滤波器组框架理论及其在图信号处理中的应用

滤波器组框架理论及其在图信号处理中的应用

王凯亮李一松

（上海航天第804研究所上海201109）

摘要：传统滤波器组框架理论通常用来处理低维规则结构数据,如时间信号、空间信号和时空信号等。随着现代科技高速发展,高维非规则化数据信息大量涌现,如社交网络、能源网络、交通运输网络、神经元网络等。如何对高维图结构数据进行处理成为一个备受关注且亟待解决的问题。借助代数图论和谱图理论,图信号处理成为近年来兴起的研究方向,用来处理高维加权图上的信号。众多学者从各自角度出发,将传统滤波器组框架理论推广到图滤波器组框架中,取得了一系列成果。

关键词：滤波器组；框架理论；图信号；图滤波器

引言：滤波器组框架理论是应用数学、信号处理、图像处理和数字通信等领域的重要问题之一,对滤波器组框架的分析和设计问题进行研究有着重要的科学意义和应用前景。近年来,随着高维非规则化数据信息大量涌现,很多学者开始研究图信号处理的滤波器组方法。因此对滤波器组框架理论及其在图信号处理中的应用进行研究。

一、滤波器组框架理论

在各种框架中,实际应用最广泛的是由滤波器组实现的框架。有限维框架、离散小波框架和离散Gabor框架都属于滤波器组框架。接下来介绍滤波器组基础知识、滤波器组框架理论及应用。

（一）滤波器组基础

滤波器组是一组有着共同输入或共同输出的带通滤波器。典型滤波器组的结构如下图所示。其中左边部分为分析滤波器组,右边部分为综合滤波器组。分析滤波器组有一个输入多个输出,其将输入信号分解成不同的子带信号,每个分析滤波器Hi(z)有不同的频率特性,输入信号x(n)通过M个分析滤波器Hi(z)后,得到M个不同的子带信号。信号在子带分解后,对每个通道Mi下采样，可降低信号的采样率。下采样后的子带信号可以被编码、处理或者传输。综合滤波器组具有多个输入一个输出,其将处理后的子带信号通过带通滤波后再组合起来,重构原始信号。为保证重构信号xˆ(n)与原信号x(n)具有相同的采样频率,在综合滤波器组前对各子带信号Mi上采样(Upsampling)。也有论文将下采样称为抽取(Decimation),将上采样称为内插(Interpolation),两者实际并无区别,本文统一称为下采样、上采样。

M通道滤波器组：

将每个通道的下采样因子Mi相同的滤波器组称为均匀滤波器组；将下采样因子不同的滤波器组称为非均匀滤波器组.将下采样因子和通道数相同的滤波器组称为临界采样滤波器组；将下采样因子小于通道数的滤波器组称为过采样滤波器组。如果滤波器组由理想滤波器构成,没有混叠产生,则可以完全重构原始信号。由于理想滤波器是不可实现的,为了消除混叠,需要选择合适的Hi(z)和Fi(z),使得xˆ(n)=x(n−m),这样的滤波器组称为完全重构滤波器组。多采样率信号处理的核心是信号采样率的转换和滤波器组。信号的上/下采样是多采样率信号处理的基本操作。多相(Polyphase)结构是滤波器组的一种基本表示方法。

（二）滤波器组框架

框架理论最先由Duffin等在研究非谐波Fourier序列时创立的,小波框架和Gabor框架是应用最广泛的两类框架。二十世纪八九十年代,与小波理论并行发展的滤波器组分析和设计方法使得小波的物理实现成为现实,此后小波在信号处理、数据压缩与编码等领域得到了飞速发展和巨大应用。目前滤波器组框架理论在采样理论、系统建模、时频分析和小波理论中得到了广泛的应用,成为上述领域的理论基础。对于均匀过采样滤波器组,其完全重构条件等价于它构成的信号空间的一个框架;过采样余弦调制滤波器组作为一类特殊的滤波器组,与Gabor框架在某种意义下是等价的。另一方面,离散小波框架可由非均匀过采样滤波器组实现,在一定假设下,离散小波框架与完全重构非均匀过采样滤波器组也是等价的。

二、滤波器组框架分析设计理论与应用

在框架理论中,框架界与对偶框架是两个非常重要的基本概念,其分析和优化设计是框架理论研究的重要问题。下面分别介绍滤波器组框架界计算和综合滤波器组优化设计的相关进展。

（一）滤波器组框架界计算与优化

许多学者对框架界计算和对偶框架的求解问题开展了研究。Daubechies在其小波经典专著中论述了框架界和对偶框架的逼近算法。Cvelkovic等首先建立了过采样滤波器组构成框架的充分必要条件,并探讨了对偶框架求解的问题。此后滤波器组框架便成为应用最广泛的一类框架,引起广大学者关注。Bölcskei等系统地研究了过采样滤波器组框架的框架界计算及对偶框架的求解问题,通过在频域分析滤波器组多相矩阵,给出了滤波器组框架界的逼近计算方法。对完全重构过采样滤波器组实现的框架,其滤波器组多相矩阵可由有限维状态空间表示。滤波器组框架上下界比值γ=β/α是框架分析与设计中的一个重要参数，也是实际应用中衡量数值稳定性和噪声敏感性的重要性能指标之一。嵌入数字水印中的图像经过框架界比值大的小波子带分解,会产生较大的视觉斑点；在对偶框架的逼近计算中,算法收敛速度直接依赖于框架界比值,比值越大,收敛越慢。在数字通信的子带编码中,框架界比值决定了解码接收器对信道噪声干扰的敏感性,比值越大,对噪声越敏感,系统鲁棒性越差；在平行核磁共振成像中,框架界比值大小表明了图像重构算法对线圈模型不确定性和干扰的敏感程度,影响着成像的质量。一般而言,给定一滤波器组框架,框架界比值越小,滤波器组框架的性能越好。仿酉滤波器组框架界比值为1,具有最好的性能。在很多实际应用中,滤波器组还需要满足其他更重要的性能要求(如最好的频率选择性,线性相位等),仿酉滤波器组并不容易设计,一些情况下所得到的滤波器组框架往往具有较大的框架界比值。在另一些应用中(如PMRI),滤波器组(线圈特性)是事先确定的,不能改变[1]。

（二）综合滤波器组优化设计及应用

子带噪声抑制是综合滤波器组框架设计中的重要科学问题之一,在图像处理、压缩编码、量化、数字通信等领域有广泛应用。线性相位滤波器组可以消除相位失真,提高图像的重构质量和视觉效果。格形结构可以保证滤波器组的线性相位特性。用格形结构来设计滤波器组有许多优点,格形结构在每级系数量化时,量化敏感度小,能够保持结构不变,便于模块化实现；格形结构实现滤波器组所用的乘法器和延时器个数少,计算复杂性小,可以实现快速运算；用格形结构设计滤波器组是一种无约束优化设计方法。对于线性相位格形结构滤波器组的研究已有许多成果。二维滤波器组包括二维可分滤波器组和二维不可分滤波器组.二维可分滤波器组的优点是分析和设计简单,缺点是具有方向局限性.Vetterli首次将一维滤波器组理论推广到二维情况,证明了二维可分滤波器组可以看作由若干个同等的一维滤波器组张成的可分张量积。Vaidyanathan和Kovacevic等较早对多维不可分滤波器组框架分析与设计问题展开了研究。建立了多维滤波器组和不可分多维小波框架的关系,给出了不可分多维小波的FIR滤波器组实现.Zhou系统研究了多维正交滤波器组设计问题,提供了满足完全重构条件的滤波器组特征表示及其在图像处理中的应用[2]。

参考文献：

[1]胡广书.现代信号处理教程[M].第2版.北京:清华大学出版社,2015:125-143.

[2]陶然,张惠云,王越.多抽样率数字信号处理理论及其应用[M].北京:清华大学出版社,2017:167-180.