La transformada wavelet: una introducción - Departamento de ...
La transformada wavelet: una introducción - Departamento de ...
La transformada wavelet: una introducción - Departamento de ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
periódica <strong>de</strong>l vector yN :<br />
⎛<br />
⎜<br />
yN = ⎜<br />
⎝<br />
y0<br />
y1<br />
y2<br />
.<br />
yN−1<br />
⎛<br />
⎜<br />
⎞ ⎜<br />
⎟ ⎜<br />
⎟ ⎜<br />
⎟ ⎜<br />
⎟ ⎜<br />
⎟ = ⎜<br />
⎟ ⎜<br />
⎟ ⎜<br />
⎠ ⎜<br />
⎝<br />
h0<br />
h1<br />
hL−2<br />
hL−1<br />
0<br />
.<br />
.<br />
0<br />
h0<br />
. ..<br />
· · ·<br />
hL−2<br />
hL−1<br />
. ..<br />
0<br />
· · ·<br />
. ..<br />
h0<br />
· · ·<br />
hL−2<br />
. ..<br />
hL−1<br />
0<br />
0<br />
h0<br />
· · ·<br />
. ..<br />
hL−2<br />
hL−1<br />
.. .<br />
. ..<br />
· · ·<br />
0<br />
h0<br />
. ..<br />
· · ·<br />
· · ·<br />
hL−1<br />
. ..<br />
0<br />
· · ·<br />
0<br />
. ..<br />
· · ·<br />
h2<br />
· · ·<br />
. ..<br />
0<br />
0<br />
· · ·<br />
. ..<br />
h0<br />
⎞<br />
h1<br />
⎟<br />
h2 ⎟ ⎛ ⎞<br />
⎟ x0<br />
⎟ ⎜ ⎟<br />
hL−1<br />
⎟ ⎜ x1 ⎟<br />
⎟ ⎜ ⎟<br />
⎟ ⎜ ⎟<br />
0 ⎟ ⎜<br />
⎟ ⎜ . ⎟ = HNxN<br />
⎟<br />
0 ⎟ ⎜ ⎟<br />
⎟ ⎝ xN−2 ⎠<br />
⎟<br />
. ⎟ xN−1 ⎟<br />
0 ⎠<br />
0 · · · 0 hL−1 hL−2 · · · · · · h0<br />
Obsérvese que tanto la matriz <strong>de</strong> Toeplitz y los vectores son finitos, <strong>de</strong> dimensión máxima<br />
N.<br />
A<strong>de</strong>más, la matriz HN es circulante; el Álgebra matricial <strong>de</strong>muestra que es diago-<br />
nalizable (puesto que HN = L−1<br />
n=0 hnS n , siendo S la matriz básica <strong>de</strong> <strong>de</strong>splazamiento o<br />
”shift”), sus autovalores son<br />
L−1 <br />
hn<br />
¯W k<br />
n=0<br />
n = ˆ hk<br />
(es <strong>de</strong>cir, la <strong>transformada</strong> <strong>de</strong> Fourier discreta <strong>de</strong> h) y sus autovectores son precisamente<br />
las columnas <strong>de</strong> la matriz <strong>de</strong> Fourier FN. Por tanto, HN queda diagonalizada así:<br />
HN = FN diag ˆ h0, . . . , ˆ hN−1<br />
<br />
F −1<br />
N = 1<br />
N FN diag ˆ h ¯FN.<br />
Conclusión: aplicar un filtro a <strong>una</strong> señal finita xN es equivalente a calcular 3 <strong>transformada</strong>s<br />
<strong>de</strong> Fourier discretas en serie:<br />
la DFT <strong>de</strong> xN,<br />
multiplicarla componente a componente por ˆ h (la DFT <strong>de</strong> h),<br />
y aplicar <strong>una</strong> inversa <strong>de</strong> la DFT<br />
Matricialmente,<br />
y a<strong>de</strong>más se <strong>de</strong>duce que<br />
yN = HNxN = (IDF T ) diag (DF T (h)) (DF T (xN)) =<br />
= (IDF T ) diag <br />
hˆ ˆxN = (IDF T ) <br />
hˆxN ˆ ,<br />
ˆyN = ˆ hˆxN<br />
luego <strong>una</strong> vez más, la <strong>transformada</strong> discreta <strong>de</strong> Fourier <strong>de</strong> la salida es el producto <strong>de</strong> la<br />
<strong>transformada</strong> discreta <strong>de</strong> Fourier <strong>de</strong> la entrada por la <strong>transformada</strong> discreta <strong>de</strong> Fourier <strong>de</strong>l<br />
filtro (función <strong>de</strong> transferencia). Y el coste computacional <strong>de</strong>l filtrado es O (3N log 2 N) .<br />
20