼。还记得那支吾不清的邰丽华的声音吧,那是教者带给孩子最大的震撼,最深的感动。那
在学习、积累、反思中成长 ——数学组青年教师优质课竞赛活动总结为了进一步加强我校青年教师的队伍建设,切实提高青年教师的数学素养和教学水平,鼓励采用多种方式进行有效的课堂教学,我校于2017年3月6日——3月24日开展了“青年教师优质课竞赛”活动。力图通过本次活动为青年教师搭建一个交流学习、展示自我的平台,在有经验的老师的带领与指导下不断提高自身专业知识、专业技能和专业品质,实现自我超越。 总的来说,本次参赛教师都能依据课标、教材与学生全面发展的需求来设计教学流程,并能运用多媒体手段进行辅助教学,充分展示了我校青年教师的个性与风采。现从以下几个方面进行总结: 一、亮点赏析 1、学校高度重视,教务处精心组织,教师积极参与 本次活动时间战线拉的比较长,经历了试讲磨课到展示三个阶段,可老师们都毫无怨言,在繁重的教学任务下仍然挤出时间来参与不同年级的听课磨课,并给予授课教师中肯的意见或建议,这对于青年教师而言无疑是最宝贵的财富。赛课教师也都能以积极饱满的热情投入教学,精心备课,认真上课,及时反思,吸取良策,每一堂优质课的背后满是艰辛的付出与辛勤的汗水。 总之,整个活动过程充分诠释了团结协作、取长补短、相互学习、共同提高的竞赛宗旨。 2、参赛教师精心准备,课堂教学精彩纷呈,体现高效课堂。(1)注重双边互动,关注每一个学生 教学过程是师生交往、积极互动、共同发展的过程,在这一过程
中必须体现尊敬、热爱、理解、帮助学生的理念。新课程标准倡导师生平等交往的教学行为,这有助于建立和谐的、民主的、平等的师生关系。要关注每一个学生,使广大的学生在课堂上都能得到训练。 其中戴懿老师执教的《比例的意义和基本性质》,从刘翔身披国旗的照片引入,发现问题:同样是放大照片,为什么有的变形了,有的却正好呢?用生活中的现象激起学生的探究欲望。在从比例的意义过渡到基本性质时,老师设计了师生比赛的游戏,成功调动起学生的积极性,凝练启发的提问、充分给予的思考探究空间让学生体验到自主获取知识的成功和喜悦。 (2)注重切合学生实际,创设生活情境 如帅群林老师执教的《推理》,非常符合二年级学生的思维特点,从两个对象到三个对象推理,由直接告诉结论到间接分析条件,从易到难,层层深入,逐步发展学生的思维。 老师重创设游戏情境,猜一猜、闯关等有趣的数学活动都深深懂得吸引着学生的注意力,其中闯关的素材非常贴近生活(如:分课本、分班,找小狗的体重、运动会各类比赛的名次……)。每闯完一关后老师都引导学生及时小结新的感受与收获,体会到运用连线方式分析推理的优势,让学生在玩中学学中玩。而且每解决一个问题,老师都会先问:你先连得是什么?这在无形中渗透了有序思考的数学方法。可见环节设计构思之巧妙,逻辑之严密。 (3)注重学生个性发展,培养求异思维 基础教育课程改革纲要明确要求:“注重培养学生的独立性和自主性,引导学生质疑、探究,在实践中学习,促进学生在教师指导下主动地、富有个性地学习……”张明文老师的《口算乘法》始终围绕口算乘法
《公开课总结》 公开课总结(一): 公开课总结 3月下旬,学校安排了每学期的例行公开课,对于我们年轻教师来说,是提高教学水平和 锻炼自身潜力的一次机会,透过这次公开课,自己在教学准备、讲课方式方法、教学互动以及发挥学生主体作用等方面得到了锻炼,个性是三位特级教师的课后点评更是受益匪浅,同时,在讲课的过程中也暴露出自己的很多不足,主要体此刻以下四个方面: 一是思想上重视不够,准备不够细致。由于参加工作时间不长,对高中化学教学模式和规律的认识还不够深刻,还没有构成系统、稳定的教学方式方法,再加上脱离教学岗位时间较长,教学水平退步较大,就应说这次公开课是恢复自己教学水平、加深对新课改后教学模式转变认识的难得机会,但是,从接到通知到备课、准备、试讲,直至最后正式上课,整个过程中,自己对这次公开课的重要性认识不足,思想上没有真正重视起来,始终抱着一种应付了事的态度,导致准备工作做的不够细致,只是一味的按照自己的理解和想法进行准备,突出了教学资料、方式方法和相关知识的准备,忽视了学生主体作用的发挥,没有充分思考到学生的理解潜力、认知水平和课堂氛围,讲课没有到达预期的效果。 二是教学问题设置不够合理,课堂效果欠佳。由于本节课的资料学生已经学过,因此,在组织教学的过程中,重点突出了引导学生复习,个性是在设置教学问题的时候,侧重了知识点的拓展和延伸,但是,从学生课堂的反应来看,问题设置的有点偏难;主要原因是没有思考到 时间间隔太长,学生大部分资料和知识要点已经遗忘,再加上本班学生基础知识还不够扎实,学生在问题解决上遇到了困难,在课堂上没有得到足够的成就感和信心,学习用心性没有被充分调动起来,课堂气氛不是很活跃。 三是教学形式比较单一,没有充分发挥学生主体作用。在讲课的过程中,主要采用了比较和问题教学的方法,形式相比较较单一,没有把学生的学习兴趣透过有效的方式激发起来,学生理解掌握知识要点不够直观,整体课堂气氛不够活跃,主要原因是没有引入像教学演示、多媒体等这些比较生动直观的教学形式;另外,对学生的引导也不是很到位,没有把学生的主体 作用突出出来,更多的是我在讲,学生被动的理解,再加上师生之间互动较少,导致课堂氛围有点单一沉闷,教学效率不高。 四是教学行为不够规范,示范引领作用发挥不够好。我认为,老师不只是用语言来教育引导学生,更多的时候就应是用无声的行动来影响和感染学生。但是,在这次公开课上,自己对细节关注的不够,教学语言不够简洁、准确,板书设计不够合理、书写不够规范、资料与教案没有持续一致,反映出自己在教学习惯养成上还有必须的差距。 下一步,针对这次公开课暴露出的问题,认真进行反思总结,汲取教训,加强学习研究,用心改善教学方式方法,努力提高教学水平,养成良好的教学习惯。 公开课总结(二): 这是我人生中第一次做公开课,也是第一次有这么多高水平的老师对我的课进行深入的评价,我感觉受益匪浅。课后,我对我的教学进行了深入的反思,主要概括为以下几点: 一.多让学生动手做,动脑想,动嘴说。
10.2小波变换的基本原理 地质雷达的电磁波信号和地震波信号都是非平稳随机时变信号,长期以来,因非平稳信号处理的理论不健全,只好将其作为平稳信号来处理,其处理结果当然不满意。近年来,随着科学技术的发展和进步,国内外学术界已将注意力转向非平稳随机信号分析与处理的研究上,其中非平稳随机信号的时频表示法是研究热点之一。在这一研究中,戈勃展开、小波变换、维格纳分布与广义双线性时频分布等理论发展起来,这些方法既可以处理平稳信号过程,也可以处理非平稳随机时变信号。 小波变换是上世纪80年代中后期逐渐发展起来的一种数学分析方法。1984年法国科学家J.M OLET在分析地震波的局部特性时首先使用了小波这一术语,并用小波变换对地震信号进行处理。小波术语的含义是指一组衰减震动的波形,其振幅正负相间变化,平均值为零,是具有一定的带宽和中心频率波组。小波变换是用伸缩和平移小波形成的小波基来分解(变换)或重构(反变换)时变信号的过程。不同的小波具有不同带宽和中心频率,同一小波集中的带宽与中心频率的比是不变的,小波变换是一系列的带通滤波响应。它的数学过程与傅立叶分析是相似的,只是在傅立叶分析中的基函数是单频的调和函数,而小波分析中的基函数是小波,是一可变带宽内调和函数的组合。 小波变换在时域和频域都具有很好的局部化性质,较好地解决了时域和频域分辨率的矛盾,对于信号的低频成分采用宽时窗,对高频成分采用窄时窗。因而,小波分析特别适合处理非平稳时变信号,在语音分析和图象处理中有广泛的应用,在地震、雷达资料处理中将有良好的应用前景。 下边就小波分析的基本原理、主要作用及在雷达资料处理中的应用三方面作以介绍。 10.2.1小波分析的基本原理 小波函数的数学表达