Descomposició

Veure Aplicació »

descomposicio

La DESCOMPOSICIÓ serveix per a separar mesures i obtenir-ne els seus components bàsics. Això permet distingir el senyal del soroll, és a dir, allò que és rellevant d'allò que és superflu.

La major part de tractaments de dades que es realitzen requereixen un filtratge previ. Sovint el filtratge consisteix a trobar característiques locals o globals (tendència, oscil·lació, volatilitat, etc.) que es determinen després de descomposar un senyal en aquells elements que el componen. Hi ha moltes formes de descomposar les dades. Una de les més conegudes és la descomposició de les ones de so en els seus harmònics fonamentals (anàlisi de Fourier). Però també hi ha moltes d'altres tècniques que han evolucionat molt amb l'ús extensiu d'ordinadors.

Descomposar les dades és realment molt poderós, perquè permet extreure l'essència d'allò que estem buscant. Ara bé, és un procés costós perquè involucra moltes operaciones simultànies i és pràcticament impossible descomposar dades manualment. Les dades no es poden descomposar sense l'ajuda de les noves tecnologies. Així doncs, dissenyar la descomposició i integrar-la amb la tecnologia adequada simplifica molt la tasca de filtrar les dades que cal tractar.


 

MINTRADA disposa dels procediments per a realitzar aquesta tasca de DESCOMPOSICIÓ de manera ràpida, automàtica i eficient.

 

Alguns exemples:

  • Anàlisi de Fourier. L'anàlisi de Fourier és àmpliament utilitzada per a descomposar oscil·lacions en harmònics fonamentals. L'espectre d'un senyal acústica o lluminosa dóna informació immediata del pes específic que té cada oscil·lació en el resultat final.
  • Anàlisi de Components Principals (ACP). Dins del camp de l'estadística, l'ACP permet jerarquitzar el grup de dades i obtenir una representació d'aquelles variables o combinacions de variables que simplifiquen molt la forma de descriure les dades. És especialment útil quan es vol ser simplista.
  • Wavelets. La descomposició en wavelets divideix un senyal en fragments d'ona que es poden reescalar. El fet que les ones es poguin reescalar permet avaluar si un senyal és fractal, és a dir, si el senyal és una còpia de si mateixa quan s'observa més ampliada. Les wavelets són especialment útils quan s'estudien mesures de tipus fractal, com ara moviments sísmics.
  • Transformades Integrals. Les transformades integrals són realment útils per a separar els senyals en les components que nosaltres vulguem definir. Per exemple, en el camp del tractament d'imatges, la transformada integral de Hough separa una imatge en el conjunt de línies rectes que la composen. Una altra transformada, la de Radon, descomposa un senyal en els seus diferents plans d'observació.


Aplicació 

Aquesta aplicació permet fer una descomposició de Fourier del senyal que nosaltres dibuixem. L'aplicació recull l'oscil·lació que hem dibuixat, aplica la transformada de Fourier i retorna l'espectre on es mostren els harmònics que composen l'oscil·lació. El principi i el final del senyal determinen la llargada d'un període de temps. Les unitats de l'espectre es donen en funció d'aquest període (o millor dit, la seva freqüència). Els pics en l'espectre denoten l'harmònic que té més importància dins de l'oscil·lació que nosaltres hem dibuixat.

Funcionament

  1. Cliqueu i arrossegueu sobre la regió esquerra per a dibuixar una oscil·lació. Espereu que l'aplicació analitzi les dades i mostri l'espectre en la regió dreta.
  2. Cliqueu Ampliar/Reduir per a que l'aplicació us mostri la zona més important de l'espectre.
  3. Torneu a clicar i arrossegar sobre la regió esquerra per a introduir una nova oscil·lació o cliqueu Netejar per a esborrar-la.

 

NOTA LEGAL: Aquesta aplicació és un exemple de mostra i s'ofereix sense cap garantia. MINTRADA no es responsabilitza de l'ús inadequat i de les seves conseqüències. Utilitzeu-la sota la vostra responsabilitat. Contacteu amb nosaltres per a un servei garantit.

+Solucions »   Contactar »