Wavelets 2006 VI

Parte VI Contenidos Aplicaciones de Wavelets
Detecci on de discontinuidades y puntos de quiebre Detecci on de tendencias de Evoluci on Identicaci on de tonos puros Supresi on de se nales Detecci on de Autosimilaridad en una se nal
Procesamiento de Se nales basado en Wavelets

Notas de Clase - Parte VI
Juan Carlos G omez
<jcgomez@fceia.unr.edu.ar>
Laboratorio de Sistemas Din amicos y Procesamiento de la Informaci on FCEIA, Universidad Nacional de Rosario, Argentina
Semestre 2, 2006
Parte VI (Wavelets)
Semestre 2, 2006
1 / 18
Contenidos

Aplicaciones de Wavelets Detecci on de discontinuidades y puntos de quiebre Detecci on de tendencias de Evoluci on Identicaci on de tonos puros Supresi on de se nales Detecci on de Autosimilaridad en una se nal
Parte VI (Wavelets)
Semestre 2, 2006
2 / 18
Aplicaciones de Wavelets Detecci on de discontinuidades y puntos de quiebre

La parte determin stica de se nales puede sufrir cambios bruscos tales como saltos, o discontinuidades en la primera o segunda derivada. En procesamiento de im agenes, un problema importante es la detecci on de bordes que involucra la detecci on de cambios abruptos de contraste. En esta categor a tambi en entran las se nales transitorias de corta duraci on. La principal caracter stica de estos fen omenos es que los cambios est an localizados en tiempo o espacio. El prop osito del an alisis es determinar
El instante o la posici on espacial donde se produce el cambio. El tipo de cambio que se produce: quiebre de una se nal, cambio brusco en la primera o segunda derivada. La amplitud del cambio
Parte VI (Wavelets)
Semestre 2, 2006
3 / 18

Los aspectos de escalado del an alisis multiresoluci on con wavelets se adaptan bien para procesar este tipo de eventos, ya que se pueden usar distintas escalas adaptadas a la velocidad de cambio. Wavelets de corta duraci on son m as efectivas para detectar un quiebre en la se nal. En las escalas de an alisis iniciales el soporte es lo sucientemente peque no como para permitir una resoluci on na. Las formas de las discontinuidades que pueden ser identicadas con las wavelets m as peque nas son m as simples que aquellas que pueden identicarse con wavelets m as grandes.
Parte VI (Wavelets)
Semestre 2, 2006
4 / 18

Para identicar una discontinuidad es recomendable usar una wavelet Haar. Para identicar un quiebre en la j - esima derivada es recomendable usar una wavelet sucientemente regular. con al menos j momentos desvanecientes. La presencia de ruido (situaci on muy com un en procesamiento de se nales) hace m as complicada la identicaci on de discontinuidades. Si los primeros niveles de la descomposici on puede usarse para eliminar gran parte del ruido, entonces generalmente los quiebres se hacen visibles en los niveles m as profundos de la descomposici on.
Parte VI (Wavelets)
Semestre 2, 2006
5 / 18

Ejemplo 1: La se nal (discontinua) consiste de una onda senoidal de baja frecuencia que abruptamente cambia a una senoide de frecuencia media, y se muestra en Fig. 1.
Fig. 1: Senoide con frecuencia discontinua.

Parte VI (Wavelets) Semestre 2, 2006 6 / 18

Los datos se encuentran en el archivo freqbrk.mat. Realizar una descomposici on de nivel 5, usando la wavelet Haar (db1) y la db5, y gracar la aproximaci on a5 y todos los detalles. Comparar los resultados usando las dos wavelets. Ejemplo 2: El prop osito de este ejemplo es mostrar como el an alisis wavelet permite detectar discontinuidades en una de las derivadas de la se nal. La se nal, que aparenta ser una curva suave, consiste en realidad de dos exponenciales distintas conectadas en el tiempo t = 500. La discontinuidad aparece en la segunda derivada de la se nal en el instante t = 500. La se nal se muestra en Fig. 2.
Parte VI (Wavelets)
Semestre 2, 2006
7 / 18

Fig. 2: Dos exponenciales conectadas. Los datos se encuentran en el archivo scddvbrk.mat. Realizar una descomposici on de nivel 2, usando la wavelet db4. Repetir el an alisis usando una wavelet Haar (db1).
Aplicaciones de Wavelets Detecci on de Tendencias de Evoluci on

En presencia de ruido, es posible que no puedan visualizarse las tendencias de evoluci on de la se nal, es decir las partes m as lentas, por simple inspecci on de la se nal. En un an alisis basado en wavelets, la din amica m as lenta corresponde a valores de escala grandes. A medida que se incrementa la escala, la resoluci on decrece produciendo una mejor estima de estas din amicas m as lentas. Ejemplo 3: El prop osito de este ejemplo es mostrar como un an alisis basado en wavelets permite detectar la tendencia de una se nal inmersa en ruido. En este caso, la se nal es una rampa con saturaci on corrompida con ruido coloreado, y se muestra en Fig. 3. Los datos se encuentran en el archivo cnoislop.mat.
Parte VI (Wavelets)
Semestre 2, 2006
9 / 18

Fig. 3: Rampa con saturaci on inmersa en ruido.
Parte VI (Wavelets)
Semestre 2, 2006
10 / 18

Debido a que el ruido es de amplitud considerable, no puede visualizarse la forma de la se nal sin ruido, por simple inspecci on de la se nal ruidosa. Realizar una descomposici on de nivel 6, usando la wavelet db3, y gracar las aproximaciones a1 hasta a6 .
Parte VI (Wavelets)
Semestre 2, 2006
11 / 18
Aplicaciones de Wavelets Identicaci on de Tonos Puros

El an alisis wavelet permite hacer un an alisis similar al de Fourier, es decir permite descomponer una se nal en la suma de sus sinusoides componentes. Es posible hacer esto debido a que las diferentes frecuencias predominan en las diferentes escalas del an alisis de multiresoluci on. Ejemplo 4: La se nal es la suma de tres ondas senoidales puras con per odos 200, 20 y 2 (per odo de muestreo de 1s), y se muestra en Fig. 4. Los datos se encuentran en el archivo sumsin.mat. Realizar una descomposici on de nivel 5, usando la wavelet db3, y gracar las aproximaciones a1 hasta a5 y los detalles d1 hasta d5 .
Parte VI (Wavelets)
Semestre 2, 2006
12 / 18
Aplicaciones de Wavelets Identicaci on de Tonos Puros

Fig. 4: Suma de Sinusoides.
Parte VI (Wavelets)
Semestre 2, 2006
13 / 18
Aplicaciones de Wavelets Supresi on de Se nales

El an alisis wavelet permite suprimir parte de una se nal, destacando de esa forma lo que resta de la misma. La descomposici on wavelet de una se nal polinomial produce detalles nulos siempre que el n umero de momentos desvanecientes de la wavelet (N en la wavelet dbN) exceda al grado del polinomio. De esta forma, s olo el ruido aparece en los detalles, en tanto que el polinomio aparece s olo en la aproximaci on. Ejemplo 5: La se nal es un polinomio de segundo grado combinado con ruido blanco de amplitud peque na, y est a representada en la Fig. 5. Los datos se encuentran en el archivo noispol.mat. Realizar una descomposici on de nivel 4, usando la wavelet db3, y gracar las aproximaciones a1 hasta a4 y los detalles d1 hasta d4 . Repetir el an alisis usando la wavelet db2.
Semestre 2, 2006 14 / 18
Parte VI (Wavelets)
Aplicaciones de Wavelets Supresi on de Se nales

Fig. 5: Se nal Polinomial m as ruido.
Parte VI (Wavelets)
Semestre 2, 2006
15 / 18
Aplicaciones de Wavelets Detecci on de Autosimilaridad

El an alisis wavelet permite determinar la presencia autosimilaridad de una se nal en distintas escalas, es decir la naturaleza fractal de una se nal. Una caracter stica t pica de estas se nales es que hay un patr on que se repite en los coecientes wavelets en las distintas escalas. Si una se nal es similar a si misma a diferentes escalas, los coecientes wavelets tambi en ser an similares a diferentes escalas. En una gr aca de los coecientes con la escala en el eje vertical, esta autosimilaridad genera un patr on caracter stico.
Parte VI (Wavelets)
Semestre 2, 2006
16 / 18

Ejemplo 6: La se nal es la denominada curva de Koch que es una curva sint etica que se construye recursivamente, como se indica en la Fig. 6.
Fig. 6: Primeros cuatro ordenes de la curva de Koch (www.jimloy.com/fractals/koch.htm).


La se nal se representa en la Fig. 7, y los datos se encuentran en el archivo vonkoch.mat. Realizar una descomposici on continua 2:2:128, usando la wavelet coif3, y gracar un escalograma.
Fig. 6: Curva de Koch.


Wavelets 2006 VI

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Wavelets 2006 VI

Cargado por

Copyright:

Formatos disponibles

Parte VI Contenidos Aplicaciones de Wavelets

Procesamiento de Se nales basado en Wavelets

Juan Carlos G omez

Parte VI Contenidos Aplicaciones de Wavelets

Aplicaciones de Wavelets Detecci on de discontinuidades y puntos de quiebre

Aplicaciones de Wavelets Detecci on de discontinuidades y puntos de quiebre

Aplicaciones de Wavelets Detecci on de discontinuidades y puntos de quiebre

Aplicaciones de Wavelets Detecci on de discontinuidades y puntos de quiebre

Fig. 1: Senoide con frecuencia discontinua.

Aplicaciones de Wavelets Detecci on de discontinuidades y puntos de quiebre

Aplicaciones de Wavelets Detecci on de discontinuidades y puntos de quiebre

Aplicaciones de Wavelets Detecci on de Tendencias de Evoluci on

Aplicaciones de Wavelets Detecci on de Tendencias de Evoluci on

Fig. 3: Rampa con saturaci on inmersa en ruido.

Aplicaciones de Wavelets Detecci on de Tendencias de Evoluci on

Aplicaciones de Wavelets Identicaci on de Tonos Puros

Aplicaciones de Wavelets Identicaci on de Tonos Puros

Fig. 4: Suma de Sinusoides.

Aplicaciones de Wavelets Supresi on de Se nales

Aplicaciones de Wavelets Supresi on de Se nales

Fig. 5: Se nal Polinomial m as ruido.

Aplicaciones de Wavelets Detecci on de Autosimilaridad

Aplicaciones de Wavelets Detecci on de Autosimilaridad

Fig. 6: Primeros cuatro ordenes de la curva de Koch (www.jimloy.com/fractals/koch.htm).

Aplicaciones de Wavelets Detecci on de Autosimilaridad

Fig. 6: Curva de Koch.

También podría gustarte