Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1 / 32
1 Processamento de sinais
2 Transformação de Fourier
3 Análise de wavelet
Wavelet
Transformada contı́nua de wavelet (CWT)
Função wavelet conı́nua
Procedimento
4 Análise de multiresolução
6 Reconstrução do sinal
2 / 32
Processamento de sinais
Sinais
3 / 32
Processamento de sinais
Sinais
3 / 32
Processamento de sinais
Sinais
3 / 32
Processamento de sinais
4 / 32
Processamento de sinais
1 Análise de Fourier
4 / 32
Processamento de sinais
1 Análise de Fourier
2 Análise de Wavelet
4 / 32
Processamento de sinais
Representação de sinais
5 / 32
Processamento de sinais
Representação de sinais
Sinais podem ser representadas nos seguintes domı́nios
5 / 32
Transformação de Fourier
Utilidade
A transformação de Fourier decompõe uma sinal (função) em frequências
que constituem o mesmo sinal.
6 / 32
Transformação de Fourier
Limitação
Uma limitação de transformação de Fourier: A não localização no tempo.
7 / 32
Transformação de Fourier
Transformada de Gabor
Transformação de Wavelet
A transformação de
wavelet é uma
ferramenta flexı́vel
para representar um
sinal no domı́nio de
”Tempo vs
Frequência”e para
superar a deficiência
do STFT.
Definição
Wavelet é uma função que tem formato de onda, de duração
efetivamente limitada (cresce e decai rapidamente) e que tem média
zero.
2
Uma função wavelet muito conhecida é ψ(t) = (1 − t)e −t , a
segunda derivada da gaussiana (Mexican hat).
10 / 32
Análise de wavelet Wavelet
Morlet wavelet
11 / 32
Análise de wavelet Wavelet
Propriedades de wavelet
Localização no tempo
12 / 32
Análise de wavelet Wavelet
Propriedades de wavelet
Localização no tempo
deslocamento no tempo
12 / 32
Análise de wavelet Wavelet
Propriedades de wavelet
Localização no tempo
deslocamento no tempo
flexibilidade
12 / 32
Análise de wavelet Transformada contı́nua de wavelet (CWT)
Transformada de Fourier
13 / 32
Análise de wavelet Transformada contı́nua de wavelet (CWT)
Transformada de Fourier
Transformada de Fourier
13 / 32
Análise de wavelet Transformada contı́nua de wavelet (CWT)
Transformada de Fourier
Transformada de Fourier
Z
F (w ) = f (t)e −iwt dt (1)
13 / 32
Análise de wavelet Transformada contı́nua de wavelet (CWT)
Transformada de Fourier
Transformada de Fourier
Z
F (w ) = f (t)e −iwt dt (1)
13 / 32
Análise de wavelet Transformada contı́nua de wavelet (CWT)
Transformada de Fourier
Transformada de Fourier
Z
F (w ) = f (t)e −iwt dt (1)
13 / 32
Análise de wavelet
TCW
14 / 32
Análise de wavelet
TCW
Analogamente,
14 / 32
Análise de wavelet
TCW
Analogamente,
14 / 32
Análise de wavelet
TCW
Analogamente,
14 / 32
Análise de wavelet Função wavelet conı́nua
Coefiente de escala
Escala: Esticar ou encolher o sinal.
15 / 32
Análise de wavelet Função wavelet conı́nua
Coefiente de escala
Escala: Esticar ou encolher o sinal.
Fator de escala (a)
15 / 32
Análise de wavelet Função wavelet conı́nua
Coefiente de escala
Escala: Esticar ou encolher o sinal.
Fator de escala (a) → f (t) = sen(t/a)
15 / 32
Análise de wavelet Função wavelet conı́nua
Coefiente de escala
Escala: Esticar ou encolher o sinal.
Fator de escala (a) → f (t) = sen(t/a)
15 / 32
Análise de wavelet Função wavelet conı́nua
Coefiente de escala
Fator de escala para wavelet funciona do mesmo jeito
16 / 32
Análise de wavelet Função wavelet conı́nua
Coefiente de escala
Fator de escala para wavelet funciona do mesmo jeito
Fator de escala (a)
16 / 32
Análise de wavelet Função wavelet conı́nua
Coefiente de escala
Fator de escala para wavelet funciona do mesmo jeito
Fator de escala (a) → f (t) = Ψ(t/a)
16 / 32
Análise de wavelet Função wavelet conı́nua
Coefiente de escala
Fator de escala para wavelet funciona do mesmo jeito
Fator de escala (a) → f (t) = Ψ(t/a)
16 / 32
Análise de wavelet Função wavelet conı́nua
Função wavelet
A função wavelet contı́nua:
17 / 32
Análise de wavelet Função wavelet conı́nua
Função wavelet
A função wavelet contı́nua:
1 x −b
ψa,b (x ) = p ψ
|a| a
17 / 32
Análise de wavelet Função wavelet conı́nua
Função wavelet
A função wavelet contı́nua:
1 x −b
ψa,b (x ) = p ψ
|a| a
a: parâmetro de escala
17 / 32
Análise de wavelet Função wavelet conı́nua
Função wavelet
A função wavelet contı́nua:
1 x −b
ψa,b (x ) = p ψ
|a| a
a: parâmetro de escala
b: parâmentro de deslocamento
17 / 32
Análise de wavelet Função wavelet conı́nua
Função wavelet
A função wavelet contı́nua:
1 x −b
ψa,b (x ) = p ψ
|a| a
a: parâmetro de escala
b: parâmentro de deslocamento
17 / 32
Análise de wavelet Função wavelet conı́nua
Função wavelet
A função wavelet contı́nua:
1 x −b
ψa,b (x ) = p ψ
|a| a
a: parâmetro de escala
b: parâmentro de deslocamento
Passos 1 e 2
Passo1: Tomar uma função wavelet e comparar a sua curva com um setor
do sinal começando do inı́cio deste sinal.
18 / 32
Análise de wavelet Procedimento
Passos 1 e 2
Passo1: Tomar uma função wavelet e comparar a sua curva com um setor
do sinal começando do inı́cio deste sinal.
Passo2: Calcular a correlação, C, entre a wavelet e o setor determinado em
passo1. (C é a medida de semelhança).
18 / 32
Análise de wavelet Procedimento
Passos 1 e 2
Passo1: Tomar uma função wavelet e comparar a sua curva com um setor
do sinal começando do inı́cio deste sinal.
Passo2: Calcular a correlação, C, entre a wavelet e o setor determinado em
passo1. (C é a medida de semelhança).
18 / 32
Análise de wavelet Procedimento
Passo 3
19 / 32
Análise de wavelet Procedimento
Passo 3
19 / 32
Análise de wavelet Procedimento
Passo 4
Paso4:Esticar (dilatar) a wavelet e repetir os passos 1 a 3.
20 / 32
Análise de wavelet Procedimento
Passo 4
Paso4:Esticar (dilatar) a wavelet e repetir os passos 1 a 3.
20 / 32
Análise de multiresolução
Análise de mulitiresolução
21 / 32
Análise de multiresolução
Análise de mulitiresolução
21 / 32
Análise de multiresolução
Análise de mulitiresolução
21 / 32
Transformada discreta de wavelet (DWT)
Justificativa:
22 / 32
Transformada discreta de wavelet (DWT)
Justificativa:
1 Dificuldade e custo computacional de calcular os coeficientes de
wavelet contı́nua em todos os possı́vies escalas
22 / 32
Transformada discreta de wavelet (DWT)
Justificativa:
1 Dificuldade e custo computacional de calcular os coeficientes de
wavelet contı́nua em todos os possı́vies escalas
2 A quantidade enorme de dados gerados por esse processo.
22 / 32
Transformada discreta de wavelet (DWT)
Justificativa:
1 Dificuldade e custo computacional de calcular os coeficientes de
wavelet contı́nua em todos os possı́vies escalas
2 A quantidade enorme de dados gerados por esse processo.
DWT pode ser gerada por uma mudança pequena na CWT
22 / 32
Transformada discreta de wavelet (DWT)
Justificativa:
1 Dificuldade e custo computacional de calcular os coeficientes de
wavelet contı́nua em todos os possı́vies escalas
2 A quantidade enorme de dados gerados por esse processo.
DWT pode ser gerada por uma mudança pequena na CWT
ψa,b (x ) = √1 ψ x −b
a
|a|
22 / 32
Transformada discreta de wavelet (DWT)
Justificativa:
1 Dificuldade e custo computacional de calcular os coeficientes de
wavelet contı́nua em todos os possı́vies escalas
2 A quantidade enorme de dados gerados por esse processo.
DWT pode ser gerada por uma mudança pequena na CWT
ψa,b (x ) = √1 ψ x −b
a ⇒
|a|
22 / 32
Transformada discreta de wavelet (DWT)
Justificativa:
1 Dificuldade e custo computacional de calcular os coeficientes de
wavelet contı́nua em todos os possı́vies escalas
2 A quantidade enorme de dados gerados por esse processo.
DWT pode ser gerada por uma mudança pequena
na CWT
1 x −b 1 x −kb
ψa,b (x ) = √ ψ a ⇒ ψj ,k (x ) = √
ψ j
0
|a| (|a0 |) a0
22 / 32
Transformada discreta de wavelet (DWT)
Justificativa:
1 Dificuldade e custo computacional de calcular os coeficientes de
wavelet contı́nua em todos os possı́vies escalas
2 A quantidade enorme de dados gerados por esse processo.
DWT pode ser gerada por uma mudança pequena
na CWT
1 x −b 1 x −kb
ψa,b (x ) = √ ψ a ⇒ ψj ,k (x ) = √
ψ j
0
|a| (|a0 |) a0
k e j inteiros, a0 > 1 é um parámetro de dilatação fixo e b0 um
parámetro de translação
22 / 32
Transformada discreta de wavelet (DWT)
Justificativa:
1 Dificuldade e custo computacional de calcular os coeficientes de
wavelet contı́nua em todos os possı́vies escalas
2 A quantidade enorme de dados gerados por esse processo.
DWT pode ser gerada por uma mudança pequena
na CWT
1 x −b 1 x −kb
ψa,b (x ) = √ ψ a ⇒ ψj ,k (x ) = √
ψ j
0
|a| (|a0 |) a0
k e j inteiros, a0 > 1 é um parámetro de dilatação fixo e b0 um
parámetro de translação
Geralmente, a0 = 2 e b0 = 1
22 / 32
Transformada discreta de wavelet (DWT)
Justificativa:
1 Dificuldade e custo computacional de calcular os coeficientes de
wavelet contı́nua em todos os possı́vies escalas
2 A quantidade enorme de dados gerados por esse processo.
DWT pode ser gerada por uma mudança pequena
na CWT
1 x −b 1 x −kb
ψa,b (x ) = √ ψ a ⇒ ψj ,k (x ) = √
ψ j
0
|a| (|a0 |) a0
k e j inteiros, a0 > 1 é um parámetro de dilatação fixo e b0 um
parámetro de translação
Geralmente, a0 = 2 e b0 = 1 ⇒
22 / 32
Transformada discreta de wavelet (DWT)
Justificativa:
1 Dificuldade e custo computacional de calcular os coeficientes de
wavelet contı́nua em todos os possı́vies escalas
2 A quantidade enorme de dados gerados por esse processo.
DWT pode ser gerada por uma mudança pequena
na CWT
1 x −b 1 x −kb
ψa,b (x ) = √ ψ a ⇒ ψj ,k (x ) = √
ψ j
0
|a| (|a0 |) a0
k e j inteiros, a0 > 1 é um parámetro de dilatação fixo e b0 um
parámetro de translação
Geralmente, a0 = 2 e b0 = 1 ⇒ DWT : ψj ,k (x ) = 21/2 ψ(2j x − k ).
22 / 32
Transformada discreta de wavelet (DWT)
Algorı́timo de Mallat
Algorı́timo de Mallat (1989), da MRA, para DWT
23 / 32
Transformada discreta de wavelet (DWT)
Algorı́timo de Mallat
Algorı́timo de Mallat (1989), da MRA, para DWT
Revolucionou alnalise de wavelet (implementação usando Filtros de
Codificação em Sub-bandas) para calculo dos coeficientes de DWT
produzindo FDWT.
23 / 32
Transformada discreta de wavelet (DWT)
Algorı́timo de Mallat
Algorı́timo de Mallat (1989), da MRA, para DWT
Revolucionou alnalise de wavelet (implementação usando Filtros de
Codificação em Sub-bandas) para calculo dos coeficientes de DWT
produzindo FDWT.
Esse tipo de filtros é rojetado para quebrar o espectro do sinal em
duas componentes.
23 / 32
Transformada discreta de wavelet (DWT)
Algorı́timo de Mallat
Algorı́timo de Mallat (1989), da MRA, para DWT
Revolucionou alnalise de wavelet (implementação usando Filtros de
Codificação em Sub-bandas) para calculo dos coeficientes de DWT
produzindo FDWT.
Esse tipo de filtros é rojetado para quebrar o espectro do sinal em
duas componentes.
23 / 32
Transformada discreta de wavelet (DWT)
Algorı́timo de Mallat
Algorı́timo de Mallat (1989), da MRA, para DWT
Revolucionou alnalise de wavelet (implementação usando Filtros de
Codificação em Sub-bandas) para calculo dos coeficientes de DWT
produzindo FDWT.
Esse tipo de filtros é rojetado para quebrar o espectro do sinal em
duas componentes.
Algorı́timo de Mallat
Esse processo produz o dobro dos dados. Para corrigir, a saı́da de cada fı́ltro
é decimada (sub amostrado por 2). Essa sob amostragem altera a escala,
enquanto a resolução e alterada pela filtragem (metade das frequências do
sinal é eliminada).
24 / 32
Transformada discreta de wavelet (DWT)
Algorı́timo de Mallat
Esse processo produz o dobro dos dados. Para corrigir, a saı́da de cada fı́ltro
é decimada (sub amostrado por 2). Essa sob amostragem altera a escala,
enquanto a resolução e alterada pela filtragem (metade das frequências do
sinal é eliminada).
24 / 32
Transformada discreta de wavelet (DWT)
25 / 32
Transformada discreta de wavelet (DWT)
25 / 32
Transformada discreta de wavelet (DWT)
25 / 32
Transformada discreta de wavelet (DWT)
26 / 32
Transformada discreta de wavelet (DWT)
26 / 32
Transformada discreta de wavelet (DWT)
26 / 32
Transformada discreta de wavelet (DWT)
26 / 32
Transformada discreta de wavelet (DWT)
Escolha de filtro
27 / 32
Transformada discreta de wavelet (DWT)
Escolha de filtro
27 / 32
Transformada discreta de wavelet (DWT)
Escolha de filtro
27 / 32
Transformada discreta de wavelet (DWT)
Escolha de filtro
27 / 32
Transformada discreta de wavelet (DWT)
Escolha de filtro
27 / 32
Reconstrução do sinal
Sı́ntese
a reconstrução do sinal (sı́ntese) é o processo em que junta-se de
volta todas as componentes.
28 / 32
Reconstrução do sinal
Sı́ntese
a reconstrução do sinal (sı́ntese) é o processo em que junta-se de
volta todas as componentes.
Upsampling (interpolação) é o complemento de decimação e feito
incerindo zero entre cada dois coeficientes.
28 / 32
Reconstrução do sinal
Sı́ntese
a reconstrução do sinal (sı́ntese) é o processo em que junta-se de
volta todas as componentes.
Upsampling (interpolação) é o complemento de decimação e feito
incerindo zero entre cada dois coeficientes.
A reconstrução perfeita do sinal exige uma base wavelet ortogonal.
28 / 32
Reconstrução do sinal
Sı́ntese
a reconstrução do sinal (sı́ntese) é o processo em que junta-se de
volta todas as componentes.
Upsampling (interpolação) é o complemento de decimação e feito
incerindo zero entre cada dois coeficientes.
A reconstrução perfeita do sinal exige uma base wavelet ortogonal.
28 / 32
Reconstrução do sinal
Sı́ntese
a reconstrução do sinal (sı́ntese) é o processo em que junta-se de
volta todas as componentes.
Upsampling (interpolação) é o complemento de decimação e feito
incerindo zero entre cada dois coeficientes.
A reconstrução perfeita do sinal exige uma base wavelet ortogonal.
28 / 32
Reconstrução do sinal
Aproximação
Podemos reconstruir um sinal com um certo nı́vel de aproximação de accordo
com a seguinte formula:
29 / 32
Reconstrução do sinal
Aproximação
Podemos reconstruir um sinal com um certo nı́vel de aproximação de accordo
com a seguinte formula:
j −1
2X
fj +1 (x ) = fj (x ) + dj ,k ψj ,k (x )
k =0
29 / 32
Reconstrução do sinal
Aproximação
Podemos reconstruir um sinal com um certo nı́vel de aproximação de accordo
com a seguinte formula:
j −1
2X
fj +1 (x ) = fj (x ) + dj ,k ψj ,k (x )
k =0
E da seguinte forma:
29 / 32
Reconstrução do sinal
Aproximação
Podemos reconstruir um sinal com um certo nı́vel de aproximação de accordo
com a seguinte formula:
j −1
2X
fj +1 (x ) = fj (x ) + dj ,k ψj ,k (x )
k =0
E da seguinte forma:
29 / 32
Reconstrução do sinal
Exemplo
Exemplo de aproximação de um sinal usando DWT com base Haar (Nasion
2008):
30 / 32
Reconstrução do sinal
Exemplo
Exemplo de aproximação de um sinal usando DWT com base Haar (Nasion
2008):
O sinal aproximado representa os dados de Pletismografia de indutância.
30 / 32
Reconstrução do sinal
Exemplo
Exemplo de aproximação de um sinal usando DWT com base Haar (Nasion
2008):
O sinal aproximado representa os dados de Pletismografia de indutância.
A aproximação está feita em três nı́veies.
30 / 32
Reconstrução do sinal
Exemplo
Exemplo de aproximação de um sinal usando DWT com base Haar (Nasion
2008):
O sinal aproximado representa os dados de Pletismografia de indutância.
A aproximação está feita em três nı́veies.
31 / 32
Reconstrução do sinal
31 / 32
Reconstrução do sinal
31 / 32
Reconstrução do sinal
31 / 32
Reconstrução do sinal
31 / 32
Reconstrução do sinal
31 / 32
Reconstrução do sinal
Obrigado
32 / 32