Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Wavelet PDF
Wavelet PDF
TRANSFORMADA WAVELET
La transformada Wavelet es una herramienta matemtica que promete no solo tener mltiples
aplicaciones en el procesamiento de seales sino que adems est siendo usada en Control de
Procesos y deteccin de anomalas sintomticas en medicina e ingeniera. Por lo que a nuestro
caso se refiere la usaremos como elemento discriminador para diferenciar las vibraciones
anormales de las normales. En este Captulo se detallarn los conocimientos necesarios para
entender esta aplicacin y sus posibles consecuencias en el mantenimiento predictivo.
2.1
Resea Histrica
Sf (u, ) = s(t ) g (t u )e i .t dt
(2.1)
donde g(t) es una funcin conocida como funcin atmica de Gabor, u es el corrimiento en
el tiempo y especifica la traslacin en frecuencia de la Transformada de Fourier de g (t ) , esto
es:
Gu ( w) = G ( w )e iu ( w )
Ms de treinta aos despus de Gabor y setenta aos de Haar en los 80s Morlet y
Grossman reactivaron la colaboracin fundamental entre las teoras de la fsica atmica y el
procesamiento de seales y formalizaron lo que hoy se conoce como la transformada continua
de onduleta (continuous wavelet transform, CWT), esto fue el catalizador de un rpido
crecimiento
S ( , a ) = s (t )
1
t
*
dt
a
a
( 2.2)
donde * es el conjugado de la wavelet madre que ser escalada y corrida punto a punto para
determinar los niveles de comparacin con la seal s (t ) . El valor de a =
f
da la escala o
f0
2.2
g (t )dt = 0
(t )dt = 1
se puede considerar
y
ab (t ) =
1 t b
a a
( 2.3)
CWT (b, a) =
1
a
s(t ) * a (t b )dt
(2.4)
Algunas wavelets estn definidas por una funcin explicita como la wavelet Haar dada
por:
(2.5)
t2
cos(5t )
s (t ) = exp
2
(2.6)
s (t ) =
2
3.
t2
exp
2
(1 t 2 )
(2.7)
10
En las Figuras 2.3, 2.4 y 2.5 se muestran tres de las principales y ms conocidas
familias de wavelets, la Daubechies, la Coiflet y la Symmlet respectivamente.
(a)
(b)
Figura 2.2. (a) Wavelet Morlet y (b) wavelet Sombrero Mexicano.
11
12
Figura 2.7. Transformada continua wavelets de la seal de la Figura 2.6 se us la sym7 con
.
escalamiento 16:64.obtenida con el Wavelab de Matlab.
En la Figura 2.7 se puede apreciar que la correlacin entre la seal en tiempo real y la
wavelet sym7 es mayor para un factor de escala de 64 y en las posiciones del tiempo de 240,
460, y 800, esto quiere decir que para ese factor de escala y en esas posiciones la similitud
entre las seales es mayor .
Se usar la wavelet Haar para visualizar el proceso de aplicacin de la DWT en una seal
discreta [WAJ99] , [PEW02] .
Se considera una funcin discreta
Fn = [1 2 3 4 5 6 4 3 7 8 9 2]
(2.8)
Se define
An =
F2 n 1 + F2 n
2
Dn =
F2 n 1 F2 n
2
(2.9)
se tendr por lo tanto una primera subfuncin A1 formada por los valores An y una primera
subfuncin D1 formada por los valores Dn
13
(2.10)
(2.11)
Ambas subfunciones son de la mitad de tamao que la funcin original y sta se podr
recuperar de:
A + Dn / 2 An / 2 Dn / 2
A + D1 A1 D1
Fn = 1
,
,................, n / 2
,
2
2
2
2
(2.12)
1.5 2 .5 2 1.5 2 + .5 2
5.5 2 + 3.5 2 5.5 2 3.5 2
,
,................,
,
Fn =
2
2
2
2
(2.13)
Fn = A1n + D1n
Donde :
(2.14)
A
A
A A A A
A1n = 1 , 1 , 2 , 2 ,.......... n / 2 , n / 2
2
2
2 2 2 2
(2.15)
D
Dn / 2
D D1 D2 D2
D1n = 1 ,
,
,
,.......... n / 2 ,
2
2
2
2
2
2
(2.16)
14
1/ 2 1/ 2
0
0
0
0
0
0
0
0
0
0
0
0 1/ 2 1/ 2 0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0 1/ 2 1/ 2 0
0
0
0
0
0
0
0
0
0 1/ 2 1/ 2 0
0
0
0
0
0
0
0
0 1/ 2 1/ 2 0 0
0
0
0
0
0
0
0
0
0 0 1/ 2 1/ 2
0
0
0
0
0
0
1/ 2 -1/ 2
0
0 1/ 2 -1/ 2 0
0
0
0
0
0
0
0
0 1/ 2 -1/ 2 0
0
0
0
0
0
0 1/ 2 -1/ 2
0
0
0
0
0
0
0
0 1/
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
2 -1/ 2
0 0 1/
0
0
0
0
0
0
0
0
0 0
2 -1/ 2
Se obtiene:
A1n = [A1] [V1n]
(2.17)
Con este mismo concepto es posible hacer un anlisis en varios niveles como el
mostrado en la Figura 2.10
A2 =
A21n 1 + A21n
2
D2 =
D21n 1 D21n
2
(2.18)
15
A2 = [5 9 12]
(2.19)
D2 =[0 -1 - 4 ]
(2.20)
De tal manera que Fn se podr recuperar de iteraciones sucesivas de A2: D2:D1 pues de
A2:D2 se recupera A1 y con A1:D1 como se vio anteriormente se recupera Fn [WAJ99].
Si la seal que se va a analizar se descompone como se muestra en la figura, separando
las componentes de baja frecuencia de las de alta frecuencia se obtienen dos seales que en su
conjunto producen el doble de muestras de la seal original [MOP97].
500 muestras
1000 muestras
S(t)
1000 muestras
1000 muestras
S(t)
1000 muestras
500 muestras
A
filtro paso bajas
(a)
(b)
16
d
u
t
i
l
p
m
a
muestras
d
u
t
i
l
p
m
a
muestras
2
filtro paso bajas
d
u
t
i
l
p
m
a
muestras
Figura2.9. Descomposicin de la seal de la Figura 2.6 en alta y baja frecuencia con reduccin
.
de muestras dadas por los coeficientes wavelets.
17
Este procedimiento puede repetirse para varios niveles como se observa en la figura
siguiente:
A1
A2
A3
D1
D2
D3
Figura 2.10. Descomposicin en tres niveles de la misma seal ntese que el nmero de
muestras en el tercer nivel es de 125.
18
De tal manera que para el tercer nivel la seal tendr un nmero de muestras en A3 de
125 y D3 igualmente 125, dado que en la componente de baja frecuencia la reduccin en el
nmero de muestras no distorsiona la seal de una manera
significativa es posible la
S = A3 + D1 + D2 + D3
(2.21)
Por lo general las componentes de alta frecuencia son seales de ruido y es hasta
conveniente deshacerse de ellas [MOP97], [WAJ99] por lo que la seal es notablemente
reducida lo que es sumamente til en procesamiento de seales. De cualquier manera en la
Figura 2.11 se observa la seal recuperada dada por la ecuacin (2.21)
Amplitud
-0 .0 0 5
-0. 0 1
-0 .0 1 5
-0. 0 2
-0 .0 2 5
10 0
20 0
30 0
40 0
5 00
6 00
7 00
Tie m p o c ad a un ida d c o rre s po n de a . 0 00 1 25 s e g .
8 00
9 00
1 0 00
Figura 2.11. Superposicin de las seales original y recuperada con reduccin por
coeficientes wavelets.
19
La expresin dada de forma limitada por (2.21) puede ser generalizada de la siguiente manera:
s (t ) = c J ,n J ,n (t ) + d j ,n j ,n (t )
nZ
(2.22)
j = J nZ
d j ,n =
1
2j
s(t ) j ,n j n dt
(2.23)
c j ,n =
s
t
(
)
dt
,
j
n
j
j
2
(2.24)
[ALA03],
[BUG97].
Para obtener la multiresolucin
1 t
n
j
n
Z
:
,
j ,n (t ) =
, la cual se da en el
j
2j 2
t
j n : j, n Z dada como la
j ,n (t ) =
j
2 2
[MAS99], [PEW02].
1.- ( j , k ) Z 2 ,
20
f (t ) V j f (t 2 / k ) V j ,
2.- j Z , V j +1 V j ,
3.- j Z , f (t ) V j f ( 2t ) V j 1 ,
4.5.-
lim V j = {0} ,
j .+.
lim = L2 (R ) ,
j ..
La primera propiedad indica que cualquier versin trasladada de una funcin ocupar el
mismo subespacio que la original, por la segunda propiedad se asume que el subespacio de la
escala subsecuente est contenido en el subespacio de la escala antecedente lo que implica
tener una mayor resolucin en la primera escala, en la tercera propiedad se advierte que V j 1
consiste de la versin reescalada de V j , finalmente las propiedades 4 y 5 denotan que el
ultimo subespacio de la multiresolucin carece de trminos y el hipottico subespacio obtenido
en el antecedente infinito ser el espacio total de energa finita [ALA03], [MAS99], [BRJ02],
[WDF04], [BUG97], [KOM01] .
.
Considerando que se han tomado intervalos a mltiplos de dos, con escalamientos
tambin mltiplos de dos, a esta transformacin se le conoce como transformada didica
wavelet decimada. La ecuacin (2.23) puede rescribirse de la siguiente manera [MAS99],
[ICP02], [LOJ04].
S(2 j ,2 j n) =
s(t) . j n dt
2
2 j
(2.25)
21
Frecuencia
Escalaj 2j
f = 2 f0
Tiempo
t
2j
De esta manera la seal puede ser analizada optimizando los tiempos de muestreo, pues
las componentes de baja frecuencia necesitan mayor tiempo que las de alta y en consecuencia
el nmero de muestras ser menor, por otro lado una seal de muy alta frecuencia necesita un
muy alto nmero de muestras sin embargo estas seales suelen ser de muy baja amplitud o
seales de ruido que inclusive no representan un aporte que se justifique en el procesamiento
de la seal [LOJ04], [MOP97], [WAJ99].
2.4
Momentos de desvanecimiento
N m = t m (t )dt
22
(m )
es la
( m ) ( f ) = ( i 2 ) m t m ( t ) e i 2 ft dt
derivadas son cero a cero frecuencias [PWD02]. Este concepto es particularmente importante
si consideramos la condicin de admisibilidad C dada como:
C =
( f )
df
1
C
1
* t b
2
dadb
cwt
a
b
(
,
)
/
a
a ,b
2.5
23
Wavelets y aplicaciones
2.5.1
En la Figura 2.13 se aprecia una seal de ruido de un motor de induccin en la que se presenta
una pequea distorsin.
x 10
S e a l d e R u i d o d e u n M o t o r d e In d u c c i n c o n u n a D i s c o n t in u i d a d
Amplitud
-1
-2
-3
-4
1000
2000
3000
T ie m p o
4000
5000
6000
Figura 2.13. Ruido producido por un motor de induccin con una pequea distorsin.
24
Como puede apreciarse en la Figura 2.10 la descomposicin con reduccin en los coeficientes
de la wavelet ayuda a eliminar componentes que no aporten informacin necesaria en la seal,
de igual manera se pueden recortar las amplitudes de la seales de alta frecuencia que
representen ruidos o perturbaciones indeseables.
2.5.3
25
Compresin de seales
En la ecuacin 2.8 se define una funcin discreta a la que se le aplica una transformacin con
la wavelet Haar, puede apreciarse como se realiza la compresin de la seal siguiendo el
proceso hasta el resultado de las ecuaciones 2.19 y 2.20 en el que se observa los valores de dos
funciones con slo tres trminos cada una, en este caso la informacin puede transmitirse y
posteriormente recuperarse en un proceso inverso. Esta aplicacin es particularmente
importante, pues est siendo muy usada en la compresin de imgenes las cuales representan
una gran carga de memoria [MOP97], [WAJ99].
2.5.4
Deteccin de autosimilitudes
Las autosimilitudes son estructuras que se repiten por doquier y a cualquier escala en la seal,
ya sea de manera exacta o similar; como ejemplo se muestra la Figura 2.15 en la que se da
una autosimilitud detallada enlos recuadros.