ANLISIS MULTI-RESOLUCIN

El anlisis multi-resolucin consiste bsicamente en aproximar una funcin f(t) en

distintos niveles de resolucin , lo que nos entrega una
descomposicin multi-escala de la forma:

>
+ =
0
0
) ( ) ( ) (
j
j
t g t f t f
{ } ),..... ( ), ( ), (
3 2 1
t f t f t f
donde cada representa el error en que se incurre al
aproximar mediante , o lo que es lo mismo, la fluctuacin entre dos
niveles sucesivos de resolucin.
En este anlisis empleamos una funcin cuidadosamente escogida segn la
seal a analizar.
Esta funcin est bien localizada tanto en tiempo como en frecuencia, y
translaciones y escalamientos de ella misma, generan una base ,
que expande como:
) ( ) ( ) (
1
t f t f t g
j j j
=
+
) (
1
t f
j +
) (t f
j
) (t
{ } Z k j t
k j
e , ) (
,

) (t g
j

e
=
Z k
k j k j j
t d t g ) ( ) (
, ,

ANLISIS MULTI-RESOLUCIN
2
1
2
2 1 0 1 2
L V
con
Z j V V
o
L V V V V V
j j
=
e c
c c c c c c

+


donde los son coeficientes escalares llamados coeficientes wavelet.
En la seccin anterior se esbozaron varios principios de multi-resolucin, como
condiciones para una buena funcin escala. Ahora los daremos como
requerimientos bsicos para este tipo de anlisis.
Un anlisis multi-resolucin requiere un anidamiento de los espacios generados
por las funciones escala, de la forma:
As el espacio que contiene las seales de ms alta resolucin contiene tambin las
de ms baja resolucin.
Debido a la definicin de V
j
, estos espacios cumplen con la siguiente condicin de
escalamiento [BUR98]
1
) 2 ( ) (
+
e e
j j
V t f V t f
k j
d
,
ANLISIS MULTI-RESOLUCIN
) 1 2 ( ) 2 ( ) (
2
1
2
2
) 1 (
) 1 2 ( 2 ) ( ) 1 (
2
1
2
2
) 0 (
) 2 ( 2 ) ( ) 0 (
) 1 2 ( 2 ) 1 ( ) 2 ( 2 ) 0 ( ) (
1
2 / 1
2 / 1
0
+ =
= =
=
= =
=
+ =
}
}
t t t
como queda entonces
h
dt t t h
h
dt t t h
donde
t h t h t
| | |
| |
| |
| | |
lo que nos asegura que los elementos de un espacio son simplemente versiones
escaladas de los elementos del siguiente espacio. Como una forma prctica de
mostrar esta propiedad representaremos la funcin escala de Haar mediante
versiones escaladas y trasladadas de ella misma. As tenemos que
esta ecuacin
puede verse
de otra forma
aplicando
(5.7),
entonces
) ( ) ( ) (
1 , 1 0 , 1 0 , 0
t t t | | | + =
lo que nos muestra que la
funcin de escala se
puede representar por una
versin de ella misma
escalada ms otra versin
de ella misma escalada y
trasladada.
ANLISIS MULTI-RESOLUCIN
En la figura se muestra la relacin entre los espacios expandidos por las funciones
escala en sus distintos niveles de resolucin.
As la familia de funciones generar un espacio
{ } ) (
,
t Span V
j k Z k j
|
e
=
) (
,
t
k j
|
ANLISIS MULTI-RESOLUCIN
Entonces al aumentar j en la
funcin escala mejoraremos la
resolucin de la representacin de
la funcin f(t), como se muestra en
la figura 2. No obstante una mejor
representacin de la seal es
obtenida, no mediante el aumento
de j, si no que al definir un nuevo
espacio W
j
, llamado espacio
wavelet, como el complemento
ortogonal de V
j
en V
j+1
. Lo anterior
puede expresarse de la siguiente
forma
1 +
=
j j j
V W V
ANLISIS MULTI-RESOLUCIN
Esta residencia de los espacios
wavelet en los espacios de
escalamiento se muestra en la
figura 3, donde podemos
apreciar que dentro del espacio
V
3
se encuentran contenidos
W
2
, V
2
, V
1
y V
0
, o dicho de otra
forma, V
3
esta conformado por
V
0
, W
0
, W
1
y W
2
.
Debido a esto el espacio V
3

puede ser representado de la
forma
2 1 0 0
2
W W W V L =
ANLISIS MULTI-RESOLUCIN
=
9 8 8
2
W W V L
donde V
0
es el espacio inicial, expandido por la funcin escala , y los
espacios W
j
nos irn entregando informacin ms detallada de la seal a medida
que j crece. La escala que se use para expandir el espacio inicial ser una
decisin del ingeniero, dependiendo su eleccin del anlisis que se realice y de la
seal en cuestin. As podemos representar nuestro espacio L
2
partiendo de una
resolucin ms alta, como j = 8, lo que nos entregara
De esta manera podemos tomar una escala negativa para el espacio inicial,
como , donde escalas ms gruesas entraran en juego. Al tomar
ddfdewewew tenemos
) ( k t |

1 0 1 2
2
W W W W L =

= j
= j
ANLISIS MULTI-RESOLUCIN
Esto nos muestra de nuevo que podemos escoger cualquier resolucin para nuestro
espacio inicial.

En la figura de la siguiente diapositiva vemos proyecciones de una funcin en
diferentes espacios wavelet. Ah se puede observar que a partir del espacio W
3
los
coeficientes wavelet se concentran en puntos donde la funcin tiene pendiente
distinta de cero. Esto se debe a que los wavelet detectan los cambios de la funcin,
el detalle, que como veremos ms tarde se obtiene de la resta de dos muestras
sucesivas de la funcin discreta, por lo que en los puntos donde la pendiente es ms
suave, la resta tender a cero, junto con la amplitud del coeficiente wavelet.

La funcin que expande el espacio es la wavelet madre . Como , la
funcin wavelet puede ser representada por una suma de funciones escala,
escaladas y trasladadas, de la forma

e =
n
Z n n t n h t ) 2 ( 2 ) ( ) (
1
|
j
W
) (
,
t
k j

) (t
1 0
V W c
Lo anterior es tambin vlido para , ya que , por lo que la funcin
escala puede representarse como
1 0
V V c
) (t |

e =
n
Z n n t n h t ), 2 ( 2 ) ( ) ( | |
ANLISIS MULTI-RESOLUCIN
ANLISIS MULTI-RESOLUCIN
) 1 ( ) 1 ( ) (
1
n h n h
n
=
) 1 ( ) 1 ( ) (
1
n N h n h
n
=
Esta ltima ecuacin es la ecuacin de recursin que vimos en el capitulo 5 en
(5.7), los coeficientes h
1
(n) se calculan de la siguiente manera [BUR98]
Por ejemplo, para una funcin finita de largo N, tenemos
Una funcin pertenecer a el espacio W
j
si puede ser representada por la funcin
prototipo de una wavelet madre de la forma
( ) k t t
j
j i
= 2 2 ) (
2
1
,

donde 2
j
es la escala de t, k es la traslacin en t y mantiene constante la norma
de la wavelet en diferentes escalas. Como podemos observar, la variable j nos dir
en que espacio wavelet est trabajando nuestra funcin madre. Esto es anlogo
para la funcin escala.

En la figura (7.5) podemos ver ms claramente como mejora la resolucin de una
representacin al cambiar a un espacio escala ms grande o de ms alta
resolucin. El detalle en los distintos espacios wavelet se muestra en la figura (7.6).
Hemos dicho ya que una mejor representacin de una seal se obtiene no
mediante un aumento del espacio V
j
, si no que al combinar con la funcin escala
una funcin Wavelet, con todas las caractersticas que se enuncian anteriormente.

Definimos antes (5.2), ecuacin que no muestra ningn mtodo para hacer correr
las sumatorias involucradas, cuestin de suma importancia en el momento de hacer
una descomposicin eficiente. La ecuacin llamada transformada discreta wavelet
(DWT), que se observa en (7.6), no es ms que (5.2) con una correcta notacin
para j y k
ANLISIS MULTI-RESOLUCIN

=
+
e + =
1 2
0
1
0
1 2
0
, 0 , 0
0
, ) ( ) ( ) (
j j
k
N
j j k
jk jk k j k j
Z k j t d t c t f |
2
2
j
ANLISIS MULTI-RESOLUCIN
ANLISIS MULTI-RESOLUCIN
Tomando la funcin , la cual al ser muestreada a una frecuencia de se
transforma en la funcin por intervalos:
donde los son los coeficientes de escala, son los coeficientes
wavelet y nos entrega el espacio inicial que ser el espacio de menor
resolucin, y dependiendo de este es que el resto de los ndices seguirn
corriendo. es la longitud de la seal . Esta longitud limitar el nivel de
descomposicin de una seal, ya que no tiene sentido representar una seal que
se encuentra en un espacio en el mismo espacio.
Desarrollamos ahora la DWT para el sistema Haar, como una forma de hacer ver
la dificultad de realizar este clculo a mano, y luego entraremos en la teora de
banco de filtros que aliviar en forma sustancial el trabajo realizado.
k j
d
,
0
J
V
N
2
( ) ( ) R L t f
2
2
1
, 1 ,
2
1
, 0 ,
2
1
, 1 ,
2
1
, 0 e
(

=
k j
c
, 0
0
j
0
j
( ) n f
n
j
V
( ) ( ) t sen t f = | | Hz
t 2
2
3
Donde , intervalo que se trasladar a con el fin de trabajar en el
mismo dominio de la funcin escalamiento y la wavelet Haar, funciones que se
utilizarn para descomponer y luego reconstruir la seal .
| | t 2 , 0 e t
| | 1 , 0
( ) t f
0
0
= j
La wavelet ms antigua y simple, la
Haar y su funcin de escalamiento,
estn definidas de la siguiente
forma:
( )
( )
( )
( )
( )
( )
( )
( ) k t t
k t t
con
resto el
t si
t
t si
t si
t
j j
jk
j j
jk
=
=

< s
=

< s
< s
=
2 2
2 2
0
1 0 1
1 1
5 . 0 0 1
2 /
2 /
| |

|
t

Ahora si reemplazamos (7.9) y (7.10) en (7.6) y se desarrolla la sumatoria para

( ) ( ) ( ) ( ) ( ) + + + + + = t d t d t d t d t c t g 4 2 1 2 2 2 2 ) (
20 11 10 00 00
|
Entonces se tiene:
( )
( )
( ) ( )
( )
( )
( )
( )
( )

< s
< s
=

< s
< s
=

< s
< s
=

< s
< s
=

< s
< s
=

< s
< s
=

< s
< s
=

< s
< s
=
< s =
1 875 . 0 1
875 . 0 75 . 0 1
3 4
75 . 0 625 . 0 1
625 . 0 5 . 0 1
2 4
5 . 0 375 . 0 1
375 . 0 25 . 0 1
1 4
25 . 0 125 . 0 1
125 . 0 0 1
4
1 75 . 0 1
75 . 0 5 . 0 1
1 2
5 . 0 2 25 . 0 1
25 . 0 0 1
2
1 2 5 . 0 1
5 . 0 2 0 1
2
1 5 . 0 1
5 . 0 0 1
1 0 1
t si
t si
t
t si
t si
t
t si
t si
t
t si
t si
t
t si
t si
t
t si
t si
t
t si
t si
t
t si
t si
t
t si t

|
(
(
(
(
(
(
(
(
(
(
(

(
(
(
(
(
(
(
(
(
(
(

=
(
(
(
(
(
(
(
(
(
(
(
(
(

23
22
21
20
11
10
00
00
2
2 0 0 0 2 0 1 1
2 0 0 0 2 0 1 1
0 2 2 0 2 0 1 1
0 2 2 0 2 0 1 1
0 0 0 0 0 2 1 1
0 0 0 0 0 2 1 1
0 0 0 2 0 2 1 1
0 0 0 2 0 2 1 1
2
2
1
1
2
1
0
2
1
1
2
1
0
0
d
d
d
d
d
d
d
C
j
Entonces se puede
representar la seal
en forma matricial de
la siguiente forma:
Donde los componentes de cada fila de la matriz 8x8 representan todos aquellos
valores en el mismo orden en que aparecen en 11, y cada fila
representa cada uno de los intervalos de tiempo en que la funcin f(t) est
descompuesta, esto es; en la fila 1 se tiene el valor de cada uno de los coeficientes
en , esto es, por ejemplo . Ahora
este mismo coeficiente en la fila 2 es , y en todas las otras
filas , ya que esta funcin est definida slo para .
( )
( )
( ) ( ) | | 125 . 0 , 0 2 0 2 2 0 2 2
2 2 / 2
20
e = = = t y t t t
( ) ( ) t y t
jk

00
| | 125 . 0 , 0 e t
| | 25 . 0 , 0 e t
0
20
=
( ) | | 25 . 0 , 125 . 0 2
20
e = t en t
(
(
(
(
(
(
(
(
(
(
(
(
(

=
(
(
(
(
(
(
(
(
(
(
(

2
1
1
2
1
0
2
1
1
2
1
0
2
1
2
23
22
21
20
11
10
00
00
0
A
d
d
d
d
d
d
d
C
j
Ahora que se tiene la ecuacin matricial 13 se
puede obtener el valor de los coeficientes que
nos ayudarn a reconstruir la seal original.
Donde A es la matriz 8x8 de la ecuacin
12, y j
0
=0, as se tiene que:
(
(
(
(
(
(
(
(
(
(
(

=
(
(
(
(
(
(
(
(
(
(
(

0732 . 0
1768 . 0
0732 . 0
1768 . 0
1768 . 0
1768 . 1
6036 . 0
0
2
1
2
23
22
21
20
11
10
00
00
0
A
d
d
d
d
d
d
d
C
j
Se ha logrado aqu descomponer la
seal discreta hasta ser
representada slo por un
coeficiente escala o de
aproximacin, y el resto slo
coeficientes wavelet. Esto ser de
gran importancia en la limpieza y
compresin de seales.
Ahora que se conoce el
procedimiento para calcular los
coeficientes, se descompondr la
seal para distintos espacios
iniciales .
(
(
(
(
(
(
(
(
(
(
(

=
(
(
(
(
(
(
(
(
(
(
(

0732 . 0
1768 . 0
0732 . 0
1768 . 0
4268 . 0
1768 . 0
4268 . 0
1768 . 0
2 2
1
23
22
21
20
23
22
21
20
d
d
d
d
c
c
c
c
(
(
(
(
(
(
(
(
(
(
(

=
(
(
(
(
(
(
(
(
(
(
(

0732 . 0
1768 . 0
0732 . 0
1768 . 0
4268 . 0
1768 . 0
4268 . 0
1768 . 0
2 2
1
23
22
21
20
23
22
21
20
d
d
d
d
c
c
c
c
(
(
(
(
(
(
(
(
(
(
(
(
(

=
(
(
(
(
(
(
(
(
(
(
(

=
(
(
(
(
(
(
(
(
(
(
(

2
1
1
2
1
0
2
1
1
2
1
0
2
8
2
0
2
8
2
0
2 2 2
1
37
36
35
34
33
32
31
30
c
c
c
c
c
c
c
c
Queda claro que al acercar el espacio inicial al espacio en el cual reside
la seal original, se estn disminuyendo los coeficientes wavelet, hasta llegar a
representar la seal original solo con coeficientes escala. Como se puede
observar la ltima descomposicin nos entrega una reconstruccin perfecta de la
seal original, debido a que fue representada slo con funciones escala
pertenecientes al espacio al cual pertenece la seal original.
El gran tamao de los clculos matemticos hace necesario buscar una manera
eficiente de realizar la DWT, es por eso que se debe de conocer la teora de banco
de filtros que nos guiar para la obtencin de la transformada rpida wavelet
(FWT).
ANLISIS MULTI-RESOLUCIN
0 j
V
jm
V
Una de las principales razones por las cuales la transformada wavelet es una
potente herramienta matemtica para el anlisis de seales, es que permite el
diseo y aplicacin de rpidos algoritmos para el clculo computacional.
TRANSFORMADA RPIDA WAVELET (FWT)
Y BANCO DE FILRTROS
El anlisis de seales mediante la CWT est definido sobre seales anlogas de
energa finita. Sin embargo, el procesamiento digital de seales, tal como su
nombre lo indica, se aplica sobre muestras de datos digitales de una seal
perteneciente al dominio anlogo.
Suponga que se tiene una seal conocida para todo t (o para una
discretizacin en el dominio del tiempo lo suficientemente densa), entonces de
acuerdo con la propiedad de MRA.
REPRESENTACIN DE SEALES
( )
2
L t f e
( ) ( ) R L V U
j Z j
2
=
e
Es posible aproximar f tan cerca como se desee mediante un modelo
con , de tal manera que este modelo se pueda representar como una
combinacin lineal de funciones escala.
( ) ( )

= k t c t f
n
n
k n n
2 2
2
,
|
R ne
n n
V f e
Donde los coeficientes escalares son los encargados de representar la seal
en el dominio discreto o digital. De hecho, la importancia de la representacin de
seales mediante funciones escala es que los algoritmos diseados para la
transformada discreta wavelet se aplican a datos de entrada que han sido
modelados mediante una funcin escala, es decir, son aplicados sobre el set de
coeficientes.
{ } Z k c
k n
e ;
,
k n
c
,
Uno de los mtodos ms efectivos para realizar este modelamiento es la
interpolacin que consiste en que los coeficientes sean escogidos de tal
manera que concuerde con la representacin discreta para , es
decir
k n
c
,
( ) t f
n
|
.
|

\
|
n
k
f
2
n
k
t
2
=
Z k
k
f
k
f
n n
n
e
|
.
|

\
|
=
|
.
|

\
|
2 2
El principal objetivo de la descomposicin
de una seal mediante la DWT se basa en
que, de acuerdo a lo expuesto en la
seccin anterior, siendo el modelo o
una representacin de la seal original
mediante funciones escala solamente
(apropiadas para un anlisis multi-
resolucin), es posible escribir fn como:
De esta forma se logra lo que se denomina una representacin didica de la seal
[BUR 98], ya que el intervalo de tiempo dado para cada muestreo est controlado
por una potencia de 2. En otras palabras, un modelo f
n
de una seal anloga
corresponder a un set de valores discretos cuya longitud ser de N=2
n
.
Descomposicin de seales unidimensionales (Anlisis)
n n
V f e
1 1 1 1
1 1
1 1
1 1




e . e
=
c . c
+ =
n n n n
n n n
n n n n
n n n
W g V f
y
W V V
V W V V
que dado
g f f
Ahora bien el desarrollo de bancos de filtros y el diseo de rpidos algoritmos no
se relaciona en forma directa con las funciones escala y wavelet, sino ms bien
con los coeficientes relacionados a estas funciones. Entonces, el primer paso en la
descomposicin es poder encontrar los coeficientes en trminos de
. Utilizando 19 y 21 se puede representar una seal unidimensional de energa
finita mediante los coeficientes como:
( ) ( ) k t c t f
n
n
k
k n
=

2 2
2
,
|
k n
c
,
k n k n
d y c
, 1 , 1
k n
c
,
Tambin se sabe que tanto como generan bases ortogonales en L
2
de tal
manera que el clculo de se realiza a travs del producto interno
de la seal con la funcin escala y wavelet respectivamente.
( ) t |
( ) t
k n k n
d y c
, 1 , 1
( ) ( ) ( )
( ) ( ) ( )dt k t t f t t f d
dt k t t f t t f c
n
n
k n k n
n
n
k n k n
}
}

= =
= =
1
2
1
, 1 , 1
1
2
1
, 1 , 1
2 2 ) ( ,
2 2 ) ( ,

| |
De la ecuacin bsica de recursin 7 se puede obtener una representacin tanto
para como para .
( ) k t
n

1
2 |
( ) k t
n

1
2
( ) ( ) ( )
( ) ( ) ( )

=
=

p
n n
p
n n
p k t p h k t
p k t p h k t
2 2 2 2
2 2 2 2
1
1
1
|
| |
Que reemplazando en las siguientes integrales 27 y 28 y haciendo un cambio de
variable m=2k+p nos da
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
}

}

= =
= =
dt m t k m h t f t t f d
dt m t k m h t f t t f c
n
m
n
k n k n
n
m
n
k n k n
2 2 2 ,
2 2 2 ,
2
1 , 1 , 1
2
, 1 , 1
|
| |
Se puede observar que en la ecuaciones 33 y 34, las integrales son idnticas y
corresponden al coeficiente , de tal manera que se ha logrado establecer la
representacin de los coeficientes escala y wavelets en un nivel de resolucin
ms bajo en trminos de los coeficientes escala en un nivel de resolucin ms
alto.
m n
c
,
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
}

= =
= =
dt m t t f k m h t t f d
dt m t t f k m h t t f c
n
n
m
k n k n
n
n
m
k n k n
2 2 2 ,
2 2 2 ,
2
1 , 1 , 1
2
, 1 , 1
|
| |
E intercambiando la integral con la sumatoria se tiene
( )
( )
m n
m
k n
m n
m
k n
c k m h d
c k m h c
, 1 , 1
, , 1
2
2

=
=

La operacin realizada por 35 y 36 corresponde a una convolucin discreta

[CHU97]. La secuencia de entrada dada por es convolucionada con h y h
1

para obtener por un lado una representacin ms suave de la seal original
caracterizada por los coeficientes escala , y por otro lado el detalle de la
seal representado por los coeficientes wavelet . Por lo tanto, se puede
reescribir 26 de la forma:
k n
c
,
k n
c
, 1
( ) ( ) ( ) k t d k t c t f
n
k k
n
k n
n
n
k n
+ =

1
2
1
, 1
1
2
1
, 1
2 2 2 2 |
k n
d
, 1
El hecho de que los coeficientes escalares representen la forma general de la
seal original y los coeficientes wavelets el detalle se debe a que los coeficientes
h y h1 actan como filtros digitales. Ms especificamente h corresponde a un filtro
pasa-bajo y h1 a un filtro pasa-banda. Sin embargo, al aplicar esta operacin
sobre una seal digital real, se da uno cuenta que nuestros datos de salida estn
comprendidos por el doble de datos de entrada. En otras palabras, si se tiene un
seal de 1024 muestras se obtendr una aproximacin y un detalle de la seal
original, cada uno con una longitud de 1024 datos tambin.
Para resolver este problema, una vez realizada la convolucin discreta sobre el
conjunto de datos de entrada se aplica una operacin denominada submuestreo que
realiza un diezmado de la seal original, es decir, toma una seal x
n
y produce una
salida y
n
=x
2n
, descargando todos los valores de ndice impar. Una descripcin
esquemtica de lo antes expuesto se ilustra a continuacin.
RECONSTRUCCIN DE SEALES
UNIDIMENSIONALES (SNTESIS)
Se ha visto como trabajar con la DWT para analizar o descomponer una seal. La
otra mitad de la historia consiste en como recuperar la seal original sin prdida de
informacin a partir de las componentes obtenidas durante el anlisis. A este
proceso de reconstruccin se le denomina sntesis y corresponde a la inversa de la
transformada discreta wavelet (IDWT). En otras palabras, lo que se desea hacer es
poder representar los coeficientes escala un un nivel de resolucin ms alto
mediante una combinacin de los coeficientes escala y wavelets en un nivel de
resolucin ms bajo. Para lograr esto se observa que si se utiliza la ecuacin de
recursin 5.7 para reemplazar en 37 se obtiene una
nueva expresin para f de la forma:
Multiplicando ambos lados por e integrando con respecto al tiempo
( ) ( ) m t y m t
n n

1 1
2 2 |
( ) ( ) ( ) ( )
( ) ( )
}

} }

+
=
dt k t p m t p h d
dt k t p m t p h c dt k t t f
n n
p m
m n
n n
p
n
m
m n
n
2 2 2 ) (
2 2 2 2 ) ( 2
1 , 1
2
, 1
| |
| | |
( ) ( ) ( ) p m t p h d p m t p h c t f
n
m m
n
p
m n
n
n
p
m n
+ =

2 2 2 ) ( 2 2 2 ) (
2
1 , 1
2
, 1
| |
( ) k t
n
2 |
( )
}

= dt k t t f t t f c
n
k n k n
2 ) ( ) ( ), (
, ,
| |
( ) ( )
( )
( ) ( ) k m h d k m h c c
f inalmente entonces
q k si
q k si
p k
como y
p k p h d p k p h c c
m
m n
m
m n k n
p m
m n
m
m n k n
+ =

=
=
=
+ =




2 2
0
1
) ( ) (
1 , 1 , 1 ,
1 , 1 , 1 ,
o
o o
( ) ( ) ( ) ( ) ( )

+ + =

p m
m n
m
m n k n
p m k p h d p m k p h c c 2 ) ( 2
1 , 1 , 1 ,
o o
{ } Z k
k n
e ;
,
|
Como y el set es ortonormal,
entonces de acuerdo con 39 se tiene que
Realizando un cambio de variable q=2m-p
As como en el anlisis se hace un filtrado y un submuestreo, en la sntesis se
realiza un submuestreo y posteriormente un filtrado. El submuestreo es una
operacin que inserta ceros entre cada submuestreo con el fin de aumentar al
doble la longitud de las componentes de entrada (coeficientes de aproximacin o
escala y coeficientes de detalle o wavelet) de tal manera que la seal obtenida
despus del filtrado tenga la misma longitud que la seal original. Este proceso
se puede observar en la siguiente figura:
MLTIPLES NIVELES ANLISIS-
SNTESIS
Los procesos explicados en las dos secciones anteriores, el de anlisis y el de
sntesis, constituyen lo que se denomina un sistema de banco de filtros de 2
canales. Estos procesos son iterativos de tal manera que en teora pueden
repetirse en forma infinita con la salvedad de que el proceso de sntesis depende
del anlisis. Obviamente en la prctica estos procesos no pueden repetirse de
forma infinita, siendo el nivel de resolucin de la seal original el que pone el
lmite. Una explicacin ms detallada puede expresarse de la siguiente manera:
suponga que una seal con una longitud N=2n, en el anlisis se divide a la seal
original en una aproximacin y un detalle correspondientes al primer nivel de
descomposicin, luego la aproximacin de longitud igual a 2n-1 es nuevamente
dividida obteniendo una nueva aproximacin y detalle correspondientes a un
segundo nivel de descomposicin. Este procedimiento se vuelve a repetir hasta
que la aproximacin y el detalle estn representados por un solo coeficiente, es
decir, tienen una longitud de 1=20, lo que significa que el nmero de iteraciones
posibles de realizar es de n=log2N. De esta forma se obtienen un vector de
longitud N que contienen un solo trmino encargado de representar la forma
general de la seal (coeficiente escala) y todos los otros trminos con informacin
sobre el detalle obtenido en los diferentes niveles de descomposicin (coeficientes
wavelet) como se ilustra en la figura 10. A este conjunto de coeficientes se les
denomina Vector-DWT.
AL sntesis por su lado toma la aproximacin y el detalle, aumenta su longitud al
doble mediante el submuestreo y realiza la convolucin discreta con los
respectivos filtros, obtenindose como resultado una mejor aproximacin a la
seal correspondiente al primer nivel de reconstruccin. Lgicamente el nmero
de veces que se realiza este proceso hasta llegar nuevamente a la seal original
depende del grado de descomposicin al que se lleg en el anlisis, como se
observa en la siguiente figura:
A modo de ejemplo se mostrar una descomposicin y reconstruccin utilizando la
wavelet de Haar. Como se vio en el captulo anterior, los coeficientes h y h
1

corresponden a
( ) ( )
2
1
1 ,
2
1
0
2
1
) 1 ( ) 0 (
1 1
= =
= =
h h
h h
Como la aproximacin est relacionada
con un promedio y el detalle con
diferencias, entonces de acuerdo con 35
y 36 se puede obtener nuestra primera
descomposicin de la forma:
Donde los son los coeficientes correspondientes a la seal original, es decir, los
datos de entrada. En otras palabras J es el nivel de resolucin ms alto con el cual
se puede trabajar y N=2J es la longitud de la seal original. De esta forma, si se
supone una seal con una longitud N=8=23 definida como Y={2,4,1,6,4,5,1,3}.
Aplicando el algoritmo de descomposicin se puede ver en la figura 12 como se
realiza la convolucin discreta entre los filtros h y h1 con la seal original y el
posterior submuestreo de tal forma que se obtienen dos conjuntos de coeficientes,
uno encargado de la aproximacin a la seal original y el otro encargado del
detalle, ambos de longitud 4. El paso siguiente es mantener el detalle y volver a
aplicar el algoritmo a los coeficientes de aproximacin dando como resultado una
nueva aproximacin ms general y un nuevo detalle, ambos de longitud 2. Este
proceso se puede repetir una vez ms ya que tanto la longitud de la nueva
aproximacin como del nuevo detalle ser igual a 1.
( )
( )
1 2 , 2 , , 1
1 2 , 2 , , 1
2
1
2
1
+
+
=
+ =
k J k J k J
k J k J k J
c c d
c c c
Para reconstruir la seal a partir
de los coeficientes escala y
wavelet pertenecientes al primer
nivel de descomposicin se
observa que si se suma y resta 43
y 44 se obtienen las expresiones:
Logrndose con ello una reconstruccin perfecta de la seal. Las ecuaciones
anteriores tambin pueden ser deducidas a partir de 42. En la siguiente figura se
puede observar como se realiza el proceso de submuestreo y de forma posterior la
convolucin para reconstruir la seal en forma perfecta mediante la suma de los
coeficientes de reconstruccin escala y wavelet como se ilustra en la figura 14.
( )
( )
k J k J k J
k J k J k J
c c d
d c c
, 1 , 1 1 2 ,
, 1 , 1 2 ,
2
1
2
1


=
+ =
Hasta el momento se ha realizado slo una descomposicin y reconstruccin. Sin
embargo, el objetivo principal de una anlisis wavelet es obtener el vector DWT ya
que este es el que contiene informacin til para la aplicacin de esta herramienta
diferentes campos de procesamiento de seales tales como compresin, limpieza
de ruido, deteccin de singularidades, deteccin de comportamiento,
comportamientos similares, etc. Tanto el proceso de descomposicin en forma
iterativa como el de reconstruccin se observan en la figura 15 y 16
respectivamente.