TCC - Valciano Camilo Gurgel - Aplicação de Técnicas Wavelets em Análise de Séries Temporais para Detecção de Correlações PDF

UNIVERSIDADE FEDERAL RURAL DO SEMI-RIDO
DEPARTAMENTO DE CINCIAS EXATAS,

TECNOLGICA E HUMANAS CAMPUS ANGICOS
BACHARELADO EM CINCIA E TECNOLOGIA

VALCIANO CAMILO GURGEL

APLICAO DE TCNICAS WAVELETS EM ANLISE DE
SRIES TEMPORAIS PARA DETECO DE CORRELAES

ANGICOS-RN
2013



Monografia apresentada a Universidade
Federal Rural do Semi-rido UFERSA,
Campus Angicos para a obteno do ttulo de
Bacharel em Cincia e Tecnologia.

Orientador: Prof Dr. Francisco Edcarlos
Alves Leite UFERSA.

ANGICOS-RN
2013



Monografia apresentada no Campus Angicos para a
obteno do ttulo de Bacharel em Cincia e
Tecnologia.

APROVADO EM:_11 /09 /_2013

DEDICATRIA

A todos que durante este processo me ouviram dizendo que conseguiria. Em especial aos que
acreditaram.

A minha valente famlia biolgica;
A minha esperanosa famlia do corao;
A minha acolhedora famlia crist.
Nasci e cresci no seio da primeira,
Deus me acolheu na segunda e
Instruiu-me na terceira.
Ele sempre esteve e sempre estar com todas
as trs.

AGRADECIMENTOS

Agradeo a Luzia Camilo Gurgel: me; inspirao de onde retiro foras; a quem quero
retribuir todo amor; em quem acredito e junto a quem tenho esperana de um mundo melhor.

Aos meus irmos: Valclio Camilo Gurgel, Vandeilson Camilo Gurgel e Valdinia Camilo
Gurgel. Matheus, sobrinho, presente de Deus que trouxe renovao de esprito ao nosso lar.

Aos amigos que entenderam as minhas escolhas e me apoiaram no objetivo de ingressar em
um curso superior, desculpem-me pela ausncia em todo esse tempo. Em especial ao
Adenildo (D), Anderson (Andrinho), Vandelson, Valdinei (Dinei), Elivelton (Gordo), David
(Dede), Fernando (Fda), Anderson (Bola), Edson (Edinho), Roberto, Ivan, Jos Cosme,
Daniel (Dani), Dryelli, Marisa Duarte, Isis Oliveira, Tain Barbosa, Robson (Robinho),
Thiago (Thiboy), Everton (Ver), Wellington (Ton), Zinho, Maicon, e muitos outros
muleques com os quais compartilhei sonhos impulsivos. A todos vocs meu
reconhecimento eterno, sempre contarei nossas histrias: infinitas; grandes e verdadeiras
aventuras. Um grande abrao carinhoso ao seu Z Alemo, que j no to jovem, mas,
ainda um menino, age e sonha como tal.

Em memria homenageio: minha me-madrinha, Maria de Socorro; minha me fraternal,
Dona Tereza; Eder, o meu melhor amigo da infncia que aos dezessete anos foi morar com
Deus (lembrar-me do seu jeito de viver sempre me faz repensar minha postura e minhas
metas); Carlos (Nenenzinho, homem em corpo de criana); Rogrio (Rogerinho cuja
inocncia contagia l do cu); Raul (Deus o quis em sua guarda real) e Raul Riguetto (faltava
animo no cu e ento o convocaram).

Em Angicos conheci muitas pessoas, igualmente especiais, de vrios estados e cidades
brasileiras: Agradeo a Thamis Palhares em nome de toda a famlia Palhares; Os gmeos,
Eduardo e Edgar em nome do bairro Alto da Alegria; Luis Paulo e Thlio Rafael, dois cabra
homem, e aos demais da Repblica Inferno Colorido daquele tempo; O casal Marta e Prof
Alcu, junto com sua filha Esther. Agradecimentos ao casal de pastores, Joo Maria de
Albuquerque e Marlia Dantas de Albuquerque, da Misso Evanglica Pentecostal do Brasil.
Agradeo aos irmos na f que foram solidrios comigo durante este perodo, especialmente a
Beatriz Helena pela incomparvel fraternidade e Thais Russiely pela serenidade. Agradeo
aos funcionrios terceirizados da UFERSA por me atenderem nos fim de semana.

Aos meninos que moraram comigo desejo prosperidade: Fellipe Fonseca Bastos, Matheus
Fonseca Bastos e Achilles Pinheiro Bastos Jnior (Vermelho); e Josinaldo Rocha.

Agradeo a todos os docentes, porm, destaco alguns cujo contato foi fundamental para o
amadurecimento de minha postura: Francisco Edcarlos Alves Leite e Marcos Vincius
Cndido Henriques, orientadores de iniciao cientifica e desta monografia; ao Matheus
Menezes, tambm por valiosas orientaes, trocas de experincias e incentivo pesquisa.

injusto ter somente uma folha para agradecer. Tanto quanto, tentar lembrar-se de todos os
nomes e fatos marcantes. Por isso, busco ser grato a todo tempo pelas coisas boas que me
acontecem e pelas pessoas que fazem parte delas.

Obrigado Criador por cada detalhe.

- A cincia - disse ele Sua Majestade - o
meu emprego nico
O Alienista, Machado de Assis.

(...) Tudo feito mentalmente.
Breve Histria do Tempo, Stephen Hawking.

Mas como o homem se torna sbio? Em
primeiro lugar temendo o SENHOR, pois ele
quem d a sabedoria; de sua boca vem a
compreenso e o discernimento.
Holy Bible in Provrbios 1:7 e 2:6.

RESUMO

O presente trabalho aborda a teoria das wavelets aplicada no processamento de sinais e sries
temporais para anlise em tempo-escala, tambm demonstra uma aplicao da tcnica da
Coerncia Wavelet na deteco de correlao e semelhana entre duas sries temporais
meteorolgicas. Em contraste com os mtodos clssicos de processamento de sinais, um sinal
representado no espao das wavelets tem suas estruturas e caractersticas representadas em
frequncias localizadas temporalmente. As grandezas de interesse foram selecionadas dentre
vrias a disposio; as sries meteorolgicas temporais em questo so o mdulo da
velocidade do vento e a direo do vento. A pesquisa demonstra a importncia do estudo de
sinais para a cincia e tecnologia, denotando suas vastas aplicaes e assim, a importncia de
se ter a disposio tcnicas eficientes de anlise. Para a nossa anlise selecionamos dados
meteorolgicos de quatro estaes de coleta de dados situadas em diferentes localidades e
mantidas pelo Instituto Nacional de Meteorologia (INMET) do Brasil. Aplicamos a
transformada Wavelet a esses dados para obter seus coeficientes wavelets. Com essa
transformao, os dados meteorolgicos so representados em um espao dual caracterizado
por dois parmetros: tempo e escala. Em seguida aplicamos a tcnica da Coerncia Wavelet
para obter a relao de coerncia entre as duas sries. Os resultados podem ser visualizados
por meio de um mapa de cores (ou escalograma) no qual se denotam a ocorrncia de
coincidncia no tempo e escala; como tambm a fase entre os sinais.

Palavras-chave: Sries temporais meteorolgicas. Transformada de Fourier. Wavelets.
Anlise de correlaes.

LISTA DE FIGURAS

FIGURA 1 REPRESENTAO GRFICA DE SINAL EM TEMPO DISCRETO E CONTNUO .................... 16
FIGURA 2 REPRESENTAO GRFICA DE TRS SRIES TEMPORAIS METEOROLGICAS ............ . 18
FIGURA 3 TRANSFORMAO DE FOURIER DE UM SINAL PARA NO DOMNIO DE FREQUNCIA .. . 22
FIGURA 4 JEAN BAPTISTE JOSEPH FOURIER (1768-1830), FRANCS .............................................. . 22
FIGURA 5 EXEMPLO GRFICO DE UM SINAL PRIODICO .................................................................... . 24
FIGURA 6 COMPONETES DE FREQUNCIA DA SRIE DE FOURIER DE UMA FUNO PERIDICA . 28
FIGURA 7 SINTETIZAO DE UMA FUNO DADA PELA SOMA DAS COMPONETES SENOIDAIS . . 28
FIGURA 8 GRFICO DE UMA FUNO EXPONENCIAL .......................................................................... . 30
FIGURA 9 DIAGRAMA DO MDULO DA TRANSFORMADA DE FOURIER DE UM SINAL .................. . 32
FIGURA 10 SIMULAAO DE UM SINAL NO DOMNIO TEMPORAL COM TRS FREQUNCIAS ......... .32
FIGURA 11 ESPECTRO DE FOURIER DO SINAL SIMULADO ................................................................... .32
FIGURA 12 SINAIS SEPARADOS DE FREQUNCIAS 200 HZ, 350 HZ E 500 HZ. .............................. . 33
FIGURA 13 A TRANSFORMADA JANELA DE FOURIER - GABOR .......................................................... . 35
FIGURA 14 GRFICOS DE SRIES TEMPORAIS DE FREQUNCIAS DISTINTAS .................................. . 35
FIGURA 15 ESPECTRO DE FOURIER DE UM SINAL COM VRIAS FREQUNCIAS ............................. . 36
FIGURA 16 TRANSFORMADA DE FOURIER - GABOR DE UM SINAL COM VARIAS FREQUNCIAS . 37
FIGURA 17 TRANSFORMADA WAVELET: TAMANHOS DE JANELAS VARIVEIS ............................. . 38
FIGURA 18 ILUSTRAO DE DILATAO E TRANSLAO DE UMA FUNO WAVELET .............. . 41
FIGURA 19 APLICAO DA TRANSFORMADA WAVELET CONTNUA PARA UM SINAL ................. . 42
FIGURA 20 DOIS SINAIS E SUAS TRANSFORMADA WAVELET EM MAPA DE CORES ....................... . 45
FIGURA 21 DOIS SINAISCOM SEUS ESPECTROS WAVELET CRUZADO EM MAPA DE CORES ......... . 46
FIGURA 22 COERNCIA WAVELET PARA DOIS SINAIS EM MAPA DE CORES ................................... . 47
FIGURA 23 DOIS SINAIS COM RUDO GAUSSIANO E SEUS ESPECTROS WAVELET CRUZADO ........ .48
FIGURA 24 COERNCIA WAVELET DE DOIS SINAIS COM RUDO GAUSSIANO ................................. . 49
FIGURA 25 PARTE REAL DA WAVELET DE MORLET ............................................................................ . 50
FIGURA 26 DISPOSIO GEOGRFICA DAS ESTAES ONDE OS DADOS FORAM RECOLHIDOS . . 51
FIGURA 27 INTENSIDADE DA VELOCIDADE E DIREO DO VENTO NA ESTAO DE NATAL
JUNTAMENTE COM A COERNCIA WAVELET EM MAPA DE CORES ...................................................... . 56
FIGURA 28 INTENSIDADE DA VELOCIDADE E DIREO DO VENTO NA ESTAO DE JOO PESSOA

FIGURA 29 INTENSIDADE DA VELOCIDADE E DIREO DO VENTO NA ESTAO DE CRUZETA
FIGURA 30 INTENSIDADE DA VELOCIDADE E DIREO DO VENTO NA ESTAO DE PATOS

SUMRIO

1 INTRODUO ................................................................................................................................................ 12
1.1 JUSTIFICATIVA ......................................................................................................................................... 13
1.2 OBJETIVOS ................................................................................................................................................. 13
1.2.1 OBJETIVO GERAL ............................................................................................................................... 13
1.2.2 OBJETIVOS ESPECFICOS .................................................................................................................... 14

1 REVISO DA LITERATURA........................................................................................................................ 15
2.1 CONTEXTUALIZAO ............................................................................................................................ 15
2.2 SRIES TEMPORAIS ................................................................................................................................. 16
2.3 PROCESSAMENTO DE SINAIS ................................................................................................................ 20
2.4 TCNICAS DE PROCESSAMENTO DE SINAIS ...................................................................................... 21
2.4.1 ANLISES DE FOURIER ....................................................................................................................... 22
2.4.2 REPRESENTAES DE FOURIER ......................................................................................................... 23
2.4.3 SRIES DE FOURIER ............................................................................................................................ 25
2.5 TRANSFORMADA DE FOURIER ............................................................................................................. 29
2.6 TRANSFORMADA DE FOURIER-GABOR ............................................................................................. 34
2.7 ANLISE WAVELET ................................................................................................................................. 37
2.7.1 TRANSFORMADA WAVELET ............................................................................................................... 39
2.8 TRANSFORMADA WAVELET CONTNUA ........................................................................................... 40
2.8.1 TRANSFORMADA WAVELET INVERSA ................................................................................................ 43
2.9 COERNCIA WAVELET ........................................................................................................................... 43

3 METODOLOGIA ............................................................................................................................................ 49

4 RESULTADOS E DISCUSSO.................................................................................................................... 52

5 CONSIDERAES FINAIS ......................................................................................................................... 577

6 REFERNCIAS ............................................................................................................................................... 62

12

1. INTRODUO

Em todo o momento e em diversas reas da cincia estamos nos deparando com sinais
ou sries temporais. A definio especfica de um sinal tem relao direta com a rea ou
aplicao prtica no contexto da pergunta. Podemos encontrar em Haykin e Veen (2001, p.22)
que h sempre um sistema associado gerao de cada sinal, e outro associado extrao da
informao do sinal. Para Oppenheim e Willsky (2010, p.22), os conceitos de sinais e
sistemas surgem em diversos campos, e as ideias e tcnicas associadas a esses conceitos
desempenham um papel importante em reas diversificadas da cincia e tecnologia, como
comunicaes, aeronutica e astronutica, projeto de circuitos, acstica, sismologia,
engenharia biomdica, sistemas de gerao e distribuio de energia, controle de processos
qumicos e processamento de voz.
Uma srie temporal uma classe de sinal colhida sequencialmente no tempo de
maneira discreta. A ordem temporal dos coeficientes de fundamental importncia para o
estudo da srie. Ao se analisar uma srie temporal, geralmente, estamos interessados em
investigar de maneira grfica e, ou, numrica a ocorrncia de eventos passados com o objetivo
de prever eventos futuros, assim como correlacionar estes eventos com outros, podendo
assim, identificar, descrever, explicar e at mesmo controlar processos envolvidos na gerao
deste sinal. Para o estudo de sinais temporais tem-se a disposio mtodos paramtricos
(determinsticos) e mtodos no paramtricos, como o caso da transformada de Fourier e da
transformada Wavelet.
No processamento de sinais busca-se extrair informaes que descrevam a grandeza
em questo. Informaes sobre a(s) frequncia(s) de um sinal e a localizao dessas estruturas
frequncias de fundamental importncia. Em termos de anlise no domnio de frequncia a
ferramenta mais difundida entre os profissionais que trabalham com sinais a transformada
de Fourier, porm, quando se trata de sinais no estacionrios, ou seja, quando as
componentes frequncias de um sinal sofrem variaes em seu comportamento ao longo no
tempo, esta ferramenta to difundida torna-se ineficaz. A maioria dos processos da natureza,
modelados em termos de um sinal, e das aplicaes tecnolgicas envolvendo sinais, so de
natureza no estacionaria ou transitria. Da a necessidade de se chegar a um mtodo capaz de
preservar a informao temporal dos sinais. Para esta finalidade desenvolveu-se as Wavelets.
O inicio de seu surgimento data de 1910, dos estudos de Alfred Haar e vem sendo formalizada
e aplicada por profissionais de reas diversificadas.
13

1.1. JUSTIFICATIVA

Os sinais nada mais so que funes de uma ou duas variveis que iro conter
informaes sobre o comportamento ou natureza de algum fenmeno. Associado gerao,
tanto quanto recepo, de um sinal teremos um sistema correspondente capaz de produzir
outro sinal ou um comportamento desejado. As Wavelets apresentam um mtodo inovador de
descrio de sinais em tempo-escala (onde as escalas esto relacionadas com as frequncias
presentes no sinal). Inmeros trabalhos recentes podem ser encontrados com aplicaes
wavelets em reas diversas. A Coerncia Wavelet uma tcnica baseada na Transformada
Wavelet Contnua e permite detectar semelhanas e correlaes entre duas grandezas em
termos de tempo - escala, ou seja, dadas duas grandezas possvel analisar por meio desta
tcnica como suas respectivas ocorrncias esto correlacionadas (neste trabalho utiliza-se a
visualizao grfica por meio do mapa de cores). Em meteorologia de extrema importncia
obter informaes que correlacionem grandezas meteorolgicas para a predio de estados
futuros, uma vez que se tm muitas variveis envolvidas na ocorrncia de um nico evento.
Um bom exemplo a previso climtica onde esta tcnica apresenta-se como ferramenta de
grande potencial para as anlises.

1.2. OBJETIVOS

1.1.1. Objetivo Geral

Esta pesquisa visa apresentar aspectos prticos e tericos dos sinais e sries temporais
das anlises de Fourier, tais como a srie de Fourier e a transformada de Fourier; aspectos
prticos e tericos da anlise em Wavelet, tais como a transformada Contnua e a Coerncia
Wavelet em busca de correlaes de dados temporais. Busca-se sempre que necessrio, incluir
exemplos analticos e computacionais das tcnicas mencionadas. Ser demonstrado que a
transformada em Wavelet um mtodo de anlise capaz de bem processar dados
estacionrios, no estacionrios e transitrios, ela se consolidou como ferramenta inovadora
no contexto atual do processamento de sinais com a sua representao em tempo-frequncia.
O objetivo principal aplicar a Coerncia Wavelet, para analise e deteco de correlao e
semelhana em tempo-escalas, entre duas grandezas, a velocidade e a direo do vento para
quatro diferentes localizaes do nordeste brasileiro. Discutem-se os resultados obtidos
14

utilizando mapas de cores nos quais possvel visualizar a intensidade da energia contida nas
correlaes e compar-las.

1.2.2. Objetivos especficos

Demonstra-se a transformada de Fourier, uma tcnica clssica e a mais bem difundida
na rea de processamento de sinais no domnio de frequncia. A pesquisa contempla uma
ferramenta cuja abordagem inovadora no processamento de sinais e imagens, trata-se das
Wavelets. Elas so capazes de obter informaes no domnio tempo-escala para sinais
estacionrios e no estacionrios, localizando, temporalmente e simultaneamente, altas e
baixas frequncias. Tambm se apresenta uma tcnica wavelet de correlao de dados, a
Coerncia Wavelet. Por fim, faz-se uma aplicao da tcnica de Coerncia Wavelet em sries
temporais meteorolgicas das grandezas: velocidade do vento e direo do vento em alguns
pontos fixos de estados nordestinos, a fim de investigar e caracterizar alguma correlao entre
as grandezas em um perodo de tempo de dois anos (2009 e 2010).

15

2. REVISO DA LITERATURA

2.1. CONTEXTUALIZAO

Em linhas gerais, um sinal uma grandeza fsica varivel no tempo que contm algum
tipo de informao mensurvel relevante sobre o estado ou comportamento adicional de um
sistema fsico.
Formalmente falando, um sinal pode ser representado matematicamente atravs de
uma funo e esta notao, no entanto, pode ser com uma ou mais de uma varivel.
Quando o sinal reflete dependncia em uma nica varivel, diz-se que o sinal
unidimensional.
A fala um exemplo de sinal unidimensional cuja amplitude varia com o tempo em
dependncia da palavra falada e de quem fala. Quando o sinal depende de duas ou mais
variveis diz-se que ele multidimensional. Uma imagem um exemplo de sinal
multidimensional onde as coordenadas, horizontal e vertical da imagem representam as duas
dimenses.
A varivel em uma funo pode ser contnua ou discreta. Chama-se de sinal
contnuo no tempo quando a varivel em questo est definida para um intervalo contnuo de
tempo. O sinal discreto no tempo quando o seu domnio est definido por uma sequncia de
nmeros inteiros , ou seja, so observaes feitas sequencialmente, onde cada valor de
correspondente constitui uma observao do fenmeno. O formalismo matemtico para um
sinal discreto geralmente se utiliza , com (conjunto dos nmeros inteiros).
Os processos fsicos podem ou no possurem caractersticas relacionadas diretamente
com o tempo, em termos de sua estacionaridade. Um determinado processo pode ser de
natureza estacionaria, isto , se certas propriedades estatsticas no apresentarem variao no
tempo considerando um intervalo finito, caso contrrio ele dito no estacionrio, ou ainda,
ele pode ter natureza transiente. Segundo Morettin (1981, p.6), uma das suposies mais
frequentes que se faz a respeito de uma srie temporal a de que ela estacionaria,ou seja, ela
se desenvolve no tempo aleatoriamente ao redor de uma mdia constante, refletindo alguma
forma de equilbrio estvel.
Um sinal em tempo discreto pode representar um fenmeno para o qual a varivel
independente inerentemente discreta como tambm podem decorrer de amostragem de
sinais de tempo contnuo, constituindo amostras sucessivas do fenmeno observado. As
representaes grficas dos dois tipos de sinais podem ser vistas na Figura 1.
16

Figura 1 - Representaes grficas de um (a) sinal de tempo contnuo e de um (b)
sinal de tempo discreto

Fonte: Autoria prpria

Em termos de aplicaes na engenharia eltrica, os sinais so de grande importncia
nas reas de processamento de sinais, sistemas de comunicaes, sistemas de controle e
automao.

2.2. SRIES TEMPORAIS

Uma serie temporal qualquer conjunto de observaes ordenadas sequencialmente ao
longo do tempo e que est presente em vrios campos de nossas atividades rotineiras como
economia (preos dirios de aes, taxa mensal de desemprego, produo industrial),
medicina (eletrocardiograma, eletroencefalograma), epidemiologia (numero mensal de novos
casos de meningite), meteorologia, (precipitao, pluviomtrica, temperatura diria,
velocidade do vento), Ehlers (2003, p.1).
Em modelos de regresso a ordem das observaes irrelevante para a anlise uma
vez que a ordem dos dados fundamental nas anlises de sries temporais. Entendendo uma
srie temporal como um sinal e, como tal, ela poder ser uma srie discreta no tempo, uma
srie contnua no tempo ou ainda uma srie discreta obtida atravs da amostragem de uma
srie contnua em intervalos de tempo iguais. importante saber que a varivel tempo pode
ser relacionada ou entendida como outra varivel: espao, profundidade, volume, ou outro
parmetro fsico.
17

Os seguintes aspectos so comumente considerados na literatura como interessantes e
importantes quando relacionados com o estudo de sries temporais:

Caracterizar os fenmenos que do origem as sries analisadas;
Descrever propriedades da srie temporal, tendncias, ciclos, variaes
sazonais, alteraes estruturais, etc;
Identificar periodicidades que sejam relevantes;
Explicar a variao de uma srie com base na variao de outra srie;
Correlacionar variveis para explicar um fenmeno com base nesta interao;
Predizer ocorrncias futuras com base em valores histricos contido em um
banco de dados;
Controlar processos, criar mecanismos de controle;
Investigar causas e efeitos advindos do mecanismo ou sistema gerador da srie
temporal.
Ao se analisar sries temporais as representaes grficas dos dados ao longo do
tempo fundamental. O grfico j pode revelar padres de comportamentos importantes do
fenmeno que est sendo estudado.
Na Figura encontram-se exemplos de sries temporais meteorolgicas (dados
meteorolgicos) de trs estaes localizadas em locais distintos do litoral nordestino: Natal
(RN), Fortaleza (CE) e Joo Pessoa (PB), respectivamente. Os dados foram colhidos para o
mesmo instante de tempo e a grandeza medida em questo a velocidade do vento em
(metros por segundo). Esses dados so de acesso livre e esto disponveis em um banco de
dados que mantido pelo Instituto Nacional de Meteorologia (INMET). As leituras foram
realizadas em oito e oito horas, resultando em trs medies por dia, no perodo do dia de
janeiro de ao dia de dezembro de . Durantes estes dois anos foram colhidas
amostras de cada estao meteorolgica.
18

Figura 2 Sries temporais da velocidade do vento (m/s) nos anos de 2009 e 2010 em
(a) Natal, (b) Fortaleza e (c) Joo Pessoa.


Nos grficos acima, observa-se que as representaes dos sinais so semelhantes,
porm no so iguais. Se aumentarmos a quantidade de localizaes onde so feitas
observaes da mesma grandeza no mesmo perodo teremos sempre curvas parecidas, mas
todas elas tero aspectos diferentes entre si. O mesmo ocorrer se a analise for estendida para
anos anteriores a 2009 ou posteriores a 2010, dificilmente teremos a mesma curva.
Portanto, cada srie temporal uma trajetria, ou parte de uma trajetria dentre vrias
possveis, de um mesmo processo fsico, Morettin (1981). Estes processos so estudados por
meio de modelos governados por leis probabilsticas, isto , as variveis so definidas em um
espao de probabilidades. Esses processos so denominados de Processos Estocsticos.
Introduzida a noo de processo estocstico pode agora ser dito que uma srie
temporal um sinal aleatrio, , de um processo estocstico. Observa-se ento que sendo
o sinal uma varivel aleatria, a sua modelagem matemtica probabilstica, no-
determinstica como ocorre no caso de sinais analisados por funes pr-determinadas (na
literatura chamados de sinais determinsticos).
Encontra-se em Cataldo (2012, v.68, p.13) a seguinte afirmao sobre a abrangncia
de processos estocsticos, existem inmeras aplicaes de tais modelos nas mais diferentes
reas de conhecimento. Nas comunicaes via telefone celular, no processamento digital de
sinais (voz, imagem, vdeo,...), nos sistemas de radar, nos investimentos na bolsa de valores,
19

em sistemas biolgicos, na dinmica de sistemas mecnicos,... H, ainda, aplicaes em
Geometria Diferencial e Sistemas Dinmicos.
Quando sinais so colhidos sob as mesmas condies e os seus resultados variam
define-se o processo possui componentes aleatrio. Os modelos probabilsticos so capazes de
prever possveis resultados ou faixa de resultados para os sistemas em que os resultados so
aleatrios; isto , embora as entradas sejam as mesmas, as sadas desses sistemas so
diferentes.
Conclui-se que, apesar da natureza aleatria, este tipo de processo pode ser estudado
satisfatoriamente por meio de regularidades estatsticas entre sinais ou sries temporais
observadas do mesmo processo.
A seguir apresenta-se a definio formal de processo estocstico, segundo Morettin
(1999, p.27):

Definio 2.1 Seja um conjunto arbitrrio. Um processo estocstico uma famlia
, tal que, para cada , uma varivel aleatria. O conjunto de
todas as trajetrias chamado de ensemble do processo.

De acordo com a Definio 2.1, o que se tem apresentado na Figura 2 so trs
trajetrias de um mesmo processo estocstico.
Para mais informaes sobre processos estocsticos recomendam-se as obras de
Morettin (1999), Morettin e Toloi (1981), as notas em matemtica aplicada de Sampaio,
Ferreira e Brando (2012), referenciadas na presente pesquisa.
Existem modelos de processos estocsticos de variveis contnuas e discretas. Neste
trabalho sero analisadas sries temporais de dados meteorolgicos reais em tempo discreto
com a finalidade de investigar a ocorrncia de correlao, semelhana e regularidades entre as
sries temporais da velocidade e da direo do vento no perodo de tempo e na mesma
localidade.

20

2.3. PROCESSAMENTO DE SINAIS

Em sntese o processamento de sinais consiste na anlise e modificao de sinais de
forma a extrair informaes adicionais importantes que no estavam disponveis no formato
original, e ainda, torn-los mais apropriados para alguma aplicao especfica.
Em se tratando de sinais e de seus respectivos sistemas, muitas vezes interessante
caracteriz-los em detalhes com objetivo de explorar e entender seus comportamentos sobre
diversas condies. Nos sistemas eltricos de potncia, por exemplo, interessante classificar
os sinais visando identificar anomalias no processo de transmisso e distribuio de energia
eltrica.
No entanto, necessrio o amplo desenvolvimento de metodologias e ferramentas que
possibilitem processar sinais de maneiras particulares ao invs de somente analisar os
sistemas existentes, como acrescenta Oppenheim e Willsky (2010, p.20), um contexto muito
comum em que esses problemas surgem no projeto de sistemas para melhorar ou restaurar
sinais que foram degradados de alguma maneira. Em geofsica, por exemplo, na explorao
de petrleo, os sismogramas oferecem uma imagem adequada da estrutura geolgica do
subsolo, porm, estas imagens contm rudos indesejveis conhecidos na literatura como
ground roll (rolamento superficial). Neste caso, conveniente se obter mtodos que permitam
um bom tratamento de remoo (ou atenuao) mxima do rudo indesejvel sem causar
descaracterizao da informao de interesse dos sismogramas.
Sobre remover rudos e explorar sistemas por ngulos no disponveis na amostragem
no domnio real acrescenta Leite (2007, p.13), Contudo, quando se deseja obter informaes
adicionais s quais no esto disponveis em seu formato original (domnio temporal)
necessrio realizar uma transformao matemtica sobre . Entende-se por analogia que
esta afirmao engloba os sinais discretos no tempo.
A anlise espectral de um sinal feita decompondo-o numa base matemtica formada
por funes de anlise conhecidas cujas componentes so funes elementares exponenciais
complexas. As componentes do sinal na base de exponenciais descreve o espectro do sinal, ou
seja, sua composio na frequncia (Sampaio; Ferreira; Brando, 2012, v.21, p.9). Portanto,
informaes adicionais podem ser estudadas em outros domnios a partir de novas
representaes obtidas por meio de tcnicas e transformaes matemticas. Nisto se define o
processamento de sinais.
Ainda, o processamento de sinais pode ser realizado de duas maneiras: a analgica e a
digital, sendo que o processamento de sinais analgicos trata com dados contnuos no tempo e
21

o processamento de sinais digitais com dados discretos no tempo. Para o tratamento de ambos
os tipos existem diferentes tcnicas matemticas de transformao de sinais.
Hoje em dia existem diversos dispositivos que podem ser usados no processamento
digital de sinais. Por exemplo, tm-se os rpidos e versteis DSPs (Digital Signal Processor)
que so microprocessadores especializados em processamento digital de sinal e usados para
processar sinais de udio, vdeo, etc, em tempo real ou em off-line, eles so capazes de
calcular rapidamente a Transformada Rpida Fourier; tm-se os microcontroladores que se
trata de um microprocessador contendo processador, memria e perifricos, podendo ser
programado para funes especficas contrastando com outros microprocessadores de
propsito gerais; e os FPGAs (Field Programmable Gate Array) dispositivos que podem ser
programados de acordo com as aplicaes dos usurios, largamente utilizado para o
processamento de informaes digitais. Tm-se alguns softwares que possuem rotinas prontas
e permite a construo facilitada de algoritmos para o processamento de dados em um PC.

2.4. TCNICAS DE PROCESSAMENTO DE SINAIS

Diversas tcnicas so usadas no processamento de sinais e sries temporais. Em toda
transformao aplicada sobre um sinal, as funes de base utilizadas pelo mtodo em questo
determinam o tipo de informao adicional que poder ser extrada do processo em anlise.
No domnio de frequncia (anlise espectral) a ferramenta matemtica mais difundida entre os
profissionais para processamento de sinais a Transformada de Fourier que faz o uso de
funes harmnicas (senos e cossenos) como funes de base. Vale ressaltar que este tipo de
abordagem constitui um mtodo no paramtrico (em contraste aos mtodos que utilizam um
nmero finito de parmetros bem definidos) de anlise de processos estocsticos, cuja
descrio obtida para o sinal se d pela caracterizao do seu contedo na frequncia e
nenhuma informao temporal.
Segundo Hanselman e Littlefield (2003, p.251), ferramentas de domnio de
frequncia, tais como as Sries de Fourier, as Transformadas de Fourier e suas variantes
discretas constituem uma das pedras angulares do processamento de sinais. Essas
transformadas decompem um sinal em uma sequncia ou contnuo de componentes senoidais
que identificam o contedo de domnio de frequncia do sinal. A Figura 3 uma
representao da Transformada de Fourier onde um sinal temporal passa a ser representado
em termos das frequncias presentes no mesmo, e com as suas respectivas amplitudes.
22

Figura 3 Transformao de Fourier de um sinal para o domnio de frequncia

Fonte: Misiti (2003)

A informao obtida quando se aplica a Transformada de Fourier em um sinal
completamente caracterizada pelo seu contedo na frequncia, inclusiva no possvel
localizar o tempo em que as frequncias ocorrem.

2.4.1. Anlises de Fourier

A anlise de Fourier um dos mais antigos assuntos em anlise matemtica e de
grande importncia para matemticos e engenheiros. O estudo de sinais e sistemas realizando
decomposio de funes peridicas em sries trigonomtricas convergentes denominado
anlise de Fourier em homenagem a Jean Baptistes Joseph Fourier (1768 - 1830) por sua
contribuio teoria de representao de funes como superposies ponderadas de senides
aplicada nos seus revolucionrios estudos da propagao de ondas de calor.

Figura 4 Jean Baptiste Joseph Fourier (1768-1830), francs.

Fonte: Souza (2010)
23

Fourier ficou rfo de pai e me aos nove anos de idade, quando foi internado no
colgio militar beneditino de Auxerre (uma comuna francesa na regio administrativa da
Borgonha, no departamento Yonne), onde nasceu. Bem cedo j era considerado um menino
prodgio, demonstrando sua vocao para a cincia foi convidado a lecionar com apenas
dezesseis anos. Em 1789 aderiu causa da Revoluo Francesa. O ativismo poltico o fez
passar por muitas turbulncias, porm o jovem era apaixonado pelas ideias de igualdade. Sua
produo intelectual vai alm das famosas e difundidas anlises de Fourier. Geralmente ele
creditado tambm pela formalizao de uma teoria do efeito estufa; ele mostrou que o efeito
de aquecimento do ar dentro das estufas de vidro, utilizadas para manter plantas
de climas mais quentes no clima mais frio da Europa, se repetiria na atmosfera terrestre.
Durante sua vida Fourier teve como professores Joseph Louis de Lagrange, Pierre Simon
Laplace e Gaspard Monge, os maiores fsico-matemticos da poca, com quem manteve
excelentes contatos por intermdio da cle Polytechnique, onde lecionou em 1794. Em 1822
escreveu sua obra Theorie Analytique de La Chaleur" (Teoria Analtica do Calor) realizando
um marco na fsica-matemtica. Seu trabalho contribuiu com os fundamentos da
termodinmica e constituiu uma melhoria ainda hoje muito importante para a modelagem
matemtica de fenmenos fsicos. Em seguida outros cientistas e matemticos deram suas
contribuies formalizando a demonstrao da to utilizada Transformada de Fourier.

2.4.2. Representaes de Fourier

Quatro representaes distintas de Fourier so bem conhecidas na literatura, cada uma
delas apropriada a uma classe diferente de sinais e so definidas pelas suas propriedades
temporais. Os sinais peridicos tem representao pela srie de Fourier: a srie de Fourier
(SF) se aplica a sinais peridicos de tempo contnuo; e a srie de Fourier de tempo discreto
(SFTD) se aplica a sinais peridicos de tempo discreto. Sinais no peridicos tem
representao pela transformada de Fourier: se o sinal for no peridico de tempo contnuo
sua representao se denomina de transformada de Fourier (TF); se o sinal for no peridico
de tempo discreto sua representao se d pela transformada de Fourier de tempo discreto
(TFTD). A Tabela 1 faz uma relao entre as caractersticas do sinal e sua respectiva
representao pela anlise de Fourier.

24

Tabela 1: Propriedade temporal do sinal e sua respectiva representao em analise de
Fourier.
Propriedade de
tempo
Peridica No peridica

Contnuo
Srie de Fourier
(SF)
Transformada de Fourier
(TF)

Discreto
Srie de Fourier de tempo
discreto
(SFTD)
Transformada de Fourier de
tempo discreto
(TFTD)

Fonte: autoria prpria

Portanto, se as sries de Fourier s se aplicam a sinais peridicos, sinais que no
possuem periodicidade so devidamente representados pela transformada de Fourier que por
sua vez engloba uma classe mais ampla de sinais.

Definio 2.2 Diz-se que uma funo tem perodo ou que peridica com perodo
, se, para todo t, , e , uma constante positiva. O menor valor
de chamado perodo mnimo de .

Figura 5 Exemplo grfico de um Sinal peridico

25

Observa-se que uma funo peridica, conforme a Definio 1.2, admite a notao de
iterao da seguinte maneira: , onde para denotar a
periodicidade.

2.4.3. Sries de Fourier

A seguir procura-se realizar uma abordagem breve, mas suficiente, sobre a srie e a
transformada de Fourier, tal que possibilite uma compreenso genericamente introdutria da
anlise de Fourier, e de suas variantes, como ferramentas poderosas de representao
frequncial, portanto, suficiente para anlise de sinais estacionrios.
Por intermdio da srie de Fourier, qualquer funo peridica, por mais complicada
que seja, tem sua representao equivalente como uma soma de componentes senoidais de
frequncias distintas.
Sabemos que a frequncia definida como o nmero de ocorrncia de um
determinado evento durante o tempo de um perodo unitrio. Em outras palavras, ela dada
pelo inverso do perodo, , e se este for medido em segundo a frequncia ser dada em Hz,
conforme a seguinte equao:

(1)

Outro tipo de frequncia utilizado no estudo de fenmenos ondulatrios a frequncia
angular unitria denotada por
, que significa a taxa de variao temporal de uma

determinada angulao. A frequncia angular definida por:

(2)

Seja a funo temporal peridica com perodo , que obedece s condies de
Dirichlet, Spiegel (1976, p. 30). Em todo ponto de continuidade esta funo possui
representao equivalente pela srie de Fourier,
, dada pela seguinte equao na forma

trigonomtrica:
26

)+
(3)

Onde os coeficientes
so calculados pelas respectivas frmulas:
(4)

(5)

(6)

Observa-se que conhecido
, dado pela equao (3), e os coeficientes dados pelas

equaes (4), (5) e (6), pode ser reconstruda temporalmente.

A seguir temos o seguinte exemplo. Calcule analiticamente a srie de Fourier da
funo cujo perodo igual a dois:

(7)

Conhecendo o perodo , calculam-se os coeficientes dados pelas equaes de (4)
a (6) onde o ndice do somatrio da equao (3) e corresponde ao nmero de perodos
completos. Portanto ele uma constante dentro das respectivas integrais:

(8)

27

Tem-se ento, uma integral por partes. possvel separar o produto da equao (8) em
duas funes, cham-las de e e assim aplicar o mtodo da integrao por
tabulao que um mtodo simplificado de solucionar integrais deste tipo com agilidade,
Thomas (2002):

Obtemos:

[(
) (
) ]

Anlogo ao que feito com
temos o seguinte para
[(
) (
) ]

Assim, a funo mostrada pela equao (7) tem sua representao pela srie de Fourier
dada pela seguinte equao:

(9)

Ento, para cada ndice n a equao (9) ir gerar uma componente de onda. A soma de
todas as ondas, ou seja, , sintetiza o grfico da funo (7).
28

A Figura 6 ilustra quatro componentes de frequncias (para de 1 at 4) da srie de
Fourier representada pela equao (9),para a funo dada pela equao (7).

Figura 6 Componentes de frequncia da srie de Fourier da equao (9) da funo
mostrada na equao (7) para de at .


A reconstituio grfica para a funo da equao (7) no domnio temporal dada pela
soma das componentes de frequncia. Uma aproximao para de at apresentada na
Figura 7.

Figura 7 Reintegrao da funo por meio da soma das componentes da srie
de Fourier para de at

29

A Figura 7 mostra cinco perodos completos da onda conhecida na literatura como
dente de serra, em que a amplitude de descida igual a zero.

2.5. TRANSFORMADA DE FOURIER

Como demonstrado na Tabela 1, a srie de Fourier se aplica somente a sinais
peridicos. Quando um sinal no apresenta periodicidade sua representao na frequncia
dada em termos da transformada de Fourier. Assim, a equao (3) pode ser escrita na forma
exponencial da seguinte maneira:

(10)

Fazendo
, temos que:

(11)

A equao (10) fornece os coeficientes complexos da srie de Fourier, descritos por
uma magnitude e uma fase.
Um sinal aperidico pode ser visto como um sinal peridico com um perodo
infinito,

Fazemos o perodo tendendo ao infinito:

Essa nova funo uma funo peridica e pode ser representada por uma srie de
Fourier.
Sabemos que se o perodo tende a ser infinito,
tende a ser , de modo que a srie de

Fourier que representa
tambm representar .
30

Em outras palavras, quando o sinal no apresenta periodicidade, ele pode ser expresso
por uma soma contnua, ou seja, uma integral, de sinais exponenciais, generalizando a srie de
Fourier na forma exponencial:

(12)

A equao (13) a Transformada de Fourier analtica, que fornece a representao em
termos de frequncia de . A equao (12) a Transformada inversa de Fourier de .

(13)

Como exemplo considere o seguinte sinal e calcule a sua Transformada de Fourier
analiticamente:

(14)

A representao grfica para a funo da equao (14 ) pode ser vista na Figura 8 a
seguir.

Figura 8 Representao grfica de para

Fonte: Souza (2010)
31

Como a funo s est definida para , temos que o perodo do sinal .
Usando a equao (13) temos:

Ento a expresso da Transformada de Fourier analtica para a funo representada na
equao (14) :

(15)

Vemos que a expresso (15) uma funo de nmeros complexos. Para visualizar o
seu grfico necessrio decompor o sinal em mdulo e fase.
Facilmente verificamos que o mdulo da equao (15) dado pela seguinte expresso:

||

O mdulo da Transformada de Fourier, de acordo com a equao (14) ilustrado na
Figura abaixo.

32

Figura 9 Diagrama do mdulo da transformada de Fourier de .

Fonte: Souza (2010)

Exemplificamos a visualizao do espectro de Fourier de um sinal sinttico, ,
composto por trs sinais de frequncias distintas. A Figura 10, seguinte, mostra um sinal no
domnio do tempo sobre o qual no possvel fazer afirmaes, ou sequer visualizar
informaes, no domnio de frequncia.

Figura 10 Representao simulada de um sinal no domnio temporal.


33

Realizando a transformada de Fourier desse sinal e obtendo o diagrama do espectro de
frequncia podemos visualizar sua composio frequncial, conforme o grfico seguinte.

Figura 11 Espectro de Fourier do sinal sinttico .


Vemos que o sinal apresenta trs amplitudes de frequncias distintas se
destacando: 200 Hz, 350 Hz e 500 Hz. Este resultado coerente. Podemos ver atravs da
figura 12 que o sinal nada mais do uma soma de trs sinais senoidais com frequncias
diferentes, sintetizados em computador apenas para estudo.

Figura 12 Sinais componentes de frequncias 200 Hz, 350 Hz e 500 Hz, que
compem .


34

Portanto, vimos que ao se olhar para as anlises de Fourier de um sinal, temos
informaes sobre a frequncia global do sinal. No entanto, no possvel realizar nenhuma
anlise minuciosa em pequenos trechos do sinal, nem localizar mudanas rpidas de
frequncias e, ainda, nenhuma informao pode ser retirada acerca da localizao temporal
das frequncias detectadas.
Quando um sinal no apresenta alteraes no tempo de suas propriedades estatsticas
isso irrelevante. Porm, uma classe extensa de sinais apresenta caractersticas no
estacionarias ou de natureza transiente, para os quais a localizao temporal indispensvel.
Para estudar tais sinais necessrio se ter disposio uma transformada que seja
capaz de obter o contedo de frequncia de um sinal localmente no tempo (ou espao), e que
fornea um tratamento detalhado desse sinal. Essa impossibilidade encontrada na
transformada de Fourier possibilitou a criao de mtodos de anlise em tempo-frequncia,
tais como, a transformada de Fourier-Gabor (Short Time Fourier Transform) e a transformada
Wavelet.

2.6. TRANSFORMADA DE FOURIER-GABOR

O mtodo de Janelamento uma proposta inicial para efetuar anlises em sinais no
estacionrios feita pelo engenheiro eltrico Denis Gabor, em 1946, para cobrir a deficincia
na transformada de Fourier. Ele adaptou a transformada de Fourier adicionando uma janela,
ou seja, uma funo de anlise auxiliar no integrando da transformada de Fourier capaz de
analisar o sinal dividindo-o em sees de tamanhos iguais. Essa funo conhecida como
tomo de Gabor e o mtodo como Transformada de Fourier-Gabor, Leite (2007). Este
mtodo apropriado para identificar aspectos temporais de uma determinada regio do sinal.
Neste esquema, o sinal ou serie temporal dividido em intervalos iguais e a transformada de
Fourier aplicada em cada um destes trechos por uma janela de tamanho fixo e constante por
todo o sinal. Vale ressaltar que o fato de a anlise de sinal ser completamente feita por uma
janela invarivel impede que sejam descritas as altas e as baixas frequncias simultaneamente.
A Figura 13 representa a transformada de Fourier Gabor que proporciona
informaes sobre as localizaes temporais das estruturas de frequncias de acordo com o
tamanho da janela definida para efetuar a anlise por todo o sinal. Percebe-se que os tamanhos
de janelas, uma vez escolhido um tamanho, eles so iguais por todo o tempo do sinal.

35

Figura 13 A transformada janelada de Fourier fornece uma representao em tempo
frequncia.


Considere o seguinte exemplo grfico ilustrativo, encontrado em Barbosa (2008). So
apresentadas trs sries temporais com 16 segundos de durao. Cada uma contendo
frequncias e amplitudes distintas: 1 Hz, 5Hz e 10 Hz, conforme ilustradas na Figura 14(a). A
Figura 14(b) mostra a resultante da soma das trs frequncias durantes os 8 segundos iniciais
da srie, e a soma das frequncias de 1 Hz e 10 Hz para os 8 segundos restantes.

Figura 14 Em (a) tem-se a sries temporais de frequncias distintas e em (b) tem-se a
srie resultante da soma de trs e duas frequncias, simultaneamente.

Fonte: Bolzan (2006)

36

A seguir, na Figura 15, tem-se a Transformada de Fourier efetuada sobre a srie
temporal mostrada na Figura 14(b).

Figura 15 Espectro de fourier para o sinal mostrado na figura 14(b).


A seguir exemplificada a tcnica desenvolvida por Gabor. O sinal representado no
grfico da figura 14(b) novamente apresentado para ser analisado, a fim de obter-se a
localizao temporal das estruturas de frequncias durante o tempo de decorrncia do sinal,
tambm apresentado anteriormente. Para efetuar a anlise usando a transformada de Fourier-
Gabor, a srie temporal foi dividida em cinco seguimentos com intervalos de tempos iguais,
trs segundos cada uma. Em cada trecho de trs segundos ser aplicada uma janela de
mesmo tamanho, fixo para todo o sinal, definida pelos coeficientes determinados na funo
tomo de Gabor no inicio do procedimento. Em seguida, aplica-se a Transformada de
Fourier separadamente em cada trecho.
A Figura 16(b) mostra o grfico das Transformada de Fourier (juntados) para cada
janela temporal no intervalo citado. A tcnica percorreu todo o sinal, porm, analisou janela
por janela. Diferentemente da transformada de Fourier clssica, agora temos informaes
temporais e podemos dizer com certa preciso em quais tempos, ou intervalo de tempo, esto
localizadas as estruturas de frequncias.

37

Figura 16 Em (a) tem-se a srie temporal resultante e em (b) a Transformada de
Fourier aplicada separadamente aos segmentos (janelas) da srie.


Podemos visualizar como as trs frequncias presentes no sinal esto espalhadas
temporalmente. Vemos que as trs frequncias esto presentes nos dois primeiros segmentos
de fato, e que somente duas frequncias (1 Hz e 10 Hz) esto presentes na outra metade do
sinal. Como j era esperado, porem no podia ser visto.
A representao obtida pela Transformada de Fourier fornece alguma informao no
tempo, porm, torna-se claro que a sua limitao dada pelo tamanho da janela que definida
no incio do processamento. Uma vez definida o seu tamanho ela ir percorrer todo o sinal
sem a possibilidade de ser ajustada aos trechos particulares da funo. As wavelets surgiram
para suprir tal necessidade.

2.7. ANLISE WAVELETS

Da necessidade de ser obter localizao temporal das estruturas de frequncias, foram
desenvolvidas as funes wavelets para atuarem como funes de base na decomposio de
funes
, onde
o espao das funes de quadrados integrveis, do

domnio temporal para o domnio dual tempo-escala. Aqui a escala est relacionada
diretamente com a frequncia. Assim, a transformada wavelet foi introduzida como uma
38

potencial e eficiente ferramenta matemtica para se obter representaes mais adequadas de
funes (sinais) em um domnio dual de parmetros. Agora, dependendo da informao na
frequncia que se queira analisar, as funes de base (wavelets) so ajustadas por dois
parmetros: temporal e escala .
Em contraste com os outros mtodos de processamento de sinais tratados aqui, com a
transformada wavelet permitido que os seus parmetros de analise sofram variaes de
acordo com as caractersticas de cada trecho do sinal com que se trabalha. Assim a rea de
processamento de sinais tem a sua disposio uma ferramenta capaz de capturar informaes
globais e locais de um processo. A Figura 17 mostra que os tamanhos de janelas para
localizao de frequncias so ajustveis a cada trecho do sinal de forma que ela consegue
localizar altas e baixas frequncias, simultaneamente, em um mesmo trecho temporal.

Figura 17 Transformada wavelet: decomposio em tempo escala com tamanhos de
janelas variveis.


A teoria Wavelet apresenta uma viso inovadora de conceitos relacionados a
representao em tempo-frequncia na anlise de funes no estacionrias. A teoria
matemtica das wavelets para anlise e interpretaes de sinais encontrada na literatura com
diversas nomenclaturas, todas elas remetem ao significado de pequenas ondas. Em portugus,
o mais usual tem sido o termo ondaletas (uma traduo do ingls para o portugus do termo
wavelets). Segundo Protzio (2002), foi no incio do sculo passado, em 1910, que o fsico
Alfred Haar introduziu um sistema completo de funes ortogonais com muitas propriedades
e caractersticas que fazem das wavelets, atualmente, ferramentas matemticas com vasto
campo de aplicaes nas cincias mais diversas. A formalizao da teoria das wavelets, tal
como a vemos hoje, algo desenvolvido recentemente, baseado na generalizao de conceitos
oriundos de diversos campos da cincia. Inicialmente o uso das wavelets se deu na rea de
geofsica, mas o fato de seu desenvolvimento ter se dado de forma interdisciplinar tem
levado-a a atingir um vasto campo de aplicaes, Leite (2007).
39

Formalmente, uma wavelet, usualmente denotada pela letra , deve apresentar as
seguintes condies:

I. A condio de admissibilidade:

(16)

II. A funo wavelet deve ter energia unitria:

||
(17)

As condies apresentadas acima garante que a funo wavelet de quadrado
integrvel e que pertence ao espao
. A primeira condio sugere que a funo wavelet

apresenta caractersticas oscilatrias ao longo do eixo temporal e que possui mdia nula.
A condio de Admissibilidade tambm garante a existncia da transformada wavelet inversa,
que a reconstruo da funo em sua formatao original. A segunda condio est
relacionada com a localizao da energia (concentrada) da funo wavelet em um certa regio
finita do espao. Esta condio de energia concentrada a principal caracterstica que
diferencia as anlise de sinais utilizando as funes wavelets e anlise de funes utilizando
as funes harmnicas (Anlise de Fourier).

2.7.1. Transformada wavelet

A transformada Wavelet uma transformao linear com capacidade de analisar
processos no estacionrios para extrair informaes sobre variaes de frequncias e detectar
suas estruturas temporalmente (ou espacialmente) localizadas. Do ponto de vista histrico,
primeiro surgiu a transformada wavelet contnua, depois a anlise multirresoluo e a
transformada discreta.
40

2.8. TRANSFORMADA WAVELET CONTNUA

A Transformada Wavelet Contnua da funo
formalizada pela
decomposio da funo em uma base formada por funes wavelets Em sua
formulao matemtica, a transformada wavelet contnua dada pela integral:

(18)

Onde,

). (19)

A equao (19) representa uma famlia de funes wavelets usada para a
transformao e que, na literatura denominada de wavelet-me. O parmetro est
relacionado com a dilatao/contrao da funo e refere-se escala usada. O parmetro
est relacionado com a translao ou localizao da funo wavelet-me. O termo ||

corresponde a um fator de normalizao para a energia da wavelet
Isto implica em
manter a energia da wavelet principal localizada em dada regio do espao. Isto significa
dizer que as amplitudes da funo so apreciveis apenas nesta regio localizada. Nesse
sentido, a equao (18) mede as flutuaes da funo (ou sinal)
na vizinhana
de , cujo tamanho proporcional ao parmetro de escala
A equao (18) fornece os coeficientes da transformada wavelet continua de uma
funo (ou sinal) . Esses coeficientes representam uma correlao em um espao dual
entre a funo e a base formada pelas wavelets. A variao dos parmetros e est
relacionada, respectivamente, com a dilatao (ou contrao) e a translao temporal da
funo analisadora ao longo do sinal. Para o parmetro a dilatao acontece se , a
contrao ocorre se .
As afirmaes descritas acima para os parmetros e podem ser melhores
entendidas com os exemplos mostrados na Figura 18. Na Figura 18(a), tem-se a ilustrao de
uma famlia de wavelet contnua para alguns valores do parmetro de translao e para o
parmetro de dilatao . A wavelet mostrada a derivada segunda da funo gaussiana. Na
41

literatura conhecida como Chapu Mexicano devido a sue formato visual. Na Figura 18(a)
ilustrada a wavelet
para os valores de e O parmetro significa que a

wavelet est centrada em isto , na origem. A wavelet
gerada pela contrao no

parmetro
e pela translao (para a direita) do parmetro Percebe-se que a

anlise temporal da wavelet
diminuda quando compara com a wavelet
devido
contrao no parmetro de escala . Semelhante, a wavelet
gerada, a partir de
, por
contrao no parmetro
e dilatao (para a esquerda) do parmetro Percebe-

se que a anlise temporal da wavelet
diminuda quando compara com as wavelets
devido contrao mais acentuada no parmetro de escala .

Figura 18 (a) Ilustrao de dilatao e translao de uma funo wavelet para valores
dos parmetros e . (b) Transformada de Fourier (espectro na frequncia) para as wavelets
ilustradas em (a).

Fonte: Leite (2007)

O espectro de Fourier mostrado na Figura 18(b) para as wavelets
. Nesta
figura, observa-se que quanto maior a anlise temporal menor a anlise na frequncia para
a wavelet. Na ilustrao acima, a wavelet que possui suporte maior no tempo a wavelet

42

(mais espalhada). Portanto, o seu espectro de frequncia localizado para frequncias
menores.
Cada tipo de wavelet-me possui uma melhor ou pior localizao nos domnio da
frequncia e/ou tempo. necessria a escolha de uma wavelet para a base de maneira
conveniente, de forma que o sinal seja adequadamente caracterizado e se evite distores no
resultado. Em linhas gerais, Protzio (2002) comenta que as seguintes caractersticas podem
ser observadas na escolha de uma wavelet me para obter representao em tempo-escala:
ortogonalidade e no ortogonalidade; complexa ou real; suporte compacto; formato da
wavelet e do sinal.

Agora considere o grfico da srie temporal mostrada na Figura 19(a). Esta srie a
mesma analisada com a Transformada de Fourier-Gabor para extrair informaes temporais
das localizaes das trs diferentes componentes de frequncia (Figura 16). A Figura 19(b)
apresenta a decomposio em tempo-escala deste mesmo sinal utilizando a Transformada
Wavelet Contnua e seus coeficientes so mostrados em mapa de cores. Percebe-se a
localizao com maior preciso e visibilidade das ocorrncias destas frequncias durante o
tempo do sinal.

Figura 19 Em (a) tem-se a srie temporal e em (b) a Transformada Wavelet
Contnua para esta srie.

43

possvel visualizar no eixo vertical do escalograma da transformada wavelet (parte
inferior da figura) uma listra clara na escala 1 e uma outra na escala 10, um pouco mais
acinzentada. Elas esto presentes durante todo o tempo do sinal. Vemos em 5 uma outra listra
bem presente, esta vai somente at a metade do tempo do sinal, exatamente como estipulamos
no Exemplo 1.4. Alm disso, outra informao apresentada por meio da transformada
wavelet relacionada energia. Podemos identificar na cor acinzentada da frequncia 10, que
ela contm maior energia associada em relao as frequncias mais baixa. Normalmente em
pacotes computacionais ou toolbox de wavelets tem-se a disposio uma escala de cor que
permite realizar esta visualizao dos nveis de energia.

2.8.1. Transformada Wavelet Inversa

A Transformada Wavelet Contnua satisfaz a propriedade ser uma transformada
matemtica inversvel. Portanto, a recuperao da funo (sinal) possvel pela
definio da Transformada Wavelet Inversa.
A Transformada Wavelet Inversa dada por;

A Transformada Inversa a reconstruo da funo original somando as funes
da base, que so ponderadas em amplitudes pelos coeficientes
da transformada
direta. Para que a funo original possa ser reconstruda sem perdas de informao
necessrio que a wavelet obedea as condies de Adminissibilidade e Energia finita
apresentadas anteriormente neste trabalho.

2.9. COERNCIA WAVELET

Em muitos processo da natureza interessante saber detalhes de sua ocorrncia em
termos de sua intensidade, bem como a correlao entre as grandezas que deram origem ao
processo. Em meteorologia, por exemplo, muitas variveis esto envolvidas,
44

simultaneamente, na origem de fenmenos climticos. A coerncia wavelet uma ferramenta
matemtica advinda do desenvolvimento da teoria das wavelets e que possibilita detectar a
correlao e a semelhana entre eventos temporais, em termos de tempo-escala, frequncia e
energia. Antes de definir matematicamente coerncia wavelet necessrio falar sobre o
espectro wavelet cruzada.
Para examinar a relao e a semelhana entre dois sinais foi criado o Espectro Wavelet
Cruzada, caracterizada pelo mdulo e pela fase da transformada wavelet contnua obtida
usando valores complexos, Varanis e Pederiva (2011). A fim de se obter uma visualizao da
correlao e semelhana entre dois sinais ou sries temporais, define-se o Espectro Wavelet
Cruzada
entre dois sinais e como sendo, Torrence (1998):

onde
so os coeficientes das transformadas wavelet contnua individual

(conforme a equao (18)) para cada sinal e , respectivamente. O sobrescrito
simboliza o complexo conjugado. Dessa forma, o termo
da equao (20) expressa

o produto dos coeficientes da transformada wavelet em uma dada escala , na vizinhana
temporal Nesse sentido, os coeficientes do Espectro Wavelet Cruzada

revela quando existe um grau elevado de correlao entre e , para intervalos
diferentes (especificados pela escala) na vizinhana de
Uma forma de enfatizar a correlao local dos sinais e atravs da
Coerncia Wavelet que introduzida por, Torrence (1999):

|(
)|
)(
)

Na equao (22) o fator
introduzido para normalizar a densidade de energia e

representa um operador de suavizao em tempo e escala para a wavelet usada. A equao
(22) possibilita representar a correlao entre os dois sinais por meio de um diagrama (mapa
de cores ou escalograma) em funo do tempo-frequncia no qual possvel a visualizao de
eventos coincidentes sobre as escala e frequncias, em cada instante de tempo dos sinais.
45

A Coerncia Wavelet apresenta valores entre 0(zero) e 1(um). Para valores de
prximos de 1(um) a correlao alta. Para valores de
prximos de
0(zero) a correlao baixa.

Figura 20 Em (a) e (b) tem-se dois sinais temporais senoidais (c) e (d) suas
respectivas transformada wavelet em mapa de cores.

Fonte: Torrence e Webster (1999)

Para o entendimento do procedimento realizado neste trabalho para as sries temporais
meteorolgicas vamos mostrar, graficamente, exemplos demonstrativos do Espectro Wavelet
Cruzada e Coerncia Wavelet. Na Figura 20(a) e 20(b) acima so mostrados dois sinais
temporais senoidais e de mesma frequncia e mesma amplitude. O eixo horizontal
diz respeito ao domnio temporal e o eixo vertical representa as amplitudes do sinal. Na
Figura 20(c) e 20(d) acima se apresenta os escalogramas resultantes das Transformadas
Wavelet Contnua de cada sinal. O eixo horizontal representa o domnio temporal (eixo das
translaes wavelet) e o eixo vertical as escalas para a wavelet usada. A wavelet-me de
Morlet foi utilizada para o clculo da Transformada Wavelet Contnua. O clculo da
46

Transformada Wavelet Contnua foi realizado conforme a equao (18). Dessa anlise
percebe-se que a os coeficientes da Transformada Wavelet Contnua possuem valores
significativos para cada sinal prximo (em volta) a escala 105. Portanto, so necessrias
poucas escalas para descrever os sinais e no espao das wavelets.

Figura 21 Em (a) tem-se os dois sinais (superpostos, pois so iguais) temporais senoidais
iguais e (b) o espectro wavelet cruzada, para os dois sinais, em mapa de cores.


Na Figura 21(a) acima se apresenta a superposio para os mesmos dois sinais
temporais senoidais e e em (b) os coeficientes do Espectro Wavelet Cruzada em
mapa de cores (escalograma). Os eixos vertical e horizontal da Figura 21(a) representam as
amplitudes e o domnio temporal, respectivamente, e na Figura 21(b) representam as escalas e
o tempo, respectivamente, para os coeficientes
do Espectro Wavelet Cruzada.

Esses coeficientes revelam que existe um grau elevado de correlao entre os dois sinais
prximo da escala 105 em todo o domnio temporal. Essa correlao diminui para as
escalas adjacentes.

47

Figura 22 Coerncia wavelet, para os dois sinais, em mapa de cores.


A Figura 22 acima apresenta a Coerncia Wavelet
. Os coeficientes da
Coerncia Wavelet so mostrados em um mapa de cores (escalograma) para os dois sinais
senoidais. O eixo horizontal representa o domnio temporal e o vertical as escalas utilizadas
para realizar o clculo da Coerncia Wavelet. Como j mencionado anteriormente, os sinais
possuem as mesmas frequncias e mesmas amplitudes, isto , os sinais so iguais. Dessa
forma, o grau de correlao entre os sinais alto. Como se pode observar nesta figura, os
coeficientes de correlao so mximos, constante e iguais a 1(um) para todas as escalas e
todo o domnio temporal.
Considerando-se que neste trabalho pretende-se fazer aferies sobre sries temporais
meteorolgicas conveniente apresentar uma demonstrao para sries temporais onde o grau
de correlao no se apresente to elevado. Para isso, introduz-se um rudo gaussiano, no qual
existe uma correlao temporal, aos sinais temporais e , os quais ainda possuem as
mesmas amplitudes e frequncia fundamental. A superposio dos sinais e
acrescidos do rudo gaussiano so ilustrados na Figura 23(a) e seu Espectro Wavelet Cruzada
mostrado na Figura 23(b). Os coeficientes do Espectro Wavelet Cruzada ilustrados em mapa
de cores na Figura 23(b) revelam que existe um grau elevado de correlao entre os dois
sinais prximo da escala 105 em todo o domnio temporal. Essa correlao diminui para
as escalas adjacentes. Percebe-se que o grau de coerncia menor que o grau de coerncia
48

mostrado no exemplo anterior. Essa percepo notvel devido a intensidade dos
coeficientes, isto , os coeficientes possuem menores intensidades no mapa de cores.

Figura 23 Em (a) tem-se os dois sinais (superpostos, pois so iguais) temporais
senoidais adicionados de rudo gaussiano e em (b) o Espectro Wavelet Cruzada, para os dois
sinais, em mapa de cores.


A Figura 24 abaixo apresenta a Coerncia Wavelet para os sinais temporais senoidais
acrescido de um rudo gaussiano. Os coeficientes
da Coerncia Wavelet so
mostrados em um mapa de cores (escalograma), conforme ilustra a figura. Como j
mencionado antes, quanto mais prximo de 1(um) maior a correlao wavelet. Dessa
anlise, percebe-se que o grau de correlao entre os sinais alto em todo o domnio temporal
para escalas menores que 200. Para escalas maiores que 200 possvel verificar existncia de
Correo Wavelet, em grau menor, para o domnio temporal entre 0 e 300 segundos e tambm
entre 1700 e 2500, aproximadamente. Para o intervalo temporal 400 e 1700 segundos e, acima
da escala 250, a correlao comea a diminuir e tem sua menor coleo centrada no tempo em
torno do tempo 900 segundo e na escala 415.

49

Figura 24 Coerncia Wavelet, para os dois sinais acrescidos do rudo gaussiano, em mapa
de cores.


3. METODOLOGIA

Os resultados obtidos nesta pesquisa foram processados no software proprietrio
MATLAB (Matrix Laboratory), verso R2012a, da empresa Mathworks. Trata-se de um
ambiente de programao tcnica, computao numrica, simulao e visualizao grfica.
Neste software foi utilizada a Wavelet Toolbox, na qual se apresenta uma coleo de funes
construdas e fornecidas para a anlise e sntese de sinais e imagens. As ferramentas so
oferecidas por meio de linha de comando ou interface grfica interativa.
Agora, passa-se a discutir a Coerncia Wavelet como a principal tcnica de anlise
apresentada neste Trabalho de Concluso. A Coerncia Wavelet foi aplicada a duas sries
temporais meteorolgicas para a deteco de semelhana (ou correlao). Utilizou-se como
funo de base a wavelet de Morlet, por haver na literatura um consenso sobre sua eficincia
em caracterizar sinais geofsicos. As wavelets contnuas so comumente utilizadas para
visualizar, atravs do mapa de cores citado anteriormente, a relao existente entre as
componentes de diferentes frequncias em funo da escala temporal da srie. As grandezas
em questo neste trabalho possuem relaes no lineares.

50

Figuras 25 Parte real da wavelet de Morlet


As sries temporais so de acesso livre e foram obtidas do banco de dados do Instituto
Nacional de Meteorologia (INMET), no qual se encontram disponveis sries temporais
meteorolgicas com medies dirias desde o ano de 1961 aos dias atuais. Os dados
disponveis so referentes a 291 localidades do territrio brasileiro, INMET (2013). Para
analisar os dados foram escolhidas cinco estaes meteorolgicas localizadas na regio do
nordeste para aferir suas grandezas fsicas. Os dados aqui analisados tm suas medidas
realizadas diariamente, em estaes meteorolgicas em anlise esto localizadas nas seguintes
cidades: Natal-RN, Joo Pessoa-PB, Cruzeta-RN e Patos-PB. O perodo analisado refere-se a
todo o ano de 2009 e de 2010. As medies foram efetuadas a partir das zero horas, sendo trs
medies por dia em intervalos de oito horas.

A Tabela 2 mostra as localizaes nas coordenadas geogrficas (latitude, norte-sul e
longitude, leste-oeste) e altitudes relativas das cidades (verticalmente) para estas estaes
meteorolgicas.

Cidade Estao Latitude () Longitude () Altitude (m)
Natal-RN 82598 -5.91 -35.20 48,60
Joo Pessoa-PB 82798 -7.10 -34.86 7,43
Cruzeta-RN 82693 -6.43 -36.58 226,46
Patos-PB 82791 -7.01 -37.26 249,09

51

A Figura 26, abaixo, mostra a disposio geogrfica para as localizaes das estaes
meteorolgicas.

Figura 26 Disposio geogrfica para as quatro estaes meteorolgicas onde os
dados foram colhidos.

Fonte: INMET (2013)

A meteorologia uma cincia que se ocupa de estudar as propriedades fsicas da
atmosfera, a fim de compreender processos que explicam a sua evoluo e possibilita prevr
estados futuros. Grandezas que caracterizam o sistema climtico, sobretudo as variveis com
maior impacto sobre as atividades, tais como temperatura, vento, precipitao, umidade
atmosfrica, agitao martima, dentre outras, so de interesses diretos para as previses
climticas.
Quando o ar esta em deslocamento horizontal pode-se dizer que ele esta submetido a
valores diferentes de temperatura e de presso de um ponto para outro. Este movimento,
caracterizado por uma direo e uma velocidade chama-se vento. Chamada direo
predominante do vento a direo em que o mesmo ocorre com maior frequncia, sendo que o
relevo da regio influi diretamente nesta direo. A direo do vento bastante varivel no
tempo e no espao, em funo da situao geogrfica do local, da rugosidade da superfcie, do
relevo, da vegetao, do clima e da poca do ano.

52

4 . RESULTADOS E DISCUSSO

Discutem-se agora os resultados obtidos atravs da aplicao da tcnica da Coerncia
Wavelet aos dados meteorolgicos (sries temporais) da Intensidade da Velocidade do Vento
e da Direo do Vento. O clculo para a Coerncia Wavelet,
feito conforme
mostrado na equao (22). Como foi visto anteriormente, com esta ferramenta de anlise,
possvel medir em inspeo visual, em certo grau, as correlaes entre as duas sries
representativas de grandezas fsicas em cada escala e localizao (temporal ou espacial)
especficas. Assim as sries so comparadas duas a duas para cada estao meteorolgica e
sempre entre a intensidade da velocidade do vento e a direo do vento.
As Figuras 27(a), 28(a), 29(a) e 30(a) mostram as dados meteorolgicos (sries
temporais) para a intensidade da velocidade do vento e a direo do vento para as seguintes
localizaes das estaes: Natal-RN, Joo Pessoa-PB, Cruzeta-RN e Patos-PB. Nestas figuras,
os eixos horizontais representam o domnio temporal e os eixos verticais representam as
amplitudes. No caso das sries temporais relativas direo do vento, o eixo vertical
representa coeficientes de direo definidos de acordo as pontas da rosa dos ventos, girando
no sentido anti-horrio. O grfico em cor vermelha (cor da linha) representa a intensidade da
velocidade do vento enquanto o grfico em cor azul (cor da linha) representa a direo do
vento para o mesmo instante de tempo. Trata-se de grandezas diferentes e, portanto, vale
ressaltar que configuram dimenses diferentes. A inteno de os dados serem colocados
sobrepostos numa mesma janela grfica simplesmente para visualizao das suas oscilaes
em todo o domnio temporal, tal com a fase entre os sinais.
Os resultados obtidos com a tcnica da Coerncia Wavelet conforme a equao (22)
encontram-se expressos nas Figuras 27(b), 28(b), 29(b) e 30(b), nos quais a visualizao
atravs de cdigos de cores (mapa de cores ou ainda escalogramas), isto , os coeficientes da
Coerncia Wavelet so quantificados por cores. A cor vermelha (vermelho escuro) indica
valores de coeficientes altos para a Coerncia Wavelet, a cor azul (azul escuro) indica valores
de coeficientes baixos para a Coerncia Wavelet. No entanto, uma regio onde predomina a
cor vermelha intensa indica alto ndice de coerncia (alto grau de correlao) entre os sinais
nas escalas e localizaes temporais correspondentes, enquanto as regies em cor com azul
escuro indicam baixa coerncia (baixo grau de correlao).
Nestes mesmos grficos, as setas indicam a diferena de fase entre os sinais. Setas
para a direita indicam que no existe uma diferena de fase entre os sinais nas respectivas
53

escalas e localizaes (ou seja, o crescimento de um sinal correlacionado com o crescimento
de outro, o mesmo para o decrescimento), enquanto que setas para a esquerda indicam
diferena de fase de 180 (cento e oitenta graus) entre os sinais, acusando uma anti-correlao
(ou seja, o crescimento de um sinal correlacionado com o decrescimento de outro, e vice-
versa).
Aproveitaremos os resultados para uma discusso acerca do significado das escalas
usadas para a Transformada Wavelet e, consequentemente, para a Coerncia Wavelet. As
escalas esto relacionadas, como j sabemos, ao suporte da wavelet usada. O suporte garante
que a wavelet s exercer influncia na operao com o sinal, no procedimento de
transformao para o espao das wavelets, em uma faixa localizada de tamanho especfico.
Assim, como a Coerncia Wavelet fornece o resultado de uma operao matemtica entre os
dois sinais no espao das wavelets, as escalas nos fornecem informaes acerca do tamanho
da faixa temporal em que esta comparao foi realizada. Assim, para os sinais de dados
meteorolgicos aqui analisados, coerncias em escalas mais finas (escalas menores)
significam que os dois sinais so correlacionados em escalas de tempo menores (intervalos de
tempo em horas a dias), enquanto que coerncia em escalas mais grosseiras (escalas
maiores) indica correlao em escalas de tempo maiores (intervalos de tempo em semanas,
meses ou at anos).
Os dados meteorolgicos analisados e representados na Figura 27(a) foram coletados
da estao meteorolgica localizada na cidade de Natal-RN e na Figura 27(b) temos os
coeficientes da Coerncia Wavelet
em mapa de cores. O que podemos verificar,

na figura 27(b), visualmente, (cor vermelha intensa) a existncia de uma grande correlao
compreendida para as escalas maiores que 910 (aproximadamente) e em todo o domnio
temporal. Portanto, conveniente afirmarmos que pode haver uma correlao entre a
intensidade da velocidade e a direo do vento quando consideramos, na anlise, intervalos de
tempo maiores (semanas ou meses). Nesta mesma regio, percebemos que as setas indicam
que no existe diferena de fase entre os sinais em suas respectivas escalas e localizaes
temporais. Portanto, entre os sinais da intensidade da velocidade do vento e a direo do vento
existe uma correlao positiva. E ainda dessa correlao destaca-se que existe uma
predominncia de direo do vento que corresponde a um determinado mdulo de velocidade
do mesmo naquela regio. Em outras palavras, podemos afirmar que a velocidade mdia e a
direo mdia do vento no variam (em mdia) para intervalos de tempo longos.
Para as escalas menores (menores que 910) percebemos, em uma regio central da
figura 27(b), que no existe correlao entre os sinais analisados. Nesta mesma regio, as
54

setas esto orientadas para a esquerda indicando uma diferena de fase de 180. Isto indica
uma anti-correlao entre os sinais.
Percebemos tambm, uma localizao temporal mais localizada de onde a correlao
entre as sries merece destaque. a localizao temporal de 1800 at 2190 e para todas as
escalas que existe um grau considervel na correlao para intervalos de tempo longos
(escalas maiores) e curtos (escalas menores).
As Figuras 28(a) e 28(b) mostram, respectivamente, os dados meteorolgicos e os
coeficientes da Coerncia Wavelet
em mapa de cores. Esses dados analisados

foram coletados da estao meteorolgica localizada na cidade de Joo Pessoa-PB. O que
podemos verificar, na figura 28(b), visualmente, (cor vermelha intensa) a existncia de uma
grande correlao compreendida para as escalas maiores que 890 (aproximadamente) e em
todo o domnio temporal (semelhante ao ocorrido em natal para escalas maiores 910).
Portanto, conveniente afirmarmos que pode existir uma correlao entre a intensidade da
velocidade e a direo do vento quando consideramos, na anlise, intervalos de tempo
maiores (semanas ou meses). Nesta mesma regio, percebemos que as setas indicam que no
existe diferena de fase entre os sinais em suas respectivas escalas e localizaes temporais.
Portanto, entre os sinais da intensidade da velocidade do vento e a direo do vento existe
uma correlao e ela denotada pela faixa de escalas, isto , existe a predominncia de uma
direo do vento correlacionada com um determinado mdulo de velocidade ocorrendo
durante todo o tempo do sinal. Analogamente ao que se constata em Natal, podemos afirmar
que a velocidade mdia e a direo mdia do vento no variam (em mdia) para intervalos de
tempo longos.
Para as escalas menores (abaixo de 890) percebemos, em uma regio bem centrada na
figura 28(b), que a correlao comea a deixar de existir e passa a existir uma diferena de
fase entre os sinais analisados (cor amarela para a cor azul). Nesta mesma regio, as setas
esto orientadas para a esquerda indicando uma diferena de fase de 180. Isto indica uma
anti-correlao entre os sinais, porm, ainda no caracteriza uma correlao negativa e sim
uma impreciso da tcnica para este trecho. Comeamos a constatar que a relao entre as
grandezas em estudo tm descries (anlises) semelhantes embora pertenam a localidades
geogrficas diferentes.
Agora, vamos analisar os dados meteorolgicos representados nas Figuras 29(a) e
30(a). Estes dados foram coletados da estao meteorolgica localizadas nas cidades de
Cruzeta-RN e Patos-PB, respectivamente. Diferentemente das estaes para as cidades de
Natal-RN e Joo Pessoa-PB, as estaes de Cruzeta e Patos esto a uma altitude superior a
55

226 metros, como mostra a Tabela 02. Nas Figuras 29(b) e 30(b) temos os coeficientes da
Coerncia Wavelet
em mapa de cores para as respectivas sries, analogamente

aos outros dados discutidos at aqui.
Podemos observar, na figura 29(b), visualmente, (cor vermelha intensa) a existncia de
uma grande correlao em um intervalo pequeno nas escalas compreendidas entre 1045 a
1351 (aproximadamente) e em todo o domnio temporal, sem diferena de fase. Para as
escalas fora desse intervalo percebemos que os coeficientes da Coerncia Wavelets so
pequenos (cor em azul) e desconsiderveis em comparao a faixa de correlao bem
caracterizada nas escalas superiores.
J para a Figura 30(b), as correlaes predominantes, em todo o domnio temporal,
aparecem para dois intervalos de escalas. O primeiro compreende o intervalo da escala 610 a
escala 1051 e o segundo para escalas maiores que 1201. Percebemos que as correlaes destes
sinais aparecem com uma intercalao de anti-correlao no decorrer do tempo para as escalas
(abaixo de 650 aproximadamente). Esta mesma intercalao pode ser percebida na estao de
Cruzeta, porm, nas escalas de 901.

56

Figura 27 Em (a) tem-se a srie temporal da intensidade da velocidade do vento
(vermelho) e a direo do vento (azul) para a estao de Natal. Em (b) tem-se os coeficiente
da Coerncia Wavelet em mapa de cores.

Fonte: Autoria prpria.

57

(vermelho) e a direo do vento (azul) para a estao de Joo Pessoa. Em (b) tem-se os
coeficiente da Coerncia Wavelet em mapa de cores.


58

(vermelho) e a direo do vento (azul) para a estao Cruzeta. Em (b) tem-se os coeficiente da
Coerncia Wavelet em mapa de cores.


59

(vermelho) e a direo do vento (azul) Patos. Em (b) tem-se os coeficiente da Coerncia
Wavelet em mapa de cores.


60

5. CONSIDERAES FINAIS

Embora tenham surgidas da necessidade de adaptao dos mtodos clssicos no
processamento de dados geofsicos, as wavelets se desenvolveram de maneira multidisciplinar
e atualmente encontram inmeras aplicaes, algumas foram citadas anteriormente neste
trabalho. A anlise em tempo- escala, onde a escala est relacionada com a frequncia,
constitui um mtodo investigativo de sries temporais no determinsticas uma vez que
podemos encontrar altas e baixas frequncias simultaneamente em todo o tempo do sinal, e
destacar as frequncias dominantes. A Coerncia Wavelet adiciona mais uma caracterstica
investigativa que a possibilidade de correlacionar ocorrncias entre grandezas, geralmente
geradas no mesmo instante de tempo.
De fato, a grande maioria das observaes de processos no lineares na natureza
registrada a partir de uma srie temporal. Sries obtidas por meio de dados oriundos de
observaes de variveis atmosfricas, como o caso do vento, so exemplos clssicos de
grandezas que apresentam complexa variabilidade e caractersticas de regimes no-lineares
(regimes aleatrios, extremamente dependentes, e sensveis a pequenas alteraes em seus
estados anteriores).
Definitivamente, as anlises clssicas de Fourier, no so viveis para descrever sinais
onde aspectos temporais so importantes. Tem-se, pois, que uma ampla classe de sinais possui
momentos estatsticos, como mdias e varincias, estatisticamente distintas para intervalos de
perodos constantes, onde se conclui que a informao temporal indispensvel.
A adaptao de Gabor na transformada de Fourier uma mudana de paradigma na
rea de processamento de sinal, porm, essa tcnica possui limitaes grosseiras nas suas
representaes devido ao tamanho da janela que invarivel para os trechos do sinal,
comprometendo a preciso da anlise. As Wavelets surgem para suprir esta deficincia.
As anlises Wavelets consistem em mtodos de anlise que preservam a informao
temporal, localizando altas e baixas frequncias, simultaneamente, ao percorrer um sinal. A
Coerncia Wavelet uma variante da transformada Wavelet Contnua que correlaciona os
coeficientes wavelets de duas grandezas no espao das wavelets, caracterizados em tempo-
escalas. As caractersticas temporais das wavelets evidncia sua vantagem sobre as outras
tcnicas porque ela oferece uma descrio mais completa.
O uso das tcnicas wavelets na rea de anlise de sinais cresceu exponencialmente nas
ultimas dcadas, pois elas representam uma sntese das tcnicas clssicas aliada a resultados
61

recentes como, por exemplo, eficientes algoritmos computacionais de interesse de uma ampla
gama de profissionais, pesquisadores e fcil acessibilidade por meio de rotinas prontas, sendo
necessrio apenas um PC.
Destaca-se tambm, que a escolha da wavelet-me, ou funo geradora, de
fundamental importncia para o bom desempenho da anlise wavelet algumas funes
geradoras mais conhecidas so: Haar, a primeira funo a surgir com as caractersticas que
hoje definem as wavelet; funo de Daubechies; Mexican Hat (ou chapu mexicano); Meyer e
a de Morlet, utilizada neste trabalho. Critrios como suporte e formato das wavelets so
considerados na escolha da funo geradora. Conclui-se que a utilidade primordial da anlise
em Wavelet est na sua possibilidade atuar como funo base para a decomposio de outras
funes pertencentes ao espao das funes de quadrados integrveis. As funes wavelets
cobrem e descrevem completamente este espao de uma forma mais sofisticada que as bases
senoidais dos mtodos de Fourier.

62

6. REFERNCIAS

BOLZAN, M. J. A.; Transformada em Ondeleta: Uma necessidade. Revista Brasileira de
Ensino de Fsica, Vol. 28, n 04, pp. 563-567, 2006.

CATALDO, E. Introduo aos Processos Estocsticos. Notas em Matemtica Aplicada. So
Carlos: SBMAC, v.68, 2012.

BARBOSA, A. C. B.; BLITZKOW, D. Ondaletas: histrico e aplicaes. Instituto de
Astronomia, Geofsica e Cincias Atmosfricas da Universidade de So Paulo IAG/USP,
So Paulo. Disponvel em
http://sites.poli.usp.br/ptr/ltg/FTP/Apostila_Ondaletas_%20MSc.Augusto_Barbosa&Dr.Den
izar_Blitzkow.pdf . Acesso em: 30 de julho de 2013.

EHLERS, R. S. Anlise de Sries Temporais. Departamento de Estatstica, UFPR.
Disponvel em http://www.est.ufpr.br/~ ehlers/notas. Acesso em: 12 julho de 2005.

HANSELMAN, D.; LITTLEFIELD, B. MATLAB 6: curso completo. So Paulo: Pearson
Prentice Hall, 2003.

HAYKIN, S.; VENN, B. V. Sinais e Sistemas. Porto Alegre: Bookman, 2001.

INMET; Disponvel em: http://www.inmet.gov.br/portal/index.php?r=bdmep/bdmep. Acesso
em 05 de maro de 2013.

LEITE, F. E. A. Anlise Estatstica de Padres Ssmicos: decomposio em multiescala.
Tese de Doutorado em Fsica da Matria Condensada - Universidade Federal do Rio Grande
do Norte, Natal, 2007.

MORETTIN, P. A. Ondas e Ondaletas: da anlise de Fourier anlise de ondaletas. So
Paulo: Editora da Universidade de So Paulo, 1999.

MORETTIN, P. A.; TOLOI, C. M. C. Modelos Para Previso de Sries Temporais. Rio de
Janeiro: IMPA/CNPQ, 1981. v.2.

MISITI, M. et al. Wavelet Toolbox Users Guide: for use with matlab. The MathWorks,
version 3, 2013. Disponvel em:
<http://www.mathworks.com/access/helpdesk/help/pdf_doc/wavelet/wavelet_ug.pdf>.
Acesso em: 20 mai. 2013.

OPPENHEIM, A. V.; WIILSKY, A. S. Sinais e Sistemas. 2. ed. So Paulo: Pearson Prentice
Hall, 2010.
63

PROTZIO, J. M. B. Anlise Wavelet Aplicada a Sinais Geofsicos. 2002. 150f.
Dissertao (Mestrado em Cincias e Engenharia de Petrleo) - Universidade Estadual de
Campinas, Campinas.

SAMPAIO, R.; Ferreira, E. L. C.; BRANDO, A. S. Anlise e Processamento de Sinais.
Notas em Matemtica Aplicada. So Carlos: SBMAC, v.22, 2012.

SOUZA, J. A. M. de. Analise de Sinais: notas em sinais e sistemas. Universidade da Beira
Interior, Portugal. Disponvel em: http://webx.ubi.pt/~felippe/main_pgs/mat_didp.htm.
Acesso em 20 de julho de 2013.

SPIEGEL, M. R. Anlise de Fourier. So Paulo: McGraw- Hill do Brasil, 1976.

TORRENCE, C.; COMPO, G. P. A Pratical Guide to Wavelet Analysis. Bulletin of the
American Meteorological Society, vol. 79, n 01, pp. 61-78, 1998.

TORRENCE, C.; WEBSTER, P. J. Interdecadal Changes in the Enso-monsoon System.
Journal of climate, vol. 12, n 08, pp. 2679-2690, 1999.

VARANIS, M. V. M.; PEDERIVA R. Deteco de Correlao entre Sries Temporais
Utilizando Espectro Cruzado Wavelet e Coerncia Wavelet. In: CONFERNCIA
BRASILEIRA DE DINMICA, CONTROLE E APLICAES, 10., 2011, guas de
Lindia. Anais... So Paulo: DINCON, 2011. p. 711-714.

WAVELET TOOLBOX; Disponvel em:
<http://www.mathworks.com/products/wavelet/examples.html?file=/products/demos/shipping
/wavelet/wcoherdemo.html>. Acesso em 20 de maio de 2013.

TCC - Valciano Camilo Gurgel - Aplicação de Técnicas Wavelets em Análise de Séries Temporais para Detecção de Correlações PDF

Încărcat de

Informații document

Descriere originală:

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

TCC - Valciano Camilo Gurgel - Aplicação de Técnicas Wavelets em Análise de Séries Temporais para Detecção de Correlações PDF

Încărcat de

Drepturi de autor:

Formate disponibile

UNIVERSIDADE FEDERAL RURAL DO SEMI-RIDO

DEPARTAMENTO DE CINCIAS EXATAS,

, que significa a taxa de variao temporal de uma

, dada pela seguinte equao na forma

so calculados pelas respectivas frmulas:

, dado pela equao (3), e os coeficientes dados pelas

temos o seguinte para

tende a ser , de modo que a srie de

o espao das funes de quadrados integrveis, do

. A primeira condio sugere que a funo wavelet

para os valores de e O parmetro significa que a

gerada pela contrao no

e pela translao (para a direita) do parmetro Percebe-se que a

diminuda quando compara com a wavelet

e dilatao (para a esquerda) do parmetro Percebe-

diminuda quando compara com as wavelets

devido contrao mais acentuada no parmetro de escala .

entre dois sinais e como sendo, Torrence (1998):

so os coeficientes das transformadas wavelet contnua individual

da equao (20) expressa

introduzido para normalizar a densidade de energia e

prximos de 1(um) a correlao alta. Para valores de

do Espectro Wavelet Cruzada.

em mapa de cores. O que podemos verificar,

em mapa de cores. Esses dados analisados

em mapa de cores para as respectivas sries, analogamente

S-ar putea să vă placă și