Curso Cefimas 2006 PDF

Una introduccin a la teora de wavelets y marcos con
aplicaciones
Carlos Cabrelli
Departamento de Matemtica
Facultad de Ciencias Exactas y Naturales
Universidad de Buenos Aires
Mtodos Geomtricos y Analticos para Ecuaciones en Derivadas

Parciales, Diciembre 2006
Carlos Cabrelli (UBA) CEFIMAS 2006

Prefacio
Estas notas corresponden al curso ofrecido en la escuela: "Mtodos

Geomtricos y Analticos para Ecuaciones en Derivadas Parciales",
organizada por Luis Caffarelli y Gustavo Corach en el CEFIMAS, Buenos
Aires en una calurosa semana de Diciembre del 2006.
El curso consta de cuatro clases e intenta ser una breve introduccin a la teora
de wavelets, marcos y sus aplicaciones. Debido a la corta duracin muchos
temas centrales no han sido tratados. El objetivo es ofrecer una vision general
del tema y presentar algunas de las preguntas que motivaron esta hermosa
teora. Muchos de los grficos de este curso pertenecen al libro [Mal98] de
Stephane Mallat a quien agradecemos que los haya puesto para uso pblico en
internet. Tambien quiero agradecer a Ursula Molter y Ezequiel Rela por su
ayuda con el tipeo y la parte grfica de la presentacin.

Contenido I
1 Clase I
El plano Tiempo-Frecuencia
Principio de Incertidumbre de Heisenberg
Transformada de Fourier de Corta Duracin
El grupo afn y el grupo de Heisenberg
2 Clase II
El Problema de la discretizacin
Wavelet de Haar, wavelets ortogonales
El algoritmo de Burt y Adelson
Anlisis de Multiresolucin
3 Clase III
Teora de Marcos
Marco Dual
Operador de Marco
Ejemplos
Bases de Riesz
Contenido II
Marcos con Estructura
Marcos de Fourier
Densidad de Beurling
4 Clase IV
Marcos con Estructura (cont.)
Marcos de Gabor (Weyl-Heisenberg)
Balian-Low
Esquema general de construccin de marcos
Wavelet de Shannon
Ingredientes para la construccin
Teorema General
Marcos de Traslaciones
El problema del Muestreo o Sampling
5 Referencias Generales

Clase I
Concentracin o localizacin de una funcin
Sea una funcin en L2 (R), 6= 0.

Definimos el centro (o valor medio) de , a la cantidad
Z +
|(t)|2
t0 = t0 () = t dt si es finito
kk2
y el radio de , al valor
+ 1/2
|(t)|2
Z
= () = (t t0 )2 dt .
kk22
El intervalo I = [t0 , t0 + ] es el intervalo de concentracin de .

El centro y radio de sern notados por w0 y respectivamente.
Una ventana es una funcin tal que los intervalos I y
I = [w0 , w0 + ] son finitos.

Clase I El plano Tiempo-Frecuencia
El plano Tiempo Frecuencia I
IR #
Cada ventana determina un intervalo

en el plano R R cuyo rea es
#0 + !
(
#0 R$
|R | = |I ||I | = 4.
#0 + !
(
R es la localizacin en el plano
tiempo-frecuencia (t, w). (
(
t0 " ! t0 t0 + ! t
IR

Clase I El plano Tiempo-Frecuencia
El plano Tiempo-Frecuencia II
Dada f L2 ,
aR = hf , i = hf , i
O sea, aR da informacin sobre f alrededor de x0 y sobre las frecuencias de f
alrededor de w0 .
O sea aR da informacin de f alrededor del punto (t0 , w0 ) en el plano
tiempo-frecuencia.
El Principio de Incertidumbre de Heisenberg da una limitacin a cun bien
puede ser localizada una funcin en tiempo y frecuencia.

Clase I Principio de Incertidumbre de Heisenberg
Principio de Incertidumbre de Heisenberg
Sea en L2 y sean y sus radios en tiempo y en frecuencia. Entonces

1
.
4
2 /c
La igualdad vale sii es un mltiplo de e2b(ta) e(ta) .
O sea el rea de R est limitada, |R | 1 .

Clase I Transformada de Fourier de Corta Duracin
Transformada de Fourier de Corta duracin

Con objeto de obtener un anlisis de Fourier ms localizado, Gabor propuso
truncar las funciones bajo anlisis con una funcin ventana. Supongamos que
g est bien localizada en tiempo y frecuencia. Para cada f L2 definimos la
transformada
Z
f 7 (f (t)g(t b))e2itw dt = Gf (b, w).
g(t) g(t b)
f(t)
( t0 = 0 )
0 b
Figura: Transformada de Gabor

Transformada de Gabor
La transformada G : L2 (R) L2 (R R) es una isometra invertible sobre su

rango, cualquiera sea la ventana g L2 , g 6= 0.
Adems vale la frmula de inversin,
Z Z
f = hf , gwb i gwb db dw, f L2 ,
R R
en sentido debil.

Otra forma de ver la transformada de Gabor
Considrese la familia
{gbw (x) = g(x b)e2iwx : b, w R}
Luego Gf (b, w) = hf , gbw i.

Como
gbw = Mw tb g ,
la funcin gbw es la trasladada de g en tiempo por b y de su transformada por
w.
Luego, como hf , gbw i = hf , gbw i para cada (b, w), podemos pensar que
Gf (b, w) da informacin sobre las frecuencias prximas a w0 + w que
intervienen en f en un entorno de t0 + b.

Grficamente: supongamos que t0 = 0.
Los rectngulos se trasladan con b y w sin modificarse.

Dos tomos de gabor en (u, ) y en (v, ).

La transformada wavelet continua I
En la transformada wavelet se elige un L2 y se genera la familia

1 tb
{ab (t) = 1/2 : a, b R, a 6= 0}
|a| a

tb
Z
1
Wf (a, b) = f (t) 1/2 dt
|a| a
Las modulaciones en el caso de Gabor, han sido reemplazadas por
dilataciones.

La transformada wavelet continua II
Nuevamente tenemos
Wf (a, b) = hf , ab i = hf , ab i
ab (w) = |a|1/2 (aw)e2iwb .
Adems Iab = aI + b
1
Iab = I
a
O sea, distinto que en el caso de Gabor, el rectngulo Rab = Iab Iab
cambia de forma con a y b, pero no de rea!!

Transformada wavelet continua III
IR R/ b
1
2
a = 1/2
R1b a=1
R2b a=2
b
IR
Wavelets boxes en distintas escalas.

La transformada wavelet no esta bien definida para cualquier L2 .

La condicin de admisibilidad es
|(w)|2
Z
c = dw < +.
|w|
Bajo esta condicin vale la frmula de inversin:

Z
da
f = hf , ab iab 2 db f L2
|a|
y la aplicacin f 7 Wf , con Wf (a, b) = hf , ab i es una isometra de

L2 (R) L2 (R R, |a|
da
2 db).

Clase I El grupo afn y el grupo de Heisenberg
El grupo afn y el grupo de Heisenberg
Las transformadas wavelet y de Gabor, pueden verse como representaciones

del grupo afin y del grupo de Heisenberg respectivamente.
Grupo afn (Wavelets)
A = {(a, b) : a, b R, a 6= 0}
(a, b) (a0 , b0 ) = (aa0 , b + ab0 )

1 xb
Si L2 , sea ab (x) =

|a|1/2
a .

Representacin del grupo afn
Sea la representacin
A (L2 (R)) (operadores unitarios de L2 (R))

(a, b) 7 (a, b), (a, b) = ab .
2
La condicin R |(w)|
R
|w| dw = 1 da lugar a la frmula de inversin (Conocida
por frmula de Caldern (1964))
Z Z
da
f = hf , ab iab 2 db
R R |a|
en sentido dbil, o sea la transformada wavelet f 7 W f ,

W f (a, b) = hf , ab i es una isometra de L2 (R) L2 (R R , |a|
da
2 db)
da
donde |a|2
db es la medida de Haar en el grupo A.

Grupo de Heisenberg (Gabor)

H = (T R R)
(t1 , w1 , b1 ) (t2 , w2 , b2 ) = (t1 t2 e2ib1 w2 , w1 + w2 , b1 + b2 )
Si g L2 , sea gwb (x) = e2iwx g(x b).
0 0
Sea la representacin de H H, H = ({1} R R)
0
H U(L2 (R))
(a, b) (w, b) (w, b)g = gwb
Cualquiera sea la g (cualquier g es admisible) vale la formula de inversin:

Z Z
f = hf , gwb igwb dwdb
R R
en sentido dbil. O sea f 7 Gg f , Gg f (w, b) = hf , (w, b)gi es una isometra

de L2 (R) L2 (R R, dwdb) donde dt dwdb es la medida de Haar (derecha
0
e izquierda ya que es unimodular) de H .
Caso General
Sea G un grupo localmente compacto, la medida de Haar a izquierda. H un
espacio de Hilbert.
: G H (xy) = (x)(y) una representacin. Si existe g H, g 6= 0 tal
que Z
|hg, (x)gi|2 d(x) < + Condicin de admisibilidad
G
Entonces vale la frmula (en sentido dbil)
Z
f = hf , (x)gi (x)g d(x) f H.
G
O lo que es equivalente,
f 7 Vg (f ) donde Vg f (x) = hf , (x)gi
es una isometra de H L2 (G, ).
Vg se suele denominar la transformada wavelet generalizada. (El problema
aqu es encontrar elementos admisibles).
Clase II
Clase II
-
El problema de la discretizacin.
Wavelets ortogonales.
El algoritmo de Burt y Adelson en Procesamiento de Imgenes.
Concepto de Anlisis de Multirresolucin.

Clase II El Problema de la discretizacin
El Problema de la discretizacin
La inversibilidad de las transformadas wavelet y Gabor, implica que cada
funcin de L2 (R) pueda ser recuperada a partir de su transformada. Debido a
la continuidad de estos operadores, hay estabilidad en la reconstruccin.
El problema de la discretizacin, o muestreo, es el de ver si existe una
cantidad discreta de elementos X = {xk }, de forma tal que cada f L2 pueda
recuperarse a partir de los valores de su transformada en X.
O sea, por ejemplo en el caso de wavelets, nos preguntamos si existe un
conjunto X = (ak , bk ) tal que el operador f 7 {Wf (ak , bk )}(ak ,bk )X sea
inversible y continuo de L2 (R) `2 (X).
La situacion ideal seria encontrar {(ak , bk )}k tal que valiese la formula de
inversin:
X X
f = Wf (ak , bk )ak ,bk = < f , ak ,bk > ak ,bk
k k

Clase II El Problema de la discretizacin
Discretizacin (Caso afn)
Debido a la dilatacin, es ms adecuado que las traslaciones dependan de la

dilatacin.
Caso afn
Caso Gabor

Clase II Wavelet de Haar, wavelets ortogonales
Wavelets discretas
Consideramos la grilla {(2j , 2j k) : k, j Z}
Esta grilla da la coleccin de funciones:

k
jk (x) = 2j/2 2j (x j ) = 2j/2 2j x k = t k D2j (x).

2 2j
Problema: Encontrar tal que {jk : j, k Z} sea b.o.n. de L2 ?
Ejemplo: Wavelet de Haar
H(x) = [0,1/2] (x) [1/2,1] (x)
{Hjk } es una b.o.n. de L2 (R) .

Clase II El algoritmo de Burt y Adelson
El algoritmo de Burt y Adelson y Anlisis de

Multiresolucin
Sea I0 una imagen de 2N 2N pixeles.

1 1

2 1 2

= 1 2 1
1 1 1
2 2
I1 es una imagen de 2N1 2N1 pixeles que se obtiene de I0 , reemplazando

cada segundo pixel por su promedio con .
Luego se interpola I1 para llevarla al tamao de 2N 2N para obtener I1 y
L1 = I0 I1 . O sea I0 = L1 + I1 .
I1 es una versin de I0 a menor resolucin. L1 representa los detalles que se
han perdido en la imagen al pasar de I0 a I1 .

Reduccin y Detalles
Luego se itera el procedimiento con I1 para obtener I2 y L2 tales que

I1 = L2 + I2 .
Observemos que con (L1 , L2 , I2 ) puede reconstruirse la imagen original I0 .
I
- 2
I
- 1 -
I0 L2
-
L1
Lo que da la descomposicin final I0 (L1 , L2 , . . . , LN1 , IN1 ) donde Lk
representan los detalles que se han perdido al pasar del nivel k 1 al k.

Tres iteraciones del algoritmo sobre la imagen de Lena.


Clase II Anlisis de Multiresolucin
Anlisis de Multiresolucin (AMR)
Un AMR es una sucesin {Vj }jZ de subespacios cerrrados de L2 , tales que

1 Vj Vj+1
2 Vj = {0}, Vj = L2
3 D2 Vj = Vj+1 , tk/2j Vj Vj
4 V0 tal que {(x k)} b.o.n. de V0 . se llama funcin de escala.
Por (3) {2j/2 (2j x k)} es b.o.n. de Vj . Adems
X
V0 V1 = (x) = ck (2x k), ck `2 (Z).
Esta ecuacin se denomina ecuacin de refinamiento o de escala.

Existencia
Teorema (S. Mallat- Y. Meyer)

Si {Vj , } es un AMR, entonces la funcin
X
(x) = (1)k c1k (2x k)
k
es una wavelet, i.e. {jk (x)} = {2j/2 (2j x k)}j,kZ es una b.o.n. de L2 .
Adems, si W0 = gen{(x k)}kZ entonces

V1 = V0 W0 y W0 V0 ,
lo que implica que Vj+1 = Vj Wj y Vj Wj , donde Wj = Dj W0 .

Esbozo de Demostracin
Sea ({Vj }, ) un AMR. Entonces esta estructura implica la siguiente

descomposicin ortogonal del espacio:
L2 (R) = Wj W0 Wj . . . .
Como V1 = V0 W0 , basta entonces encontrar V1 tal que

1 V0
2 {tk } son ortonormales
3 {tk } completos en V1 V0 = W0 .
Si {tk } es una b.o.n. de W0 entonces {jk (x) : k Z} es b.o.n. de Wj y como
L2 =
jZ Wj = es una wavelet.

Demo (continuacin)
P
f V1 f (x) = 2 ak (2x k) con {ak } `2 (Z)
f (w) = mf (w/2)(w/2) con mf L2 (0, 1)
|f (w + k)|2 = 1 p.p.
P
f tiene translaciones ortonormales

Demo (continuacin)
Se quiere encontrar m L2 (0, 1)

sea (w) = m (w/2)(w/2)
tal que (w) = m (w/2)(w/2)
satisfaciendo 1, 2, 3
1) V0 = m (w)m (w) + m (w + 1/2)m (w + 1/2) = 0 p.p.
2) tk ts = |m (w)|2 + |m (w + 1/2)|2 = 1 p.p.

Ms la hiptesis |m (w)|2 + |m (w + 1/2)|2 = 1 p.p.
implican que la matriz

m (w) m (w + 1/2)
sea unitaria p.p.
m (w) m (w + 1/2)

Demo (continuacin)
m (w) = e2iw m (w + 1/2) o sea

(w) = eiw m (w/2 + 1/2)(w/2)
Definicin de
X
(x) = (1)k+1 c(k+1) (2x k)
kZ
Se prueba que {tk } es una b.o.n. de W0

Ejemplo: Caso Haar

= [0,1] es la funcin de escala.
[0,1] (x) = [0,1] (2x) + [0,1] (2x 1) c0 = 1, c1 = 1

H(x) = [0,1] (2x) [0,1] (2x 1)

Una wavelet continua de soporte compacto.

1+ 3 3+ 3 3 3 1 3
Coeficientes: 4 2
, 4 2
, 4 2
, 4 2

AMR y el algoritmo de Burt - Adelson

Luego, si es la wavelet obtenida a traves de un anlisis de multirresolucin
con funcin de escala , se tiene la descomposicin
X
f = PVj0 f + PWj f .
jj0
Algoritmo de Burt y Adelson con wavelets: Supongamos que f0 V0 , luego
f0 - f1 - f2 - ... - fn
- - - -
g1 g2 gn
donde
X
fj = PVj f = hf , jk ijk
k
X
gj = PWj f = hf , jk ijk
k

Clase III Teora de Marcos
Invertibilidad de W
Para invertibilidad (sobre el rango) y continuidad del operador
f 7W {Wf (ak , bk )}(ak ,bk )X

L2 (R) `2 (X),
es suficiente que se satisfagan las desigualdades

X
Ak f k2 |h f , ak bk i|2 Bk f k2 f L2 . (1)
k
Luego en el caso afn la pregunta es si existe L2 y un conjunto discreto X

tales que se satisface (1)

Teora de Marcos
Sea H un espacio de Hilbert separable.

Definicin
Una sucesin {vk } H se dice un marco de H, si existen constantes positivas
0 < A B < + tales que
X
Akwk2 |hw, vk i|2 Bkwk2 w H. (2)
k
Las constantes A y B ptimas, se denominan las cotas del marco. Si A = B el

marco se dice ajustado.
Una sucesin marco es un marco del subespacio que genera.

Equivalencia de Definiciones
Teorema
Sea H Hilbert separable. X = {vk }kI H un conjunto a lo sumo numerable
de vectores. Son equivalentes
1 X es un marco de H
2 Existe T : `2 (I) H, acotado y suryectivo tal que T(ej ) = vj donde {ej }
es la base cannica de `2 (I).
Si {fn } H es un marco, entonces existe otro marco {fn } llamado marco dual
con la propiedad de que f H
X
f = hf , fn ifn
k
donde las series convergen incondicionalmente en la norma de H.

Un marco {fn } puede tener varios marcos duales lo que da diferentes
representaciones para un vector del espacio.
Marco dual cannico

Sea T : H H el operador de marco, o sea
X
Tf = hf , fk i fk
k
T es un operador autoadjunto (positivo) e inversible (esto es consecuencia de

la condicin de marco). Luego fn = T 1 fn es un marco llamado marco dual
cannico y satisface
X X X
f = T(T 1 f ) = hT 1 f , fn ifn = hf , T 1 fn ifn = hf , fn ifn
n n n
o sea {fn } es un marco dual. La representacin de cada vector f del espacio en

2
este P
marco, es la Pms econmica: Si an = hf , fn i y b = {bn } ` es tal que
f = an fn = bn fn entonces
kbk22 = kak22 + kb ak22 .

Ejemplos
1 Si dim(H) < +, {fk }Nk=1 es un marco, {fk }Nk=1 es un conjunto de

generadores.
En R2 consideremos los vectores

3 1 3 1
e1 = (0, 1) e2 = ( , ) e3 = ( , ).
2 2 2 2
Si v R2 , entonces
3
X 3
|hv, ei i|2 = kvk2 .
2
i=1
{e1 , e2 , e3 } es un marco ajustado (A = B = 3/2) de vectores de norma

constante.

Ejemplos (cont.)
2 Sea {ek }k H una base ortonormal. Las siguientes sucesiones de
vectores son marcos ajustados con A = B = 1 (Normalizados).

{e1 , 0, e2 , 0, . . . }, {e1 / 2, e1 / 2, e2 / 2, e2 / 2, . . . },

{e1 , e2 / 2, e2 / 2, e3 / 3, e3 / 3, e3 / 3, . . . } Note que kfn k 0.
Proposicin
Sea {fn } un marco ajustado con constante 1. Entonces kfn k 1, n y
kfn k = 1 n {fn } es ortonormal.
En los marcos ajustados puede haber varios desarrollos para una misma
funcin, pero lo importante es que el dual cannico es un mltiplo del marco.
O sea, para cada f H se satisface
X X
f = 1/B hf , fn ifn y |hf , fn i|2 = Bk f k.

Clase III Bases de Riesz
Bases de Riesz
Si un marco deja de ser marco al remover cualquiera de sus elementos, se

dice exacto. Un marco es exacto si y solo si es una base de Riesz. Una base de
Riesz, es una base que se obtiene de una base ortonormal por un operador
acotado e inversible.
P
Las bases de Riesz son bases, o sea existe una nica escritura f = ck fk para
cada f H, o sea existe un nico dual que tambin es base de Riesz y es
biortogonal (i.e. hfn , fn i = nm ).
En cada Hilbert separable H existen marcos ajustados acotados en norma que
no contienen ninguna base de Schauder de H!!
Conjetura: Todo marco acotado en norma es union finita de de sucesiones de
Riesz.

Clase III Marcos con Estructura
Marcos con Estructura
La teora de marcos se puede dividir en dos ramas importantes:
Teora abstracta
-
en espacios de Hilbert
Marcos

Fourier
-
Afines (Wavelets)

Marcos con estructura -

Heisenberg
Traslaciones

En lo que sigue haremos una sntesis de algunos resultados en estos cuatro

grupos. Se ver slo la teora L2 .
(Existe la nocin de marco de un espacio de Banach).

Marcos de Fourier
Sea I = [0, 1) y = {n } una sucesin en R. Sea en (t) = e2in t .

Se quiere saber para que conjuntos R, la familia {en : n } es un
marco de L2 ([0, 1)).
Ejemplo
Si n = n = {en } es una base ortonormal de L2 ([0, 1)).
Kadec-1/4
Si |n n| L < 1/4, n Z entonces {en } es una base de Riesz de
L2 ([0, 1)).

Radio y Densidad de un Marco
Sea = {n }nZ .
Definicin
El radio del marco se define como el nmero
R() = sup{R > 0 : {en } es un marco de L2 (R, R)}.
{n } se dice separada si infk6=k0 |k k0 | > 0.

{n } se dice relativamente separada si es unin finita de sucesiones
separadas.
{n } tiene densidad uniforme d > 0 si L > 0 tal que
|k k/d| L k Z.

Dos teoremas fundamentales
Teorema (Duffin-Schaeffer)
Si = {n }nZ es separado con densidad uniforme d, entonces R() d/2.
Teorema (Jaffard)
Sea {n } R. Son equivalentes
1 un intervalo I R tal que {en } es un marco de L2 (I)
2 {n } es unin de una sucesin {k }kI1 con densidad uniforme d1 > 0, y
una sucesin relativamente separada {k }kZ\I1
Adems 2) implica que {en } es un marco de L2 (I) I : |I| < d1 .

Densidad inferior y superior de Beurling
Sea R un conjunto discreto.

Definicin
infxR (#( [h/2, h/2] + x))

D () = lim
h+ h
supxR (#( [h/2, h/2] + x))
D+ () = lim
h+ h
Si D () = D+ () decimos que tiene densidad uniforme de Beurling

D().

Sea R. Se tiene que :

D+ () < si y solo si es relativamente separada.
Teorema (Beurling-Seip)
Sea a > 0 y {n } = R. Si {en } es un marco de L2 (a/2, a/2) entonces
{n } es relativamente separada y
D () a.
Si {n } es relativamente separada y D () > a entonces {en } es un marco

de L2 (a/2, a/2).

El teorema anterior solo es valido en dimensin 1. Para dimensiones mayores

Beurling introdujo la siguiente nocin:
Definition
EL gap de un subconjunto = {k : k K} de Rn se define como:
( )
[
= () = inf r > 0 : Br (k ) = Rn .
kK
No es dificil probar que si tiene gap , entonces D () 1

2 .
Teorema (Beurling)
Sea Rn un conjunto separado y = Br (0). Si r < 1/4, entonces {ek }
es un marco para de L2 ().

Clase IV Marcos con Estructura (cont.)
Marcos de Gabor (Weyl-Heisenberg)
Sea R2 , = {(ak , bk )}kZ un conjunto discreto, y g L2 (R).

Definicin
Definimos G(, g) = {e2ixak g(x bk ) : (ak , bk ) }. El sistema de
funciones G(, g) se llama un sistema de Gabor asociado a con ventana g.
El problema es para que conjuntos R2 y que funciones g, G(, g) es un

marco (Marco de Gabor).
Consideremos primero el caso: un reticulado. Sean a, b > 0 y
= {(na, mb)}n,mZ .
G(a, b, g) = {e2ixna g(x mb) : n, m Z} = {gn,m }.
Si G(a, b, g) es un marco, existe una funcin g L2 tal que G(a, b, g) es un

marco dual.

Resultados
Sea g L2 , a, b > 0, entonces
1 Si ab > 1 entonces {gn,m } NO es un frame de L2 (en particular, no es
completo).
2 Supongamos que {gn,m } es un frame de L2 .
Entonces tenemos que {gn,m } es exacto (base de Riesz) si y solo si
ab = 1.
O sea solo puede haber bases ortonormales (o de Riesz) de Gabor si ab = 1.
Teorema (Balian-Low)
Sea g L2 , a, b > 0 y ab = 1. Si {gn,m } es un frame exacto, entonces
ktg(t)k2 kwg(w)k2 = +.
(O sea |R| = +.)
Sin embargo, para ab < 1 existen marcos bien localizados.

Marcos de Gabor
Ejemplos de marcos de Gabor:

g = [0,1] a = b = 1 (base ortonormal). kwg(w)k2 = +.
Painless:
Si a < 1 y b = 1 entonces G(a, b, g) es un marco (no exacto) bien

localizado. (notar que ab < 1).

El caso Gaussiano:
2
(x) = ex , G(a, b, ) es un marco de L2 , si y solo si ab < 1.
-
Caso irregular
(Notar que D() = 1/ab si = {(na, mb)})
Sea g L2 , R2 separado.
Si D+ () < 1 = G(, g) no es un marco.
Si D+ () = D () y G(, g) es base de Riesz, entonces D() = 1.
Caso Gaussiano irregular
2
(x) = ex , G(, ) es un frame D () > 1

Transformada de Zak
Una herramienta bsica en el estudio de los marcos de Gabor, es la
transformada de Zak.
Si f L2 , Zf (t, w) = kZ f (t + k)e2ikw .
P
Se satisface:
Zf (t + 1, w) = e2iw Zf (t, w) Zf (t, w + 1) = Zf (t, w),
o sea est determinada por sus valores en [0, 1]2 .

Teorema
Sea g L2 , a = b = 1. Entonces
1 {gn,m } es completo en L2 Zg 6= 0 a.e.
2 {gn,m } es un marco L2 con cotas A, B > 0 A |Zg(t, w)|2 B
a.e.
3 {gn,m } es base ortonormal de L2 |Zg(t, w)| = 1 a.e.

Clase IV Esquema general de construccin de marcos
Esquema general de construccin de marcos
es una wavelet (wavelet de Shannon)

Si S0 = [1, 1/2] [1/2, 1] entonces
Rn = jZ 2j S0 = jZ Sj con |Sj Sj0 | = 0.
{e2iwk (w)}k es una b.o.n. de L2 (S0 ), y
j w)k
{e2i(2 (2j/2 (2j w)) : k Z} es una b.o.n. de L2 (Sj )
j w)k
o sea {e2i(2 (2j/2 (2j w)) : k, j Z} es una b.o.n. de L2 (Rn ).
y anti-transformando {2j/2 (2j x k)) : k, j Z} b.o.n. L2 (Rn ).
Caso Gabor
S0 = [0, 1], Sk = [0, 1] + k.

{e2ixj g(x) : j Z} b.o.n. de L2 (S0 ).
{e2ixj g(x k) : j Z} b.o.n. de L2 (Sk ).
Luego, {e2ixj g(x k) : k, j Z} b.o.n. de L2 (R).
La idea es generalizar estos dos ejemplos para construir marcos suaves y con
buen decaimiento de L2 (Rn ).

Ingredientes
{S } un cubrimiento de Rn .
{h } una familia de funciones asociada al cubrimiento
{g j }j un marco local para cada .
Se busca que la coleccin {h g j : , j} sea un marco de L2 . En general la
unin numerable de marcos no necesariamente es un marco, ya que las cotas
pueden explotar.

Ms ejemplos
{2j/2 (2j x k/4)} {e2ixj/2 g(x k)}

es un marco de wavelets es un marco de Gabor
Cuan general es este procedimiento?

Definicin
Sea {Sj } un cubrimiento de Rn . Una coleccin de funciones {hj } se dice una
particin de Riesz de la unidad (RPU) asociada a Sj si Supp(hj ) Sj para
cada j y adems existen p, P > 0 tales que
X
p |hj (x)|2 < P a.e. x.
Si U Rn , KU = {f L2 : Supp f U}.
Teorema
Sea {Uj } un cubrimiento de Rn y {Sj } una familia de conjuntos tales que
Uj Sj j. Sea {hj } una RPU asociada a Sj con cotas p, P > 0. Si
{gjk : k Z} es un marco de KSj para cada j con cotas uniformemente
acotadas por m, M > 0 entonces
{hj gjk : j, k Z} es un marco de L2 (Rn ).

Demostracin.
Dada f L2 (Rd ) veamos primero que,
X
pkf k2 khj f k2 Pkf k2 , (3)
j
Para esto observamos que,

Z Z X XZ X
2 2 2 2
pkf k = p|f | |hj | |f | = |hj f |2 = kfj k2 ,
j j j
La otra desigualdad se prueba en forma analoga.

Ahora, para cada j Z y f L2 (Rd ), usamos el hecho que {gj,k }k es un
marco para KSj , y que < f , hj gj,k >=< hj f , gj,k >, para obtener,
X
mkhj f k2 mj khj f k2 | < f , hj gj,k > |2
k
Mj khj f k Mkhj f k2 .
2

Ms ejemplos
Si se quiere usar este teorema para construir marcos de wavelets, se necesitan

cubrimientos generados por dilataciones de un conjunto fijo Q. (el soporte de
la transformada de Fourier de la wavelet). O sea,
se necesita Q Rn y A GLn (R) tal que
[
Rn = Aj (Q).
AQ
b = 4
Q Q1
Q
(0) (0)
A1Q

Ms ejemplos
Tambien se necesita construir marcos de exponenciales soportados sobre Q.

Las dilataciones de estas exponenciales con la matriz A produciran entonces
marcos de exponenciales de las dilataciones de Q.
La existencia de estos marcos est garantizada por el teorema de Beurling del
Gap. (solo se necesita una grilla de Rn suficientemente densa).
Por ultimo se deber elegir la funcion wavelet.
Para ello basta elegir una funcion suave soportada en un conjunto
Q = {x Rn : dn (x, Q) < } y tal que || > c en Q.
AQ
b = 4
Q Q1
Q
(0) (0)
A Q
1

Resumiendo, necesitamos
1) Q Rn (acotado)
2) A GLn (R) tal que Rn = j (Q).
S
jZ A
3) suave y tal que supp() Q y || > c > 0 en Q.

La condicion 2) parece la mas dificil de obtener. Sin embargo se tiene el
siguiente lema:
Lema: Sea V Rn un conjunto acotado con 0 int(V) y A una matriz
expansiva. Sea Q = A(V) \ V. Entonces la familia {Aj (Q) : j Z} es un
cubrimiento de Rn .

Clase IV Marcos de Traslaciones
Marcos de Traslaciones
Sea una funcin arbitraria en L2 (R) y denotemos nuevamente por ty el
operador traslacion por y R, o sea ty f (x) = f (x y), x R.
Definimos,
S() = gen{tk : k Z}.
El subespacio S() es invariante por traslaciones enteras. O sea
tk f S(), f S() y k Z.
Sea g () = k |( + k)|2 y notemos con E = { R : g () > 0}.
P
Como L2 entonces g L1 ([0, 1)) y kk2L2 (R) = kg kL1 (T) .

Valen entonces las siguientes propiedades:
i) {tk : k Z} es un marco de S() si y solo
0 < A g () B < a. e. E ,
para algun par de constantes A y B.
Note que la propiedad anterior sobre g da una condicin necesaria y

suficiente para que las trasladadas enteras de una funcin de L2 sea una
sucesin marco.
La medida del conjunto [0, 1) \ E representa de alguna forma el orden de
redundancia o exceso del marco.
ii) El operador de marco T asociado a las traslaciones de conmuta con las
traslaciones enteras. Luego tenemos que el marco dual cannico {T 1 (tk )}
es {tk (T 1 )}. O sea el dual cannico tambien es un marco de traslaciones,
con generador T 1
iii) La funcion definida por
( ()
si E

() = g () (4)
0 si R \ E ,
satisface que T = donde T es el operador de marco. Luego genera el

marco dual cannico del marco generado por .

Sea una funcin arbitraria en L2 . Definimos

( ()
1/2 si E
() = (g ()) (5)
0 si R \ E ,
Luego tenemos que genera un marco ajustado de S(). En particular si
era una base de Riesz de S(), entonces las traslaciones enteras de son una
base ortonormal de S(). Esta ultima propiedad puede verse como un proceso
de ortonormalizacin de una base infinita.
Notemos que de aqui se deduce que todo espacio S() tiene un marco
ajustado de traslaciones, pero no necesariamente una base de Riesz de
traslaciones, ya que esto ocurre si y solo si E tiene medida 1 en el [0, 1]. Sin
embargo, puede probarse que dada L2 , existe L2 tal que
S() S() y es un generador de Riesz de S().

Clase IV El problema del Muestreo o Sampling
La teora del muestreo o sampling ha sido originalmente desarrollada en el

espacio P de las funciones de ancho de banda 2, o sea el espacio de las
funciones f L2 (R) tal que sop (f ) [, ], donde > 0.
El Teorema Clsico del Muestreo, establece que cada funcin f in esta clase
puede ser recuperada a partir de sus valores de muestreo f ( k )kZ . Ademas
vale la siguiente frmula de reconstruccin:
X k 2 sin((2x k))
f (x) = f( ) ,
2 (2x k)
kZ
donde la serie del lado derecho converge uniformemente y en la norma de

L2 (R).

Este teorema ha sido generalizado de muchas formas. Por ejemplo para

contestar la pregunta: i) si un resultado similar puede ser obtenido para el caso
de muestreo irregular ( i. e. cuando el conjunto de muestreo, no es un
reticulado (grilla uniforme))
o tambin
ii) si hay reconstruccin cuando solo se tienen valores de muestreo obtenidos
por promedios (i.e. la funcion debe ser recuperada a partir de los valores
< f , k >, donde cada k es una funcion del espacio L2 que esta bien
localizada alrededor de k).
No desarrollaremos aqui estas generalizaciones. Solo mostraremos la relacin
entre el problema del muestreo y la nocion de marco.
Para ello necesitamos la siguiente definicin:

Espacios de Hilbert con Nucleo Reproductivo

Un espacio de Hilbert H de funciones definidas en un conjunto S, se dice un
Espacio de Hilbert con Nucleo Reproductivo (HNR) si las evaluaciones son
continuas, o sea:
Ks : H C definidas por f f (s), f H
son funcionales continuas en H. Luego para cada s S existe Ks H tal que

< f , Ks >= f (s).
Si se impone cierto decaimiento al generador de un espacio S(), el espacio
resulta ser un espacio HNR:
Sea W1, el conjunto de las funciones f L2 tales que
X
kf kW = supx |f (x)[k,k+1] | < .
kZ
0
W1, es un espacio de Banach. Sea ahora W1, el subconjunto de las
funciones continuas en W1, .
Tenemos entonces el siguiente teorema:

0
Si W1, entonces S() es un HNR.
El nucleo en este caso viene dado por:
X
Kx (y) = (x k)(y k).
kZ
donde es la generadora del frame dual cannico.

***********************************************************
Volviendo ahora al problema del sampling, este se puede generalizar de la
siguiente forma:
Sea S() tal que es un generador marco del espacio S(). Un conjunto
{xk }kZ R se dice un conjunto de muestreo (sampling) si existen A, B > 0,
tales que
X
Akf k2 |f (xk )|2 Bkf k2 .
k

Teorema:
0
Sea W1, un generador marco para S() y definamos Uj,k = (xj k).
Son equivalentes:
1 X = {xj : j J} es un conjunto de muestreo para S().
2 El conjunto de nucleos reproductivos {Kxj : j J} es un marco para
S().
3 Existen constantes a, b > 0 tales que
akckl2 kUckl2 bkckl2 c l2 (J).

Referencias Generales
Referencias
A. Aldroubi and K-H. Grchenig, Non-uniform sampling in

shift-invariant space, Siam Review 43 (2001), no. 4, 585620.
I. Daubechies, Ten lectures on wavelets, SIAM, Philadelphia, 1992.
G. Weiss E. Hernandez, A first course on wavelets, CRC Press LLC, Boca
Raton, Florida, 33431, USA, 1996.
K. Grchenig, Fundations of time-frequency analysis, Birkhuser, New
York, NY, 10010, USA, 2000.
S. Mallat, A wavelet tour of signal processing, Academic Press, San
Diego, CA 92101-4495, USA, 1998.
Robert M. Young, An introduction to nonharmonic Fourier series, first
ed., Academic Press Inc., San Diego, CA, 2001. MR 2002b:42001

Curso Cefimas 2006 PDF

Cargado por

Información del documento

Título original

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

Curso Cefimas 2006 PDF

Cargado por

Copyright:

Formatos disponibles

Una introduccin a la teora de wavelets y marcos con

Mtodos Geomtricos y Analticos para Ecuaciones en Derivadas

Carlos Cabrelli (UBA) CEFIMAS 2006

Estas notas corresponden al curso ofrecido en la escuela: "Mtodos

Carlos Cabrelli (UBA) CEFIMAS 2006

Carlos Cabrelli (UBA) CEFIMAS 2006

Concentracin o localizacin de una funcin

Sea una funcin en L2 (R), 6= 0.

El intervalo I = [t0 , t0 + ] es el intervalo de concentracin de .

Carlos Cabrelli (UBA) CEFIMAS 2006

El plano Tiempo Frecuencia I

Cada ventana determina un intervalo

Carlos Cabrelli (UBA) CEFIMAS 2006

Carlos Cabrelli (UBA) CEFIMAS 2006

Principio de Incertidumbre de Heisenberg

Sea en L2 y sean y sus radios en tiempo y en frecuencia. Entonces

O sea el rea de R est limitada, |R | 1 .

Carlos Cabrelli (UBA) CEFIMAS 2006

Transformada de Fourier de Corta duracin

Carlos Cabrelli (UBA) CEFIMAS 2006

La transformada G : L2 (R) L2 (R R) es una isometra invertible sobre su

Carlos Cabrelli (UBA) CEFIMAS 2006

Otra forma de ver la transformada de Gabor

{gbw (x) = g(x b)e2iwx : b, w R}

Luego Gf (b, w) = hf , gbw i.

Carlos Cabrelli (UBA) CEFIMAS 2006

Los rectngulos se trasladan con b y w sin modificarse.

Dos tomos de gabor en (u, ) y en (v, ).

Carlos Cabrelli (UBA) CEFIMAS 2006

La transformada wavelet continua I

En la transformada wavelet se elige un L2 y se genera la familia

Carlos Cabrelli (UBA) CEFIMAS 2006

La transformada wavelet continua II

Carlos Cabrelli (UBA) CEFIMAS 2006

Transformada wavelet continua III

Wavelets boxes en distintas escalas.

Carlos Cabrelli (UBA) CEFIMAS 2006

La transformada wavelet no esta bien definida para cualquier L2 .

Bajo esta condicin vale la frmula de inversin:

y la aplicacin f 7 Wf , con Wf (a, b) = hf , ab i es una isometra de

Carlos Cabrelli (UBA) CEFIMAS 2006

El grupo afn y el grupo de Heisenberg

Las transformadas wavelet y de Gabor, pueden verse como representaciones

Grupo afn (Wavelets)

(a, b) (a0 , b0 ) = (aa0 , b + ab0 )

Carlos Cabrelli (UBA) CEFIMAS 2006

Representacin del grupo afn

A (L2 (R)) (operadores unitarios de L2 (R))

en sentido dbil, o sea la transformada wavelet f 7 W f ,

Carlos Cabrelli (UBA) CEFIMAS 2006

Grupo de Heisenberg (Gabor)

Cualquiera sea la g (cualquier g es admisible) vale la formula de inversin:

en sentido dbil. O sea f 7 Gg f , Gg f (w, b) = hf , (w, b)gi es una isometra

Carlos Cabrelli (UBA) CEFIMAS 2006

Carlos Cabrelli (UBA) CEFIMAS 2006

Discretizacin (Caso afn)

Debido a la dilatacin, es ms adecuado que las traslaciones dependan de la

Carlos Cabrelli (UBA) CEFIMAS 2006

Problema: Encontrar tal que {jk : j, k Z} sea b.o.n. de L2 ?

Ejemplo: Wavelet de Haar

H(x) = [0,1/2] (x) [1/2,1] (x)

{Hjk } es una b.o.n. de L2 (R) .

Carlos Cabrelli (UBA) CEFIMAS 2006