Framepohjaiset

Framepohjaiset menetelmät ovat signaalien ja datan käsittelytapoja, joissa data jaetaan kiinteän pituisiin kehyksiin (frames) ja jokaiselle kehykselle suoritetaan oma analyysinsa. Kehykset voivat olla peräkkäisiä tai päällekkäisiä, ja niiden pituus sekä siirtymä (hop) ovat tyypillisiä määriteltäviä parametreja. Yleisesti framepohjaisuutta käytetään erityisesti audio-, puhe- ja videoanalytiikassa sekä sensoridatan tulkinnassa, jossa pitkien ajanjaksojen käsittely voi olla epäkäytännöllistä.

Teknisiä periaatteita: framejen käsittely alkaa usein ikkunoinnilla, jolla signaali jaetaan kehysten päälle siten, että kukin kehys peittää tietyn ajanjakson. Ikkunointi mahdollistaa taustalla vaikuttavien ominaisuuksien, kuten spektrin, STMAGA-analyysin ja muiden aikaleimaisten ominaisuuksien hajonnan hallinnan. Tavallisesti kehysten pituudet ovat muutamia kymmeniä millisekunteja äänessä (esim. 20–40 ms) ja ositus 50 prosenttiyksikön tai muuta sovelluksen mukaan. Kehtylahjeista johtuvaa viivettä hallitaan usein valitsemalla sopiva hop-koko.

Käytännössä framepohjaisuutta sovelletaan esimerkiksi äänisignaalin rekisteröintiin ja puheentunnistukseen, missä jokaiselta framelta johdetaan piirteitä kuten MFCC:t tai spektrogrammi, ja näitä käytetään tilastollisina malleina. Myös videoanalyysissä ja sensoridatan tulkinnassa kehykset muodostavat perusyksikön, joiden perusteella muodostetaan sekvenssejä ja päätöksiä.

Hyödyt ja haasteet: framepohjaisuus mahdollistaa tehokkaan, paikallisesti skaalautuvan analyysin sekä parantaa parallelisointia ja luotettavuutta. Haasteina ovat sivuvaikutukset kuten kontekstin rajoittaminen kehyksen sisällä sekä viive, joka riippuu kehysten pituudesta ja siirtymästä. Framepohjainen lähestymistapa on vallitseva monissa modernin signaalinkäsittelyn sovelluksissa.