La lecture à portée de main
Découvre YouScribe en t'inscrivant gratuitement
Je m'inscrisDécouvre YouScribe en t'inscrivant gratuitement
Je m'inscrisDescription
Informations
Publié par | technischen_universitat_darmstadt |
Publié le | 01 janvier 2009 |
Nombre de lectures | 21 |
Langue | English |
Poids de l'ouvrage | 1 Mo |
Extrait
TechnischeUniversita¨tDarmstadt,InstituteofMicroelectronicSystems
Algorithm,ApplicationMapping,
DesignandRealizationof
theTime-FrequencyRepresentation
withFlexibleKernelsbasedon
theirLiftingScheme
AndreGuntoro
Ph.D.Thesis,June2009
Copyright
©
9002
InstituteofMicroelectronic
Systems
TechnischeUniversita¨tDarmstadt
Karlstr.15,D-64283Darmstadt,Germany
Algorithm,ApplicationMapping,
DesignandRealizationof
theTime-FrequencyRepresentation
withFlexibleKernelsbasedon
theirLiftingScheme
VomFachbereichElektrotechnikundInformationstechnik
derTechnischenUniversita¨tDarmstadt
zurErlangungdesakademischenGradeseines
Doktor-Ingenieurs(Dr.-Ing.)
genehmigteDissertation
nov
.cS.MAndreT.Guntoro
geborenam13.Juli1979
inIndramayu,Indonesien
Referent:Prof.Dr.Dr.h.c.mult.ManfredGlesner
TechnischeUniversita¨tDarmstadt
Korreferent:Prof.Dr.-Ing.Dr.h.c.NorbertFliege
Universita¨tMannheim
TagderEinreichung:30.06.2009
Tagdermu¨ndlichenPru¨fung:05.11.2009
71DDarmstadt2009
“There
tsum
eb
a
beginning
ubta
papa...
ofanygreatmatter,
butthecontinuinguntotheenduntilitbe
thoroughlynishedyieldsthetrueglory.”
SirFrancisDrake
Acknowledgments
MyveryrstthankyougoestoJesusChristforhisunconditionalloving.Withoutyour
passionandendlessblessing,Iwon’tbeabletostandstrongandaccomplishmanygreat
achievements.
I’dliketothankProf.ManfredGlesnerforhisguidanceandforgivingmetheop-
portunitytobeinvolvedinvariousprojects.AlsoI’dliketothankProf.NorbertFliege
whokindlyacceptedtoactasareviewerforthisthesis.FurtherI’dliketothankProf.
AbdelhakZoubir,Prof.Ju¨rgenAdamyandProf.GerdBalzerforactingasmembersof
theexaminationcommittee.
I’dliketoexpressmysincerelythankstoallcolleaguesattheinstituteforgivingme
suchawarmworkingatmosphere.ForthesupportandkindnessthatItastedduring
mywork,I’dliketoexpressmygratitudetoOanaMutihac,MassoudMomeni,Hans-
PeterKeil,TudorMurgan,AndreasSchmidt,PetruBacinschi,PingZhao,OliverSoffke
andHeikoHinkelmann.AlsoI’dliketothanktheolderandformercolleaguesLukusa
KabulepaandMatthiasRychetskyfortheiradvices.
Livinginaforeigncountryisfullofchallanges.That’swhyI’dliketospecically
thankAlvinKurnadi,EllisBong,ChristinaWibisono,NicoleIrwanto,ConnyMan,Susi
Schmidt,HendrinaPattiradjawaneandHennySchwo¨belforbeingthereforme.Espe-
cially,I’dliketothankSerenaSuprawotoforbeingagoodfriendsincetheolddaysand
forherexcellentEnglishexpertise.Forthewarmthwelcome,spiritualsupports,kind-
ness,friendshipandgoodfoodsofcourse,I’dliketoexpressmygratefulnesstoChristian
communityPERKIDarmstadt(nowJKI).AlsoI’dliketothankJochenSpringmannfor
givingmeadvicesandforsharingyourworries.MyspecialthankyougoestoThomas
Rinkforlisteningtomyproblemsandburdens,supportingmethroughtheyearsand
bringingthenewfelicityeveryday.
I’dliketodedicatethisthesistomylatefather.Thankyoufornotgivinghopeonme
andbelievinginme.I’dliketogreatlythankmymother,brothersandsistersfortheir
love,unconditionalsupports,care,trust,inspirationandencouragement.Thankyoufor
givingmethebestplacetogrowup.WithoutyouandyoureducationIdon’tknowwhat
Iwouldbe.
vii
Darmstadt,November2009
iiiv
ACKNOWLEDGMENTS
Abstract
Waveletshavebecomeahottopicinbothindustryandresearcheldsintherecentyears.
InthetransformblockofJPEG2000,twodifferentwaveletlterscanbeapplieddepend-
ingonthecompressionmethods:(5,3)forlosslessand(9,7)forlossycompression.Besides
theblocktransformofJPEG2000,wavelettransformsareappliedinmanyotherapplica-
tions,suchasfeaturedetection,voicesynthesis,statistic,etc.Themajorchallengeinthe
wavelettransformsisthatthereexistdifferentclassesofwaveletltersfordifferentkinds
ofapplications.
Inthisthesis,weproposegeneralizedlifting-basedwaveletprocessorsthatcanper-
formvariousDWTdecompositionsandreconstructions,aswellasDWPdecompositions
andreconstructionswithdifferenttypesofwaveletlters.Theprocessorsarebasedon
cross-chainedprocessingelementswhichperformpredictionandupdateatomfunctions
ofthelifting-basedtransforms.Twodifferentarithmeticsaredesignedinordertoadapt
withdiversitiesinapplications’demand:xed-pointandoating-pointwaveletproces-
sors.Oneachtypeofarithmetic,twoarchitecturesareproposed:resource-awarearchi-
tecturewhichexploitstime-sharingpropertyofthearithmeticunitsandhasprocessing
speedoff/2,andhigh-performancearchitecturewhichusesdedicatedarithmeticunits
andhasprocessingspeedoff.Thegeneralizationoftheproposedwaveletprocessorsex-
tendsinmanyways.TheproposedprocessorscancomputeN-dimensionaltransforms,
aswellasmultileveltransformsfor1Dsignal.Onsomeapplicationsthatrequireenergy
conservationduringthetransforms,wealsoconsiderthenormalizationstepwhichtakes
placeattheendofthedecompositionoratthebeginningofthereconstruction.Ourpro-
posedwaveletprocessorscanalsobeconguredtohavearbitrarydatawidth,including
thefractionsizeoftheoating-pointarchitectures.Becausedifferentapplicationsrequire
differentnumberofsamplesforthetransforms,weproposeaexiblememorysizethat
canbeimplementedinthedesign.Tocopewithdifferentwaveletlters,wefeaturea
multi-contextcongurationtoselectamongvarioustransforms.Thiscontextswitchis
furtherusedasacongurationtooltocomputewaveletlterswithlongerliftingsteps.
OurwaveletprocessorsaremodelledandsynthesizedwithaparameterizableVHDL
codewrittenattheRTLlevel.Theperformanceofourprocessorsvariesdependingonthe
datawidthselections,thearchitecturetypes,andthewaveletlters.For32-bitresource-
awareoating-pointarchitecture,theproposedprocessorcancomputelosslessJPEG2000
transformof512×512imagewith211fps.
xi
Kurzfassung
IndenletztenJahrenwurdenWaveletssowohlinForschungalsauchinderIndus-
triesehrumfassenduntersucht.ImTransformationsblockdesJPEG2000Algorithmus
ko¨nnenjenachKompressionsmethodezweiunterschiedlicheWaveletFiltereingesetzt
werden:(5,3)fu¨reineverlustfreieund(9,7)fu¨reineverlustbehafteteKompression.Außer
inderBlocktransformationvonJPEG2000ndenWavelet-FilterihrenEinsatzinvielen
weiterenAnwendungen,wiez.B.Mustererkennung,Sprachsynthese,Statistikusw.Die
gro¨ßteHerausforderungbestehtdarin,dassfu¨runterschiedlicheAnwendungenunter-
schiedlicheKlassenvonWavelet-Filterbestehen.
IndieserDissertationwerdenverallgemeinerteLifting-basierteWavelet-Prozessoren
vorgeschlagen,diesowohlverschiedeneDWT(DiscreteWaveletTransform)Dekompo-
sitionenundRekonstruktionenalsauchDWP(DiscreteWaveletPacket)Dekomposi-
tionenundRekonstruktionenmitverschiedenenTypenvonWavelet-Filterdurchfu¨hren
ko¨nnen.DieProzessorenbasierenaufverkettetenProzesselementen(PE)zurBerech-
nungundAktualisierungvonAtom-FunktionenindenLifting-basiertenTransforma-
tionen.ZweiunterschiedlicheArtenderArithmetikwurdenberu¨cksichtigt,umdie
großeFu¨llevonAnwendungenzuberu¨cksichtigen:Fixpunkt-undGleitkomma-Wavelet-
Prozessoren.Fu¨rbeideArtenderArithmetikwurdenzweiProzessorenentworfen:eine
Resourcen-sparsameArchitektur,diedasZeitteilverfahrenderarithmetischenEinheiten
ausnutztundbeieinerVerarbeitungs-Geschwindigkeitvonf/2betriebenwirdundeine
hochperformanteArchitektur,welchedediziertearithmetischeEinheiteneinsetztundbei
einerVerarbeitungs-Geschwindigkeitvonfbetriebenwird.DieVerallgemeinerungder
vorgeschlagenenWavelet-Prozessorenschla¨gtsichaufvieleArtennieder.DieProzes-
sorenko¨nnensowohlN-dimensionaleTransformationenalsauchMulti-LevelTransfor-
mationeneines1D-Signalsberechnen.Fu¨rmancheAnwendungen,dieeineEnergieer-
haltungwa¨hrendderTransformationdiktieren,betrachtenwirauchdieNormalisierung
amEndederDekompositionbzw.amAnfangderRekonstruktion.Dievorgeschlagenen
Prozessorenko¨nnenfu¨reinebeliebigeDatenbreitekonguriertwerden,auchdieAn-
zahlderMantissenzifferninderGleitkommadarstellungkannbeliebigeingestelltwer-
den.DaunterschiedlicheAnwendungeneineunterschiedlicheAnzahlvonSamplesfu¨r
dieTransformationbeno¨tigen,wirdeineexibleSpeichergro¨ßevorgeschlagen,dieim
Entwurfimplementiertwerdenkann.UmverschiedeneWavelet-FilterzurBerechnung
einerVielzahlvonTransformationenrealisierenzuko¨nnen,wirdeineMulti-KontextKon-
ix
iix
KURZAFSSUNGgurationvorgestellt.DieserKontext-SwitchwirdauchalseinKongurations-Toolzur
BerechnungvonWavelet-Filtermitla¨ngerenLiftingSchritteneingetzt.
DievorgestelltenWavelet-ProzessorenwurdeninparametrisierbaremVHDL-Code
aufRTL-Ebenemodelliertundsynthetisiert.DiePerformanzderProzessorenunter-
scheidensichjenachDatenbreite,ArchitekturtypundWavelet-Filter.Fu¨rdie32-
bitRessourcen-sparsameGleitkomma-ArchitekturkannderProzessoreineverluftfreie
JPEG2000Transformationeines512×512Bildesmit211fpsberechnen.
TableofContents
1
2
IntroductionandOverview
1.1Motivation......................................
1.2ResearchScopeandObjectives..........................
1.3ThesisOutline....................................
WaveletsandWaveletAlgorithms
2.1Time-FrequencyRepresentation..........................
2.1.1TheHeisenbergUncertaintyPrinciple..................
2.2Short-TimeFourierTransform...........................
2.2.1GaborTransform..............................
2.2.2PropertiesofShort-TimeFourierTransform...............
2.2.3DiscreteRepresentationofSTFT.....................
2.3ContinuousWaveletTransform..........................
2.4Pr