Академический Документы
Профессиональный Документы
Культура Документы
RESUMEN: La transformada Wavelet es una función matemática que permite obtener datos de una señal
seccionándolos en pequeños componentes en escala frecuencia-tiempo y poder analizarlos en forma
separada. En comparación con la transformada de Fourier, la Wavelet permite trabajar sobre ondas no
estacionarias, con discontinuidades o picos, y respecto de otras herramientas que permiten el análisis de
este tipo de ondas se distingue por su capacidad de multirresolución. De esta forma se muestran las
propiedades de la transformación Wavelet con ejemplos de uso que permiten deducir la conveniencia de
adoptarla para algunas aplicaciones.
Figura 2 - Desplazamiento
o se toma una wavelet y compara con una
sección al comienzo de la señal original, de
Para calcular la transformada Wavelet continua
manera que sean lo más similar posible.
de una función se realizan los siguientes cinco
o se calcula un número C, que representa cómo
pasos (Misiti, 2010):
de “correlada” está la wavelet con esa
sección de la señal, es decir se calcula la
integral de convolución entre la señal y la
wavelet. Cuanto más alto sea C, existirá Si se eliminan las componentes de alta frecuencia
mayor similitud. Incluso, si la potencia de la la voz sonará diferente pero al menos aún se
wavelet y de la señal es igual a 1, C puede podrá entender qué se está diciendo. Sin embargo,
ser interpretado como un coeficiente de si se eliminan suficientes componentes de baja
correlación. Los resultados dependerán de la frecuencia, sólo se oirá ruido sin sentido. En el
forma de la wavelet que se haya elegido. análisis wavelet se habla de aproximaciones y
o se desplaza la wavelet hacia la derecha y se detalles. Las aproximaciones son las componentes
repite los pasos 1 y 2 hasta que se haya de baja frecuencia (alta escala) de la señal. Los
cubierto la señal completa. detalles son los componentes de alta frecuencia
o Se escala (estira o encoje) la wavelet y se (baja escala).
repite los pasos del 1 al 3. Para que la teoría de wavelet sea útil, es necesario
o Se repite los pasos desde el 1 al 4 a través de que se disponga de algoritmos rápidos para su uso
todas las escalas. en computadoras, es decir, un método rápido para
Cuando se haya hecho esto, se tendrán los poder encontrar los coeficientes y para reconstruir
coeficientes producidos en diferentes escalas para la función que representa. Estos algoritmos se
diferentes secciones de la señal. Para comprender encuentran en el análisis de multi-resolución. Este
el resultado se representa los valores de estos análisis fue desarrollado para descomponer
coeficientes en un diagrama en el cual el eje x señales en tiempo discreto, haciendo uso de
representa la posición a lo largo de la señal distintas frecuencias de corte que son usadas para
(tiempo), el eje y representa la escala, y el color analizar la señal en diferentes escalas. La señal se
en cada punto x-y representa la magnitud del pasa a través de filtros paso alto para analizar las
coeficiente wavelet C (cada punto tendrá el color componentes de altas frecuencias y se pasa por
más claro cuanto mayor magnitud tenga el filtros de paso bajo para analizar las componentes
coeficiente C asociado). de baja frecuencia, por lo que estas operaciones
Es de observarse que las escalas altas en la cambian la resolución de la señal, y la escala
representación de los coeficientes se cambia mediante operaciones de interpolación y
corresponden con las wavelet más estiradas, en sub-muestreo. El proceso de filtrado, en su nivel
los cuales se detectan eventos de la señal más más básico, se traduce en el esquema de la figura
grandes, o sea, cambios lentos que corresponden 3.
con las bajas frecuencias. A menor escala, la
wavelet estará más comprimida, por lo que se
detectarán detalles de cambios rápidos, y por
tanto se corresponderá con las altas frecuencias.
(4)