5 Haarova valna analiza

5.1 Zasto valici?

Valice su prvi poceli primjenjivati geozicari pri analiziranju podataka seizmickih istrazivanja.
Dakako, potreba za tim podacima pojavila se kod istrazivanja ruda i nafte u zemlji. Naime,
pomocu valica dobivale su se slike slojeva stijena ispod povrsine zemlje. U stvari, geozicari su
ponovo otkrili valice! Matematicari su ih otkrili dvadesetak godina prije, za rjesavanje apstraktnih
problema, ali nisu predvidjeli njihove primjene u signalnoj analizi.
Kod tih seizmickih istrazivanja rade se dvodimenzionalne slike slojeva ispod povrsine zemlje,
koje se spajaju zajedno kako bi se dobio trodimenzionalni prikaz strukture ispod povrsine zemlje.
Svaka slika dobivena je postavljanjem geofona (seizmickog mikrofona) na jednako rasporedenim
udaljenostima duz seizmickog pravca. Nadalje, postavljanjem dinamita na jednom kraju pravca
uzrokuje se seizmicki val u zemlji. Svaki geofon duz pravca biljezi pomicanje zemlje uslijed ek-
splozije, od pocetka do kraja; to je njegov seizmicki trag. Donja slika prikazuje tipicni seizmicki
trag.
Prvi val kojeg zabiljeze geofoni je direktni val koji ide po povrsini zemlje. Taj obicno nije
vazan. Naknadni valovi se odbijaju od slojeva stijena ispod povrsine. Oni su vazni zbog dva
osnovna razloga. Prvo, poznavanjem vremena pojavljivanja reektiranog vala, moze se odrediti
gdje je odredeni sloj stijene smjesten. Nadalje, pomocu vijuga koje proizvodi val mozemo saznati
nesto o sastavu sloja stijene. Tragovi koje biljeze svi geofoni duz pravca spajaju se zajedno kako
bismo dobili dio zemlje koji se nalazi tocno ispod seizmickog pravca.
Dakako, precizno seizmicko istrazivanje dobit cemo pravilnom analizom svakog traga. U tom
slucaju ne pomaze nam Fourierova analiza. Pomocu nje mozemo dobiti samo podatke o frekven-
cijama signala, a ne o tome kada su se odredena titranja pojavila. U tome ce nam pomoci valici.
Pomocu njih mozemo dobiti podatke i o vremenu i frekvenciji. Nadalje, pomocu valica mozemo
detektirati i kratkotrajne visokofrekventne signale, a isto tako dugotrajne niskofrekventne signale.
100
5.2 Haarovi valici
5.2 Haarovi valici
5.2.1 Haarova step funkcija
Dvije funkcije igraju najvazniju ulogu u valnoj analizi. To su step funkcija i valic . Te dvije
funkcije generiraju familiju funkcija koje se koriste za razlaganje ili rekonstrukciju signala.
Najjednostavnija valna analiza temelji se na Haarovoj step funkciji, ciji je graf prikazan na slici.
Osnovni gradivni elementi dobivaju se translacijom i rastezanjem (suzavanjem) osnovnog grafa.
Ilustrirajmo osnovne ideje takve analize. Promotrimo signal prikazan na slici.
Taj signal mozemo shvatiti kao mjerenje neke zikalne velicine (naprimjer, linijski napon duz jednog
ciklusa) u funkciji vremena. Dva ostra siljka na grafu mogu predstavljati sumove koji nastaju zbog
lose veze voltmetra, a mi zelimo ltrirati te nezeljene sumove. Graf na sljedecoj slici prikazuje
jednu mogucu aproksimaciju prethodnog signala pomocu Haarovih funkcija.
101
HAAROVA VALNA ANALIZA
Visokofrekventni sumovi prikazani su visokim uskim blokovima. Algoritam koji brise te uske
blokove ce uklanjati sumove i nece ometati ostatak signala.
Blokovi generirani Haarovom step funkcijom su poprilicno jednostavni i ilustriraju osnovne
ideje koji su temelj multirezolucijske analize. No, nedostatak Haarovih valica jest cinjenica da oni
imaju prekide pa oni ne aproksimiraju dobro neprekinute signale (takav je slucaj i u istaknutom
primjeru s naponom). U tome nam pomazu takozvani Daubechiesovi valici, koji su neprekinuti, a
ipak zadrzavaju lokalno ponasanje dobiveno pomocu Haarovih valica.
5.2.2 Osnovna svojstva Haarove step funkcije
Denicija 5.1. Haarova step funkcija denirana je formulom
(t) =
_
1, 0 t < 1
0, inace.
Graf te funkcije vec smo vidjeli na slici u prethodnoj tocki.
Graf funkcije (x k) dobivamo iz grafa funkcije translacijom za k jedinica udesno, uz
pretpostavku da je k pozitivan broj. Neka je V
0
prostor svih funkcija oblika

kZ

a
k
(x k), a
k
R,
pri cemu je Z

konacan podskup skupa cijelih brojeva. U nastavku cemo, zbog jednostavnosti,

umjesto Z

pisati naprosto Z te pretpostavljati da je gornja suma konacna. Nadalje, kako funkcija

(x k) ima prekide u tockama x = k i x = k + 1, mozemo i alternativno opisati prostor V
0
.
Naime, V
0
je prostor koji se sastoji od svih po dijelovima konstantnih funkcija cije su tocke prekida
sadrzane u skupu cijelih brojeva. Osim toga, kako parametar k prolazi konacnim podskupom od
Z, svaka funkcija u V
0
je jednaka nuli izvan ogranicenog skupa. Za takvu funkciju kazemo da ima
konacan ili kompaktan nosac. Uocimo jos kako funkcija u prostoru V
0
moze imati samo konacno
mnogo prekida. Na donjoj slici prikazan je graf tipicne funkcije iz prostora V
0
.
Primjer 5.2.
Promotrimo graf funkcije
f(x) = 2(x) + 3(x 1) + 3(x 2) (x 3) V
0
,
prikazan na slici.
102
5.2 Haarovi valici
Ta funkcija ima prekide u tockama x = 0, 1, 3 i 4.
Kako bismo analizirali visokofrekventne signale trebat cemo blokove koji su uzi od onih koji
nastaju od Haarove funkcije . Naime, pomocu funkcije (2x) dobivamo blokove koji su dvostruko
uzi od Haarove step funkcije.
Graf funkcije (2x k) = [2(x k/2)] pobivamo iz grafa funkcije (2x) pomakom za k/2
jedinica udesno, uz pretpostavku da je k pozitivan cijeli broj. Neka je V
1
skup svih funkcija oblika

kZ
a
k
(2x k), a
k
R.
Geometrijski, V
1
je prostor svih po dijelovima konstantnih funkcija konacnog nosaca s mogucim
prekidima u tockama {0, 1/2, 1, 3/2, . . .}.
Primjer 5.3.
Promotrimo graf funkcije
f(x) = 4(2x) + 2(2x 1) + 2(2x 2) (2x 3) V
1
,
prikazan na slici.
103
HAAROVA VALNA ANALIZA
Ta funkcija ima prekide u tockama x = 0, 1/2, 3/2 i 2.
Promotrimo sada opcenitiju deniciju.
Denicija 5.4. Neka je j nenegativan cijeli broj. Prostor step funkcija na nivou j, u oznaci V
j
,
je realni prostor razapet skupom
_
. . . ,
_
2
j
x + 1
_
,
_
2
j
x
_
,
_
2
j
x 1
_
,
_
2
j
x 2
_
, . . .
_
.
Drugim rijecima, V
j
je prostor sastavljen od po dijelovima konstantnih funkcija s konacnim nosacem,
ciji je skup tocaka prekida sadrzan u skupu
_
. . . ,
1
2
j
, 0,
1
2
j
,
2
2
j
,
3
2
j
, . . .
_
.
Funkcija u V
0
je po dijelovima konstantna funkcija ciji je skup tocaka prekida sadrzan u skupu
cijelih brojeva. Bilo koja funkcija iz prostora V
0
takoder pripada prostoru V
1
koji sadrzi funkcije s
prekidima u skupu {. . . , 1/2, 0, 1/2, 1, 3/2, . . .}. Na isti nacin dobivamo da je V
1
V
2
, odnosno,
V
0
V
1
V
j1
V
j
V
j+1
.
Prethodne inkluzije su stroge, odnosno prostori V
j
na razlicitim nivoima ne mogu biti jednaki. Na
primjer funkcija (2x) pripada prostoru V
1
, ali ne pripada prostoru V
0
zato jer ona ima prekid u
tocki x = 1/2.
Prostor V
j
sadrzi sve potrebne podatke do rezolucijske ljestvice reda 2
j
. Kako se j povecava,
rezolucija postaje sve bolja.

Cinjenica da je V
j
V
j+1
znaci da se ne gube nikakvi podaci prilikom
poboljsanja rezolucije. Takoder, iz prethodne relacije je jasno zasto je prostor V
j
deniran pomocu
funkcije oblika (2
j
x), a ne pomocu funkcije (ax), za neki drugi faktor a. Na primjer, ako bismo
prostor V
2
denirali pomocu funkcije (3xj) umjesto (4xj), onda prostor V
2
ne bi sadrzavao
prostor V
1
, zato jer visekratnici od 1/2 nisu sadrzani u skupu visekratnika od 1/3.
Sljedece svojstvo je neposredna posljedica prethodnih denicija.
Teorem 5.5.
Funkcija f(x) pripada prostoru V
0
ako i samo ako funkcija f(2
j
x) pripada prostoru V
j
.
Funkcija f(x) pripada prostoru V
j
ako i samo ako funkcija f(2
j
x) pripada prostoru V
0
.
Dokaz: Dokazimo prvu tvrdnju. Ako funkcija f pripada prostoru V
0
onda tu funkciju mozemo
prikazati kao linearnu kombinaciju funkcija oblika (x k), k Z. Zbog toga je funkcija f(2
j
x)
linearna kombinacija funkcija oblika (2
j
x k), k Z, sto znaci da f(2
j
x) pripada prostoru V
j
.
Obratnu tvrdnju, kao i drugu tvrdnju dokazujemo na isti nacin.
Graf funkcije (2
j
x) ima oblik klina sirine 2
j
. Kada j raste, graf funkcije (2
j
x), pogodno
translatiran, ima slican oblik jednom od klinova signala kojeg zelimo ltrirati. Zbog toga bi bilo
pozeljno razviti efektivan algoritam za razlaganje signala u V
j
-komponente. No, kako bismo razvili
taj algoritam, potrebno je konstruirati ortonormiranu bazu prostora V
j
, uz uobicajeni L
2
-skalarni
produkt.
Krenimo s prostorom V
0
. Taj je prostor razapet funkcijom i njezinim translacijama. Funkcije
(x k) imaju jedinicnu normu u L
2
, odnosno
||(x k)||
2
L
2 =
_

(x k)
2
dx =
_
k+1
k
1 dx = 1.
Nadalje, ako je k = j, onda funkcije (x j) i (x k) imaju disjunktne nosace (vidi sliku).
104
5.2 Haarovi valici
Zbog toga je
(x j), (x k)
L
2 =
_

(x j)(x k) dx = 0, j = k,
pa je skup {(x k), k Z} ortonormirana baza prostora V
0
.
Na isti nacin dobivamo i opcenitiji rezultat.
Teorem 5.6. Skup funkcija
_
2
j/2

_
2
j
x k
_
, k Z
_
je ortonormirana baza prostora V
j
.
Dokaz: Isti kao za prostor V
0
. Faktor 2
j/2
pojavljuje se zato sto je
_

(2
j
x)
2
dx = 2
j
.
5.2.3 Haarov valic
Nalazenjem ortonormirane baze prostora V
j
rijesili smo tek pola problema ltriranja sumova u
signalu. Naime, moramo naci nacin kako cemo izolirati klinove koji pripadaju prostoru V
j
, a ne
pripadaju prostoru V
j1
. Na tom mjestu, kljucnu ulogu igra Haarov valic .
Osnovna ideja sastoji se u prikazu prostora V
j
u obliku ortogonalne sume prostora V
j1
i nje-
govog ortogonalnog komplementa. Krenimo opet s prostorom V
1
i odredimo ortogonalni komple-
ment prostora V
0
u V
1
. Kako je prostor V
0
razapet funkcijom i njezinim translacijama, prirodno
je ocekivati da ce ortogonalni komplement od V
0
biti razapet translacijama neke funkcije . Pri
konstrukciji funkcije koristit cemo dvije kljucne cinjenice:
1. Funkcija pripada prostoru V
1
, pa se ona moze prikazati u obliku konacne sume (x) =

l
a
l
(2x l), a
l
R.
2. Funkcija je ortogonalna na prostor V
0
. To znaci da je
_

(x)(x k) dx = 0 za sve
cijele brojeve k.
Prvi uvjet znaci da je funkcija sastavljena od blokova sirine 1/2, odnosno skalarnih visekratnika
funkcije (2x) i njezinih translacija. Nadalje, ako je k = 0, drugi uvjet povlaci da je
_

(x)(x)dx
= 0. Najjednostavnija funkcija koja zadovoljava opisane uvjete, prikazana je na slici.
105
HAAROVA VALNA ANALIZA
Uocimo kako se graf funkcije sastoji od dvaju blokova sirine 1/2. Stoga, tu funkciju mozemo
zapisati u obliku
(x) = (2x)
_
2
_
x
1
2
__
= (2x) (2x 1),
cime je zadovoljen prvi uvjet. Takoder, vrijedi
_

(x)(x) dx =
_ 1
2
0
1 dx
_
1
1
2
1 dx =
1
2

1
2
= 0.
Prema tome, funkcije i su ortogonalne. Nadalje, ako je k = 0, onda se nosaci funkcija (x) i
(x k) ne preklapaju pa je
_

(x)(x k) dx = 0. Prema tome, funkcija pripada prostoru

V
1
i ortogonalna je na prostor V
0
. Tu funkciju nazivamo Haarov valic.
Denicija 5.7. Haarov valic je funkcija
(x) = (2x) (2x 1).
Lagano se pokazuje da je funkcija
f
1
=

kZ
a
k
(2x k) V
1
ortogonalna na prostor V
0
(odnosno na funkcije oblika (x l), l Z), ako i samo ako je
a
1
= a
0
, a
3
= a
2
, a
4
= a
3
, . . . .
Dokazite tu tvrdnju! U tom je slucaju
f
1
=

kZ
a
2k
[(2x 2k) (2x 2k 1)] =

kZ
a
2k
(x k). (5.1)
Drugim rijecima, funkcija iz prostora V
1
je ortogonalna na prostor V
0
ako i samo ako je oblika

kZ
a
k
(x k). Uocimo, koecijente a
2k
iz relacije (5.1) mozemo naprosto pisati kao a
k
.
Neka je W
0
prostor svih funkcija oblika

kZ
a
k
(x k), a
k
R,
pri cemu pretpostavljamo da je samo konacno mnogo koecijenata a
k
razlicito od nule. Upravo
smo pokazali da je W
0
ortogonalni komplement od V
0
u prostoru V
1
, odnosno V
1
= V
0
W
0
. Dakle,
prostor V
0
smo prikazali u obliku ortogonalne sume prostora V
0
i njegovog komplementa W
0
.
Na slican nacin dobivamo i opcenitiji rezultat.
Teorem 5.8. Neka je W
j
prostor svih funkcija oblika

kZ
a
k
(2
j
x k), a
k
R,
pri cemu pretpostavljamo da je samo konacno mnogo koecijenata a
k
razlicito od nule. Tada je
W
j
ortogonalni komplement od V
j
u prostoru V
j+1
, odnosno
V
j+1
= V
j
W
j
.
Dokaz: Kako bismo dokazali teorem, moramo pokazati dvije tvrdnje.
106
5.2 Haarovi valici
1. Svaka funkcija iz prostora W
j
je ortogonalna na svaku funkciju iz prostora V
j
.
2. Svaka funkcija iz V
j+1
koja je ortogonalna na V
j
mora pripadati prostoru W
j
.
Dokazimo prvu tvrdnju. U tu svrhu, neka je g =

kZ
a
k
(2
j
x k) W
j
te neka je f V
j
.
Moramo pokazati da je
g, f
L
2 =
_

g(x)f(x) dx = 0.
Uocimo kako u sklarnom produktu nema konjugiranja jer imamo realni unitarni prostor. Sada,
kako je f(x) V
j
slijedi da je f(2
j
x) V
0
(Teorem 5.5), pa imamo redom
0 =
_

kZ
a
k
(x k)f(2
j
x) dx ( je ortogonalna na V
0
)
= 2
j
_

kZ
a
k
(2
j
y k)f(y) dy (supstitucija y = 2
j
x)
= 2
j
_

g(y)f(y) dy.
Dakle, funkcija g je ortogonalna na svaku funkciju f V
j
, pa je prva tvrdnja dokazana.
Diskusija koja prethodi relaciji (5.1) pokazuje drugu tvrdnju u slucaju kada je j = 0. Naime,
tamo smo pokazali da bilo koja funkcija iz V
1
, koja je ortogonalna na prostor V
0
ima oblik

kZ
a
k
(x k), a
k
R. Slicno se pokazuje tvrdnja za bilo koji nenegativan cijeli broj j.
Uzastopnom dekompozicijom (razlaganjem) prostora V
j
, V
j1
, . . . , dobivamo redom:
V
j
= W
j1
V
j1
= W
j1
W
j2
V
j2
. . .
= W
j1
W
j2
W
0
V
0
.
Prema tome, svaku funkciju f V
j
mozemo na jedinstven nacin prikazati u obliku sume
f = w
j1
+ w
j2
+ + w
0
+ f
0
,
pri cemu je w
l
W
l
, 0 l j 1 i f
0
V
0
. Intuitivno, funkcije w
l
predstavljaju klinove
funkcije f sirine 2
(l+1)
koji se ne mogu prikazati kao linearne kombinacije klinova drugih sirina.

Sto se dogada u slucaju kada j tezi u beskonacnost? Odgovor je sadrzan u sljedecem teoremu.
Teorem 5.9. Prostor L
2
(R) moze se prikazati u obliku beskonacne ortogonalne direktne sume
L
2
(R) = V
0
W
0
W
1
.
Posebno, svaka funkcija f L
2
(R) moze se na jedinstven nacin prikazati u obliku sume
f = f
0
+

j=0
w
j
,
pri cemu je f
0
V
0
i w
j
W
j
, j N.
107
HAAROVA VALNA ANALIZA
Beskonacnu sumu u prethodnom teoremu treba shvatiti kao limes niza konacnih suma, odnosno
f = f
0
+ lim
N
N

j=0
w
j
, (5.2)
pri cemu uzimamo limes s obzirom na konvergenciju u prostoru L
2
. Iako dokaz prethodnog teorema
prelazi okvire ovog kolegija, dat cemo intuitivnu ideju tog dokaza. Dvije su kljucne cinjenice koje
se koriste u tom dokazu. Kao prvo, bilo koju funkciju u prostoru L
2
(R) mozemo po volji dobro
aproksimirati neprekinutom funkcijom (za intuitivno objasnjenje, vidi Lemu 2.38). Drugo, bilo
koju neprekinutu funkciju mozemo po volji dobro aproksimirati step funkcijom cije su tocke prekida
visekratnici od 2
j
, za dovoljno velik nenegativan cijeli broj j (vidi sliku).
Konacno, kombiniranjem tih dviju ideja dobiva se trazeni rezultat.
5.3 Haarovi algoritmi dekompozicije i rekonstrukcije
5.3.1 Dekompozicija
Sada kad je prostor V
j
dekomponiran, odnosno prikazan u obliku direktne sume prostora V
0
i
W
l
, 0 l < j, teoretski je jednostavno rijesiti problem ltriranja sumova. Prvo aproksimiramo
funkciju f step funkcijom f
j
V
j
(za dovoljno veliki j), sluzeci se Teoremom 5.9. Nakon toga,
dekomponiramo f
j
u komponente
f
j
= f
0
+ w
1
+ + w
j1
, w
l
W
l
.
Komponenta w
l
predstavlja klinove sirine 2
(l+1)
. Za dovoljno veliki l, ti klinovi su dovoljno
uski da bi predstavljali sum. Na primjer, pretpostavimo da klinovi cija je sirina manja od 0.01
predstavljaju sum. Sada, kako je 2
7
< 0.01 < 2
6
, bilo koja komponenta w
j
, j 7 daje sum. Da
bismo uklonili sum, stavit cemo da su te komponente jednake nuli. Ostatak sume ce predstavljati
signal koji je relativno blizak signalu f te u kojem nema sumova.
U nastavku razvijamo efektivan algoritam za dekompoziciju funkcije f, opisanu Teoremom 5.9.
Prvi korak sastoji se od aproksimacije originalnog signala f step funkcijom f
j
oblika
f
j
(x) =

lZ
a
l

_
2
j
x l
_
. (5.3)
Ta procedura sastoji se od uzimanja uzorka signala u tockama x = . . . , 2
j
, 0, 2
j
, . . ., odakle
dobivamo tocke a
j
= f(l/2
j
), l Z. Ilustracija tog postupka dana je na gornjoj slici, neposredno
108
5.3 Haarovi algoritmi dekompozicije i rekonstrukcije
iza Teorema 5.9, gdje je f neprekinuti signal, a f
j
je step funkcija. Ovdje je j odabran tako da
osnovna sirina 2
j
bude dovoljno malena kako bi aproksimacija f
j
(x) zadrzala osnovne znacajke
originalnog signala. Vrijednosti parametra l ovise o domeni signala. Na primjer, ako je signal
deniran na intervalu 0 x 1, onda je 0 l 2
j
1. Opcenito, vrijednosti koje poprima
parametar l posebno cemo racunati u konkretnom primjeru.
Nasa sljedeca zadaca je dekompozicija funkcije
_
2
j
x l
_
u komponente W
l
, l < j. Iskoristit
cemo sljedece dvije relacije koje povezuju funkcije i :
(2x) =
(x) + (x)
2
(5.4)
(2x 1) =
(x) (x)
2
. (5.5)
Te dvije relacije lagano slijede iz denicija funkcija i . Opcenitije, imamo sljedecu lemu.
Lema 5.10. Za svaki x R vrijede sljedece dvije relacije:

_
2
j
x
_
=

_
2
j1
x
_
+
_
2
j1
x
_
2
(5.6)

_
2
j
x 1
_
=

_
2
j1
x
_

_
2
j1
x
_
2
. (5.7)
Dokaz: Lema slijedi direktno zamjenom varijable x s 2
j1
x u jednakostima (5.4) i (5.5).
Koristenjem prethodne leme lagano dekomponiramo funkciju
_
2
j
x k
_
u W
l
-komponente za
l < j. Pogledajmo sljedeci primjer.
Primjer 5.11. Promotrimo signal f ciji je graf prikazan na slici.
(a) Prikazimo signal f u bazi prostora V
2
.
(b) Dekomponirajmo signal f u komponente W
1
, W
0
i V
0
.
Rjesenje: Uocimo kako je osnovna sirina signala f jednaka 2
2
, pa cemo ga prikazati kao linearnu
kombinaciju funkcija (2
2
x k), odnosno u bazi prostora V
2
. Sa slike lagano vidimo da je
f(x) = 2(4x) + 2(4x 1) + (4x 2) (4x 3). (5.8)
109
HAAROVA VALNA ANALIZA
Sada cemo dekomponirati signal f u komponente W
1
, W
0
i V
0
. Pri tome cemo iskoristiti relacije
(5.6) i (5.7) za j = 2. Dobivamo sljedece relacije:
(4x) =
(2x) + (2x)
2
(4x 1) =
(2x) (2x)
2
(4x 2) =
_
4
_
x
1
2
__
=

_
2
_
x
1
2
__
+
_
2
_
x
1
2
__
2
(4x 3) =
_
4
_
x
1
2
_
1
_
=

_
2
_
x
1
2
__

_
2
_
x
1
2
__
2
.
Sada, uvrstavanjem tih cetiriju relacija u (5.8) dobivamo:
f(x) = [ (2x) + (2x)] + [(2x) (2x)]
+
(2x 1) + (2x 1)
2

(2x 1) (2x 1)
2
= (2x 1) + 2(2x) .
Ocito, W
1
komponenta funkcije f(x) je (2x 1) zato jer je prostor W
1
razapet skupom funkcija
{(2x k), k Z}. Slicno, V
1
komponenta od f(x) je 2(2x). Tu komponentu mozemo dalje
rastaviti u komponente V
0
i W
0
uz pomoc relacije (2x) = [(x) + (x)]/2. Konacno, trazena
dekompozicija glasi
f(x) = (2x 1) + (x) + (x).
Desna strana prethodne relacije redom sadrzi komponente od f u prostorima W
1
, W
0
i V
0
. Tocnost
dobivene dekompozicije lagano mozemo provjeriti crtanjem grafova funkcija pojedinih komponenti.

Imajuci na umu prethodni primjer, mozemo izvesti i opceniti postupak dekompozicije. Kao
prvo, rastavimo sumu f
j
(x) =

kZ
a
k

_
2
j
x k
_
na parne i neparne clanove:
f
j
(x) =

kZ
a
2k

_
2
j
x 2k
_
+

kZ
a
2k+1

_
2
j
x 2k 1
_
. (5.9)
Sada, uvrstimo li x k 2
1j
umjesto x u relacijama (5.6) i (5.7), dobivamo:

_
2
j
x 2k
_
=

_
2
j1
x k
_
+
_
2
j1
x k
_
2
(5.10)

_
2
j
x 2k 1
_
=

_
2
j1
x k
_

_
2
j1
x k
_
2
. (5.11)
Konacno, uvrstavanjem prethodnih dviju relacija u (5.9) imamo redom
f
j
(x) =

kZ
a
2k
_

_
2
j1
x k
_
+
_
2
j1
x k
_
2
_
+

kZ
a
2k+1
_

_
2
j1
x k
_

_
2
j1
x k
_
2
_
=

kZ
_
a
2k
a
2k+1
2
_

_
2
j1
x k
_
+

kZ
_
a
2k
+ a
2k+1
2
_

_
2
j1
x k
_
= w
j1
(x) + f
j1
(x).
110
5.3 Haarovi algoritmi dekompozicije i rekonstrukcije
Prvi pribrojnik w
j1
je W
j1
komponenta od f
j
zato jer je prostor W
j1
linearna ljuska skupa
_

_
2
j1
x k
_
, k Z
_
. Slicno, f
j1
je V
j1
komponenta funkcije f
j
. Prethodni algoritam
dekompozicije iskazujemo u sljedecem teoremu.
Teorem 5.12 (Haarova dekompozicija). Neka je
f
j
(x) =

kZ
a
j
k

_
2
j
x k
_
V
j
.
Tada funkciju f
j
mozemo rastaviti kao
f
j
= w
j1
+ f
j1
,
gdje je
w
j1
=

kZ
b
j1
k

_
2
j1
x k
_
W
j1
,
f
j1
=

kZ
a
j1
k

_
2
j1
x k
_
V
j1
i
b
j1
k
=
a
j
2k
a
j
2k+1
2
, a
j1
k
=
a
j
2k
+ a
j
2k+1
2
.
Prethodni postupak mozemo ponoviti tako da j zamijenimo s j 1 te prikazemo f
j1
kao sumu
komponenti w
j2
i f
j2
. Nastavljanjem opisanog postupka dobivamo dekompoziciju
f
j
= w
j1
+ w
j2
+ + w
0
+ f
0
.
Ponovimo jos jednom postupak dekompozicije signala. Na pocetku, signal f aproksimiramo
pomocu diskretnog signala f
j
V
j
kao u Teoremu 5.9. Nakon toga, Haarov algoritam dekompozi-
cije iz Teorema 5.12 prikazuje diskretni signal f
j
u obliku zbroja razlicitih frekvencijskih kompo-
nenti: f
j
= w
j1
+ w
j2
+ + w
0
+ f
0
.
Primjer 5.13. Rijesimo jos jednom Primjer 5.11 sluzeci se Teoremom 5.12.
Rjesenje: Iz prikaza
f(x) = 2(4x) + 2(4x 1) + (4x 2) (4x 3)
imamo da je a
2
0
= 2, a
2
1
= 2, a
2
2
= 1 i a
2
3
= 1. U prvom koraku trebamo signal f prikazati u
obliku f = w
1
+ f
1
, gdje je w
1
W
1
i f
1
V
1
. To znaci da trebamo izracunati koecijente oblika
a
1
l
i b
1
l
pomocu formula
b
1
k
=
a
2
2k
a
2
2k+1
2
, a
1
k
=
a
2
2k
+ a
2
2k+1
2
.
Indeksi 2k i 2k + 1 trebaju pripadati skupu {0, 1, 2, 3}, pa mora biti k = 0 ili k = 1. Zbog toga je
b
1
0
=
a
2
0
a
2
1
2
=
2 2
2
= 0, b
1
1
=
a
2
2
a
2
3
2
=
1 + 1
2
= 1,
odnosno w
1
(x) = (2x 1). Slicno je
a
1
0
=
a
2
0
+ a
2
1
2
=
2 + 2
2
= 2, a
1
1
=
a
2
2
+ a
2
3
2
=
1 1
2
= 0,
111
HAAROVA VALNA ANALIZA
pa je f
1
(x) = 2(2x).
U drugom koraku moramo rastaviti komponentu f
1
, tj. dobiti prikaz f
1
= w
0
+ f
0
, gdje je
w
0
W
0
i f
0
V
0
. Sada je
b
0
k
=
a
1
2k
a
1
2k+1
2
, a
0
k
=
a
1
2k
+ a
1
2k+1
2
.
Jedini netrivijalni koecijent oblika a
1
l
je koecijent a
1
0
= 2, pa prethodne rekurzivne formule
racunamo samo u slucaju kada je k = 0. Prema tome, dobivamo da je b
0
k
= a
0
k
= 1, odnosno
w
0
(x) = (x) i f
0
(x) = (x). Konacno, trazena dekompozicija glasi
f(x) = w
1
(x) + w
0
(x) + f
0
(x) = (2x 1) + (x) + (x).

Primjer 5.14.
Promotrimo signal f, deniran na jedinicnom intervalu 0 x 1, ciji je graf prikazan na slici.
Diskretizirajmo ovaj signal uzimanjem njegovih vrijednosti u 2
8
jednako rasporedenih cvorova,
zato jer se cini kako ce sirina 1/2
8
zadrzati osnovna svojstva signala f. Preciznije, imamo da je
a
8
k
= f(k/2
8
), 0 k 2
8
1. Stoga, diskretni signal
f
8
(x) =
2
8
1

k=0
f
_
k
2
8
_

_
2
8
x k
_
dovoljno dobro aproksimira originalni signal f za nase potrebe. Sada, koristenjem Haarove dekom-
pozicije (Teorem 5.12) razlazemo f na komponente u prostorima V
j
, za j = 8, 7, . . . , 0. Grafovi
komponenti f
8
V
8
, f
7
V
7
, f
6
V
6
i f
4
V
4
prikazani su na sljedece cetiri slike.
112
5.3 Haarovi algoritmi dekompozicije i rekonstrukcije
KOMPONENTA f
8
V
8
KOMPONENTA f
7
V
7
KOMPONENTA f
6
V
6
113
HAAROVA VALNA ANALIZA
KOMPONENTA f
4
V
4
Promotrimo jos graf koecijenata komponente iz prostora W
7
, prikazan na donjoj slici.
Ti koecijenti su maleni, osim na mjestima gdje originalni signal sadrzi siljke priblizne sirine 2
8
(u tockama x 0.3 i x 0.65).
5.3.2 Rekonstrukcija
U prethodnoj tocki rastavili smo signal f na komponente koje pripadaju prostorima V
0
i W
j
,
0 j

< j.

Sto dalje radimo s tako dekomponiranim signalom? Ovisno o tome koji je nas
cilj. Ukoliko zelimo ltrirati sum, onda se W
j
komponente od f, koje odgovaraju nezeljenim
frekvencijama, mogu odbaciti. Kao rezultat, dobit cemo signal s puno manje suma. Ukoliko je
nas cilj sazimanje tj. kompresija podataka, onda mozemo odbaciti malene W
j
komponente bez
znacajnijeg mijenjanja oblika signala. Naime, odaberemo li samo znacajne W
j
komponente, tj.
one s velikim koecijentima b
j

k
, mozemo postici znacajno sazimanje podataka. Dakako, zeljena
razina sazimanja ovisi o primjeni koju promatramo.
U svakom slucaju, kako su koecijenti b
j

k
promijenjeni, potrebno je razviti algoritam rekon-
strukcije (na primjer, za primanje signala) pomocu kojeg cemo ltrirani ili sazeti signal prikazati
u bazi prostora V
j
, odnosno prikazati ga u obliku
f(x) =

lZ
a
j
l

_
2
j
x l
_
.
Kada to napravimo, graf signala f postaje step funkcija koja ima visinu a
j
l
na intervalu l/2
j

x (l + 1)/2
j
.
114
5.3 Haarovi algoritmi dekompozicije i rekonstrukcije
Krenimo od dekomponiranog oblika signala
f(x) = f
0
(x) + w
0
(x) + + w
j1
(x),
gdje je
f
0
(x) =

kZ
a
0
k
(x k) V
0
i w
l
(x) =

kZ
b
l
k

_
2
l
x k
_
W
l
, 0 l j 1.
Nas je osnovni cilj zapisati funkciju f u obliku f(x) =

lZ
a
j
l

_
2
j
x l
_
, odnosno naci algoritam
za racunanje koecijenata a
j
l
. Iskoristit cemo relacije
(x) = (2x) + (2x 1) (5.12)
(x) = (2x) (2x 1), (5.13)
koje slijede neposredno iz denicija funkcija i . Nadalje, zamijenimo li u prethodnim dvjema
relacijama x s 2
j1
x, dobivamo jednakosti

_
2
j1
x
_
=
_
2
j
x
_
+
_
2
j
x 1
_
, (5.14)

_
2
j1
x
_
=
_
2
j
x
_

_
2
j
x 1
_
. (5.15)
Sada, iskoristimo li deniciju (5.12), gdje je x zamijenjen s xk te deniciju funkcije f
0
, imamo
da je
f
0
(x) =

kZ
a
0
k
(x k)
=

kZ
a
0
k
(2x 2k) +

kZ
a
0
k
(2x 2k 1).
Prema tome,
f
0
(x) =

lZ
a
1
l
(2x l), (5.16)
gdje je
a
1
l
=
_
a
0
k
, l = 2k
a
0
k
, l = 2k + 1.
Slicno, iskoristimo li relaciju (5.13) za (xk), komponentu w
0
(x) =

kZ
b
0
k
(xk) mozemo
zapisati u obliku
w
0
(x) =

lZ

b
1
l
(2x l), (5.17)
gdje je

b
1
l
=
_
b
0
k
, l = 2k
b
0
k
, l = 2k + 1.
Kombiniranjem relacija (5.16) i (5.17) dobivamo jednakost
f
0
(x) + w
0
(x) =

lZ
a
1
l
(2x l),
gdje je
a
1
l
= a
1
l
+

b
1
l
=
_
a
0
k
+ b
0
k
, l = 2k
a
0
k
b
0
k
, l = 2k + 1.
115
HAAROVA VALNA ANALIZA
Nakon toga, isti postupak provodimo i za komponentu w
1
(x) =

kZ
b
1
k
(2x k), pri cemu u
relaciju (5.13) uvrstavamo 2x k umjesto x. Preciznije, komponentu w
1
(x), prikazujemo pomocu
funkcija oblika
_
2
2
x l
_
, l Z. Konacno, dodamo li w
1
(x) u sumu f
0
(x) + w
0
(x) imamo da je
f
0
(x) + w
0
(x) + w
1
(x) =

lZ
a
2
l

_
2
2
x l
_
,
gdje je
a
2
l
=
_
a
1
k
+ b
1
k
, l = 2k
a
1
k
b
1
k
, l = 2k + 1.
Uocimo kako koecijenti a
0
l
i b
0
l
odreduju a
1
l
koecijente. Nadalje, koecijenti a
1
l
i b
1
l
odreduju
koecijente a
2
l
i taj postupak nastavljamo rekurzivno.
Opisani algoritam rekonstrukcije iskazujemo u obliku sljedeceg teorema.
Teorem 5.15 (Haarova rekonstrukcija). Neka je
f(x) = f
0
(x) + w
0
(x) + + w
j1
(x),
pri cemu je
f
0
(x) =

kZ
a
0
k
(x k) V
0
i w
j
(x) =

kZ
b
j

k

_
2
j

x k
_
W
j
, 0 j

j 1.
Tada je
f(x) =

lZ
a
j
l

_
2
j
x l
_
V
j
.
Pri tome koecijente a
j

l
racunamo rekurzivno za j

= 1, j

= 2, pa sve do j

= j, iz rekurzivne
relacije
a
j

l
=
_
a
j

1
k
+ b
j

1
k
, l = 2k
a
j

1
k
b
j

1
k
, l = 2k + 1.
Primjer 5.16. Rekonstruirajmo signal f V
3
ako su zadane komponente
f
2
(x) =
1
2
(4x) + 2(4x 1) +
5
2
(4x 2)
3
2
(4x 3) V
2
i
w
2
(x) =
3
2
(4x) (4x 1) +
1
2
(4x 2)
1
2
(4x 3) W
2
.
Rjesenje: Iz zadanih komponenti mozemo procitati odgovarajuce koecijente:
a
2
0
=
1
2
, a
2
1
= 2, a
2
2
=
5
2
, a
2
3
=
3
2
,
b
2
0
=
3
2
, b
2
1
= 1, b
2
2
=
1
2
, b
2
3
=
1
2
.
Sada, kako je V
3
= V
2
W
2
, koecijente oblika a
3
l
naci cemo u jednom koraku. Iz Teorema 5.15
imamo da je
a
3
l
=
_
a
2
k
+ b
2
k
, l = 2k
a
2
k
b
2
k
, l = 2k + 1,
116
5.3 Haarovi algoritmi dekompozicije i rekonstrukcije
pa se netrivijalni koecijenti oblika a
3
l
pojavljuju za k = 0, 1, 2, 3, tj. za l = 0, 1, 2, 3, 4, 5, 6, 7.
Racunanjem dobivamo
a
3
0
= a
2
0
+ b
2
0
= 1,
a
3
1
= a
2
0
b
2
0
= 2,
a
3
2
= a
2
1
+ b
2
1
= 1,
a
3
3
= a
2
1
b
2
1
= 3,
a
3
4
= a
2
2
+ b
2
2
= 3,
a
3
5
= a
2
2
b
2
2
= 2,
a
3
6
= a
2
3
+ b
2
3
= 2,
a
3
7
= a
2
3
b
2
3
= 1,
pa je trazeni signal jednak
f(x) = (8x) + 2(8x 1) + (8x 2) + 3(8x 3) + 3(8x 4) + 2(8x 5)
2(8x 6) (8x 7)

Primjer 5.17. Rekonstruirajmo signal f V

2
ako su zadane komponente (x) V
0
, (x) W
0
i (2x 1) W
1
.
Rjesenje: Uocimo kako zadane komponente predstavljaju komponente dekompozicije iz Primjera
5.13. Stoga bismo kao rezultat trebali dobiti pocetni signal iz tog primjera.
Na pocetku, iz komponenti (x) i (x) dobivamo komponentu f
1
V
1
. Odgovarajuci koeci-
jenti su a
0
0
= b
0
0
= 1. Sada je
a
1
l
=
_
a
0
k
+ b
0
k
, l = 2k
a
0
k
b
0
k
, l = 2k + 1,
odakle dobivamo da je jedini netrivijalni koecijent oblika a
1
l
upravo koecijent a
1
0
= 2. To znaci
da je f
1
(x) = 2(2x).
Konacno, iz komponenti (2x 1) i 2(2x), odnosno koecijenata b
1
1
= 1 i a
1
0
= 2 dobivamo
signal f V
2
. Iz formule
a
2
l
=
_
a
1
k
+ b
1
k
, l = 2k
a
1
k
b
1
k
, l = 2k + 1,
zakljucujemo da se jedini netrivijalni koecijenti pojavljuju za k = 0, 1, odnosno za l = 0, 1, 2, 3.
Lagano dobivamo da je a
2
0
= 2, a
2
1
= 2, a
2
2
= 1, a
2
3
= 1, odnosno trazeni signal
f(x) = 2(4x) + 2(4x 1) + (4x 2) (4x 3).

Primjer 5.18.
Primijenimo algoritme dekompozicije i rekonstrukcije kako bismo sazeli signal prikazan na slici.
Uocimo da je taj signal deniran na jedinicnom intervalu.
117
HAAROVA VALNA ANALIZA
Diskretizirajmo ovaj signal uzimanjem njegovih vrijednosti u 2
8
cvorova, tako da je a
8
k
= f(k/2
8
),
0 k 2
8
1. Dekompozicija tog signala (Teorem 5.12) daje prikaz f = f
0
+w
0
+w
1
+ +w
7
,
gdje je
f
0
(x) = a
0
0
(x) V
0
i w
j
(x) =

kZ
b
j

k

_
2
j

x k
_
W
j
, 0 j

7.
Uocimo kako je komponenta f
0
iz V
0
prikazana samo pomocu funkcije (x) zato jer je signal
deniran na intervalu 0 x 1. Napravimo prvo 80%tno sazimanje ovog dekomponiranog
signala. To znaci da, nakon sto koecijente |b
j
k
| poredamo po velicini, odbacujemo 80% najmanjih
koecijenata, te zadrzimo 20% najvecih. Nakon toga, signal rekonstruiramo kao u Teoremu 5.15.
Rezultirajuci signal prikazan je na slici.
Donja slika prikazuje isti postupak ali sa 90%tnim sazimanjem signala.
118
5.3 Haarovi algoritmi dekompozicije i rekonstrukcije
Relativna L
2
greska iznosi 0.0895 za 80%tno sazimanje te 0.1838 za 90%tno sazimanje.
5.3.3 Filteri i dijagrami
Algoritmi dekompozicije i rekonstrukcije mogu se prevesti na jezik diskretnih ltera i jednostavnih
operatora koji djeluju na nizove koecijenata. Te algoritme mozemo ilustrirati pomocu blok dija-
grama.
Promotrimo prvo algoritam dekompozicije. U tu svrhu, deniramo dva diskretna ltera, tj.
konvolucijska operatora, H i L pomocu odgovarajucih nizova odziva h i :
h = (. . . , 0, . . . ,
1
2
,
1
2
. .
k=1,0
, . . . , 0, . . .), = (. . . , 0, . . . ,
1
2
,
1
2
..
k=1,0
, . . . , 0, . . .).
Dakle, ako je {x
k
} l
2
, onda je H(x) = h x i L(x) = x. Zbog toga je
H(x)
k
= (h x)
k
=
1
2
x
k

1
2
x
k+1
, L(x)
k
= ( x)
k
=
1
2
x
k
+
1
2
x
k+1
.
Ukoliko zadrzimo samo parne indekse, tada je H(x)
2k
= (h x)
2k
=
1
2
x
2k

1
2
x
2k+1
i slicno,
L(x)
2k
= ( x)
2k
=
1
2
x
2k
+
1
2
x
2k+1
. Operacija odbacivanja neparnih koecijenata naziva se donje
uzorkovanje, a odgovarajuci operator oznacavamo s D.
Ove operatore primijenujemo na valne koecijente a
j
k
, kako bismo dobili koecijente a
j1
k
i b
j1
k
.
Preciznije, zbog Teorema 5.12 imamo da je
b
j1
k
= DH
_
a
j
_
k
i a
j1
k
= DL
_
a
j
_
k
.
Donja slika ilustrira algoritam dekompozicije. Operator donjeg uzorkovanja D oznacen je suges-
tivnijom oznakom 2 .
Algoritam rekonstrukcije takoder zahtijeva dva diskretna ltera

H i

L, denirana pomocu nizova
odziva

h = (. . . , 0, . . . , 1, 1
. .
k=1,0
, . . . , 0, . . .) i

= (. . . , 0, . . . , 1, 1
..
k=1,0
, . . . , 0, . . .).
Za niz {x
k
} vrijede relacije (

h x)
k
= x
k
x
k1
i (

x)
k
= x
k
+ x
k1
. Uocimo sljedecu vaznu
cinjenicu. Naime, ako su x i y nizovi kojima su svi clanovi s neparnim indeksima jednaki nuli,
onda je
(

h x)
l
=
_
x
2k
, l = 2k
x
2k
, l = 2k + 1
i (

y)
l
=
_
y
2k
, l = 2k
y
2k
, l = 2k + 1.
Zbrajanjem nizova

h x i

y dobivamo relaciju
(

h x)
l
+ (

y)
l
=
_
x
2k
+ y
2k
, l = 2k
y
2k
x
2k
, l = 2k + 1.
119
HAAROVA VALNA ANALIZA
Time smo gotovo dobili model za algoritam rekonstrukcije iz Teorema 5.15. Kako smo pretpostavili
da su neparni clanovi nizova {x
k
} i {y
k
} jednaki nuli, trebamo odabrati clanove s parnim indeksima,
odnosno x
2k
i y
2k
. Stoga odabiremo x
2k
= b
j1
k
i y
2k
= a
j1
k
, odnosno
x = (. . . , 0, b
j1
1
, 0, b
j1
0
..
k=0
, 0, b
j1
1
, 0, b
j1
2
, 0, . . .) i y = (. . . , 0, a
j1
1
, 0, a
j1
0
..
k=0
, 0, a
j1
1
, 0, a
j1
2
, 0, . . .).
Nizovi x i y nazivaju se gornji uzorci nizova b
j1
i a
j1
, a odgovarajuci operator gornjeg uzorkovanja
oznacavamo s U. Dakle, x = Ub
j1
i y = Ua
j1
, pa formula rekonstrukcije iz Teorema 5.15
poprima kompaktniji oblik
a
j
=

LUa
j1
+

HUb
j1
.
Donja slika ilustrira korak rekonstrukcije, pri cemu je operator gornjeg uzorkovanja zamijenjen
oznakom 2 .
5.4 Sazetak
U ovoj tocki cemo napraviti sazetak ideja koje smo izlozili u ovom poglavlju. Drugim rijecima,
navest cemo osnovne korake koji se koriste u postupku sazimanja ili ltriranja signala y = f(t).
Pri tome ce i redom oznacavati Haarovu step funkciju i Haarov valic.
Korak 1. Uzorak. Ako je signal f(t), pri cemu je t vrijeme, neprekinut tj. analogan, onda
odabiremo najveci nivo j = J tako da je 2
J
vece od Nyquistova omjera signala (vidi deniciju
neposredno prije Teorema 3.23). Neka je
a
J
k
= f
_
k
2
J
_
.
U stvarnosti, parametar k poprima konacno mnogo vrijednosti odredenih vremenom trajanja si-
gnala. Na primjer, ako je 0 t 1, onda je 0 k 2
J
1 ili 1 k 2
J
. Ukoliko na pocetku
imamo diskretni signal, onda je ovaj korak nepotreban. Koecijent a
J
k
najveceg nivoa odreden je
ktim clanom uzorkovanog signala. U svakom slucaju, aproksimacija signala f na najvecem nivou
dana je formulom
f
J
(x) =

kZ
a
J
k

_
2
J
x k
_
.
Korak 2. Dekompozicija. Algoritam dekompozicije prikazuje signal f
J
u obliku
f
J
= w
J1
+ + w
j1
+ f
j1
,
gdje je
w
j1
=

kZ
b
j1
k

_
2
j1
x k
_
i f
j1
=

kZ
a
j1
k

_
2
j1
x k
_
.
120
5.4 Sazetak
Koecijente b
j1
k
i a
j1
k
odredujemo rekurzivno pomocu algoritma
a
j1
k
= DL
_
a
j
_
k
(5.18)
b
j1
k
= DH
_
a
j
_
k
, (5.19)
gdje su H i L visokopropusni i niskopropusni lteri iz tocke 5.3.3. Za j = J, koecijente a
J1
k
i
b
J1
k
racunamo iz koecijenata a
J
k
, odnosno uzorkovanih vrijednosti signala iz Koraka 1. Nakon
toga, j postaje J 1 te koecijente a
J2
k
i b
J2
k
racunamo iz koecijenata a
J1
k
. Taj postupak
nastavljamo do nivoa koji zadovoljava nase potrebe. Ukoliko nije drukcije naglaseno, algoritam
rekonstrukcije nastavljemo sve dok se ne postigne nivo j = 0.
Korak 3. Analiza. Nakon dekompozicije, signal ima oblik
f
J
(x) =
J1

j=0
w
j
(x) + f
0
(x) (5.20)
=
J1

j=0
_

kZ
b
j
k

_
2
j
x k
_
_
+

kZ
a
0
k
(x k). (5.21)
Sada mozemo ltrirati signal promjenom valnih koecijenata b
j
k
. Kako cemo to napraviti, ovisi o
konkretnom problemu kojeg rjesavamo. Da bismo ltrirali sve visoke frekvencije, trebamo staviti
b
j
k
= 0 za sve j koji su veci od odredene vrijednosti. Ponekad trebamo ltrirati samo dio signala
koji odgovara odredenim vrijednostima k. Ako je cilj sazimanje podataka, onda trebamo odbaciti
sve koecijente b
j
k
cija je apsolutna vrijednost manja od zadane granice. Dakle, u svakom slucaju
ovim postupkom mijenjamo vrijednosti koecijenata b
j
k
.
Korak 4. Rekonstrukcija. Nakon analize, signal f
J
ima oblik (5.21), ali s promijenjenim
koecijentima b
j
k
. Sada je nas cilj taj promijenjeni signal prikazati u obliku
f
J
(x) =

kZ
a
J
k

_
2
J
x k
_
.
To postizemo pomocu algoritma rekonstrukcije iz tocke 5.3.3:
a
j
=

LUa
j1
+

HUb
j1
, j = 1, 2, . . . , J. (5.22)
Za j = 1, koecijente a
1
k
racunamo pomocu koecijenata a
0
k
i b
0
k
. Za j = 2, koecijente a
2
k
racunamo
pomocu a
1
k
i b
1
k
i tako dalje. Vrijednosti k odredene su trajanjem signala. Za j = J (najveci nivo),
koecijent a
J
k
predstavlja pribliznu vrijednost promijenjenog signala u tocki x = k/2
J
. Dakako,
novi koecijenti a
J
k
razlikuju se od odgovarajucih koecijenata originalnog signala zato jer smo
signal promijenili u Koraku 3.
121