Professional Documents
Culture Documents
, f xt. w
t t
. expf. 2. m. f. t. dt
De la observacion detallada de la ecuacion de arriba, xt es la seal propiamente dicha,
w
n2
,
n1
STFT
En la Iigura 2.2.8 se puede observar la representancion de esta matriz en la tri-dimension:
Como se esperaba, este es un graIico bidimensional (tri-dimensional si se cuenta tambien la
amplitud). Los ejes del plano de planta son el tiempo y la Irecuencia. Los numeros sobre los ejes
no son de interes en este momento.
Lo que es importante, son los dos picos, correspondientes a los dos componentes de
Irecuencia diIerentes. Tambien es de notar, que a diIerencia de la FT, estos dos picos estan
localizados a intervalos de tiempo diIerentes a lo largo de eje de tiempos.
Catedra Analisis de Seales 7
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
Figura 2.2.8
Esto es debido a que la seal original tenia dos componentes espectrales localizados en
diIerentes tiempos. Ahora se tiene una verdadera representacion tiempo-Irecuencia de la seal.
No solo se conocen los componentes de frecuencia que estan presentes en la seal, sino que
tambien se conoce donde estan locali:ados en el tiempo.
2.3 - Principio de Incertidumbre de Heisenberg
El problema con la STFT es la aparicion del conocido Principio de Incertidumbre de
Heisenberg. El mismo, originalmente aplicado al momento y la ubicacion del movimiento de una
particula, puede ser aplicado a la inIormacion tiempo-Irecuencia de una seal.
Simplemente, este principio establece que no puede conocerse exactamente la representacion
tiempo-Irecuencia de una seal, en este caso no puede conocerse que componentes espectrales
existen en que instantes de tiempo. Lo que se puede conocer son intervalos del tiempo en los
cuales existen ciertas bandas de Irecuencias, lo cual es un problema de resolucin.
En el caso de la STFT, esto esta relacionado con el ancho de la Iuncion ventana que es usada.
Para ser tecnicamente correctos, este ancho es conocido como el soporte de la ventana.
Si la Iuncion ventana es estrecha, se conoce como compactamente soportado. Esta
terminologia es mas Irecuentemente usada en el mundo de los wavelets, como se vera
posteriormente.
En la FT no hay problema de resolucion en el dominio de Irecuencia, en ese caso, se conoce
exactamente que Irecuencias existen, similarmente no hay problema de resolucion de tiempo en
el dominio del tiempo, ya que se conoce el valor de la seal en cada instante.
Inversamente, la resolucion de tiempo en la FT, y la resolucion de Irecuencia en el dominio
del tiempo son cero, ya que no se tiene ninguna inIormacion acerca de ellos. Lo que da la
resolucion perIecta en Irecuencia en la FT es el hecho que la ventana usada en la FT es su kernel,
la Iuncion expf. o. t, la cual vale para todo tiempo desde a .
Ahora, en el caso de la SFTFT, la ventana es de longitud Iinita, de modo que cubre solo una
porcion de la seal, lo cual causa que la resolucion en Irecuencia sea mas pobre. Es decir, ya no
se conocen las componentes exactas de Irecuencia que existen en la seal, sino que se conoce
solo una banda de Irecuencias.
En el caso de la FT, la Iuncion kernel, permite obtener resolucion perIecta de Irecuencia,
porque el kernel propiamente dicho es una ventana de longitud inIinita. En la STFT la ventana es
de longitud Iinita, y ya no se tiene una perIecta resolucion de Irecuencia.
Se puede preguntar, porque no hacer la longitud de la ventana en la STFT inIinita, tal como
en la FT, para tener perIecta resolucion en Irecuencia?. Esto lleva a relajar toda la inIormacion de
tiempo, basicamente termina en la FT en vez de la STFT.
En sintesis, se debe enIrentar con el siguiente dilema: si se usa una ventana de longitud
inIinita, se llega a la FT, la cual da perIecta resolucion en Irecuencia, pero ninguna inIormacion
en tiempo. Ademas, con el objeto de obtener estacionariedad, se ha de tener una ventan
suIicientemente estrecha, en la cual la seal es estacionaria.
Catedra Analisis de Seales 8
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
Cuanto mas estrecha se hace la ventana, mejor la resolucion en tiempo, y mejor la suposicion
de estacionariedad, pero empeora la resolucion en Irecuencia:
Ventana estrecha Buena resolucion en tiempo, mala res. en Irecuencia
Ventana ancha Buena res. en Irecuencia, mala res. en tiempo
El uso de la STFT conlleva problemas de resolucion. Entonces, que tipo de ventana usar?
Ventanas estrechas son buenas para buena resolucion en el tiempo, pero malas en Irecuencia.
Ventanas anchas dan buena resolucion en Irecuencia, pero mala en el tiempo. Ademas, estas
ultimas pueden violar la condicion de estacionariedad.
El problema presenta un compromiso en la eleccion una Iuncion ventana que habra de
utilizarse en todo el analisis.
La respuesta a la pregunta planteada mas arriba depende de la aplicacion. Si los componentes
de Irecuencia estan bien separados unos de otros en la seal original, entonces se puede sacriIicar
alguna resolucion en Irecuencia y mejorar la resolucion en el tiempo, ya que las componentes
espectrales estan ya bien separadas unas de otras. Sin embargo, si este no es el caso, podria ser
mas diIicil de encontrar una buena Iuncion ventana .
Por ahora, se puede vislumbrar como la transIormada wavelet (WT) puede acometer este
problema. La WT resuelve el dilema de resolucion para un cierto alcance, como se vera mas
adelante.
Catedra Analisis de Seales 9
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
3 - LA TRANSFORMADA WAVELET CONTINUA (CWT)
3.1 - Antecedentes histricos
Los metodos de analisis de seal tiempo-Irecuencia oIrecen interpretacion simultanea de la
seal tanto en el tiempo como en Irecuencia lo que permite que puedan ser resueltos localmente
componentes transitorios o intermitentes.
Tales componentes son Irecuentemente ocultadas por el promediado inherente a los
procedimientos meramente espectrales, como la TransIormada de Fourier.
Hoy se dispone de una gran cantidad de metodos tiempo-Irecuencia para la descomposicion
en alta resolucion en el plano tiempo-Irecuencia utiles para analisis de seal, entre ellos estan la
TransIormada de Fourier de Corto Tiempo (STFT), la TransIormada de Wigner-Ville (WVT), la
distribucion de Choi-Williams distribution (CWD) y la TransIormada Wavelet (WT) entre otros.
De estos, la WT ha emergido como la herramienta mas Iavorecida para los investigadores ya
que no contiene los terminos cruzados inherentes a los metodos WVT y CWD a la vez que posee
un ventaneo Irecuencia-dependiente que permite arbitrariamente alta resolucion de las
componentes de alta Irecuencia de la seal (a diIerencia de la STFT).
Muchas de las ideas detras de la WT han estado vigentes por largo tiempo. La primera
mencion documentada de lo que hoy se llama un wavelet parece estar en una tesis de AlIred
Haar de 1909.
Sin embargo, el analisis WT tal como se conoce hoy comienza realmente a mitad de los 80s,
donde se desarrollo para analizar seales sismicas (Goupillaud et al 1984).
El interes en el analisis wavelet permanecio dentro de una comunidad pequea,
principalmente matematica, durante el resto de los 80s con solo un puado de papers producidos
en este campo.
El concepto de wavelets, en su Iorma teorica del presente, Iue propuesto por primera vez por
Jean Morlet y el equipo del Marseille Theoretical Physics Center en Francia.
La aplicacion de del analisis de WT en ciencia e ingenieria irrumpe dinamicamente a
principio de los 90s. En los ultimos aos ha habido miles de papers arbitrados sobre WT
cubriendo un gran numero de disciplinas.
La WT, tal como se usa hoy, presenta dos variedades o clases: la CWT (continua) y la DWT
(discreta).
La TransIormada de Fourier ha sido usada como una herramienta conIiable en analisis de
seal por mucho tiempo. Inventada a principio del Siglo XIX por Jean Baptiste Joseph Fourier
(1768-1830), esta TransIormada se convirtio en la piedra angular del moderno analisis de
seales.
Fourier estudio la teoria matematica de la conduccion del calor. Establecio la ecuacion
diIerencial a las derivadas parciales que gobierna la diIusion del mismo y la resolvio usando
series inIinitas de Iunciones trigonometricas.
Pero quien era el?. Matematico, Iisico, novicio, maestro, arqueologo, preIecto, policia
secreto, prisionero politico, gobernador de Egipto, amigo de Napoleon y Secretario de la
Academia de Ciencias
La TransIormada de Fourier ha probado poseer una increible versatilidad en aplicaciones que
van desde el reconocimiento de patrones (pattern recognition) al procesamiento de imagenes. No
obstante, adolece de ciertas limitaciones. Recientemente, un nuevo tipo de transIormada, la
TransIormada Wavelet, ha demostrado ser a la vez tan poderosa y versatil como la TransIormada
de Fourier, pero sin algunas de sus limitaciones.
La Teoria de los Wavelets implica la representacion de Iunciones generales en terminos de
otras mas simples, constituyendo estas bloques constructivos Iijos a diIerentes escalas y en
diIerentes posiciones.
Esto ha encontrado utilidad en variadas areas de la Ciencia, como por ejemplo: tecnicas de
Iiltrado subbanda, Iiltros espejos de cuadratura, esquemas piramidales, etc, todo esto en
procesamiento de seal e imagen. Mientras que en Iisico-matematica, ideas similares son
estudiadas como parte de la Teoria de Estados Coherentes. La Teoria de los Wavelets representa
Catedra Analisis de Seales 10
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
una sintesis util de estas diIerentes aproximaciones.
En matematicas abstractas, se ha sabido por bastante tiempo que las tecnicas basadas en las
Series de Fourier y TransIormadas de Fourier no eran muy adecuadas para muchos problemas y
las llamadas tcnicas Littlewood-Paley, Irecuentemente eran los sustitutos eIectivos. Estas
tecnicas Iueron desarrolladas inicialmente en los aos 30 para comprender, entre otras cosas,
propiedades de sumatoria de las series de Fourier y comportamiento en los bordes de Iunciones
analiticas.
En las decadas del 50 y 60 se desarrollaron poderosas herramientas para estudiar otras cosas,
tales como la resolucion de ecuaciones diIerenciales en derivadas parciales y ecuaciones
integrales. Se avanzaba hacia la teora de Caldern-Zygmund, un area del analisis armonico
que aun es proIundamente investigada.
Una de las aproximaciones standard, no solo en la teoria de Calderon-Zygmund, sino en el
analisis en general, es abrir un Ienomeno complicado en muchas piezas simples y estudiar cada
una de las piezas separadamente. En la decada del 70, sumatorias de Iunciones simples, llamadas
descomposiciones atomicas, Iueron ampliamente usadas, especialmente en la teoria del espacio
de Hardy.
A principios de la decada del 80, Strmberg descubrio los primero wavelets ortogonales.
Esto Iue hecho en el contexto de los intentos de comprender los espacios de Hardy, asi tambien
como otros espacios usados para medir el tamao y la suavidad (smoothness) de Iunciones.
Independientemente de estos desarrollos en analisis armonico, Alex Grossmann, Jean Morlet
y sus colaboradores estudiaron la TransIormada Wavelet en su Iorma continua. La teoria de
Irames proveyo un marco adecuado para estas investigaciones.
Entre el principio y la mitad de la decada del 80, varios grupos, quizas el mas notable el de
Yves Meyer y sus colaboradores, encontraron que herramientas provenientes de la teoria de
Calderon-Zygmund (en particular las representaciones Littlewood-Paley) tenian analogias
discretas y daban una vision uniIicada de muchos de los resultados en analisis armonico.
Tambien empezaron a comprender que estas tecnicas podrian ser eIectivas en la sustitucion de
Series de Fourier en aplicaciones numericas.
A medida que el enIasis se desplazo mas hacia las representaciones en si mismas, y los
bloques constructivos involucrados, el nombre de la teoria tambien se desplazo. Alex Grossmann
y Jean Morlet sugirieron la palabra wavelet para los bloques constructivos, y lo que en un
principio habia sido reIerido como teoria Littlewood-Paley, se comenzo a llamar Teoria Wavelet.
Piere-Gilles Lemarie e Yves Meyer, independientemente de Strmberg, construyeron nuevas
expansiones de wavelets ortogonales. Con la nocion del analisis multirresolucion, introducido
por Stephane Mallat e Yves Meyer, se desarrollo un marco sistematico para la comprension de
estas expansiones ortogonales. Tambien proveyo la conexion con el Iiltrado de espejo de
cuadratura.
Tambien Ingrid Daubechies promovio una construccion de wavelets, no nulos solo sobre un
intervalo Iinito y con arbitrariamente alta regularidad, pero Iija.
3.2 - Transformada Wavelet Continua (CWT)
La CWT es un metodo de analisis tiempo-Irecuencia que diIiere de la STFT en que permite
una arbitraria alta localizacion en tiempo de las caracteristicas de alta Irecuencia de la seal.
El analisis wavelet se hace en una Iorma similar a la STFT, en el sentido que la seal es
multiplicada por una Iuncion (el wavelet), similar a la Iuncion ventana en la STFT, y la
transIormada es computada separadamente para diIerentes segmentos de la seal en el dominio
del tiempo. La CWT hace esto mediante una ventana de ancho variable, la cual esta relacionada a
la escala de observacion - una Ilexibilidad que permite el aislamiento de las caracteristicas de
alta Irecuencia,
Otra importante particularidad, en comparacion con la STFT, es que la CWT no esta limitada
a usar Iunciones analizantes senoidales, En su lugar, se pueden emplear una gran seleccion de
Iormas de onda localizadas, mientras que las mismas satisIagan criterios matematicos
predeIinidos (descritos debajo).
Catedra Analisis de Seales 11
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
La WT de una seal de tiempor continuo, x(t), se deIine como:
Ta, b
1
a
.
xt.
tb
a
. dt
donde
,t,
2
. dt
Si o es la TransIormada de Fourier de t, en este caso.
t
t. expf. 2. mf. t. dt
Entonces se debe cumplir la siguiente condicion para que t pueda ser usada para analizar
y luego reconstruir una seal sin perdida de inIormacion:
C
g
0
,f,
2
f
. df 3.2.1
Esto implica que la transIormada de Fourier de t se desvanece en la frecuencia cero
(indeterminacion que resuelta lleva a un valor especiIico, Cg).
Lo que signiIica que el wavelet no tiene componente de frecuencia cero, en este caso o
0, o para ponerlo en otra Iorma, t debe tener media cero.
La ultima ecuacion es conocida como la condicion de admisibilidad y Cg es la llamada
constante de admisibilidad. El valor de C
g
depende del wavelet elegido. Para wavelets complejos
(o analiticos), la FT debe ser real y desvanecerse para Irecuencias negativas.
La Condicion de Admisibilidad se requiere para que exista una transIormada inversa.
3.2.1 - Anlisis energtico de la Transformada Wavelet
La contribucion a la energia de la seal en una escala a y una locacion b especiIicas esta dada
por la Iuncion densidad de energia wavelet bi-dimensional conocida como escalograma (analogo
al espectrograma - la densidad superIicial de energia de la STFT):
Ea, b ,Ta, b!,
2
En la practica, todas las Iunciones que diIieren de ,Ta, b!,
2
en solo un Iactor multiplicativo
constante son tambien llamadas escalogramas, por ej. ,Ta, b,
2
/Cg, ,Ta, b,
2
/Cg. f
c
, etc (donde f
c
es una Irecuencia caracteristica de la Iuncion wavelet, como se vera mas adelante).
El escalograma puede ser integrado a traves de a y b para recuperar la energia total en la
seal usando la constante de admisibilidad, Cg, como sigue:
E
1
Cg
.
.
0
,Ta, b!,
2
.
da
a
2
. db
xt
2
. dt
La contribucion relativa a la energia total contenida dentro de la seal en una escala
especiIica a esta dada por la distribucion de energia escala-dependiente:
Ea
1
Cg
.
. ,Ta, b!,
2
. db
Picos en Ea destacan las escalas energeticas dominantes dentro de la seal. Se puede
convertir el espectro de energia wavelet escala-dependiente de la seal, Ea, al espectro de
energia wavelet Irecuencia-dependiente E
W
f con el objeto de compararlo directamente con el
espectro de energia de Fourier de la seal E
F
f.
Para hacer esto, se debe convertir desde la escala a wavelet (la cual puede ser interpretada
como una representacion temporal, o espacial, periodo para datos Iisicos) a una Irecuencia
Catedra Analisis de Seales 12
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
caracteristica del wavelet tal como la Irecuencia central de pico espectral, centro del pasabanda,
Irecuencia central.
Para hacer esto, se debe convertir desde la escala a wavelet (la cual puede ser interpretada
como una representacion temporal, o espacial, periodo para datos Iisicos) a una Irecuencia
caracteristica del wavelet tal como la Irecuencia central de pico espectral, centro del pasa-banda,
Irecuencia central.
Las componentes espectrales son inversamente proporcionales a la dilatacion, en este caso f
o1/a. La Irecuencia asociada con un wavelet de escala a arbitraria esta dada por:
f
fc
a
Donde la Irecuencia caracteristica del wavelet madre (el wavelet arquetipico a escala a 1 y
locacion b 0), f
c
, se convierte en una constante de escalamiento y f es lo representativo o
Irecuencia para el wavelet a la escala arbitraria a.
Finalmente, como con la FT, la seal original puede ser reconstruida usando una
transIormada inversa:
xt
1
C
g
.
.
0
,Ta, b!,.
a,b
t.
da. db
a
2
3.2.2
En la practica para el calculo discreto de la CWT, la locacion b es usualmente discretizada en
el intervalo de muestreo y la escala a es discretizada logaritmicamente.
Como la WT es una convolucion de la seal con una Iuncion wavelet, se puede usar el
Teorema de la Convolucion para expresar la integral como un producto en el espacio de Fourier,
en este caso:
Ta, b
1
2.m
.
xo.
a,b
o. do
donde
a,b
o a .
a,b
a. o. expf. o. b
es el espectro de Fourier del wavelet analizante en la escala a y la locacion b. De esta Iorma,
se puede emplear en la practica un algoritmo FFT para aligerar el calculo de la WT.
Para su implementacion practica la, CWT es se calcula sobre una grilla Iinamente
discretizada tiempo-Irecuencia. Esta discretizacion involucra una aproximacion de la
transIormada integral (en este caso una sumatoria) calculada sobre una grilla discreta de escalas
a y locaciones b.
En general, la WT es aproximada de esta Iorma sobre cada paso temporal para un rango de
escalas wavelet; esto implica por lo tanto un pesado gasto computacional involucrado en la
generacion de la CWT y en general de un orden o dos en magnitud mas de los valores wavelet
generados que las componentes originales de la seal.
Una gran cantidad de inIormacion repetitiva esta contenida dentro de esta representacion
redundante de la CWT, Ta, b.
3.2.2 - Propiedades de los wavelets
Las mas importantes propiedades de los wavelets son las condiciones de admisibilidad (vista
mas arriba) y regularidad siendo estas las que dan origen a su nombre .
Se puede mostrar que las Iunciones cuadrado integrables t que satisIacen la condicion de
admisibilidad;
,o,
2
,o,
do
pueden ser usadas para analizar y luego reconstruir una seal sin perdida de inIormacion.
En esta expresion, o es la TransIormada de Fourier de t. La condicion de
admisibilidad implica que la transIormada de Fourier de t se desvanece en la Irecuencia cero,
Catedra Analisis de Seales 13
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
en este caso:
Xf
t : -t.expt
2
/2 derivada primera
t : (t
2
1.expt
2
/2 derivada segunda, wavelet Sombrero Mejicano
t : 4, 4. 99. . 5 rango
Figura :3.3.1.1
Todas las derivadas de la Iuncion gaussiana pueden ser empleadas como wavelets. En la
Catedra Analisis de Seales 16
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
Iigura 3.3.1.1 se puede apreciar el Wavelet Gaussiano (izquierda, derivada primera de la
gaussiana) y el Sombrero Mejicano (derecha, segunda derivada de la Gaussiana). Derivadas de
ordenes mas altas son menos comunes.Cual es el mas apropiado de usar depende de la
aplicacion.
En ambos se pueden percibir a simple vista la condicion de admisibilidad (valor medio nulo)
y la regularidad (la Iuncion va rapidamente a cero despues de oscilar).
Es interesante observar (Iigura :3.3.1.2) la Iorma del TransIormada de Fourier del wavelet
Sombrero Mejicano, para distintos valores de escala. Se puede percibir la caracteristica
pasa-banda del mismo.
t, a : (
t
a
2
1.exp
t
a
2
/2 Sombrero Mejicano con escala a
Fo, a
100
100
t, a. expf. o. t. dt
o : 0, 0. 01. . 10 rango
Figura :3.3.1.2
Se puede construir Iacilmente una version compleja del Sombrero Mejicano, poniendo a cero
la parte negativa de su espectro de Fourier y luego realizar la IFT (TransIormada Inversa de
Fourier). Sin embargo, en la practica se usa el wavelet de Morlet cuando se requiere una Iuncion
wavelet compleja.
3.3.2-Wavelet de Morlet
Es el mas popular de los wavelets complejos. Esta deIinido como
t
1
4
m
. expf. o
0
. t exp
o
0
2
2
. exp
t
2
2
donde o
0
es la Irecuencia central del wavelet de Morlet. El segundo termino dentro de los
parentesis se conoce como el termino de correccion, ya que corrige para el no-nulo de la
sinusoide compleja del primer termino. En la practica es despreciable para valores de o
0
5.
Los primeros investigadores se habian concentrado sobre las WT con o
0
en el rango 5-6,
donde puede ser realizada sin el termino de correccion ya que se hace muy pequeo. En este
caso, el wavelet de Morlet se convierte en:
t
1
4
m
. expf. o
0
. t. exp
t
2
2
Este truncamiento es casi invariablemente usado en la literatura y Irecuentemente se lo
reIiere simplemente como el wavelet de Morlet.
Sin embargo, se ha mostrado que la disminucion de o
0
por debajo de 5 permite un examen
que es mas temporal que espectral lo cual puede ser util para algunas tareas de analisis de
datos (Addison et al 2002b).
A modo de ejemplo, se instrumentara con Mathcad la representacion de wavelets de este
tipo.
Catedra Analisis de Seales 17
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
t :
1
4
m
. expf. o
0
. t exp
o
0
2
2
. exp
t
2
2
wavelet de Morlet
t : 3, 2. 99. . 5 rango
Figura 3.3.2.1
El wavelet de la Iigura 3.3.2.1 corresponde a un valor de o
0
2 (f
o
0. 318) . En rojo
solido se representa el modulo, en azul punteado la parte real y en negro a trazos la parte
imaginaria.
Figura 3.3.2.1
De igual modo, arriba se aprecia el wavelet para o
0
12 (f
o
1. 909).
t, o0 :
1
4
m
. expf. o0. t exp
o0
2
2
. exp
t
2
2
wavelet de Morlet con escala a
Fo, o0
100
100
t, o0. expf. o. t. dt
o : 0, 0. 01. . 20 rango
Es interesante observar (Figura 3.3.2.2) la Iorma del TransIormada de Fourier del wavelet de
Morlet, para los dos valores de o
0
. Tambien se puede percibir la caracteristica pasa-banda del
mismo.
Catedra Analisis de Seales 18
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
Figura 3.3.2.2
El wavelet standard de Morlet tiene una Iorma muy similar a la Iuncion analizante usada para
la STFT empleando una ventana Gaussiana (a veces llamada transformada de Gabor).
La diIerencia importante es que, para la WT de Morlet, la ventana y la sinusoide incluida son
escaladas juntas, en cambio para la STFT se mantiene constante la longitud de ventana y la
escala solo la incluye a la sinusoide.
3.4 - Clculo de la CWT
Retomando la ecuacion basica de la transIormada wavelet continua (CWT), siendo :xt la
seal a ser analizada
Ta, b
1
a
.
xt.
tb
a
. dt
se elige una Iuncion (wavelet madre) que sirve de prototipo para todas las ventanas a usar
en el proceso. Las mismas son versiones dilatadas (o comprimidas) y trasladadas del wavelet
madre. Los wavelets de Morlet y Sombrero Mejicano son los mas usados para el analisis en
cuestion.
Una vez que es elegido el wavelet madre, el computo comienza con a 1 y la TransIormada
Wavelet Continua se calcula para todos los valores de a, menores y mayores que 1.
Sin embargo, dependiendo de la seal, no es usualmente necesaria una transIormada que
abarque todas las escalas. Para propositos practicos, las seales son banda-limitadas, y por lo
tanto, el computo de la transIormada se circunscribe usualmente a un intervalo de escalas
adecuado.
Por conveniencia, el procedimiento arrancara desde la escala a 1 y continuara para valores
crecientes de a, en este caso, el analisis arrancara desde las altas Irecuencias (a pequeo) y
procedera hacia las bajas Irecuencias (a grande).
Este primer valor de a correspondera al wavelet mas comprimido, A medida que los valores
de a crezcan, el wavelet se dilatara.
El wavelet es ubicado al comienzo de la seal en el punto que corresponde al tiempo b 0.
La Iuncion wavelet a escala 1 es luego multiplicada por la seal y posteriormente integrada
para todos los tiempos. El resultado de la integracion es entonces multiplicado por la constante
numerica 1/ a . Esta multiplicacion es con propositos de normalizacion energetica de modo que
la seal transIormada tendra la misma energia en cada escala.
El resultado Iinal es el valor de la transIormacion, en este caso, el valor de la TransIormada
Wavelet Continua (CWT) en el tiempo b 0 y a la escala a 1. En otras palabras, es el valor
que corresponde al puntob 0, a 1 en el plano tiempo-escala.
El wavelet a escala a 1 es luego trasladado hacia la derecha en una cantidad t a la locacion
Catedra Analisis de Seales 19
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
b t, y la ecuacion anterior es computada para obtener el valor transIormado en b t, a 1 en
el plano tiempo-Irecuencia.
Este procedimiento se repite hasta que el wavelet alcance el Iinal de la seal. Entonces se
habra completado una Iila de puntos sobre el plano tiempo-escala para la escala a 1 .
Luego, a se incrementa en un pequeo valor. Notese que esta es una transIormada continua, y
por lo tanto, b al igual que a deben ser incrementados continuamente. Sin embargo, si la
transIormada necesita ser calculada mediante una computadora, entonces ambos parametros
seran incrementados en un escalon de tamao suIicientemente pequeo. Esto corresponde a un
muestreo en el plano tiempo-escala.
Cualquier procesamiento de seal realizado sobre una computadora usando datos del mundo
real debe ser realizado sobre una seal discreta - esto es, sobre una seal que ha sido medida en
tiempo discreto. Entonces, que es lo exactamente continua de ella?
Lo que es continuo acerca de la CWT, y que la distingue de la DWT ( TransIormada
Wavelet Discreta, que se vera mas adelante), es el conjunto de escalas y posiciones para las
cuales la DWT opera. Esta puede operar en cualquier escala, desde la inicial hasta alguna
maxima que se determina como un compromiso entre la necesidad de analisis detallado versus
potencia computacional disponible.
La CWT es tambien continua en terminos de traslacion: durante el computo, el wavelet
analizante es desplazado suavemente sobre el dominio completo de la Iuncion analizada.
GraIicamente, se puede observar en la Iigura 3.4.1:.
Figura 3.4.1
El procedimiento descripto, se repite para cada valor de a. Cada computo para un valor dado
de a llena la correspondiente Iila del plano tiempo-escala. Cuando el proceso se completa para
todos los valores deseados, se ha calculado la CWT de la seal.
Mediante un ejemplo con Mathcad se desarrollaran los cinco pasos necesarios para el calculo
de una CWT:
1) Se elige un wavelet y se lo comparara con una seccion en el comienzo de la seal original
i : 0. . 120 indice
ft, a, b :
tb
a
2
1. exp
1
2
.
tb
a
2
wavelet sombrero mejicano con locacion b y
escala a
i
: fi, 4, 20 vector wavelet, escala a 4, locacion b 20
x
i
: ifi 30, cos2. m.
50
1024
. i, cos2. m.
200
1024
. i Iuncion a analizar.
En la Iigura 3.4.2 se puede observar la Iuncion xt (punteado azul), el wavelet t, a, b (rojo
solido, desplazado hacia abajo para mejor visualizacion) y el producto de ambos (negro solido).
2) Se calcula un numero, C, que representa cuan estrechamente correlacionado esta el
wavelet con esta seccion de la seal. Esto se logra integrando (o haciendo la sumatoria, si se
trabaja discretamente) el producto mencionado en el tiempo.
Un valor alto de C se da cuanto mayor es la similitud entre el wavelet y la seccion de seal.
Mas precisamente, si la energia de la seal y la energia del wavelet son iguales a uno, C puede
interpretarse como un coeIiciente de correlacion.
Catedra Analisis de Seales 20
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
Figura 3.4.2
Notese que el resultado dependera de de la Iorma del wavelet elegido.
C :
1
4
.
i
x
i
.
i
C -3.063
3) Se desplaza el wavelet a la derecha (Iigura 3.4.3) y se repiten los pasos 1 y 2 hasta cubrir
la longitud completa de la seal.
Figura 3.4.3
4) Se escala (estira) el wavelet (Iigura 3.4.4) y se repiten pasos 1 a 3.
5) Se repiten los pasos 1 a 4 para todas las escalas.
Cuando se hace esto, se obtienen los coeIicientes producidos a diIerentes escalas para las
diIerentes secciones de la seal. Los coeIicientes constituyen el resultado de una regresion de la
seal original realizada sobre los wavelets.
Para darle sentido a estos coeIicientes, se puede elaborar un graIico sobre el cual el eje x
represente posicion a lo largo de la seal, el eje v represente la escala, y el color en cada punto
x v representa la magnitud del coeIiciente wavelet C.
Catedra Analisis de Seales 21
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
Figura 3.4.4
Estos son los graIicos de coeIicientes generados por las herramientas graIicas incorporadas
en programas especiIicos tales como Matlab. La siguiente sentencia:
COEFS CWT(S,SCALES,`wname`,`plot`)
calcula y graIica los coeIicientes wavelets de la CWT del vector real S, con SCALES siendo
un intervalo de escalas (numeros positivos), usando el wavelet de nombre `wname`.
Iunction sombrero
Ior i1:121,
iI i31,
S(i)cos(2*pi*50*(i-1)/1024);
else
S(i)cos(2*pi*100*(i-1)/1024);
end
end
COEFS CWT(S,0.5:0.25:10,`mexh`,`plot`)
En el graIico de la Iigura 3.4.5, las zonas mas claras se corresponden con los coeIicientes
wavelets mas altos (en valor absoluto), mientras que con las mas oscuras ocurre lo contrario. De
modo que es Iacil percibir que en zonas de escala a cercanas a 2.5 y a 5.5 se producen los
maximos, esto se corresponde con las Irecuencias de 50 y 100 Hz, que componen la seal
(resolucion en Irecuencia o escala).
Por otro lado, conIorme al patron que presenta la imagen se aprecia que la parte de mas baja
Irecuencia ocurre en las primeras 30 muestras, mientras que en las restantes ocurre la mas alta
Irecuencia (resolucion en tiempo).
A diIerencia de la STFT la cual tiene una resolucion constante para todos los tiempos y
Irecuencias, la WT tiene una buena resolucion en tiempo v una mala resolucion en frecuencia a
altas frecuencias (bafas escalas), v buena resolucion en frecuencia v mala en tiempo en las bafas
frecuencias (altas escalas).
Observando la Iigura de arriba, las mas bajas escalas tienen peor resolucion en Irecuencia
(mas estrecho el soporte en escala) lo cual corresponde a una mejor resolucin en frecuencia de
las frecuencias.
Similarmente, las mas altas escalas tienen mejor resolucion de Irecuencia (mas amplio
soporte en escala) lo cual corresponde a una mejor resolucin en frecuencia de las ms
frecuencias.
Catedra Analisis de Seales 22
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
Figura 3.4.5
Figura 3.4.6
Los ejes en la Figura 3.4.5 estan normalizados y deberan ser evaluados en Iorma absoluta.
Esto signiIica que los 121puntos en el eje de traslacion corresponden a un cierto tiempo, y los 19
puntos sobre el eje de escalas corresponden a una banda de Irecuencia determinada (los numeros
sobre los ejes de escala y traslacion no corresponden a segundos y Hz, respectivamente, ellos son
solo numeros de muestra en el computo).
Catedra Analisis de Seales 23
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
En la Iigura 3.4.6, se puede observar la representacion de los coeIicientes en Iorma espacial
agregando a la Iuncion sombrero el siguiente comando Matlab:
aabs(COEFS); surI(a)
3.5 - La escala en la Naturaleza
Es importante comprender el hecho de que el analisis wavelet produzca una vista tiempo- de
una seal no es una debilidad, sino por el contrario, es una Iortaleza de la tecnica.Irecuencia
No solo el tiempo-escala es una Iorma distinta de ver los datos, sino que es una Iorma muy
natural verlos derivados de un gran numero de Ienomenos naturales.
Considerese un paisaje lunar, cuya superIicie rugosa (simulada debajo) es el resultado de
siglos de bombardeos de meteoritos cuyos tamaos oscilan desde rocas gigantes a polvo.
Si se imagina a esta superIicie en una seccion de corte, como una seal uni-dimensional
(Figura 3.5.1), entonces es razonable imaginar que la seal tiene componentes de diIerentes
escalas - caracteristicas grandes curvadas producidas por los impactos de grandes meteoritos, y
caracteristicas mas Iinas ocasionadas por la accion de pequeos meteoritos.
Figura 3.5.1
Aqui hay un caso en donde pensar en terminos de escala tiene mucho mas sentido que pensar
en termino de Irecuencia. La inspeccion de la Iigura 3.5.1 de los coeIicientes CWT para esta
seal revela patrones entre escalas y muestra la naturaleza posiblemente Iractal de la seal.
Aunque esta seal es artiIicial, muchos Ienomenos naturales - desde intrincadas biIurcaciones
de vasos sanguineos y arboles, a escabrosas superIicies montaosas y metales Iracturados - llevan
en si mismos a un analisis de escala.
3.6 - Resoluciones en tiempo y frecuencia
En seales que corresponden a Ienomenos o aplicaciones reales, las escalas bajas (altas
Irecuencias) no tiene una larga duracion en la seal, sino que aparecen de tiempo en tiempo
como picos o spikes. Por el contrario, las altas escalas (bajas Irecuencias) comunmente
aparecen durante buena parte de la seal.
El escalamiento, como operacion matematica, produce una dilatacion o una compresion de la
seal. Las altas escalas corresponden a seales dilatadas y las escalas pequeas corresponden a
seales comprimidas.
En terminos matematicos, si xt es una Iuncion dada xa. t correspondera a una version
contraida (comprimida) de xt si a 1 y a una version expandida (dilatada) de xt si a 1.
Sin embargo, en la deIinicion de la TransIormada Wavelet, el termino de escalamiento
aparece en el denominador y por lo tanto la situacion es opuesta a la descrita en el parraIo
Catedra Analisis de Seales 24
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
anterior; es decir escalas a 1 dilatan la seal mientras que escalas a 1 comprimen la seal.
Figura 3.5.2
La relacion entre la escala y la Irecuencia consiste en que las escalas menores corresponden a
altas Irecuencias y las escalas mayores corresponden a bajas Irecuencias.
Debido a que la WT incluye inIormacion relacionada con el tiempo y la Irecuencia, la
representacion graIica de esta transIormada se realiza en el denominado plano tiempo-escala,
representado en la Iigura 3.6.1
Figura 3.6.1
Cada celda de la Iigura 3.6.1 representa un valor de la WT en dicho plano. Es de destacar el
hecho que estas celdas tienen un area no nula, lo cual indica que no es posible conocer el valor
de lo que ocurre en un punto particular. Sin tener en cuenta las dimensiones de las celdas, sus
areas, tanto en la STFT como en la WT, son las mismas, y estan determinadas por el principio de
incertidumbre de Heisenberg.
En concreto, el area de cada celda se Iija mediante la Iuncion ventana temporal en la STFT o
por el Wavelet Madre en la CWT (TransIormada Wavelet Continua), con lo que diIerentes
ventanas o wavelets madre dan lugar a diIerentes areas. Sin embargo, todas las areas tienen una
cota inIerior dada por 1/4. m.
Es importante indicar como se representarian las divisiones en el caso de la STFT. Para ello
Catedra Analisis de Seales 25
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
debe recordarse que en la STFT la resolucion en el tiempo y en la Irecuencia quedan
determinadas por el ancho de la Iuncion ventana, la que se selecciona una sola vez durante todo
el analisis, por lo que la resolucion tanto en el tiempo como en la Irecuencia permanecen
constantes. En otras palabras la representacion de las particiones en el plano tiempo-Irecuencia
para el caso de la STFT se haria mediante divisiones cuadradas.
Independientemente de las dimensiones de cada division, las superIicies de estas tanto para el
caso de la STFT como para el caso de la WT son iguales y estan determinadas por el principio de
incertidumbre de Heisenberg. Es decir, el area de cada division es Iija para cada Iuncion ventana
(STFT) o para cada wavelet madre (CWT), aun cuando diIerentes ventanas o wavelet madres
pueden representar diIerentes areas; el area de estas divisiones no se puede reducir todo lo que se
desee debido al principio de incertidumbre de Heisenberg. Pero para una wavelet madre dada, el
tamao de las divisiones se puede variar manteniendo constante la superIicie, de hecho esto es
exactamente lo que hace la transIormada wavelet.
3.7 - Consideraciones matemticas
La TransIormada de Fourier usa funciones base para analizar y reconstruir una Iuncion.
Cada vector en un espacio vectorial puede ser escrito como una combinacion lineal de los
vectores base en ese espacio vectorial, vale decir, multiplicando los vectores por algun cierto
numero de constantes, y luego realizando la sumatoria de los productos.
El analisis de la seal involucra la estimacion de estas constantes (coeIicientes de
transIormada, o coeIicientes de Fourier, coeIicientes Wavelet, etc.). La sintesis, o reconstruccion,
corresponde al calculo de la ecuacion de la combinacion lineal.
Una base de un espacio vectorial J es un conjunto independiente de vectores, tales que
cualquier vector v en J puede ser escrito como una combinacion lineal de estos vectores base.
Puede haber mas de una base para un espacio vectorial. Sin embargo, el total de ellas tiene el
mismo numero de vectores, y su numero es conocido como la dimension del espacio vectorial.
Por ejemplo, en el espacio bidimensional, las bases tendran solo dos vectores.
v
k
o
k
. b
k
La ecuacion muestra como cualquier vector v puede ser escrito como una combinacion lineal
de los vectores base b
k
y los correspondientes coeIicientes o
k
. Este concepto, dado en termino de
vectores, puede ser Iacilmente generalizado a Iunciones, reemplazando los vectores base b
k
con
Iunciones base
k
t, y el vector v con una Iuncion ft. La ecuacion anterior se convierte en:
ft
k
j
k
.
k
t 3.6.1
Las Iunciones exponenciales complejas (senos y cosenos) son las Iunciones base para la FT.
Ademas, estas a su vez son ortogonales, lo que provee algunas propiedades deseables para la
reconstruccion.
Sean ft y gt dos Iunciones en L
2
a, b. (esto denota el conjunto de Iunciones cuadrado
integrables en el intervalo a, b). El producto escalar (interno) de dos Iunciones se deIine por la
siguiente ecuacion:
ft, gt
a
b
ft. g
t. dt
De acuerdo a ello, la CWT de una seal xt puede ser imaginada como el producto interno
de la seal con las Iunciones base
a,b
t.
CWTx
a, b x
a, b
xt.
a,b
t. dt
donde:
a,b
t
1
a
.
tb
a
Catedra Analisis de Seales 26
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
Esta deIinicion de la CWT muestra que el analisis wavelet es una medida de la similitud
entre las Iunciones base (wavelets) y la seal propiamente dicha. Aqui la similitud es en el
sentido de contenido Irecuencial similar.
Los coeIicientes de la CWT calculados se reIieren a la ajustabilidad de la seal al wavelet en
la escala corriente. Esto ademas clariIica la discusion previa sobre la correlacion de la seal con
el wavelet en una cierta escala. Si la seal tiene una componente importante en la Irecuencia
correspondiente a la escala en cuestion, entonces el wavelet (la Iuncion base) en esa escala sera
similar o cercana a la seal en la ubicacion particular donde esta componente de Irecuencia
ocurre. Por lo tanto, el coeIiciente CWT calculado en este punto, en el plano tiempo-escala, sera
un numero relativamente grande.
Se dice que dos vectores v y w son ortogonales si su producto interno es igual a cero:
v, w
n
v
n
. w
n
. 0
Similarmente, dos Iunciones ft y gt se dice que son ortogonales una de otra, si su
producto interno es nulo:
ft, gt
a
b
ft. g
t. dt. 0
Un conjunto de vectores v
1
, v
2
, . . . , v
n
se dice que son ortonormales, si ellos, dos a dos son
ortogonales unos de otros, y el producto interno es 1. Esto puede ser expresado como:
v
m
, v
n
o
m,n
Similarmente un conjunto de Iunciones
k
t}, k 1, 2, 3, . . . , se dice que es ortonormal si:
a
b
k
t.
f
t. dt 0 k f condicion de ortogonalidad
a
b
,
k
t. ,
2
dt 1 condicion de normalidad
o equivalentemente:
a
b
k
t.
f
t. dt o
k,f
donde o
k,f
es la Iuncion delta de Kronecker, deIinida como:
o
k,f
1 si k f
0 si k f
Como se establecio mas arriba, puede haber mas de un conjunto de Iunciones base (o
vectores). Entre ellos, las Iunciones base ortonormales (o vectores) son de particular importancia
debido a las buenas propiedades que proveen para encontrar los coeIicientes del analisis.
Las bases ortonormales permiten el computo de estos coeIicientes de un modo muy simple y
rapido usando las propiedades de la ortonormalidad. Para bases ortonormales, los coeIicientes,
j
k
, pueden ser calculados como:
j
k
f,
k
ft.
k
t. dt
y la Iuncion ft) puede ser reconstruida por la ecuacion (3.6.1), sustituyendo los coeIicientes
j
k
. Esto produce:
ft
k
j
k
.
k
t
k
f,
k
.
k
t
Si no se dispone de bases ortonormales en algun tipo de aplicaciones, se pueden usarse bases
biortogonales. El termino biortogonal se reIiere a dos diIerentes bases, las cuales son
ortogonales una a otra, pero cada una no Iorma un conjunto ortogonal.
En algunas aplicaciones, sin embargo, si no hay disponibles bases biortogonales, se pueden
usar frames.
Catedra Analisis de Seales 27
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
Por otro lado, la TransIormada Wavelet Continua es una operacion reversible, siempre que se
satisIaga la ecuacion (3.2.1). AIortunadamente, este no es un requerimiento muy restrictivo. Esta
reversibilidad se cumple aunque las bases puedan no ser, en general, ortonormales.
La reconstruccion es posible usando la siguiente Iormula:
xt
1
C
g
2
.
a
.
b
x
a, b.
1
a
2
.
tb
a
. db. da
donde C
g
es una constante dada por la ecuacion (3.2.1) que depende del wavelet usado.
El exito en la reconstruccion depende de esta constante, para que se cumpla la llamada,
constante de admisibilidad, para satisIacer la siguiente condicion de admisibilidad dada por la
ecuacion (3.2.1).
Catedra Analisis de Seales 28
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
4 - TRANSFORMADA WAVELET DISCRETA (DWT)
Aunque la CWT discretizada habilita el computo de la CWT mediante el uso de
computadoras, no es realmente una transIormada discreta siendo la inIormacion que provee
altamente redundante.
Esta redundancia requiere una cantidad signiIicativa de tiempo de computo. La DWT es
suIiciente para muchas aplicaciones practicas y para la reconstruccion de la seal. La DWT
provee suIiciente inIormacion, y oIrece una reduccion signiIicativa del tiempo de computo.
Ademas, es considerablemente mas Iacil de implementar cuando se la compara con la CWT.
Calcular los coeIicientes wavelet en cada escala posible (que es lo que ocurre en la CWT)
implica una buena cantidad de trabajo computacional y genera una voluminosa cantidad de
datos. Que ocurre si se elije solo un subconjunto de escalas y locaciones para las cuales hacer los
calculos?
Esto lleva a la seleccion de escalas y locaciones basadas en potencias de dos -escalas y
locaciones didicas - lo que desemboca en un analisis mucho mas eIiciente y a la vez preciso.
Esta es la DWT.
Una Iorma practica y eIicaz de implementar este esquema, usando Iiltros, Iue desarrollado
por Mallat en 1988 . El algoritmo de Mallat conIorma un esquema clasico conocido en la
comunidad de procesamiento de seal como codificador subbanda de dos canales.
Este algoritmo muy practico de Iiltrado, produce una transIormada wavelet rapida - que se
puede imaginar desde la teoria de sistemas como una caja negra por la cual pasa una seal, y se
obtiene rapidamente a la salida los coeIicientes wavelet.
4.1 - Discretizacin de la Transformada Wavelet
En la actualidad, la computadora es el elemento esencial a la hora de realizar calculos
rapidos y seguros. Desde ya que es imposible trabajar desde el campo analogico resolviendo FT,
STFT o CWT mediante ecuaciones analiticas, integrales, etc.
Por lo tanto es necesario discreti:ar las transformadas.
Como en la FT y la STFT, la Iorma mas intuitiva de hacer esto es a traves del muestreado en
el plano tiempo-Irecuencia. El hacerlo con una tasa de muestreo uniIorme aparece como la
eleccion mas natural. Sin embargo, en el caso de WT, el cambio de escala puede ser usado para
reducir dicha tasa de muestreo.
A escalas mas altas (bajas Irecuencias), la tasa de muestro puede decrecer de acuerdo a la
Regla de Nyquist. En otras palabras, si el plano tiempo-escala necesita ser muestreado con una
tasa de N
1
en la escala a
1
, el mismo plano puede ser muestreado con una tasa N
2
en la escala a
2
,
donde a
1
a
2
(correspondiente a las Irecuencias f
1
f
2
) y N
2
N
1
.
La relacion actual entre N
1
y N
2
es:
N
2
a
1
a2
. N
1
o N
2
f
2
f
1
. N
1
En otras palabras, a bafas frecuencias la tasa de muestreo puede ser disminuida, lo cual
ahorrara un considerable cantidad de tiempo de computo. Desde ya que la discretizacion puede
ser hecha en cualquier Iorma, sin ninguna restriccion en lo que el analisis de la seal se reIiere.
Si no se requiere una operacion de sintesis, ni siquiera el criterio de Nyquist necesita ser
satisIecho. Las restricciones sobre la discretizacion y la tasa de muestreo toman importancia si, y
solo si, se necesita reconstruir la seal. La tasa de muestreo de Nyquist, es la minima que permite
que la seal original en el tiempo continuo pueda ser reconstruida desde sus muestras discretas.
Los vectores base, que mencionados en la Seccion 3.6, son de particular importancia por esta
razon. El wavelet a, b si satisIace la ecuacion (3.2.1), permite reconstruir la seal mediante la
ecuacion (3.2.2). Sin embargo, esto es verdad para la transIormada continua. La cuestion que se
plantea es que si esto sigue siendo valido cuando se discretizan los parametros tiempo y escala.
La respuesta es si, bajo ciertas condiciones.
El parametro escala, a, se discretiza primero sobre una grilla logaritmica. Luego el parametro
tiempo b se discretiza con respecto al parametro escala, en este caso, se usa una tasa diIerente
Catedra Analisis de Seales 29
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
de muestreo para cada escala. En otras palabras, el muestreo se hace sobre una grilla diadica
como la mostrada en la Iigura 4.1.1.
Figura 4.1.1
El area cubierta por los ejes constituye el plano tiempo-escala completo. La CWT asigna un
valor al continuum de puntos de este plano. Por lo tanto, hay un numero inIinito de coeIicientes
CWT.
Considerese la discretizacion del eje de escalas. En medio de este numero inIinito de puntos,
se toma solo un numero Iinito de ellos, usando la regla logaritmica. La base de los logaritmos
queda a criterio del usuario. El valor mas comun es 2 (y se utilizara en adelante). Si esta es la
eleccion, solo se calculan coeIicientes para las escalas 2, 4, 8, 16, 32, 64,. .etc.. Si el valor Iuera
3, se calcularian para las escalas 3, 9, 27, 81, 243,...etc..
Luego se discretiza el eje de tiempos conIorme a la discretizacion del eje de escalas. Ya que
la escala discreta cambia por Iactores de 2, la tasa de muestreo es reducida para el eje tiempo por
un Iactor de 2 en cada una de dichas escalas. Notese que a la escala mas baja (a 2), solo se
muestrean 32 puntos del eje de tiempos (para el caso particular de la Iigura anterior).
En el proximo valor de escala, a 4, la tasa de muestro del eje de tiempos es reducida en un
Iactor 2, ya que la escala se incremento en un valor 2, y por lo tanto, son solo tomadas 16
muestras. En el proximo paso, a 8 y 8 muestras son tomadas en tiempo, y asi siguiendo.
Si bien la literatura hace reIerencia habitualmente al plano tiempo-escala, seria mas exacto
llamarlo plano traslacion-escala, porque tiempo en el dominio transIormado, en este caso,
corresponde a desplazamiento del wavelet en tiempo.
Para las Series Wavelets, el tiempo sigue siendo continuo. Al igual que la existencia de la
TransIormada de Fourier Continua, las Series de Fourier y la TransIormada Discreta de Fourier,
existe una TransIormada Wavelet Continua, una TransIormada Wavelet Semi-discreta (tambien
conocida como Series Wavelets) y una TransIormada Discreta Wavelet.
Expresando el proceso de discretizacion mencionado mas arriba en terminos matematicos, la
discreti:acion de escala es a a
0
f
, y la discreti:acion de traslacion es b k. a
0
f
. b
0
, donde
a
0
1 y b
0
0. Notese que la discretizacion de traslacion es dependiente de la discretizacion de
escala con el Iactor a
0
.
Resumiendo, de la Iuncion wavelet continua:
a,b
t
1
a
.
tb
a
reemplazando a a
0
f
y b k. a
0
f
. b
0
se llega a la Iuncion wavelet discreta:
f,k
t
1
a
0
f
.
t k. a
0
f
. b
0
a
0
f
a
0
f/2
. a
0
f
. t k. b
0
4.1.1
Catedra Analisis de Seales 30
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
Si
f,k
t constituyen una base ortonormal, las series wavelet se transIorman en:
x
f,k
xt.
f,k
t. dt 4.1.2
Es posible reconstruir la seal a partir de su descomposicion en series wavelet. En la
literatura esta probado que la condicion necesaria y suIiciente para reconstruccion estable es que
la energia de los coeIicientes wavelet debe situarse entre dos limites positivos, esto es:
A. ,x,
2
k
, x, .
f,k
,
2
B. ,x,
2
donde ,x,
2
es la energia de xt, A 0, B y A, B independientes de xt.
Cuando se satisIace esta ultima ecuacion, la Iamilia de Iunciones base
f,k
t con f, k c Z se
las denomina frame (marco) con limites de Irame A y B.
Cuando A B el Irame es ajustado y los wavelets discretos se comportan exactamente como
una base ortonormal. Cuando A B la reconstruccion exacta aun es posible a expensas de un
dual frame.
Con todo esto, una seal arbitraria xt puede ser reconstruida por la sumatoria de las
Iunciones base wavelet ortogonales, ponderadas por los coeIicientes de la transIormada wavelet.
xt C
g
.
f
k
x
f,k
.
f,k
t 4.1.3
La ecuacion (4.1.3) muestra la transIormada wavelet inversa para wavelets discretos, lo cual
aun no se ha visto.
La ortogonalidad no es esencial en la representacion de seales. Los wavelets no necesitan
ser ortogonales y en algunas aplicaciones la redundancia puede ayudar a reducir la sensibilidad al
ruido o mejorar la invariancia al desplazamiento de la transIormada.
Esta es una desventaja de los wavelets discretos: La transformada wavelet no es invariante al
despla:amiento, lo cual signiIica que las WTs de una seal y de su version tiempo-desplazado de
la misma, no son simplemente versiones desplazadas una de otra.
Las series wavelet requieren que
f,k
sean ortonornormal, biortogonal o Irame. De no
serlas, la ecuacion (4.1.2) se convierte en:
x
f,k
xt.
f,k
t. dt
donde
f,k
,xt,
2
. dt
Catedra Analisis de Seales 33
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
y es equivalente a establecer que la norma L
2
de la seal en cuestion xt deberia ser Iinita.
Las seales naturales normalmente tienen energia Iinita.
4.3 - La Funcin Escalante
Antes de continuar es importante aclarar la diIerencia distintiva entre la DWT y las
aproximaciones discretizadas de la CWT utilizadas en la practica.
Las discretizaciones de la CWT, requeridas para su implementacion practica, involucran una
aproximacion discreta de la integral transIormada (en este caso una sumatoria) calculada sobre
una grilla discreta de escalas a y locaciones b (ver seccion 3.4).
La ICWT se calcula tambien como una aproximacion discreta. La aproximacion con que la
seal original es recuperada depende principalmente de la resolucion de la discretizacion usada
y, con cuidado, usualmente se puede realizar una muy buena reconstruccion.
En el otro extremo, para la DWT, como se deIinio en la ecuacion (4.1.2), la integral
transIormada sigue siendo continua, pero esta determinada solo sobre una grilla discretizada de
escalas a y locaciones b. Se puede entonces sumar al infinito sobre f y k los productos entre los
coeIicientes de la DWT por los correspondientes wavelets, para obtener la seal original
exactamente.
Se vera despues en esta seccion como, dada una seal de entrada discreta inicial, que se la
tratara como una aproximacion inicial a la seal continua subyacente, se puede calcular la WT y
la IWT discretamente, rapidamente y sin perdida de inIormacion de la seal.
De acuerdo a lo visto en la Seccion anterior, se suscita la siguiente pregunta: Como cubrir el
espectro total dado que cada vez que se estira el wavelet en el dominio del tiempo con un Iactor
de 2, su ancho de banda se reduce a la mitad?. En otras palabras, con cada wavelet estirado se
cubre solo la mitad del espectro remanente, lo cual signiIica que se necesitara un numero infinito
de wavelets para cumplir la tarea.
La solucion a este problema es simplemente no intentar cubrir el espectro total con el
espectro wavelet. Sino usar un corcho para tapar el agujero cuando ya sea lo suIicientemente
pequeo. Esto se puede apreciar en la Iigura 4.3.1.
Figura 4.3.1
Este corcho es entonces un espectro paso-bafo y pertenece a las asi llamadas funciones
escalantes.
La Funcion Escalante, que se indicara en adelante /t, Iue introducida por Mallat. Debido a
la naturaleza paso-bajo del espectro de la Iuncion escalante es algunas veces citado como Filtro
Promediante.
Si se observa a la Iuncion escalante como una seal con espectro paso-bajo, entonces se
puede descomponer en las componentes wavelet y expresarla tal como (4.1.2):
t C
g
.
f
f,k
.
f,k
t
Ya que la Iuncion escalante seleccionada /t es de tal Iorma que su espectro encaja
nitidamente en el espacio dejado abierto por los wavelets, la expresion (3.4.3) usa un numero
inIinito de wavelets hasta una cierta escala f.
Catedra Analisis de Seales 34
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
Esto signiIica que si se analiza una seal usando la combinacion de funciones escalantes v
wavelets, las Iunciones escalantes por si mismas atienden al espectro no cubierto por todos los
wavelets hasta la escala f, mientras que el resto es hecho por los wavelets.
En esta Iorma se ha limitado el numero de wavelets desde una cantidad infinita a una finita.
Al introducir la Iuncion escalante se ha soslayado el problema del numero inIinito de
wavelets y pone un limite inIerior a los mismos. Por supuesto, cuando se usa una Iuncion
escalante, en vez de los wavelets pertinentes, se pierde informacion.
Esto lleva a decir, a partir de la perspectiva de la representacion de seal, que no se pierde
cualquier inIormacion, ya que no seria posible reconstruir la seal original, sino que a partir del
punto de vista del analisis wavelet se descarta cierta informacion posible de valores de escala.
El ancho del espectro de la Iuncion escalante es por lo tanto un parametro importante en el
diseo de transIormada wavelet. Mientras mas pequeo es su espectro mas coeIicientes wavelets
habra y mas inIormacion de escala. Pero, como siempre, habra limitaciones practicas en cuanto
al numero de coeIicientes wavelet que se pueden manejar. Como se vera despues, en la
transIormada wavelet este problema es mas o menos automaticamente resuelto.
El espectro paso-bajo de la Iuncion escalante permite establecer alguna suerte de condicion
de admisibilidad como la siguiente:
t. dt 1
la cual muestra que el momento 0-esimo de la funcion escalante no se puede anular.
Resumiendo: una vez mas, si un wavelet puede ser visto como un filtro pasa-banda v una
funcion escalante como un filtro paso-bafo, entonces una serie de wavelets dilatados funtos a
una funcion escalante pueden ser vistos como un banco de filtros.
Los wavelets discretos diadicos ortonormales estan asociados con Iunciones escalantes y sus
ecuaciones de dilatacion. La Iuncion escalante esta asociada con el alisamiento de la seal y
tiene la misma Iorma que el wavelet, dado por:
.
f,k
t 2
f/2
. 2
f
. t k
con la propiedad:
0,0
t. dt 1
donde
0,0
t t es a veces reIerido en la literatura como la funcion escalante padre o
wavelet padre (lo opuesto a wavelet madre, para la cual la integral es cero)
La Iuncion escalante es ortogonal para traslaciones de si misma, pero no para dilataciones de
ella misma. La Iuncion escalante puede ser convolucionada con la seal para producir los
coeficientes aproximacin como sigue.
x
f,k
xt.
f,k
t. dt
Se puede ver que los coeIicientes de aproximacion son simplemente promedios ponderados
de la seal continua Iactoreada por 2
f/2
.
Los coeIicientes de aproximacion a una escala especiIica f son habitualmente conocidos
como la aproximacion discreta de la seal en esa escala.
Una aproximacion continua de la seal a la escala f puede ser generada sumando una
secuencia de Iunciones escalantes en esa escala multiplicada por los coeIicientes de
aproximacion como sigue:
x
f
t
f
f,k
.
f,k
t
Donde x
f
t es una version alisada de la seal xt, dependiente de la Iuncion escalamiento en
el indice de escala f.Esta aproximacion continua se acerca a xt a pequeas escalas, en este caso
cuando f .
Una seal xt puede ser entonces representada usando una expansion en serie combinada,
Catedra Analisis de Seales 35
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
usando tanto los coeficientes aproximacion como los coeficientes wavelet (detalle) como sigue:
xt
f
f
0
,k
.
f
0
,k
t
f
ff
0
f,k
.
f,k
t 4.3.1
Se puede ver desde esta ecuacion que la seal continua original se expresa como una
combinacin de una aproximacin de si misma, a escala arbitraria de indice f
0
, agregada a una
sucesin de detalles de la seal desde las escalas f
0
tendiendo a inIinito negativ0.
La seal detalle a escala f se deIine como
d
f
t
k
f,k
.
f,k
t
Por lo tanto se puede escribir la ecuacion (4.3.1) como
xt x
f
0
t
f
f
0
d
ft
Desde esta ecuacion es Iacil mostrar que
x
f1
t x
f
t d
f
t
Lo cual indica que si se suma la seal detalle en una escala arbitraria (indice f) para la
aproximacion en esa escala, se obtiene la aproximacion a la seal en una resolucion
incrementada (en este caso a una escala menor, indice f 1). Esto se llama representacin
multiresolucin (Mallat 1989).
4.4 - Codificacin Subbanday Anlisis Multiresolucin
Los Iundamentos de la DWT se retrotraen a 1976 cuando Croiser, Esteban, y Galand
propusieron una tecnica para descomponer seales discretas en el tiempo. Un trabajo similar Iue
hecho por Crochiere, Weber, y Flanagan sobre codiIicacion de seales de palabra en el mismo
ao.
Ellos la llamaron analisis de codificacin subbanda y un uso tipico Iue en aplicaciones de
vision con computadora. En 1983, Burt deIinio una tecnica muy similar a la codiIicacion
subbanda y la llamo codiIicacion piramidal, la cuales tambien conocida como anlisis
multiresolucin. Posteriormente en 1989, Vetterli y Le Gall hicieron algunas mejoras al
esquema de codiIicacion subbanda, removiendo la redundancia existente en el esquema de
codiIicacion piramidal.
La idea principal detras de este metodo, es la misma que para la CWT: obtener una
representacion tiempo-escala (Irecuencia) de una seal digital, usando tecnicas de Iiltrado digital.
La CWT es una correlacion entre un wavelet, a diIerentes escalas, y la seal; con la escala (o
Irecuencia) que esta siendo utilizada como una medida de similitud. La CWT se calcula
cambiando la escala de la ventana de analisis, desplazando la ventana en el tiempo,
multiplicando por la seal, e integrando para todo el tiempo.
En el caso discreto, son usados Iiltros de diIerentes Irecuencias de corte para analizar la seal
a diIerentes escalas. La seal se pasa a traves de una serie de Iiltros paso-alto para analizar las
altas Irecuencias, y pasada a traves de una serie de Iiltros paso-bajo para analizar las bajas
Irecuencias.
La resolucion de la seal, que es una medida de la cantidad de detalles de inIormacion en la
seal, se cambia mediante operaciones de Iiltrado, y la escala se cambia por operaciones de
sobremuestreo y submuestreo.
Submuestrear una seal corresponde a reducir la tasa de muestreo, o remover algunas de las
muestras de la seal. Por ejemplo, el submuestreo por 2 se reIiere a dejar de tomar una muestra
de cada 2 de la seal. Submuestrear por el Iactor n reduce el numero de muestras en la seal n
veces.
Catedra Analisis de Seales 36
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
Sobremuestrear una seal corresponde a incrementar la tasa de muestreo de una seal
agregando nuevas muestras a la misma. Por ejemplo, sobremuestrear por dos se reIiere a agregar
una nueva muestra, usualmente un cero o un valor interpolado, entre dos muestras de una seal.
Sobremuestrear una seal en un valor n incrementa el numero de muestras por un Iactor n.
Como se ha visto mas arriba (Seccion 4.1), aunque no es la unica eleccion posible, en la
DWT standard, los coeIicientes son una grilla diadica, es decir, a
0
2 y b
0
1, produciendo
a 2
f
y b k. 2
f
.
Ya que la seal es una Iuncion del tiempo discreto, los terminos funcion v secuencia seran
usados indistintamente en la siguiente discusion.
Por lo tanto, la seal sera denotada por x
n
, donde n es un entero. El procedimiento arranca
con el paso de esta seal (secuencia) a traves de un Iiltro digital paso-bajo media banda con
respuesta impulsiva h
n
. Filtrar una seal corresponde a la operacion matematica de convolucion
entre la seal con la respuesta impulsiva del filtro. La operacion convolucion en el tiempo
discreto se deIine como sigue:
v
n
x
n
h
n
v
n
k
x
n
. h
nk
k
h
n
. x
nk
Un Iiltro paso-bajo de media banda es un Iiltro que remueve todas las Irecuencias que estan
por debajo de la mitad de la Irecuencia mas alta en la seal. Por ejemplo, si una seal tiene una
componente maxima de 1000 Hz, luego el Iiltrado paso-bajo de media banda remueve todas las
Irecuencias por encima de 500 Hz.
La unidad de Irecuencia es de particular importancia en este momento. En seales discretas,
la Irecuencia se expresa en terminos de radianes. De acuerdo a esto, el muestreo de Irecuencia de
la seal es igual a 2. m radianes en terminos de Irecuencia radial.
Por lo tanto, el componente de mas alta Irecuencia que existe en una seal sera de m radianes,
si la seal es muestreada a la tasa de Nyquist (la cual es el doble de la maxima Irecuencia que
existe en la seal), que es la tasa de Nyquist que corresponde a m radianes en el dominio de la
Irecuencia discreta.
En consecuencia, el uso de Hz no es apropiado para seales digitales. Sin embargo, se usa
cuando es necesario clariIicar una discusion, ya que es muy comun pensar en terminos de
Irecuencia en Hz.
De modo que la unidad de Irecuencia para seales discretas en el tiempo es el radian.
Despues de pasar la seal a traves de un Iiltro paso-bajo de media banda, la mitad de las
muestras pueden ser eliminadas de acuerdo a la Regla de Nyquist, ya que la seal ahora tiene
como Irecuencia mas alta m/2 radianes, en vez de m radianes. Simplemente descartando una
muestra por medio, se submuestreara la seal por dos, y la seal tendra entonces la mitad de
puntos. La escala de la seal esta ahora multiplicada por 2.
Es de notar que el Iiltrado paso-bajo remueve la inIormacion de alta Irecuencia, pero deja la
escala sin cambios. La escala se cambia solo mediante el proceso de submuestreado.
La resolucion, en el otro extremo, esta relacionada a la cantidad de inIormacion en la seal, y
por lo tanto si es aIectada por las operaciones de Iiltrado. El Iiltrado paso-bajo de media banda
remueve la mitad de las frecuencias, lo cual puede ser interpretado como la perdida de la mitad
de la inIormacion. Por lo tanto, la resolucion se reduce a la mitad despues de la operacion de
Iiltrado.
Sin embargo, la operacion de submuetreo despues del Iiltrado no aIecta la resolucion, ya que
la remocion de la mitad de las componentes espectrales de la seal, lleva a la mitad del numero
de muestras redundantes. Esa mitad de las muestras puede ser descartada sin perdida de
inIormacion.
En resumen, el filtrado paso-bafo lleva la resolucion a la mitad, pero defa sin cambios la
escala. La seal es entonces submuestreada por 2 ya que la mitad del numero de muestras es
redundante. La escala sera doblada despues del submuestreo.
Catedra Analisis de Seales 37
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
Este procedimiento puede ser matematicamente ex presado como:
v
n
k
h
k
. x
2.nk
En base a lo expresado, ahora se observara como se calcula la DWT: Esta transIormacion
analiza la seal en diIerentes bandas de Irecuencias con diIerentes resoluciones, por
descomposicion de la seal en una aproximacion burda e informacion detallada.
La DWT emplea dos conjuntos de Iunciones, llamadas funciones escalantes y funciones
wavelet, las cuales estan asociadas con Iiltros paso-bajo y paso-alto, respectivamente. La
descomposicion de la seal en bandas de Irecuencia diIerentes se obtiene en Iorma simple
mediante sucesivos Iiltrados paso-alto y paso-bajo de las seal en el dominio del tiempo.
La seal original x
n
se pasa primero a traves de un Iiltro pasa-alto de media banda de
coeIicientes g
n
y un Iiltro paso-bajo h
n
. Despues del Iiltrado, la mitad de las muestras pueden ser
eliminadas de acuerdo a la regla de Nyquist, ya que la seal ahora tiene una Irecuencia mas alta
de m/2 radianes en vez de m. Esta seal puede por lo tanto ser submuestreada por 2, simplemente
descartando muestra por medio. Esto constituye un nivel de descomposicion y puede ser
expresado matematicamente como sigue:
vhigh
k
n
x
n
. g
2.kn
vlow
k
n
x
n
. h
2.kn
Donde vhigh
k
e vlow
k
son las salidas de los Iiltros paso-alto y paso-bajo, respectivamente,
despues de submuestrear por 2.
Esta descomposicion divide por 2 la resolucion en tiempo, ya que la seal entera esta ahora
caracterizada por la mitad del numero de muestras comparada con la seal original. Sin embargo,
esta operacion dobla la resolucion en frecuencia, ya que la banda de Irecuencia de la seal ahora
se extiende solo a la mitad de la banda de Irecuencia previa.
El procedimiento de arriba, conocido tambien como codificacin subbanda, puede ser
repetido en otras descomposiciones. En cada nivel, el filtrado v el submuestreado resultaran en la
mitad del numero de muestras (y de ahi la mitad de la resolucion en tiempo) y la mitad de la
banda de Irecuencia (y de ahi el doble de la resolucion de Irecuencia).
La siguiente Iigura ilustra este procedimiento, donde x
n
es la seal original a ser
descompuesta, y h
n
y g
n
son los coeIicientes de los Iiltros paso-bajo y paso-alto, respectivamente.
El ancho de banda de la seal en cada nivel es marcado sobre la Iigura 4.4.1 como "I".
Se supondra, a modo de ejemplo, que la seal original xn} esta muestreada con 512
puntos, cubriendo una banda de Irecuencia de 0 a rad/s.
En el primer nivel de descomposicion, la seal es pasada a traves de los Iiltros paso-alto y
paso-bajo haciendose a continuacion un submuestreo por 2. La salida del Iiltro paso-alto tiene
256 puntos a la izquierda (de aqui la mitad de la resolucion en tiempo), pero solo se extiende
entre las Irecuencias /2 a rad/s (de aqui el doble de resolucion en Irecuencia) Estas 256 muestras
constituyen el primer nivel de los coeIicientes DWT.
La salida del Iiltro paso-bajo tambien tiene 256 muestras, pero abarca la otra mitad de la
banda de Irecuencia, las Irecuencias desde 0 a /2 rad/s.
Esta ultima seal es pasada luego a traves de los mismos Iiltros paso-bajo y paso-alto para
otra descomposicion. La salida del segundo Iiltro paso-bajo seguida por el submuestreo, tiene
128 muestras abarcando una banda de Irecuencia de 0 a /4 rad/s, y la salida del segundo Iiltro
paso-alto seguida por submuestreo, tiene 128 muestras abarcando la banda de /4 a /2 rad/s.
La segunda seal Iiltrada por el paso-alto constituye el segundo nivel de los coeIicientes
DWT. Esta seal tiene la mitad de la resolucion de tiempo, pero el doble de la resolucion de
Irecuencia de la seal del primer nivel. En otras palabras, la resolucion de tiempo ha decrecido
en un Iactor de 4 comparado con la seal original.
La salida del Iiltro paso-bajo es luego Iiltrada de nuevo para otra descomposicion. Este
proceso se repite hasta que queden dos muestras. Para este ejemplo especiIico habria 8 niveles de
descomposicion, cada uno teniendo la mitad del numero de muestras del nivel previo.
Catedra Analisis de Seales 38
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
Figura 4.4.1
La DWT de la seal original es luego obtenida concatenando todos los coeIicientes
comenzando desde el primer nivel de descomposicion. La DWT tendr entonces el mismo
nmero de coeficientes que la seal original.
Las frecuencias preponderantes en la seal original apareceran como altas amplitudes de la
DWT en esa region que seala a aquellas Irecuencias particulares. La diIerencia entre esta
transIormacion y la de Fourier es que la locali:acion en tiempo de estas frecuencias no se
perderan.
Sin embargo, la localizacion en tiempo tendra una resolucion que depende del nivel en que
aparecen.
Si la principal inIormacion de la seal se encuentra en las altas frecuencias, como sucede
muy Irecuentemente, la localizacion en tiempo de estas Irecuencias sera mas precisa, ya que ellas
estan caracterizadas con un mayor numero de muestras. Si la principal inIormacion se encuentra
solo a bafas frecuencias, la localizacion en tiempo no sera muv precisa, ya que se usan pocas
muestras para expresar la seal a estas Irecuencias.
Este procedimiento, oIrece una buena resolucion en tiempo a altas frecuencias, v buena
resolucion en frecuencia a bafas frecuencias.
Muchas de las seales encontradas en la practica son de este tipo. Las bandas de Irecuencia
que no son relevantes en la seal original tendran muy bajas amplitudes, y esa parte de la seal
DWT puede ser descartada sin gran perdida de inIormacion, permitiendo la reduccin de datos.
4.5 - Clculo de la DWT
En esta Seccion se prestara atencion a los metodos para el calculo de la TransIormada
Wavelet Discreta, partiendo desde la mas sencilla de todas (la transIormada de Haar) hasta otras
Catedra Analisis de Seales 39
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
mas complejas como las de Daubechies.
Se analizara a la transIormada como un Banco de Filtros que permitira hallar los coeIicientes
de la transIormada en distintos niveles (desde el mas Iino al mas burdo).
Supongase que se tiene dada una seal discreta f. En la practica, esta seal es Irecuentemente
digital (cuantizada y transIormada a Iorma binaria). La Iigura 4.5.1 muestra como esos datos
discretos pueden ser representados por una linea continua mediante una Iuncion constante por
tramos. Esta, por supuesto, no es la unica representacion continua posible.
Figura 4.5.1
Es comun que los puntos adyacentes de una seal muestren una Iuerte correlacion. Es posible
esperar grandes saltos solo en unos pocos de ellos. Por lo tanto, almacenar todos estos valores
separadamente parece un desperdicio de la capacidad de almacenamiento. Por lo tanto, se toman
un par de vecinos f
1
y f
2
y se computar los coeficientes promedio v diferencia:
a
1
f
1
f
2
2
a
2
f
1
f
2
2
En la Iigura anterior, los coeficientes promedio estan representados sobre la segunda linea
como una constante por tramos, tal como la entrada, pero los coeficientes diferencia aparecen
como dos bloques opuestos, cada par de esos dos bloques opuestos es un coeIiciente. Este
coeIiciente indica cuan lejos del primer punto dato estaba por debafo del promedio y a la vez,
cuanto del segundo punto dato estaba por encima del promedio.
Sumando el graIico izquierdo al derecho, se vuelve a la entrada de arriba. Como se aprecia
en la Iigura 4.5.2:
Catedra Analisis de Seales 40
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
Figura 4.5.2
La Iuncion de la linea roja surge de la operacion diIerencia, la de la linea negra de la
promediacion y la suma de ambas (en azul) reconstruye la seal original.
Esta suma es precisamente la operacion inversa (antitransIormada):
f
1
a
1
d
1
f
2
a
1
d
1
La seal promedio (en negro) es de alguna manera una version desenIocada de la entrada.
Se puede repetir el mismo procedimiento sobre los promedios una y otra vez (iterativamente).
Eventualmente, esta operacion descompone la entrada, en el ultimo paso, en un promedio
global mas la seal diferencia en varias ubicaciones sobre el eje y con diIerentes anchos, escalas
o resoluciones. Ya que cada paso es invertible, la transIormada entera satisIace la propiedad de
reconstruccin perfecta.
Esta es la llamada Transformada de Haar, en honor a quien la estudio en 1910, bastante
antes que comenzara la actual historia de los wavelets.
4.6 - Implementacin de un sencillo Banco de Filtros- Transformada de Haar
Al pasar la seal por un Iiltro paso-bajo, reduce Iuertemente los componentes de alta
Irecuencia, los cuales Irecuentemente representan el ruido en la seal. Para algunos propositos,
esto es exactamente correcto. Pero supongase que se desea reconstruir la seal. Se la quiere
almacenar o transmitir u operar sobre ella, pero no perderla. En este caso se pueden usar dos
Iiltros, uno paso-alto y el otro paso-bajo. Esto genera lo que se ha llamado en la Seccion 4.2 un
Banco de Filtros.
La estructura del banco de Iiltros lleva a la TransIormada Wavelet Discreta (DWT). Esta
estrategia se ha convertido en una idea seera para muchos problemas de analisis y sintesis de
seal. La secuencia de pasos en una gran cantidad de aplicaciones incluye la transIormacion,
procesamiento y reconstruccion.
La palabra wavelet esta apropiadamente asociada con una multiresolucin en diferentes
escalas.
El cambio de escala mas simple proviene del submuestreo de una seal manteniendo solo sus
componentes numeradas par v
2.n
. Esta operacion se denota con el simbolo 2 de tal modo que
con.
( 2.
v
0
v
1
v
2
v
3
v
0
v
2
Catedra Analisis de Seales 41
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
se pierde inIormacion. Pero se vera como se puede doblar la longitud usando dos Iiltros, y
luego partiendo en dos cada salida, se puede obtener una transIormada sin perdidas.
La entrada esta en una cierta escala de tiempo y las dos salidas, de mitad de longitud, estan a
otra escala (una octava mas abajo).
Como se ha visto, una entrada de longitud par L, produce dos salidas de longitud L/2 despues
del submuestreo. El Iiltro paso-bajo H
0
y el Iiltro paso-alto H
1
originalmente mantienen la
longitud L, cuando se trata adecuadamente las muestras en los extremos.
Se trabajara en adelante con un banco de Iiltros especial que usa el Iiltro promediante
(paso-bajo) y el Iiltro diIerencia (paso-alto), vistos en la Seccion 4.4.
Los dos Iiltros seran denotados por H
0
(paso-bajo) y H
1
(paso-alto):
v0 H
0
. x es el Iiltro promediante v0
n
xnx
n1
2
v1 H
1
. x es el Iiltro diIerencia v1
n
xnx
n1
2
Supongase que la seal de entrada es cero excepto para cuatro muestras x
1
1, x
2
4,
x
3
5, x
4
7, x
5
8, x
6
1,x
7
5, x
8
2. Este vector de entrada es x 1, 4, 5, 7, 8, 1, 5, 2. .
Se espera hallar los coeIicientes en las bases wavelet de Harr. Los mismos seran ocho
numeros: v0
2
, v0
4
, v0
6
, v0
8
.provenientes del submuestreo de la salida del paso-bajo, con v1
2
,
v1
4
, v1
6
, v1
8
desde el paso-alto.
Como se ve, no se tienen en cuenta las componentes numeradas impar ya que las mismas son
destruidas por el submuestreo.
En la Figura 4.6.1, se puede observar el proceso desarrollado rn rl que se toman los
promedios y diIerencias de x 1, 4, 5, 7, 8, 1, 5, 2.
Figura 4.6.1
Se puede notar que la suma de los vectores v0 e v1 da la entrada x 1, 4, 5, 7, 8, 1, 5, 2. con
un retardo unitario (x
n1
). Esto proviene de una simple relacion (promediodiIerencia) que es
especial para Haar:
1
2
. x
n1
x
n
1
2
. x
n1
x
n
x
n1
Es importante notar que las diIerencias tienden a ser mas pequeas que los promedios.
En este punto del proceso, se tienen 18 coeIicientes v0 e v1. Los mismos son redundantes.
Provienen de solo ocho muestras de x.
Submuestrar por 2 es mantener solo los componentes numerados par (Iigura 4.6.2).
Catedra Analisis de Seales 42
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
Figura 4.6.2
Estos son los ocho coeIicientes wavelet de primer nivel (Nivel J 2, ver proxima Iigura)
de la seal. La transIormada inversa (la cual se vera posteriormente) usara esos coeIicientes para
reconstruir x. Ese sera el proceso de sintesis. El computo de los coeIicientes es lo que se
denomina la etapa de anlisis.
Anlisis: Encuentra los coeIicientes wavelet (separa la seal en wavelets)
Sntesis: Suma los wavelets, ponderados por los coeIicientes (para reconstruir la seal)
Estas operaciones son equivalentes al computo de los coeIicientes de Fourier (analisis) y la
sumatoria de la Serie (sintesis) para reconstruir la seal.
Para wavelets, el banco de filtro de analisis (H
0
y H
1
, seguido por el submuestreo por 2)
computa los mencionados coeIicientes.
El banco de filtro de sintesis (la transIormada inversa wavelet, involucra sobremuestreo por 2
y dos Iiltrados) suma las series wavelet.
Ahora, partiendo desde la salida del paso-bajo v0
2
2. 5, v0
4
6, v0
6
4. 5 e v0
8
3. 5 a
la proxima escala. Computando promedio de promedios v diferencia de promedios, se obtiene:
:0
2
2.56
2
4. 25 :1
2
11.5
2
0. 25
:0
4
4.53.5
2
4 :1
4
1.53.5
2
1
Estos son los cuatro coeIicientes wavelet de segundo nivel (Nivel J 1, como se ve en la
proxima Iigura) de la seal.
Ahora, pasando desde el paso-bajo :0
2
4. 25, :0
4
4 a la proxima escala computando
promedio de promedios y diferencia de promedios, se obtiene:
s0
2
44.25
2
4. 125 :1
2
44.25
2
0. 125
Un resumen del proceso se ve en la Iigura 4.6.3:
Esto completa la iteracion del banco de analisis de Haar.
Se pueden ver las escalas, desde la mas Iina (los datos, J 3) hasta la mas burda (J 0) en
un diagrama en bloques que muestra el arbol de Iiltros con submuestreo (Iigura 4.6.4):.
Catedra Analisis de Seales 43
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
Figura 4.6.3
Catedra Analisis de Seales 44
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
Figura 4.6.4
Los coeIicientes se pueden representar tambien en una linea (Iigura 4.6.5).:
Figura 4.6.5
Figura 4.6.6
Otra Iorma de presentacion muy utilizada es la de diagrama de espigas en niveles. En este
diagrama se ven los coeIicientes en Iorma estratiIicada, donde el estrato inIerior es el que
Catedra Analisis de Seales 45
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
corresponde a la escala mas Iina (despues de los datos) y la superior la mas burda (hasta el novel
J donde se realiza la descomposicion).
Para el ejemplo bajo tratamiento resulta un graIico como el de la Iigura 4.6.6
De la observacion de la Figura 4.6.3 se ve a la izquierda que la Iuncion (constante por
tramos) esta compuesta de otra basica que tiene la Iorma indicada en la Figura 4.6.7 y su
notacion en Mathcad:
Figura 4.6.7
A este wavelet Padre tambien se lo llama Funcin Escalante . Es evidente que todas las
Iunciones de la izquierda de la Figura 4.6.3 estan conIormadas por esta Iuncion base a la que se
le han aplicado tres atributos:
- Desplazamiento a lo largo del eje horizontal, que estara dado por un parametro i.
- Escala (resolucion), que estara dado por un parametro f.
- Ponderacion (amplitud), que estara dada por el coeIiciente escalante correspondiente.
Las distintas alternativas que presentara el wavelet Padre estaran dadas por la ecuacion:
x, i, f x. 2
f
i
ponderada con los coeIicientes escalantes.
En cambio, a la derecha de la Figura 4.5.1 se ve que la Iuncion (constante por tramos) esta
compuesta de otra basica que tiene la Iorma indicada en la Iigura 4.6.8 y su notacion en Mathcad:
Figura 4.6.8
Este es el wavelet propiamente dicho (wavelet Madre). Es evidente que todas las Iunciones
de la derecha de la Figura 4.6.3 estan conIormadas por esta Iuncion base a la que se le han
aplicado tres atributos:.
- Desplazamiento a lo largo del eje horizontal, que estara dado por un parametro i.
- Escala (resolucion), que estara dado por un parametro f.
- Ponderacion (amplitud), que estara dada por el coeIiciente wavelet correspondiente.
Luego las distintas alternativas que presentara el wavelet Madre estaran dadas por la
ecuacion:
x, i, f x. 2
f
i
Si se quisiera reconstruir el conjunto de datos inicial, a partir de los coeIicientes obtenidos
por la TransIormada Wavelet al nivel J 2, deberia hacerse:
Catedra Analisis de Seales 46
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
fx 2. 5. x, 0, 2 6. x, 1, 2 4. 5. x, 2, 2 3. 5. x, 3, 2 . . .
1. 5. x, 0, 2 1. x, 1, 2 3. 5. x, 2, 2 1. 5. x, 3, 2
Observese que para la reconstruccion se necesitan 2
J
Iunciones escalantes, donde J es el
nivel que se esta considerando. El resto son Iunciones wavelet.
Esto esta muy relacionado con el concepto de corcho que se vio en la Seccion 4.3, la zona
de alta Irecuencia esta cubierta con los wavelets (coeIicientes diIerencia) y la porcion de
baja Irecuencia que resta es suplida por los escalantes (coeIicientes aproximacion).
Al nivel J 1:
fx 4. 25. x, 0, 1 4. x, 1, 1 1. 75. x, 0, 1 0. 5. x, 1, 1 . . .
1. 5. x, 0, 2 1. x, 1, 2 3. 5. x, 2, 2 1. 5. x, 3, 2
Aqui hay dos escalantes y seis wavelets.
Al nivel J 0:
fx 4. 125. x, 0, 0 0. 125. x, 0, 0 1. 75. x, 0, 1 0. 5. x, 1, 1 . . .
1. 5. x, 0, 2 1. x, 1, 2 3. 5. x, 2, 2 1. 5. x, 3, 2
Finalmente, se obtienen 7 wavelets y un escalante.
Formalizando matematicamente este proceso:
fx
i0
2
J
1
x, i, f. c
i
fJ
n1
i0
2
J
1
x, i, f. c
i2
J
Donde los c
i
son los coeIicientes escalantes y wavelets correspondientes al nivel J de
descomposicion. Luego c es un vector que para el ejemplo vale:
|2.5 6 4.5 3.5 1.5 1 -3.5 -1.5| para J 2
|4.25 4 1.75 -0.5 1.5 1 -3.5 -1.5| para J 1
|4.125 -0.125 1.75 -0.5 1.5 1 -3.5 -1.5| para J 0
4. - Reconstruccin por Banco de Sntesis
El Iiltro promediante-diIerenciante (llamado asi por Haar) produce dos salidas desde dos
entradas sucesivas
v0
2.n
1
2
. x
2.n
x
2.n1
v1
2.n
1
2
. x
2.n
x
2.n1
Es Iacil recuperar x
2.n1
y x
2.n
. De hecho, las entradas son solo sumas y diIerencias de estas
salidas:
x
2.n1
v0
2.n
v1
2.n
x
2.n
v0
2.n
v1
2.n
4.6.1
Asi la etapa de reconstruccion usa las mismas operaciones que la etapa de analisis.
Se mostrara como el filtrado seguido por el submuestreo se invierte a sobremuestreo seguido
por filtrado.
Esta secuencia de operaciones inversas (y la notacion) es visualizada en el diagrama de la
Iigura 4.6.9. Este es el Banco de Sntesis:
Figura 4.6.9
Esta operacion permite recuperar el vector de datos con, quizas, algun retardo z. En la Iigura
4.6.10 se muestra como la combinacion de sobremuestreo y Iiltrado recupera la entrada al Iiltro
de Haar. Al Iinal se usaron las ecuaciones (4.6.1) de suma y diIerencia, para producir x.
Catedra Analisis de Seales 47
Universidad de Mendoza Dr. Ing. Jesus Ruben Azor Montoya
Figura 4.6.10
La eleccion de los Iiltros sintesis F
0
y F
1
esta directamente ligada a los Iiltros analisis H
0
y
H
1
(ya que los dos bancos de Iiltro son inversos). Se pueden establecer las reglas para F
0
y F
1
y
que se debe cumplir para una reconstruccion perIecta.
Catedra Analisis de Seales 48