Trasformata wavelet continua come filtro passa-banda
La CWT come tecnica di filtraggio
La trasformata wavelet continua (CWT) calcola il prodotto interno di un segnale , con le versioni traslate e dilatate di una wavelet di analisi La definizione della CWT è:
È inoltre possibile interpretare la CWT come un filtraggio del segnale basato sulla frequenza, riscrivendo la CWT come una trasformata di Fourier inversa.
dove e sono le trasformate di Fourier del segnale e della wavelet.
Dalle equazioni precedenti, è possibile notare che l'allungamento di una wavelet nel tempo provoca un restringimento del suo supporto nel dominio della frequenza. Oltre a restringere il supporto in frequenza, la frequenza centrale della wavelet si sposta verso le frequenze più basse. La figura seguente mostra questo effetto per una wavelet ipotetica e fattori di scala (dilatazione) pari a 1, 2 e 4.
Questo rappresenta la CWT come un filtraggio passa-banda del segnale in ingresso. I coefficienti CWT a scale inferiori rappresentano l'energia del segnale in ingresso a frequenze più alte, mentre i coefficienti CWT a scale superiori rappresentano l'energia del segnale in ingresso a frequenze più basse. Tuttavia, a differenza del filtraggio passa-banda di Fourier, la larghezza del filtro passa-banda nella CWT è inversamente proporzionale alla scala. La larghezza dei filtri CWT diminuisce all’aumentare della scala. Questo deriva dalla relazione dell’incertezza tra il supporto temporale e il supporto in frequenza di un segnale: più è ampio il supporto di un segnale nel tempo, più è stretto il suo supporto in frequenza. Vale anche la relazione inversa.
Nella trasformata wavelet, l'operazione di scala o di dilatazione è definita per preservare l'energia. Per preservare l'energia mentre si restringe il supporto in frequenza, è necessario che il livello di energia di picco aumenti. L’implementazione della cwt
nella Wavelet Toolbox™ utilizza la normalizzazione L1. Il fattore di qualità, o fattore Q, di un filtro è il rapporto tra la sua energia di picco e la larghezza della banda. Poiché il restringimento o l'allungamento del supporto in frequenza di una wavelet comporta aumenti o riduzioni commisurati della sua energia di picco, le wavelet vengono spesso definite filtri a Q costante.
Trasformata wavelet continua basata sulla DFT
L’equazione nella sezione precedente ha definito la CWT come la trasformata di Fourier inversa di un prodotto di trasformate di Fourier.
La variabile temporale nella trasformata di Fourier inversa è il parametro di traslazione b.
Questo suggerisce che è possibile calcolare la CWT con la trasformata di Fourier inversa. Poiché esistono algoritmi efficienti per il calcolo della trasformata di Fourier discreta e della sua inversa, spesso è possibile ottenere notevoli risparmi utilizzando fft
e ifft
, quando possibile.
Per ottenere un’immagine della CWT nel dominio di Fourier, iniziare con la definizione della trasformata wavelet:
Se si definisce:
è possibile riscrivere la trasformata wavelet come
che esprime esplicitamente la CWT come una convoluzione.
Per implementare la versione discretizzata della CWT, si supponga che la sequenza in ingresso sia un vettore di lunghezza N, x[n]. La versione discreta della convoluzione precedente è:
Per ottenere la CWT, sembra che si debba calcolare la convoluzione per ogni valore del parametro di spostamento b e ripetere questo processo per ogni scala a.
Tuttavia, se le due sequenze sono estese circolarmente (periodizzate sulla lunghezza N), è possibile esprimere la convoluzione circolare come un prodotto di trasformate di Fourier discrete. La CWT è la trasformata di Fourier inversa del prodotto
dove Δt è l’intervallo di campionamento (periodo).
Esprimere la CWT come una trasformata di Fourier inversa consente di utilizzare gli algoritmi fft
e ifft
a efficienza computazionale per ridurre il costo della computazione delle convoluzioni.
La funzione cwt
implementa la CWT.