PDS

Procesamiento digital
de Seales

Espectrograma Y
Wavelet

Anlisis de Seales no
estacionarias
Existen seales que cambian la frecuencia
en funcin del tiempo a estas seales se las
denomina no estacionarias.
x(n)= A*cos(2*pi*(fo*n)*n+theta).
la frecuencia aumenta con el tiempo.

Anlisis de Seales no
estacionarias
La seal que tiene un espectro variante en
tiempo es una seal AM y seal FM
x(n)= (1-cos(2*pi*n/N))*cos(wo*n)

Anlisis de Seales no
estacionarias
Para analizar estas seales y obtener el
espectro de esta seal se separa x(n) en
segmentos cortos sucesivos de tiempo de
longitud N y obtener la DFT de cada uno de
ellos.

Anlisis de Seales no
estacionarias
Una ves segmentado se grafica la DFT
sucesivas en tiempo y frecuencia

Anlisis de Seales no
estacionarias
Una ves segmentado se grafica la DFT
sucesivas en tiempo y frecuencia

Anlisis de Seales no
estacionarias
Los estimadores anteriores estiman la
distribucin de la potencia con la frecuencia
en toda la seal.
Para seales no estacionarias como la
anterior necesitamos un anlisis localizado
tiempo-frecuencia

Short Time Fourier (STFT)

W(n) es una ventana de N muestras
X [n, ]

jwn
x
[
m
]

w
[
n

m
]

m n N 1

Espectrograma
El modulo cuadrado de la STFT
(normaliozado) se denomina espectrograma
Presenta una herramienta para el anlisis
espectral de seales no estacionarias

Espectrograma

Mide la intensidad de la seal como una

funcin del tiempo y la frecuencia

Ventana en la STFT
La ventana w[n] provee la localizacin de
tiempo de la STFT
Si es rectangular selecciona x(n) en un
cierto intervalo

Ventana en la STFT
Si x(n) es una seal sinusoidal y se emplea
otro tipo de ventana, por ejemplo hamming

Longitud de la Ventana
La longitud de w[n] define la resolucin
temporal
Una ventana de longitud pequea permitir
determinar propiedades locales
Una ventana de longitud mayor promediar
las caractersticas espectrales

Longitud de la Ventana
La longitud de w[n] es proporcional al
inverso del ancho del lbulo principal

Ms detalle en tiempo menos detalle

en frecuencia

Longitud de la Ventana
La longitud de w[n] es proporcional al
inverso del ancho del lbulo principal

Ms detalle en tiempo menos detalle

en frecuencia

Espectrograma de una Seal

Espectrograma de una Seal

Espectrograma en Matlab
>> specgram(x, Nw, fm);
>> colorbar;
x: Seal de la que se desea obtener el
espectrograma
Nw: Tamao de la ventana (Hanning)
fm: frecuencia de muestreo

Espectrograma en Matlab
>> [B, F, T] = specgram(x, NFFT, Fs, L, D);
B: Arreglo de dos dimensiones con los
valores del espectrograma
F: Vector de frecuencias analizadas
T: vector de tiempos de posiciones de
ventana deslizante
x: Seal de la que se desea obtener el
espectrograma
NFFT: Cantidad de muestras de la FFT
Fs: frecuencia de muestreo
L: Longitud de la ventana

Anlisis de Mltiple
Resolucin

Existe un problema al escoger el tamao

correcto de la ventana en la STFT la cual
nos la idea de analizar la seal usando
ventanas de diferentes tamaos
Esta idea se conoce como mltiple escala
o mltiple resolucin y es la idea bsica de
la wavelet
Por ejemplo seales o imgenes contiene
caractersticas en varios niveles de detalles

Anlisis de Mltiple
Resolucin

Anlisis de Mltiple
Resolucin

Objetos pequeos deben examinarse a

alta resolucin
Objetos grandes deben examinarse a baja
resolucin

Introduccin a Wavelet
Las transformadas matemticas se
aplican en las seales para obtener mayor
informacin de la disponible en la seal
Seal en tiempo no es siempre la mejor
presentacin
La informacin puede estar oculta en el
contenido de frecuencia de la seal

Introduccin a Wavelet
Seal estacionaria
x(t)=cos(2*pi*10*t)+ cos(2*pi*25*t)
+cos(2*pi*50*t)+ cos(2*pi*100*t)

Introduccin a Wavelet
FT de la seal Estacionaria x(t)

Introduccin a Wavelet
Seal no estacionaria

Introduccin a Wavelet
Provee una representacin en tiempo y en
frecuencia.
Provee informacin de tiempo y
frecuencia de forma simultnea.
WT fue desarrollada como alternativa a la
STFT.
La STFT proporciona una resolucin fija
en todos los tiempos.
La WT proporciona una resolucin

Introduccin a Wavelet
La WT proporciona una resolucin variable:
Las frecuencias altas son resueltas de
mejor manera en tiempo.
Las frecuencias bajas son resueltas de
mejor manera en frecuencia.
Un componente de frecuencia alta ser
localizado de mejor manera en tiempo (con
menor error).
Un componente de baja frecuencia ser
localizado de mejor manera en frecuencia.

Introduccin a Wavelet

Introduccin a Wavelet

Introduccin a Wavelet
Wavelet
Ola pequea
Transformada Wavelet
Convertir una seal en una serie de
wavelets.
Permite analizar la seal en tiempo y
frecuencia.
Permite almacenar seales de forma ms
eficiente que la FT.
Permite mejores aproximaciones de
seales reales

Introduccin a Wavelet
Una wavelet es una funcin que generan
una ola en el eje x teniendo:
Frecuencia variable
Duracin limitada
Valor promedio cero.
Contraste a FT que tiene energa infinita.

Introduccin a Wavelet
La FT emplea funciones base Seno Coseno
para representar la seal
Wavelet son funciones base (t) que permite
representar la seal

x(t ) ak k (t )
k

Introduccin a Wavelet
Diferentes tipos de Wavelets:
Haar

Morlet

Introduccin a Wavelet
Una ves establecida la Wavelet Madre
madre, se puede aplicar el resto de bases aplicando
translaciones y escalamiento
s= escalamiento
t = translacin
Escalar y desplazar

Wavelet
Escalar una wavelet significa bsicamente estirarla o
comprimirla.
Permite optimizar la banda de frecuencia de inters o
determinar el contenido de frecuencia en un intervalo
de tiempo ms estrecho.
Escalamiento = banda de frecuencia.
Adecuado para datos no estacionarios
Escala baja -> Wavelet comprimida -> detalles
cambian rpidamente - > Alta frecuencia
Escala alta -> Wavelet estirada -> detalles granulares,
con cambios lentos -> Baja frecuencia

Wavelet

Escala pequea
-Detalles cambian
rapidamente,
-Alta frecuencia

Escala grande
-Detalles cambian
lentamente
-Baja frecuencia

Wavelet
Mientras ms pequeo es el factor, ms comprimida
se encuentra la wavelet.

Wavelet
Desplazar la wavelet significa retrasarla o
adelantarla respecto a su inicio

similitud

C=0.0004

C=0.0034

Clculo de Wavelet
1. Tomar la wavelet y compararla con la
seccin inicial de la seal original.
2. Calcular el coeficiente C de
correlacin.

Clculo de Wavelet
3. Desplazar la wavelet y repetir los
pasos 1 y 2 hasta completar toda la
seal.

4. Escalar la wavelet y repetir los pasos

1 al 3.

Clculo de Wavelet
5. Repetir los pasos 1 al 4 con todas las
escalas

Manipulacin de Imagenes
Descargar una imagen de Internet en
escala de grises (256x256).
>>
>>
>>
>>
>>
>>

% cargar la imagen
x = imread(nombre imagen);
% visualizacion
figure(1);
imshow(x);
title(imagen original);

Manipulacin de Imagenes
Obtencin de la TW de 2D, usando la
wavelet madre Daubechies db16.
>> [A, B, C, D] = dwt2(double(x),
db16);

Manipulacin de Imagenes
Mapeo de los valores en escala de
grises.
>>
>>
>>
>>

imagenA = produce_imagen(A);
imagenB = produce_imagen(B);
imagenC = produce_imagen(C);
imagenD = produce_imagen(D);

Manipulacin de Imagenes
Generacin de una matriz de mayor
dimensiones:
% Dimensiones
[MAXA_fila, MAXA_col] = size(imagenA);
[MAXB_fila, MAXB_col] = size(imagenB);
[MAXC_fila, MAXC_col] = size(imagenC);
[MAXD_fila, MAXD_col] =
size(imagenD);
superImagen = zeros(MAXA_fila * 2,
MAXA_col * 2, uint8);

Manipulacin de Imagenes
Ubicacin de imagen:
>> superImagen(1 : MAXA_fila, 1 :
MAXA_col) = imagenA;
>> superImagen(1 : MAXA_fila,
MAXA_col + 1:MAXA_col * 2) =
imagenB;
>> superImagen(MAXA_fila + 1 :
MAXA_fila * 2, 1 : MAXA_col) =
imagenC;
>> superImagen(MAXA_fila + 1 :
MAXA_fila * 2, MAXA_col + 1 : MAXA_col
* 2) = imagenD;

Manipulacin de Imagenes
Presentacin de imagen:
>> figure(2);
>> imshow(superImagen);
>> title('Luego de una octava de la
DWT');