WAVELETS

UNA INTRODUCCION

Ing. Harold Romo

JOAQUÍN LÓPEZ HERRAIZ
Departamento de Física Atómica, Molecular y Nuclear
Universidad Complutense de Madrid. Octubre 2004
 CONTENIDO

1. Historia y cronología de las wavelets

2. Fourier Vrs. wavelets
3. Que son las wavelets
4. Transformada Continua de Wavelets CWT
5. Transformada Discreta de Wavelets DWT
6. Análisis Multiresolución y Bancos de filtros
7. Aplicaciones prácticas
 1. HISTORIA
1807 (1822) – Joseph Fourier.

1909 – Alfred Haar - primera wavelet.

1946 – Dennis Gabor – Transformada Fourier ventaneada

(envolvente Gaussiana).

1981 – Jean Morlet. - señal sísmica - “wavelets”

1984 - Alex Grossman, Morlet desarrollan

El término wavelet
 1. HISTORIA

1985 – Ives Meyer. Wavelets-“ortogonalidad” &

discretización.

1986 – Stéphane Mallat – multiresolución - wavelet.

1987 – Ingrid Daubechies. la primera wavelet

ortogonal - soporte compacto - filtrado digital.
 1. HISTORIA
1990 – David Donoho y Johnstone usan los wavelets para
eliminar el ruido de una señal.

1992 – El FBI usa los wavelets para comprimir su base de

datos 30 millones de huellas dactilares.

1998 - Walt Disney Pictures y Pixar Animation Studios.

Largometraje de animación informática llamado Bichos.
 2. FOURIER VRS. WAVELETS

Análisis de Fourier
gn(t)= e jwt exponenciales complejas (sinusoides)

•En Ing. Electrónica y Eléctrica es la Útil para fenómenos:

forma •Periódicos
natural de respuesta de los sistemas. •Invariantes en el tiempo
•Son fáciles de sintetizar por que permiten •Estacionarios
Superposición.
 2. FOURIER VRS. WAVELETS
¿Y las señales no estacionarias o no periódicas que?.

La Transformada Fourier de Periodo Corto STFT, resuelve en

parte el problema:


STFTx(t , f )  

x( ) w *(  t ) e  jw d

La Transformada de Gabor utilizó ventanas de envolvente

Gaussiana mejorando la resolución, mas no fue suficiente.
2. FOURIER VRS. WAVELETS

La resolución temporal y la resolución en frecuencia

están acopladas. [principio similar al de Heisenberg]

Dt .Dw ≥ p

Las wavelets sí dan información simultánea de

tiempo y frecuencia.
2. FOURIER VRS. WAVELETS
 3. Que son las WAVELETS

Familia de funciones para análisis de señales, con información

Simultanea en Tiempo y Escala (frecuencia)

Útil para fenómenos:

• Transitorios
• Variantes en el tiempo
• No estacionarios

j
1 t b
 a ,b (t )  ( ) a,b  R  j ,k (t )  2  (2 j t  k ) j,k  
2
a a
Continua Discreta
 3. Que son las WAVELETS

Antes de continuar, convendría hacer unas presentaciones.

Ante ustedes algunos de los wavelets más “antiguos”...

Wavelet de Haar (1909)

 3. Que son las WAVELETS

Antes de continuar, convendría hacer unas presentaciones.

Ante ustedes algunos de los wavelets más “antiguos”...

Wavelet de Daubechie
(orden 4) (1987)
 3. Que son las WAVELETS

Antes de continuar, convendría hacer unas presentaciones.

Ante ustedes algunos de los wavelets más “antiguos”...

Wavelet con
Spline lineal
 3. Que son las WAVELETS

• El análisis de wavelets:
• Nos da información sobre el espectro de frecuencias en función del tiempo.
• La resolución espectral de una frecuencia f es: f  f
• La resolución temporal de esta frecuencia es: t  1/f (t.f = cte).

STFT DWT
4. Transformada Continua de
Wavelets CWT

La Transformada CWT de x(t) está dada por:


1 t b
X CWT (a, b) 
a
 x(t ) ( a )dt

La Transformada CWT inversa está dada por:

 
1 1 t b
x(t ) 
C  a0 X CWT (a, b) a  ( a )da db
 5. Transformada Discreta de
Wavelets DWT

La Transformada DWT de x(t) está dada por:

j 
X DWT ( j , k )  2 2


x(t ) (2 j t  k )dt

(coeficientes wavelets)
Traslaciones y dilataciones
6. Análisis Multiresolución y
bancos de filtros

wj Vj Vj+1=VjWj
DESCOMPOSICIÓN WAVELET MULTINIVEL

Escala j
Localización frecuenical
[0, fMÁX / 2 j]
Deducción de coeficientes por convolución - filtraje iterativo
7. Aplicaciones prácticas
Pasemos a la práctica
Construcción de wavelets a partir de sus
coeficientes de filtro LO_R
primera iteracion segunda iteracion

0.6
0.4
0.4
0.2
0.2
0 0
-0.2 -0.2
-0.4
-0.4
2 4 6 8 10 5 10 15 20

tercera iteracion cuarta iteracion

0.4
0.2
0.2

0 0

-0.2
-0.2
10 20 30 40 20 40 60 80

Wavelet Daubechies db2 (construwavedb2.m)

Descomposición de una señal seno-ruidosa
en sus componentes a 5 niveles
Muchas gracias