CAPITULO 2

TRANSFORMADA WAVELET


La transformada Wavelet es una herramienta matemtica que promete no solo tener mltiples
aplicaciones en el procesamiento de seales sino que adems est siendo usada en Control de
Procesos y deteccin de anomalas sintomticas en medicina e ingeniera. Por lo que a nuestro
caso se refiere la usaremos como elemento discriminador para diferenciar las vibraciones
anormales de las normales. En este Captulo se detallarn los conocimientos necesarios para
entender esta aplicacin y sus posibles consecuencias en el mantenimiento predictivo.


2.1 Resea Histrica

En los principios del siglo XX con el descubrimiento de la Fsica Cuntica, y posteriormente
con la mecnica ondulatoria aplicada en la Fsica atmica, se comenz a gestar la idea de que
la materia estaba formada por pequesimos entes en oscilacin permanente y que se
manifestaban en forma macroscpica como la materia que conocemos. A esta idea se le dio
forma y se le denomin la teora del Oscilador Armnico Cuntico [ALF86], [RER79].
Esta nueva teora abri el paso para la aplicacin de algunos conceptos matemticos
que si bien no eran nuevos, ahora si llamaran la atencin, y uno de ellos fue el de las formas
de ondas atmicas usadas por el Fsico Dennis Gabor en 1946 quien adems de una manera
premonitoria visualiz la importancia que podran stas tener en el procesamiento de seales.
Gabor utiliz una transformada de Fourier Sf ventaneada usando la estructura dada por
Haar en 1910 correlacionando una seal con cada tomo de la siguiente manera[MAS99]. ) (t s
(2.1)

+


= dt e u t g t s u Sf
t i .
) ( ) ( ) , (

donde g(t) es una funcin conocida como funcin atmica de Gabor, u es el corrimiento en
el tiempo y especifica la traslacin en frecuencia de la Transformada de Fourier de , esto
es:
) (t g

) (
) ( ) (

=
w iu
u
e w G w G
CAPTULO 2: TRANSFORMADA WAVELET 7


Ms de treinta aos despus de Gabor y setenta aos de Haar en los 80s Morlet y
Grossman reactivaron la colaboracin fundamental entre las teoras de la fsica atmica y el
procesamiento de seales y formalizaron lo que hoy se conoce como la transformada continua
de onduleta (continuous wavelet transform, CWT), esto fue el catalizador de un rpido
crecimiento y dedicacin hacia la aplicacin de esta transformada desarrollndose
posteriormente la transformada discreta de onduletas, (discret wavelet transform, DWT), con
gran utilidad en casi todos los mbitos de la tecnologa actual como es en el caso del anlisis de
vibraciones [MAS99].
En 1984 el ingeniero J ean Morlet ayudado por el Fsico cuntico Alex Grossman
utilizan por primera vez el trmino wavelet para definir las funciones que son usadas para
muestrear la seal que se desea analizar y proponen la ecuacin siguiente:

= dt
a
t
a
t s a S

*
1
) ( ) , ( ( 2.2)

donde * es el conjugado de la wavelet madre que ser escalada y corrida punto a punto para
determinar los niveles de comparacin con la seal . El valor de ) (t s
0 f
f
a = da la escala o
dilatacin de la wavelet, con f
0
como frecuencia central

y el corrimiento o la traslacin
en el tiempo [MAS99], [ICP02], [ALA03].



2.2 Transformada Wavelet Continua


Dada una funcin considrese la dilatacin o escalamiento de g por a : ) (t g
) / ( ) ( a t g t g
a
=
y la traslacin de g por b
) ( ) ( b t g t g
b
=
CAPTULO 2: TRANSFORMADA WAVELET 8

aplicando simultneamente escalamiento y traslacin :

=
a
b t
g t g
b
a
) (
) (
si la funcin g(t) cumple con las propiedades bsicas. [PEW02]

1 ) (
0 ) (
2
=
=

+

+

dt t g
dt t g
se puede considerar ) ( ) ( t t g = donde ) (t ser la wavelet madre
y

=
a
b t
a
t
b
a

1
) ( ( 2.3)

es la funcin con escalamiento y corrimiento simultaneos aplicada en la ecuacin 2.2 definida
por Morlet-Grossman como la transformada wavelet continua (CWT) [ALA03], [ICP02].

( )

= dt b t
a
t s
a
a b CWT
1
* ) (
1
) , ( (2.4)

Existen muchas wavelets madre agrupadas en familias segn su utilidad; Ingrid
Daubechies quien es el mayor constructor de wavelets ha propuesto tres familias, la
Daubechies que es un conjunto de wavelets ortonormales apropiadas para aplicarse en anlisis
de seales discretas, la Coiflets llamadas as por ser construidas a solicitud de R. Coifman, y la
Symmlet que siendo similares a las Daubechies tienden a ser casi simtricas.
Las Biortonormales es una familia que presenta la propiedad de fase lineal lo que es
muy til para la reconstruccin de imgenes, en este caso se debe usar una wavelet madre para
la descomposicin y otra para la reconstruccin.

CAPTULO 2: TRANSFORMADA WAVELET 9


Algunas wavelets estn definidas por una funcin explicita como la wavelet Haar dada
por:
(2.5)

< <
< <
=
caso otro e
t
t
t s
n , 0
1 5 . 0 , 1
5 . 0 0 , 1
) (
que se observa en la Figura 2.1.


Figura 2.1 Wavelet Haar .

la Morlet dada por la ecuacin
) 5 cos(
2
exp ) (
2
t
t
t s

= (2.6)

mostrada en la Figura 2.2.a, o la wavelet sombrero mexicano que no es ms que la segunda
derivada de la funcin de distribucin gaussiana

(
2
2
4
1
1
2
exp
. 3
2
) ( t
t
t s

) (2.7)

y que se puede observar en la Figura 2.2.b [MOP97].
CAPTULO 2: TRANSFORMADA WAVELET 10

En las Figuras 2.3, 2.4 y 2.5 se muestran tres de las principales y ms conocidas
familias de wavelets, la Daubechies, la Coiflet y la Symmlet respectivamente.


(a) (b)

Figura 2.2. (a) Wavelet Morlet y (b) wavelet Sombrero Mexicano.




Figura 2.3. Familia de wavelets Daubechies [MOP97].




Figura 2.4.Familia de wavelet Coiflet dadas por [MOP97].
CAPTULO 2: TRANSFORMADA WAVELET 11





Figura 2.5. Familia Symmlet [MOP97].


Un anlisis de seal basado en CWT presenta un gran potencial de riqueza en
informacin, la cual puede identificarse por observacin directa del grfico.
Como ejemplo, se muestra en la Figura 2.7, el esquema en 3D de la transformada
wavelet para la seal de ruido de un motor con vibracin excesiva y cuya seal en tiempo real
se da en la Figura 2.6 El motor se encuentra ubicado en la estacin de compresoras Chilapilla
de PEMEX y solo se utiliz para la verificacin del programa de adquisicin de datos a travs
de la tarjeta de sonido. Las irregularidades manifestadas como picos distorsionados, pueden ser
causados por corrosin en las pistas de rodamientos, desgastes en bujes o fisuras en el eje de
rotacin.


Figura 2.6. Grfica de la vibracin de un motor de induccin con vibracin anormal la
muestra corresponde a 0.125seg. obtenida en el Signal Processing Toolbox
de Matlab (SPT).
CAPTULO 2: TRANSFORMADA WAVELET 12



Figura 2.7. Transformada continua wavelets de la seal de la Figura 2.6 se us la sym7 con
. escalamiento 16:64.obtenida con el Wavelab de Matlab.

En la Figura 2.7 se puede apreciar que la correlacin entre la seal en tiempo real y la
wavelet sym7 es mayor para un factor de escala de 64 y en las posiciones del tiempo de 240,
460, y 800, esto quiere decir que para ese factor de escala y en esas posiciones la similitud
entre las seales es mayor .


2.3 Transformada Wavelet Discreta (DWT)

2.3.1 Descripcin Cualitativa de la DWT

Se usar la wavelet Haar para visualizar el proceso de aplicacin de la DWT en una seal
discreta [WAJ 99] , [PEW02] .
Se considera una funcin discreta

Fn =[1 2 3 4 5 6 4 3 7 8 9 2] (2.8)

Se define

2
2 1 2 n n
F F
An
+
=

y
2
2 1 2 n n
F F
Dn

=

(2.9)

se tendr por lo tanto una primera subfuncin A
1
formada por los valores An y una primera
subfuncin D
1
formada por los valores Dn
CAPTULO 2: TRANSFORMADA WAVELET 13



A
1
=[1.5 2, 3.5 2, 5.5 2, 3.5 2, 7.5 2, 5.5 2] (2.10)

D
1
=[ -.5 2, -.5 2, -.5 2, .5 2, -.5 2, 3.5 2] (2.11)


Ambas subfunciones son de la mitad de tamao que la funcin original y sta se podr
recuperar de:

+ +
=
2
,
2
......., ,.........
2
,
2
2 / 2 / 2 / 2 / 1 1 1 1 n n n n
D A D A D A D A
Fn (2.12)

+ +
=
2
2 5 . 3 2 5 . 5
,
2
2 5 . 3 2 5 . 5
......., ,.........
2
2 5 . 2 5 . 1
,
2
2 5 . 2 5 . 1
Fn (2.13)


generando la seal original que finalmente se puede escribir como:



Fn =A
1
n
+ D
1
n
(2.14)

Donde :



A
1
n
=

2
,
2
. ,.........
2
,
2
,
2
,
2
2 / 2 / 2 2 1 1 n n
A A A A A A
(2.15)


D
1
n
=

2
,
2
. ,.........
2
,
2
,
2
,
2
2 / 2 / 2 2 1 1 n n
D D D D D D
(2.16)



Si se define una matriz V
1
n
como:


CAPTULO 2: TRANSFORMADA WAVELET 14




1/ 2 1/ 2 0 0 0 0 0 0 0 0 0 0
0 0 1/ 2 1/ 2 0 0 0 0 0 0 0 0
0 0 0 0 1/ 2 1/ 2 0 0 0 0 0 0
0 0 0 0 0 0 1/ 2 1/ 2 0 0 0 0
0 0 0 0 0 0 0 0 1/ 2 1/ 2 0 0
0 0 0 0 0 0 0 0 0 0 1/ 2 1/ 2






Y una matriz W
1
n
como:


1/ 2 -1/ 2 0 0 0 0 0 0 0 0 0 0
0 0 1/ 2 -1/ 2 0 0 0 0 0 0 0 0
0 0 0 0 1/ 2 -1/ 2 0 0 0 0 0 0
0 0 0 0 0 0 1/ 2 -1/ 2 0 0 0 0
0 0 0 0 0 0 0 0 1/ 2 -1/ 2 0 0
0 0 0 0 0 0 0 0 0 0 1/ 2 -1/ 2



Se obtiene:

A
1
n
=[A
1
] [V
1
n
] y D
1
n
=[D
1
] [W
1
n
] (2.17)

Con este mismo concepto es posible hacer un anlisis en varios niveles como el
mostrado en la Figura 2.10

Consideremos el nivel 2, donde se aplica :

2
1
2
1
1 2 2 n n
A A
A
+
=

y
2
1
2
1
1 2 2 n n
D D
D

=

(2.18)

CAPTULO 2: TRANSFORMADA WAVELET 15



A
2
=[5 9 12] (2.19)

D
2
=[0 -1 - 4 ] (2.20)


De tal manera que Fn se podr recuperar de iteraciones sucesivas de A
2
: D
2
:D
1
pues de
A
2
:D
2
se recupera A
1
y con A
1
:D
1
como se vio anteriormente se recupera Fn [WAJ 99].
Si la seal que se va a analizar se descompone como se muestra en la figura, separando
las componentes de baja frecuencia de las de alta frecuencia se obtienen dos seales que en su
conjunto producen el doble de muestras de la seal original [MOP97].



filtro paso altas filtro paso altas


500 muestras

1000 muestras
500 muestras



S(t)
filtro paso bajas
1000 muestras
A
D
filtro paso bajas
S(t)
2
A
2
D
1000 muestras
1000 muestras

(a) (b)

Figura 2.8.Componentes de alta y baja frecuencia separadas, (a) a muestreo completo
y (b) a muestreo reducido con los coeficientes wavelet donde 2 significa
muestreo reducido a la mitad (downsampling).


En algunos casos se requiere disminuir la cantidad de datos necesarios para el manejo
de la seal, por lo que se hace el muestreo reducido (downsampling), en el que se involucran
los coeficientes wavelets obteniendo con ello una cantidad de muestras de la mitad que en el
caso anterior. En la siguiente imagen se observa lo anterior usando la misma seal de la
Figura 2.6.




CAPTULO 2: TRANSFORMADA WAVELET 16




d
u
t
i
l
p
m
a




filtro paso altas
2
muestras
d
u
t
i
l
p
m
a
muestras




2
d
u
t
i
l
p
m
a
filtro paso bajas

muestras
Figura2.9. Descomposicin de la seal de la Figura 2.6 en alta y baja frecuencia con reduccin
. de muestras dadas por los coeficientes wavelets.

CAPTULO 2: TRANSFORMADA WAVELET 17

Este procedimiento puede repetirse para varios niveles como se observa en la figura
siguiente:


S


A1 D1


A2 D2


A3 D3

Figura 2.10. Descomposicin en tres niveles de la misma seal ntese que el nmero de
muestras en el tercer nivel es de 125.



CAPTULO 2: TRANSFORMADA WAVELET 18


De tal manera que para el tercer nivel la seal tendr un nmero de muestras en A3 de
125 y D3 igualmente 125, dado que en la componente de baja frecuencia la reduccin en el
nmero de muestras no distorsiona la seal de una manera significativa es posible la
reconstruccin de la seal original de la ecuacin (2.21), seleccionando el nivel dependiendo
de la seal en serie de tiempo, de la wavelet utilizada y de la energa de los componentes de
frecuencia de la wavelet de tal forma que la distorsin de la seal recuperada no afecte
significativamente la informacin [MOP97].

3 2 1 3 D D D A S + + + = (2.21)

Por lo general las componentes de alta frecuencia son seales de ruido y es hasta
conveniente deshacerse de ellas [MOP97], [WAJ 99] por lo que la seal es notablemente
reducida lo que es sumamente til en procesamiento de seales. De cualquier manera en la
Figura 2.11 se observa la seal recuperada dada por la ecuacin (2.21)

0 100 200 300 400 500 600 700 800 900 1000
-0.025
-0.02
-0.015
-0.01
-0.005
0
0.005
0.01
S uperposicin de la seal en tiempo real y la recuperada de un tercer nivel de multiresolucin
A
m
p
l
i
t
u
d
Tiempo cada unidad corresponde a .000125 seg.
Real
Recuperada

Figura 2.11. Superposicin de las seales original y recuperada con reduccin por
coeficientes wavelets.
CAPTULO 2: TRANSFORMADA WAVELET 19




2.3.2 Transformada didica wavelets (wavelet decimada),



La expresin dada de forma limitada por (2.21) puede ser generalizada de la siguiente manera:


(2.22) ) ( ) ( ) (
, , , ,
t d t c t s
n j
J j Z n
n j n J
Z n
n J



=
+ =


donde indica la resolucin inicial y los coeficientes wavelet o detalles J { }
n j
d
,
estn
definidos por:

dt n
t
t s d
j
n j
j
n j

=

+

2
) (
2
1
, ,

(2.23)


mientras que los coeficientes de escalamiento o aproximaciones { }
n j
c
,
son definidos por:


dt n
t
t s c
j
n j
j
n j

=

+

2
) (
2
1
, ,

(2.24)


con ) (t como funcin de escalamiento de base ortogonal V, tal que
0
) ( V t [ALA03],
[BUG97].
Para obtener la multiresolucin

= Z n j n
t
t
j
j
n j
, :
2
2
1
) (
,
, la cual se da en el
ejemplo anterior como la matriz V
1
n
y

= Z n j n
t
t
j
j
n j
, :
2
2
1
) (
,
dada como la
matriz W
1
n
[MAS99], [PEW02].
La base ortogonal V debe formar una secuencia de subespacios cerrados { } ( ) R L V
j
j
2

que satisfacen las propiedades siguientes:
CAPTULO 2: TRANSFORMADA WAVELET 20


1.- ,
2
) , ( Z k j ( )
j j
V k t f V t f / 2 ) ( ,
2.- , , Z j
j j
V V
+1
3.- , Z j
1
) 2 ( ) (


j j
V t f V t f ,
4.- , { } 0 lim
. .
=
+
j
j
V
5.- , ( ) R L
j
2
. .
lim =



La primera propiedad indica que cualquier versin trasladada de una funcin ocupar el
mismo subespacio que la original, por la segunda propiedad se asume que el subespacio de la
escala subsecuente est contenido en el subespacio de la escala antecedente lo que implica
tener una mayor resolucin en la primera escala, en la tercera propiedad se advierte que
consiste de la versin reescalada de , finalmente las propiedades 4 y 5 denotan que el
ultimo subespacio de la multiresolucin carece de trminos y el hipottico subespacio obtenido
en el antecedente infinito ser el espacio total de energa finita [ALA03], [MAS99], [BRJ 02],
[WDF04], [BUG97], [KOM01] .
1 j
V
j
V
.

Considerando que se han tomado intervalos a mltiplos de dos, con escalamientos
tambin mltiplos de dos, a esta transformacin se le conoce como transformada didica
wavelet decimada. La ecuacin (2.23) puede rescribirse de la siguiente manera [MAS99],
[ICP02], [LOJ 04].



dt n
t
t s n S
j
j
j j

2
. ) (
2
1
) 2 , 2 (

(2.25)

CAPTULO 2: TRANSFORMADA WAVELET 21

Dado que el escalamiento se realiza para frecuencias en mltiplos de dos se disminuye
notablemente el tiempo de procesamiento de la seal ya que al hacer un escalamiento a 2
j
el
corrimiento del muestreo se hace en 2
j
.n como se puede observar en la Figura 2.12.


t




f









Figura 2.12. Grfica de distribucin de las frecuencias contra tiempos de muestreo.

Frecuencia
Escala 2
j
j
0
2 f f =


Tiempo
j
t
2

De esta manera la seal puede ser analizada optimizando los tiempos de muestreo, pues
las componentes de baja frecuencia necesitan mayor tiempo que las de alta y en consecuencia
el nmero de muestras ser menor, por otro lado una seal de muy alta frecuencia necesita un
muy alto nmero de muestras sin embargo estas seales suelen ser de muy baja amplitud o
seales de ruido que inclusive no representan un aporte que se justifique en el procesamiento
de la seal [LOJ 04], [MOP97], [WAJ 99].


2.4 Momentos de desvanecimiento

Si N
m
es el m-esimo momento de la funcin wavelet definido por [PWD02]:

= dt t t N
m
m
) (


CAPTULO 2: TRANSFORMADA WAVELET 22



se tendrn r momentos de desvanecimientos cuando N
m
=0 para m =0,1, . . . , r-1 donde r
es un entero positivo. El aspecto fundamental de esta condicin es que si es la
transformada de Fourier de , y si
) (m
representa la m-esima derivada de se tiene:

= dt e t t i f
ft i m m m

2 ) (
) ( ) 2 ( ) (

De donde se deduce que si N
m
=0 entonces
(m)
(0) =0 por lo que los momentos de
desvanecimiento implican que la transformada de Fourier de y cierto nmero de sus
derivadas son cero a cero frecuencias [PWD02]. Este concepto es particularmente importante
si consideramos la condicin de admisibilidad dada como:

=
0
2
) (
df
f
f
C

con 0 <C

<


Y que permite la recuperacin de la funcin original de:

dadb a
a
b t
a
b a cwt
C
t f
b a

=
2 *
,
/
1
) , (
1
) (

El nmero de momentos de desvanecimiento est relacionado con el orden de las
wavelets, el cual a su vez denotar los coeficientes de los filtros de formacin de la
transformada wavelet y reconstruccin de la seal [ALA03], [ICP02], [PEW02].
Un tpico ejemplo de wavelet con dos momentos de desvanecimientos es la wavelet
sombrero mexicano o segunda derivada de la funcin Gaussiana definida anteriormente por la
ecuacin (2.7)


CAPTULO 2: TRANSFORMADA WAVELET 23



2.5 Wavelets y aplicaciones


A continuacin se enlistan slo algunas de las aplicaciones de la Transformada Wavelet y
sobre de las cuales se tratar en este segmento.
-Deteccin de discontinuidades y puntos de falla
-Supresin de seales y eliminacin de ruido
-Compresin de seales
-Deteccin de autosimilitudes


2.5.1 Deteccin de discontinuidades y puntos de fallas

En la Figura 2.13 se aprecia una seal de ruido de un motor de induccin en la que se presenta
una pequea distorsin.

0 1000 2000 3000 4000 5000 6000
-4
-3
-2
-1
0
1
2
3
4
x 10
4
Tiempo
A
m
p
l
i
t
u
d
S eal de R uido de un M otor de Induc c in c on una Dis c ontinuidad


Figura 2.13. Ruido producido por un motor de induccin con una pequea distorsin.



CAPTULO 2: TRANSFORMADA WAVELET 24



En la Figura 2.14 se observa la transformada wavelet continua de la seal anterior en la
que se aprecia de manera muy notoria el punto de distorsin de la seal definida por la forma
de aleta claramente observable en la posicin del tiempo o sealado por el cursor.



Figura 2.14. Transformada wavelet de la seal de la figura 2.13 se us la sym7

Como puede apreciarse, es muy fcil detectar las discontinuidades usando la
transformada wavelets, en este caso inclusive con un lector ptico puede hacerse un
sealamiento de la presencia de estas.



2.5-2 Supresin de seales y eliminacin de ruido

Como puede apreciarse en la Figura 2.10 la descomposicin con reduccin en los coeficientes
de la wavelet ayuda a eliminar componentes que no aporten informacin necesaria en la seal,
de igual manera se pueden recortar las amplitudes de la seales de alta frecuencia que
representen ruidos o perturbaciones indeseables.
CAPTULO 2: TRANSFORMADA WAVELET 25


2.5.3 Compresin de seales

En la ecuacin 2.8 se define una funcin discreta a la que se le aplica una transformacin con
la wavelet Haar, puede apreciarse como se realiza la compresin de la seal siguiendo el
proceso hasta el resultado de las ecuaciones 2.19 y 2.20 en el que se observa los valores de dos
funciones con slo tres trminos cada una, en este caso la informacin puede transmitirse y
posteriormente recuperarse en un proceso inverso. Esta aplicacin es particularmente
importante, pues est siendo muy usada en la compresin de imgenes las cuales representan
una gran carga de memoria [MOP97], [WAJ 99].

2.5.4 Deteccin de autosimilitudes

Las autosimilitudes son estructuras que se repiten por doquier y a cualquier escala en la seal,
ya sea de manera exacta o similar; como ejemplo se muestra la Figura 2.15 en la que se da
una autosimilitud detallada enlos recuadros.






Figura 2.15 Ejemplo de autosimilitud en una seal

Desde el punto de vista del procesamiento de seales la autosimilitud ocurre cuando en
diferentes secciones de una seal se presentan parmetros estadsticos similares [MOP97]. En
la Figura 2.14 se pueden apreciar los patrones que pueden definir la similitud de los picos
cclicos de la seal.