INTRODUCCION A LA TRANSFORMADA WAVELET Y SUS APLICACIONES AL PROCESAMIENTO DE SENALES DE EMISION ACUSTICA

Eduardo Pedro Serrano

Escuela de Ciencia y Tecnolog - Universidad Nacional de General San Mart a n 1. INTRODUCCION Hace poco ms de diez aos ve la luz el clebre trabajo Cicle octave and related transforms in a n a e seismic signal analysis, dando as comienzo al desarrollo de la hoy portentosa teor de la Trans a formada Wavelet o en onditas, proceso que ya no dudamos en calicar como verdadera revolucin o en el campo de la matemtica. a El trabajo citado, respond a una profunda intuicin plasmada en experiencias numricas sobre a o e seales s n smicas y que, debidamente formalizada, presentaba una alternativa al clsico Anlisis de a a Fourier por ventanas o localizado. Advertida la comunidad matemtica sobre estos resultados y observando la estrecha conexin a o con otros desarrollos previos, vislumbra su enorme trascendencia. De inmediato se esbozan las primeras ideas que ponen en movimiento esa revolucin que hoy nos envuelve y asombra. o Como consecuencia de este proceso, a la hora actual, la Transformada Wavelet, as sus ex tensiones y desarrollos conexos, proporcionan poderosas herramientas anal ticas para encarar muy diversos problemas, tanto en el campo de las ciencias aplicadas como en la matemtica pura y a aplicada. Es interesante observar el signicativo hecho de que esta teor nace de la conjuncin de la a o respuesta emp rica a un problema espec co de la Ingenier ms precisamente de procesamiento a, a de seales, con ideas preexistentes en el contexto de la matemtica pura. Esta interaccin entre los n a o requerimientos de problemas propuestos por las ciencias aplicadas y cuestiones propias del campo matemtico puramente terico, es una constante que acompaa, desde sus comienzos, el desarrollo a o n de la teor a. Otra importante observacin, es que el citado desarrollo fue encontrando, interconectando y o englobando, en una concepcin cualitativamente nueva, muy diversas ideas, tcnicas y resultados o e preexistentes. Justamente, podemos mencionar varios mtodos ya implementados en el mbito de e a la Ingenier a saber la ya mencionada Transformada de Fourier por ventanas, o Transformada a, de Gabor, los esquemas subband-codding y de ltros-espejo en cuadratura, implementados para el procesamiento de seales, los algoritmos piramidales de Burt y Adelson para el anlisis de imgenes, n a a los esquemas de renamiento utilizados en computacin grca, los mtodos de aproximacin e o a e o interpolacin por funciones spline y muchos otros. o Podemos concluir de esta breve resea el hecho de que la teor de las wavelets puede enfocarse n a desde mltiples puntos de partida y que su plena formulacin y comprensin requiere de una u o o perspectiva global y sintetizadora. Esta diversidad de enfoques, explica tambin la versatilidad de sus posibles aplicaciones y an e u las dicultades de quienes se disponen a decidir una estrategia basada en wavelets frente a problemas espec cos. Otra consecuencia de esta multiplicidad de enfoques del tema, explica el impresionante volumen y diversidad de publicaciones sobre el mismo. La extensa bibliograf existente nos expone, a desde simples tcnicas emp e ricas o computacionales hasta resultados de elevada complejidad terica. o Se suman tambin numerosas propuestas desarrolladas ad hoc para aplicaciones espec e cas. Frecuentemente los resultados se superponen o redundan bajo distintas formulaciones. Diferencias que parecen importantes se desvanecen bajo el detallado anlisis, mientras que sutiles matices a a

veces encierran profundas bifurcaciones o cuestiones trascendentes que pueden pasar inadvertidas a primera vista. Nuestra exposicin pretende dar una introduccin bsica a la Transformada Wavelet y sus o o a posibles aplicaciones al procesamiento de seales, en particular a la seales de Emisin Acstica. n n o u Nuestra aproximacin sigue el lineamiento de su desarrollo histrico, esto es, la presentaremos como o o una natural extensin de los mtodos de Fourier. o e Para su consulta, se cuenta con gran nmero de publicaciones en revistas peridicas, libros y u o actas de congresos, a los que se suman muchas publicaciones previas o internas y correspondencia entre autores. Al respecto queremos en particular citar los trabajos de Y. Meyer, I. Daubechies, S. Mallat, A. Aldroubi, M. Unser, Ch. Chui, R. Coifman y muchos otros. Al nal de este art culo damos una sucinta seleccin de las fuentes de referencia. o 2. REPRESENTACIONES TIEMPO-FRECUENCIA En el mbito de las ciencias aplicadas usualmente representamos una seal f a n sica mediante una funcin del tiempo s(t) o, alternativamente, en el dominio de la frecuencia por su Transformada de o Fourier s(). Ambas representaciones son en cierto sentido naturales, resultantes de la habitual modalidad de enfocar el universo real. Las mismas contienen exactamente la misma informacin o sobre la seal, respondiendo a enfoques distintos y complementarios. n Asumiendo que la seal es aperidica y de energ nita, estas representaciones se relacionan n o a mediante el par de frmulas o par de Fourier: o s() = s(t) =

s(t)e t dt

(1) (2)

1 2

s() e t d

donde t representa el tiempo y la frecuencia angular. Esto nos dice que, en teor la informacin a, o en uno de los dominios puede recuperarse a partir de la informacin desplegada en el otro. o Nos dice tambin que un proceso temporal puede considerarse como la superposicin integral e o de una coleccin de ondas monocromticas que oscilan con amplitud constante. Estas ondas, de o a frecuencia denida, estn representadas por las funciones s (t) = s() e t . Al interferirse entre a s conforman los distintos fenmenos y estructuras, localizadas en el tiempo. o Rec procamente observamos que, para cada frecuencia, la amplitud de la onda s (t) es la resultante de la informacin de la seal integrada sobre el dominio del tiempo. o n En suma, ambas representaciones estn relacionadas en forma global y en principio la totalidad a de la informacin en un dominio es requerida para recuperar informacin en el otro. o o Al procesar seales es comn encontrar fenmenos oscilantes, casi monocromticos, localizados n u o a en el tiempo. Tambin ondas perdurables, que con amplitudes casi estacionarias, exhiben patrones e de frecuencia variables en el tiempo. Surge entonces, en forma natural, la nocin de los fenmenos localizados en tiempo y frecuencia, o o es decir de objetos que para su descripcin requieren informacin conjunta de ambos dominios. o o Claramente, el par de Fourier no es la herramienta adecuada para expresar expl citamente este tipo de informacin conjunta, dado que las funciones elementales de representacin son las ondas o o estacioanrias y monocromticas e t . a En contraposicin, para representar tales fenmenos requerimos de patrones elementales capaces o o de localizar conjuntamente la informacin de ambos dominios. Esto plantea el problema de las o representaciones tiempo-frecuencia. En principio, ste es un problema antinatural ya que, de acuerdo al Principio de Incertidumbre e de Heisemberg no pueden existir seales a la vez casi monocromticas y casi instantneas. Se n a a imponen, por tanto, soluciones de compromiso.

Tratndose de fenmenos aislados en el tiempo, la cuestin es relativamente sencilla. Podemos a o o analizarlos separadamente, y sobre sus respectivos dominios temporales extraer la informacin en o frecuencia que nos provee la Transformada de Fourier. Anlogamente podemos tratar el caso de ondas con patrones de frecuencia relativamente simples, a moduladas por funciones relativamente largas. Pero el problema es arduo cuando nos encontramos frente a seales donde conviven mltiples n u fenmenos localizados en el tiempo y en la frecuencia, superponindose bajo complejas estructuras. o e Entonces, cmo detectar esos fenmenos y caracterizar las estructuras? o o Claramente, por las razones arriba expuestas, no existe una respuesta unica. Entonces, el desaf o consite en denir una apropiada representacin acorde con las caracter o sticas de la seal y a los n objetivos de su procesamiento. Las seales de Emisin Acstica, justamente, plantean este tipo de requerimientos. n o u Como bien sabemos, el procesamiento de estas seales constituye actualemente una importante n tcnica no destructiva para el monitoreo de procesos que tienen lugar dentro de objetos materiales, e para el testeo de calidad o para la deteccin de eventuales fenmenos internos. o o Si tiene lugar una sbita emisin de energ en el interior del material, esta se difunde en forma u o a de ondas elsticas que pueden ser detectadas en la supercie del slido de prueba. a o T picamente estas seales son no estacionarias y a menudo se presentan como sucesivos eventos n transitorios, cuyos tiempos de arribo y formas de onda resumen la informacin del proceso interno. o A menudo tales eventos estn parcialmente superpuestos en el dominio temporal, o afectados de a ruido, en el sentido que se intereren con eventos secundarios y no signicativos, pero que afectan su estructura. El procesamiento de tales seales constituye toda una rama de amplia atencin en la tcnica n o e del estudio de materiales y pueden verse en la literatura citada numerosos problemas planteados, y metodolog diversas para resolverlos. as No es nuestro porpsito extendernos en este vasto tema, pero podemos armar que uno de los o problemas comunes a tales procesamientos es caracterizar los parmetros signicativos de la seal, a n cuando stos involucran variaciones conjuntas en el dominio tiempo - frecuencia. e Ms precisamente, una seal de Emisin Acstica puede considerarse como la superposicin a n o u o de mltiples eventos elementales, t u picamente del tipo sinusoides modulados por exponenciales decrecientes. Dependiendo del proceso testeado, los eventos aparecen, en trenes, paquetes o bursts, relativamente separados, o confundidos en una onda de apariencia continua, no estacionaria. En ambos casos, normalmente se verica la presencia de ruido aditivo. En tales seales interesa, justamente, detectar y caracterizar los bursts, que evidencian las n bruscas emisiones de energ elstica en el seno del material. En particular, estimar sus localizaa a ciones temporales, frecuencias de oscilacin, radio de decaimiento y fases y, eventualmente, describir o apropiadamente su estructura de superposicin. o 3. LA TRANSFORMADA DE GABOR Una clase de representaciones tiempo - frecuencia ampliamente difundida en al mbito del a procesamiento de seales se basa en el empleo de ventanas temporales, esto es de funciones suaves n y bien localizadas en un intervalo. La ventana g(t) enmarca una porcin de la seal y permite aplicar localmente la Transformada o n de Fourier. De este modo, se releva la informacin en frecuencia localizada temporalmente en el o dominio efectivo de la ventana. Desplazando temporalmente la ventana se cubre el dominio de la seal obtenindose la completa n e informacin tiempo - frecuencia de la misma: o sg (, ) =

s(t)g(t )e t dt

(3)

Asumiendo que la ventana real g(t) est bien localizada en un intervalo centrado en t = 0, de a longitud t y que su transformada g() est tambien localizada en una banda centrada en = 0, a de ancho , las ventanas desplazadas y moduladas g(t )e t son funciones elementales bien localizadas en el dominio conjunto tiempo - frecuencia. Cada funcin elemental se localiza en el o rectngulo centrado en el punto (, ) de dimensin t . a o Por tanto el conjunto de valores {sg (, )} nos da un completo mapa en el dominio tiempofrecuencia que despliega la informacin de la seal. Ms an, sta puede recuperarse con la frmula o n a u e o de inversin: o s(t) = 1 2

sg (, ) e t d d

(4)

La misma sintetiza la seal como la superposicin integral de las funciones elementales g(t )e t . n o El mapeo sobre domino tiempo-frecuencia, bajo las condiciones referidas, se conoce como la transformada de Gabor y representa una atractiva generalizacin de la transformada de Fourier. o Esta transformada se puede reformular considerando ahora el par de ventanas moduladas reales g(t ) cos(t) y g(t ) sin(t). Estos pares de ventanas moduladas actan como ltrosu pasabanda, con denicin de fase. De tal modo la Transformada de Gabor puede entenderse como o un tratamiento localizado de la seal mediante ltros - pasabanda deslizantes, de ancho de banda n constante. Surgen dos importantes observaciones. La primera es la cuestin de la implementacin numrica o o e de la transformada. Claramente, es necesario discretizar los parmetros , en una apropiada red a que equilibre la eciencia del mapeo de la informacin con la complejidad computacional. o Obsrvese que los rectngulos de localizacin prximos se superponen. Esto implica la redune a o o dancia de la informacin del mapeo. La superposicin y redundancia dependen de las dimensin de o o o los rectngulos t . Justamente, el principio de incertidumbe nos dice que es imposible reducir a indenidamente esta dimensin, existiendo una constante positiva universal tal que: t C. o La igualdad se alcanza en el caso de las ventanas gaussianas. Por otra parte, se comprende, el esfuerzo computacional se incrementa en funcin de la reduno dancia. Por tanto el ideal ser preservar la totalidad de la informacin del mapeo continuo sin a o redundancia en una red discreta de rectngulos, con m a nima superposicin. o La segunda cuestin la plantea el hecho de que las dimensiones de los rectngulos de localizacin o a o son constantes. En las altas frecuencias el nmero de oscilaciones en el dominio temporal de las u ventanas es elevado, y la informacin frecuencial del mapeo es n o tida. En contraposicin, en las bajas o frecuencias, las oscilaciones son relativamente largas y no pueden caracterizarse apropiadamente. Este ultimo fenmeno se explica por la superposicin de los rectngulos asociados a las bajas o o a frecuencias, positivas y negativas. En otras palabras, la redundancia es cr tica entorno de = 0. La implementacin de la Transformada de Gabor para el procesamiento de seales de emio n siones acsticas resulta eciente cuando se trata de localizar y caracterizar eventos con patrones de u frecuencia bien denida, no superpuestos y relativamente largos, respecto de la ventana de anlisis. a En contraposicin, es totalmente inapropiada para detectar detalles de corta duracin, oscilao o ciones largas asociados a las bajas frecuencias, o caracterizar patrones autosimilares presentes en fenmenos a distintas escalas. o

4. LA TRANSFORMADA WAVELET CONTINUA Una alternativa a la Trasformada de Gabor es la de utilizar ventanas moduladas, pero de dimensin variable, ajustada a la frecuencia de oscilacin. Ms precisamente, que mantenga un o o a mismo nmero de oscilaciones en el dominio de la ventana. Esto sugiere, naturalmente, contar con u una unica ventana modulada y generar una completa familia de funciones elementales mediante sus dilataciones o contracciones y traslaciones en el tiempo: (t) = 1 tb a |a| (5)

donde a = 0 y b son los parmetros de escala y de traslacin. Se preserva la energ de las funciones a o a mediante un factor de normalizacin. o La funcin (t), debe vericar ciertas condiciones de admisibilidad y se denomina wavelet madre o y el resto de las funciones generadas, simplemente, wavelets. Denotemos las mismas como: a,b (t) = 1 tb a |a| (6)

Las condiciones de admisibilidad bsicamente requieren que la funcin (t) est bien localizada a o e en tiempo, de media nula y que la transformada () sea un ltro continuo pasa-banda, con rpido a decaimiento hacia el innito y hacia = 0. Entonces, dada una seal s(t), de energ nita la Transformada Wavelet Continua de s se n a dene como: W s(a, b) =

s(t) a,b (t) dt

(7)

para cada par de parmetros reales (a, b), a = 0. Si la ondita es real, la denicin se restringe para a o valores positivos de a. La transformacin as denida preserva la energ de la seal, y posee una o a n frmula integral de inversin. Si la wavelet madre es real, la reconstruccin se realiza como: o o o s(t) = C
0

W s(a, b)a,b (t)

db da a2

(8)

donde C es una constante positiva. La frmula expresa la s o ntesis de la seal como la superposicin integral de las funciones elen o mentales a,b (t). El mapeo sobre domino tiempo-frecuencia, para metrizado por (a, b), esto es la Transformada Wavelet Continua, representa una novedosa alternativa a la Transformada de Fourier por ventanas. Ella despliega la informacin de la seal en una estructura radicalmente diferente. o n Cualquier wavelet real (t), admisible, est bien localizada en un intervalo centrado en un t0 , de a longitud t y que su transformada () est localizada en una banda biltera 0 < 1 || 2 , a a de ancho . Entonces, las wavelets a,b (t) estn localizadas en el intervalo centrado en at0 + b, a de longitud at y en la banda biltera 0 < 1 /a || 2 /a, de ancho /a. a Observemos que la precisin en tiempo es inversamente proporcional a la precisin en frecuencia, o o mantenindose constante la relacin t . Esta es la diferencia fundamental con la Transformada e o de Gabor. Ms an, para cada valor de a, la familia de wavelets parametrizada por b, se comporta como a u una ventana deslizante, de ancho de banda constante, pero el nmero de oscilaciones de estas ondas u elementales es siempre el mismo, en el marco efectivo de la ventana. Por otra parte, si la transformada () decae rpidamente a cero en torno de = 0, se verica a la propiedad de oscilacin: o

tk (t) dt = 0

(9)

para k = 0, . . . , K. Esta importante propiedad, que no posee la Transformada de Gabor, es trascendente en las aplicaciones de anlisis de seales, para la deteccin de fenmenos puntuales, a n o o como discontinuidades o bruscos cambios en las derivadas. En efecto, si modelamos apropiadamente la seal f n sica, por una funcin s(t), de modo que las o derivadas reejen los cambios de locales de comportamiento, en torno de cada punto ta,b = at0 + b, de radio t , el proceso queda caracterizado por el correspondiente polinomio de Taylor, hasta cierto orden K + 1. Si el proceso es razonablemente suave en el entorno, la propiedad de oscilacin nos o dice que la magnitud |W s(a, b)| es no signicativa. En contraposicin, un brusco cambio en el o entorno, que se reeja en la derivada de orden K + 1, podr ser bien detectado. a Otra propiedad relevante de la transformada continua es su invariancia respecto de las traslaciones o cambios de escala de la seal. Estructura similares, sern detectadas de la misma forma, n a independientemente de su localizacin temporal o escala. o En suma, por sus propiedades y las razones antes expuestas la Transformada Wavelet Continua, constituye una promisoria y ventajosa alternativa para el procesamiento de seales, en particular n las de Emisiones Acsticas. u Sin embargo, para estas aplicaciones debe resolverse la cuestin de la implementacin numrica o o e de esta transformada integral. Ms an, debe formularse un apropiado esquema para la intera u pretacin de la informacin contenida en los valores W s(a, b). Estas cuestiones son anlogas a las o o a planteadas en el caso de la Transformada de Gabor y nos llevan a analizar el caso de las llamadas Transformadas Discretas, para caracterizar posteriormente, la Transformada Wavelet Discreta. 5. TRANSFORMADAS DISCRETAS La Transformada de Fourier, la de Gabor o la Wavelet Continuas, y muchas otras, pertenecen a la clase de las llamadas Transformadas Integrales Continuas. Las mismas, como hemos visto, mapean la informacin de la seal dada s(t) en un espacio denido por los correspondientes parmetros o n a variando en rangos continuos, predisponindola al anlisis y a la interpretacin. Ms an, la come a o a u pletitud del mapeo y la bondad del despliegue de la informacin se expresan en la eciencia de la o frmula integral de reconstruccin. o o En las aplicaciones, la implementacin de este tipo de transformadas es costoso desde el punto o de vista numrico y computacional. e En l neas generales, los clculos integrales deben aproximarse con sumatorias sobre redes disa cretas razonablemente nas. Se discretizan tanto los parmetros, como los puntos de reconstruccin. a o Eventualmente se recurren a tcnicas de interpolacin. e o Discretizar los parmetros, equivale a discretizar la transformada. Esto es, a reemplazar el a mapeo continuo de informacin por un espectro, conjunto nito o numerable de valores. o El problema est, en decidir de qu forma se discretiza. Redes nas aproximan mejor, pero a e implican alta redundancia de la informacin. o En casos muy especiales, es posible discretizar los parmetros, de modo que los valores de la a transformada discretizada puedan computarse ecientemente y la informacin contenida en ellos o sea razonablemente manejable. Ms precisamente, de modo que exista una frmula sumatoria de a o reconstruccin, numricamente estable. Entonces, tenemos una Transformada Discreta.Esta ya no o e es simplemente una aproximacin de la continua, sino que nos da una nueva forma de analizar y o sintetizar la informacin. o Una trasformada discreta puede entenderse como en mtodos ecientes para representar la seal e n dada en trminos de una serie de funciones elementales, o tomos de informacin, modulados por e a o apropiados coecientes: s(t) =

c (t)

(10)

Los coecientes de la reconstruccin, justamente, codican la informacin la informacin de s(t). o o o Asumiendo que la seal es de energ nita, si las funciones elementales poseen determinada n a estructura, los valores: < s, > =

s(t) (t)dt

(11)

nos dan la correlacin entre la seal y el modelo estructural (t). Tenemos, pues, un segundo o n mapeo discreto de informacin. o Si los valores < s, > permiten reconstruir la seal s(t) en forma sucientemente aproximada, n reemplazando los coecientes c en la serie: s(t) C

(t)

(12)

para cierta constante C , constituyen una Transformada Discreta. Entonces, los valores de la transformada representan a su vez la informacin estructural de la o seal y nos dicen en qu forma y medida esa estructura est presente en la s n e a ntesis. La situacin ptima se da en el caso en que la familia de funciones elementales (t) constituye o o una base ortonormal para la clase de seales de nita energ Entonces, los valores de la transforn a. mada < s, > coinciden exactamente con los coecientes c de la reconstruccin. Ms an, la o a u energ E(s) de la seal se puede expresar como: a n E(s) =

|c |2 =

| < s, > |2

(13)

Desde nuestro punto de vista, procuramos contar con una familia de funciones elementales j,k (t) indexada por el par de nmeros enteros j, k que reeren a la localizacin en tiempo y en u o frecuencia o escala. Entonces, los valores < s, j,k > resumen la informacin tiempo-frecuencia o o tiempo-escala de la seal. Este espectro discreto, reemplaza al mapeo de las transformadas n continuas. Como se ha dicho, pretendemos, para las aplicaciones numricas, contar con transformadas de e Gabor o Wavelet discretas. 6. SERIES DE FOURIER LOCALES Como bien sabemos, una seal T -peridica s(t), de potencia nita y razonablemente suave n o puede representarse a partir de su serie de Fourier: s(t) =
k

s(k )e k t

(14)

donde k = 2k/T son las frecuencias angulares fundamentales y s(k ) son los coecientes de Fourier: s(k ) = 1 T
t0 +T t0

s(t)e k t dt

(15)

Obsrvese, que esta ultima frmula tambin nos da la usual Transformada de Fourier de una seal e o e n limitada al intervalo [t0 , t0 +T ], en la red discreta de frecuencias y multiplicada por una constante. Interpretando apropiadamente la serie precedente, podemos decir que la seal dada queda ren presentada como la suma de las innitas ondas monocromticas y peridicas e k t . Ms an, a o a u estas ondas son mutuamente ortogonales. Los coecientes s(k ) o espectro de Fourier continen la informacin en frecuencia de la seal. o n

Para computarlos contamos con algoritmos rpidos y ecientes. En contraposicin, las series de a o Fourier requieren estrictas condiciones para su convergencia numrica, siendo sta particularmente e e sensible a las discontinuidades o texturas irregulares presentes en la seal. n En correspondencia, el espectro no permite detectar y caracterizar fenmenos locales de breve o duracin.Tampoco los coecientes de Fourier, posibilitan la caracterizacin de estructuras autoo o similares, a diferentes escalas. Ms precisamente, en truncamiento de la serie y su reemplazo por una suma nita, puede a destruir o desnaturalizar completamente la informacin relevante. o En las aplicaciones y bajo apropiadas hiptesis, que excluyan los casos antes expuestos, las series o de Fourier pueden emplearse sobre un unico intervalo, de longitud T , asumiendo en los extremos apropiadas condiciones de periodicidad. Entonces, dada una seal s(t) no peridica, una idea natural es la de segmentarla, utilizando n o una funcin ventana g(t) de soporte nito, de dimensin T y que se desplaza a intervalos regulares, o o cubriendo todo el dominio. Luego en cada segmento, emplear las series de Fourier. Seleccionando apropiadamente la funcin ventana g(t) y el paso de desplazamiento 0 , obteno dremos una representacin de la forma: o s(t) =
n k

cn,k g(t n0 )e k t

(16)

siendo cn,k los coecientes de Fourier del segmento modulado s(t)g(t n0 ). Estos valores, contienen la informacin en frecuencia para cada segmento temporal, organizados en una secuencia de o espectros locales. Las funciones elementales son justamente, las exponenciales complejas moduladas g(t n0 )e k . Podemos hablar entonces, de una Transformada Discreta tiempo-frecuencia, genricamente dee nominada Series de Fourier Locales. Observemos que ella puede considerarse como una versin o discreta de la Transformada de Gabor. Sin embargo, el diseo e implementacin de esta Transformada es complicado. En principio, n o tenemos las desventajas generales de las series de Fourier arriba sealadas. Por otra parte, no n es fcil seleccionar la ventana y el paso de desplazamiento, combinando los requerimientos para la a eciente s ntesis con la suavidad de las ventanas, a n de evitar bordes o discontinuidades articiales en la segmentacin. o Finalmente se mantiene la dicultad de decidir el ancho de banda de las ventanas, a n de ajustar la precisin tiempo-frecuencia. Por otra parte, la segmentacin imposibilita detectar y o o localizar apropiadamente los fenmenos asociados a bajas frecuencias. o 7. TRANSFORMADA WAVELET DISCRETA Nuevamente, ahora en el caso discreto, se presenta la altenativa de emplear series de wavelets. El diseo de una versin discreta de la Transformada Wavelet, esencialmente consiste en denir n o una apropiada red discreta de parmetros { (aj ; bjk )}, de escalas y traslaciones, respectivamente. a de modo que la familia de wavelets aj ,bjk sea admisible, en el sentido dado en la seccin 4.. En o general, constituye un problema dif caracterizar en general, aquellas wavelets que denen una cil Transformada Discreta. Felizmente contamos con varias clases de wavelets admisibles. Mecionemos entre las ms difuna didas las wavelets spline, las wavelets de de Daubechies y otras anlogas, ampliamente difundidas a en la literatura y en el sofware actualmente disponible. Entre stas, encontramos diversas variantes, e y particularmente las que generan bases ortonormales de wavelets. En general, esas clases se asocian a la red didica: a aj = 2j ; bjk = 2j k j, k Z (17)

Bajo esta eleccin de los parmetros, tendremos entonces la usual expresin para las wavelets: o a o jk (t) = 2j/2 (2j t k) j, k Z (18)

Asumiendo que la wavelet madre real y una seal s(t) de energ nita la Trasformada Discreta n a Asociada se dene como: DW s(j, k) = < s, jk > =

s(t)jk (t) dt

(19)

para todos los valores enteros de j y k. Por otra parte, tenemos las frmulas de s o ntesis: s(t) =
j k

cjk jk (t)
j k

< s, jk > jk (t)

(20)

para apropiados coecientes en wavelets cjk . En el caso de que (t) genera una base ortonormal de wavelets, tenemos que cjk =< s, jk > y la frmula es exacta. En suma, en la prctica podemos considerar que los valores de la transformada o a o los coecientes en wavelets resumen ahora la informacin de la seal, en forma anloga al caso o n a continuo. El espectro de coecientes cjk parametrizado por (j, k), reemplaza al mapeo continuo en el dominio. A partir de las mismas consideraciones que en el caso continuo, vemos ahora que las wavelets jk (t) estn localizadas en el intervalo centrado en (t0 + k)2j , de longitud 2j t y en la banda a biltera 0 < 2j 1 || 2j 2 , de ancho 2j . Estas bandas representan una particin en niveles a o o en octavas del dominio de las frecuencias. Bajo este punto de vista, analizar una seal por medio de la transformada discreta consiste en n descomponer la misma en un banco de ltros analgicos pasabanda y en cada octava, caracterizar o el comportamiento en el tiempo: s(t) =
j

wj (t) cjk jk (t) para cada j

k

(21) (22)

wj (t) =

Por otra parte, realizado el anlisis, es posible reconstruir a discrecin las componentes rea o // levantes de la seal y caracterizar as diversos fenmenos de inters. En la seccin siguiente, n o e o volveremos sobre esta descomposicin, profundizando su signicado. o A diferencia de las Series de Fourier Locales, al anlisis se realiza por octavas o rangos de a frecuencia que duplican su dimensin hacia las altas frecuencias, a la vez que se reduce el rango o temporal de localizacin. o Es posible entonces localizar por medio del espectro, tanto fenmenos locales como patrones de o autosimilaridad, a distintas escalas. Ms an, el apropiado truncamiento de las series de wavelets, realizado en cada nivel j, no a u desnaturaliza o destruye la seal. En suma, con un espectro nito podemos representar ecienten mente la textura y fenomenolog temporal de la seal, clasicada por octavas. a n Por supuesto, existen tambin desventajas. Por un lado, la discretizacin no conserva ciertas e o importantes propiedades de la Transformada Wavelet Continua. Particulamente, la de invariancia respecto de las traslaciones. Por otra parte, anlisis mediante wavelets merece la clasicacin de tcnica tiempo - escala, a o e ms que, propiamente, tiempo - frecuencia. El problema es que las wavelets no poseen una precisa a localizacin en frecuencia, de modo que no contamos con precisin en frecuencia dentro de las o o

octavas. Por esta razn, la Transformada Wavelet no es apropiada para caracterizar fenmenos o o estacionarios, casi monocromticos. a Sin embargo, y esto es fundamental, el empleo de wavelets es tan exible, que es posible subsanar estos inconvenientes. Sin mayores detalles digamos que es posible extender la Transformada Discreta y disear otras mejor adaptadas para propsitos particulares. Esto revela la riqueza de n o las wavelets. Ls operaciones implican una importante tarea computacional. Para las especiales elecciones de las wavelets madre, las mismas pueden realizarse mediante ecientes algoritmos, en el marco de un especial esquema anal tico, que a continuacin detallaremos. Ms an, este algoritmo realiza el o a u anlisis y la s a ntesis mediante ltros digitales, operando a partir de los datos muestrales de la seal. n

8. ESQUEMA DE ANALISIS MULTIRRESOLUCION Consideremos una wavelet madre (t). Sin prdida de generalidad, asumamos la familia de e wavelets jk (t), por ella generada constituye una base ortonormal de la clase de seales de energ n a nita. Supongamos que est centrada en t0 = .5 y que su transformada de Fourier est localizada en a a la banda 0 < || 2. Para cada valor entero del parmetro de escala j las wavelets jk (t) generan un subespacio de a seales que comparten una misma octava de localizacin, esto es, el rango de frecuencias n o 0 < 2j || 2j+1 . Denotemos Wj a estos subespacios de wavelets. Son ortogonales entre s y contienen todas las seales representadas como: n wj (t) =
k

cjk jk (t)

(23)

donde los coecientes son de cuadrado sumable: |cjk |2 <

k

(24)

Uniendo los subespacios de wavelets, desde hasta cada nivel j 1, se obtienen los subespacios, indexados por j:
j1

Vj

=
l=

Wl

(25)

Estos ultimos subespacios se denominan de escala: y contienen las seales que resultan de las n superposiciones:
j1

sj (t) =
l=

wl (t)

(26)

donde wl Wl . Estas estn localizadas ahora en la banda que reune a las octava inferiores, esto es a las relativas bajas frecuencias || 2j . Observamos que se verica las relacin: o sj (t) = sj1 (t) + wj1 (t) (27)

para cada j, que nos dice que la informacin de sj (t) se desdobla en la componente wj1 retiene los o detalles relativos a las altas frecuencias y la componente sj1 que conserva la tendencia asociada a las relativas bajas frecuencias.

Las componentes sj (t) y wj (t), son justamente las proyecciones ortogonales de la seal s(t) n sobre los espacios Vj y Wj , respectivamente. Se deduce, que el proceso de decomposicin, o sucesivas proyecciones, puede continuarse en la o misma forma: sj (t) = sj2 (t) + wj1 (t) + wj2 (t) = sjN (t) + wj1 (t) + . . . + wjN (t) (28)

y en cada paso, se van segregando los detalles espec cos de cada octava, mientras que la componente residual de baja frecuencia conserva el aporte de las frecuencias en torno de = 0 o la tendencia general. En teor una seal dada s(t), de nita energ puede descomponerse como la suma de proyeca, n a, ciones:

s(t) = +sJ (t) +

j=J

wj (t)

(29)

para cualquier J arbitrario. Este tipo de anlisis despliega la informacin de una seal por octavas a o n o bandas de frecuencia, como antes lo hemos sealado. n Una observacin importante es que, las deniciones y relaciones anteriores resumen las propiedades o autosimilaridad entre los espacios wavelets y de escala: r(t) Wj r(t) Wj v(t) Vj v(t) Vj entonces r(2t) Wj+1 entonces r(t 2
j

(30) (31) (32) (33) (34)

k) Wj k) Vj

entonces v(2t) Vj+1 entonces v(t 2

j

Esto nos dice que los espacios de wavelets y de escala son versiones escaladas un unico par de subespacios fundamentales, W0 y V0 , respectivamente. El subespacio W0 , como se ha dicho, se genera por las traslaciones (t k) de la wavelet madre. En este punto, asumamos que existe una funcin (t) V0 , denominada funcin de escala, tal que o o la familia (t k), que genera por traslaciones, constituye una base ortonormal de dicho espacio. Esto es, si s0 (t) V0 , entonces: s0 (t) =
n

s0k (t k)

(35)

donde los coecientes se computan como: s0k (t) =

s0 (t)(t k)dt

(36)

Por tanto, para cada j las funciones jk (t) = 2j/2 (2j t n) constituyen una base ortogonal para cada Vj , as como las wavelets jk (t) constituyen una base ortogonal para cada Wj Luego, la descomposicin en sucesivas proyecciones puede expersarse en la forma: o

s(t) =
k

sJk Jk (t) +
j=J k

cjk (t)jk (t)

(37)

siendo cjk los coecientes en wavelets o los valores de la transformada DWjk , como se ha dicho. Ahora informacin de detalle de la seal se resume en los coecientes cjk , deplegada por octavas o n y en el tiempo, con precisin inversamente proporcional. La informacin residual queda expresada o o

en los coecientes de escala sJk . Para procesar una seal dada debemos, por tanto computar tales n coecientes. Antes de exponer el algoritmo de clculo, resumamos las propiedades de la estructura que a fundamenta este tipo de descomposicin. o Los subespacios de escala V j verican las siguientes relaciones: ... v(t) Vj v(t) Vj Vj
j

Vj Vj+1 . . .
j

(38) (39) (40) (41) (42) (43)

entonces v(2t) Vj+1 entonces f (v 2 k) Vj es la clase de seales de nita energ n a se reduce a la seal nula n una funcin de escala V0 o

Vj
j

existe

La estructura est asociada a una wavelet madre (t), que genera los espacios de wavelets Wj , a vericndose: a Wj Wj Wj Vj es ortogonal aWh j = h es el complemento ortogonal deVj en Vj+1 (44) (45) (46) (47)

Vj+1 = Vj Wj = ... Wj1 Wj

La estructura de espacios encajados Vj , vericando las anteriores propiedades constituye un Anlisis Multirresolucin para la clase de seales de nita energ La misma representa al marco a o n a. anlitico para la implementacin de la Transformada Discreta Wavelet en el procesamiento de una a o seal. n Es importante observar, que la existencia de la funcin de escala verica en el caso de las o estructuras generadas por las wavelets spline y las de Daubechies. Sin embargo, no es una propiedad automticamente asociada a cualquier wavelet. a El procesamiento de una seal dada s(t), de energ nita en el contexto de un anlsis multin a a rresolucn puede bosquejarse en los siguientes pasos: o - Representacin de la seal en el espacio de escala inicial V0 . o n - Cmputo de los coecientes en wavelets cjk para los niveles j = 1, . . . , J, y los de escala sJk o para cierto nivel m nimo J < 0. - Clasicacin y procesamiento de la informacin contenida en los coecientes, aplicando criteo o rios espec cos, en funcin del problema bajo consideracin. o o -Anlisis del residuo o la tendencia general. a - Reconstruccin total o parcial de la seal a partir de los coecientes wavelets, progresivamente, o n por niveles y eventualmente agrupados en subclases o paquetes. Justamente, una propiedad fundamental de la estructura de anlisis multirresolucin es que a o tanto el anlisis como la s a ntesis se puede implementar ecientemente, en forma recursiva, mediante la accin de un par de ltros conjugados. o Dado que (t/2) V1 V0 , se verica la relacin de doble escala: o (t/2) =
k

hk (t k)

(48)

donde: hk =

(t/2)(t k)dt

(49)

Asimismo, dado que (t/2) W1 V0 : (t/2) =

k

gk (t k)

(50)

donde: gk =

(t/2)(t k)dt

(51)

Los coecientes hk y gk denen un par de ltros digitales, denominados conjugados o en cuadratura vericando las relaciones siguientes: hk hk2n = n,0
k

(52) (53) (54) (55)

gk gk2n = n,0
k

hk gk2n = 0
k

para todo nmero entero n, siendo 0,0 = 1 y n,0 = 0, en otro caso. Estos ltros, permiten los u cmputos necesarios, sin emplear expl o citamente las funciones de escala o las wavelets, como a continuacin decribimos. o Dada una seal a procesar, ella se representa en el espacio fundamental V0 en la forma: n s0 (t) =
k

s0k (t k)

(56)

Los coecientes, en este primer desarrollo, normalmente, son los datos muestrales: s0,k = s(k). El primer paso del anlisis consiste en computar los coecientes wavelets c1,k y de escala s1,k . a Puede deducirse que estos clculos se realizan mediante las operaciones: a s1k =
n

s0n hn2k s0n gn2k

n

(57) (58)

c1k =

es decir, a partir de los datos, mediante la correlacin discreta con los ltros, seguida de una o decimacin. Este proceso puede reiterarse, resultando el esquema de anlisis o a Para j = 1, . . . , J, computar a partir de los datos s0n : sjk =
n

sj+1n hn2k sj+1n gn2k

n

(59) (60)

cjk =

En la prctica, partiendo de nitos datos, en cada paso se reduce la cantidad de coecientes signia cativos, aproximadamente el factor 1/2. Los criterios para la clasicacin y procesamiento de los coecientes pueden ser muy variados, o dependiendo de la aplicacin. El caso, es que normalmente, seleccionamos un grupo de coecientes o para la reconstruccin parcial o total de la seal.Este proceso, tambin se realiza en forma recursiva o n e mediante el esquema de s ntesis, que describimos, sin prdida de generalidad para el caso de la e completa y perfecta reconstruccin de la seal en V0 : o n

Para j = J, . . . , 1, computar a partir de los coecientes sJk y los coecientes cjk : sj+1n =
k

sjk hn2k +
k

cjk gn2kn

(61)

que son operaciones de convolucin discreta con los ltros, precedidas por una interpolacin. Este o o esquema de anlisis y s a ntesis es conocido como el Algoritmo de Mallat. Aclaremos, que hemos expuesto el tema asumiendo que las wavelets eran ortonormales. Esta opcin, no es excluyente. Pueden emplearse otras no ortogonales, pero, en tal caso, es necesario o implementar un segundo par de ltros, en el paso de la reconstruccin. o 9. APLICACIONES AL PROCESAMIENTO SENALES DE EMISIONES ACUSTICAS La Transformada Wavelet Continua y la Discreta representan actractivas propuestas para el procesamiento de seales, en particular las de emisiones acsticas, considerando la problemtica n u a tiempo-frecuencia que ellas presentan, y que oportunamente hemos expuesto, y las capacidades de la wavelets. La Transformada Continua posibilita el mapeo grco de la informacin de la seal, donde a o n pueden visualizarse las estructuras, patrones y fenmenos en el dominio tiempo - frecuencia. Esta o aplicacin es invariante por traslaciones o modulaciones. Sin embargo, ella requiere un considerable o esfuerzo computacional y no nos provee, ecientemente, informacin numrica util para realizar un o e profundo anlisis. a La Trasformada Discreta, en cambio nos permite desplegar toda la informacin en tomos, o a esto es, los coecientes en wavelets, sin redundancia. Para obtenerlos contamos con un eciente algoritmo recursivo. Pero la clave del procesamiento est en la clasicacin, anlisis y reagupamiento de los coea o a cientes. No podemos dar un criterio general para esta tarea, ya que depende del problema planteado y de las caracter sticas de la seal. n Existen algunos resultados matemticos, por ejemplo, que relacionan la textura y regularidad a de la seal con la distribucin de la energ en las octavas. n o a Existen tambin tcnicas para seleccionar los coecientes signicativos para la s e e ntesis, descartando la informacin no relevante. o Es posible renar la precisin en frecuencia y detectar patrones oscilantes locales, agrupando o los coecientes en apropiados paquetes. Pueden detectarse, sencillamente, bruscos cambios de energ en la seal por medio los de a n valores, relativamente altos de la magnitud de los coecientes. Y as podr amos continuar. En suma, la Transformada Wavelet nos proporciona las herramientas apropiadas para disear estrategias anal n ticas para caracterizar los parmetros caracter a sticos de las seales de Emisin Acstica y resolver los distintos problemas de inters. La propuesta y el n o u e desaf quedan planteados para el ingeniero o el cient o co aplicado.
Rese a Bibliogrca n a 1. Libros: H. Aimar, A. Bernardis and I. Hernndez, Bases de Onditas, Cuadernos de Matemtica y Mecnica, a a a PEMA (Conicet) - CIMEC (INTEC - CONICET - UNL), Santa F, 1998. e A. Aldroubi and M. Unser editors, Wavelets in Medicine and Biology , CRC Press, Boca Raton, 1996. Hermann, Paris, 1990. J. J. Benedetto and M. W. Frazier editors, Wavelets, Matemathics and Applications, CRC Press, Boca Raton, 1994.

 C. K. Chui, An Introduction to Wavelets, Academic Press, Boston, 1992. C. K Chui et al., Wavelets: A Tutorial in Theory and Applications, Academic Press Inc., San Diego, 1992. C. E. DAtellis, E. Fernndez B. Editors Wavelet Theory and Harmonic Analysis in Applied Sciences, a Birkhauser, Boston, 1997. I. Daubechies, Ten Lectures on Wavelets, SIAM, Philadelphia, 1992. G. Kaiser, A Friendly Guide to Wavelets, Birkhauser, 1994. Y. Meyer,Wavelets: Algorithms and Applications, SIAM, Philadelphia, 1993. S. Mallat, Wavelet Tour of signal Processing, American Press, Boston, 1998. Y. Meyer, Ondelettes et Operateurs, Tomes I, II, III. Hermann, Paris, 1990. G. Strang, and T. Nguyen Wavelet and Filter Banks , Wellesley Cambridge Press, Boston, 1996. 2. Revistas: Applied Computational Harmonic Analysis IEEE Transaction on Information Theory IEEE Transaction on Acoustic Speech and Signal Processing. Journal of Fourier Analysis and Applications. Numerical Functional Analysis and Optimzation. Proceedings in Wavelet Applications in Signal and Image Processing SIAM Review Signal Processing Numerical Functional Analysis and Optimzation. Esta breve resea apenas menciona alguna de las much n simas publicaciones especializadas existentes. Ser imposible incluir los inumerables art a culos contenidos en revistas generales, de Matemtica, Ingenier a a o Ciencias Aplicadas, en Actas de Congresos, o las publicaciones menores. Como bien sabemos, el lector interesado en el tema, puede hoy acceder via Internet a catlogos con amplias referencias. a