Transformadas wavelet
• Introducción
• Transformada de Fourier
• Wavelet
• Tipos de wavelets
• Wavelet EEG
• Wavelet Imágenes
• Conclusiones
Introducción
Usualmente se representan las señales mediante funciones del
tiempo f(t) o, alternativamente, en el dominio de la
frecuencia a través de su Transformada de Fourier F(ejw). Las
Wavelets son una extensión del análisis de Fourier cuyo
objetivo es convertir en números la información contenida en
una señal, números conocidos como coeficientes, que se
pueden manipular, almacenar, transmitir, analizar o utilizar
para reconstruir la señal original.
Transformada de Fourier
f(t)=función en tiempo
𝒆−𝒋𝝎𝒕 función compleja
S = 0.7*sin(2*pi*100*t) + sin(2*pi*200*t) + 0.7*cos(2*pi*300*t) + cos(2*pi*500*t);
Transformada de Fourier
• Condiciones de Dirichlet
• La señal debe ser periódica f(t).
• En cualquier intervalo finito debe existir un número finito de máximos y
mínimos.
• En cualquier intervalo finito debe existir un número finito de
discontinuidades.
• Uso en señales estacionarias.
• La FFT entrega información exacta en sistemas lineales con modos de
vibración propios.
• No detecta señales con ocurrencia no periódica.
• Es inestable frente a señales de tipo intermitente.
La Transformada corta de Fourier (STFT)
La ventana de 25 ms nos permite identificar un tiempo
preciso en el cual la señal cambia pero los cambios
precisos en la frecuencia son difíciles de identificar. En el
otro extremo de la escala, la ventana de 1000 ms permite
que las frecuencias sean vistas de forma precisa pero el
tiempo entre los cambios de frecuencia es borroso.
La Transformada corta de Fourier (STFT)
• No puede entregar una buena resolución tanto en tiempo como en
frecuencia de manera instantánea ya que el soporte de la ventana es
fijo.
• Las ventanas son de tamaño fijo y en caso de que la información no esté
dentro de la ventana seleccionada ésta se pierde.
• Ventanas estrechas: mejor resolución en el tiempo
• Ventanas anchas: mejor resolución en frecuencia
WAVELETS
• ¿Qué es una wavelet?
Una Wavelet es una forma de onda de duración limitada que tiene un
valor promedio cero.
• ¿Qué hace la wavelet?
Permite realizar análisis localizados en el tiempo de una gran señal,
brindando la posibilidad de encontrar discontinuidades o picos de corta
duración que de otra manera seria complicado detectar y tratar con la FFT
o STFT
Definición de la función wavelet
Una transformada wavelet de una función s(t) viene dado por
Donde el termino Ϯ nos da los desplazamientos y la “a” el escalamiento
wavelet - Desplazamiento
clear all, close all
% Parametros de la Gausiana.
npuntos = 1000;
t=-5:1/npuntos:5;
subplot(2,1,1);
b=0; %Factor de desplazamiento
a=1 ; %Factor de Escala
X2 = (t-b).^2;
F0 = (2/pi)^(1/4)*exp(-a*X2);
psi = -2/(3^(1/2)) * (-1+2*X2).*F0;
plot(t,psi,'r');
fill(t,psi,'b');
xlabel('Tiempo [ms]');
title(['(a =',num2str(a),' ) (b = ',
num2str(b),' ms)']);
grid;
wavelet - escalamiento
% Parámetros de la Gausiana.
npuntos = 1000;
t=-5:1/npuntos:5;
subplot(2,3,1);
b=0; %Factor de desplazamiento
a=0.25 ; %Factor de Escala
X2 = (t-b).^2;
F0 = (2/pi)^(1/4)*exp(-a*X2);
psi = -2/(3^(1/2)) * (-1+2*X2).*F0;
plot(t,psi,'r');
fill(t,psi,'b');
xlabel('Tiempo [ms]');
title(['(a =',num2str(a),' ) (b =
', num2str(b),' ms)']);
grid;
Tipos de wavelets
Tipos de wavelets
Wavelet EEG
Niveles Frecuencia DWT Ondas cerebrales
A4 0 – 4 Hz. Delta (0,5 -Hz)
D4 4 – 8 Hz. Theta (4 -7,5 Hz)
D3 8 -16 Hz. Alfa (8 – 13 Hz)
D2 16 – 32 Hz. Beta ( 14- 26 Hz)
D1 32 – 64 Hz. Gamma( (> 30 Hz)
Descripción de niveles de descomposición de la
Descomposición mediante técnica sub-bandas DWT, y frecuencias de las ondas cerebrales.
A: Aproximaciones
D: Detalles
Wavelet Imágenes
Conclusiones
• Dentro de los usos de esta poderosa herramienta se pueden
encontrar, además del análisis local de señales no estacionarias, el
análisis de señales electrocardiográficas, sísmicas, de sonido, de
radar, así como también es utilizada para la compresión y
procesamiento de imágenes y el reconocimiento de patrones.
Wavelet – ventajas
• Se usa para el análisis de sucesos que ocurren de manera no
periódica.
• Frente a señales de tipo intermitente solo afecta a algunos
coeficientes de la wavelet.
• Es usado en el análisis de sistemas no lineales en el cual la técnica de
FFT no tiene éxito.
• Es más rápido desde el punto de vista computacional frente a la FFT.
Referencias
[1] Cortés Jimmy, & Cano Hugo, etc. From fourier to wavelets analysis -
Continue Wavelet Transform (CWT) 2007. Universidad Tecnológica de
Pereira.
[2] Gómez Maria. Procesamiento digital de señales - Transformadas Wavelet,
2017, Coordinación de computación INAOE
[3] Addison S. Paul The Illustrated Wavelet Transform Handbook, Introductory
Theory and Applications in Science, Engineering, Medicine and Finance. 2017
[4] Sanei, S., & Chambers, J. A. (2013). EEG signal processing. John Wiley &
Sons.
[5] Martínez Velázquez, J. (2015). Transformada ondicular discreta aplicada
al análisis y procesamiento de datos sísmicos de reflexión (Tesis para la
obtención del Título de Ingeniero Geofísico). Instituto Politécnico Nacional,
México, D.F.
