Hasil Pencarian  ::  Simpan CSV :: Kembali

"This collection of independent case studies demonstrates how wavelet techniques have been used to solve open problems and develop insight into the nature of the systems under study. Each case begins with a description of the problem and points to the specific properties of wavelets and techniques used for determining a solution. The cases range from a very simple wavelet-based technique for reducing noise in laboratory data to complex work on two-dimensional geographical data display conducted at the Earthquake Research Institute in Japan. One case study shows how wavelet analysis is used in the development of a Japanese text-to-speech system for personal computers and another presents new wavelet techniques developed for and applied to the study of atmospheric wind, turbulent fluid, and seismic acceleration data. Although calculus and some junior and senior mathematics courses for scientists and engineers will suffice, a solid background in undergraduate mathematics, particularly analysis and numerical analysis, and some familiarity with the basics of wavelets are helpful for reading this book."

"This long-awaited update of Meyer's Wavelets: Algorithms & Applications includes completely new chapters on four topics: wavelets and the study of turbulence, wavelets and fractals (which includes an analysis of Riemann's nondifferentiable function), data compression, and wavelets in astronomy. The chapter on data compression was the original motivation for this revised edition, and it contains up-to-date information on the interplay between wavelets and nonlinear approximation. The other chapters have been rewritten with comments, references, historical notes, and new material. Four appendices have been added: a primer on filters, key results (with proofs) about the wavelet transform, a complete discussion of a counterexample to the Marr-Mallat conjecture on zero-crossings, and a brief introduction to Holder and Besov spaces."

"Wavelets are a mathematical development that may revolutionize the world of information storage and retrieval according to many experts. They are a fairly simple mathematical tool now being applied to the compression of data--such as fingerprints, weather satellite photographs, and medical x-rays--that were previously thought to be impossible to condense without losing crucial details. This monograph contains 10 lectures presented by Dr. Daubechies as the principal speaker at the 1990 CBMS-NSF Conference on Wavelets and Applications. The author has worked on several aspects of the wavelet transform and has developed a collection of wavelets that are remarkably efficient. The opening chapter provides an overview of the main problems presented in the book. Following chapters discuss the theoretical and practical aspects of wavelet theory, including wavelet transforms, orthonormal bases of wavelets, and characterization of functional spaces by means of wavelets. The last chapter presents several topics under active research, as multidimensional wavelets, wavelet packet bases, and a construction of wavelets tailored to decompose functions defined in a finite interval. Because of their interdisciplinary origins, wavelets appeal to scientists and engineers of many different backgrounds."

"Wavelets continue to be powerful mathematical tools that can be used to solve problems for which the Fourier (spectral) method does not perform well or cannot handle. This book is for engineers, applied mathematicians, and other scientists who want to learn about using wavelets to analyze, process, and synthesize images and signals. Applications are described in detail and there are step-by-step instructions about how to construct and apply wavelets. The only mathematically rigorous monograph written by a mathematician specifically for nonspecialists, it describes the basic concepts of these mathematical techniques, outlines the procedures for using them, compares the performance of various approaches, and provides information for problem solving, putting the reader at the forefront of current research."

"Salah satu aspek penting dalam inveri seismik adalah estimasi wavelet yang bisa mewakili data seismik secara komprehensif. Dalam tesis ini akan dijabarkan konsep dan implementasi algoritma Kolmogoroff dalam estimasi wavelet. Secara prinsip, dalam metoda Komogoroff, spektrum fasa minimum ditentukan atas spektrum amplitudo yang diberikan. Jika diberikan spektrum amplitudo dengan panjang wavelet n+1 maka terdapat 2n wavelet dengan spektrum fasa yang berbeda, namun hanya satu dari 2n wavelet yang mmiliki spektrum fasa minimum. Pendekatan yang unik ini diharapkan bisa memberikan estimasi wavelet yang representative. Dalam proses ini, kondisi data seismik diasumsikan terdiri dari deret reflektivitas yang acak dan merupakan hasil konvolusi dari wavelet berfasa minimum. Keabsahan dari asumsi tersebut telah diuji dengan deret reflektivitas dari suatu data sumuran dan trace seismik sintetik. Untuk verifikasi dari unjuk kerja algoritma Kolmogoroff, terlebih dahulu diaplikasikan ke data sintetik. Lebih lanjut aplikasi dengan data real dilakukan untuk menentukan distribusi impedansi akustik melalui inversi seismik. Sebagai acuan dalam mengevaluasi hasil inversi seismik dilakukan komparasi terhadap teknik Band Limited inversion yang dihasilkan dari software komersiil. Hasil koparasi menunjukkan korelasi yang optimum."

"Data seismik refleksi yang direkam pada survey seismik darat sering terkontaminasi oleh noise koheren groundroll yang merupakan gelombang dispersif yang merambat di permukaan. Sinyal gelombang groundroll ini memiliki ciri amplitude yang besar dan frekuensi yang relative rendah dan berubah di sepanjang perambatannya (non-stasioner). Beberapa teknik pemfilteran yang selama ini digunakan adalah berdasarkan pada pendekatan dengan transformasi Fourier, dimana transformasi Fourier ini mengasumsikan wavelet bersifat statis sepanjang perambatannya. Teknikteknik pemfilteran tersebut diantaranya adalah pemfilteran frekuensi (frequency filtering), dan f-k filtering. Suatu alternative baru dari transformasi Fourier yang dapat digunakan saat ini adalah transformasi wavelet, dimana transformasi ini mengurai/mendekomposisi sebuah fungsi menggunakan fungsi basis (dasar) yang memiliki durasi terbatas baik dalam domain fekuensi maupun domain waktu. Hal ini berbeda dengan transformasi Fourier, dimana transformasi Fourier mendekomposisi suatu fungsi menggunakan fungsi basis sinusoidal yang memiliki durasi tak terbatas pada domain waktu dan frekuensi. Dengan menggunakan transformasi wavelet, pemfilteran gelombang groundroll dapat dilakukan dengan baik dan memiliki kelebihan dibandingkan dengan pemfilteran dengan transformasi yang berbasis transformasi Fourier, diantaranya adalah kualitas sinyal reflektor yang tetap terjaga.

---

Low-frequency, high-amplitude ground roll is an old problem in land-based seismic field records. Current processing techniques aimed at ground-roll suppression, such as frequency filtering, f -k filtering, and f -k filtering with time-offset windowing, use the Fourier transform, a technique that assumes that the basic seismic signal is stationary.

A new alternative to the Fourier transform is the wavelet transform, which decomposes a function using basis functions that, unlike the Fourier transform, have finite extent in both frequency and time. Application of a filter based on the wavelet transform to land seismic shot records suppresses ground roll in a time-frequency sense; unlike the Fourier filter, this filter does not assume that the signal is stationary.

The wavelet transform technique also allows more effective time-frequency analysis and filtering than current processing techniques and can be implemented using an algorithm as computationally efficient as the fast Fourier transform. This new filtering technique leads to the improvement of shot records and considerably improves he final stack quality."

"Tekstur menyimpan atau menyediakan karakteristik-karakteristik yang penting untuk usaha pengidentifikasian permukaan dan objek pads berbagai macam citra. Untuk mempelajari tekstur tersebut, dimana sebagian besar tekstur alami mempunyai frekuensi dominan yang terletak pada saluran frekuensi menengah, diperlukan metode multisaluran frekuensi atau analisa multiresolusi, untuk mencapai frekuensi tertentu. Wavelet adalah sebuah fungsi matematika yang memotong-motong data ke dalam frekuensi-frekuensi yang berbeda, sehingga data tersebut dapat dipelajari dengan resolusi yang berbeda-beds. Sebuah metode transformasi wavelet yang disebut Transformasi Wavelet Berstruktur Pohon (Tree Structured Wavelet Transform) memungkinkan untuk memilih daerah frekuensi yang akan dipelajari. Skripsi ini bertujuan untuk membuat perangkat iunak yang dapat mengenali tekstur pads suatu citra secara tepat dengan menggunakan Transformasi Wavelet Berstruktur Pohon. Hasil uji cobs menunjukkan bahwa citra teskstur berukuran 128 x 128 piksel yang dicoba untuk diketahui teksturnya, dapat dikenali dengan balk oleh program."