Wavelet

Origem: Wikipdia, a enciclopdia livre.

Wavelet, onduleta [1]

( portugus europeu) ou ondaleta [2]
( portugus brasileiro) uma
funo capaz de decompor e descrever ou representar outra funo
(ou uma srie de dados) originalmente descrita no domnio do tempo
(ou outra ou outras vrias variveis independentes, como o espao),
de forma a podermos analisar esta outra funo em diferentes escalas
de frequncia e de tempo. A decomposio de uma funo com o uso
de wavelets conhecida como transformada wavelet e tem suas
variantes contnua e discreta. Graas a capacidade de decompor as
funes tanto no domnio da frequncia quanto no domnio do tempo,
as funes wavelet so ferramentas poderosas de processamento de
sinais, muito aplicadas na compresso de dados, eliminao de ruido,
separao de componentes no sinal, identificao de singularidades,
deteco de auto-semelhana, e muito mais.

A exemplo de outras transformadas, sua definio pode ser expandida

de forma a abarcar um maior nmero de dimenses; por exemplo,
para tratamento de imagens, pode-se usar a transformada de wavelet
bidimensional.

ndice
[esconder]

1De Fourier at Wavelets

2Caractersticas
3Transformada de wavelet contnua
3.1wavelets discretas
3.2wavelets contnuas
4Transformada inversa de wavelet
5Transformada de wavelet discreta
5.1Subband coding
5.2Wavelets ortonormais
6Propriedades
6.1Conservao da energia
 6.2Quase-ortogonalidade
6.3Localidade
6.4Transformada de Fourier da wavelet me
6.5Linearidade
6.6Deslocamento no tempo
6.7Escalamento no tempo
6.8Transformada de uma constante
6.9Transformada de uma funo linear
7Anlise de wavelet
7.1A transformao de wavelet como um filtro
8Aplicaes
9Lista de wavelets[nota 3]
9.1Gaussian wavelet
9.2Cos-gaussian wavelet
9.3Haar wavelet
9.4Mexican hat wavelet
9.5Gabor wavelet
9.6Morlet wavelet
10Notas e referncias
11Bibliografia
12Ver tambm
13Ligaes externas

De Fourier at Wavelets[editar | editar cdigo-fonte]

Na anlise de Fourier podemos extrair apenas informaes sobre o
domnio da frequncia, mas no podemos saber "quando" no tempo
acontecem essas frequncias que estudamos; enquanto isso, na
anlise com wavelets podemos extrair tambm informaes da funo
no domnio do tempo. A resoluo ou detalhamento da anlise no
domnio da frequncia diminui enquanto a resoluo no tempo
aumenta, sendo impossvel aumentar o detalhamento em um dos
domnios sem diminu-lo no outro (em uma analogia ao Princpio da
incerteza de Heisenberg, chama-se esta relao entre os domnios da
frequncia e do tempo de relao de incerteza ou simplesmente de
princpio da incerteza). Usando a anlise de wavelets, possvel
escolher a melhor combinao dos detalhamentos para um objetivo
estabelecido.

Caractersticas[editar | editar cdigo-fonte]

Para ser considerada uma wavelet, uma funo tem de atender as
seguintes caractersticas:

1. A rea total sob a curva da funo 0, ou seja

{\displaystyle \int _{-\infty }^{\infty }\psi (t)dt=0\qquad

(1a)}
2. A energia da funo finita, ou seja {\displaystyle \int
_{-\infty }^{\infty }|\psi (t)|^{2}dt\;\;\;<L\qquad L\in
\mathbb {N} \qquad (1b)}

Uma wavelet tipo chapu mexicano.

Estas condies so equivalentes a dizer que {\displaystyle \psi (t)}

quadrado integrvel ou que pertence ao conjunto {\displaystyle

{\mathcal {L}}^{2}(\mathbb {R} )} das funes quadrado

integrveis. As propriedades acima sugerem que {\displaystyle \psi (t)}

tende a oscilar acima e abaixo do eixo {\displaystyle t} , e que

tem sua energia localizada em uma certa regio, j que ela finita
(condio de regularidade).

Essa caracterstica de energia concentrada em uma regio finita que

diferencia a anlise usando wavelets da anlise de Fourier, j que esta
ltima usa as funes de seno e cosseno que so peridicas e
infinitas. Uma outra forma de expressar a caracterstica de
regularidade dizer que a transformao de wavelet um operador
local no domnio do tempo.

Para ser utilizada na anlise de sinais uma funo wavelet precisa

tambm de outra caracterstica que chamamos de condio de
admissibilidade, e que permite a existncia da transformada inversa
de wavelet. Esta caracterstica ser discutida mais abaixo.

Uma wavelet de Morlet.

Alguns exemplos de funes que atendem estas caractersticas so a

funo wavelet de Morlet (ver figura ao lado):

{\displaystyle \psi (t)=e^{-t^{2}}cos\left(\pi t{\sqrt {\frac {2}{\ln

{2}}}}\right)\approx e^{-t^{2}}\cos {(2.885\pi t)}\qquad (2a)}

e a curva conhecida como chapu mexicano (do ingls mexican hat),

definida por:

{\displaystyle \psi (t)=(1-2t^{2})e^{-t^{2}}\qquad (2b)}

que a segunda derivada da funo Gaussiana {\displaystyle

-0.5e^{-t^{2}}}
Transformada de wavelet contnua[editar | editar
cdigo-fonte]
A transformada de wavelet decompe uma funo definida no domnio
do tempo em outra funo, definida no domnio do tempo e no domnio
da frequncia. Ela definida como:

{\displaystyle W(a,b)=\int _{-\infty }^{\infty }f(t){\frac {1}{\sqrt {|a|}}}\psi

^{*}\left({\frac {t-b}{a}}\right)dt.\qquad (3a)}

que uma funo de dois parmetros reais, a e b. o smbolo * indica o

conjugado complexo. Se definirmos {\displaystyle \psi _{a,b}(t)}

como:

{\displaystyle \psi _{a,b}(t)={\frac {1}{\sqrt {|a|}}}\psi ^{*}\left({\frac

{t-b}{a}}\right),\qquad (3b)}

Podemos reescrever a transformada como o produto interno das

funes {\displaystyle f(t)} e {\displaystyle \psi _{a,b}(t)} :

{\displaystyle W(a,b)=\left\langle f(t),\psi _{a,b}(t)\right\rangle =\int

_{-\infty }^{\infty }f(t)\psi _{a,b}^{*}(t)dt.\qquad (3c)}

A funo {\displaystyle \psi (t)} que equivale a {\displaystyle \psi

_{1,0}(t)} chamada de wavelet me (do ingls mother

wavelet) enquanto as outras funes {\displaystyle \psi _{a,b}(t)}

so chamadas de wavelets filhas. Estas tm a mesma forma

geral que a wavelet me.

O parmetro b indica que a funo {\displaystyle \psi (t)} foi

transladada no eixo t de uma distncia equivalente a b, sendo ento
um parmetro de translao. J o parmetro a causa uma mudana
de escala, aumentando (se {\displaystyle a>1} ) ou diminuindo

(se {\displaystyle a<1} ) a wavelet formada pela funo. Por isto

o parmetro a conhecido como parmetro de escala (do ingls
scaling parameter). As wavelets filhas constituem, por conseguinte,
uma famlia de curvas com forma idntica da wavelet me,
deslocadas no tempo e escaladas em amplitude. No domnio do
tempo, a transformada de wavelet uma medida da correlao entre o
sinal f(t) e as wavelets filhas.

O termo {\displaystyle {\frac {1}{\sqrt {|a|}}}} um fator de

normalizao que garante que a energia de {\displaystyle \psi _{a,b}(t)}

seja independente de a e de b, tal que:

{\displaystyle \int _{-\infty }^{\infty }|\psi _{a,b}(t)|^{2}dt=\int _{-\infty

}^{\infty }|\psi (t)|^{2}dt\qquad (3d)}

[nota 1]

H um vasto nmero de diferentes wavelets, cada adequada para

diferentes aplicaes.

wavelets discretas[editar | editar cdigo-fonte]

Coiflets
Cohen-Daubechies-Feauveau wavelet
Daubechies wavelet
Haar wavelet
Mathieu wavelet
Legendre wavelet
Villasenor wavelet
Symlets

wavelets contnuas[editar | editar cdigo-fonte]

Reais.

Beta wavelet
Hermitian wavelet
Hermitian hat wavelet
 Mexican hat wavelet
Meyer wavelet
Shannon wavelet
Gaussian wavelet
Cos-gaussian wavelet
Gabor wavelet

Complexas.

Complex Mexican hat wavelet

Morlet wavelet
Shannon wavelet

Transformada inversa de wavelet[editar | editar

cdigo-fonte]
Como usamos wavelets para transformar uma funo, precisamos
tambm da transformada inversa, de forma a recompor o sinal no
domnio do tempo a partir da sua decomposio. Se chamarmos de

{\displaystyle \Psi (\omega )} a transformada de Fourier da

funo {\displaystyle \psi (t)} :

{\displaystyle \Psi (\omega )=\int _{-\infty }^{\infty }\psi (t)e^{-i\omega

t}dt={\sqrt {a}}\cdot \Psi (a\omega )\cdot e^{-i\omega t}\qquad \omega
={\frac {2\pi }{a}}\qquad (4a)}

e se {\displaystyle W(a,b)} for a transformada de wavelet da

funo {\displaystyle f(t)} usando a wavelet {\displaystyle \psi (t)}

, ento temos que a transformada inversa dada por:

{\displaystyle f(t)={\frac {1}{C}}\iint \limits _{-\infty -\infty }^{\ \ \ \infty \
\infty }{\frac {1}{|a|^{2}}}W(a,b)\psi _{a,b}(t)da\ db,\qquad (4b)}

onde {\displaystyle C=\int _{-\infty }^{\infty }{\frac {|\Psi (\omega

)|^{2}}{|\omega |}}dw.\qquad (4c)}

Este parmetro {\displaystyle C} necessita ser finito e positivo, o

que nos leva a uma nova restrio. Esta restrio sobre o valor de

{\displaystyle C} a condio de admissibilidade citada

anteriormente[nota 2].

Transformada de wavelet discreta[editar | editar

cdigo-fonte]
(ver artigo principal, Transformada discreta de wavelet)

derivada da transformada contnua fazendo-se a e b variveis

discretas, em lugar de contnuas, atravs de uma amostragem. O
usual tomar

{\displaystyle a\;=\;N^{j}\qquad b\;=\;kMa\qquad j,k\in \mathbb {N} }

A wavelet me resultante uma grade (matriz) de valores h[j,k]

relacionada wavelet contnua (t) pela expresso

{\displaystyle h[j,k]\;=\;N^{\frac {-j}{2}}\cdot \psi \left({\frac

{t}{N^{j}}}-kM\right)}

Quanto mais prximo de 1 o valor de N, mais a verso discreta se

aproxima da verso contnua. N normalmente feito igual a 2 e M
igual a 1, para agilizar os clculos em computadores e obter-se um
nmero de coeficientes hi,j no muito grande, e ainda conservando
toda a informao original de f(t).

De forma similar, a transformada discreta uma matriz de coeficientes

Wj,k dados por

{\displaystyle W[j,k]\;=\;\sum _{k=1}^{m}\sum _{j=1}^{n}f[k]\cdot

h^{*}[j,k]\;=\;\langle f,h\rangle \qquad (3e)}

onde o asterisco denota o conjugado complexo e f[k] a sequncia de

amostras obtida de f(t). A distncia entre os pontos da grade W no
uniforme, refletindo a propriedade de auto-escalamento da
transformada de wavelet contnua. Os limites n e m so determinados
indiretamente pela escolha de N e M.

A transformao inversa uma operao mais delicada, uma vez que

a amostragem pode levar a perda de informao. Por isso, no se
pode simplesmente aplicar a frmula da inverso, que uma verso
discreta das frmulas (4b) e (4c)

{\displaystyle f(t)\cong f[k]\;=\;\sum _{k=1}^{m}\sum

_{j=1}^{n}W[j,k]\cdot h[j,k]\;=\;\langle W,h^{*}\rangle \qquad (4d)}

sem verificar se os coeficientes W foram calculados adequadamente.

Por esse motivo, existe outra tcnica para a inverso, baseada na
anlise do sinal em mltiplos nveis de resoluo por meio de
codificao de sub-bandas (ing. subband coding): a teoria das
wavelets ortonormais, desenvolvida por Mallat e Meyer em 1986.

Em aplicaes prticas, como muito difcil obter uma expresso

analtica para a transformada contnua, a verso discreta, calculada
por computador, que empregada. Um dos motivos da popularidade
da transformada de wavelet discreta a existncia de um algoritmo
que permite calcular os coeficientes com esforo de ordem O(L), onde
L o tamanho dos dados origiais (ou seja, das amostras de f(t) e de
(t)). Esse algoritmo chamado de transformada rpida de wavelet
(FWT, do ingls Fast Wavelet Transform). Deve-se salientar que ele
ainda mais eficiente do que o muito conhecido algoritmo da
transformada rpida de Fourier (FFT).

Subband coding[editar | editar cdigo-fonte]

Seja uma funo p(t) a resposta de um filtro passa-baixa. A partir dela
pode-se gerar uma famlia de funes pj,k tais que

{\displaystyle p_{j,k}(t)\;=\;2^{\frac {-j}{2}}\cdot p\left({\frac

{t}{2^{j}}}-k\right)\qquad (3e)}

Se essas funes forem aplicadas ao sinal a ser analisado f(t) por

meio de uma operao de correlao anloga a (3c)

{\displaystyle g_{j,k}(t)=\int _{-\infty }^{\infty }f(t)\cdot

p_{j,k}^{*}(t)\;dt\qquad (3f)}

isso "alisar" o sinal, resultando numa aproximao gj,k(t)

para aquela
escala definida pelos parmetros j e k. Cada filtragem equivale a uma
sub-amostragem (downsampling) adicional por um fator igual a 2. A
perda de detalhe em cada filtragem dada pela diferena entre duas
funes g consecutivas:

{\displaystyle d_{j,k}(t)=g_{j,k}(t)\;-\;g_{j,k-1}(t)\qquad (3g)}

O sinal original pode ser perfeitamente reconstrudo a partir da soma

das funes dj,k(t). Assim, a representao por meio das funes dj,k(t)
no leva a perda de informao e ainda constitui uma representao
mais compacta de f(t). Matematicamente, o que ocorre que a
autocorrelao do sinal, que dada exatamente pelo conjunto das
funes gj,k(t), constitui uma redundncia, que foi eliminada no
processo.

A funes dj,k(t)
podem ser computadas de outra forma: por meio de
uma filtragem obtida pela correlao do sinal filtrado com uma funo
q(t) que a resposta de um filtro passa-alta

{\displaystyle d_{j,k}(t)=\int _{-\infty }^{\infty }g_{j,k-1}(t)\cdot

q_{j,k}^{*}(t)\;dt\qquad (3h)}

A relao entre duas funes q sucessivas a mesma dada por (3f).

O sinal original pode ser perfeitamente reconstrudo a partir da soma

das funes g1,1(t) e d1,1(t). Alm disso, qualquer uma das
aproximaes gj,k(t) pode ser reconstruda a partir das funes g e d
posteriores, referentes a k + 1.

A tcnica de subband coding, na prtica, no utiliza apenas um par de

filtros como descrito acima, e sim um conjunto de filtros passa-faixa,
para maior eficincia e preciso.

Wavelets ortonormais[editar | editar cdigo-fonte]

Wavelets ortonormais so obtidas atravs da decomposio do sinal
por meio de duas funes e , a primeira sendo a wavelet me e a
segunda, a wavelet pai ou funo de escalamento. A wavelet pai
uma funo contnua e de quadrado integrvel, mas no satisfaz a
condio (1a); em geral, seu valor mdio normalizado em 1.
Usualmente, os valores so reais. e satisfazem a (3f).

As wavelets pai e me descrevem o banco de filtros passa-faixa a ser

empregados na anlise por meio de subband coding.

O clculo das funes e discretas comporta algumas sutilezas

adicionais em relao s verses contnuas representadas nas
frmulas acima. Mais importante, as wavelets pai e me precisam
atender chamada condio de reconstruo perfeita.

Propriedades[editar | editar cdigo-fonte]

Conservao da energia[editar | editar cdigo-fonte]
Aps a transformao, a energia do sinal se conserva, pois vale a
relao

{\displaystyle \iint \limits _{-\infty -\infty }^{\ \ \ \infty \ \infty }\left|{\frac

{W(a,b)}{a}}\right|^{2}\;db\;da\;=\;C\int _{-\infty }^{\infty }\left|{\frac
{}{}}f(t)\right|^{2}\;dt\qquad (5a)}

que equivale ao teorema de Parseval para a transformada de Fourier.

Quase-ortogonalidade[editar | editar cdigo-fonte]

Uma vez que as diversas wavelets possuem escalas diferentes e
esto defasadas no tempo, elas no constituem uma base ortogonal.
No entanto, como pode-se sempre reconstruir o sinal original a partir
da transformada, diz-se que elas constituem uma base
quase-ortogonal; essa base contm informao redundante, mas no
se perde informao na transformao.

Localidade[editar | editar cdigo-fonte]

Apesar de qualquer funo quer atenda s equaes (1a), (1b) e (4c)
poder ser empregada como wavelet me, em aplicaes prticas em
geral se exige a condio adicional
{\displaystyle \int _{-\infty }^{\infty }t^{p}\cdot \psi (t)\;dt\;=\;0\qquad p\in
\mathbb {N} ^{*}\qquad (5b)}

Quanto maior o valor de p, mais localizada a wavelet no tempo, e

por conseguinte tambm W(a,b), que decai no mnimo to rpido
quanto ap+ o que bastante vantajoso. Isso implica a wavelet ser
localizada no domnio da frequncia tambm, no apenas no domnio
do tempo. Essa propriedade tambm conhecida como regularidade
da wavelet.

Transformada de Fourier da wavelet me[editar |

editar cdigo-fonte]

De acordo com as propriedades da transformada de Fourier, a

condio (1a) implica

{\displaystyle \Psi (0)\;=\;0\qquad (5c)}

e a condio (5b) implica

{\displaystyle \left.{\frac {d^{n}}{d\omega ^{n}}}\Psi (\omega

)\right|_{\omega =0}\;=\;0\qquad n\;\leq \;p\qquad (5d)}

Isso significa que, quanto mais localizada no tempo for a wavelet me,
mais achatado o seu espectro em = 0.

Linearidade[editar | editar cdigo-fonte]

{\displaystyle {\mathcal {W}}\{cf(t)+dg(t)\}\;=\;c\cdot {\mathcal
{W}}\{f(t)\}\;+\;d\cdot {\mathcal {W}}\{g(t)\}\qquad (5e)}

Deslocamento no tempo[editar | editar cdigo-fonte]

{\displaystyle {\mathcal {W}}\{f(t+c)\}\;=\;W(a,b-c)\qquad (5f)}

Escalamento no tempo[editar | editar cdigo-fonte]

{\displaystyle {\mathcal {W}}\{f(ct)\}\;=\;{\sqrt {\frac {1}{c}}}\cdot

W(ac,bc)\qquad (5g)}

Transformada de uma constante[editar | editar

cdigo-fonte]

{\displaystyle {\mathcal {W}}\{k\}\;=\;0\qquad (5h)}

Transformada de uma funo linear[editar | editar

cdigo-fonte]

{\displaystyle {\mathcal {W}}\{t\}\;=\;-i{\sqrt {a^{3}}}\cdot \left.{\frac

{d}{d\omega }}\Psi ^{*}(\omega )\right|_{\omega =0}\qquad (5i)}

onde i a unidade imaginria e * indica o conjugado complexo. Em

geral, devido a (5b), W(a,b) = 0 neste caso.

Anlise de wavelet[editar | editar cdigo-fonte]

A anlise de wavelet feita pela aplicao sucessiva da transformada
de wavelet com diversos valores para a e b, representando a
decomposio do sinal original em diversos componentes localizados
no tempo e na frequncia, de acordo com estes parmetros. Cada
wavelet possui melhor ou pior localizao nos domnios da frequncia
e do tempo, por isso a anlise pode ser feita com wavelets diferentes
de acordo com o resultado desejado.

A anlise wavelet traz consigo uma anlise em resolues mltiplas,

onde o nvel de resoluo dado pelo ndice {\displaystyle a} . Nesta
anlise em resolues mltiplas, geramos uma sequncia de
subespaos encaixantes, onde as funes de base numa escala

{\displaystyle a_{0}} no "enxergam" detalhes de tamanho menor

que {\displaystyle 2^{-a_{0}}} .

A transformao de wavelet como um

filtro[editar | editar cdigo-fonte]
A transformada de wavelet pode ser interpretada como o resultado da
passagem do sinal por um banco de filtros passa-faixa de resoluo
varivel. O fator de qualidade (ou fator Q) desses filtros dado pela
frmula tradicional

{\displaystyle Q\;=\;{\frac {\omega _{c}}{\Delta \omega }}\qquad (6a)}

onde c a frequncia central e a largura de banda de cada

filtro, que por sua vez dada por

{\displaystyle \Delta \omega \;=\;{\sqrt {\frac {\int _{-\infty }^{\infty

}\omega ^{2}\cdot |G(\omega )|^{2}\;d\omega }{\int _{-\infty }^{\infty
}|G(\omega )|^{2}\;d\omega }}}\qquad (6b)}

onde G() a resposta em frequncia do filtro. Para a transformada

de wavelet,

{\displaystyle \omega _{c}(a)\;=\;{\frac {1}{a}}\;\omega _{c}(1)\qquad

(6c)}

e
{\displaystyle \Delta \omega (a)\;=\;{\sqrt {\frac {\int _{-\infty }^{\infty
}\omega ^{2}\cdot |\Psi (a\omega )|^{2}\;d\omega }{\int _{-\infty }^{\infty
}|\Psi (\omega )|^{2}\;d\omega }}}\;=\;{\sqrt {\frac {\int _{-\infty }^{\infty
}(a\omega )^{2}\cdot |\Psi (a\omega )|^{2}\;d(a\omega )}{\int _{-\infty
}^{\infty }a^{2}\cdot |\Psi (a\omega )|^{2}\;d(a\omega )}}}\;=\;{\frac
{1}{a}}\;\Delta \omega (1)\qquad (6d)}

ou seja, a frequncia central e a largura de banda de cada filtro so

inversamente proporcionais a a, o fator de escala. Com isso, o fator de
qualidade Q constante, o que proporciona uma anlise com a
mesma fidelidade em todas as escalas.

Aplicaes[editar | editar cdigo-fonte]

Em geral a transformada contnua de wavelet usada na anlise de
sinais, enquanto a sua verso discreta usada na compresso de
dados. Logo, a transformada discreta usada em engenharia e
cincia da computao, enquanto a transformada contnua usada na
pesquisa cientfica.

As transformadas de wavelet so hoje empregadas numa vasta gama

de aplicaes, substituindo com frequncia a tradicional transformada
de Fourier e tambm a transformada de Fourier de curto termo.
Diversas reas da fsica viram esta mudana de paradigma, incluindo
a dinmica molecular, clculos ab initio, astrofsica, localizao de
matriz de densidade, geofsica ssmica, ptica, turbulncia e mecnica
quntica. Esta mudana tambm vem ocorrendo no processamento de
imagem, anlises de presso sangunea, ritmo cardaco e ECG,
anlise de DNA e protenas, climatologia, processamento de sinais em
geral, reconhecimento de voz, computao grfica e anlise
multifractal. Na viso computacional e no processamento de imagens
a noo de escala de espao e operadores de derivadas Gaussianas
so vistos como representaes multi-escalares cannicas.

Um uso que vem crescendo na compresso de dados. Como outras

transformadas (a Transformada discreta de cosseno sendo a mais
comum), as transformaes de wavelet podem ser usadas para
transformar dados e codificar de forma eficiente os dados
transformados, resultando em compresso. O padro JPEG 2000 para
compresso de imagens usa wavelets biortogonais. Isso quer dizer
que o mesmo conjunto de funes pode ser usado tanto na
transformada quanto na sua inversa.

Em anlise de sinais, a transformada de wavelet possui as mesmas

aplicaes que a transformada de Fourier de curto termo, isto , a
anlise de sinais no estacionrios, mas elimina a principal
desvantagem desta, que o fato de a janela deslizante apresentar um
tamanho fixo. Com isso, uma funo que possui um suporte finito no
domnio do tempo, como o caso dos sinais fsicos reais, possui um
espectro cujo suporte infinito no domnio da frequncia. Em outras
palavras, o sinal localizado no tempo, mas seu espectro no . O
fato de a janela deslizante da transformada de wavelet possuir
tamanho ajustvel ao sinal analisado permite que o espectro de uma
funo local no tempo seja tambm local na frequncia. Isso se
comprova atravs da equao (4a), que mostra que os coeficientes do
espectro decaem exponencialmente com a frequncia.

Lista de wavelets[nota 3][editar | editar cdigo-fonte]

Gaussian wavelet[editar | editar cdigo-fonte]
Tambm chamada de derivative-gaussian wavelet, muito utilizada,
devido sua elevada regularidade, pois as derivadas de () at a
ordem n - 1 so nulas.

{\displaystyle \psi (t)\;=\;{\frac {d^{n}}{dt^{n}}}\;e^{\frac {-t^{2}}{2}}}

Cos-gaussian wavelet[editar | editar cdigo-fonte]
Tambm chamada de cosine-gaussian wavelet, a parte real da
Morlet wavelet.

{\displaystyle \psi (t)\;=\;\cos(\omega _{0}t)\cdot e^{\frac {-t^{2}}{2}}}

Haar wavelet[editar | editar cdigo-fonte]

Haar wavelet

(ver artigo principal Transformada de Haar)

Introduzida por Haar em 1910, no encontrou muita aplicao na

prtica por apresentar baixa regularidade.

{\displaystyle \psi (t)\;=\;{\begin{cases}0&t<0\\1&0<t<{\frac

{1}{2}}\\-1&{\frac {1}{2}}<t<1\\0&t>1\end{cases}}}

Mexican hat wavelet[editar | editar cdigo-fonte]

Introduzida por Dennis Gabor, a gaussiana com n = 2.

{\displaystyle \psi (t)\;=\;(1-t^{2})\cdot e^{\frac {-t^{2}}{2}}}

Gabor wavelet[editar | editar cdigo-fonte]
Derivada da transformada de Fourier de curto termo e empregada por
Martinet, Morlet e Grossmann na anlise de padres sonoros.

{\displaystyle \psi (t)\;=\;e^{ia\omega _{0}t}\cdot e^{\frac

{-t^{2}}{2a^{2}}}}

onde i a unidade imaginria. A rigor, no atende ao critrio (1a), mas

se aproxima o suficiente para valores adequadamente grandes de 0.

Morlet wavelet[editar | editar cdigo-fonte]

Derivada da Gabor wavelet, dada por

{\displaystyle \psi (t)\;=\;e^{i\omega _{0}t}\cdot e^{\frac {-t^{2}}{2}}}

onde i a unidade imaginria. Sua parte real a cos-gaussian

wavelet.

Notas e referncias[editar | editar cdigo-fonte]

1. Ir para cima Alguns autores empregam o fator de
normalizao |a|-1 em lugar de |a|-, de forma a
normalizar a amplitude em vez da energia.
2. Ir para cima Sheng (2000) chama a essa condio
condio de identidade, uma vez que ela implica que,
ao operar-se a transformao sobre o sinal, mantm-se
informao suficiente para que este possa ser
reconstitudo; e chama condio de admissibilidade s
equaes (1a) e (1b).
3. Ir para cima Na literatura especializada aparecem
verses que diferem das seguintes por fatores
normalizadores (constantes) diversos.

Bibliografia[editar | editar cdigo-fonte]

de Oliveira, Hlio Magalhes (2007). ANALISE DE SINAIS
PARA ENGENHEIROS. Uma abordagem via Wavelets 1
ed. BRASPORT. 268 pginas. ISBN 9788574522838
Parmetro desconhecido |Autor= ignorado (|autor=)
sugerido (ajuda)
 de Oliveira, Hlio Magalhes (2007). ANALISE DE
FOURIER E WAVELETS. sinais estacionrios e no
estacionrios 1 ed. Editora universitria UFPE. 342
pginas. ISBN 9788573154177 Parmetro desconhecido
|Autor= ignorado (|autor=) sugerido (ajuda)
Morettin, Pedro A. (1999). ONDAS E ONDALETAS. Da
Anlise de Fourier Anlise de ondaletas 1 ed. edUSP.
276 pginas. ISBN 8531405092 Parmetro desconhecido
|Autor= ignorado (|autor=) sugerido (ajuda)
(em ingls) SALOMON, David (2000). Data Compression.
The Complete Reference 2 ed. Springer Parmetro
desconhecido |Autor= ignorado (|autor=) sugerido
(ajuda)
SHENG, Yunlong (2000). Wavelet Transform. cap. 10 - in
Poularikas, A. - THE TRANSFORMS AND APPLICATIONS
HANDBOOK 2 ed. CRC PressParmetro desconhecido
|Autor= ignorado (|autor=) sugerido (ajuda)

Ver tambm[editar | editar cdigo-fonte]

Transformada de Fourier
Transformada de Haar
Transformada de Gabor
Transformada discreta de wavelet

Ligaes externas[editar | editar cdigo-fonte]

Biblioteca em Java
Ir para cima M. J. Soares, Departamento de Matemtica,
Universidade do Minho, 4710 Braga, Portugal. Onduletas
e Processamento de Sinal (PDF)
Ir para cima Termo usado por Pedro A. Morettin em
MORETTIN, Pedro A. (1999). Ondas e Ondaletas. da
Anlise de Fourier Anlise de Ondaletas. Editora da
Universidade de So Paulo Parmetro desconhecido
|Autor= ignorado (|autor=) sugerido (ajuda);

Categorias:

Anlise numrica
Processamento de imagem

Menu de navegao
No autenticado
Discusso
Contribuies
 Criar uma conta
Entrar
Artigo

Discusso

Ler

Editar

Editar cdigo-fonte

Ver histrico

Busca
Pgina principal
Contedo destacado
Eventos atuais
Esplanada
Pgina aleatria
Portais
Informar um erro
Colaborao
Boas-vindas
Ajuda
Pgina de testes
Portal comunitrio
Mudanas recentes
Manuteno
Criar pgina
Pginas novas
Contato
Donativos
Imprimir/exportar
Criar um livro
Descarregar como PDF
Verso para impresso
Noutros projetos
Wikimedia Commons
Ferramentas
Pginas afluentes
Alteraes relacionadas
Carregar ficheiro
Pginas especiais
Ligao permanente
Informaes da pgina
Elemento Wikidata
Citar esta pgina
Noutros idiomas


Espaol
English
Italiano
Bahasa Indonesia
Deutsch


14 outras
Editar ligaes
Esta pgina foi modificada pela ltima vez (s) 08h51min de 20 de maio de
2016.
Este texto disponibilizado nos termos da licena Creative Commons -
Atribuio - Compartilha Igual 3.0 No Adaptada (CC BY-SA 3.0); pode estar
sujeito a condies adicionais. Para mais detalhes, consulte as condies de
uso.
Poltica de privacidade

Sobre a Wikipdia

Avisos gerais

Programadores

Declarao sobre cookies

Verso mvel