Está en la página 1de 5

An alisis Multiresoluci on y Transformada Recortada de Fourier

Pineda Molina Christopher Isaac July 17, 2013


Departamento de Ingenier a en Comunicaciones y Electr onica F.I.M.E.E. Salamanca, Guanajuato M exico ci.pinedamolina@ugto.mx

Introduction

Si una se nal es no peri odica, la suma de las se nales peri odicas, seno y coseno, no representa exactamente la se nal. La Transformada STFT, es una soluci on al problema de una mejor representaci on de la se nal no peri odica.

Transformada STFT (short-time Fourier transform)

La Transformada SFTF, se puede utilizar para dar informaci on sobre las se nales de forma simult anea, tanto en el dominio del tiempo como en el dominio de frecuencia. As , la se nal se descompone en segmentos y se analizan independientemente. Para esto se debe establecer una ventana que permita enmarcar una muestra de la se nal, es decir, cada componente espectral se analiza con una resoluci on diferente, as , la ventana se desplazar a a una nueva ubicaci on hasta que recorra toda la se nal.

Esta ventana es de longitud nita, lo que disminuye la resoluci on en frecuencia; de manera que se puede obtener una buena resoluci on en el tiempo o una buena resoluci on en frecuencia, pero no ambas. Por ejemplo, para obtener buena resoluci on temporal, se elige una ventana estrecha en la que la se nal sea lo m as estacionaria posible, lo que lleva a una buena resoluci on en el tiempo pero con una disminuci on importante en la resoluci on en frecuencia, los cuatro picos est an bien separados en el dominio del tiempo. Por el contrario si la ventana es ancha, se obtiene una buena resoluci on en el dominio de la frecuencia pero pobre en el dominio del tiempo, los cuatro picos correspondientes a cada frecuencia de la se nal, no est an bien separados en el dominio del tiempo, en cambio la resoluci on en el dominio del tiempo es mejor. Debido a esto, es importante seleccionar la ventana adecuada para cada caso espec co. Teniendo en cuenta que una elecci on adecuada de la funci on ventana es fundamental para el an alisis de la se nal, se debe encontrar una transformada adecuada que resuelva el problema. De esta manera se llega a la Transformada Wavelet como alternativa a la STFT.

An alisis Multiresoluci on (MRA)

Independientemente de la transformada que se emplee, el problema de la resoluci on tiempo-frecuencia siempre aparece, sin embargo, se puede analizar cualquier se nal utilizando una t ecnica alternativa llamada an alisis multirresoluci on (MRA) por sus siglas en ingl es (multiresolution analysis), con este, se puede obtener una imagen a diferentes resoluciones, las cuales tendr an caracter sticas propias. El MRA resulta especialmente u til para el estudio de informaci on contenida en im agenes. Normalmente las estructuras a analizar no tienen el mismo tama no, por lo que la informaci on debe ser organizada en conjuntos de detalle que pueden ser apreciados en diferentes resoluciones. Este an alisis es la idea b asica detr as de la Transformada Wavelet. 2

Transformada Wavelet

Esta t ecnica hace posible la buena representaci on de una se nal en tiempofrecuencia, lo que determina el intervalo de tiempo en el que aparecen determinadas componentes espectrales. B asicamente, lo que hace es ltrar una se nal en el dominio del tiempo por medio de ltros paso bajo y paso alto que eliminen ciertas componentes de la se nal (de alta o baja frecuencia) y si se requiere un mayor nivel de detalle, se repite el proceso para las se nales resultantes del proceso de ltrado anterior. Este grupo de se nales representan la misma se nal, pero cada una a diferentes bandas de frecuencia. Si se agrupan todas y teniendo en cuenta que cada banda conoce su respectiva se nal, se podr a representar en una gr aca tridimensional, en donde los ejes ser an; tiempo, frecuencia y amplitud. Con la Transformada Wavelet, las altas frecuencias tienen mejor resoluci on en el tiempo, en cambio, las bajas frecuencias tienen mejor resoluci on en el dominio de la frecuencia. Es decir, una componente de alta frecuencia puede localizarse mejor en el tiempo que una componente de baja frecuencia. El an alisis wavelet se realiza de forma similar al an alisis STFT, ya que la se nal es multiplicada por una funci on (wavelet madre) y adem as la transformada es calculada por separado, para segmentos diferentes de la se nal en el dominio del tiempo.

Transformada Wavelet Discreta

La Transformada Wavelet Discreta (DWT), es capaz de entregar la suciente informaci on como para hacer el an alisis y adem as para la reconstrucci on de la se nal con un tiempo de procesamiento menor y con la ventaja de ser m as f acil de implementar. Se debe contar con algoritmos r apidos para su uso en computadores para

que la teor a wavelet sea u til. Existe una familia r apida de algoritmos que se basan en el an alisis multiresoluci on y fue desarrollado para descomponer se nales de tiempo discreto. En la DWT se pretende obtener una representaci on tiempo-escala de una se nal discreta, los ltros trabajan a distintas frecuencias de corte y analizan la se nal en diferentes escalas. El procesamiento de im agenes es un area que puede beneciarse en gran medida por la DWT, ya que las im agenes de gran resoluci on necesitan una considerable cantidad de espacio en disco y esto se puede reducir con la DWT. Para analizar las componentes de frecuencia alta, la se nal se pasa por un ltro pasa alto, lo que resulta en el detalle de la se nal y por un ltro pasa bajo para analizar lascomponentes de baja frecuencia, este ltro entrega una aproximaci on de la se nal. Esto cambia la resoluci on de la se nal y la escala se cambia por medio de operaciones de interpolaci on y submuestreo (downsampling).

Haar

La Wavelet Haar, es la primera Wavelet madre.

Daubechies

Las Wavelets de Daubechies son una familia de wavelets ortogonales y son casi tan sencillas como las Wavelets de Haar, se dene de la misma manera, mediante el c alculo de promedios y diferencias. Sin embargo, con la Wavelet de Daubechies se obtienen resultados suaves, sin los saltos de las Wavelets de Haar

Conclusi on

En esta tarea se concluye que los temas vistos aqu son de suma importancia para las aplicaciones reales en la comunicaci on

Referencias

Multiresolution Analysis and Geometric Measure for Biometric Identication. Raul Sanchez Reillo, Carmen Sanchez Avila, Ana Gonzalez Marcos. [ed.] Springer Berlin / Heidelberg. 1999, Vol. 1740/1999, p ags. 251-258 http://trevinca.ei.uvigo.es/ formella/doc/tc01/node26.html