Professional Documents
Culture Documents
CONCEPTO Y APLICACIONES
PARA EL ANLISIS DE
SEALES
JOAQUN LPEZ HERRAIZ
Departamento de Fsica Atmica, Molecular y Nuclear
Universidad Complutense de Madrid. Octubre 2004
NDICE
INTRODUCCIN
HISTRICA
QU ES UN
WAVELET?
FOURIER
vs
WAVELETS
DWT
WAVELETS
CWT
TRANSFORMADA
WAVELETS DISCRETA
APLICACIONES
DE LOS
WAVELETS
ORTOGONALES Y
BIORTOGONALES
TRANSFORMADA
WAVELETS
CONTNUA
ANLISIS
MULTIRESOLUCIN
ESTUDIO DEL
RUIDO DE UNA
SEAL CON
WAVELETS [...]
QU ES UN WAVELET?
Motivacin
El anlisis de Fourier de una seal (supongamos
temporal) permite determinar sus frecuencias, pero a costa
de perder la informacin de tipo temporal sobre la seal
(no dice cuando aparece cada frecuencia).
Lo que se puede hacer es subdividir la pieza en trozos, y
analizar cada trozo. Esto nos da una informacin
rudimentaria sobre el orden temporal en el que se dan las
frecuencias. Este tipo de anlisis se conoce como la
transformada de Gabor (aplicar una ventana a los datos).
Sin embargo, este tipo de anlisis es imperfecto.
Recordemos que la resolucin temporal y la resolucin en
frecuencias de una seal estn acopladas [Existe un
principio de incertidumbre similar al de Heisenberg:
]. Existen mtodos de anlisis que alcanzan este
QU ES UN WAVELET?
Anlisis funcional (I)
Consideremos la transformacin lineal y
continua de una funcin s(t) dada por:
S a,
*a t s t dt
a (t )
FOURIER
eit / a
GABOR
eit / a w(t )
WAVELETS
1 t
a a
[*
indica
conjugado]
complejo
QU ES UN WAVELET?
Presentacin
Antes de continuar, convendra hacer unas
presentaciones. Ante ustedes algunos de los
wavelets ms antiguos...
QU ES UN WAVELET?
Presentacin
Antes de continuar, convendra hacer unas
presentaciones. Ante ustedes algunos de los
wavelets ms antiguos...
Wavelet de Daubechie
(orden 4) (1987)
QU ES UN WAVELET?
Presentacin
Antes de continuar, convendra hacer unas
presentaciones. Ante ustedes algunos de los
wavelets ms antiguos...
Wavelet con
Spline lineal
QU ES UN WAVELET?
Presentacin
El nmero de wavelets existentes es enorme. En
general conviene usar aquel cuya forma se adece
mejor al tipo de seal con la que se trabaja. Hay
wavelets contnuos/discretos, con/sin soporte
compacto, suaves/con discontinuidades,
ortogonales/biortogonales..
2 2
0 t 1/ 4 ei0t e t
/2
[Sombrero mejicano]:
(2derivada de una gaussiana)
QU ES UN WAVELET?
Representacin grfica de los
coeficientes de la transformada discreta
de wavelets
El anlisis de wavelets:
Nos da informacin sobre el espectro de frecuencias en
funcin del tiempo.
La resolucin espectral de una frecuencia f es: f f
La resolucin temporal de esta frecuencia es: t 1/f
(t.f = cte).
Realizando una Transformada discreta de Wavelets (Similar a
FFT) obtenemos
una serie de coeficientes que podemos interpretar
grficamente:
QU ES UN WAVELET?
Anlisis funcional (II):
Traslaciones y Dilataciones
Tal como se ha visto, una transformada de
wavelets de una funcin s(t) viene dada por:
S a,
trmino a
del wavelet.
1 * t
s t dt
a
a
TRASLACIONE
S
QU ES UN WAVELET?
Anlisis funcional (II):
Traslaciones y Dilataciones
Tal como se ha visto, una transformada de
wavelets de una funcin s(t) viene dada por:
S a,
trmino a
del wavelet.
1 * t
s t dt
a
a
DILATACION
ES
QU ES UN WAVELET?
Anlisis funcional (III):
Traslaciones y Dilataciones
Es decir, la seal s(t) se muestrea empleando
versiones (wavelets) del wavelet madre (dilatados
y trasladados) estudiando punto a punto para qu
dilataciones y traslaciones
la seal s(t) y el wavelet
1 * t
S a,
son ms similares.
s t dt
QU ES UN WAVELET?
Representacin grfica de los
coeficientes de la transformada discreta
de wavelets
Frecuencia
Tiempo
SCALOGRAM
QU ES UN WAVELET?
0.001
0.002
frecuencia
0.003
200
150
100
50
2
tiempo
FOURIER vs WAVELETS:
Descomposicin de una seal en
ondas
FOURIER vs WAVELETS
FOURIER vs WAVELETS
FOURIER vs WAVELETS:
Ej: Estudio de discontinuidades en una
seal.
FOURIER vs WAVELETS:
Ejemplo: Compresin de
imgenes
JPG vs JPG-2000
FOURIER vs WAVELETS:
Ej: Filtrado de Ruido en imgenes
FILTRADO EN
ESPACIO DE
FOURIER:
Se eliminan las
frecuencias ms
altas
FILTRADO EN
ESPACIO DE
WAVELETS:
Se eliminan los
coeficientes
menores.
DWT
TRANSFORMADA WAVELETS DISCRETA
Partimos de la definicin indicada de la transformada:
S a,
1 * t
s t dt
a
a
emplear
la 2
rejilla
didica.[Tomar a = 2i ]. En este caso, la transformada
viene
dada
por:
DWT
TRANSFORMADA WAVELETS DISCRETA
Cuando se usan wavelets ortonormales (Desde el punto de
vista
de
las
funciones
de cuadrado integrable L2) , lo habitual es usar un
procedimiento
denominado
"decimation (=diezmar). Consiste en descomponer la seal
en
un
nmero
de
coeficientes proporcional a la escala analizada. Esto hace
que
la
seal
tenga
i
* t
distinto nmero
en
cada
Fsicamente
S 2de
, 2icoeficientes
n
n
t dt
i s escala.
i
2 el 2
esto
refleja
hecho
de que las frecuencias menores de una seal necesitan
menos
coeficientes
para
ser representadas. Una Transformada de Wavelet diezmada
1
* k
es:
S 2i , 2i n
n
i s k
i
2
2 k
DWT
TRANSFORMADA WAVELETS DISCRETA
Definimos la familia de wavelets asociadas a un wavelet
madre
dado
las
obtenidas mediante las
siguientes
traslaciones y
1
t
i
n t
i n
expansiones:
i
2
2i , 2i n i * k s k
S
n
Con esto, la DWT diezmada queda:
k
DWT
TRANSFORMADA WAVELETS DISCRETA
FUNCIN DE ESCALA
MADRE
Toda transformada
de wavelets viene determinada (como
mnimo)
por
dos
funciones (o las dos series de coeficientes (filtros) que
caracterizan
a
estas
funciones): Una funcin
de escala madre y un wavelet
N 1
madre.
t 2 h k (2t
k)
k 0
i n
Hay que hacer notar que2i en esta
2
expresin k toma valores
in t
discretos
k=0,1..N-1,
mientras que t es una variable contnua. A partir de esta
funcin
madre
se
puede
derivar de manera similar a su familia asociada de funciones
de escala:
DWT
TRANSFORMADA WAVELETS DISCRETA
FILTROS PASA-ALTO Y PASABAJO
t 2 g k 2t k
k 0
DWT
TRANSFORMADA WAVELETS DISCRETA
CREACIN DE WAVELETS
Para unos coeficientes hk y gk podemos crear las funciones de
escala
y
wavelet
madre correspondientes. En la prctica como veremos no es
necesario
y
basta
con trabajar con los coeficientes (filtros).
1 3
3
FUNCIN DE ESCALA h(0)
MADRE
DE 3DAUBECHIES
DE
; h(1)
4 2
4 2
ORDEN 4:
3 3
1 3
; h(3)
coeficientes:
4 2
4 2
h(2)
N 1
t 2 h k (2t
k)
k 0
DWT
TRANSFORMADA WAVELETS DISCRETA
CREACIN DE WAVELETS
[Tras
varias
iteracione
Son fractales. Su estructura surge automticamentes]
a
partir de las reglas de
escalado y ortonormalidad.
Las derivadas de este wavelet no son contnuas (es una
caracterstica de
DWT
TRANSFORMADA WAVELETS DISCRETA
DESCOMPOSICIN DE UNA SEAL
EN WAVELETS Y FUNCIONES DE
ESCALA
Sea una seal f(t) formada
por N = 8 puntos. Esto nos lleva a
tener
M=3
escalas
7
0
0
de descomposicin de la seal (2f3(t)
= 8):
si Como
i t la funcin de
i 0 forma
escala
madre
una base de L2, podemos hacer el desarrollo:
Cada par de funciones de escala de un cierto nivel k, 2ik y
2i+1kfuncin
,
se wavelet
pueden
de escala
Ejemplo con el wavelet de
escribir como la suma de una funcion
escala de nivel de
k+1
Haar de(=Daubechies
y
wavelet
de
nivel
orden 1).
k+1:
La funcin de escala recoge
0
1
0
1
la infomacin suave de la
funcin y el wavelet los
integrar
diferenciar detalles de esa escala.
DWT
TRANSFORMADA WAVELETS DISCRETA
DESCOMPOSICIN DE UNA SEAL
EN WAVELETS Y FUNCIONES DE
ESCALA
Sea una seal f(t) formada
por N = 8 puntos. Esto nos lleva a
tener
M=3
escalas
7
0
0
de descomposicin de la seal (2f3(t)
= 8):
si Como
i t la funcin de
i 0 forma
escala
madre
una base de L2, podemos hacer el desarrollo:
Cada par de funciones de escala de un cierto nivel k, 2ik y
2i+1k,
se
pueden
escribir como la suma de una funcion de escala de nivel k+1
y
wavelet
de
nivel
k+1:
2ik 2i+1k
ik+1
ik+1
DWT
TRANSFORMADA WAVELETS DISCRETA
DESCOMPOSICIN DE UNA SEAL
EN WAVELETS Y FUNCIONES DE
ESCALA
0
0
s
i
i t
i 0
f (t)
ESCALA 0
ESCALA 1
f (t) d i i t
i 0
s
i 0
1
i
i1 t
ESCALA 2f (t) d i i t d i
i t
1
i 0
i 0
1 2 2
s i i t
i 0
2
3
3
3
2
f (t) d i i t di
d0 0 t s0
ESCALA 3
i t
i 0
i 0
t
0
DWT
TRANSFORMADA WAVELETS DISCRETA
DESCOMPOSICIN DE UNA SEAL
EN WAVELETS Y FUNCIONES DE
ESCALA
DWT
TRANSFORMADA WAVELETS DISCRETA
DWT
TRANSFORMADA WAVELETS DISCRETA
Los coeficientes de la transformada a distintas escalas
2i (Convolucin
L 1
vienen dados por las relaciones
circular):
j
j1
si
h k 2i s
k=2i
di
2i L 1
g k 2i s
j1
k
k=2i
NOTA: La ventajasi0 de
valores iniciales
k usar
directamente
los
de
la
funcin consiste en que no requiere trabajar con la funcin
DWT
TRANSFORMADA WAVELETS DISCRETA
Implementacin de la transformada:
s h k 2i s
j
2i L 1
j 1
k
k=2i
Convolucin circular
di
2i L 1
g k 2i s
j 1
k
k=2i
ESCALA
1
ESCALA
0
DWT
TRANSFORMADA WAVELETS DISCRETA
INVERSA
Implementacin de la transformada INVERSA: (Convolucin
circular): j1
si
ESCALA
0
i/2
k i L 2 / 2
h i 2k s k
j
i/2
k i L 2 / 2
g i 2k dkj
ESCALA
1
DWT
TRANSFORMADA WAVELETS DISCRETA
CONCLUSIONES
3
f (x) s30 30 (x) d 30
d 02 02
(x)
0 (x)
d12
12
(x)
1
d
0
0 (x)
1
d11 11 (x) d12
d13 13
(x)
2 (x)
1
x
1
x
1
x
2
( ) d 30
( ) d
)
0
8
8
4
8
8
4
1
x
1
x
1
x
3
d12
1) d 30
( ) d
( 1)
1
4
2
2
4
2
2
1
x
1
x
d 32
( 2) d 33
( 3)
2
2
2
2
f (x) s30
WAVELETS ORTOGONALES Y
BIORTOGONALES
Los wavelets que se hemos estado viendo
ortogonales.
Los
filtros
g
y
h
han sido elegidos de modo que cumplan:
(x) (x m)dx 0
(m 0)
(x) (x m)dx 0
son
Ortogonalidad frente a
desplazamiento en el mismo
nivel
(x) (x m)dx 0
(m 0)
(2
x) (x m)dx 0 (n 0)
(x)
(2
x m)dx 0 (n 0; m 0cuandon 0)
Ortogonalidad
entre niveles
diferentes
WAVELETS ORTOGONALES Y
BIORTOGONALES
SOPORTE COMPACTO?
Dentro de los wavelets ortogonales, los wavelets de
Daubechies son compactos en el tiempo, y por tanto
tienen una extensin infinita en el espacio de
frecuencias (debido a ). Esto se manifiesta en la
naturaleza no-suave (no diferenciable) de los mismos.
Existen otros muchos wavelets que son compactos en el
espacio de frecuencias (suaves) y que por ello se
extienden
hacia
infinito
en
el
tiempo.
Tienen la desventaja que no existen algoritmos muy
rpidos para la transformacin (los ms rpidos estn
basados en la FFT), y la ventaja de ser diferenciables.
Ejemplos:
WAVELETS BIORTOGONALES
Por supuesto, podemos relajar algunas de estas condiciones
mostradas, con lo que podemos lograr que la forma de los
wavelets
sea
ms
suave.
Adems si no nos restringimos al mtodo de clculo
(decimation) que hemos estado mostrando (manteniendo el
mismo nmero de coeficientes en cada escala, y por tanto,
informacin redundante), podremos estudiar correlaciones
entre las escalas (muy til).
Es un campo bastante abierto, en el que se emplean por
ejemplo splines, combinaciones de wavelets... En la actualidad
se trabaja ms en desarrollar estos campos que en el uso
directo de transformada discreta con wavelets ortogonales.
DWT
TRANSFORMADA WAVELETS CONTNUA
Aunque requiere un clculo ms largo (se acaban usando
mtodos numricos basados en FFT), tiene la ventaja de
poder trabajar de un modo menos restrictivo y ms intuitivo.
Adems, su uso es necesario para el anlisis de seales con
gran nmero de discontinuidades (anlisis fino que en una
discretizacin podra verse excesivamente afectado) [Por
ejemplo, para el estudio del caos]
S a,
t
s t dt
a
a
WAVELET DE
MORLET
APLICACIONES: EJEMPLOS
ESTUDIO DE DISCONTINUIDADES
APLICACIONES: EJEMPLOS
OBTENCIN DE INFORMACIN
FRECUENCIA-TIEMPO
APLICACIONES: EJEMPLOS
1/a
OBTENCIN DE INFORMACIN
FRECUENCIA-TIEMPO
APLICACIONES: EJEMPLOS
OBTENCIN DE INFORMACIN EN
IMGENES
APLICACIONES: EJEMPLOS
FILTRADO DE RUIDO EN SEALES
FUNDAMENTOS:
1) Pocos coeficientes de wavelets sern distintos de cero si
la base es escogida adecuadamente para que tenga en
cuenta
las
caractersticas
de
la
seal.
2)Si la seal est distribuida de modo gaussiano, los
coeficientes de wavelets tambin estarn distribuidos de
modo gaussiano. (Transforma ruido en ruido). Por tanto, si
se aade ruido a una seal, stos generarn coeficientes
ruidosos, con el ruido contribuyendo a todos los coeficientes,
mientras que la seal slo lo har a unos pocos.
0 , si
s%
s
,
s
i
i
APLICACIONES: EJEMPLOS
THRESHOLD METHOD (= HARD
THRESHOLDING)
0 , si
s%
s
,
s
i
i
APLICACIONES: EJEMPLOS
SOFT THRESHOLDING
0
, s i
%
si
sign si si , s i
Pare el mismo ejemplo anterior, se aplic este otro mtodo en el que los coeficientes
superiores al valor crtico son "comprimidos" segn este valor . Se puede observar que
el filtrado de ruido es mejor que en el caso anterior.
ANLISIS MULTIRESOLUCIN
SEAL
ESTRUCTURA
FRACTAL
(Correlaciones entre
escalas)
http://www.gts.tsc.uvigo.es/~w
avelets/matlab_uvi_wave.html
Caractersticas
La transformada de Wavelets fue diseada originalmente para
estudiar seales no estacionarias.
Como presenta covariancia ante retrasos, parece ser la mejor
herramienta para estudiar seales con espectro de ley de potencias.
Se trata de un anlisis de tiempo-frecuencia.
Es capaz de revelar aspectos de los datos como tendencias, puntos
de quiebre, discontinuidades en las derivadas, y auto-similaridad.
El anlisis de wavelets puede muchas veces comprimir o eliminar
ruido sin degradacin apreciable.
Cmo es?
- Una wavelet es una onda de duracin efectiva limitada que tiene un valor promedio
cero.
Transformada de Fourier
Es una tcnica matemtica para transformar nuestra visin de la seal de una base temporal
a una base de frecuencias.
Para muchas seales, el anlisis de Fourier es muy til, debido al contenido de frecuencias
en la seal. Entonces, para qu otra tcnica como wavelets.
Porque, al transformar al dominio de frecuencias, la informacin temporal se pierde. Es decir,
es imposible decir cundo ocurri un evento particular.
Ahora bien, si las propiedades de la seal no cambian mucho con el tiempo, esto es, si la seal
es estacionaria, no importa mucho. Sin embargo, las seales ms interesantes son no
estacionarias, pues presentan tendencias, cambios bruscos, y comienzos y terminaciones de
eventos, para los cuales el anlisis de Fourier NO es adecuado.
wavelets.
Una grfica de los coeficientes de Fourier muestra slo un espectro plano con dos picos que representan
una sola frecuencia. Sin embargo, una grfica de los coeficientes de
localizacin exacta, en el tiempo, de la discontinuidad.
3.
Reconstruccin de la seal
Mientras que el anlisis de wavelets involucra filtraje y submuestreo, la
reconstruccin involucra sobremuestreo (upsampling) y filtraje.
El sobremuestreo es el proceso de alargar la seal componente insertando ceros
entre muestreos.
Ejemplo:
Micropulsaciones
magnticas para el da
7/octubre/2001
Decomposicin a
nivel 5
Estadstica de la serie
original
Estadstica de la
serie de coeficientes
detallados