La información contenida en una señal analógica se evidencia por su representación numérica. El par de Fourier en dos representaciones complementarias explicita las estructuras temporales y frecuenciales. Para detectar y caracterizar eventos que combinan esas estructuras en diversos y complejos patrones es necesario implementar métodos más refinados de representación conjunta tiempo-frecuencia.
Entre diversas opciones, la transformada wavelet (en onditas u ondaletas) brinda una eficiente herramienta tiempo-escala. Sus extensiones conducen a apropiadas representaciones conjuntas en un ´único contexto analítico y permiten implementar estrategias flexibles y bien adaptadas a las características de la señal.
]]>
Palabras clave: Representaciones tiempo-frecuencia, transformada wavelet, análisis de multirresolución, paquetes de wavelets, frecuencia instantánea.
Abstract
The information contained in an analog signal is reveled by its numerical representation. The Fourier pair, in two complementary representations, expounds time and frequency structures. However, to detect and characterize those events which combine both structures in diverse and complex patterns, it is necessary to implement more refined methods joint with appropriate time-frequency representations.
Among various options, the wavelet transform provides an efficient tool time-scale. Their extensions lead to appropriate representations coexisting in the same analytical context. Make it possible implement flexible strategies, well adapted to the characteristics of the signal.
[1] Cohen, L. (1995) Time-Frequency Analysis. Prentice Hall Signal Processing Series, New Jersey. [ Links ]
[2] Jaffard, S.; Meyer, Y.; Ryan, R. (2003) Wavelets: Tools for Science and Tecnology. SIAM, Philadelphia. [ Links ]
[3] Gröehenig, K. (2001) Foundations of Time-Frequency Analysis. Birkhäuser, Boston. [ Links ]
[4] Huang N.E. et al. (1998) “The empirical mode decomposition and the Hilbert spectrum for non-stationary tyme series analysis”, Proc. R. Soc. A, Mathematical, Physical & Engineering Sciences454(1971): 903–995. [ Links ]
[5] Mallat, S. (2009) A Wavelet Tour of Signal Processing, The Sparse Way. Academic Press, San Diego. [ Links ]
[6] Meyer, Y. (2001) Oscillating Pattern in Image Processing and Nonlinear Evolution Equations. American Mathematical Society, Providence RI. [ Links ]
[7] Serrano, E.; Figliola A.; Fabio, M. (2009) “Diseño de Marcos de Paquetes de Wavelets”, XIII RPIC Reunión de Trabajo en Procesamiento de la Información y Control, 16–18 Sep 2009, Rosario, Argentina. [ Links ] ]]>
[8] Serrano, E.; Aragón, A. (2009) “Métodos numéricos basados en onditas para el cálculo de la Transformada de Hilbert”, XIII RPIC Reunión de Trabajo en Procesamiento de la Información y Control, 16–18 Sep 2009, Rosario, Argentina. [ Links ]
[9] Walnut, D.F. (2003) An Introduction to Wavelet Analysis. Birkhäuser, Boston. [ Links ]
*Correspondencia a: Eduardo P. Serrano. Centro de Matemática Aplicada, Universidad de San Martín, Martín de Irigoyen 3100, CP 1650 San Martín, Provincia de Buenos Aires, Argentina. E-Mail: eserrano@unsam.edu.ar
Marcela Fabio. Misma dirección que/Same address as: E.P. Serrano. E-Mail: mfabio@unsam.edu.ar ]]>
Alejandra Figliola. Instituto de Desarrollo Humano, Universidad de General Sarmiento, Juan María Gutiérrez 1150, C.P. 1613 Los Polvorines, Provincia de Buenos Aires, Argentina. E-Mail: afigliol@ungs.edu.ar
*Centro de Matemática Aplicada, Universidad de San Martín, Martín de Irigoyen 3100, CP 1650 San Martín, Provincia de Buenos Aires, Argentina. E-Mail: eserrano@unsam.edu.ar †Misma dirección que/Same address as: E.P. Serrano. E-Mail: mfabio@unsam.edu.ar ‡Instituto de Desarrollo Humano, Universidad de General Sarmiento, Juan María Gutiérrez 1150, C.P. 1613 Los Polvorines, Provincia de Buenos Aires, Argentina. E-Mail: afigliol@ungs.edu.ar
Received: 3 Feb 2010; Revised: 10 Nov 2011; Accepted: 10 May 2012