Nombres: ROCASALVO SANCHEZ JURGEN ALEJANDRO CI: 6080231

CUTIPA CASTAÑO ALBERTH ARIEL CI: 9124662

PROYECTO DE INVESTIGACION

TRANSFORMADA DE WAVELET

NOMBRES:

ROCASALVO SANCHEZ JURGEN ALEJANDRO

CUTIPA CASTAÑO ALBERTH ARIEL

MATERIA:

TRANSFORMADAS DE INTEGRALES

SEMESTRE:

1/2020

DOCENTE:

ING. RAFAEL VALENCIA

Nombres: ROCASALVO SANCHEZ JURGEN ALEJANDRO CI: 6080231
CUTIPA CASTAÑO ALBERTH ARIEL CI: 9124662

TRANSFORMADA DE WAVELET

1. Definición matemática.
La transformada de wavelet o también llamada transformada de ondicula, es una
herramienta matemática que promete no solo tener múltiples aplicaciones en el
procesamiento de señales, sino que además está siendo usada en Control de Procesos y
detección de anomalías sintomáticas en medicina e ingeniería.
Para poder definir la transformada de wavelet de una mejor manera, se dará breves
conceptos de ciertos temas.
 Espacio de Hilbert
El espacio H de Hilbert es un espacio vectorial cuyos elementos pertenecen al
plano complejo C. Sea H el conjunto de elementos del espacio H. Los vectores
complejos de este conjunto pueden ser sumados con las reglas usuales de la
aritmética de vectores (propiedad aditiva) y multiplicados por escalares (números
complejos).
El espacio H está dotado de una métrica y de un producto interno.
Consideraremos en particular el espacio H formado por funciones vectoriales fn. Si
f y g son funciones del conjunto H de H, el producto interno para este conjunto de
funciones es un escalar definido por
∞
¿ f , g ≥ ∫ f∗( x ) g ( x ) dx
−∞
donde f *(x) es el complejo conjugado de f(x).
 Ortogonalidad y bases ortonormales
Se dice que dos vectores x e y son ortogonales en un Espacio Hilbert H si su
producto interno es cero:
< x,y > = 0
Se define a la base ortonormal de H como un conjunto ortonormal maximal en H si
cualquier vector en H puede ser representado como el límite de las combinaciones
lineales de los elementos de una base ortonormal.
 Análisis de Fourier
Es una transformación matemática empleada para transformar señales entre
el dominio del tiempo (o espacial) y el dominio de la frecuencia, que tiene muchas
aplicaciones en la física y la ingeniería. Es reversible, siendo capaz de
transformarse en cualquiera de los dominios al otro. El propio término se refiere
tanto a la operación de transformación como a la función que produce.
La transformada de Fourier es una aplicación que hace corresponder a una
función con otra función definida de la manera siguiente:
∞
1
g (ε)= ∫ f ( x ) e−iεx dx g ¿
√ 2 π −∞
Habiendo definido estos temas se puede definir la transformada de wavelet, la cual se
divide en:

 Transformada de wavelet continua

Dada una función g(t) considérese la dilatación o escalamiento de “g” por “a”:
Nombres: ROCASALVO SANCHEZ JURGEN ALEJANDRO CI: 6080231
CUTIPA CASTAÑO ALBERTH ARIEL CI: 9124662

ga ( t )=g ( at )
Y la traslación de “g” por “b”
gb ( t )=g ( t−b )
Aplicando simultáneamente escalamiento y traslación:
t−b
gba ( t )=g( )
a
Si la función g(t) cumple con las propiedades básicas.
∞

∫ g ( t ) dt=0
−∞
∞

∫ g2 ( t ) dt =1
−∞
Se puede considerar g(t)=Ѱ(t) será la wavelet madre
1 t−b
Y Ѱ ba (t )=
√a
Ѱ( )
a
Es la función con escalamiento y corrimiento simultáneos aplicada en la ecuación
definida por Morlet-Grossman como la transformada wavelet continua (CWT).
∞
1 1
CWT ( b , a )= ∫
√|a| −∞ ( )
s ( t ) Ѱ ∗ ( t−b ) dt
a
Existen muchas wavelets madre agrupadas en familias según su utilidad; Ingrid
Daubechies quien es el mayor constructor de wavelets ha propuesto tres familias,
la Daubechies que es un conjunto de wavelets ortonormales apropiadas para
aplicarse en análisis de señales discretas, la Coiflets llamadas asi por ser
construidas a solicitud de R. Coifman, y la Symmlet que siendo similares a las
Daubechies tienden a ser casi simétricas.
Las Biortonormales es una familia que presenta la propiedad de fase lineal lo que
es muy útil para la reconstrucción de imágenes, en este caso se debe usar una
wavelet madre para la descomposición y otra para la reconstrucción.
Algunas wavelets están definidas por una función explicita como wavelet Haar
dada por:
1, 0<t<0,5
s ( t ) =¿{-1, 0.5<t<1
0, en otro caso

La Morlet dada por la ecuación

Nombres: ROCASALVO SANCHEZ JURGEN ALEJANDRO CI: 6080231
CUTIPA CASTAÑO ALBERTH ARIEL CI: 9124662

−t 2
s ( t ) =exp ( )
2
cos ( 5t )
Mostrada a continuación, o la wavelet sombrero mexicano que es la segunda
derivada de la función de distribución gaussiana
2 −t 2
s (t)= 1
exp ⁡( )(1−t 2)
2
√3 п 4
Y que también se observa a continuación:

A continuación, se muestran tres de las principales y más conocidas familias de

wavelets, la Daubechies, la Coiflet y la Symmlet respectivamente.
Nombres: ROCASALVO SANCHEZ JURGEN ALEJANDRO CI: 6080231
CUTIPA CASTAÑO ALBERTH ARIEL CI: 9124662

 Transformada de wavelet discreta (DWT)

-Descripción cualitativa de la DWT

Se usará la wavelet Haar para visualizar el proceso de aplicación de la DWT en una

señal discreta.
Se considera una función discreta a: Fn = [1 2 3 4 5 6 4 3 7 8 9 2]
F 2 n−1+ F2 n F 2 n−1−F 2 n
Se define: An= y Dn=
√2 √2
Se tendrá por lo tanto una primera subsunción A¹ formada por los valores An y una
primera subfuncion D¹ formada por los valores Dn
A¹=[1.5√ 2 , 3.5√ 2, 5.5√ 2, 3.5√ 2, 7.5√ 2, 5.5√ 2]
D¹=[-0.5√ 2 , -0.5√ 2, -5.5√ 2, 0.5√ 2, -0.5√ 2, 3.5√ 2]
Ambas subfunciones son de la mitad de tamaño que la función original y esta se
podrá recuperar de:
A1 + D1 A 1−D1 A + Dn/ 2 A n/ 2−Dn /2
Fn= [ √2
,
√2
, … … … … , n/ 2
√2
,
√2 ]
Generando la señal original que finalmente se puede escribir como:
Fn=A¹n+D¹n
1/ √2 1/ √ 2 ⋯ 0 0

Si se define una matriz V¹n como:

[
0

1/ √2 −1/ √ 2 ⋯
⋮
0 0
0 0
0
⋱
⋯

0 0
0
0 0
⋮
0
1/ √ 2 1/ √ 2
]
Y una matriz W¹n como:

Se obtiene:
0

[
A¹n=[A¹][V¹n]
⋮
0 0
0 0
0
⋱
⋯

y
0
0 0
⋮
0
1/ √ 2 −1/ √ 2
]
D¹n=[D¹][W¹n]
Con este mismo concepto es posible hacer un análisis en varios niveles como el
mostrado a continuación:
Nombres: ROCASALVO SANCHEZ JURGEN ALEJANDRO CI: 6080231
CUTIPA CASTAÑO ALBERTH ARIEL CI: 9124662

2. Interpretación de la transformada de wavelet.

 Descomposición de la transformada de wavelet

Alta frecuencia y baja frecuencia

En algunos casos se requiere disminuir la cantidad de datos necesarios para el

manejo de la señal, por lo que se hace el muestreo reducido, en el que se
involucran los coeficientes wavelets obteniendo con ello una cantidad de
muestras de la mitad. En la siguiente imagen se observa lo anterior:
Nombres: ROCASALVO SANCHEZ JURGEN ALEJANDRO CI: 6080231
CUTIPA CASTAÑO ALBERTH ARIEL CI: 9124662

La descomposición consta de distintas etapas y a su vez cada etapa de dos fases

Un filtrado de alta frecuencia y otro de baja frecuencia.

De cada uno de ellos tras un diezmado se obtendrán coeficientes de detalle y coeficientes de

aproximación respectivamente, el diezmado consta de descartar uno de cada 2 muestras
escogiendo muestras intercaladas.

En la salida obtendremos coeficientes Di,Ai y todos estos coeficientes ordenados se guardan en el

vector de coeficientes y con ello podremos reconstruir la señal.

 Síntesis wavelet

Podremos reconstruir la señal sin pérdida de información mediante un proceso de

descomposición.
Nombres: ROCASALVO SANCHEZ JURGEN ALEJANDRO CI: 6080231
CUTIPA CASTAÑO ALBERTH ARIEL CI: 9124662

En resumen, tenemos que la representación gráfica de las estructuras de coeficientes de

descomposición y síntesis de transformada muestra una distribución del proceso.

Conclusión:

Esta es la interpretación que nos ofrece la transformada de Wevelet en torno a una señal común la
tomamos y la partimos en pequeños segmentos para poder obtener el tiempo de dicho evento
paso en la señal, de ahí podemos reconstruir la señal al igual que descomponerlo.

 Cuenta con una gran familia de funciones de Wevelet al cual se da una gran
aplicación real como son: Campo armónico, reducción de ruido, imagen médica,
cine digital y telescopio etc.

3. Ejemplos de resolución.

En la transformada continua el método a resolver es análogo al de Fourier por la ecuación:

Nombres: ROCASALVO SANCHEZ JURGEN ALEJANDRO CI: 6080231
CUTIPA CASTAÑO ALBERTH ARIEL CI: 9124662

En el dominio discreto se habla de la transformada discreta de Fourier, que se representa por las
siguientes ecuaciones

Se puede obtener la transformación de envantanado de Fourier seria

Arreglando esta ecuación

Se convierte en un sistema lineal formado por dos partes un filtro LTI con respuesta impulso y un
modulador

Transformada de Haar

La transformada de Haar se considera la precursora de la transformada wavelet y el primer paso

en la construcción de sus algoritmos de aplicación, al tratarse de una primera base de funciones
muy sencillas y con importantes propiedades como la ortonormalidad, que permite una
descomposición y reconstrucción perfecta de señales.
Nombres: ROCASALVO SANCHEZ JURGEN ALEJANDRO CI: 6080231
CUTIPA CASTAÑO ALBERTH ARIEL CI: 9124662

La Transformada Wavelet Continua Unidimensional (CWT)

una función en forma de onda que está limitada en un cierto intervalo

Transformada Wavelet frente a Transformada de Fourier

La transformada de Fourier es una de las transformadas más empleadas para el análisis de señales
unidimensionales e imágenes. Si bien en este trabajo no se ha aplicado como tal, se considera
importante citar sus ideas clave para poder ver cómo la transformada wavelet (TW) puede
sustituirla en determinados casos y analizar sus diferencias.
Nombres: ROCASALVO SANCHEZ JURGEN ALEJANDRO CI: 6080231
CUTIPA CASTAÑO ALBERTH ARIEL CI: 9124662

La Transformada Wavelet Discreta

Para una señal continua dependiente del espacio f (x ) que es uniformemente muestreada (o
discreteada) en N partes en el intervalo [0, 1] su transformada wavelet podrá ser calculada
solamente en las escalas N > s > 1, es decir, el parámetro de escala será s0 = a j (con a = 2 para
escalas diádicas, factor de escalado doble o mitad), siendo j el nivel de la transformación. Una
wavelet discreta escalada por a j y en una posición en concreto es definida por: (

De forma genérica, se puede decir que la transformada wavelet de una señal discreteada f(n )
viene dada por la relación siguiente:

donde j es la dilatación y k la traslación, valores enteros y los valores de W (j, k ) también son
llamados coeficientes wavelet. Al generar de la función wavelet madre ψ una base ortonormal de
wavelets se cumple que los coeficientes de la descomposición directa son los mismos que se
necesita para reconstruir la señal de forma perfecta, consistiendo esta reconstrucción en la suma
de las funciones base wavelet ortogonales ψj,k (n ) ponderadas por los coeficientes wavelet

4. Ejemplos de aplicación.
 Detección de discontinuidades y puntos de fallas
En la figura se aprecia una señal de ruido de un motor de inducción en la que se
presenta una pequeña distorsión.
Nombres: ROCASALVO SANCHEZ JURGEN ALEJANDRO CI: 6080231
CUTIPA CASTAÑO ALBERTH ARIEL CI: 9124662

En la siguiente figura se observa la transformada wavelet continua de la señal

anterior en la que se aprecia de manera muy notoria el punto de distorsion de la
señal definida por la forma de aleta claramente observable en la posición del
tiempo señalado por la flecha

Como se aprecia, es muy fácil detectar las discontinuidades usando la

transformada de wavelets, en este caso inclusive con un lector óptico puede
hacerse un señalamiento de la presencia de estas.
 Supresión de señales y eliminación de ruido
Como se aprecia en la figura:
Nombres: ROCASALVO SANCHEZ JURGEN ALEJANDRO CI: 6080231
CUTIPA CASTAÑO ALBERTH ARIEL CI: 9124662

La descomposición con reducción en los coeficientes de la wavelet ayuda a

eliminar componentes que no aporten información necesaria en la señal, de igual
manera se pueden recortar las amplitudes de las señales de alta frecuencia que
representen ruidos o perturbaciones indeseables.
 Detección de autosimilitudes
Las autosimilitudes son estructuras que se repiten por doquier y a cualquier escala
en la señal, ya sea de manera exacta o similar; como ejemplo se muestra la figura
en la que se da una autosimilitud detallada en los recuadros.

Desde el punto de vista del procesamiento de señales la autosimilitud ocurre

cuando en diferentes secciones de una señal se presentan parámetros estadísticos
similares. En varios gráficos se pueden apreciar los patrones que pueden definir la
similitud de los picos cíclicos de la señal.