UNIVERSIDAD NACIONAL AUTNOMA DE MXICO

PROGRAMA DE MAESTRA Y DOCTORADO EN INGENIERA

INGENIERA CIVIL HIDRULICA

TRANSFORMADA WAVELET EN HIDRULICA

TESIS
QUE PARA OPTAR POR EL GRADO DE:
MAESTRO EN INGENIERA

PRESENTA:
ING. GERARDO RUIZ SOLORIO

TUTOR PRINCIPAL
DR. GABRIEL ECHVEZ ALDAPE, FACULTAD DE INGENIERA

MXICO, D. F. ENERO 2015

JURADO ASIGNADO:

Presidente: Dr. Fuentes Mariles Oscar

Secretario: Dr. Escalante Sandoval Carlos A.

Vocal: Dr. Echvez Aldape Gabriel

1 er. Suplente: Dr. Silva Casarn Rodolfo

2 d o. Suplente: M.I. Franco Vctor

Lugar o lugares donde se realiz la tesis:

FACULTAD DE INGENIERA, UNAM

TUTOR DE TESIS:

DR. GABRIEL ECHVEZ ALDAPE

--------------------------------------------------
FIRMA
 AGRADECIMIENTOS

A mis padres:

Joaqun Ruiz Corts

Mara Elena Solorio Lpez

A mis profesores:

Dr. Oscar Fuentes Mariles por su revisin exhaustiva de la tesis y de los consejos que
me dio para incluirlos en la tesis; al Dr. Carlos A. Escalante Sandoval por las buenas
clases de hidrologa y por la aplicacin que me pidi que hiciera a la tesis; al Dr.
Rodolfo Silva Casarn por el conocimiento transmitido en las clases y por su ejemplo al
trabajo de la investigacin; al M.I. Vctor Franco por siempre preocuparse por la
culminacin de la tesis y paciencia y finalmente al Dr. Gabriel Echvez Aldape por sus
enseanzas en el aula y fuera de ella, que me han sido muy tiles en el quehacer de la
investigacin.

A mi amiga:

Adriana Ramrez Orozco por siempre preocuparse en concluir este trabajo y siempre
estar en los momentos buenos y malos.
RESUMEN

Se presenta el anlisis, identificacin, caracterizacin y simulacin de procesos aleatorios

que utilizan a la transformada wavelet (ondelettes) continua y discreta. Esta transformada se usa
para descomponer procesos aleatorios en funciones ortogonales base. El anlisis en el tiempo
y en la frecuencia hace posible que la transformada wavelet d una visin del carcter transitorio
de la seal a travs de mapas de tiempo-frecuencia, a diferencia del mtodo tradicional de la
descomposicin espectral donde el tiempo se pierde. En el relativo corto tiempo de vida de la
transformada wavelet, se ha encontrado su utilidad en gran variedad de aplicaciones. En el
presente trabajo, se discutir el desarrollo de la transformada wavelet continua y discreta para el
anlisis de seales transitorias usuales en la ingeniera hidrulica, como: golpe de ariete,
turbulencia, oleaje, viento, seales del nivel esttico en acuferos y en el pronstico de
escurrimientos mensuales.
ABSTRACT

The analysis, identification, characterization and simulation of random processes

utilizing the continuous and discrete wavelet transform (ondelettes) are addressed. The
transformed wavelet is used to decompose random processes into localized orthogonal
basis functions. The time and frequency analysis make it possible that the wavelet
transform provides a vision into the character of transient signals through time-frequency
maps, contrary to the traditional method of spectral decomposition where the time
information is lost. In the relatively short life of the wavelet transform it has been found its
usefulness in a wide variety of applications. The present paper will discuss the
development of the continuous and discrete wavelet transform applied to hydraulic
engineering problems, such as transient flows, turbulence, waves, wind, signs for static
level in aquifers and average flow monthly forecast.
 NDICE

NDICE I

LISTA DE VARIABLES III

LISTA DE FIGURAS VII

LISTA DE TABLAS XI

INTRODUCCIN 1

CAPITULO 1. TRANSFORMADA WAVELET CONTINUA

1.1 Wavelet 5
1.2 Requerimientos de la Wavelet 6
1.3 Espectro de energa Wavelet 7
1.4 Transformada Wavelet 8
1.5 Identificacin de estructuras coherentes 10
1.6 Deteccin de bordes 12
1.7 Transformacin Wavelet inversa 14
1.8 Energa de la seal: energa Wavelet base y espectro de potencia 14
1.9 Transformada Wavelet en trminos de la transformada de Fourier 20
1.10 Wavelets complejas: Wavelet Morlet 22
1.11 Transformada Wavelet 24
1.12 Wavelet en dos o ms dimensiones 26

CAPITULO 2. TRANSFORMADA WAVELET DISCRETA

2.1 Marcos y bases de la Wavelet ortogonal 29

2.1.1 Marcos 29
2.1.2 Escala de la malla dyadic y trasformada Wavelet ortonormal 32
2.1.3 Funcin de escala y representacin multi-solucin 34
2.1.4 Wavelet Haar 37
2.1.5 Transformada Wavelet rpida (FWT) 39
2.2 Energa de la Wavelet 42
2.2.1 ndice alternativo de los coeficientes de la malla dyadic 42
2.2.2 Energa de la transformada Wavelet Haar 45
2.3 Wavelet Daubechies 49
CAPITULO 3. ANLISIS DE TIEMPO-FRECUENCIA EN SEALES 55

3.1 Mtodos: anlisis de seales 55

3.1.1 Anlisis de Fourier 55
[Link] Series de Fourier 56
[Link] Transformada de Fourier 56
3.1.2 Transformada de Fourier de corto tiempo (STFT) 58
3.1.3 Representacin Wigner-Ville (WVR) 60
3.1.4 Transformada Wavelet (WT) 62
[Link] Transformada Wavelet Discreta (DWT) 63
[Link] Transformada Wavelet Continua (CWT) 65
[Link] Seleccin de la Wavelet 66
[Link] Clculo de la energa usando el anlisis Wavelet 68
3.2 Ejemplos de anlisis: Comparacin de la FT, STFT, HHT y WT 70
3.2.1 Seal 1 70
3.2.2 Seal 2 74
3.2.3 Seal 3. Turbulenta 81

CAPITULO 4. APLICACIONES 85

4.1 Seales tericas 85

4.2 Seales transitorias 90
4.3 Seales turbulentas 92
4.4 Seales de viento y altura de ola 94
4.4.1 Co-escalograma 97
4.5 Aplicacin a seales de abatimiento de un acufero 104
4.6 Aplicaciones en hidrologa 110
4.6.1 Seal de precipitacin 111
4.6.2 Pronstico de gastos mensuales 113

CAPITULO 5. CONCLUSIONES 122

REFERENCIAS 113

2
LISTA DE FIGURAS
1.1 Diversas wavelets. (a) Gausiana, (b) Mexican Hat, (c) Haar, (d) Morlet. 5
1.2 Dilatacin y translacin de una wavelet 9
1.3 Espectro de energa de Fourier de la wavelet Mexican Hat, con tres
dilataciones. 10
1.4a Dilatacin y localizacin sobre una seal wavelet. 11
1.4b Wavelet en cuatro distintas localizaciones sobre una seal 12
1.5 Esquema ilustrado de la wavelet en una seal discontinua 13
1.6 Densidad espectral y espectro de potencia de la wavelet. 16
1.7 Representacin de la WT en el tiempo y frecuencia 21
1.8 Wavelet Morlet 23
1.9 Cajas de Heisenberg en el plano tiempo-frecuencia. 25
1.10 Wavelet Mexican Hat bidimensional. 26
2.1 Wavelet Mexican Hat ajustada al marco con a0 2 y b0 0.5 31
2.2 Aproximacin suavizada de una serie, usando pulsos de bloques en
una funcin de escala 36
2.3 Wavelets ortonormales discretas 38
2.4 Diagrama esquemtico del mtodo ndice alternativo de la malla
dyadic de la WT. 43
2.5 Descomposicin y reconstruccin de la wavelet Haar de una seal
rampa simple. 46
2.6 Wavelets Daubechies y su funcin de escala con su espectro de
energa. 51
3.1 Esquema bsico de la DWT. 65
3.2 Seal de suma de cosenos.. 71
3.3 Espectro de potencia de la suma de cosenos, usando FT, WT, STFT y
HHT... 72
3.4 Espectograma tridimensional usando STFT de la seal suma de
cosenos... 72
3.5 Espectograma bidimensional usando STFT de la seal suma de
cosenos... 73
3.6 Escalograma tridimensional de la seal suma de cosenos por el
mtodo de la WT.... 73
3.7 Escalograma bidimensional de la seal suma de cosenos, usando la
WT. 74
3.8 Seal transitoria. 74
3.9 Espectro de potencia de la seal transitoria con FT, WT, STFT y HHT. 75
3.10 Espectograma bidimensional de la seal transitoria, usando STFT. 76
3.11 Espectograma tridimensional de la seal transitoria, usando STFT. 76
3.12 Espectograma bidimensional por el mtodo HHT. 77
3.13 Espectograma tridimensional de la seal transitoria, usando HHT 77
3.14 Escalograma bidimensional de la seal transitoria, usando WT. 78
3.15 Escalograma tridimensional de la seal transitoria, usando la WT. 78

3
3.16 Escalograma bidimensional usando la wavelet Haar para la seal
transitoria. 79
3.17 Espectograma tridimensional usando la wavelet Haar para la seal
transitoria. 80
3.18 Espectro de potencia de la seal transitoria usando FT, WT (Haar),
STFT y HHT. 80
3.19 Seal de flujo turbulento. 81
3.20 Espectro de potencia con FT, WT, STFT y HHT 82
3.21 Escalograma tridimensional, usando WT 82
3.22 Escalograma utilizando la WT. 83
4.1 Seal de suma de tres senoides 85
4.2 Espectro de frecuencia y se observa una representacin discreta en
cada frecuencia; en este caso 1, 2 y 6 rad/s 86
4.3 Comparacin de diferentes wavelets aplicadas a la seal de tres
senoides 87
4.4 Seal en diente de sierra 88
4.5 Espectro de frecuencia de la seal diente de sierra 88
4.6 Espectro de frecuencia de la seal diente de sierra y la CWT. 89
4.7 Seal transitoria del golpe de ariete 90
4.8 Escalograma utilizando la wavelet Morlet 91
4.9 Escalograma tridimensional, usando WT 91
4.10 Seal de flujo transitorio turbulento 92
4.11 Escalograma tridimensional, usando CWT 93
4.12 Escalograma utilizando la wavelet madre 93
4.13 Seal de altura de ola 94
4.14 Escalograma tridimensional del oleaje, usando CWT 95
4.15 Escalograma del oleaje utilizando la wavelet Meyer discreta 95
4.16 a) Seales de velocidad del viento y altura de ola; b) CWT a la seal
de velocidad del viento, enero 2008; c) CWT a la seal de altura de
ola, enero 2008 y d) Coescalograma, enero 2008 98
4.17 a) Seales de velocidad del viento y altura de ola; b) CWT a la seal
de velocidad del viento, febrero 2008; c) CWT a la seal de altura de
ola, febrero 2008 y d) Coescalograma, febrero 2008 98
4.18 a) Seales de velocidad del viento y altura de ola; b) CWT a la seal
de velocidad del viento, marzo 2008; c) CWT a la seal de altura de
ola, marzo 2008 y d) Coescalograma, marzo 2008 99
4.19 a) Seales de velocidad del viento y altura de ola; b) CWT a la seal
de velocidad del viento, abril 2008; c) CWT a la seal de altura de ola,
abril 2008 y d) Coescalograma, abril 2008 99
4.20 a) Seales de velocidad del viento y altura de ola; b) CWT a la seal
de velocidad del viento, mayo 2008; c) CWT a la seal de altura de
ola, mayo 2008 y d) Coescalograma, mayo 2008 100
4.21 a) Seales de velocidad del viento y altura de ola; b) CWT a la seal
de velocidad del viento, junio 2008; c) CWT a la seal de altura de 100

4
 ola, junio 2008 y d) Coescalograma, junio 2008
4.22 a) Seales de velocidad del viento y altura de ola; b) CWT a la seal
de velocidad del viento, julio 2008; c) CWT a la seal de altura de ola,
julio 2008 y d) Coescalograma, julio 2008 101
4.23 a) Seales de velocidad del viento y altura de ola; b) CWT a la seal
de velocidad del viento, agosto 2008; c) CWT a la seal de altura de
ola, agosto 2008 y d) Coescalograma, agosto 2008 101
4.24 a) Seales de velocidad del viento y altura de ola; b) CWT a la seal
de velocidad del viento, septiembre 2008; c) CWT a la seal de altura
de ola, septiembre 2008 y d) Coescalograma, septiembre 2008 102
4.25 a) Seales de velocidad del viento y altura de ola; b) CWT a la seal
de velocidad del viento, octubre 2008; c) CWT a la seal de altura de
ola, octubre 2008 y d) Coescalograma, octubre 2008 102
4.26 a) Seales de velocidad del viento y altura de ola; b) CWT a la seal
de velocidad del viento, noviembre 2008; c) CWT a la seal de altura
de ola, noviembre 2008 y d) Coescalograma, noviembre 2008 103
4.27 a) Seales de velocidad del viento y altura de ola; b) CWT a la seal
de velocidad del viento, diciembre 2008; c) CWT a la seal de altura
de ola, diciembre 2008 y d) Coescalograma, diciembre 2008 103
4.28 Localizacin de la zona de estudio, Ciudad de Mxico, Mxico 107
4.29 Seales de la precipitacin y nivel esttico del pozo No. 21 de la
Ciudad de Mxico 107
4.30 CWT Morlet, seal del nivel esttico en el pozo No. 21 108
4.31 CWT Morlet, seal precipitacin en el pozo No. 21 109
4.32 Coscalograma entre la relacin de las seales de precipitacin y nivel
esttico en el pozo No. 21 109
4.33 Precipitacin en la estacin climatolgica Temascal del ao 1950 al
2005. 111
4.34 Escalograma tridimensional de la precipitacin usando la WT
112
4.35 Escalograma de la precipitacin utilizando la wavelet Mexican Hat 112
4.36 Gastos instantneos de la estacin No. 11012 114
4.37 Mdulo usando la CWT Morlet 114
4.38 ngulo usando la CWT Morlet 115
4.39 Parte real e imaginaria de la CWT Morlet 115
4.40 Seal analizada y reconstruida usando la CWT Morlet 116
4.41 Autocorrelaciones de residuos del modelo ARIMA(1,0,0) 118
4.42 Autocorrelaciones de residuos parciales ARIMA(1,0,0) 118
4.43 Pronostico de la estacin ro San Pedro (01/1944 a 12/1956) 119
4.44 Pronostico de la estacin ro San Pedro (01/1957 a 12/1969) 119
4.45 Pronostico de la estacin ro San Pedro (01/1970 a 12/1972) 120
4.46 Pronostico de la estacin ro San Pedro (01/1973 a 12/1985) 120
4.47 Pronostico de la estacin ro San Pedro (01/1986 a 12/1998) 121
4.48 Pronostico de la estacin ro San Pedro (01/1999 a 12/2010) 121

5
6
LISTA DE TABLAS

3.1 Comparacin de los diferentes mtodos de anlisis de seales 84

4.1 Periodo de estimacin 116

7
8
LISTA DE VARIABLES

WT Wavelet Transform; Transformada Wavelet;

STFT Short Time Fourier; Transformada de Fourier en Corto Tiempo;
FFT Fast Fourier Transform; Transformada Rpida de Fourier;
CWT Continuous Wavelet Transform; Transformada Wavelet Continua;
DWT Discrete Wavelet Transform; Transformada Wavelet Discreta;
FWT Fast Wavelet Transform; Transformada Rpida Wavelet;
HHT Hirbert-Huang Transform; Transformada Hilbert-Huang;
HT Hilbert Transform; Transformada Hilbert;
EMD Empiric Method Decomposition; Mtodo de Descomposicin Emprica;
e t tiempo;
nmero pi;
E energa de una funcin;
infinito;
t
transformada de Fourier de t ;

modulo operador de la magnitud de t ;

Cg constante de admisibilidad;

F subndice para indicar el espectro de Fourier;

fp pico del espectro de energa;
fc desviacin estndar del espectro de energa;
a parmetro de dilatacin;
b parmetro de translacin;
t funcin wavelet;
*
conjugado complejo de la funcin wavelet;
a ,b t funcin wavelet normalizada;
T a, b integral de la transformada wavelet;
E a, b funcin de densidad de energa de la wavelet en dos dimensiones, escalograma;
EF f espectro de energa de Fourier;
Ew f espectro de energa de la wavelet;
f0 frecuencia central de la wavelet;
f frecuencia caracterstica;

9
p perodo;
E a escala dependiente de energa;
E f , b superficie de la densidad de energa en el plano tiempo-frecuencia;
PF f espectro de potencia de Fourier;
PW f densidad espectral wavelet;
2 a varianza de la wavelet;

x f transformada de Fourier;
a ,b f transformada wavelet;
*
a ,b f transformada wavelet conjugada;
0 frecuencia angular;
t desviacin estndar en el tiempo;
f desviacin estndar en la frecuencia;
m dilatacin para el caso de DWT;
n translacin para el caso de DWT;
a0 parmetro fijo del paso de la dilatacin mayor que 1;
b0 parmetro de localizacin mayor de 0
m
a 0 escala de la wavelet;
Tm,n valores de la transformada wavelet discontinua;

A lmite del marco de energa de los coeficientes de la wavelet;

B lmite del marco de energa de los coeficientes de la wavelet;
x 't frmula de reconstruccin discreta;
m,n t wavelet ortonormal;
0,0 t t funcin wavelet padre para DWT;
Sm,n coeficientes de aproximacin wavelet;
m0 ndice de escala arbitrario;
c0 coeficiente de escalamiento;
Sm1,n coeficientes de aproximacin en el ndice de escala m+1
bk coeficientes de escalamiento;
1
ck filtro lowpass;
2

10
 1 filtro highpass;
bk
2
k ndice de escala;
Nk coeficientes de escalamiento diferentes a cero;
Em energa de la wavelet discreta;
N componente vectorial de la wavelet;
Wi W
m m
componentes individuales del vector transformado ;

W
m
vector transformado;
2,0 t funcin escala para la wavelet Haar;
d2 t componente detallada de la seal en el ndice de escala 2;
D familia especial de la wavelet Daubechies;
f t seal peridica;
a0 , ak , bk coeficientes de Fourier;
i 1 nmero imaginario;
frecuencia;
R campo de los nmeros reales;
g t ventana de tiempo;

S f , b transformada de Fourier en ventanas;

* conjugado complejo;
Cf auto-covarianza;

PV valor principal de la integral de Cauchy;

z t seal analtica;

f t seal real;

11
12
INTRODUCCIN

La Transformada Wavelet (Wavelet Transform, WT) se ha encontrado

particularmente til para analizar seales que se pueden describir como aperidicas,
ruidosas, intermitentes y transitorias. Su capacidad de examinar la seal
simultneamente en el tiempo y frecuencia de manera indistinta a diferencia de la
Transformada de Fourier en corto tiempo (STFT, Short Time Fourier Transform) donde
se pierde la informacin en el tiempo, ha producido un sinfn de mtodos basados en la
wavelet para la manipulacin e interpretacin de las seales.

El anlisis de la WT hasta ahora se ha aplicado a mltiples y diversos fenmenos

fsicos, como anlisis climtico, anlisis de ndices financieros, monitoreo del corazn,
supervisin de la vibracin en mquinas rotatorias, seales ssmicas con y sin
perturbaciones, imgenes astronmicas, caracterizacin de la superficie de
agrietamiento, caracterizacin de las estructuras coherentes en turbulencia, compresin
de imgenes y videos, transferencia de informacin va celular y anlisis de seales de
expedientes mdicos.

Muchas de las ideas detrs de la WT han existido durante mucho tiempo; por
ejemplo, se tienen los trabajos hechos por Alfrd Haar (11/octubre/1885
16/marzo/1933). Sin embargo, el anlisis de la transformada wavelet como se conoce
ahora, tiene su comienzo a mediados de los aos ochenta donde se desarroll para
analizar seales ssmicas, y aunque sigue habiendo un gran inters en el anlisis de la
transformada wavelet dentro de una pequea comunidad de matemticos durante el
resto de la dcada de los aos ochenta, el uso de la WT en Ingeniera realmente
comenz a principios de los aos 90s, con un amplio crecimiento en diversas
aplicaciones y encontrando nuevas aplicaciones. Esta herramienta matemtica es ahora
ms comn e incluso se encuentran subprogramas de anlisis de datos basados en
diversos software como Matlab, Mathematica y Maple.

1
 Las seales transitorias frecuentemente se encuentran en una gran variedad de
campos de la Ingeniera Hidrulica (golpe de ariete, fugas, turbulencia, martima y
viento). El anlisis de Fourier convencional describe adecuadamente las caractersticas
del fenmeno en el campo de la frecuencia, pero pierde la informacin en el tiempo;
esto se debe a que en los mtodos basados en la Transformada Rpida de Fourier,
(Fast Fourier Transform, FFT) o en la Transformada Corta de Fourier, no se obtienen
rasgos transitorios localmente ya que se promedia en el tiempo de duracin de la seal,
por lo que no es posible tener una gran resolucin simultneamente tanto en el tiempo
como en la frecuencia.

Al seleccionar una pequea ventana se causa una mala resolucin en la frecuencia

y aunque una ventana mayor puede revelar el contenido de la frecuencia mucho mejor
lo hace a expensas de la resolucin en el tiempo; lo anterior se debe a que la porcin
de la seal en cualquier ventana se trata como si fuera estacionaria.

Para conservar tanto las caractersticas espectrales de un proceso como las

temporales se requiere de herramientas nuevas de clculo basadas en la gran
capacidad y rapidez numrica de las computadoras modernas. Una herramienta de
este tipo es la Transformada Wavelet (llamada, a veces, ondaleta del francs
ondelettes) que usa funciones ortogonales locales, que cambian tanto en frecuencia
como en magnitud, lo que permite ver las caractersticas del transitorio local que se
encuentran en la seal.

En el Captulo uno, se analizar la teora bsica de la Transformada Wavelet

Continua (Continuous Wavelet Transform, CWT). Primero determinaremos qu
constituye una wavelet, cmo se utiliza en el anlisis de la seal y qu informacin nos
da; despus veremos la transformada inversa y como se reconstruye una seal, as
como tambin la conservacin de la energa de la WT y cmo se obtiene su espectro de
energa.

En el Captulo dos, consideraremos a la Transformada Wavelet Discreta (Discrete

Wavelet Transform, DWT). Se discutirn las propiedades de la transformada wavelet

2
discreta y cmo en ciertos criterios es posible reconstruir totalmente la seal original
usando sumas en los coeficientes de la wavelet discreta. Entonces, veremos cmo
realizar una DWT en seales de entrada discretas de longitud finita y tambin
consideraremos las wavelets bi-ortogonales, que vienen en pares.

En el Captulo tres, se estudian varias herramientas disponibles para analizar

seales no estacionarias y se comparan sus diferentes caractersticas. Las seales en
fenmenos transitorios y de seales de turbulencia que por su naturaleza son no
estacionarias, ya que a este tipo de fenmenos son muy comunes en la Ingeniera
Hidrulica y en la Mecnica de Fluidos.

En el captulo cuatro, veremos la aplicacin de la WT a la Hidrulica. Como primer

caso veremos dos seales una de oleaje y un diente de sierra, ambas generadas por
suma de senoides y despus analizremos el caso de seales transitorias en apertura y
cierre de vlvula. Respecto a seales generadas por viento veremos registros tomados
a diferentes alturas, analizando las diferencias entre ellas y utilizando el coescalograma
para encontrar coincidencias entre ambas seales y su energa.

El objetivo de este trabajo es analizar diversas seales que se presentan en el

campo de la Hidrulica y su aplicacin de la WT. Para este motivo se realiz un anlisis
tanto de la transformada wavelet continua como discreta; se compar con otros
mtodos para ver la validacin de su aplicacin y as encontrar una mejor forma de
evaluar los parmetros que caracterizan a los fenmenos; se aplica a diversos campos
de la Hidrulica y se plantean conclusiones y recomendaciones a partir de los
resultados.

3
4
CAPTULO 1: TRANSFORMADA WAVELET CONTINUA

1.1 Wavelet

La transformada Wavelet es un mtodo para convertir una funcin (o seal) en otra

forma con caractersticas ms fciles de estudiar que la seal original. Para aplicar una
WT es necesaria una wavelet que, como su nombre lo indica, es una forma de onda
localizada. Es decir, una wavelet es una funcin que satisface ciertos criterios
matemticos, que son funciones manipuladas a travs de un proceso de translacin
(movimiento a lo largo del eje de tiempo) y dilatacin (extensin afuera de la wavelet)
que transforma a la seal en otra forma, como el desarrollo en el tiempo y escala.

(t ) (t )

(a) (b)
t t

(t ) (t )

(c) (d)
t t

Figura 1.1. Diversas wavelets. (a) Gausiana, (b) Mexican Hat, (c) Haar, (d) Morlet.

La seleccin de la wavelet depende tanto de la naturaleza de la seal como del anlisis

que se requiere. Empezaremos con una wavelet especfica, la wavelet Mexican Hat o
sombrero mexicano, que es la segunda derivada de la funcin distribucin Gaussiana
es decir, con varianza unitaria pero sin el habitual factor de normalizacin .
Todas las derivadas de la funcin Gaussiana pueden ser empleadas como una wavelet.
Ambas derivadas tanto la primera como la segunda de la funcin Gaussiana se
muestran en la Figura 1.1, junto con otros tipos de wavelets. La wavelet Mexican Hat
sirve para ilustrar muchas de las propiedades del anlisis de la WT continua, la wavelet

5
mother (madre) que es la base de la wavelet Mexican Hat sin traslacin y dilatacin,
definida por:

(1.1)

donde t, es el tiempo.

1.2 Requerimientos de la wavelet

Una funcin debe satisfacer ciertos criterios matemticos para ser clasificada como una
wavelet. Estos son:

1. Tener energa finita:

t
2
E dt (1.2)

donde: E es la energa de una funcin igual a la integral del cuadrado de la magnitud y

los corchetes verticales representa el modulo operador que da la magnitud de .
Si es una funcin compleja, la magnitud utiliza tanto la parte real como la compleja.
2. Si t es la transformada de Fourier de t ,

t t e i 2f t dt (1.3)

entonces la siguiente condicin debe ser:

f
2

Cg df (1.4)
0
f
Esto implica que la wavelet no tiene componente en la frecuencia cero, 0 0 o la
wavelet t debe tener media cero. La ecuacin (1.4) se conoce como la condicin de
admisibilidad y C g es la constante de admisibilidad. El valor de C g depende de la
wavelet elegida y es igual a para la wavelet Mexican Hat de la ecuacin (1.1).
3. Un criterio adicional que debe valer para las wavelets complejas, es que la
transformada de Fourier, si ambas son reales, es nula para frecuencias negativas.

1.3 Espectro de energa wavelet

6
Las wavelets que satisfacen la condicin de admisibilidad, ecuacin (1.4), que son los
filtros bandpass. Es decir, en trminos simples deja solamente las componentes de la
seal dentro un rango finito de frecuencias y caracterizadas por el espectro de energa
de la wavelet. Una grfica de la magnitud al cuadrado de la transformada de Fourier
contra la frecuencia para una wavelet da su espectro de energa. Por ejemplo, el
espectro de energa de Fourier de la wavelet Mexican Hat esta dado por:

EF f f 32 5 f 4 e 4
2 2
f2
(1.5)

donde el subndice F se usa para indicar el espectro de Fourier, tan distinto del
espectro wavelet base. Cuando la wavelet Mexican Hat es una funcin real, su espectro
de Fourier es simtrico a cero. Las wavelets complejas no tienen componentes de
frecuencia negativas. El pico del espectro de energa ocurre en una frecuencia
dominante igual a f p 2 2 . El segundo momento f c del rea del espectro de
energa es usado para definir el centro de passband del espectro de energa, de la
siguiente manera:

f 2 f df
2

fc 0

(1.6)
f
2
df
0

donde f c es la desviacin estndar del espectro de energa sobre el eje vertical. Para la
wavelet Mexican Hat madre, f c es igual a 5 2 2 0.251 Hz. En la prctica utilizamos
una frecuencia caracterstica de la wavelet madre, como f p , f c . Cuando se analiza el
funcionamiento de la WT es importante que la energa espectral de la wavelet sea
considerada, como indica el rango y carcter de las altas frecuencias de la wavelet.
De las ecuaciones (1.1) y (1.2) vemos que la energa total de la wavelet Mexican Hat es
finita y dada por

1 t e dt 34

E t dt
2
2 2 t 2 2
(1.7)

La energa de una funcin, que es el rea bajo su espectro de energa. Para esta
wavelet se tiene que:

E f df 32 5 f 4e 4
3
df (1.8)
2 2
f 2

4
Por lo tanto,

t dt f df (1.9)
2 2

que es una funcin del teorema de Parseval.

A menudo, en la prctica, la funcin wavelet se normaliza con el propsito de hacerla de
energa unitaria. Para hacerlo la ecuacin (1.7) se divide entre 3 4
12
, quedando:

t
2

1 t e
2 t 2 2
(1.10)
34

La nica diferencia cuando empleamos la wavelet Mexican Hat normalizada de la

ecuacin (1.10) en vez de la definida por la ecuacin (1.1) est en el valor de
admisibilidad constante C g , el cual debe de ser cambiado de a 4 3 .

1.4 Transformada wavelet

Cuando tenemos una wavelet madre, requerimos que sea ms flexible. Para poderla
hacer ms flexible se lleva a cabo dos manipulaciones bsicas: estirarla y apretarla
(dilatacin) o podemos cambiarla de lugar (translacin). La Figura 1.2(a) indica el
estiramiento de la wavelet Mexican Hat y estrechamiento respectivamente al doble y a la
mitad del ancho original sobre el eje del tiempo. Esta dilatacin y contraccin de la
wavelet se realiza por el parmetro de dilatacin a , que es la distancia entre el centro
de la wavelet y el cruce con el eje del tiempo, para la wavelet Mexican Hat. El
movimiento de la wavelet a lo largo del eje del tiempo es el parmetro de translacin b .
La Figura 1.2(b) muestra el movimiento de una wavelet a lo largo del eje del tiempo de
b1 pasando a b2 y b3 . Podemos incluir el parmetro de dilatacin a , y el parmetro de
localizacin b , dentro de la definicin de una wavelet dada por ecuacin (1.1). Estas
versiones de desplazamiento y dilatacin de la wavelet madre estn dados por
t b a . Por ejemplo, la wavelet Mexican Hat toma la forma siguiente:

t b t b 2 t b a
2 1 2

1 e (1.11)
a a

8
La wavelet madre original t dada por la ecuacin (1.1) tiene a 1 y b 0 . En la
forma de la ecuacin (1.11) podemos transformar una seal xt , usando un rango de
a' s y b' s . La WT de una seal continua con respecto a la funcin wavelet es:

t b
T a, b wa xt dt (1.12)
a
donde wa es una funcin. El asterisco indica que el conjugado complejo de la funcin
wavelet se usa en la transformada, que no se considera cuando usamos la wavelet
Mexican Hat como una funcin real. La WT es la correlacin cruzada de una seal con
wavelets de ancho variado. Tpicamente wa se fija en 1 a por razones de
conservacin de energa; b anterior asegura que la wavelet en cada escala tenga la
misma energa.
(a) 1.0

0.5
y(t/a)

0.0

a1
-0.5
a2
a3
-1.0
b t

Figura 1.2. Dilatacin y translacin de una wavelet.

Usando wa 1 a , la WT se escribe como:

t b
T a, b xt
1
dt (1.13)
a a

La Transformada Wavelet Continua, Continuous Wavelet Transform, CWT de sus siglas

en ingls, de la ecuacin 1.13 se observa que la wavelet contiene dilatacin y
translacin de la seal xt , dnde xt puede ser una seal transitoria o de cualquier
tipo. El producto de la wavelet y la seal son integrados sobre el rango de la seal; en
trminos matemticos se le conoce como convolucin. La funcin wavelet normalizada
se escribe a menudo compactamente como:
1 t b
a ,b t (1.14)
a a

9
donde la normalizacin es en el sentido de la energa wavelet. Por lo tanto, la integral de
la transformada se puede escribir como:

T a, b xt t dt

a,b
(1.15)

Podemos expresar que la WT en la forma ms compacta como un producto interno:

T a, b x, a,b (1.16)

La Figura 1.3 muestra los efectos de la dilatacin de una wavelet Mexican Hat a,b t
que tiene su espectro de energa correspondiente. Cuando la wavelet se expande, su
espectro de energa correspondiente se contrae. Esto es una consecuencia, cuando la
expansin en el dominio de tiempo debe involucrar el alargamiento de los periodos del
tiempo y una correspondiente frecuencia asociada baja. La escala a de la wavelet es
inversamente proporcional a todas sus frecuencias caractersticas, incluyendo el centro
de frecuencia passband, frecuencia pico y la frecuencia central (para wavelets
complejas).
(a) 1.5 (b) 10
a = 0.5
a = 0.5
1.0 a = 1.0
a = 2.0 a = 1.0
0.5 a = 2.0
ab (t) E F (f) 5
0.0

-0.5

-1.0 0
-10 -8 -6 -4 -2 0 2 4 6 8 10 0.0 0.2 0.4 0.6 0.8 1.0
t f

Figura 1.3. Espectro de energa de Fourier de la wavelet Mexican Hat, con tres dilataciones.

1.5 Identificacin de estructuras coherentes

En la Figura 1.4a se visualiza los mecanismos de la WT dada por la ecuacin (1.15); se

observa una wavelet centrada de escala a localizada en b sobre el eje del tiempo
superpuesta encima de una seal arbitraria. Los segmentos de tiempo donde la wavelet
y la seal son ambas positivas, resulta una contribucin positiva a la integral de la
ecuacin (1.15), por ejemplo la regin A de la figura. De forma semejante, los
segmentos de tiempo donde la wavelet y la seal ambos resultan negativos en una
contribucin positiva de la integral (regin B ). Las regiones donde la seal y la wavelet
10
son de signo opuesto resulta en las contribuciones negativas de la integral, por ejemplo
las regiones C , D y E de la figura.
contribucin
contribucin negativa contribucin
positiva positiva

x(t) contribucin contribucin

negativa negativa
a,b(t)
D B C A E

- +
seal - + - t

anlisis
wavelet

Figura 1.4a. Dilatacin y localizacin sobre la seal de la wavelet.

La Figura 1.4b indica una wavelet con dilatacin fija en cuatro localizaciones sobre una
seal: en la primera ubicacin b1 , la wavelet est ubicada sobre un segmento de la
seal en la que las partes positiva y negativa de la seal son razonablemente
circunstanciales con la wavelet, esto resulta en valores positivos relativamente grandes
de T a, b de la ecuacin (1.15); ubicacin b2 , las contribuciones positivas y negativas
en la integral se cancelan entre s, resultando un valor cercano a cero; ubicacin b3 , la
seal y la wavelet estn fuera de la fase que resulta de una respuesta negativa para un
valor de retorno de T a, b ; ubicacin b4 , la wavelet y la seal estn otra vez fuera de la
fase, similar a la ubicacin b3 . Esta vez, sin embargo, la porcin de seal en la vecindad
de la wavelet contiene una gran componente local media. Es fcil ver que la
componente media aporta valores positivos y negativos iguales a T a, b . Por lo tanto,
solamente la caracterstica de la seal local es importante para la wavelet en esa
ubicacin y la media no es tomada en cuenta. Es a travs de este proceso que la WT
escoge "estructuras coherentes" en un tiempo de la seal para varias escalas.
Cambiando de lugar la wavelet a lo largo de la seal ( b creciendo) las estructuras
coherentes se relacionan con una escala a especfica en la seal siendo identificadas.
Este proceso es repetido sobre un rango de escalas a en todas las estructuras

11
coherentes dentro de la seal, de la ms grande a la ms pequea, pueden ser
distinguidas.

x(t)

a,b(t)

media
local

t
b1 b2 b3 b4

Figura 1.4b. Wavelet en cuatro distintas localizaciones sobre una seal.

1.6 Deteccin de bordes

Otra propiedad til de la WT es identificar abruptas discontinuidades (bordes) en la

seal. Un ejemplo simple de discontinuidad se muestra en la Figura 1.5a, donde una
seal continua, xt 1 , repentinamente cae a un valor negativo constante, xt 1 . Se
puede ver en los picos una discontinuidad semejante a la wavelet, seguida de una
wavelet arbitraria de dilatacin a , a lo largo de la seal discontinua. El efecto de la
ubicacin de la wavelet b , sobre la transformada T a, b se explica para cada una de
las cinco ubicaciones sobre la seal, A, B, C, D y E.
Ubicacin A: La combinacin de la wavelet y la seal dan valores cercanos a cero de la
integral T a, b . Cuando es una funcin localizada, la wavelet se hace aproximadamente
cero en las distancias relativamente pequeas a su centro. Por lo tanto, la WT, ecuacin
(1.15) se hace una convolucin de la wavelet con una seal constante dando un valor
de cero.
Ubicacin B: En esta ubicacin la wavelet slo est empezando a atravesar la
discontinuidad. El lbulo izquierdo de la wavelet produce una contribucin negativa a la
integral, el lbulo derecho de la wavelet causa una contribucin positiva igual, dejando
que la protuberancia central de la wavelet produzca un valor positivo de la integral en
esta ubicacin.
Ubicacin C: Cuando la discontinuidad de la seal coincide con el centro de la wavelet
b , la mitad derecha e izquierda de la wavelet colaboran a un valor cero de la integral.
Cuando la wavelet tiene media cero por definicin, podemos ver que las cuatro regiones
de la wavelet en la Figura 1.5 todas tienen la misma rea.

12
Ubicacin D: Es similar a lo ubicacin B. Cuando la wavelet atraviesa la discontinuidad
ms lejos, el lbulo izquierdo de la seal produce una contribucin negativa a la
integral, la parte derecha de la wavelet causa una contribucin positiva igual, como en
la ubicacin B. Esta vez, sin embargo, la parte central de la wavelet coincide con la
seal continua negativa y por lo tanto la integral produce un valor negativo importante
en esta ubicacin.
Ubicacin E: En ubicaciones ms lejos que C, la wavelet y la seal se combinan para
dar valores cercanos a cero de la integral.

x(t)
t-b)/a

seal discontinuidad

wavelet
- -

+ +
t

(a)
A B C D E

+ + + _ _ _
_ _ _
+ + +
t t t

(b) B C D

ancho
controlado
T(a,b) por a
ondulacin local
en T(a,b)

b
b=C
(c)

Figura 1.5. Esquema ilustrado de la wavelet en una seal discontinua.

Por lo tanto, como la wavelet atraviesa la discontinuidad hay primero valores positivos y
luego valores negativos al regreso por la integral transformada. Estos valores son
13
localizados en la vecindad de la discontinuidad. Esto se ilustra en la Figura 1.5c, en la
cual podemos ver una ondulacin T a, b centrada en la discontinuidad de la seal. El
ancho de esta onda en T a, b es controlada por el ancho de la wavelet a , es decir,
directamente proporcional a ella. En una wavelet asimtrica, pasando al otro lado del
borde como la mostrada en la Figura 1.5, se puede ver que T a, b vs b tiene la forma
de una protuberancia con un ancho proporcional a la escala a de la wavelet. Si
estuviramos usando la primera derivada de la funcin Gaussiana como una wavelet, la
protuberancia sera en forma Gaussiana.

1.7 Transformada wavelet inversa

La transformada inversa wavelet se define por:

xt T a, b t a
1 da db
a ,b 2
(1.17)
Cg
0

Esto permite a una seal original ser recuperada de la WT, integrando sobre todas las
escalas y ubicaciones, a y b . Para la transformada inversa, la funcin original wavelet
se utiliza en vez de su conjugada. Si limitamos la integracin sobre un rango de escalas
a en vez de todas las escalas a , podemos llevar a cabo un filtrado de la seal original.
La transformada compuesta de la seal muestra las componentes de las formas de
onda de las escalas a1 y a 2 :

xt T a, b t a
1 da db
a ,b (1.18)
Cg a 2

La reduccin en el ruido de las componentes de alta frecuencia en la seal reconstruida

es evidente el aumento de valor de la escala a . Este mtodo de reduccin de ruido
simple es conocido como escalaumbral dependiente.

1.8 Energa de la seal: energa wavelet base y espectro de potencia

El contenido total de energa de una seal xt , se define como la integral de la

magnitud al cuadrado:

14

E xt dt xt (1.19)
2 2

Esta ecuacin contiene energa finita que puede ser til. Ya hemos encontrado esta
expresin que es la ecuacin (1.7), donde encontramos la energa de la funcin
Mexican Hat (sustituyendo xt por t ). La contribucin relativa de la energa
contenida en la seal en una escala especfica a y localizacin b , esta dada por la
funcin de densidad de energa de la wavelet en dos dimensiones:

E a, b T a, b
2
(1.20)

Una grfica de E a, b se conoce como un escalograma (anlogo al espectograma, de

la superficie densidad de energa en la transformada de Fourier). En la prctica, todas
las funciones que son diferentes de T a,b
2
slo por un factor constante de
multiplicacin, tambin son llamadas escalogramas, por ejemplo
T a, b C g , T a, b C g f c , etc. El escalograma puede estar integrado a travs de a y
2 2

b para recuperar la energa total en la seal, usando una constante de admisibilidad

C g , de la siguiente manera:

T a, b
1 da
E
2
db (1.21)
Cg
0 a2

La Figura 1.6(a)-(c) muestra una seal experimental xt , con la WT asociada, T a, b y

escalograma E a, b , donde se usa la wavelet Mexican Hat en la transformacin de la
seal. El escalograma, Figura 1.6c es muy similar en forma a la grfica de la WT. Al usar
una wavelet real como el escalograma que es slo la magnitud al cuadrada de los
valores de la WT. Para las wavelets complejas podemos ver el modulo, la fase y separar
la parte real de la compleja. De la superficie del escalograma sobresale la ubicacin y
escala de las caractersticas de energa dominante dentro de la seal.
La contribucin relativa al contenido total de la energa dentro de la seal en una escala
especfica a , que es la escala dependiente de la distribucin de energa:

15

E a T a, b
1 2
db (1.22)
Cg

El mximo en E a se alcanza dentro de las escalas de energa dominantes dentro de

la seal. En la Figura 1.6d se grafica E a contra a por segmentos de la seal de la
Figura 1.6a. La grfica muestra las dos escalas dominantes dentro de la seal, que se
conectan con el rgimen dominante oscilatorio de la seal experimental original.

Figura 1.6. Densidad espectral y espectro de potencia de la wavelet.

Podemos transformar la escala dependiente del espectro de energa de la seal E a , a

una frecuencia dependiente del espectro de energa de la wavelet EW f en orden de
comparacin directamente con el espectro de energa de Fourier de la seal E F f .
Para hacer esto, debemos transformar la escala a de la wavelet (que puede ser
interpretados como un perodo temporal o espacial representativo para los datos
fsicos) a una frecuencia caracterstica de la wavelet. Una frecuencia caracterstica ms
usada en la prctica es el centro de passband del espectro de la wavelet. Tambin se
puede usar otra frecuencia representativa de la wavelet madre como la frecuencia pico

16
mxima espectral f p , o la frecuencia central f 0 , siendo vlidas. Observando la Figura
1.3, las componentes espectrales son inversamente proporcionales a la dilatacin
f 1 a , la frecuencia caracterstica asociada con una wavelet en una escala arbitraria
es:
fc
f (1.23)
a
donde el centro del filtro passband de la wavelet madre, f c es una escala constante y
f es la frecuencia representativa o caracterstica para la wavelet de escala a .
Por lo tanto, para esta wavelet tenemos f 0.251 a esto es porque los picos en el
dibujo de la transformada de la sinusoidal en la Figura 1.7 ocurri alrededor de 0.25 de
ese periodo p 1 f . Usando la ecuacin (1.23), podemos asociar la escala
dependiente de energa E a , en la frecuencia passband de la wavelet. Tambin
podemos ver las ecuaciones (1.21) y (1.22) el total de energa en la seal dada por:

E E a
da
(1.24)
0
a2
Podemos poner esta ecuacin en trminos de la frecuencia passband haciendo el
cambio de variable f f c a . La relacin entre las derivadas es da a 2 df f c y
despus de modificada intercambiamos los lmites con signo negativo, quedando:

E EW f df (1.25)
0

donde definimos EW f E a f c para f f c a , y los correspondientes subndices de

las diferencias de la wavelet de su homloga de Fourier. La grfica de la energa de la
wavelet, EW f contra f (el espectro de energa wavelet) igual a la energa de la seal
total y se puede comparar directamente con el espectro de energa de Fourier E F f de
la seal. Recordar que E F f es el cuadrado de la magnitud de la transformada de
Fourier de la seal.
De la ecuacin (1.22), vemos que la energa total en la seal est dada por:

T f , b
1
E
2
df db (1.26)
Cg fc 0

17
donde T f , b T a, b para f f c a . Podemos ver tambin que la superficie de la
densidad de energa en el plano de tiempo-frecuencia, definido por
E f , b T f , b C g f c , contiene un volumen igual al total de la energa de la seal:
2

E E f , bdf db
0
(1.27)

Esta superficie de la densidad de energa puede ser comparada directamente con la

superficie de la transformada de Fourier (espectrograma). La representacin de la
escala de tiempo del escalograma E a, b y la escala de la distribucin de energa
E a , no se acercan a la energa de la seal y son proporcionales a la energa de la
seal, mientras que su contraparte en el tiempo-frecuencia, E f , b y EW f si se
acercan. Sin embargo, los picos en E a, b y E a corresponden a la parte con ms
energa de la seal, que hacen los mximos picos en E f , b y E f . Podemos usar
tanto el escalograma y la escala dependiente de la distribucin de energa para
determinar la distribucin relativa de la escala de la wavelet. Los escalogramas son
normalmente graficados en una escala a logartmica en el eje. Como f f c a y
log f log f c loga , la grfica de T f ,b
2
usa una escala logartmica en la

frecuencia. En la Figura 1.6c contiene T a,b con escala a logartmica decreciendo

2

hacia la parte de arriba de la grfica, tambin puede ser interpretada como la grfica de
T f ,b
2
con frecuencias logartmicamente crecientes hacia la parte de arriba de la
grfica. En la literatura ambas representaciones son vlidas.
Si la seal de la Figura 1.6a fuera infinitamente larga, podemos ver que su energa ser
infinitamente grande. Sin embargo, en la prctica las seales experimentales son
generalmente de longitud finita suficiente para un anlisis de la estadstica de la seal.
Por lo tanto, en la prctica los espectros de potencia son ms usados para caracterizar
seales experimentales de longitud finita. El espectro de potencia es simplemente la
energa del espectro dividida entre el periodo de tiempo de la seal en estudio. Por lo
tanto, el rea bajo el espectro de potencia da la energa media por unidad de tiempo de
la seal. Por ejemplo, para una seal de longitud , el espectro de potencia de Fourier
y wavelet son respectivamente:

18
 PF f EF f
1
(1.28)


PW f EW f T f , b db
1 1

2
(1.29)
f c C g 0
La Figura 1.6e muestra la densidad espectral wavelet PW f , para la seal experimental
de la Figura 1.6a. La grfica de la densidad espectral de potencia de la wavelet contiene
los mismos picos mximos en la escala de la distribucin de la grfica de la Figura 1.6d,
pero en orden contrario como el eje horizontal de la frecuencia es el inverso reescalado
de la escala del eje. La zona debajo de la grfica PW f es igual a la potencia de la
seal. La Figura 1.6f contiene el espectro de potencia de la wavelet; esta vez se usan
ejes logartmicos y el correspondiente espectro de potencia de Fourier esta tambin
graficado para su comprobacin. La grfica logartmica de la potencia espectral es
comnmente usada (ejemplo; el espectro de la turbulencia en fluidos) donde, por
ejemplo, la forma de la ley de potencia escalada es la esperada o cuando los
componentes espectrales abarcan muy diferentes rdenes de magnitud.
Debido a la distribucin de frecuencia dentro de cada wavelet, resulta el espectro de
potencia de la wavelet encimado con el espectro de Fourier. Sin embargo, el espectro
de la wavelet es ms que slo una versin encimada del espectro de Fourier, cuando la
misma forma de la wavelet es un parmetro importante en el anlisis de la seal.
Algunas wavelets tendrn una mejor correlacin con seales de caractersticas
especficas que otras, as que se acentuarn estas caractersticas en el resultado del
espectro. Tambin se usa el centro de passband de la wavelet como la frecuencia
representativa, si se usa otra frecuencia caracterstica de la wavelet entonces afectara el
resultado del espectro de potencia de la wavelet de la seal, cualquier estrechamiento o
alargamiento mientras conservamos la misma forma en conjunto y la misma potencia
respectivamente, la energa).
Finalmente, la varianza de la wavelet, definida por la WT continua como:

a T a, b
1

2
2
db (1.30)
0

es usada en la prctica para determinar las escalas dominantes en la seal. Otra vez
asumimos que es de una longitud suficiente para obtener un clculo aproximado
razonable de a . Podemos ver que esta expresin es muy similar a la escala
2

dependiente de la distribucin de energa de la ecuacin (1.22) y la funcin de densidad

19
espectral de potencia de la ecuacin (1.29), siendo diferentes ambas ecuaciones
nicamente por los factores de multiplicacin constantes.

1.9 Transformada wavelet en trminos de la transformada de Fourier

Como vimos en la ecuacin (1.15), la WT es la convolucin de la seal con la funcin

wavelet. Por lo tanto, podemos emplear el teorema de la convolucin expresado en
trminos de la WT, como productos de la transforma de Fourier de la seal x f , y la
wavelet a,b f , de la siguiente manera:

T a, b x f f df
1
a,b (1.31)

La transformada de Fourier de la dilatacin y translacin de la wavelet es:

1 t b i 2
a ,b f e
f t
dt (1.32a)
a a
Haciendo la substitucin t ' t b a (por lo tanto dt adt ' ) obtenemos:

a ,b f t 'e i 2
1 at' b
(1.32b)
f
adt '
a

Separando la parte constante de la funcin exponencial y usando los nmeros primos

de t ' conseguimos:

a ,b f ae i 2 f b t e i 2 a f t dt (1.32c)

La expresin de la integral en la ecuacin anterior, es simplemente la transformada de

Fourier de la wavelet en frecuencia re-escalada. Por lo tanto, podemos escribir la
ecuacin (1.32b) como:
a,b f a af e i 2 f b (1.33)

La transformada de Fourier en funcin de la wavelet conjugada es entonces

simplemente:
a,b f a af ei 2 f b
(1.34)
Por lo tanto la ecuacin (1.30) puede ser escrita en forma ampliada como:

20

T a, b a x f af e i 2 f b
df (1.35)

podemos ver la forma inversa de la transformada de Fourier. Esto es un resultado

particularmente til cuando usamos aproximaciones discretas de la transformada
continua wavelet con datos de seales largas, como la transformada rpida de Fourier
(FFT) el algoritmo se emplea para facilitar el clculo rpido de la WT y su inversa. La
transformada de Fourier de la funcin wavelet a,b f , es usualmente conocida en
forma analtica y por lo tanto no necesita ser calculada usando una FFT. Solamente se
requiere una FFT de la seal original x f . Entonces, hacer T a, b , la inversa de FFT
del producto de la seal de la transformada de Fourier y la WT para cada escala a
requerida y multiplicando el resultado por a . La equivalencia entre el tiempo de
convolucin y las integrales de Fourier para determinar T a, b se representa en la
Figura 1.7.

a,b(t)
x(t)
a,b(t)
x(t)
x(t) a,b(t)

(a)
t
b

x(f) (af)
(af)
x(f) a(f)

x(f)

(b)
t
Figura 1.7. Representacin de la WT en el tiempo y frecuencia.

21
La naturaleza de bandpass de la wavelet se ve en la Figura 1.7b. La transformacin
inversa ecuacin (1.17), puede ser escrita de forma similar en trminos de una funcin
inversa de Fourier.

1.10 Wavelets complejas: Wavelet Morlet

Hasta ahora hemos usado la wavelet Mexican Hat para ilustrar muchas de las
caractersticas de la WT. Consideraremos las wavelets que tienen ambas partes tanto
real como imaginaria. Las wavelets complejas o analticas tienen transformada de
Fourier cuando son cero para frecuencias negativas. Podemos separar las
componentes de fase y amplitud dentro de la seal. Podemos hacer una versin
compleja de la wavelet Mexican Hat tomando su transformada de Fourier, fijando las
componentes de frecuencia negativa a cero en el dominio de Fourier y luego llevamos
una transformada inversa de Fourier para conseguir la wavelet compleja. Sin embargo,
la wavelet Morlet es:

t 1 4 ei 2f t e 2f
0 0 2 2
e t 2 2
(1.36)

donde f 0 es la frecuencia central de la wavelet madre. El segundo trmino en los

corchetes se conoce como el trmino de correccin, la senoide compleja del primer
trmino corrige la media diferente a cero. En la prctica se hace insignificante para
valores de f 0 0 y pueden ser ignorados, en tal caso, la wavelet Morlet puede ser
escrita en una forma ms simple:

t
1
e i 2f0t e t
2
2
(1.37)
14

Factor de Senoide Funcin campana

normalizacin compleja de Gauss

Esta wavelet es slo una onda compleja de la envolvente Gaussiana. Observando la

ecuacin (1.37) junto con la Figura 1.20(a). La forma de onda compleja sinusoidal en
trminos de e 0 cos2f 0t isen2f 0t . La envolvente de Gauss e t
i 2f t 2
2
tiene
desviacin estndar unitaria y confina la forma de onda senoide compleja. La Figura
3.8a muestra la parte real e imaginaria de la wavelet Morlet junto con su envolvente
Gaussiana. Podemos ver que la senoide real e imaginaria difiere en la fase por un
cuarto del perodo. El trmino 1 4 es un factor de normalizacin que asegura que la
wavelet tenga energa unitaria. Observar que la funcin de la ecuacin (1.37) no es
22
realmente una wavelet cuando tiene una media diferente de cero, por ejemplo el trmino
frecuencia cero corresponde al espectro de energa diferente de cero. Sin embargo,
puede ser usada en la prctica f 0 0 con error mnimo.
La transforma de Fourier de la wavelet Morlet es:

1
2f 2f 0 2
f 1 4 2e 2
(1.38)

que tiene la forma de una funcin Gaussiana desplazada a lo largo del eje de la
frecuencia por f 0 . La frecuencia central del espectro Gaussiano es elegida para que
sea la frecuencia caracterstica de la wavelet Morlet analtica en vez de la frecuencia
passband en general, que usamos antes para la wavelet Mexican Hat.
(t) 1.0 4.0
Componente real Densidad de energa
Componente imaginaria
Envolvente Gaussiana

0.0 2.0

a=1
f0 = 0.894
0.0
-1.0
0.0 0.5 f 0 1.0 1.5 2.0
-6 -4 -2 0 2 4 6 (b) f
(a) t

1.0 1.0
(t) Componente real (t) Componente real
Componente imaginaria Componente imaginaria
Envolvente Gaussiana Envolvente Gaussiana

0.0 0.0

a=1 a=1
f0 = 0.318 f0 = 1.909

-1.0 -1.0
-6 -4 -2 0 2 4 6 -6 -4 -2 0 2 4 6
(c) t (d) t

1.0 1.0
(t) Componente real
(t)
Componente imaginaria
Envolvente Gaussiana

0.0 0.0

a = 0.5 a=2
f0 = 0.894 f0 = 0.894 Componente real
Componente imaginaria
Envolventa Gaussiana
-1.0 -1.0
-6 -4 -2 0 2 4 6 -6 -4 -2 0 2 4 6
(e) t (f) t

Figura 1.8. Wavelet Morlet.

23
El espectro de energa (el cuadrado de la magnitud de la transformada de Fourier) dado
por:
f 2 1 2 e 2f 2f 2
2 0
(1.39)

La integral de sta da la energa de la wavelet Morlet, que es igual a la unidad de

acuerdo con la ecuacin (1.37). El espectro de energa de la wavelet Morlet se muestra
en la Figura 1.8b. La frecuencia central f 0 es la frecuencia de la senoide compleja y su
valor determina el nmero de efectividad o significado contenida en la forma de
onda senoidal con la envolvente, ejemplo aquel que no est muy cerca de la amplitud
cero. La frecuencia angular es 0 2f 0 . Para valores de 0 menores de 5 f 0 8 en
la ecuacin de la wavelet Morlet (1.36) debe ser usada cuando la funcin wavelet
simplificada (1.37), que contiene una media diferente a cero. La Figura 1.8c y d se
muestra a la wavelet Morlet con f 0 igual a 0.318 y 1.909 respectivamente, y se muestra
que el numero efectivo de oscilaciones contenidas dentro de la ventana Gausiana
aumentan con f 0 .
Aplicando la dilatacin y traslado en la wavelet Morlet, se remplaza t por t b a como
se hizo para la wavelet Mexican Hat con la ecuacin (1.11). Su forma es entonces:
t b 1 i 2f t b a 2 t b a 2
1
14 e 0 e (1.40)
a
En la Figura 1.8e y f se muestran las wavelets Morlet con escalas a de 0.5 y 2,
respectivamente. Podemos ver directamente de la ecuacin (1.40) que la desviacin
estndar de la envolvente de Gauss sobre el eje del tiempo es, un factor, simplemente
igual a a . Las Figuras 1.8e y f muestran el estiramiento y reduccin de la wavelet con la
escala a .

1.11 Transformada wavelet, transformada de Fourier en corto tiempo y cajas

de Heisenberg

En esta seccin miraremos brevemente las caractersticas tiempo-frecuencia de la WT

comparada con la transformada de Fourier en corto tiempo (Short Time Fourier
Transform, STFT). Consideraremos casos especficos de la WT Morlet y Gabor, en
ambas se emplea una ventana Gaussiana.
La wavelet Morlet tiene una forma muy similar a la funcin usada para la STFT dentro de
una ventana Gaussiana. La diferencia importante es que, para la WT Morlet, adaptamos
la escala de la ventana y cerramos la senoide juntas, mientras que para la STFT

24
mantenemos constante la longitud de la ventana y la escala solamente en la senoide
cerrada. La wavelet puede localizarse en tiempo para una duracin breve, ejemplo, alta
frecuencia, fluctuaciones, etctera. Sin embargo, hay una extensin asociada de la
distribucin asociada a la frecuencia con wavelets de corta duracin. A la inversa, hay
una extensin en la solucin temporal en frecuencias bajas; esto se ilustra en la Figura
1.9, en medio de la figura contiene un esquema de una wavelet Morlet (parte real
solamente) en las tres escalas.
Caja de Heisenberg
f en el plano
tiempo-frecuencia
f3

f
f2

t
f1

t
(t)
a,b
(parte real)

|a,b(t)|2 t

b1 b2 b3 t

La disminucin en la wavelet
esta asociado con el
incremento en el desarrollo
de las componentes
espectrales

|
^ a,b(f)|2 f

f1 f2 f3 f
Figura 1.9. Cajas de Heisenberg en el plano tiempo-frecuencia.

La densidad de energa de las wavelets son graficadas bajo el dominio del tiempo y
frecuencia, respectivamente a ,b t y a ,b f . Podemos ver en la figura que, cuando
2 2

la wavelet se contrae en el tiempo, llega a componerse de altas frecuencias con una

extensin ms amplia. La extensin de a ,b t y a ,b f pueden cuantificarse usando
2 2

25
 t y f respectivamente de la desviacin estndar alrededor de sus medias
respectivamente. Podemos representar la extensin de las wavelets en el plano tiempo-
frecuencia dibujando cajas en el lado largo de 2 t a 2 f . Esto se muestra en la parte
de arriba de la Figura 1.9.

Estas cajas son conocidas como cajas de Heisenberg, del principio de incertidumbre
de Heisenberg, que nos dice: el mnimo de rea que estas cajas pueden tener.
Especficamente, el producto t f debe ser ms grande o igual que 1 4 , por lo tanto,
una caja de Heisenberg es 1 . Es decir, para la funcin ventana Guassiana usada en
la transformada Morlet y la STFT considerada, t f es exactamente igual a 1 4 como
la distribucin Gaussiana es la forma de ventana ptima.

1.12 Wavelets en dos o ms dimensiones

Las dos dimensiones de la wavelet Mexican Hat en un plano coordenado t1 ,t 2 esta
dado por:

t 2 t e t
2
2
2
(1.58)

donde t es la coordenada del vector t1 ,t 2 y t t12 t 22 . La Figura 1.10 muestra un

par de wavelets Mexican Hat bidimensionales sobre el plano. La transformada wavelet
bidimensional es:

t b
T a, b xt dt
1

a a
(1.59)

donde b es la coordenada vectorial b1 ,b2 . Notar que al aadir la funcin wa para

hacer 1 a requiere conservar su energa a lo largo de las escalas para las wavelets
bidimensionales.

Figura 1.10. Wavelet Mexican Hat bidimensional.

26
Tambin la coordenada vectorial t t1 ,t 2 , es posible especificar dos espacios (en vez
de temporal) coordenados en la prctica, donde la funcin xt puede ser por ejemplo
superficies.
La transformada wavelet inversa correspondiente es:

1 t b
xt T a, b 3 db
1 da
Cg a g
0
a a
(1.60)

La WT en ms dimensiones D , son tambin posibles slo con extender la longitud de

los vectores t y b para componentes D . Para preservar la energa en la transformacin
D-dimensional, la funcin aadida es 1 a D 2 . Por lo tanto, D-dimensional de la wavelet
es definida por:
t b
a ,b t
1
(1.61)
a
D2
a

La transformada en D-dimensiones se hace:

T a, b a, b t xt dt (1.62)

inversa

xt t T a, b a
1 da
a ,b D 1
db (1.63)
Cg 0

y la energa de la seal puede ser encontrada como:

T a, b
1 da
E
2
db (1.64)
Cg 0
a D1

27
28
CAPTULO 2: TRANSFORMADA WAVELET DISCRETA

En este captulo, se trata la transformada wavelet discreta Discrete Wavelet

Transform (DWT)-, que bajo ciertos criterios permite reconstruir una seal original
usando sumatorias infinitas de los coeficientes de la wavelet discreta en vez de
integrales continuas (como se requiere en la CWT). Esto conduce a una transformada
wavelet rpida para su clculo as como para su inversa. Se ver cmo llevar a cabo
una transformada wavelet discreta sobre seales de entrada discontinuas de duracin
finita: que son la clase de seales que se presentan en la prctica. Tambin se
consideran las wavelets bi-ortogonales de poco tiempo, que vienen en pares, y en el
espacio se usa la transformada wavelet discreta bidimensional.

1.13 Marcos y bases de la wavelet ortogonal

1.13.1 Marcos

En la wavelet continua la funcin fue definida con escala a y localizacin b como:

1 t b
a ,b t (2.1)
a a
En esta seccin la transformada wavelet de una seal de tiempo continuo xt , se
considera que los parmetros son valores discontinuos en la dilatacin y translacin, a
y b.
Una manera natural de probar los parmetros a y b es usar una discretizacin
logartmica de la escala a y vincularlo con el tamao de los pasos tomados entre las
ubicaciones b , haciendo que b se mueva a a en los pasos discontinuos para cada
ubicacin b , que es proporcional a la escala a . Esta clase de discretizacin de la
wavelet tiene la forma:

t nb0 a0m
m,n t
1
m
(2.2)

m
a0 a0

donde los m y n controlan la dilatacin y translacin de la wavelet respectivamente; a0

es un parmetro fijo especifico del paso de la dilatacin teniendo un valor mayor que 1,
y b0 es el parmetro de localizacin que debe ser mayor que cero. Los parmetros de
control m y n son enteros, tanto positivos como negativos. Puede verse que el tamao

29
de la ecuacin de translacin de pasos b b0 a0m , es directamente proporcional a la
escala de la wavelet a0m .
La transformada wavelet de una seal continua xt , usa wavelets discontinuas de
la forma de ecuacin (2.2)

xt a a0mt nb0 dt
1
Tm,n m2
(2.3a)
0

tambin puede ser expresada como el producto interno

Tm,n x, m,n (2.3b)

donde Tm,n son los valores de la transformada wavelet discontinua sobre una cuadrcula
de localizacin y escala ndice m, n . Para la transformada wavelet discontinua, los
valores Tm,n son conocidos como los coeficientes de la wavelet o coeficientes de
detalle. Para determinar como buena la representacin de la seal en el espacio de la
wavelet que usa esta descomposicin, se puede recurrir a la teora de los marcos de la
wavelet, que utiliza un marco general para estudiar las propiedades de las wavelets
discontinuas. Los marcos de la wavelet son construidos por parmetros discretamente
de una muestra de tiempo y escala de una transformada wavelet continua como se vio
anteriormente. La familia de funciones de la wavelet que constituyen un marco, es de
forma que la energa de los coeficientes de la wavelet est dentro de cierta extensin
limitada de la energa de la seal original.

T
2
AE m ,n BE (2.4)
m n

donde Tm,n son los coeficientes de la wavelet discontinua, A y B son los lmites del
marco, y E es la energa de la seal original dada por la ecuacin (1.19):

E xt dt xt , donde la seal xt , es de energa finita. Los valores de los lmites
2 2

del marco A y B dependen de ambos parmetros a0 y b0 elegidos para el anlisis y la

funcin de la wavelet usada. Para ms detalles para determinar A y B ver Daubechies
(1992). Si A B , el marco es ajustado. Tales marcos tienen una frmula de
reconstruccin simple de una serie infinita

30
 1
xt Tm,n m,n t (2.5)
A m n

Escala m

a 2 m

m
Escala m
a 2
a 2
m 1

b
Figura 2.1. Wavelet Mexican Hat ajustada al marco con a0 2 y b0 0.5
Un marco ajustado con A B 1 es redundante, con A como una medida de la
redundancia. Sin embargo, cundo A B 1 la familia de la wavelet definida por el
marco, constituye una base ortonormal. Si A es diferente de B , la frmula de
reconstruccin puede ser escrita como:

x' t Tm,n m,n t
2
(2.6)
A B m n

donde x' t es la reconstruccin que difiere de la seal original xt , por un error que
depende de los valores de los lmites del marco. El error es pequeo para fines

31
prcticos, cuando la proporcin B est al borde de la unidad. Para el caso de la
A
wavelet Mexican hat, usando a0 21 ; dnde 2 y b0 0.5 , el marco es ajustado. Por
ejemplo, el marco a0 21 2 y b0 0.5 de la Mexican hat A 13.639 y B 13.673 ,
proporcin de B A igual a 1.002. Encerrando esta proporcin a la unidad, el marco es
ms ajustad. Por lo tanto, la discretizacin de una wavelet Mexican hat se transforma
usando esta escala y parmetros de localizacin, que dan como resultado una
representacin muy obsoleta de la seal, pero con muy poca diferencia entre xt y
x' t . El marco semi-ajustado de la wavelet Mexican hat con los parmetros a0 21 2 y
b0 0.5 se presentan en la Figura 2.1 para dos escalas consecutivas m y m 1 , en tres
ubicaciones consecutivas, n 0,1 y 2.

1.13.2 Escala de la malla dyadic y transformada wavelet ortonormal

Los parmetros comnmente usados en la wavelet discontinua de a0 y b0 son 2 y 1

respectivamente. El arreglo de la malla dyadic es una potencia de dos escalas
logartmicas tanto en la dilatacin y translacin. La malla dyadic es la discretizacin ms
simple y ms eficiente para propsitos prcticos y lleva entre si la construccin de una
base ortonormal de la wavelet. Al sustituir a0 2 y b0 1 en la ecuacin (2.2), la malla
de dyadic de la wavelet puede escribirse como:
t n2 m
m,n t
1
m
(2.7a)
2
m
2

ms compactamente, como:

m,n t 2m 2 2 m t n (2.7b)

Teniendo la misma notacin que la wavelet general discontinua de la ecuacin (2.2).

Usaremos m,n t para expresar nicamente a la malla dyadic escalada con a0 2 y
b0 1 .
Las mallas discretas de la wavelet son comnmente ortonormales a otras y
normalizdas, para tener energa unitaria. Esto se expresa como:

32

1 si m m' y n n
t t dt 0

m ,n m ',n '
para los dems
(2.8)

En otras palabras, el producto de cada wavelet con otros sistemas dyadic son cero.
Estas medias que guardan la informacin en un coeficiente de la wavelet Tm,n no se
repiten en otro lugar y permite la regeneracin completa de la seal original sin la
redundancia. De la ecuacin (2.8), cuando m m' y n n' , la integral de la energa de la
funcin wavelet es igual a la unidad. Las wavelets ortonormales tienes marcos limitados
A B 1 y la correspondiente familia de la wavelet es una base ortonormal. Una base
es un arreglo de vectores, de la cual puede definirse la seal completamente xt . Una
base ortonormal tiene componentes vectoriales que, adems de ser capaz de definir la
seal totalmente, son perpendiculares entre s.
Usando la wavelet de la malla dyadic de la ecuacin (2.7a), la transformada wavelet
discreta (DWT) puede ser escrita como:

Tm,n xt t dt

m ,n (2.9)

Escogiendo una base de la wavelet ortonormal m,n t , podemos reconstruir la

seal original en trminos de los coeficientes de la wavelet Tm,n , usando la transformada
wavelet discreta inversa de la siguiente manera:

xt T m ,n m,n t (2.10a)
m n

En realidad es la ecuacin (2.5), con A 1 debido a la ortonormalidad de la wavelet

elegida. La ecuacin (2.10a) se puede escribir en trminos del producto interno:

xt x, m,n m,n t (2.10b)
m n

donde la descomposicin combinada y los procesos de reconstruccin son: ir de, xt

a Tm,n va producto interno x, m,n y regresando a xt va sumatoria infinita. En la
adicin, como A B y A 1 , podemos ver que en la ecuacin (2.4), la energa de la
seal puede ser expresada como:

xt dt T
2 2
m ,n (2.11)
m n

33
 Es importante hacer la aclaracin que la diferencia entre la DWT y las
aproximaciones discretizadas de la CWT para su aplicacin prctica, involucra una
aproximacin discreta de la integral transformada, calculada sobre una malla discreta
de escala a y localizacin b . La transformada wavelet inversa continua tambin se
calcula como una aproximacin discreta. Como se acerca a una aproximacin de la
seal original, se recupera dependiendo de la solucin de la discretizacin usada
principalmente. Por otro lado, para la DWT, definida en la ecuacin (2.9), la
transformada integral esencial continua puede ser determinada nicamente sobre una
malla de escala a y localizacin b . Se pueden sumar los coeficientes de la DWT
(2.10a) para conseguir exactamente la seal original.

1.13.3 Funcin de escala y representacin multi-solucin

Las wavelets discretas ortonormales dyadic son asociadas con las funciones de
escala y sus ecuaciones de dilatacin. La funcin de escala se relaciona con la seal
suavizada y tiene la misma forma que la wavelet, dada por:

m,n t 2m 2 2 m t n (2.12)
Con la propiedad

t dt 1

0, 0 (2.13)

donde 0,0 t t es a veces la funcin de escala padre o wavelet father.

Hay que recordar que la integral de la funcin wavelet es cero. La funcin de escala
es ortogonal para las translaciones, pero no para las dilataciones, puede ser
convolucionada con la seal y producir coeficientes de aproximacin de la siguiente
manera:

S m ,n xt t dt

m ,n (2.14)

De las ltimas tres ecuaciones, podemos ver que los coeficientes de aproximacin
son los promedios simples ponderados de la seal continua factorizada por 2m 2 . Los
coeficientes de aproximacin en una escala especfica m son conocidos como la
aproximacin discreta de la seal en esa escala. Una aproximacin continua de la seal
en la escala m , puede ser generada sumando una secuencia de escalas de las
funciones en esta escala, factorizada por una aproximacin de coeficientes de la
siguiente manera:

34

xm t S
m ,n m ,n t (2.15)
n

donde xm t es suave, versin de la seal xt en el ndice de escala m , en escalas

pequeas m .
La Figura 2.2(a) muestra una funcin de escala simple, un bloque de impulso, en la
escala ndice 0 y localizacin 0: 0,0 t t -funcin padre- junto con dos dilataciones
correspondientes en esa localizacin. Se ve que la convolucin del bloque de impulso
con una seal ecuacin (2.14) resulta un promedio local aadido de la seal sobre la
parte diferente a cero del impulso. La Figura 2.2(b) muestra un perodo de una onda
senoidal xt contenido dentro de una ventana. La Figura 2.2(c) muestra varias
aproximaciones de la onda senoidal generada, usando las ecuaciones (2.14) y (2.15)
con la funcin escalada arreglada en un rango de anchos, 2 0 a 2 7 . Las lneas verticales
y las flechas en cada grafico muestran los anchos. La ecuacin (2.14) calcula los
coeficientes de aproximacin S m,n , mencionado anteriormente para un bloque simple de
la funcin de escala, de ancho medio de la seal sobre el ancho de pulso. Los
coeficientes de aproximacin se usan en la ecuacin (2.15) producen una aproximacin
de la seal que es slo una secuencia de funciones de escala, sobre puesta cada
factorizacin con su correspondiente coeficiente. Esto es obvio para el bloque natural
de las aproximaciones de la seal. La aproximacin en la escala de la ventana 27 es
simplemente el promedio sobre toda la onda senoidal igual a cero. Cuando la escala
disminuye, la aproximacin se ve acercarse a la forma de onda original. Esta simple
funcin de escala del bloque de impulso usada en este ejemplo se relaciona con la
wavelet Haar.
Podemos representar una seal xt usando una combinacin de la serie de
expansin, tanto de los coeficientes de aproximacin como los coeficientes de la
wavelet de la siguiente manera:
m0
xt S
m0 , n m0 , n t Tm,n m,n t (2.16)
n m n

35
Figura 2.2. Aproximacin suavizada de una senoide usando pulsos de bloques de una funcin
de escala.

Podemos ver en esta ecuacin que la seal continua original es expresada como una
combinacin de aproximacin de s misma, en el ndice de escala arbitrario m0 ,
aadiendo una sucesin de los detalles de la seal para escalas m0 por debajo del
infinito negativo. La seal en la escala m es:

d m t T m,n t
m ,n (2.17)
n

36
por lo tanto podemos escribir la ecuacin (2.16) como:

m0
xt xm0 t d t
m (2.18)
m

donde se puede mostrar que:

xm1 t xm t d m t (2.19)

nos dice lo siguiente: si aadimos el detalle de la seal a la aproximacin en una escala

arbitraria (ndice m ) a la aproximacin, conseguimos la seal aproximada en un
incremento de la solucin (por ejemplo, en una escala pequea, ndice m 1 ). A esto se
le llama una representacin de multi-soluciones.

1.13.4 Wavelet Haar

La wavelet Haar es el ejemplo ms simple de una wavelet ortonormal. La ecuacin

de escalamiento contiene solamente dos coeficientes de escalamiento diferentes de
cero y se define por:
t 2t 2t 1 (2.20)

es decir, sus coeficientes de escalamiento son c0 c1 1 . Los valores de los

coeficientes, se obtienen resolviendo las ecuaciones (2.21) y (2.22) simultneamente. La
solucin de la ecuacin de escalamiento Haar es un bloque simple de pulso mostrado
en la Figura 2.3(a) y definido como:
1 0 t 0
t (2.21)
0 otros casos

Reordenando la secuencia de los coeficientes de acuerdo a la ecuacin (2.25)

podemos ver que corresponde a la ecuacin de la wavelet Haar que es:

t 2t 2t 1 (2.22)

La wavelet Haar se presenta en la Figura 2.3(b) y se define como

37
 1 0 t 1 2

t 1 1 2 t 1 (2.23)
0 otros casos

(t) (2t) (2t-1)

Funcin
de escala

0 1 0 1/2 0 1/2 1
(a)

(t) (2t)
Funcin
wavelet

(b) (2t-1)

(c) (d) (e)

Figura 2.3. Wavelets ortonormales discretas.

La wavelet madre para el sistema de wavelet Haar t 0,0 t , formada por dos
dilataciones unidas por bloques de pulso puestos entre s sobre el eje del tiempo, con
uno de ellos invertido. De la wavelet madre podemos formular el sistema de las wavelets
Haar sobre una malla dyadic m,n t . Esto se ilustra en la Figura 2.3(e) para tres escalas
consecutivas. La naturaleza ortogonal de la familia de las wavelets Haar en un sistema
de malla dyadic se ve en la Figura 2.3(d), donde se puede ver que la parte positiva y
negativa de la wavelet Haar en cualquier escala coinciden con una parte constante

38
(positiva o negativa) de la wavelet Haar en la escala mayor ms prxima (y todas las
subsecuentes escalas mayores). Adems, las wavelets Haar con el mismo ndice de
escala m sobre una malla dyadic no se traslapan. Por lo tanto, la convolucin de la
wavelet Haar en la misma malla dyadic es cero. La Figura 2.3(e) muestra tres wavelets
Haar que no estn sobre una malla dyadic. Adems, si estas wavelets se traslapan a lo
largo de cada escala destruye la ortogonalidad.
Definitivamente, la wavelet Haar es de ancho finito sobre el eje del tiempo; es decir
tiene un soporte compacto. Las wavelets, que tienen soporte compacto tienen un
nmero finito de coeficientes de escala. No todas las wavelets ortonormales tienen
soporte compacto. La Figura 2.3(f), muestra una wavelet Meyer que es ortonormal al
soporte infinito, aunque, como con todas las wavelets, se localiza un decaimiento rpido
de su pico central.

1.13.5 Transformada wavelet rpida (Fast Wavelet Transform, FWT)

De la ecuacin (2.14), podemos ver que los coeficientes de aproximacin en el

ndice de escala m 1 esta dado por:

S m1,n xt

m1,n t dt (2.24)

Usando la ecuacin (2.27b) de la forma:

1
S m1,n xt


2 k
ckm, 2 nk t dt

(2.25)

re-escribindola como:

k xt m , 2 n k t dt
1
S m1,n c
2 k
(2.26)

De la integral en corchetes se obtiene la aproximacin de los coeficientes S m, 2 nk

para cada k . Podemos escribir esta ecuacin como:

1 1
S m1,n
2 k
ck S m, 2 nk ck 2n Sm,k
2 k
(2.27)

Por lo tanto, al usar esta ecuacin, generamos la aproximacin de los coeficientes

39
en el ndice de escala m 1 usando los coeficientes de escalamiento en la escala previa.
De forma semejante, los coeficientes de la wavelet pueden ser encontrados los
coeficientes de aproximacin en la escala previa, que usa los coeficientes de
escalamiento bk de la siguiente manera:
1 1
Tm1,n
2 k
bk S m, 2 nk bk 2n Sm,k
2 k
(2.28)

Podemos ver que, sabiendo la aproximacin de los coeficientes S m0 ,n en una escala

especfica m0 entonces, a travs de repetir la aplicacin de las ecuaciones (2.27) y
(2.28), podemos generar la aproximacin de los coeficientes y detalles de la wavelet en
todas las escalas mayores de m0 . Al hacer esto, no necesitamos saber exactamente
qu hace la seal continua subyacente xt , solamente S m0 ,n . Las ecuaciones (2.27) y
(2.28) representan la multi-solucin del algoritmo de descomposicin. El algoritmo de
descomposicin es la primera mitad de la transformada wavelet rpida que permite
calcular los coeficientes de la wavelet por este camino, en vez de calcular las laboriosas
ecuaciones para la convolucin (2.9). Iterando las ecuaciones (2.27) y (2.28) se lleva a
cabo respectivamente un filtrado highpass y lowpass de la salida, consiguiendo las
entradas S m1,n y Tm1,n . Los vectores contenidos en las secuencias 1 2 ck y 1 2 bk

representan los filtros: 1 2 ck es el filtro lowpass, dejando completamente bajas
frecuencias y por lo tanto una versin suavizada de la seal; 1 2 bk es el filtro
highpass, dejando completamente altas frecuencias que corresponde a los detalles de
la seal.
Se puede ir en direccin contraria y reconstruir S m,n de S m1,n y Tm1,n . Ya que
sabemos de la ecuacin (2.17) que xm1 t xm t d m (t ) ; podemos expandirlo como:

xm1 t S m,nm,n t Tm,n m,n t (2.29)

n n

Usando las ecuaciones (2.27b) y (2.28) que pueden expandirse en trminos de la

funcin de escalamiento en escalas previas de la siguiente manera:

xm1 t S m,n ckm1, 2 nk t Tm,n bkm1,2nk t

1 1
n

2 k n 2 k
(2.30)

40
 Cambiando los ndices de la sumatoria, conseguimos:

xm1 t S m,n ck 2 nm1,k t Tm,n bk 2nm1,k t

1 1
n

2 k n 2 k
(2.31)

Tambin sabemos que podemos expandir xm1 t en trminos de los coeficientes de

aproximacin en la escala m 1 :
xm1 t S m1,nm1,n t (2.32)
n

Comparando los coeficientes de la ecuacin (2.32) con la ecuacin (2.31) notamos

que el ndice k en el ndice de escala m se relacionan con el ndice de localizacin n
en el ndice de escala m 1 . Adems, el ndice de localizacin n en la ecuacin (2.31)
no es equivalente al ndice de localizacin n en la ecuacin (2.32), como aqul
corresponde al ndice de escala m , con la asociada localizacin discreta espaciada 2m ,
y el ltimo ndice de escala m 1 con la localizacin discreta espaciada 2m1 . Por lo
tanto, el ndice n est dos veces en la ltima expresin. El camino ms simple para
seguirlo, antes de comparar las dos expresiones, es intercambiar los ndices k y n en
la ecuacin (2.31), despus de un poco de lgebra, se obtiene el algoritmo de
reconstruccin:
1 1
S m1,n
2 k
cn2 k S m,k bn2kTm,k
2 k
(2.33)

donde hemos rehusado k como el ndice de localizacin de los coeficientes de la

transformada en el ndice de escala m para diferenciarlo de n , del ndice de
localizacin en la escala m 1 . Por lo tanto, en la escala ms pequea m 1 , los
coeficientes de aproximacin pueden encontrarse con una combinacin de los
coeficientes de aproximacin y los coeficientes de detalle en la prxima escala m . Si
hay solamente un nmero finito de los coeficientes de escalamiento diferentes a cero
N K entonces cn2k tiene valores diferentes a cero, solamente en el rango de 0 a
N k 1 . La reconstruccin del algoritmo es la segunda mitad de la transformada wavelet
rpida (FWT). En la literatura la transformada wavelet rpida, transformada wavelet
discreta, algoritmos de descomposicin/reconstruccin, transformada rpida de la
wavelet ortogonal, algoritmos de multi-solucin, algoritmo pirmide, algoritmo de rbol,
etctera, son usados para representar lo mismo. Se hace an ms confuso cuando
otras discretizaciones de la transformada wavelet continua se refieren a la transformada
wavelet discreta. Hay que tener cuidado en no confundirlas.

41
 1.14 Energa de la wavelet
La energa contenida en los coeficientes en cada escala es:
2M m 1
Em T
n 0
m ,n
2
(2.34)

Una wavelet basada en el espectro de potencia de la seal puede ser encontrada al

usar las escalas dependientes de energa. Para hacerlo, requerimos una medicin de la
frecuencia, que es reciproco de la dilatacin de la wavelet, por ejemplo el centro
passband del espectro de potencia de la wavelet. Un espectro de potencia de la
wavelet de la seal es directamente comparable con sus contrapartes de Fourier, y la
wavelet continua.
Energa total de la seal de entrada discreta esta dado por:

N 1
E S0,n (2.35)
2

n 0

es igual a la suma de los cuadrados de los coeficientes de detalle elevado sobre todas
las escalas, ms el cuadrado de los coeficientes de aproximacin S M ,0 de la siguiente
manera:
M 2M m 1
E S M ,0 T (2.36)
2 2
m ,n
m1 n 0

La energa contenida dentro del vector transformado en todas las etapas de la

multi-solucin de la descomposicin es constante. Podemos, por lo tanto, escribir la
conservacin de la energa en forma general como:

N 1
E Wi m
2
(2.37)
i 0

donde Wi m son las componentes individuales del vector transformado W m . Cundo

m 0 , esta ecuacin corresponde a la sumatoria de los componentes de energa de la
seal de entrada (2.35) y cundo m M corresponde a la sumatoria de la energas
dentro de los componentes de descomposicin (2.36).

1.14.1 ndice alternativo de los coeficientes de la malla dyadic

Hay tres mtodos principales usados en la prctica para encontrar el ndice de los
coeficientes de la transformada wavelet discreta. Utilizando una seal de entrada con 32
componentes tenemos lo siguiente.

42
 ndice de escala: el sistema de ndice de escala m, n corresponde a una seal de
entrada con longitud N 2M , que se presenta esquemticamente sobre una malla
dyadic en la Figura 2.4(b), y la seal discreta en la Figura 2.4(a). La escala ms
pequea sobre la malla m 1 corresponde a un espaciado de 2' 2 sobre los datos. La
seal de entrada discreta se encuentra en el ndice de escala m 0 . En la Figura 2.4(c)
se muestra el resultado de la transformada en la malla. Tales grficas dan una buena
indicacin visual, cubriendo el plano tiempo-escala por las wavelets y su respectiva
importancia en la seal.

(a) Seal discreta

X0
X1 X XN-1
2

(b) Malla dyadic (N-32)

T1,1 T1,2 T1,15
T1,0
ndice de escala 1
ndice de escala 2 T2,0 T2,1 T2,2 T2,7
ndice de escala 3 T3,0 T3,1 T3,2 T3,3
ndice de escala 4 T4,0 T4,1
ndice de escala 5 T5,0
S5,0 componentes de la seal media

(c) Coeficientes de la transformada

ndice secuencial
W0 W1 W2 W3 W4 W5 WN-3 WN-2 WN-1

SM,0
TM,0
TM-1,0 TM-1,1 T1,0 T1,15
TM-2,0 TM-2,1 TM-2,2 TM-2,3
ndice de escala correspondiente

(d) Sistema ndice de l,n

T4,1 T4,2 T4,15
T4,0
ndice de escala 4
ndice de escala 3 T3,0 T3,1 T3,2 T3,7
ndice de escala 2 T2,0 T2,1 T2,2 T2,3
ndice de escala 1 T1,0 T1,1
ndice de escala 0 T0,0
ndice de escala -1 componente de la seal media

Figura 2.4. Diagrama esquemtico del mtodo de ndice alternativo de la malla dyadic de WT.

43
 ndice secuencial: Sabemos que una seal de N muestras, produce N
componentes vectoriales de la wavelet. La Figura 2.4(c) contiene un esquema de los
coeficientes de la transformada en formato secuencial. Tiene sentido, por lo tanto,
encontrar un orden de estos coeficientes para ajustarse a un vector de longitud N . La
serie de tiempo discreta S0,n , n 0,1,2,, N 1, puede ser descompuesta en N 1
coeficientes de detalle ms un coeficiente de aproximacin, donde N es entero de
potencia 2 : N 2M . Despus de hacer la descomposicin de los coeficientes
completa de la transformada, se pueden reordenar en arreglos dyadic en dos
dimensiones Tm ,n para la transformada del vector W M , donde los componentes Wi M
tienen el mismo rango que la seal original i 0,1,2,, N 1 . La componente del
vector ndice i se encuentra para los ndices de la malla de dyadic m y n a travs de la
relacin i 2M m n . Adems, el superndice M entre parntesis significa una
descomposicin completa de la seal desde las escalas M . Las componentes de la
transformada del vector Wi M , se grafican en la Figura 2.4(c). La ltima mitad de la serie
en la figura representa los coeficientes correspondientes a la escala ms pequea de la
wavelet (ndice m 1 ). El siguiente cuarto, de atrs para adelante, representa los
coeficientes correspondientes al ndice de escala m 2 , el siguiente octavo para los
coeficientes m 3 y as sucesivamente, regresando a Wi M , que es un coeficiente
simple para el ndice de escala m M . La componente W0M es un coeficiente sencillo
de aproximacin S M ,0 . Si interrumpimos el algoritmo de descomposicin en la escala
m0 (antes de la descomposicin completa) resulta una transformada del vector
intermedia W m0 , que contiene un nmero de coeficientes de aproximacin S m0 ,n en su
origen.
Nivel del ndice: El ndice de nivel l es simplemente igual a M m , que es usado a
menudo en lugar de ndices de escala m . En este caso, el nmero de wavelets usadas
cubren la seal en cada nivel especfico que es 2l , por ejemplo el nivel l 0
corresponde a una wavelet sencilla y la escala que le corresponde es en toda la serie de
tiempo, al nivel l 1 le corresponde dos wavelets, y la escala a la mitad de la serie de
tiempo, y as sucesivamente. Adems, es usual en esta nomenclatura estndar, que el
coeficiente de aproximacin que da en el nivel l 1 , quedando el arreglo de la wavelet
en Tl ,n . La Figura 2.4(d) muestra el sistema ndice de l, n . El nivel ndice se usa cuando
la seal especifica la unidad del intervalo y el anlisis es puesto en trminos de la
solucin en vez de la escala Por ejemplo, a ms baja resolucin l 0 , corresponde a la
longitud de la seal, mientras que la ms pequea m 0 corresponde a la distancia

44
entre cada punto de la seal.

1.14.2 Ejemplo de la transformada wavelet Haar

Ilustrando los mtodos descritos usando una wavelet Haar en la descomposicin

de una seal de entrada discreta S0,n : n 0,1,2,, N 1 . Empleamos primero el
algoritmo de descomposicin usando las ecuaciones (2.27) y (2.28).
La wavelet Haar tiene dos coeficientes de escala, c0 1 y c1 1 . Sustituyendo stos
en la ecuacin (2.27), podemos obtener los coeficientes de aproximacin en la prxima
escala a travs de la relacin:

S m1,n
1
Sm,2n Sm,2n1 (2.38)
2

De forma semejante, a travs de la ecuacin (2.28) podemos obtener los

coeficientes de detalle en las escalas subsecuentes usando:

Tm1,n
1
Tm,2n Tm,2n1 (2.39)
2

Llevando a cabo la descomposicin de la wavelet Haar de una seal simple

discreta, (1, 2, 3, 4). Cuando la seal contiene solamente cuatro puntos de datos,
podemos llevar a cabo dos iteraciones del algoritmo de descomposicin Haar por las
ecuaciones (2.38) y (2.39) solamente. Despus de que dos iteraciones se obtiene
cuatro coeficientes transformados: tres coeficientes de la wavelet Tm ,n ; dos en el ndice
de escala m 1 , T1,0 ,T1,1 ; uno en el ndice de escala m 2 , T2, 0 ; ms un coeficiente
de la seal media en el ndice de escala m 2 , S 2, 0 . Esto se ilustra a travs de un
esquema de los coeficientes en la Figura 2.5.

45
 S0,0 S0,1 S0,2 S0,3 S1,0 S1,1 T1,0 T1,1 S2,0 T2,0 T1,0 T1,1

5 5 5
Primera iteracin 0 Segunda iteracin 0

0 -5 -5
0 0 0
(a) (b) (c)
seal discreta de
entrada xi = (1,2,3,4)

3 3 3

0 0 0

-3 0 -3 0 -3 0
(d) x2 (t)= seal media (e) d2 (t) (f) d1 (t)

T T
1,0 1,1

T
2,0

S
2,0
(g)

x (2.5) x (-1.0) x (-0.5) x (-0.5) x0(t)

(h)

Figura 2.5. Descomposicin y reconstruccin de la wavelet Haar de una seal rampa simple.

La primera iteracin de la descomposicin del algoritmo da:

T1, 0
1
1 2 1 T1,1 1 3 4 1
2 2 2 2
S1, 0
1
0 3 3
S1,1
1
3 4 7
2 2 2 2

El coeficiente de la transformada del vector, despus de esta primera iteracin, es

entonces:
3 7 1
W 1 S1,0 , S1,1 , T1,0 , T1,1
1
, , ,
2 2 2 2

46
 La segunda iteracin (solamente involucra los coeficientes restantes de
aproximacin S1, 0 y S1,1 ):
1 3 7 1 3 7
T2,0 2 y S 2,0 5
2 2 2 2 2 2

El coeficiente de la transformada del vector despus de esta segunda iteracin es:

1
Wi 2 S 2,0 , T2,0 , T1,0 , T1,1 5,2,
1
,
2 2

La seal media se encuentra en el coeficiente de aproximacin, por ejemplo

S 2, 0 2 2
2.5 . Tambin podemos ver que la energa de la seal discreta original
12

22 32 42 30 es igual a la energa del coeficiente de la transformada del vector
despus de la primera iteracin:
2 2 2 2
3 7 1 1
30
2 2 2 2

y la segunda iteracin, dando la descomposicin completa:

2 2
1 1
5 2 30
2 2

2 2
que es el resultado esperado para la condicin de conservacin de energa expresada
en las ecuaciones (2.34) a (2.37).
La transformada inversa Haar puede escribirse simplemente (incluso en
ubicaciones pares 2n ) como:

S m, 2 n
1
Sm1,n Tm1,n (2.40)
2

y en localizaciones impares 2n 1 :

S m, 2 n1
1
Sm1,n Tm1,n (2.41)
2

Para la transformada wavelet Haar, se puede derivar esta reconstruccin de

ecuaciones directamente de las ecuaciones (2.38) y (2.39). Por otra parte, podemos
derivar el algoritmo de reconstruccin de la ecuacin (2.33).

47
 Llevando a cabo la reconstruccin sobre la transformada del vector que acabamos
de calcular:
1
W 2 S 2,0 , T2,0 , T1,0 , T1,1 5,2,
1
,
2 2
En la primera iteracin se usa la reconstruccin par ecuaciones (2.40) y (2.41) :

S1,0
1
S2,0 T2,0 3 S1,1 1 S2,0 T2,0 7
2 2 2 2
la cual resulta:
3 7 1
S1, 0 , S1,1 , T1,0 , T1,1 , ,
1
,
2 2 2 2
iterando otra vez da:

S 0, 0
1
S1,0 T1,0 1 S0,1 1
S1,0 T1,0 2
2 2
S 0, 2
1
S1,1 T1,1 3 S0,3 1
S1,1 T1,1 4
2 2

por lo tanto conseguimos la seal original S0,0 , S0,1 , S0, 2 , S0,3 1,2,3,4 .

La Figura 2.5 intenta mostrar visualmente la descomposicin de la seal dentro de

los componentes de la wavelet Haar: Figura 2.5(a) contiene la seal original; Figura
2.5(b) grfica los coeficientes despus de la primera iteracin del algoritmo de
descomposicin y Figura 2.5(c) grfica los coeficientes despus de la segunda iteracin
del algoritmo. Los coeficientes contenidos en la Figura 2.5(c) corresponden a una
funcin sencilla escalada del ndice de escala m 2 , una wavelet en el ndice de escala
m 2 y dos wavelets en el ndice de escala m 1 . Estas se muestran respectivamente
en las Figuras 2.5(d)-(f). La grfica de la transformada de los coeficientes para esa
seal es equitativamente simplista, consiste de cuatro valores de coeficientes divididos,
como se muestra en la Figura 2.5(g).
Podemos encontrar la aproximacin correspondiente y los detalles de la seal
tomando la transformada inversa de los coeficientes en cada escala. Primero, el
coeficiente de aproximacin se usa para determinar la seal de aproximacin de la
escala mayor:

x2 t S2,02,0 t (2.42)
donde 2,0 t es la funcin escalada para la wavelet Haar, es simplemente un bloque de
pulso de longitud 4 y amplitud 1 2 , comenzando en t 0 . Por lo tanto, x2 t es slo un

48
pulso de bloque de longitud 4 y magnitud S2,0 1 2 2.5 , que es la seal media. Una
grfica de x2 t se muestra en la Figura 2.5(d). De forma similar, podemos obtener la
componente detallada de la seal en el ndice de escala 2, de la siguiente manera:

d 2 t T2,0 2,0 t (2.43)

Esta componente de detalle, mostrada en la Figura 2.5(e), es una simple wavelet

Haar, abarcando los datos con valor de coeficiente T2,0 2 , por lo tanto la magnitud es
1 . Despus, la componente de la seal de detalle en el ndice de escala 1 se
encuentra para:

1
d1 t T1,n 1,n t T2,0 2,0 t (2.44)
n 0

que es simplemente dos wavelets Haar de ndice de escala 1, de lado a lado, con
amplitudes T1,0 2 1 2 2 0.5 y T1,1 2 1 2 2 0.5 . La
componente de detalle d1 t se grafica en la Figura 2.5(f). Sabemos que de la ecuacin
(2.45) la aproximacin de la seal en el ndice de escala 0 se puede encontrar
aadiendo junto a todas las componentes de detalle la aproximacin de la seal en el
ndice de escala M , i.e.
M
x0 t xM t d m t (2.45a)
m1

Para el caso Haar consideramos que M 2 , por lo tanto

x0 t x2 t d 2 t d1 t (2.45b)

Esto es slo la suma de las componentes de aproximacin y detalle mostradas en

las Figuras 2.5 (d)-(f), que se muestra esquemticamente en la Figura 2.5(h).

1.15 Wavelets Daubechies

Como vimos con la transformada wavelet Haar anteriormente en la seccin 2.1.4,

los coeficientes son ordenados en dos secuencias distintas: uno acta cuando un filtro
suavizado para los datos, lo dems extrae el detalle de la seal en cada escala. La
wavelet Haar es sumamente simple en lo que respecta, tiene solamente dos

49
coeficientes de escala y ambas son igual a la unidad. En esta seccin, tomaremos a
una familia de wavelets discretas de la cual la wavelet Haar es la ms simple de las
wavelets Daubechies. Adems de satisfacer estos criterios, Daubechies requirieren que
sus wavelets tengan soportes compactos (i.e. un nmero finito, N k , de coeficientes de
escala) y son suaves hasta cierto grado. La suavidad de la wavelet es asociada con una
condicin de momento como se puede expresar en trminos de los coeficientes de
escala como:

N k 1

1 c k
k 0
k
k
m
0 (2.46)

para nmeros enteros m 0,1,2,, N k 2 1 . Estas wavelets tienen N k 2 momentos de

desvanecimiento, con medias que podemos suprimir sus partes de la seal que son
polinomios arriba del grado N k 2 1. Las wavelets Daubechies son muy buenas para
representar el comportamiento del polinomio dentro de la seal. Algunos ejemplos de
las wavelets Daubechies, sus funciones de escalamiento y el espectro de energa
asociados se muestran en la Figura 2.6.
El soporte de longitudes de las wavelets Daubechies es N k 1 , por ejemplo la
wavelet D2 (Haar), tiene un soporte de longitud 1, la wavelet D4 tiene soporte de
longitud 3, la D6 un soporte de longitud 5, etctera. Podemos ver de la Figura 2.6 que la
funcin de escalamiento deja las frecuencias ms bajas y acta como un filtro lowpass,
y la wavelet asociada deja frecuencias ms altas y acta como un filtro highpass.
Adems, podemos ver que los espectros son oscilatorios en la naturaleza, con
protuberancias decrecientes en la amplitud para las frecuencias ms altas. Las
magnitudes de las protuberancias secundarias en los espectros se reducen como el
nmero de coeficientes de escalamiento, y por lo tanto el nmero de los momentos
desvanecidos de la wavelet, aumentan.

50
 Wavelet Funcin de escala Espectrum Wavelet Espectro de la funcin
de escala
2 2 1 1

0 0 0.5 0.5

-2 -2 00 00
0 1 0 1 1 2 3 4 5 6 7 8 9 1 2 3 4 5 6 7 8 9
(a) D2 (Haar)
2 2 1 1

0 0 0.5 0.5

-2 -2 00
0 1 2 3 0 1 2 3 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9
(b) D4
2 2 1 1

0 0 0.5 0.5

-2 -2 00
0 1 2 3 4 5 0 1 2 3 4 5 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9
(c) D6
2 2 1 1

0 0 0.5 0.5

-2 -2 00 00
0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 1 2 3 4 5 6 7 8 9 1 2 3 4 5 6 7 8 9
(d) D10
2 2 1 1

0 0 0.5 0.5

-2 -2 00 00
0 10 20 0 10 20 1 2 3 4 5 6 7 8 9 1 2 3 4 5 6 7 8 9
(e) D20

Figura 2.6. Wavelets Daubechies y su funcin de escala con su espectro de energa.

La wavelet Daubechies tiene cuatro coeficientes de escalamiento, la D4. La "D"
representa esta familia especial de la wavelet de Daubechies y el "4" representa el
nmero de coeficientes de escalamiento diferentes a cero, N k . Las wavelets
Daubechies tambin se definen a menudo por el nmero de los momentos cero que
tienen, iguales a N k 2 , en qu caso la secuencia corre D1, D2, D3, D4,, etctera.
Sabemos que la ecuacin de escalamiento para cuatro coeficientes de una wavelet
es:

t c0 2t c1 2t 1 c2 2t 2 c3 2t 3 (2.47)

51
y la funcin wavelet correspondiente es:

t c3 2t c2 2t 1 c1 2t 2 c0 2t 3 (2.48)

Encontrar los valores de los coeficientes de escalamiento para la wavelet D4

usamos la ecuacin (2.46) y con conseguimos:
c0 c1 c2 c3 2 (2.49)
c02 c12 c22 c32 2 (2.50)
y de la ecuacin (2.46) con m 0 conseguimos:

c0 c1 c2 c3 0 (2.51)
usando la ecuacin (2.74) , ajustando el tiempo en m 1 , conseguimos:
1c1 2c2 3c3 0 (2.52)
Cuatro coeficientes de escalamiento que satisfacen las 4 ecuaciones anteriores
son:
1 3 3 3 3 3 1 3
c0 c1 c2 c3
4 4 4 4
y
1 3 3 3 3 3 1 3
c0 c1 c2 c3
4 4 4 4
Las primeras resultan de t y las siguientes de t . Adoptaremos las primeras
propuesta, que son, c0 0.6830127 , c1 1.1830127 , c2 0.3169873 y c3 0.1830127
respectivamente. Los coeficientes de escalamiento para el sistema wavelet Daubechies
para los nmeros ms grandes de los coeficientes se encuentran por clculo numrico.
Podemos calcular la funcin de escalamiento de los coeficientes D4 usando la
ecuacin (2.47). Al hacer esto debemos re-escribirlo como:

j t c0 j 1 2t c1 j 1 2t 1 c2 j 1 2t 2 c3 j 1 2t 3 (2.53)

donde los subndices j es el nmero de iteracin. Eligiendo una forma inicial

arbitraria para la funcin de escalamiento 0 t encontramos 1 t , luego usamos 1 t y
encontramos 2 t , hasta que j t j 1 t o por lo menos hasta que j t se acerque lo
suficientemente a j 1 t .
Una vez que tenemos una aproximacin para t podemos definir la wavelet

52
directamente de la ecuacin (2.48). Sin embargo, la funcin transformada wavelet D4
de una seal discreta en la prctica no requiere el clculo de la wavelet o funciones de
escalamiento directamente; slo emplea algo de los coeficientes de escalamiento
dentro del algoritmo de multi-solucin (ecuaciones (2.27) y (2.28)) de la misma manera
que la wavelet Haar. En este caso, la aproximacin de los coeficientes son calculados
usando:

1 Nk 1
S m1,n ck Sm,2nk
2 k 0

1
c0 Sm,2n c1Sm,2n1 c2 Sm,2n2 c3Sm,2n3 (2.54)
2
0.483S m, 2 n 0.837 S m, 2 n1 0.224S m, 2 n2 0.129S m, 2 n3

53
CAPTULO 3: ANLISIS DE TIEMPO-FRECUENCIA EN SEALES

En este captulo, se presentan varias herramientas disponibles para analizar seales

no estacionarias y se comparan sus diferentes caractersticas. Las seales en
fenmenos transitorios y en la turbulencia, que son muy comunes en la Ingeniera
Hidrulica y en la Mecnica de Fluidos por su naturaleza son no estacionarias.

2.1 Mtodos: Anlisis de seales

Para estudiar las series de tiempo, se han desarrollado varios mtodos.

Frecuentemente, el ms usado es la Transformada de Fourier (Fourier Transform, FT),
Transforma de Fourier de Corto Tiempo (Short-Time Fourier Transform, STFT) y la
representacin Wigner-Ville. La Transformada Wavelet (Wavelet Transform, WT) es un
mtodo recientemente propuesto para estudiar las seales no estacionarias y con
caractersticas de no linealidad, as como para encontrar discontinuidades. Cada
mtodo tiene sus propias ventajas y desventajas dependiendo de dnde sean usados y
se vern a continuacin.

2.1.1 Anlisis de Fourier

El mtodo ms comnmente usado ha sido el anlisis de Fourier, que revela el

contenido de frecuencia de cualquier seal descomponindola en senoidales de
diferentes frecuencias. La serie de Fourier es usada para seales peridicas, mientras
que para seales no peridicas se usa la transformada de Fourier.

54
 [Link] Series de Fourier

En 1822, Fourier public Theorie Analytique de la Chaleur, Teora analtica del

calor donde menciona que para cualquier seal peridica de periodo o sea

, puede expresarse como:

donde es la frecuencia angular fundamental en radianes por segundo y los

coeficientes de los trminos de coseno y seno (coeficientes de Fourier) se obtienen de

la siguiente manera:

[Link] Transformada de Fourier

Si es el cuadrado de la funcin integrable , su transformada de Fourier

se define como:

55
donde , es la frecuencia en radianes por segundo, y es el campo de los

nmeros reales. Cuando es el valor real . Debido a que no existe

de menos infinito a ms infinito, prcticamente la transformada de Fourier de una seal

de energa finita puede escribirse como:

donde es un nmero suficientemente grande, generalmente a una potencia de 2.

Puede recuperarse por medio de la siguiente ecuacin:

Al analizar seales por medio de la transformada Fourier, llamado anlisis espectral,

es una tcnica usual de obtener informacin sobre una seal peridica. Sin embargo,
las seales analizadas no son continuas en el tiempo debido a los procedimientos de
medicin de una seal fsica de entrada. Para arreglrsela con esta clase de seales, la
transformada discreta de Fourier (Discrete Fourier Transform, DFT) puede ser utilizada
en lugar de la series de Fourier (Oonincx, 2000). DFT puede ser calculada de una
manera rpida usando el algoritmo de mariposa (Cooley y Tukey, 1965). Este
algoritmo organiza los coeficientes de Fourier de cierta manera para su clculo en
sentido recursivo. El clculo de la Transforma Rpida de Fourier (Fast Fourier
Transform, FFT). En MATLAB, este algoritmo esta codificado dentro de la funcin FFT
y el resultado de la FT presentados en este trabajo se obtienen usando esa funcin. El
resultado de la FFT es un arreglo de valores complejos, por lo tanto para eliminar las
partes imaginarias, se hace el cuadrado del mdulo de las amplitudes de la FT que se
grafican obtenindose el espectro de la amplitud de Fourier (Fourier Amplitude
Spectrum, FS).
Mientras la FT da informacin valiosa sobre las frecuencias en una seal, no es

56
posible tener alguna informacin sobre la ubicacin temporal de esas frecuencias. Por
lo tanto, es apropiado solamente para seales estacionarias. Superar este problema de
corto tiempo o de corto plazo es utilizar la transformada de Fourier de corto tiempo
(STFT).

2.1.2 Transformada de Fourier de corto tiempo (STFT)

La idea en STFT es cortar la seal original en segmentos de duracin ms

pequeos y aplicando la FT se obtiene las componentes de frecuencia en cada
segmento. Las funciones obtenidas por este crudo recorte son en general no peridicas
y la FT interpretar los saltos en las fronteras como discontinuidades o variaciones
abruptas de la seal e introducir harmnicos de mayor orden para quedar en la forma
de la onda. Para evitar esto, se introduce el concepto de ventanas. En lugar de localizar
por medio de funciones rectangulares, se usa una funcin suave ventana, que est
cerca del origen y se descompone hacia el cero en los bordes. Por esta razn la STFT
se le conoce como la transformada de Fourier de ventanas. Cualquier funcin cuadrada
integrable puede ser usada como una ventana, pero ciertos criterios deben ser
cubiertos. La principal propiedad de una buena ventana es su buena localizacin en el
dominio tanto en el tiempo como en la frecuencia. Algunas ventanas son favorables
como Hamming, Hanning, Bartlett, Blackman, Kaiser y Gaussian (Carmona et al, 1998).
La razn por la cual se usan estas ventanas es que tienen diferentes formas funcionales
y su FT se concentra alrededor de . La ventana en el dominio del tiempo se llama

ventana de tiempo, su transformada de Fourier es la ventana espectral. Las formas

funcionales de algunas ventanas estn dadas a continuacin (Carmona et al.., 1998).

Rectangular:

Barlett (triangular):

57
 Hanning:

Hamming:

Blackman:

Gaussian:

La seal se multiplica por una de estas funciones ventanas , donde

es diferente a cero nicamente en una regin finita alrededor del tiempo . Entonces se

toma la transformada de Fourier de , y la ventana se mueve a diferentes

ubicacin para hacer la misma operacin. Este mtodo tambin se le conoce

transformada de Fourier de ventanas y su definicin es:

La STFT es una presentacin de la conservacin de energa dada por:

Usando la igualdad de Parseval se obtiene la siguiente expresin:

58
 La seal puede ser reconstruida de su transformada por medio de la formula,

El problema fundamental con la STFT es que no es posible tener alta resolucin

simultneamente tanto en el tiempo como en la frecuencia. Seleccionar una pequea
ventana causa una mala resolucin en la frecuencia y una gran ventana puede revelar el
contenido de la frecuencia mucho mejor a expensas de la resolucin del tiempo. Esto
se debe a que la porcin de la seal en cualquier ventana se trata como una seal
estacionaria.

2.1.3 Representacin Wigner - Ville (WVR)

La representacin Wigner-Ville es una seal expresada de la siguiente forma:

donde es una variable del tiempo, es una variable de la frecuencia, y * significa el

conjugado complejo.
Este proceso es la correlacin de la seal con ella misma. Se puede interpretar esta
ecuacin como el clculo de una funcin de autocorrelacin local en cada instante del
tiempo, , seguido de la evaluacin de la transformada de Fourier. Resultando un una

59
densidad espectral de potencia local para cada instante de tiempo, t. En la prctica,
slo una realizacin de ambos lados del proceso est disponible y esto nos obliga a
que ignoremos la expectacin del operador. Si se toman las expectativas de ambos
lados de la ecuacin anterior:

Donde es la funcin de auto-covarianza del proceso. En el caso estacionario,

no es funcin del parmetro tiempo b y por lo tanto es constante. El lado izquierdo de

esta ecuacin se le llama funcin de densidad espectral instantnea y se puede
expresar como . En otras palabras, es una funcin de densidad de energa. En

teora, de es una medida de la distribucin del tiempo-frecuencia de un

proceso aleatorio en el tiempo (Newland, 1993). La transformada Wigner-Ville se

localiza en el dominio del tiempo para seales de Dirac, y en el dominio de la frecuencia

para ruidos lineales. Cuando se integra sobre todas las frecuencias se obtiene

el cuadrado del modulo de la seal, tambin se le conoce como frecuencia marginal. Es

lo mismo que la energa instantnea, que se obtiene eliminando la integracin sobre
todas las frecuencias.

La energa total se obtiene:

El espectro de potencia se obtiene cuando la representacin de Wigner-Ville se

integra en el tiempo. Se le conoce como el tiempo marginal.
60
 La distribucin Wigner-Ville es un procedimiento de mantener energa por satisface
con las condiciones de frecuencia y de tiempo marginal. Sus dificultades son,

puede localizarse en un tiempo , pero cubre un rango infinito de , por lo tanto es muy

dependiente de fuera del tiempo local. Mientras los espectros de Fourier son

peridicos con igual periodo en el mismo rango, es peridico en la frecuencia

con periodo igual a la mitad en el mismo rango. Esto podra causar aliasing, que se
puede quitarse en cada prueba, o usando su correspondiente seal analtica. Una seal
analtica es la distribucin de efectos negativos por importantes trminos cruzados, que
limitan su uso prctico. Los trminos cruzados pueden reducirse por una distribucin
suavizada sobre el tiempo, pero eso tambin reduce la resolucin en el tiempo y
frecuencia.

2.1.4 Transformada Wavelet (WT)

La transformada wavelet ha aparecido como una con mucho potencial al analizar

una seal y en estudios recientes indican un uso eficiente de la wavelet en la solucin
de problemas tanto lineales como no lineales (Grossman y Morlet, 1984). Una wavelet
es una pequea onda con energa finita, tiene su energa concentrada en el tiempo o en
el espacio que sirve como una funcin bsica para el anlisis de transitorios, no
estacionarios, o fenmenos donde varia el tiempo. La transformada de Fourier se
concentra alrededor de una frecuencia especfica. Por lo tanto, la wavelet tiene
caractersticas de una onda libre oscilando, pero tambin la habilidad de admitir
simultneamente anlisis en el tiempo y la frecuencia.
Las wavelets son usadas para analizar seales de una manera similar a
expansiones complejas (funcin seno y coseno) tpicas del anlisis de Fourier. La
diferencia es que las seales estn descompuestas dentro de unas series de funciones

61
bsicas locales. Cada wavelet se localiza en una diferente posicin en el eje del tiempo
y es local cerca al cero cuando est fuera de su centro. El trmino wavelet fue
introducido, en el contexto de una transformacin matemtica, en 1984 por (Grossmann
y Morlet, 1984). La transformada wavelet es una expansin de dos parmetros de una
seal en trminos de funcin base particular wavelet o de la wavelet madre. El anlisis
temporal se lleva a cabo con una concentracin de alta frecuencia de la wavelet
prototipo. El anlisis wavelet accede a informacin inmediata que en otros mtodos de
tiempo y frecuencia es oscura como en el anlisis de Fourier. Se pude clasificar el
anlisis wavelet en Transformada continua wavelet (Continuous Wavelet Transform,
CWT) y en Transformada discreta wavelet (Discrete Wavelet Transform, DWT).

[Link] Transformada Wavelet Discreta (DWT)

La versin de la wavelet discreta involucra algunos trminos de procesamiento de

seales como el filtrado, pruebas de entrada y de salida. Los detalles del anlisis se
describen en Strang y Nguyen (1995). El proceso de Multiresolucin divide las
frecuencias en octavos de banda, de a , en lugar de bandas uniformes de

+ . Usando la DWT, a una funcin se resuelven algunas funciones de

diferentes niveles como:

donde, j es el nmero de nivel que representa un rango particular de frecuencia y est

relacionado con la escala en CWT por la relacin:

La idea de hacer la descomposicin y reconstruccin (multiresolucin) se ve

representada en la Figura 3.1 donde as son los valores locales medios de un nivel
particular y la ds son las diferencias locales o detalles. Cada detalle o funcin de nivel

62
tienen un rango en particular de frecuencias con intensidad cero.
El rango exclusivo de frecuencias esta dado por con:

donde, es paso de tiempo de los datos discretizados , es la

aproximacin o la parte suave de la seal original del nivel 1, donde es el detalle

en el mismo nivel.
La descomposicin es la reduccin a un nivel donde no hay informacin apreciable
en la aproximacin. La wavelet madre debe analizar la seal con menos forma de onda.
La seleccin del rbol de descomposicin wavelet se puede hacer acorde al criterio de
examinacin de entropas de los coeficientes de la wavelet de cada nivel de
descomposicin. La entropa se define como una medida numrica de la incertidumbre
de resultado. Por lo tanto, la mejor base es aquella que de la mnima entropa. Si
truncamos una serie en el nivel , la seal original puede ser reconstruida de los

detalles:

Los detalles o funciones nivel son expresadas como (Daubechies, 1992):

con

Donde, representa un ndice en la escala del tiempo, son las funciones base

wavelet y son los coeficientes wavelet correspondientes. El tiempo va de cero a

, finalmente:

63
 a0 a0 = a1+d1

a1 d1 a1 = a2+d2

a2 d2 a2 = a3+d3

a3 d3 a0 = a3 + d1 + d2 + d3

Figura 3.1. Esquema bsico de la DWT.

[Link] Transformada Wavelet Continua (CWT)

En cualquier procesamiento de seales de datos reales es una seal discreta. La

wavelet continua tambin es un proceso discreto, pero es continua en las escalas y
posiciones de los operadores. A diferencia de la transformada wavelet discreta, la CWT
lo hace en cada escala. La CWT es tambin continua en trminos del desplazamiento:
durante el clculo, el anlisis de la wavelet hace un desplazamiento suave sobre el
dominio de la funcin analizada. Si las escalas y posiciones se seleccionan en
potencias de 2 (como en la DWT), esta es la escala y posicin de dyadic, el anlisis
ser mucho ms eficiente en relacin con el clculo.
El anlisis continuo se usa en este estudio porque es posible usar un fango de
frecuencias flexible y fcil de interpretar los datos. En cambio, la DWT usa frecuencias
nicamente en octavos de banda. Aunque el ltimo mtodo es ms costoso
computacionalmente, no da un resultado preciso de interpretar, y se usa principalmente
en la compresin de seales.
El anlisis wavelet se llama a menudo anlisis tiempo-escala en vez de un anlisis
tiempo-frecuencia por que el anlisis de la funcin (t ) (o de la wavelet madre), es

64
escalado por a. Estas wavelets son ortogonales, biortogonales, y sistemas armnicos
wavelet. Las wavelets ortogonales descomponen la seal en espacios de seales
ortogonales. En 1988, Daubechies introduce una clase de soportes compactos de
wavelets ortogonales con soportes suaves. Mallat (1989) y Meyer (1992) presentaron la
teora del anlisis de multiresolucin.
Excepto para la wavelet Haar, los soportes compactos de la wavelet ortogonal no es
simtrico alrededor con la media cero, una condicin que se requiere en ciertas
aplicaciones como en el procesamiento de imgenes donde simtricamente
corresponde a una fase lineal. Para obtener la simetra y conservar la propiedad de la
reconstruccin perfecta, la condicin ortogonal se reemplazo por la biortogonalidad y la
teora de la biortogonalidad fue establecida por (Chui y Wang, 1992, Cohen et al..,
1992). Las wavelets biortogonales con ms complicadas y se definen sobre una la base
de un par de escalas y funciones de la wavelet.

[Link] Seleccin de la wavelet

No hay una nica representacin de la wavelet de una seal cuando hay diferentes
wavelets y no todas las wavelets trabajan en una seal especfica. Algunas pueden
trabajar muy bien con una seal especfica y no trabajar bien con las dems seales.
As que, el problema es, Cmo encontrar la mejor wavelet para nuestra seal?
En la mayora de las aplicaciones de la transformada wavelet, se requiere que la
seal original sea sintetizada por los coeficientes de la wavelet. Esta condicin se refiere
a una reconstruccin perfecta. En algunos casos, sin embargo, de la misma manera
que en las aplicaciones de reconocimiento de dibujos, se requiere una seal relajada.
En el caso de una perfecta reconstruccin, las wavelets deben cumplir con la condicin
de ortogonalidad. Eligiendo dos diferentes wavelets, una para analizar y la otra para
sintetizar, las dos deben satisfacer la condicin de biortogonalidad para conseguir una
reconstruccin perfecta. En general, el objetivo de investigacin una wavelet ms
moderna es la de crear una funcin wavelet madre que de informacin, eficiencia y una
descripcin til de la seal de inters. No es fcil disear un procedimiento uniforma

65
para desarrollar la mejor wavelet o transformada wavelet para una cierta clase de
seales. Sin embargo, sobre la base de algunas caractersticas generales de las
funciones wavelets, es posible determinar que wavelet es ms apropiada para
determinada aplicacin en particular.
La transformada con wavelets ortogonales se basa en la conservacin de energa.
Esto implica que el error medio cuadrtico (Mean Square Error, MSE) se introduce
durante la cuantificacin de los coeficientes de la WT es igual al MSE de la
reconstruccin de la seal. Para bancos de filtros ortogonales, los filtros sintticos se
traslapan con los filtros del anlisis. Sin embargo, en el caso de wavelets biortogonales,
las funciones base son no ortogonales y por lo tanto, no conservan energa. En este

f (t ) W
2 2
caso la igualdad de Parseval entre dt y f
a ,b no es vlida. Se requiere

de ortogonalidad.
El teorema de Parseval dice que el total de potencia o energa en una seal se
obtiene por la integracin sobre todo el tiempo y sobre las frecuencias, y en ambos
dominios est relacionado con el cuadrado de la amplitud. Para una seal estacionaria
con potencia finita, el espectro de frecuencia contendr componentes de frecuencias
discretas (cuando la amplitud de estas componentes son cuadradas, se obtiene la
potencia de cada frecuencia), o para seales aleatorias el espectro cuadrado de las
amplitudes en una distribucin continua sobre la frecuencia y se representa por la
Densidad Espectral de Potencia (Power Spectral Density, PSD) que se integra sobre un
ancho de banda finito. En ambos casos, el equivalente potencia en el domino del
tiempo es el valor cuadrtico medio, obtenido de la integracin del valor cuadrtico
instantneo (potencia instantnea) sobre un tiempo suficientemente largo y dividida por
ese tiempo. Para seales transitorias con energa finita (integral de la potencia sobre el
tiempo), la amplitud cuadrtica de las seales de la FT se representa por la densidad de
energa espectral (Energy spectral Density, ESD). Cuando ESD se integra sobre la
frecuencia, la energa total que se obtiene es la misma al total de la energa cuando la
potencia instantnea de la seal se integra sobre el tiempo (Randall, 2000). Para una
seal con unidades U (donde U representa m, m/s, m/s 2, g, N, etc.) la potencia tiene

66
unidades U2, energa tiene unidades U2 s, PSD tiene unidades U2/Hz (U2 s), ESD tiene
unidades de U2 s/Hz (U2 s2).
Entre otras wavelets, una versin modificada Littlewood-Paley (LP) una base
armnica por Newland (1993) son ms apropiadas para analizar seales transitorias
donde el tiempo y frecuencia son las principales incertidumbres, por tienen una mejor
resolucin en la frecuencia-tiempo que otras bases wavelet (Basu y Gupta 1999). La
base LP se caracteriza por una decaimiento temporal razonablemente rpida (por lo
tanto, ayudar a captar las caractersticas temporales locales) y muy buena en la
localizacin de frecuencia (debido a que la transformada de Fourier en esta base se
define sobre un intervalo finito). La expresin analtica para esta wavelet es:

donde:

, wavelet madre

t, tiempo
b, parmetro de localizacin
, constante usada en la discretizacin de a. Cuando 2 es la base LP.

[Link] Clculo de la energa usando el anlisis wavelet

El total de energa, E, de una seal es la suma del cuadrado de sus valores y se

escribe como:

donde t es el tiempo.
La transformada wavelet descompone una seal simultneamente en tiempo y

67
frecuencia. De la misma manera, la energa contenida en una seal se puede evaluar en
el dominio del tiempo y frecuencia. Hasta aqu, la energa no representa la energa fsica
del sistema, pero, es proporcional a esta. La preocupacin principal es la variacin en la
contribucin de los componentes temporales en diferentes frecuencias del total de
energa. De acuerdo con la ecuacin de descomposicin, la unidad W f a ,b es longitud

entre el tiempo, la escala a de la wavelet toma el orden del contenido de la frecuencia

local, y b localiza la funcin base wavelet en t b y en la vecindad. La energa total de
f (t ) en trminos de diferentes escalas (frecuencias) se obtiene usando los coeficientes
de la wavelet:

Aunque se use la CWT, los datos se manejan en forma discreta, por lo tanto; el nivel
de energa de una seal en particular se obtiene con el cuadrado del mdulo de los
coeficientes de la wevelet (Farge, 1992), y la "energa wavelet instantnea", o "densidad
de energa wavelet", se define como:

La energa acumulada contenida en la escala a th se puede escribir como:

donde: dt es el perodo de muestreo.

La WT se define como un anlisis en la escala de tiempo rara vez en el tiempo
frecuencia, hay una frecuencia central media (f en Hz) asociada con cada escala de
energa, que puede representarse en el dominio de las pseudo frecuencias cuando las
escalas se remplazan por frecuencias centrales. El espectro wavelet marginal (Marginal
Wavelet Spectrum, MWS) se obtiene cuando las energas se acumulan sobre el tiempo
y se grafican contra las frecuencias centrales.

68
 La energa acumulada contenida en las frecuencias f th para cualquier tiempo t
puede escribirse como:

2.2 Ejemplos de anlisis: Usando FT, STFT, HHT, y WT

2.2.1 Seal 1

cos(60t ) 0 t 2.5

cos(40t ) 2.5 t 5
En la seal s que se muestra en la Figura 3.2, hay cuatro
cos(20t ) 5 t 7.5
cos(10t ) 7.5 t 10

frecuencias (30, 20, 10, y 5 Hz) en diferentes intervalos de tiempo. En este ejemplo, la
seal se estudiar usando FT, STFT, HHT y WT.
El espectro de potencia de estos mtodos se muestra en la Figura 3.3. Todos los
mtodos indican en donde estn los picos de frecuencia y no son exactamente los
mismos. Normalmente, en altas frecuencias la wavelet es muy amplia en el espacio de
la frecuencia; por lo tanto, se ven los picos de alta frecuencia en el espectro, al menos
que su energa es muy grande, se desvanecen. En grandes escalas de la wavelet, la
wavelet se angosta en la frecuencia, por lo tanto los picos son ms afilados y tienen una
gran amplitud (Torrence y Compo, 1998). Las frecuencias bajas y altas en una seal son
igualmente importantes, entonces los coeficientes de la wavelet se elevan al cuadrado
de las escalas usadas en el anlisis. Pero, en situaciones donde las componentes de
baja frecuencia son de ms inters y las altas frecuencias son ruido, los coeficientes
cuadrados de la wavelet original dan los resultados en el rango de frecuencias bajas. Se
uso una ventana Guassiana de 500 puntos y una longitud de 250 puntos se selecciono
en el anlisis de la STFT.

69
 En la Figure 3.4 se muestra el espectograma tridimensional que relaciona el
tiempo-frecuencia y amplitud. Para esta figura, todas las frecuencias tienen la misma
amplitud como en el anlisis regular FT. La Figura 3.5 muestra el escalograma
bidimensional de STFT de la seal. El escalograma es la vista bidimensional de la
representacin tridimensional del tiempo-frecuencia-amplitud, sobre el plano tiempo-
frecuencia. Los intervalos de frecuencia y tiempo cuando existe frecuencia se pueden
observar en la figura. El mtodo STFT toma las frecuencias mximas y dibuja una
envolvente de FAS. Sin embargo, en los lmites de la frecuencia se observa valores de
frecuencia espurias, que no es un efecto deseable.

0.8

0.6

0.4

0.2
Amplitud

-0.2

-0.4

-0.6

-0.8

-1
0 2 4 6 8 10
Tiempo (s)

Figura 3.2. Seal de suma de cosenos.

La HHT tambin muestra frecuencias mximas correctamente. Cuando la seal no

es peridica, y no simple como esta seal hipottica, la seleccin de la parte de la seal
que debe ser repetida llega a ser difcil.
La grfica de tiempo-frecuencia-amplitud con la WT y el escalograma bidimensional
correspondiente se ve en la Figura 3.6 y 3.7 respectivamente. El escalograma wavelet
bidimensional se llama tambin mapa wavelet. Durante toda esta tesis, se usar
escalograma. Se observa que la WT da una solucin de altas y bajas frecuencias.

70
Aunque la solucin de la WT es muy pobre conforme aumentan la frecuencia, es capaz
de tomar incluso la frecuencia ms grande (30Hz) de la seal con excelente tiempo de
localizacin que es muy aceptable. Entre los mtodos usados en este ejemplo, la WT es
el ptimo porque es fcil de aplicar y los resultados son aceptables.
Amplitud espectral

Frecuencia (Hz)
Figura 3.3. Espectro de potencia de la suma de cosenos, usando FT, WT, STFT y HHT.

Frecuencia (Hz) Tiempo (s)

Figura 3.4. Espectograma tridimensional usando STFT de la seal suma de cosenos.

71
Figura 3.5. Espectograma bidimensional usando STFT de la seal suma de cosenos.
Amplitud espectral

Frecuencia (Hz)
Tiempo (s)

Figura 3.6. Escalograma tridimensional de la seal suma de cosenos por el mtodo de

la WT.

72
 Amplitud espectral

Tiempo (s)
Figura 3.7. Escalograma bidimensional de la seal suma de cosenos usando la WT.

2.2.2 Seal 2

Una seal transitoria se muestra

en la Figura 3.8.

1.5

0.5
A mp litu d

-0.5

-1

-1.5
0 2 4 6 8 10

T iempo (s )

73
 Figura 3.8. Seal transitoria.
El resultado de las distribuciones espectrales de potencia de la FT, STFT, HHT y WT
se presenta en conjunto con la Figura 3.9. Los mtodos de la FT y STFT dan altas
frecuencias irreales, mientras que la HHT y WT no lo hacen.
El espectograma tridimensional de STFT se presenta en la Figura 3.10. Se muestra
que las frecuencias bajas cambian entre 0 Hz y 2.5 Hz, mientras que la fluctuacin de
frecuencia verdadera debe haber tenido lugar alrededor de 1 Hz. La ineficiencia del
mtodo puede ser vista en la Figura 3.11, donde el espectograma bidimensional se
presenta. Las amplitudes ms altas se representan con los colores ms oscuros.
En la Figura 3.12 se muestra en forma tridimensional por el mtodo HHT y en forma
bidimensional en se muestra el espectograma en la Figura 3.13. Se muestra el cambio
en la frecuencia con el tiempo en los primeros modos. Sin embargo, no se ve el cambio
de la amplitud en el tiempo donde vara la frecuencia.
La relacin entre el tiempo-frecuencia y amplitud espectral resultado de la WT se
muestra en la Figura 3.14. Aunque la resolucin de la frecuencia no es del todo
adecuada en 15 Hz y la frecuencia de la seal flucta alrededor de 1 Hz. La WT da una
muy buena solucin para frecuencias bajas, 15 Hz es relativamente una frecuencia alta,
por lo tanto la WT puede ser usada como una herramienta en la estimacin del
contenido de tiempo-frecuencia-energa de una seal.
Amplitud espectral

Frecuencia (Hz)

74
 Figura 3.9. Espectro de potencia de la seal transitoria con FT, WT, STFT y HHT.

Amplitud espectral

Tiempo (s)
Figure 3.10. Espectograma bidimensional de la seal transitoria, usando STFT.
Amplitud espectral

Frecuencia (Hz)
Tiempo (s)

Figura 3.11. Espectograma tridimensional de la seal transitoria por el mtodo STFT.

75
 Frecuencia (Hz)

Tiempo (s)
Figura 3.12. Espectograma bidimensional por el mtodo HHT.
Amplitud espectral

Frecuencia (Hz)

Tiempo (s)

Figure 3.13. Espectograma tridimensional de la seal transitoria, usando HHT.

76
 Frecuencia (Hz)

Tiempo (s)
Figura 3.14. Escalograma bidimensional de la seal transitoria, usando la WT.
Amplitud

Frecuencia (Hz)

Tiempo (s)

Figura 3.15. Escalograma tridimensional de la seal transitoria, usando la WT.

77
 Finalmente, se muestra la importancia de la seleccin de una adecuada wavelet
madre especfica para la aplicacin, el espectro de amplitud marginal wavelet, el
escalograma tridimensional y bidimensional obtenidos usando la wavelet madre Haar se
muestran en la Figura 3.16, Figura 3.17 y Figura 3.18, respectivamente. El contenido en
alta frecuencia no se obtienes por medio de la wavelet Haar. Si la wavelet madre se
selecciona adecuadamente, no hay razn para no usar el Mtodo de Anlisis Wavelet
en determinar las caractersticas no lineales y no estacionarias de las seales.
Frecuencia (Hz)

Tiempo (s)
Figura 3.16. Escalograma bidimensional usando la wavelet Haar para la seal
transitoria.

78
 Amplitud

Frecuencia (Hz)

Tiempo (s)

Figura 3.17. Escalograma tridimensional usando la wavelet Haar para la seal

transitoria.
Amplitud

Frecuencia (Hz)
Figura 3.17. Espectro de potencia de la seal transitoria usando FT, WT(Haar), STFT y

79
 HHT.

2.2.3 Seal 3, Turbulenta.

En el siguiente ejemplo, un registro de una seal transitoria en un flujo turbulento, se

estudia por los mtodos anteriores. La historia de tiempo del registro se ve en la Figura
3.19. Las distribuciones espectrales de potencia de la seal de cada mtodo se
presentan en la Figura 3.20. Solamente HHT da un espectro diferente, muestra un pico
mximo en las frecuencias de 0.15 y 20 Hz. La WT da varios picos en 0.2Hz, 1.5Hz, 2Hz,
4Hz, y 15Hz. El espectro de STFT es algo plano, dando casi las mismas amplitudes
para las frecuencias alrededor de 5Hz.
Velocidad (cm/s)

Tiempo (s)
Figura 3.19. Seal de flujo turbulento.

La representacin de HHT del tiempo - frecuencia - energa del mismo registro es

diferente de la representacin de STFT. En la Figura 3.21 se ve que hay un alto
contenido de energa irreal en las frecuencias bajas en los bordes del eje del tiempo
(origen y final de la seal).
La distribucin en forma tridimensional tiempo-frecuencia-energa aplicando la
transformada wavelet se muestra en la Figura 3.21.

80
 Amplitud espectral

Frecuencia (Hz)
Figura 3.20. Espectro de potencia con FT, WT, STFT y HHT.
Amplitud

Frecuencia (Hz) Tiempo (s)

81
 Figura 3.21. Escalograma tridimensional, usando WT.

Frecuencia (Hz)

Tiempo (s)

Figura 3.22. Escalograma utilizando la WT.

La distribucin tridimensional de tiempo frecuencia energa con WT se muestra

en la Figura 3.21. El espectro bidimensional frecuencia tiempo se muestra en la Figura
3.22. En ambas figuras se muestran los resultados en diferente forma de presentacin,
donde se puede ver que no se pierde la informacin en el tiempo lo cual es una gran
propiedad del mtodo de la Transformada Wavelet. As, como se puede ver en las dos
figuras, para este caso, a los 5 s la energa se ve en la frecuencia de 8 Hz, a los 7 s
domina la de 4 Hz, entre los 10 s y 20 s la frecuencia central se encuentra en el rango
de 4 a 7 Hz y, finalmente, entre los 20 s y 30 s hay energa en una frecuencia de 5 Hz.
En este captulo, se utilizaron varios mtodos para el anlisis de seales transitorias
(no estacionarias) se estudiaron y se realiza un comparacin. La primera seal con
diferentes frecuencias estacionarias a lo largo del tiempo. La segunda seal tiene una
frecuencia baja variando en baja frecuencia y una constante alta frecuencia. Por ltimo
la tercera seal que es transitoria y que no se puede decir que tiene una determinada
frecuencia, el mtodo de la transformada wavelet se encontr ms apropiada para
analizar las caractersticas transitorias.

82
 En resumen se presenta las ventajas y desventajas principales de los mtodos
comparados en la Tabla 3.1.

Mtodo de Ventajas Desventajas

anlisis
FT 1) Buena informacin de la 1) La informacin del tiempo se
frecuencia. pierde.
2) Muy apropiada para seales 2) Las funciones base son
estacionarias. senoidales.
3) Altas frecuencias falsas.
STFT 1) Poca informacin de la 1) La solucin del tiempo y
frecuencia temporal esta frecuencia dependen del ancho
disponible. de la funcin ventana.
2) Se debe seleccionar la ventana y
su longitud.
HHT 1) Se dispone de informacin de 1) Bajas frecuencias falsas
tiempo-frecuencia. dependiendo de la seal.
2) No se necesitan funciones base. 2) La implementacin es muy
dependiente de la seal y
subjetiva.
3) Llega a ser muy inestable para
un conjunto de muchos datos.
WT 1) Informacin disponible de 1) Seleccin de la wavelet madre es
tiempo-frecuencia. importante.
2) No existen frecuencias falsas. 2) Solucin de bajas frecuencias
3) Descripcin analtica. para altas y solucin del tiempo
para bajas frecuencias.

Tabla 3.1. Comparacin de los diferentes mtodos de anlisis de seales.

83
CAPTULO 4: APLICACIONES

En este captulo se ven aplicaciones de la WT a la hidrulica. Como primer

acercamiento se tratan dos seales una de oleaje y un diente de sierra, ambas
generadas por suma de senoides. Se analiza el caso de una seal transitoria medida en
laboratorio y dos seales de apertura de vlvula y cierre. Respecto a seales generadas
por viento veremos 12 registros tomados a diferentes alturas, analizando las diferencias
entre ellos. Tambin se har el anlisis a registros de abatimiento y precipitacin del
acufero de la Ciudad de Mxico y registros para la deteccin de fugas en tuberas.

5.1 Seales tericas

Se hace un anlisis de las seales presentadas en (Echvez, 1996) haciendo la

comparacin con el mtodo FFT. La primera seal es una suma de tres senoides, cuya
funcin es:

que se aproxima a un oleaje. En la Figura 4.1 se muestra la seal y en la Figura 4.2 su

espectro de Fourier.

Figura 4.1. Seal de suma de tres senoides.

84
 Figura 4.2. Espectro de frecuencia y se observa una representacin discreta en cada
frecuencia; en este caso 1, 2 y 6 rad/s.

Al aplicar diferentes CWT a la seal de tres senoides, que se muestra en la figura

4.3, se pudo observar que para las cinco wavelets (Morlet, Mexican hat, Haar, Meyer y
Meyer discreta) se presentan las frecuencias que se observan en el anlisis de Fourier y
la informacin que nos da la wavelet es en que escala se presentan estas frecuencias,
en los cinco casos son distintas stas escalas, pero entre ellas siguen las mismas
relaciones de las frecuencias de 1, 2 y 6 rad/s.

CWT (Morlet) CWT (Mexican hat)

Funcin x = 0.8*sin(t+1)+0.4*sin(2t-0.5)+0.2*sin(6t+1.4) Funcin x = 0.8*sin(t+1)+0.4*sin(2t-0.5)+0.2*sin(6t+1.4)
Frecuencias reales (en Hz): [1 2 6]/(2*pi) =~ [0.159 0.318 0.955] Frecuencias reales (en Hz): [1 2 6]/(2*pi) =~ [0.159 0.318 0.955]

4.5
6
4

5 3.5

3
4

2.5
COEFS

COEFS

3
2

1.5
2

1
1
0.5

58 58
55 55
52 52
49 49
46 46
43 43
40 40
37 37
34 34 500
500 31
31 450 450
28 28 400
400 25
25 350
22 350 22
300 19 300
19 250
16 250 16
13 200 13 200
10 10 150
150 7
7 100 100
4 4 50
Escala a 1
50 Escala a 1

Pseudo-frecuencias = 0.158 0.317 0.905 Pseudo-frecuencias = 0.162 0.325 0.975

Escala correspondiente = 40 20 7 Escala correspondiente = 12 6 2

En las frecuencias de 1, 2 y 6 rad/s, las escalas de las En las frecuencias de 1, 2 y 6 rad/s, las escalas de las
escalas de la wavelet son 40, 20 y 7. escalas de la wavelet son 12, 6 y 2.
CWT (Haar) CWT (Meyer)

85
 Funcin x = 0.8*sin(t+1)+0.4*sin(2t-0.5)+0.2*sin(6t+1.4) Funcin x = 0.8*sin(t+1)+0.4*sin(2t-0.5)+0.2*sin(6t+1.4)
Frecuencias reales (en Hz): [1 2 6]/(2*pi) =~ [0.159 0.318 0.955] Frecuencias reales (en Hz): [1 2 6]/(2*pi) =~ [0.159 0.318 0.955]

4
5
3.5
4.5

3 4

3.5
2.5
3

COEFS
COEFS

2
2.5

1.5 2

1.5
1
1
0.5
0.5

58 58
55 55
52 52
49 49
46 46
43 43
40 40
37 37
34 500 34 500
31 450 31 450
28 400 28 400
25 25
22 350 22 350
19 300 19 300
16 250 16 250
13 200 13 200
10 150 10 150
7 100 7 100
4 50 4 50
Escala a 1 Escala a 1

Pseudo-frecuencias = 0.159 0.324 0.971 Pseudo-frecuencias = 0.158 0.317 0.897

Escala correspondiente = 49 24 8 Escala correspondiente = 34 17 6

En las frecuencias de 1, 2 y 6 rad/s, las escalas de las En las frecuencias de 1, 2 y 6 rad/s, las escalas de las
escalas de la wavelet son 49, 24 y 8. escalas de la wavelet son 34, 17 y 6.
CWT (Meyer Discreta)
Funcin x = 0.8*sin(t+1)+0.4*sin(2t-0.5)+0.2*sin(6t+1.4)
Frecuencias reales (en Hz): [1 2 6]/(2*pi) =~ [0.159 0.318 0.955]

4.5

3.5

3
COEFS

2.5

1.5

0.5

58
55
52
49
46
43
40
37
34 500
31 450
28 400
25
22 350
19 300
16 250
13 200
10 150
7 100
4 50
1
Escala a
Pseudo-frecuencias = 0.157 0.323 1.03
Escala correspondiente = 33 16 5

En las frecuencias de 1, 2 y 6 rad/s, las escalas de las escalas de la wavelet son 33, 16 y 5.

Figura 4.3. Comparacin de diferentes wavelets aplicadas a la seal de tres senoides.

Ahora se analiza una seal en diente de sierra (una combinacin entre rampas y
escalones) de la funcin:

En la Figura 4.4 se muestra la seal y en la Figura 4.5 su espectro de Fourier.

86
 Figura 4.4. Seal en diente de sierra.

Figura 4.5. Espectro de frecuencia de la seal diente de sierra.

Al aplicar diferentes CWT a la seal de diente de sierra, que se muestra en la figura

4.4, se pudo observar que al aplicarle ms trminos de la suma de senoides, no cambia
la energa total y el espectro es igual para todos los casas, ya que toma en cuenta las
frecuencias del nmero de senoides que se tomarn en cuenta, como se muestra en la
Figura 4.6.

87
 0.5
0.6

0 0.5

0.4
-0.5
0.3
-1
0.2
-1.5
0.1

-2 0
0 1 2 3 4 5 6 7 0 1 2 3 4 5 6 7 8 9 10
Tiempo (s) Frecuencia (Hz)

100 trminos
SEAL
SEALORIGINAL
ORIGINAL CEPSTRUM COMPLEJA
ESPECTRO
ESPECTRO WAVELET MORLET
22 100
1 1
SEAL ORIGINAL ESPECTRO
0.980
1.5 2 0.9 1
1.5
0.860 0.9
1.5 0.8 4
1
1 0.740 0.8

Coeficientes
0.7 3
0.5 1
0.5 0.620 0.7
0.6 2
0 0.5 0
0.5
0.6
1
0 0.5
-20
0.4
0 0.5
-0.5
0.4
-0.5 -40 5855
0.3 0.4 5249
-1 -0.5 4643
-60 0.3 4037
-1 0.2 0.3 3431 1000
-1-80 0.2 2825 800
-1.5 2219
0.1 0.2 1613 600
-1.5 10 7 400
-100 0.1
-1.5 41 200
-2 0 0 1 2 3 4 5 6 7 0.1 Escala a
0 1 2 3 4 5 6 7 0 1 2 3 4 Tiempo
5 (s) 6 7 8 9 10 Espacio o tiempo
-2 Tiempo (s) 0 Frecuencia (Hz)
0 1 2 3 4 5 6 7 -2 0 1 2 3 4 5 6 7 8 9 10 0
0 1 2 3 4 5 6 7 0 1 2 3 4 5 6 7 8 9 10
Tiempo (s) TiempoFrecuencia
(s) (Hz) Frecuencia (Hz)

CEPSTRUM COMPLEJA 500 trminos

WAVELET MORLET
100
SEAL ORIGINAL
CEPSTRUM COMPLEJA ESPECTRO
WAVELET
CEPSTRUM MORLET
COMPLEJA WAVELET MORLET
SEAL ORIGINAL ESPECTRO
80 2
100 15 1
2 1
60
80 0.9 SEAL ORIGINAL ESPECTRO
1.5 0.9
1.5 42 1
40 0.8
10
60
Coeficientes

1 3 0.8 0.9
4
1.5 4
120 0.7
40

Coeficientes
2 0.7 0.8
3
Coeficientes

0.5 3
0 1
0.6
5
0.520 1 0.7
2
0.6
-20 0 0.5 2
0.5
0.6
00 0.5 1
-40 580.4
0 1
-0.5 55
-20 05249 0.5
0.4
0.3 464340
-0.5-60 5855
37 0.45249
-40-1 -0.5 0.35855 343128 1000 4643
-80 0.2
-5 5249 2522 800 4037
-1 4643 1916 600 0.3 3431 1000
-60
-1.5 4037 1310 400 2825
0.1 0.2
-1 800
-100 3431 7 4 200 1000 0.2 2219 600
0 1 2 3 4 5 6 7 Escala a 2825 1 1613
-1.5
-80-2 Espacio o tiempo 800 10 7 400
Tiempo (s) -10 0 0.1 2219 600 200
-1.5 41
0 1 2 3 4 5 6 7 00 11 2 2 31613 43 5 4 6 57 400 8 6 9 710 0.1 Escala a
-100 Tiempo (s) 10 7Frecuencia (Hz) Espacio o tiempo
-2 0 0 4Tiempo (s) 200
1 2 3 4 5 6 7 Escala a 1
0 1 2 3 4 5 6 7 -2 0 1 2 3 4 5 6 Espacio
7 o tiempo
8 9 10 0
Tiempo (s) 0 1 2 3 4 5 6 7 0 1 2 3 4 5 6 7 8 9 10
Tiempo (s) Frecuencia (Hz)
Tiempo (s) Frecuencia (Hz)

15
CEPSTRUM COMPLEJA
1,000 trminos WAVELET MORLET

CEPSTRUMORIGINAL
COMPLEJA WAVELET
CEPSTRUM MORLET
COMPLEJA WAVELET MORLET
15 2 SEALSEAL
ORIGINAL 3
ESPECTRO
ESPECTRO
2 1 1
10 SEAL ORIGINAL ESPECTRO
2 4 0.9 1
1.5 0.9
1.5 2
Coeficientes

10 3 0.9
5 1.5 0.8 0.8 4
1 2
4
1 0.8
1 0.7
Coeficientes

1 0.7 3
Coeficientes

1 3
0.5 0.7
0.5 5 0 0.6 2
0.6 2
0.5 0
0 0.6
0 0.558550.5 1
52491
0 -5 0 0.4464340 0.5
-0.5 -1
0.4 3734
-0.5 3128 1000 5855
0.3 2522 800 0.45249
-0.5 5855 1916 600 4643
-1 0.3 5249 1310 4037
-2 0.2 4643 400 0.3
-1 -5 -10 74 200 3431 1000
0 1 2 3 4 5 6 7 -1 0.2 Escala 40 a 37 1 2825 800
-1.5 3431 Espacio o tiempo 1000 0.2 2219 600
Tiempo (s) 0.1 2825 1613
-1.5 800 10 7 400
-3 2219
-1.5 0.1 16 600 41 200
-2
0
0
1 2 1310 3 4 5 400 6 7 0.1 Escala a
-10 7 4Tiempo Espacio o tiempo
0 1 2 3 4 5 6 7 0 1 2 3 4 (s) 5 2006 7 8 9 10
-2 0 1 2 3 4 5 6 7 0 Escala a 1
0 1 2 3 4 (s)
Tiempo 5 6 7 -2 0 1 2 3 4 Frecuencia
5 6(Hz) 7 Espacio 8 o tiempo
9 10 0
Tiempo (s) 0 1 2 3 4
Tiempo (s) Frecuencia (Hz) 5 6 7 0 1 2 3 4 5 6 7 8 9 10
Tiempo (s) Frecuencia (Hz)

CEPSTRUM COMPLEJA WAVELET MORLET

3 CEPSTRUM COMPLEJA WAVELET MORLET
SEAL
SEAL ORIGINAL
ORIGINAL CEPSTRUM COMPLEJA
ESPECTRO
ESPECTRO WAVELET MORLET
3
22 3 1 1
2
0.9 0.9
2 1.5
1.5
2 4
0.8 0.8
4
Coeficientes

11 4
3
0.7 0.7
Coeficientes

1
Coeficientes

1 3 3
0.5
0.5 2
0 0.6 0.6
2 2
1
0 00 0 0.5 0.5
1 1
-1 0.4 0.4
-0.5
-0.5 5855
-1 -1 5249
580.3 0.3 4643 60
5552 4037
-1-1
-2 4946 3431 50
1000
0.2 0.2 4340 2825 800 40
-2 -2 3734 2219 600
-1.5 3128 1613 1000 30 6
-1.5 0.1 0.1 2522 10 7 400 800 5
-3 41 200 20 4
0 1 2 3 4 5 6 7 Escala 19
a16 600 3
1310 400Espacio o tiempo 10 2
-3 -2-2 Tiempo (s) -3 0 0 7 1
200
0 00 1 11 2 22 3 3 3 4 4 4 5 5 5 6 6 6 7 7 7 0 0 1 1 a1 2 2 2 34 1 33 4 4 54 5 6 65 7 7 86 8 9 79 10 10
0 Escala Escala a
Tiempo (s)(s) Frecuencia Espacio o tiempo Tiempo (s)
TiempoTiempo
(s) Tiempo (s) (Hz)(Hz)
Frecuencia

Figura 4.6. Espectro de frecuencia de la seal diente de sierra.

CEPSTRUM COMPLEJA WAVELET MORLET
CEPSTRUM COMPLEJA WAVELET MORLET
3
3

2
2
4
4
Coeficientes

1 3
Coeficientes

1 3
2
2
0
0 1
1

-1
-1 60
60
88
50
50
40
-2 40
30 6
-2 5
30 6
20 4 5
20 3 4
10 2 3
-3 10 1 2
0
-3 1 2 3 4 5 6 7 Escala a 1
0 1 2 3 Escala a Tiempo (s)
Tiempo (s) 4 5 6 7
Tiempo (s)
Tiempo (s)
 5.2 Seales Transitorias

Los transitorios generalmente se caracterizan por una corta duracin, como se

observa en la Figura 4.7, medida en el modelo de la Presa Chicoasn, Chis., Mxico,
que tiene una duracin total aproximada de 0.5 s.

2.5

1.5
H (cm)

0.5

0
0 0.5 1 1.5 2
Tiempo (s)
Figura 4.7. Seal transitoria del golpe de ariete.

La utilizacin de la Transformada Wavelet Continua para su anlisis sirve para

encontrar e identificar el transitorio, que por lo regular no se puede analizar mediante
otras tcnicas, ya sea por su baja frecuencia y su poca duracin. Al realizar el anlisis
por medio de la Wavelet Morlet podemos observar que se concentra en frecuencias
bajas en un rango que oscila entre 7 a 9 Hz en un corto tiempo, que se muestra en la
Figura 4.8.

89
 240
18
220
17
16 200
15
180
14
13 160

Frecuencia (Hz)
12
140
11
10 120
9
100
8
7 80
6
60
5
4 40
3
20
2
1
0.260 0.530 0.796 1.062 1.329 1.596
Tiempo (s)
Figura 4.8. Escalograma utilizando la wavelet Morlet.

La distribucin en forma tridimensional, tiempo-frecuencia-energa, aplicando la

transformada wavelet se muestra en la Figura 4.9, en la cual se muestra un pico en el
cual se concentra la mayor parte de la energa del transitorio.

5.5

5 4.5

4 4
H (cm)

3 3.5
2 3
1 2.5
0
2
1817
1615 1.5
1413
1211 1
10 9 1.596
87 1.329
Frecuencia (Hz) 65 1.062 0.5
0.796
43 0.530
21 0.260 Tiempo (s)

Figura 4.9. Escalograma tridimensional, usando WT.

90
 5.3 Seal Turbulenta

Se tiene una seal transitoria en un flujo turbulento, que se muestra en la Figura

4.10. Utilizando el anlisis wavelet nos ayuda a encontrar y visualizar estructuras
coherentes de flujos turbulentos, identificando los esfuerzos turbulentos y la vorticidad,
como se ve en los trabajos recientes de Keylock (2007).
Velocidad (cm/s)

Tiempo (s)

Figura 4.10. Seal de flujo transitorio turbulento.

La distribucin en forma tridimensional tiempo-frecuencia-energa aplicando la

transformada wavelet se muestra en la Figura 4.11, y en forma bidimensional en la
Figura 4.12 conocida como escalograma.

91
 Amplitud

Frecuencia (Hz) Tiempo (s)

Figura 4.11. Escalograma tridimensional, usando CWT.

Frecuencia (Hz)

Tiempo (s)
Figura 4.12. Escalograma utilizando la wavelet madre.

En ambas figuras se muestran los resultados en diferente forma de presentacin,

donde se puede ver que no se pierde la informacin en el tiempo lo cual es una gran
propiedad del mtodo de la Transformada Wavelet. As, como se puede ver en las dos
figuras, para este caso, a los 5 s la energa se ve en la frecuencia de 8 Hz, a los 7 s
domina la de 4 Hz, entre los 10 s y 20 s la frecuencia central se encuentra en el rango
de 4 a 7 Hz y, finalmente, entre los 20 s y 30 s hay energa en una frecuencia de 5 Hz.

92
 5.4 Seal de viento y altura de ola

En el anlisis de series de tiempo podemos mencionar como antecedente el trabajo

realizado por Massel (2001), en el cual se hace referencia a la obtencin de la energa y
cmo se puede reconstruir una seal por medio de la transformada inversa. En el
presente ejemplo se ve la importancia de contar con un mejor espectro de onda, con
valores ms reales, los cuales nos dan un diseo ms cercano al ptimo. En la Figura
4.13 se muestra un ejemplo con una serie de datos de oleaje.

1.5

0.5

0
H (m)

-0.5

-1

-1.5

-2
0 5 10 15 20 25 30 35 40 45
Tiempo (min)
Figura 4.13. Seal de altura de ola.

En la Figura 4.14 se muestra el escalograma tridimensional correspondiente,

aplicando la Wavelet Discreta Meyer, la cual se adapta mejor a los datos por analizar.
Se ven dos picos de alta frecuencia con gran energa.

93
 70

60
60
50
40
40
20

30

2019
1817 20
1615
1413
1211
10 72.4 10
98
7 54.3
65 36.2
43
2 18.1
Frecuencia (Hz) 1
Tiempo (min)

Figura 4.14. Escalograma tridimensional del oleaje, usando CWT.

240
20
19 220
18
200
17
16 180
15
14 160
Frecuencia (Hz)

13
140
12
11 120
10
9 100
8
80
7
6 60
5
4 40
3
20
2
1
3.6 7.2 10.9 14.5 18.1 21.7 25.3 29.0 32.6 36.2 39.8
Tiempo (min)
Figura 4.15. Escalograma del oleaje utilizando la wavelet Meyer discreta.

En la Figura 4.15 se muestra el escalograma bidimensional en el cual se observa

que en bajas frecuencias sucede algo muy particular, que es la concentracin de muy
poca energa a lo largo de toda la serie de datos, como se observa en el rango de 1 a
10 minutos, con una frecuencia que oscila entre 2 y 3 Hz.
El uso y la explotacin racional, costo-efectivo y sustentable de los recursos
martimos de un pas requiere de una apropiada caracterizacin del clima martimo. El
desarrollo del viento, oleaje, mareas y corrientes presentes en una zona es esencial

94
para el desarrollo de actividades tales como diseo, construccin y mantenimiento de la
infraestructura martima y portuaria; operacin de puertos y marinas; determinacin de
rutas de navegacin; planeacin de actividades costa fuera y proteccin civil entre
otras.
La caracterizacin es apropiada y requiere de dos actividades fundamentales:
mediciones en campo de las variables meteorolgicas y oceanogrficas, y el desarrollo
de modelos numricos que validen adecuadamente las predicciones antes dichas, ver
Holthuijsen (2007) y Massel (2001).
En ingeniera martima, la modelacin del oleaje ha sido una de las principales
lneas de investigacin; mucho de los esfuerzos se han dirigido al desarrollo de
modelos numricos para reproducir la generacin de oleaje por la accin del viento y su
interaccin con la costa.
La instrumentacin disponible en la costa Mexicana sigue siendo baja; existe una
importante red de maregrafos operados por la Secretara de Marina, Instituto de
Geofsica de la Universidad Nacional Autnoma de Mxico y del Centro de Investigacin
Cientfica y Posgrado de Ensenada. En este artculo se us informacin de la estacin
nmero 42002 en posesin del National Data Buoy Center localizada en el Golfo de
Mxico en las coordenadas 2547'24" N, 9339'58" W, analizando la interaccin del
oleaje y viento para el mes de abril del 2008 ver Figura 3 y septiembre del 2008 ver
Figura 7.
Una base de datos completa del campo de viento de acceso libre se encuentra el
sitio Web [Link] que es el programa del National Center for Environmental
Prediction/National Center for Atmospheric Research (NCEP/NCAR). El objetivo de este
escrito es hacer un anlisis de la velocidad de viento en campo, usando datos
histricos medidos por las boyas, ver Kalnay (1996).

95
5.4.1 Co-escalograma

El escalograma proporciona la evolucin de energa en el tiempo en un simple

proceso del cuadrado de los coeficientes de la wavelet. Si los valores ajustados de los
coeficientes se sustituyen por el producto de los coeficientes de la wavelet de dos
diferentes procesos, el resultado es una vista de la correlacin entre los procesos, ha
esto se le conoce como co-escalograma, anlogo al co-espectro en el anlisis
espectral. Como el escalograma, tiene la ventaja de revelar varios paquetes de alta y
baja correlacin en diferentes bandas de frecuencia. Ver Li y Nozaki (1997) y Li (1998).
La funcin de correlacin cruzada wavelet entre dos seales x y y se define por la
Transformada Wavelet Continua como:

C xy a, ' Tx a, b Ty a, b ' db
1

*
(4)
0
donde Tx a, b* y Ty a,b son respectivamente la transformada wavelet de la seal x y y; y

el asterisco denota la conjugacin compleja; es el periodo de tiempo de la seal y

es el retraso entre las dos seales. C xy a, ' es la correlacin cruzada entre los

coeficientes de la wavelet de cada seal sobre el retraso en la escala a.

Las seales se dividieron en periodos mensuales y se le aplico la CWT a las seales
de velocidad de viento y altura de ola, despus se le aplico el coescalograma en la
combinacin de ambas seales como se muestra en las Figuras 4.16 a la 4.28.

96
 a) c)

b) d)

Figure 4.16. a) Seales de velocidad del viento y altura de ola; b) CWT a la seal de velocidad del viento,
enero 2008; c) CWT a la seal de altura de ola, enero 2008 y d) Coescalograma, enero 2008.

a) c)

b) d)

Figure 4.17. a) Seales de velocidad del viento y altura de ola; b) CWT a la seal de velocidad del viento,
febrero 2008; c) CWT a la seal de altura de ola, febrero 2008 y d) Coescalograma, febrero 2008.

97
 a) c)

b) d)

Figure 4.18. a) Seales de velocidad del viento y altura de ola; b) CWT a la seal de velocidad del viento,
marzo 2008; c) CWT a la seal de altura de ola, marzo 2008 y d) Coescalograma, marzo 2008.

a) c)

b) d)

Figure 4.19. a) Seales de velocidad del viento y altura de ola; b) CWT a la seal de velocidad del viento,
abril 2008; c) CWT a la seal de altura de ola, abril 2008 y d) Coescalograma, abril 2008.

98
 a) c)

b) d)

Figure 4.20. a) Seales de velocidad del viento y altura de ola; b) CWT a la seal de velocidad del viento,
mayo 2008; c) CWT a la seal de altura de ola, mayo 2008 y d) Coescalograma, mayo 2008.

a) c)

b) d)

Figure 4.21. a) Seales de velocidad del viento y altura de ola; b) CWT a la seal de velocidad del viento,
junio 2008; c) CWT a la seal de altura de ola, junio 2008 y d) Coescalograma, junio 2008.

99
 a) c)

b) d)

Figure 4.22. a) Seales de velocidad del viento y altura de ola; b) CWT a la seal de velocidad del viento,
julio 2008; c) CWT a la seal de altura de ola, julio 2008 y d) Coescalograma, julio 2008.

a) c)

b) d)

Figure 4.23. a) Seales de velocidad del viento y altura de ola; b) CWT a la seal de velocidad del viento,
agosto 2008; c) CWT a la seal de altura de ola, agosto 2008 y d) Coescalograma, agosto 2008.

100
 a) c)

b) d)

Figure 4.24. a) Seales de velocidad del viento y altura de ola; b) CWT a la seal de velocidad del viento,
septiembre 2008; c) CWT a la seal de altura de ola, septiembre 2008 y d) Coescalograma, septiembre
2008.

a) c)

b) d)

Figure 4.25. a) Seales de velocidad del viento y altura de ola; b) CWT a la seal de velocidad del viento,
octubre 2008; c) CWT a la seal de altura de ola, octubre 2008 y d) Coescalograma, octubre 2008.

101
 a) c)

b) d)

Figure 4.26. a) Seales de velocidad del viento y altura de ola; b) CWT a la seal de velocidad del viento,
noviembre 2008; c) CWT a la seal de altura de ola, noviembre 2008 y d) Coescalograma, noviembre
2008.

a) c)

b) d)

Figure 4.27. a) Seales de velocidad del viento y altura de ola; b) CWT a la seal de velocidad del viento,
diciembre 2008; c) CWT a la seal de altura de ola, diciembre 2008 y d) Coescalograma, diciembre 2008.

102
 5.5 Aplicacin a seales de abatimiento de un acufero

Los acuferos son la principal fuente de abastecimiento de agua en la Zona

Metropolitana de la Ciudad de Mxico (ZMCM); el suelo de esta zona es de tipo
volcnico formando mantos acuferos. La lluvia desempea un papel importante en la
recarga del acufero, debido al escurrimiento por la superficie del suelo se infiltra
directamente en el subsuelo hasta llegar a los acuferos, Walton (2007).
Actualmente el volumen de agua que extraemos de los acuferos es mayor que la
que se recupera naturalmente por la lluvia, del subsuelo se extraen 45 m3/s y slo se
reponen 25 m3/s. En consecuencia se compacta el suelo y propicia el hundimiento, de
0.10 m por ao, aunque en ciertos lugares como Xochimilco, Tlhuac, Ecatepec,
Netzahualcyotl y Chalco el suelo se ha compactado hasta 0.40 m en tan solo un ao;
por ello el agua que se extrae contiene cada vez mayor cantidad de minerales, que la
hacen de menor calidad. Registros estadsticos muestran hundimientos anuales de 0.15
a 0.25 m alrededor del Aeropuerto Internacional de la Ciudad de Mxico.
En el Distrito Federal se distribuye por medio de tuberas que se forman por una red
principal y una secundaria. La red principal de tuberas est formada por 690 km de
longitud con tubos que miden de 0.5 m y 1.73 m de dimetro. La red secundaria de
ms de 10,000 km de tubera, con dimetro inferior 0.5 m y cuenta con 243 tanques de
almacenamiento con una capacidad de 1'500,000 m 3 con 227 plantas de bombeo que
aumentan la presin en la red, para as poder dotar de agua a los habitantes de las
zonas altas, como el Ajusco, Contreras o la Sierra de Santa Catarina.
Dentro del Distrito Federal el agua se transporta por medio de 514 km de
acueductos y lneas de conduccin hacia 297 tanques de almacenamiento, los cuales
llegan a las tomas de los usuarios, por medio de 910 km de red primaria y 11,900 km de
redes de distribucin.
Se suministran a los habitantes de esta ciudad los 35 m 3/s de agua potable en
promedio, adems existen 27 plantas potabilizadoras y 377 dispositivos de cloracin,
que es monitoreada por el Laboratorio Central de la Calidad del Agua, para garantizar
su potabilidad. En la ZMCM, se dan bsicamente tres usos al agua: el 67% se destina al

103
sector domstico, el 17% se utiliza en las industrias y el 16% se utiliza en escuelas,
hospitales y oficinas.
El consumo mnimo de agua en la Ciudad de Mxico, por clases sociales se dan de
la siguiente manera: en algunos asentamientos ilegales; es alrededor de 28 l/hab/da.
Mientras que la estimacin de consumo promedio en las zonas de sectores medios es
entre 275 a 410 l/hab/da y en los sectores de mximos ingresos entre 800 y 1000
l/hab/da.
La necesidad de traer agua desde cuencas fuera del Valle de Mxico obedeci en
gran parte al hundimiento de la ciudad de Mxico, ocasionado por los primeros
impactos de la extraccin de agua del subsuelo. El intenso crecimiento de la poblacin
a partir de los aos cincuenta hizo evidente que las fuentes subterrneas no seran
suficientes para abastecer la demanda de miles de nuevos habitantes metropolitanos.
Para disminuir la problemtica del abastecimiento del agua en la Ciudad de Mxico
es recomendable incrementar el uso del agua residual tratada en aplicaciones que no
ameriten el grado de potabilidad como son: riego de reas verdes, reposicin de niveles
de canales y lagos recreativos, as como el enfriamiento industrial.
El crecimiento de la poblacin en la Ciudad de Mxico, demanda mayor cantidad
de agua da con da, en la actualidad para poder suministrar el vital lquido, se recurre a
la explotacin de fuentes, tanto internas como externas, el acufero de la Ciudad de
Mxico provee casi 16 m3/s y las fuentes externas, la Cuenca del Alto Lerma y
Cutzamala inyectan 15 m3/s adicionales a la red.
La dependencia del agua subterrnea extrada por medio de pozos hace necesario
revisar las condiciones del acufero, con el fin de establecer las condiciones evolutivas
en los mantos acuferos; estas revisiones se hacen a partir de las mediciones de las
profundidades del agua subterrnea; de los valores obtenidos se puede inferir el efecto
que trae consigo la explotacin de esta fuente y al mismo tiempo se pueden
implementar acciones que permitan su recuperacin.
Con la finalidad de establecer polticas de extraccin que garanticen la parte
proporcional del agua subterrnea proveniente de sus mismos acuferos que abastecen
a los habitantes de la Ciudad de Mxico, sabiendo que cualquier medida adoptada
104
servir para cuidar al mismo tiempo el entorno ecolgico. Por esto, se propone el
presente estudio para realizar las mediciones de niveles del agua subterrnea para el
ao 2009, lo que se seleccion 225 pozos para este fin, y de esta manera conocer la
evolucin de los niveles del agua subterrnea en la regin ocupada por el acufero de la
Ciudad de Mxico.
Zona de estudio
La composicin del acufero de la Ciudad de Mxico es de un nico sistema.
Regionalmente el subsuelo del Valle de Mxico lo constituye una secuencia de
productos aluviales y volcnicos que son permeables, que permiten la infiltracin y la
circulacin del agua El acufero es confinado por arcillas lacustres en la parte Este del
valle, y en la porcin Oeste trabaja como un acufero libre, en la Figura 4.28, se muestra
la localizacin de la zona de estudio.
En cuanto a la recarga del acufero su principal aporte proviene de la infiltracin del
agua que se precipita sobre las sierras que lo circundan, en especial en la porcin Sur,
debida a la alta permeabilidad de las rocas que en esa zona existen. El agua infiltrada
circula en forma radial de los costados de las sierras hacia el centro del valle,
Bloetscher (2005) y Rushton (2003).
En cuanto a la descarga principal del acufero se lleva a cabo mediante el bombeo
de los pozos perforados en el valle y no se manifiesta una descarga hacia otras
cuencas, debido a que la del Valle de Mxico es una cuenca endorreica y por lo tanto,
sin salidas naturales del agua superficial como subterrnea.

105
 Figura 4.28. Localizacin de la zona de estudio, Ciudad de Mxico, Mxico

Las principales caractersticas que se encuentra con la aplicacin de la WT es

averiguar como se relacionan ambos fenmenos, tales como es que influye la
precipitacin en la recarga del acufero si se toman nicamente las seales medidas de
la precipitacin en el sitio del pozo y la respuesta del abatimiento o recarga en el sitio.

Well C
200 100
58
Static Level Precipitation 55
52
49
46
43
40
Precipitation [mm]

Static Level [m]

Frequency [Hz]
37
34
100 80 31
28
25
22
19
16
13
10
7
4
0 60 1
0 5 10 15 1 3
Time [month]

Figura 4.29. Seales de la precipitacin y nivel esttico del pozo No. 21 de la

Ciudad de Mxico.
CWT, Well, Precipitation 3

Aplicando la58
transformada wavelet al nivel esttico y seales de la precipitacin
55
52
mxima anual en49el ao de estudio (2009), ver Figura 4.29, en el pozo nmero 21, que
15000
46
43 106
40
10000
equency [Hz]

37
34
31
28 5000
25
 se encuentra en la zona cntrica de la ciudad de Mxico, en esta zona se tiene la
particularidad de que el suelo es de formacin arcillosa, que se hace difcil una recarga,
as como es una zona completamente urbanizada con muy poca rea natural y artificial
para un recuperacin sustancial del nivel esttico en esta rea y, en particular en ese
pozo. En la Figura 4.30 se aplica el tipo de CWT Morlet a los datos del nivel esttico,
que es la wavelet que mejor se adapt a este tipo de seal, ya que utiliza una ventana
gaussiana como envolvente, como puede verse hay gran frecuencia durante los meses
de abril a octubre, que es cuando se puede tener un nivel ms alto en la recarga del
pozo.

CWT, Well, Static Level

100
58
Precipitation 55
52
49
46
43
40
Static Level [m]

Frequency [Hz]

37
34
80 31
28
25
22
19
16
13
10
7
4
60 1
15 1 3 5 7 9 11 12
Time [month]

Figura 4.30. CWT Morlet, seal del nivel esttico en el pozo No. 21.
3D Coscalogram, Well
In the same way apply you data of precipitation that is shown in Figure 4, there is
that in the months of August and September corresponds to the peak seen in Figure 2,
which has excess
15000rain which infiltrates not to evacuate in the center of the Mexico Valley

area, which sometimes causes large floods.

10000
De la misma manera se le aplico la WT a los datos de precipitacin que se
muestran en la Figura 4.31, es que en los meses de agosto y septiembre se
5000

0
60 107
40 11 12
9
7
20 5
3
9 11 12 0 1
Frequency [Hz] Time [month]
 19
16
13
10
7
4
0 60 1
0 5 10 15 1 3
corresponde con el pico que se ve en laTime
Figura 4.32, que tiene excesiva lluvia que no se
[month]

infiltra en el acufero y provoca inundaciones.

CWT, Well, Precipitation

CWT, Well, Static Level
100 58
5558
Precipitation 5255
4952 15000
4649
4346
4043
10000
Frequency [Hz]

3740
Static Level [m]

Frequency [Hz]

3437
3134
80 2831 5000
2528
2225
1922
1619 0
1316 60
1013
40
710
4 7 20
1 4
60 11 3 5 7 9 11 12 Frequency [Hz]
15 1 3 5Time [month]
7 9 11 12
Time [month]
Figura 4.31. CWT Morlet, seal precipitacin en el pozo No. 21.

3D Coscalogram, Well

15000

10000

5000

0
60
40 11 12
9
7
20 5
3
11 12 0 1
Frequency [Hz] Time [month]

Figura 4.32. Coscalograma entre la relacin de las seales de precipitacin y nivel

esttico en el pozo No. 21.

108
4.6 APLICACIONES EN HIDROLOGA

En el campo de la hidrologa el anlisis wavelet cada vez se utiliza ms como una

herramienta que sustituye al anlisis de Fourier clsico. Al realizar un anlisis de
multiresolucin de la wavelet permite mejorar la determinacin de la estructura de la
escala temporal de una determinada seal, por ejemplo, altura de precipitacin, gastos
mnimos y mximos en un ro.
La transformada de Fourier ampliamente utilizado est diseada para seales
estacionarias que consiste en una superposicin lineal de periodicidades lineales,
independientes y no en evolucin. La repeticin infinita de funciones seno y coseno, que
constituye la base clsica de Fourier, es ideal para el tratamiento de los datos que
involucran procesos estacionarios peridicos.
Las fluctuaciones de las seales en la hidrologa son altamente no estacionarias y
procesos fsicos a menudo se rifen por una amplia gama de escalas que van desde un
das hasta varias dcadas para las tasas de precipitacin (Tessier, 1996 y de Lima,
1999).
Se ha desarrollado el anlisis wavelet para proporcionar una herramienta para
analizar un mejor rendimiento en este tipo de seales. Es posible obtener informacin
en el tiempo y escala gracias a que se puede extraer informacin local de la seal por
analizar.
Otro aspecto importante es la generacin de datos sintticos, sin un paso
importante, ya que se toma la base de datos para la realizacin de estudios de diseo,
operacin y diagnstico de obras hidrulicas. Las caractersticas bsicas de la serie de
tiempo hidrolgica pueden ser descritas en trminos de, 1) una distribucin de
probabilidad; 2) constantes variaciones en la amplitud en un tiempo irregular y
dependencia en las variaciones de la frecuencia; 3) dependencia no lineal; y 4)
dinmica no lineal y catica (Whitcher, 2002).
La generacin sinttica de series de tiempo hidrolgicas, por ejemplo las lluvias y el
gasto, pueden lograrse por medio de los siguientes modelos: modelo corto de ruido,

109
modelo de fragmentos, redes neuronales, modelos estocsticos, modelos de cadenas
de Markov y wavelets, est ltimo es el que se us en la reconstruccin de datos.

4.6.1 Seal de precipitacin

Como antecedente al anlisis de este tipo de seales tenemos a Labat (2005) y a
Kang (2007) que analizan seales de datos de precipitacin y de gastos en ros. Al
utilizar la tcnica wavelet ayuda a saber cmo la precipitacin se comporta a lo largo del
tiempo, es decir, con qu frecuencia se presenta, dependiendo del periodo de estudio.
En la Figura 4.33 se muestra una seal de la estacin climatolgica del Temascal en
Tabasco, Mxico.
1400

1200

1000
Precipitacin (mm)

800

600

400

200

0
0 100 200 300 400 500 600 700
Tiempo (meses)
Figura 4.33. Precipitacin en la estacin climatolgica Temascal del ao 1950 al 2005.

110
 1400

1500
1200

Precipitacin (mm)
1000 1000

800
500

600

110 400
100
90
80
70
60 1200 200
50 1000
40 800
30 600
Frecuencia (Hz) 20 400
10 200
1 Tiempo (meses)

Figura 4.34. Escalograma tridimensional de la precipitacin usando la WT

En las figuras 4.34 y 4.35 se us la Wavelet Mexican Hat, que debe su nombre a
que la wavelet tiene la forma de un sombrero mexicano, de charro; con esta wavelet se
puede observar la frecuencia con que se presenta la precipitacin. En la representacin
bidimensional es claro que a lo largo del periodo estudiado se tiene una frecuencia de
entre 8 a 12 meses, es decir, se tiene una repeticin cada 12 meses de similares
caractersticas. En una frecuencia de 60 meses se repite unas 8 veces, es decir cada 60
meses se repite determinado tipo de precipitacin y si se observa la frecuencia de 100
meses, se observa que se present 3 veces en el periodo analizado.
240
115
109 220
103
200
97
91 180
85
160
Frecuencia (Hz)

79
73
140
67
61 120
55
49 100
43
80
37
31 60
25
19 40
13
20
7
1
100 200 300 400 500 600
Tiempo (meses)
Figura 4.35. Escalograma de la precipitacin utilizando la wavelet Mexican Hat

111
 4.6.2 Pronstico de gastos mensuales

La serie de tiempo se puede reconstruir por medio de los coeficientes wavelet en

todas las escalas como lo uso (Torrence y Compo, 1998):

donde:
espacio entre las escalas wavelet

incremento de tiempo de la seal

factor de reconstruccin de la wavelet

funcin base normalizada evaluada en el tiempo cero

nmero de escalas de la wavelet menor a 1

parte real de la transformada wavelet

parmetro de escala ( donde es la escala wavelet mas

pequea utilizada)
seal reconstruida.

Al aplicar la reconstruccin de una seal de gastos instantneos, se tom los datos

de la estacin No. 11012 del ro San Pedro en Nayarit, Mxico. Al aplicar la
transformada continua wavelet Morlet, esta wavelet tiene un factor de reconstruccin de

y . Como primer paso es necesario calcular el ngulo y mdulo

de la CWT de la seal que se muestra en la Figura 4.36.

112
 35000

30000 Serie histrica

25000
Volumen (Mm3)

20000

15000

10000

5000

0
0 144 288 432 576 720
Tiempo (mes)

Figura 4.36. Gastos instantneos de la estacin No. 11012.

En las Figuras 4.37 y 4.38 se muestran el ngulo y mdulo obtenidos al aplicar la

CWT para usarlos en la reconstruccin de la seal.

Figura 4.37. Mdulo usando la CWT Morlet.

113
 Figura 4.38. ngulo usando la CWT Morlet.

Figura 4.39. Parte real e imaginaria de la CWT Morlet.

Al aplicar la transformada wavelet continua morlet y usando la ecuacin 1 se

reconstruye la seal, que se muestra en la Figura 4.39, con un error del 2.22 %.

114
 40000

35000 Serie histrica

30000
Pronstico Wavelet

25000
Volumen (Mm3)

20000

15000

10000

5000

0
0 144 288 432 576 720
Tiempo (mes)

Figura 4.40. Seal analizada y reconstruida usando la CWT Morlet.

A continuacin se compara el pronstico por el mtodo de la Transformada

Continua Wavelet con el modelo estocstico Autorregresivo de Promedios Mviles
Integrado (ARIMA), se utilizaron los Modelos ARIMA tambin utilizados por autores
como Box and Jenkins (1970), Salas (1980) y Escalante (2012) que son:
1. ARIMA (1,0,0)
2. ARIMA (2,0,0)
3. ARIMA (1,0,1)
4. ARIMA (2,0,2)
5. ARIMA (1,0,2)

En la Tabla 4.1 se muestran los parmetros calculados de cada modelo.

Tabla 4.1. Periodo de Estimacin

Modelo RMSE MAE AIC RMSE RUNS RUNM AUTO MEDIA VAR
(Akaike)
(A) 3579.73 2069.1 16.3686 3579.73 *** ** *** OK **
(B) 3576.4 2077.64 16.3692 3576.4 OK OK *** OK **
(C) 3576.42 2076.18 16.3692 3576.42 OK OK *** OK **
(D) 3572.95 2094.28 16.3722 3572.95 OK OK *** OK **
(E) 3578.26 2102.82 16.3727 3578.26 * OK *** OK **

115
donde:
RMSE = Root Mean Squared Error (Raz del Cuadrado Medio del Error)
RUNS = Prueba corridas excesivas arriba y abajo
RUNM = Prueba corridas excesivas arriba y abajo de la mediana
AUTO = Prueba de Box-Pierce para autocorrelacin excesiva
MEDIA = Prueba para diferencia en medias entre la 1 mitad y la 2 mitad
VAR = Prueba para diferencia en varianza entre la 1 mitad y la 2 mitad
OK = no significativo (p >= 0.05)
* = marginalmente significativo (0.01 < p <= 0.05)
** = significativo (0.001 < p <= 0.01)
*** = altamente significativo (p <= 0.001)

En la tabla 1 se comparan los resultados de ajustar diferentes modelos a los datos.

El modelo con el menor valor del Criterio de informacin de Akaike (AIC) es el modelo A,
el cual se ha utilizado para generar los pronsticos. Tambin se resumen los resultados
de cinco pruebas para determinar si cada modelo es adecuado para los datos. Un OK
significa que el modelo pasa la prueba. Un * significa que no pasa la prueba al nivel de
confianza del 95%. Dos *'s significa que no pasa la prueba al nivel de confianza del
99%. Tres *'s significa que no pasa la prueba al nivel de confianza del 99.9%. Note que
el modelo actualmente seleccionado, el modelo A, solo pasa una prueba. Puesto que
una o ms pruebas son estadsticamente significativas al 95% de confianza o ms,
debera considerar seriamente seleccionar otro modelo. En las figura 4.41 se presenta
las autocorrelaciones de residuos del modelo ARIMA(1,0,0) y en la figura 4.42 las
autocorrelaciones de residuos parciales ARIMA(1,0,0).

116
 Autocorrelaciones Residuos para Col_2
ARIMA(1,0,0)

0.6
Autocorrelaciones

0.2

-0.2

-0.6

-1
0 5 10 15 20 25
retraso
Figura 4.41. Autocorrelaciones de residuos del modelo ARIMA(1,0,0).

Autocorrelaciones Residuos Parciales para Col_2

ARIMA(1,0,0)

1
Autocorrelaciones Parciales

0.6

0.2

-0.2

-0.6

-1
0 5 10 15 20 25
retraso
Figura 4.42. Autocorrelaciones de residuos parciales ARIMA(1,0,0).

117
 En las figuras 4.43 a 4.48 se comparan los valores pronosticados por el modelo
ARIMA, Wavelet Morlet y los valores medidos en la estacin No. 11012 del ro San Pedro
en Nayarit, Mxico.

40000

Serie histrica
35000
Pronstico ARIMA
30000
Pronstico Wavelet
25000
Volumen (Mm3)

20000

15000

10000

5000

0
0 12 24 36 48 60 72 84 96 108 120 132 144
Tiempo (mes)

Figura 4.43. Pronostico de la estacin ro San Pedro (01/1944 a 12/1956).

40000

Serie histrica
35000
Pronstico ARIMA
30000
Pronstico Wavelet
25000
Volumen (Mm3)

20000

15000

10000

5000

0
144 156 168 180 192 204 216 228 240 252 264 276 288
Tiempo (mes)

Figura 4.44. Pronostico de la estacin ro San Pedro (01/1957 a 12/1969).

118
 40000

Serie histrica
35000
Pronstico ARIMA
30000
Pronstico Wavelet
25000
Volumen (Mm3)

20000

15000

10000

5000

0
288 300 312 324 336 348 360 372 384 396 408 420 432
Tiempo (mes)

Figura 4.45. Pronostico de la estacin ro San Pedro (01/1970 a 12/1972).

40000

Serie histrica
35000
Pronstico ARIMA
30000
Pronstico Wavelet
25000
Volumen (Mm3)

20000

15000

10000

5000

0
432 444 456 468 480 492 504 516 528 540 552 564 576
Tiempo (mes)

Figura 4.46. Pronostico de la estacin ro San Pedro (01/1973 a 12/1985).

119
 40000

Serie histrica
35000
Pronstico ARIMA
30000
Pronstico Wavelet
25000
Volumen (Mm3)

20000

15000

10000

5000

0
576 588 600 612 624 636 648 660 672 684 696 708 720
Tiempo (mes)

Figura 4.47. Pronostico de la estacin ro San Pedro (01/1986 a 12/1998).

40000

Serie histrica
35000
Pronstico ARIMA
30000
Pronstico Wavelet
25000
Volumen (Mm3)

20000

15000

10000

5000

0
720 732 744 756 768 780 792 804
Tiempo (mes)

Figura 4.48. Pronostico de la estacin ro San Pedro (01/1999 a 12/2010).

El modelo de la Transformada Wavelet Continua demostr ser una til y con buenos
resultados para el pronstico de escurrimientos, por lo tanto se recomienda su uso.

120
CONCLUSIONES

El anlisis de fenmenos inestables utilizando la transformada wavelet discreta y

continua es una tcnica relativamente nueva que tiene un gran potencial en la ingeniera
hidrulica ya que proporciona una visin ms detallada de no estacionarias y
transitorias seales, a travs de mapas de escala de tiempo o frecuencia de tiempo, al
contrario el tradicional mtodo de descomposicin espectral donde el componente de
tiempo se pierde.
El coscalogram detecta fase de acoplamiento entre dos diferentes fenmenos
relacionados, por ejemplo: altura de onda y velocidad del viento. En este papel dos
aplicaciones-altura-Mostrar el anlisis de una seal transitoria generada por el cierre
repentino de una vlvula de una tubera y el estudio de dos registros simultneos de la
onda y velocidad del viento la mejora que tiene este tipo de anlisis sobre la
transformacin de Fourier los mtodos tradicionalmente utilizados, fueron demostrados.
Finalmente, se presentaron las ventajas y desventajas de varios mtodos para analizar
las seales, y sugiri un problema prctico que puede ser abordado con el peso.
Con el mtodo de la Transformada Wavelet (WT) se encuentra informacin de la
distribucin de energa, o amplitud, simultneamente en el tiempo y en la frecuencia. Es
una herramienta que ayuda a saber ms sobre el fenmeno en estudio y, en el caso
muy especial de las seales transitorias, evala mejor sus parmetros para poder
caracterizar el fenmeno con mayor detalle.
Como permite simplificar fenmenos complicados dividindolo en pequeas
componentes que se pueden analizar por partes, es una herramienta que tiene un gran
potencial de aplicacin en varios campos de la hidrulica moderna.
En la aplicacin de la hidrologa al aplicarlo a mtodos de pronsticos de gastos
mensuales, dieron muy buenos resultados al compararlos con los mtodos
tradicionales, por lo cual se recomienda la aplicacin de la Transformada Wavelet a la
generacin sinttica de gastos mensuales.

121
122
REFERENCIAS

Abry, P. (2006). Scaling phenomena and wavelets: A review, CNRS, UMR, Laboratoire
de Physique, Ecole Normale Suprieure de Lyon, 1-16.

Addison, S. Paul, Murray, B.K. and Watson, N.J. (2001). Wavelet transform of open
channel wake flows, Journal of Engineering Mechanics, 127(1), 58-69.

Aimable, R. y Zech, Y. (2003). Experimental results on transient and intermittent flows in

a sewer pipe model, XXX IAHR Congress, Thessaloniki, Greece, Theme B, 377-384.

Angrisani, L., Daponte, P. y Apuzzo, M.D. (1999). A method for the automatic detection
and measurement of transients. Part 1: the measurement method, Measurement,
25, 19-30.

Angrisani, L., Daponte, P. y Apuzzo, M.D. (1999). A method for the automatic detection
and measurement of transients. Part II: applications, Measurement, 25, 31-40.

Basu, B. y Gupta, V.K. (1999). Wavelet-based non-statitonary response of a slipping

foundation, Journal of Sound and Vibration, 222 (4), 547-563.

Bendat, J.S. y Piersol, A.G. (2010).Random data: analysis and measurement

procedures, 4 edicin, New Jersey, Wiley.

Boccatti, P. (2004).A method to obtain the directional wave spectrum, Ocean

Engineering, 31, 539-545.

Bonnet, J., Delville, J., Glauser, M., Antonia, R., Bisset, D., Cole, D., Fiedler, H., Garena,
J., Hilberg, D, Jeang, J., Keulahan, N., Ukeiley, L. y Vincedeau, E. (1998).
Collaborative testing of eddy structure identification methods in free turbulent
shear flows, Experiments in Fluids, 25, 197-225.

Boogaard, V., Uittenbogaard, R. y Mynett, A. (2003). Construction of time series with

prescribed statistical properties for applications in hydraulic engineering, XXX IAHR
Congress, Thessaloniki, Greece, Theme D, 107-114.

Brever, K., Cohen, J. y Haritonidis, J. (1997). The late stages of transition induced by a
low-amplitude wave packet in a laminar boundary layer, Journal of Fluid
Mechanics, 340, 395-411.

Brunone, B., Golia, U. y Greco, M. (1995). Effects of two dimensionality on pipe

transients modeling, Journal of Hydraulic Engineering, 121(12), 906-912.

123
Camussi, R. y Guj, G. (1997). Orthonormal wavelet descomposition of turbulent flows:
intermittency and coherent structures, Journal of Fluid Mechanics, 348, 177-199.

Camussi, R. y Guj, G. (1999). Experimental analysis of intermittent coherent structures

in the near field of a high Re turbulent jet flow, Physics of Fluids, 11(2), 423-431.

Cannizzaro, D. y Pezzinga, G. (2003). 2D numerical model for transient vaporous

cavitation, XXX IAHR Congress, Thessaloniki, Greece, Theme D, 751-758.

Carmona, H., Hwang, W.L. y Torresani, B. (1998). Practical time frequency analysis,
Gabor and Wavelet Transforms with an implementation in S, Academic Press.

Chui, C.K. y Wang, J.Z. (1992). A general framework of compactly supported splines
and wavelets, Journal of Approximation Theory, 71, 263-304.

Cohen, L. (1995). Time frequency analysis, Englewood Cliffs, Prentice Hall.

Daubechies, I. (1992). Ten lectures on wavelets, CBMS-NSF Regional Conference

Series in Applied Mathematics, Philadelphia: SIAM.

Earle, M., Steele, K. y Wang, D. (1999). Use of advanced directional wave spectra
analysis methods, Ocean Engineering, 26, 1421-1434.

Elsayed, Mohamed A.K. (2006). Wavelet bicoherence analysis of wind-wave

interaction, Ocean Engineering, 33, 458-470.

Escalante, C. y Lpez, A. (2012). Pronstico de escurrimientos mensuales en la cuenca

del ro Papagayo, XXI Congreso Nacional de Hidrulica, Acapulco, Guerrero,
Mxico, 7 al 9 de Noviembre.

Farge, M. (1992). Wavelet transform and their applications to turbulence, Annual

Reviews of Fluid Mechanics, 24, 395-457.

Farge, M., Schneider, K. y Abry, P. (2002). Analyzing and compressing turbulent fields
with wavelets, Institut Pierre Simon Laplace des Sciences de lEnvironnement
Global, Notes des Activits Instrumentales., Note No. 20, 1-53.

Farge, M., Shneider, K. y Keulahan, N. (1999). Non-Gaussianity and coherent vortex

simulation for two-dimensional turbulence using an adaptative orthogonal wavelet
basis, Physics in Fluids, 11(8), 2187-2201.

Gordeyev, S.V., Thomas, F.O. (1985). Temporal subharmonic amplitude and phase
behavior in a jet shear layer: wavelet analysis and Hamiltonian formulation, Journal
of Fluid Mechanics, 394, 205-240.

124
Grossman, A. y Morlet, J. (1984). Decomposition of hardy function into square
integrable wavelets of constant shape, SIAM Journal of Mathematical Analysis and
Applications, 15, 723-736.

Guedes, C. y Cherneva, Z. (2005). Spectrogram analysis of the time-frequency

characteristics of ocean wind waves, Ocean Engineering, 32, 1643-1663.

Gurley, K. y Kareem, A. (1999). Applications of wavelet transforms in earthquake, wind

and ocean engineering, Engineering Structures, 21, 149-167.

Haase, M. y Widjajakusuma, J. (2003). Damage identification based on ridges and

maxima lines of the wavelet transform, International Journal of Engineering
Science, 41, 1423-1443.

Higuchi, H., Lewalle, J. y Crane, P. (1994). On the structure of a two-dimensional wake

behind a pair of flat plates, Physics in Fluids, 6(1), 297-305.

Hoffman, J. (2001). Dynamic computational subgrid modeling in turbulent reactive flow

problems, First MIT Conference on Computational Fluid and Solid Mechanics,
Cambridge, MA, June 12-15, 1241-1243.

Huang, M.C. (2004). Wave parameters and functions in wavelet analysis with filtering,
Ocean Engineering, 31, 813-831.

Huang, N., Shen, Z. y Long, S. (1999). A new view of nonlinear water waves: The Hilbert
Spectrum, Annual Review of Fluid Mechanics, 31, 417-457.

Kailas, S. y Narasimha, R. (1999). The eduction of structures from flow imagery using
wavelets. Part I. The mixing layer, Experiments in Fluids, 27, 167-174.

Kapelan, Z., Covas, D., Savic, D., Walters, G., Graham, N. y Maksimovic, D. (2003).
Inverse transient analysis in pipe networks for leakage detection, quantification
and roughness calibration, XXX IAHR Congress, Thessaloniki, Greece, Theme B,
393-400.

Katul, G. y Parlange, B.M. (1995). Analysis of land surface heat fluxes using the
orthonormal wavelet approach, Water Resources Research, 31(11), 2743-2749.

Katul, G., Parlange, M. y Chu, Ch. (1994). Intermittency, local isotropy and non-
Gaussian statistics in atmospheric surface layer turbulence, Physics in Fluids, 6(7),
2480-2492.

125
Katul, G., Schieldge, J., Hsieh, C. y Vidakovic, B. (1998). Skin temperature perturbations
induced by surface layer turbulence above a grass surface, Water Resources
Research, 34(5), 1265-1274.

Kim, S. y Choudhury, D. (2001). Numerical investigation of laminar natural convection

flow inside a tall cavity using a finite volume based Navier-Stokes solver, First MIT
Conference on Computational Fluid and Solid Mechanics, Cambridge, MA, June 12-
15, 1490-1492.

Koutandos, E.V., Primos, P.E. y Gironella, X. (2003). Floating breakwaters interaction

with waves- a large-scale experimental study, XXX IAHR Congress, Thessaloniki,
Greece, Theme A, 385-392.

Kwon, S., Lee, H. y Kim, C. (2005). Wavelet transform based coherence analysis of
freak wave and its impact, Ocean Engineering, 32, 1572-1589.

Lee, H.S. y Kwon, S.H. (2003). Wave profile measurement by wavelet transform, Ocean
Engineering, 30, 2313-2328.

Liu, P. (2000). Is the wind wave frequency spectrum outdated, Ocean Engineering, 27,
577-588.

Liu, P.C. (2000). Wave grouping characteristics in near shore Great Lakes, Ocean
Engineering, 27, 1221-1230.

Mallat, S.G. (1989). Multiresolution approximation and wavelet othonormal bases of L2

(R), Transactions of the American Mathematical Society, 315, 69-87.

Marshall, B.J., Marwood, R., Belcher, R.E. y Wood, C.J. (1999). Laser Doppler
anemometry and conditional sampling, Journal of Wind Engineering & Industrial
Aerodynamics, 79, 209-231.

Massel, S.R. (2001). Wavelet analysis for processing of ocean surface wave records,
Ocean Engineering, 28, 957-987.

McInnis, D. y Karney, B. (1995). Transients in distribution networks: field tests and

demand models, Journal of Hydraulic Engineering, 121(3), 218-231.

Meyer, Y. (1992). Wavelets and Operators, Cambrigde University Press, Cambridge,

UK.

Mouri, H., Kubotani, H., Fujitani, T. Niino, H. y Takaoka, M. (1999). Wavelet analyses of
velocities in laboratory isotropic turbulence, Journal of Fluid Mechanics, 389, 229-
254.

126
Newland, D.E. (1993). Random vibrations, spectral and wavelet analysis, Longman.

Nezu, I. y Yoshida, K. (2003). Fundamental study on air-water interfacial coherent

structures in wind-induced water waves flows by PIV measurement, XXX IAHR
Congress, Thessaloniki, Greece, Theme C, 235-242.

Orme, M., Willis, K. y Nguyen, T. (1993). Droplet patterns from capillary stream
breakup, Physics in Fluids, 5(1), 80-90.

Oonincs, P.J. (2000). Mathematical signal analysis: Wavelets, Wigner distribution and a
seismic application, Stichting Mathematisch Centrum, Amsterdam.

Palacz, M. y Krawczuk, M. (2002). Analysis of longitudinal wave propagation in a

cracked rod by the spectral element method, Computers & Structures, 80, 1809-
1816.

Papadopoulos, G. (2003). A piv-based educational facility for hydraulic research, XXX

IAHR Congress, Thessaloniki, Greece, Theme E, 201-208.

Pinton, J., Chill, S., Fauve, S. y Labb, R. (1999). Intermittency in the closed flow
between coaxial disks, Trends in Mathematics, Birkhuser Verlag, Basel
Switzerland.

Poggie, J. y Smits, A. (1997). Wavelet analysis of wall-pressure fluctuations in a

supersonic blunt-fin flow, American Institute of Aeronautics and Astronautics
Journal, 35(10), 1597-1603.

Prodanovic, D., Pavlovic, D. y Jacimovic, N. (2003). The role of diagnostic

measurements in poorly maintained and documented water supply systems, XXX
IAHR Congress, Thessaloniki, Greece, Theme B, 313-320.

Rinoshika, A. y Zhou, Y. (2005). Orthogonal wavelet multi-resolution analysis of a

turbulent cylinder wake, Journal of Fluid Mechanics, 524, 229-248.

Rujian, M. y Guixi, L. (2002). Spectral analysis of Stokes waves, Ocean Engineering,

29, 593-604.

Ruiz, G. (2012). Wavelet Transform Analysis for Mexican City Aquifer, Tenth
International Conference on Hydroscience and Engineering, Orlando, Florida, USA,
4-7 November.
Schellart, A., Clemens, F., Veldkamp, R. y Tait, S. (2003). A procedure for evaluating
shear stress measurements in an annular flume using frequency domain filters,
XXX IAHR Congress, Thessaloniki, Greece, Theme B, 425-432.

127
Schneidr, K., Farge, M., Pellegrino, G. y Rogers, M. (2005). Coherent vortex simulation
of three-dimensional turbulent mixing layer using orthogonal wavelet, Journal of
Fluid Mechanics, 534, 39-66.

Sedlcek, M. y Titera, M. (1998). Interpolations in frequency and time domains used in

FFT spectrum analysis, Measurement, 23, 185-193.

Shaikh, F.N. (1997). Investigation of transition to turbulence using white-noise excitation

and local analysis techniques, Journal of Fluid Mechanics, 348, 29-83.

Spanos, P. y Failla, G. (2004). Evolutionary spectra estimation using wavelets, Journal

of Engineering Mechanics, 130(8), 952-960.

Strang, G. y Nguyen, T. (1995). Wavelets and Filter Banks, Wellesley-Cambridge Press,

Wellesley, MA.

Sullivan, P., Ancimer, R. y Wallace, J. (1999). Turbulence averaging within spark ignition
engines, Experiments in Fluids, 27, 92-101.

Torrence, C. y Compo, G.P. (1998). A practical guide to wavelet analysis, Bulletin of the
American Meteorological Society, 79(1), 61-78.

Thomas, F. y Chu, H. (1993). Nonlinear wave coupling and subharmonic resonance in

planar jet shear layer transition, Physics in Fluids, 5(3), 630-646.

Vlachogiannis, M. y Bontozoglou, V. (2001). Observations of solitary wave dynamics of

film flows, Journal of Fluid Mechanics, 435, 191-215.

Walker, S.H., Gordeyeu, S.V. y Thomas, F.O. (1997). A wavelet transform analysis
applied to unsteady aspects of supersonic jet screech resonance, Experiments in
Fluids, 22, 229-238.

Wang, X., Lambert, M., Simpson, A., Liggett, J. y Vikousky, J. (2002). Leak detection in
pipelines using the damping of fluid transients, Journal of Hydraulic Engineering,
128(7), 697-711.

Xiu, D., Lucor, D., y Karniadakis, G.E. (2001). Modeling uncertainty in flow-structure
interactions, First MIT Conference on Computational Fluid and Solid Mechanics,
Cambridge, MA, June 12-15, 1420-1423.

Yu, Y, Ajit, S.R., Zhu, H. y Xia, L. (2005). Using wavelet transforms to analyze nonlinear
ship rolling and heave-roll coupling, Ocean Engineering, XX, 1-15.

128