Sei sulla pagina 1di 48

Note sulle ondicelle (aka wavelets)

Paolo Caressa
Roma, luglio 2007
Q
u
e
s
t
a
o
p
e
r
a
`e
d
i
s
t
r
i
b
u
i
t
a
c
o
n
l
i
c
e
n
z
a
C
r
e
a
t
i
v
e
C
o
m
m
o
n
s
A
t
t
r
i
b
u
z
i
o
n
e
-
N
o
n
c
o
m
m
e
r
c
i
a
l
e
3
.
0
U
n
p
o
r
t
e
d
.
T
h
i
s
w
o
r
k
i
s
l
i
c
e
n
s
e
d
u
n
d
e
r
a
C
r
e
a
t
i
v
e
C
o
m
m
o
n
s
A
t
t
r
i
b
u
t
i
o
n
-
N
o
n
C
o
m
m
e
r
c
i
a
l
3
.
0
U
n
p
o
r
t
e
d
L
i
c
e
n
s
e
.
Queste brevi note costituiscono un tentativo di riassumere alcune no-
zioni di base sulle ondicelle: si tratta dei miei appunti di studio sul-
largomento, ragion per cui vi gurano poche nozioni ed esempi ma
lavorati in dettaglio, usando il formalismo ed il linguaggio della teoria
elementare di Fourier piuttosto che i dialetti della teoria dei segnali,
delle serie storiche, etc.
Indice
1 Notazioni e motivazioni dalla teoria di Fourier . . . . . . . . . 1
2 La trasformata di Fourier discreta . . . . . . . . . . . . . . . 5
3 Teoria di Fourier e teoria dei segnali . . . . . . . . . . . . . . 6
4 Trasformata delle ondicelle . . . . . . . . . . . . . . . . . . . 12
5 Analisi di multirisoluzione . . . . . . . . . . . . . . . . . . . . 16
6 Ondicelle indotte da multirisoluzioni . . . . . . . . . . . . . . 25
7 Ondicelle ortogonali di Daubechies . . . . . . . . . . . . . . . 31
8 Trasformata discreta delle ondicelle . . . . . . . . . . . . . . . 37
Bibliograa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2
Paolo Caressa 1
1 Notazioni e motivazioni dalla teoria di Fourier
La teoria di Fourier `e stata iniziata nel 1807 da Joseph Fourier con lintento
di studiare la propagazione del calore e risolvere le equazioni a derivate par-
ziali che la modellizzano
1
: matematicamente `e stato con lavvento della teoria
dellintegrazione di Lebesgue, agli inizi del Novecento, e degli spazi di Hilbert,
negli anni 20 del Novecento, che si `e avuta una formalizzazione soddisfacen-
te. A partire dagli anni 30, specie per opera di Norbert Wiener, la teoria di
Fourier si `e diusa nel mondo ingegneristico e nelle altre scienze applicate.
A tutto ci`o corrisponde una gran confusione di terminologia: nella gura 1
riporto un piccolo dizionario, ispirato al glossario di Palle Jorgensen [6].
Matematica Statistica Fisica Ingegneria
successione paseggiata
aleatoria
misurazione serie storica
funzione L
2
variabile
aleatoria
stato segnale
operatore processo osservabile scatola nera
f vs.

f variabile
aleatoria vs.
funzione
caratteristica
posizione vs.
momento
tempo vs.
frequenza
sviluppo di
Fourier
disintegrazione decomposizione
in frequenze
analisi
antitrasformata
di Fourier
ricostruzione sovrapposizione sintesi
convoluzione ltro ltro ltro
prodotto
scalare
correlazione matrice di
transizione
transizione
sottospazio sottospazio banda risoluzione
catena di
sottospazi
ltrazione scale di
risoluzione
multirisoluzione
Figura 1: Alcuni sinonimi relativi alle ondicelle
In questo paragrafo vorrei ssare qualche notazione di teoria di Fourier,
dandone per buone le nozioni di base (cfr. [7], [1], [2, 7, 8, 14]).
1
In realt` a gi`a Eulero e dAlembert avevano considerato la decomposizione di Fourier
per lequazione delle onde, sul nire del xviii secolo.
2 Note sulle ondicelle (aka wavelets)
La classica decomposizione in serie di Fourier di una funzione periodica
f : [, ] C `e data dalla serie, dipendente dalla variabile t [, ],

nZ

f(n)e
int
dove i coecienti di Fourier sono deniti come

f(n) =
1
2
_

f(s)e
ins
ds
(si tratta dei prodotti scalari f, e
int
nello spazio di Hilbert L
2
[, ]). Una
serie di Fourier, per tramite della formula di Eulero e
it
= cos t + i sin t, si
scrive come serie trigonometrica
a
0
2
+

nZ
(a
n
cos nt + b
n
sin nt)
dove a
n
= 2

f(n) e b
n
= 2i

f(n).
La convergenza (quasi ovunque) della serie ha luogo per funzioni f a
quadrato integrabile qualsiasi, il che `e il contenuto di un dicile teorema di
Carleson del 1965: per una discussione elementare sulle serie di Fourier (ma
non sul teorema di Carleson) rimando a [7], [1], [2, 7.3].
Scomporre una funzione periodica in questo modo risulta utile in molte
applicazioni: in particolare, se immaginiamo f come un qualche tipo di segnale
dipendente dal tempo, possiamo esprimerla come sovrapposizione di segnali
sinusoidali, e
int
= cos nt + i sin nt, pi` u semplici da analizzare. Il problema di
questa decomposizione `e che questi segnali elementari non sono localizzati,
cio`e le funzioni coseno e seno non hanno supporto compatto, il che in molte
applicazioni rende dicoltoso, se non inutile, lo sviluppo in serie: le ondicelle
sono una proposta alternativa alle funzioni e
int
per scomporre una funzione
in serie di segnali elementari.
Immaginando di estendere lintervallo [, ] allinnito, la serie di Fou-
rier associata ad una funzione tende ad un integrale di Fourier: discutiamo
brevemente alcune propriet` a di questultimo, cui faremo riferimento in queste
note.
Data una funzione complessa f L
1
(R), la sua trasformata di Fourier

f :

R C `e denita sullo spazio vettoriale duale
2

R di R come

f() =
_
R
f(x)e
i(x)
dx
2
Cio`e lo spazio delle funzioni f : R R lineari, vale a dire quelle della forma (x) = ax:
ovviamente R

=

R, ma la distinzione `e importante.
Paolo Caressa 3
La formula di inversione di Fourier ([7, 6.1.12], [1, 5.10], [2, 7.4])
f(x) =
1
2
_

f()e
i(x)
d
mostra che se

f L
1
(

R) allora f deve essere limitata


[f(x)[
1
2
_

R
[

f()[ [e
i(x)
[ d =
1
2
|

f|
1
<
e continua
[f(x
1
) f(x
0
)[ =

1
2
_

f()e
i(x
1
)
d
1
2
_

f()e
i(x
0
)
d

1
2
_

R
[

f()[ [e
i(x
1
)
e
i(x
0
)
[ d

1
2
_

R
[

f()[ K[x
1
x
0
[ d
(dato che [e
i(x
1
)
e
i(x
0
)
[ `e una funzione continua e limitata)

K|f|
1
2
[x
1
x
0
[
In generale, la regolarit`a di f dipende da come [

f()[ va a zero allinnito


(che ci vada segue dal lemma di RiemannLebesgue): ad esempio
Teorema 1.1 Se f L
1
(R) ed inoltre, se p N
_

R
[

f()[(1 +[[
p
) d <
allora f `e limitata e p volte dierenziabile con derivate limitate.
Dimostrazione: Abbiamo infatti che

f(x + h) f(x)
h

1
2
_

R
[

f()[

e
i(x+h)
e
i(x)
h

d
=
1
2
_

R
[

f()[ [e
i(x)
[

e
i(h)
1
h

1
2
_

R
[

f()[

i +
h(i)
2
2
+

1
2
_

R
[

f()[ [[
_
1 +[h[
_
[[
2
+
__
d
4 Note sulle ondicelle (aka wavelets)
e quindi, per [h[ 0 la derivata in x esiste in quanto
1
2
_

R
[

f()[ [[ d <
come implicato dallipotesi. Per induzione il teorema segue nel caso generale,
applicando il caso p alla derivata (p 1)-esima di f, la cui trasformata di
Fourier `e (i)
p1

f().
qed
In particolare, se

f ha supporto compatto, allora f C

(R). Come
ci si attende da questi risultati, se f non `e continua in qualche punto, la
complessit`a delle sue singolarit` a si riverbera nel decadimento allinnito di
[

f()[.
Esempio 1.2 Alcune trasformate di Fourier fondamentali:
F(x) = f(x a)

F() = e
ia

f()
F(x) = f(x/a)

F() = [a[

f(a)
F(x) =
d
k
f(x)
dx
k


F() = (i)
k

f()
F(x) = f(x)

F() =

f()
f R

f() =

f()
Sfruttando argomenti di densit`a, precisamente il fatto che L
1
(R) L
2
(R)
`e denso in L
2
(R), possiamo estendere la trasformata di Fourier a L
2
(R), sul
quale consideriamo lusuale struttura di spazio di Hilbert con prodotto
f, g =
_
R
f(x)g(x) dx
Sullo spazio L
2
(

R) consideriamo invece il seguente prodotto scalare

f, g =
1
2
_
R

f()g() d
Ricordiamo inoltre che la convoluzione f g `e denita come
f g(x) =
_
R
f(y)g(y x) dy
Paolo Caressa 5
Teorema 1.3 Siano f, g L
1
(R) L
2
(R):
(1)

f g =

f g
(2) f, g =

f, g (formula di Parseval)
(3) |f|
2
= |

f|
2
(formula di Plancherel)
In particolare: la trasformata di Fourier `e una isometria L
2
(R)

= L
2
(

R).
2 La trasformata di Fourier discreta
La trasformata di Fourier, essendo denita come una trasformazione inte-
grale, `e, teoricamente, ottenuta con un passaggio al limite: ovviamente, nelle
applicazioni al calcolatore, il passaggio al limite si arresta ad un certo livello
di approssimazione e, dato che un integrale `e grosso modo il limite di una som-
ma, `e facile immaginare come la trasformata possa approssimarsi con delle
somme nite.
Possiamo essere pi` u precisi, denendo una trasformata di Fourier discreta
(DFT, acrostico di Discrete Fourier Transform) per se presa, e mostrare come
si possa considerare una approssimazione della trasformata di Fourier sulla
retta reale.
Consideriamo dunque un intervallo [0, T] della retta reale, ed in esso un
certo numero nito N di punti t
1
, ..., t
N
: per semplicit`a consideriamo una
griglia uniforme di punti t
j
, vale a dire poniamo t
j
= Tj/N, cio`e consideriamo
t
j
come i punti equidistanti 0, T/N, 2T/N, ..., T di passo T = T/N. Se
f : [0, T] R `e una funzione della quale conosciamo i valori y
0
= f(t
0
), ...,
y
N1
= f(t
N1
), possiamo associarle il polinomio trigonometrico denito sui
punti t
j
come
p
f
(t
j
) =
1
N
N1

k=0
c
k
e
2ijt
k
/T
=
1
N
N1

k=0
c
k
e
2ijk/N
dove i coecienti di Fourier di f sono deniti come
c
k
=
N1

h=0
f(t
h
)e
2ihk/N
=
N1

h=0
y
h
e
2ihk/N
Questa denizione `e lunica possibile in virt` u delle relazioni di ortogonalit` a
fra le funzioni e
2ijk/N
: queste ultime sono le formule
1
N
N1

k=0
e
2ik(jh)/N
=
j,h
6 Note sulle ondicelle (aka wavelets)
e seguono dal fatto che 1 + a + a
2
+ + a
N1
= (1 a
N
)/(1 a) e che,
ponendo a = e
2i/N
, da cui a
N
=
_
e
2i/N
_
N
= 1, troviamo, per j ,= h:
1
N
N1

k=0
e
2ik(jh)/N
=
1
N
N1

k=0
a
k(jh)
=
1
N
N1

k=0
_
a
jh
_
k
=
1
_
a
jh
_
N
N (1 a
jh
)
=
1
_
a
N
_
jh
N (1 a
jh
)
= 0
Invece, per j = h abbiamo (a
jh
)
N
= 1 sicche la somma fa N e quindi divisa
per N d`a 1.
Usando questa ortogonalit` a possiamo ora immediatamente notare che
p
f
(t
j
) =
1
N
N1

k=0
c
k
e
2ijk/N
=
1
N
N1

k=0
N1

h=0
y
h
e
2ihk/N
e
2ijk/N
=
1
N
N1

k=0
N1

h=0
y
h
e
2ik(jh)/N
=
N1

h=0
y
h
1
N
N1

k=0
e
2ik(jh)/N
=
N1

h=0
y
h

h,j
= y
j
e quindi la nostra denizione dei coecienti di Fourier rende invertibile la
trasformata di Fourier discreta per come labbiamo denita.
Il passaggio dal vettore (y
0
, ..., y
N1
) al vettore (c
0
, ..., c
N1
) `e la DFT,
mentre la sua inversa `e il passaggio da (c
0
, ..., c
N1
) a (y
0
, ..., y
N1
): per rea-
lizzare entrambi questi passaggi, esiste un algoritmo molto eciente, la tra-
sformata di Fourier veloce (FFT, acrostico di Fast Fourier Transform), che
consente di ridurre il numero di operazioni della DFT (che `e proporziona-
le a N
2
) a N log
2
N, rendendo estremamente ecaci i metodi di Fourier al
calcolatore elettronico.
3 Teoria di Fourier e teoria dei segnali
In teoria dei segnali, una funzione f L
2
(R) `e vista come un segnale
dipendente dal tempo x R la cui trasformata di Fourier `e una funzione
delle frequenze possibili

R del segnale stesso: il problema che si pone, negli
`ambiti applicativi della teoria, `e di trovare dei segnali f che siano localizzati
nel tempo (cio`e abbiano supporto in un intervallo limitato di R) e le cui
trasformate di Fourier siano localizzate in un piccolo intorno di frequenze.
Paolo Caressa 7
Per questo motivo gli usuali sistemi trigonometrici non sono adatti in quanto,
sebbene siano localizzati nelle frequenze, non lo sono nei tempi
3
.
In generale pretendere di avere entrambe le caratteristiche non `e bana-
le: la discussione precedente ci informa del fatto che se vogliamo che [

f()[
decada velocemente per alte frequenze [[ , `e necessario supporre che
f(x) sia molto regolare nella variabile temporale. Il seguente classico teorema
di HeisenbergWeyl aerma che non `e possibile rendere arbitrariamente pic-
cola la localizzazione dei tempi e delle frequenze contemporaneamente: data
f L
2
(R) e la sua trasformata di Fourier

f L
2
(

R), consideriamo le loro


medie

f
=
1
|f|
2
_
R
x[f(x)[
2
dx,

f
=
1
2|f|
2
_

R
[

f()[
2
d
e le varianze attorno a queste medie

f
=
1
|f|
2
_
R
(x
f
)
2
[f(x)[
2
dx,

f
=
1
|

f|
2
_

R
(

f
)
2
[

f()[
2
d
Queste quantit`a rappresentano una misura dellindeterminazione dei valori di
x e rispettivamente: il principio di Heisenberg aerma che non si possono
rendere entrambi arbitrariamente piccole.
Teorema 3.1 Se f L
2
(R) allora
f

f

1
4
.
Dimostrazione: Supporremo che f sia una funzione almeno derivabile una
volta: familiari argomenti di densit`a dovrebbero bastare al lettore per convin-
cersi della validit` a del teorema nel caso generale.
Per prima cosa dimostriamo il teorema nel caso di medie nulle: sup-
poniamo cio`e
f
=

f
= 0; per farlo calcoliamo in due modi dierenti
lintegrale
I =
1
2
__
R
xf(x)f

(x) dx +
_
R
xf(x)f

(x) dx
_
Da un lato, integriamo per parti trovando (tenendo conto che f decresce
allinnito pi` u rapidamente di qualsiasi polinomio)
I =
1
2
__
R
xf(x) df(x) +
_
R
xf(x)df(x)
_
=
1
2
x[f(x)[
2

1
2
_
R
([f(x)[
2
+ xf

(x)f(x))dx
+
1
2
x[f(x)[
2

1
2
_
R
([f(x)[
2
+ xf

(x)f(x))dx = |f|
2
I
3
Ad esempio la trasformata di Fourier di sinax `e la misura i(
+a

a
) concentrata
in due punti!
8 Note sulle ondicelle (aka wavelets)
cio`e I = |f|
2
/2. Daltro canto, usando la disuguaglianza di CauchySchwartz
e lidentit`a di Plancherel
[I[
2

_
R
x
2
[f(x)[
2
dx
_
R
[f

(x)[
2
dx =
_
R
x
2
[f(x)[
2
dx|

|
2
=
_
R
x
2
[f(x)[
2
dx
1
2
_

R
[i

f()[
2
d = |f|
4

f
Abbiamo quindi dimostrato che
1
4
=
[I[
2
|f|
4

f

f
cio`e la disuguaglianza di Heisenberg nel caso
f
=

f
= 0.
Nel caso generale, consideriamo la funzione ausiliaria g(x) = e
i

f
x
f(x +

f
), la cui media `e nulla, dato che
_
R
x[g(x)[
2
dx =
_
R
x[f(x +
f
)[
2
dx =
_
R
y[f(y)[
2
dy
f
_
R
[f(y)[
2
dy
= |f|
2

f

f
|f|
2
= 0
Inoltre la trasformata di Fourier di g `e
g() =
_
R
f(x +
f
)e
ix(+

f
)
dx =
_
R
f(y)e
i(y
f
)(+

f
)
dy
= e
i
f
(+

f
)
_
R
f(y)e
iy(+

f
)
dy = e
i
f
(+

f
)

f( +

f
)
e quindi, come per g, abbiamo che anche g ha media nulla:
_

R
[g()[
2
d =
_

R
[

f( +

f
)[
2
d =
_

R
[

f()[
2
d

f
|

f|
2
= 0
Dunque possiamo applicare il teorema a g:
1
4

g

g
. A questo punto non
resta che notare che
|f|
2

f
=
_
R
(x
f
)[f(x)[
2
dx =
_
R
(x
f
)[g(x
f
)[
2
dx = |g|
2

g
e, analogamente,
|

f|
2

f
= |g|
2

g
per dedurne che (dopo aver notato come dai conti precedenti segua immedia-
tamente che |g| = |f| e |g| = |

f|)
1
4

|

f|
2
|f|
2
|g|
2
|g|
2

f
=
f

f
qed
Paolo Caressa 9
Tuttavia, le funzioni utilizzate normalmente per sviluppare in serie una
funzione periodica, ad esempio, sono ben lungi dal giungere ai limiti imposti
da questo teorema: in particolare, trattandosi di funzioni trigonometriche,
non sono localizzate nellasse temporale in nessun intervallo. Le ondicelle
costituiscono una proposta alternativa ai sistemi trigonometrici, sono cio`e
delle basi degli spazi funzionali che posseggono propriet` a di localizzazione pi` u
stringenti.
Un primo passo `e capire quando la disuguaglianza di HeisenbergWeyl `e
in realt`a unuguaglianza: questo avviene se e solo se
f(x) = ce
i

f
x
exp
_

(x
f
)
2
2h
2
_
dove c `e una costante tale che [c[ = h
1/2

1/4
. Lidea `e quindi di costruire
degli atomi tempo-frequenza, cio`e delle funzioni
f(x) = e
i
0
u(x x
0
)
dove u `e una funzione ben localizzata sia nella variabile temporale che nella va-
riabile frequenza: questa idea, dovuta a John von Neumann e Dennis Gabor,
consiste nel determinare basi di L
2
(R) formate da atomi tempo-frequenza.
Discuteremo nei prossimi paragra alcune costruzioni che permettono di ot-
tenere queste basi, passando appunto per le ondicelle: `e interessante tuttavia
discutere una delle prime soluzioni a questo problema, fornita dalla teoria di
Shannon.
Lobiettivo classico della teoria della comunicazione di Shannon `e studiare
la trasmissione di una informazione continua lungo un canale discreto (cfr.
[11]): ad esempio la trasmissione di un suono richiede che il segnale sonoro
continuo sia campionato in tempi discreti per essere trasmesso digitalmen-
te. Per farlo, il segnale continuo viene campionato, cio`e si ssa un intervallo
temporale T e si rileva un valore di f(t) solo ai multipli interi di T, otte-
nendo cos` una successione che rappresenta la funzione di partenza tanto pi` u
precisamente quanto pi` u T `e piccolo. Dallaltra parte, nello spazio

R delle
frequenze, si devono ignorare le frequenze che non fanno parte del segnale ma
sono rumore di fondo: ad esempio, comunicando suoni udibili, si possono
ignorare le frequenze superiori a 20000Hz che sono ultrasoniche (si rammenti
che il tempo `e inversamente proporzionale alla frequenza in Fisica).
Dal punto di vista matematico questo pu`o farsi considerando segnali ap-
partenenti allo spazio dei segnali che ignorano le frequenze maggiori di :
1

=
_
f L
2
(R) : supp

f [, ]
_
10 Note sulle ondicelle (aka wavelets)
Questo spazio, assieme ad un segnale f, contiene tutte le sue traslazioni
f
t
(x) = f(x t), ed inoltre le sue funzioni presentano un carattere di re-
golarit` a stabilito dal celeberrimo teorema di PaleyWiener, una cui versione
recita (cfr. [7, VI.7]):
Teorema di PaleyWiener 3.2 f 1

se e solo se `e la restrizione a R
di una funzione F olomorfa in una striscia S

= z C : [ Imz[ < del


piano complesso e tale che esista una costante C in modo che
y (, )
_
R
[F(x + iy)[
2
dx < Ce
2|y|
Questo teorema `e un altro notevole esempio di come il modo di f di
andare a zero allinnito (in questo caso `e zero fuori da un intervallo nito!)
si riette nella regolarit`a di

f, che in questo caso `e cos` regolare da essere la
restrizione di una funzione olomorfa con propriet` a di nitezza nella striscia
dove `e denita.
Si noti che 1

`e uno spazio di Hilbert separabile, ed `e isomorfo a L


2
[, ]
per tramite della trasformata di Fourier; se

f L
2
[, ], allora possiamo
denire
F(z) =
1
2
_

f()e
iz
d
per z S

: se z R otteniamo f in virt` u della formula di inversione di


Fourier, ed il teorema di PaleyWiener aerma che F `e in generale olomorfa
sulla striscia S

.
Una base di 1

`e fornita dal teorema di campionamento


4
: consideriamo
la funzione di campionamento di Shannon
w

(x) =
sin(x)
x
la cui trasformata di Fourier `e
5
w

() = (/)1 1
[,]
dove, probabilisticamen-
te, deniamo la funzione indicatore di un insieme X come 1 1
X
(x) = 0 se x / X
e 1 1
X
(x) = 1 se x X.
4
Questo teorema `e enunciato nella forma che ci interessa da Claude Shannon [11]: questi
riconosce esplicitamente che il teorema gi`a era stato dimostrato dai matematici, citando
E.T. Whittaker; in realt` a lo si pu` o attribuire anche a E. Borel, V.A. Kotelnikov, S.K.
Krishnan, H. Raabe, I. Someya, solo per citarne alcuni.
5
Infatti lantitrasformata di fourier di 1 1
[,]
`e (sin x)/(x):
1
2
_

R
1 1
[,]
e
ix
d =
1
2
_

e
ix
d =
1
2
_
sin x
x
i
cos x
x
_

=
sin x
x
Paolo Caressa 11
Teorema di campionamento 3.3 La famiglia w

(x k/)
kZ
`e una
base ortonormale di 1

.
Dimostrazione: Cominciamo col notare che, denendo w
,k
(x) = w

(x
k/), si ha che w
,k
= (/)e
ik/
1 1
[1,1]
; infatti
_
R
w
,k
e
ix
dx =
_
R
sin(x k)
x k
e
ix
dx =
e
ik/

_
R
sin y
y
e
iy/
dy
=
e
ik/

w
1
(/) =

e
ik/
1 1
[1,1]
Dunque le antitrasformate di Fourier degli elementi (/)e
ikx/

kZ
(che
sono una base ortonormale di L
2
[, ]) sono w
,k
(x)
kZ
, e, dato che la
trasformata di Fourier `e una isometria, ne deduciamo che si tratta di una
base ortonormale di 1

.
qed
Questo teorema ci dice quindi che, se consideriamo una funzione f 1

,
possiamo scomporla come
f =

kZ
f, w
,k
w
,k
I coecienti di Fourier f, w
,k
sono, in virt` u dellidentit`a di Parseval e della
formula di inversione di Fourier,
f, w
,k
=

f, w
,k
=
1
2

_
1
1

f()e
ik/
d
=

1
2
_
1
1

f()e
ik/
d =

f(k/)
Possiamo pertanto riformulare il teorema di campionamento nella sua forma
classica, quale gura nei lavori di Shannon e Kotelnikov:
Corollario 3.4 f 1

f(x) =

kZ
f
_
k

_
sin(x k)
x k
.
Il teorema di campionamento aerma in sostanza che gli elementi di 1

sono, come funzioni, completamente determinati una volta che i loro valori
siano noti sulla successione k/, il che giustica il termine teorema di cam-
pionamento: la funzione f `e ricostruita completamente a partire da alcuni
campioni dei suoi valori, campionati appunto ogni / volte.
Proviamo ora a costruire una base di atomi tempo frequenza usando le
funzioni che compaiono nel teorema di campionamento nel caso = :
12 Note sulle ondicelle (aka wavelets)
Corollario 3.5 La famiglia di atomi tempo-frequenza
e
2inx
w
,k
(x k) = e
2inx
sin((x k))
x(x k)
`e una base di L
2
(R).
Dimostrazione: Prendiamo f L
2
(R) e deniamo la famiglia f
n
(x) come

f
n
() = 1 1
[2n,2n+)

f()
In questo modo abbiamo che

f =

f
n
, quindi anche f =

n
f
n
. Le funzioni
f
n
sono fra loro ortogonali: se infatti n ,= m
f
n
, f
m
=

f
n
,

f
m
=
_
2n+
2n
1 1
[2m,2m+)
[

f()[
2
d = 0
Inoltre, prendendo lantitrasformata di Fourier di

f
n
,
f
n
(x) = e
2inx
g
n
(x)
dove g
n
1

, pertanto, per il teorema di campionamento,


f(x) =

nZ
f
n
(x) =

nZ
e
2inx
g
n
(x)
=

nZ
e
2inx

kZ
g
n
(k)
sin(x k)
x k
=

n,kZ
g
n
(k) e
2inx
w
,k
(x k)
qed
Questo tipo di base presenta comunque degli inconvenienti: per prima cosa
le funzioni w
n,m
si comportano in modo molto irregolare intorno a zero; inoltre
gli atomi tempo-frequenza cos` ottenuti hanno tutti le stesse durate. Le basi
indotte dalle ondicelle, che deniremo nei prossimi paragra, risolvono questi
inconvenienti delle funzioni di campionamento di Shannon.
4 Trasformata delle ondicelle
Come primo approccio alle ondicelle, deniamole con lo scopo di intro-
durre una trasformata analoga a quella di Fourier ma che consenta di decom-
porre una funzione in modo alternativo e pi` u adatto agli obiettivi di ottenere
trasformate pi` u localizzate di quanto non avvenga nel caso di Fourier.
Paolo Caressa 13
Denizione 4.1 Una ondicella
6
`e una funzione L
2
(R) tale che
(1)
_
R
(t) dt = 0.
(2) || =

_
R
[(t)[
2
dt = 1.
Si noti che la prima condizione pu`o formularsi come

(0) = 0.
Esempio 4.2
(1)
`
E relativamente semplice costruire delle ondicelle (se non si richiedono
condizioni di regolarit`a): un esempio `e il cosiddetto cappello francese,
che `e denito come la funzione
(t) =
_

_
1/

3 se [x[ < 1
1/(2

3) se 1 [x[ < 3
0 se 3 [x[
Si tratta evidentemente di una ondicella, come si vede integrando questa
funzione costante a tratti.
(2) Una ondicella che, come funzione, sia dierenziabile, `e il cosiddetto
cappello messicano: partiamo dalla funzione
(t) = (t
2
1)e
t
2
/2
Intanto, dato che la derivata di te
t
2
/2
`e proprio (t) (che infatti `e la
derivata seconda della funzione gaussiana e
t
2
/2
), abbiamo che
_
R
(t) dt =
_
te
t
2
/2
_
+

= 0
Tuttavia questa non `e una funzione normalizzata, dato che
7
||
2
2
=
_
R
(t
2
1)
2
e
t
2
dt =
_
R
(t
4
2t
2
+ 1)e
t
2
dt
=
3
4

2
+

=
3
4

6
Questo strano termine `e la traduzione del francese ondelette, coniato nel 1981 da Jean
Morlet, un ingegnere geosico che si occupava di estrazioni petrolifere, che not`o come
le onde sismiche si potessero scomporre in ondicelle di forma piccola. Una traduzione
alternativa in italiano `e ondina, termine dal buo sapore arcadico.
7
Ricordiamo che
_
R
e
t
2
dt =

,
_
R
t
2n
e
t
2
dt =
1 3 (2n 1)
2
n

14 Note sulle ondicelle (aka wavelets)


Per avere una funzione normalizzata poniamo dunque
(t) =
1
||
2
(t) =
2

1/4

3
(t
2
1)e
t
2
/2
Notiamo che `e una funzione reale.
(3) Londicella di Morlet si denisce come
(t) =
1

1/4
e
i
0
t
e
t
2
/2
ed `e semplicemente un multiplo della funzione gaussiana. Si noti che
questa `e una funzione complessa.
A partire da una ondicella L
2
(R), possiamo denire la famiglia di
funzioni, per (r, s) R
+
R,

r,s
(t) =
1

_
t s
r
_
che chiamiamo ondicelle glie dellondicella madre . Un semplice cambia-
mento di variabile negli integrali mostra che
_
R

r,s
(t) dt = 0, |
r,s
|
2
2
= 1
Al variare di (r, s) R
+
R, possiamo considerare i coecienti di Fourier di
una qualsiasi funzione in L
2
rispetto alle ondicelle glie:
Jf(r, s) = f,
r,s

Lidentit`a di Parseval ci consente pure di scrivere


Jf(r, s) =

f,

r,s

Chiamiamo trasformata delle ondicelle associata ad una ondicella la fun-


zione di due variabili
Jf(r, s) = f,
r,s
=
1

r
_
R
f(t)
_
t s
r
_
dt
In qualche senso, la trasformata delle ondicelle dipende dalle coppie tempo/
frequenza e quindi ha qualche chance di permettere una localizzazione simul-
tanea di queste due variabili: ovviamente, per essere utile, una trasformata
deve essere, almeno per qualche classe di funzioni, invertibile, e le condizio-
ni di invertibilit`a della trasformata delle ondicelle sono date dal teorema di
CalderonGrossmannMorlet:
Paolo Caressa 15
Teorema 4.3 Se L
2
(R) ha valori reali e soddisfa il criterio di ammissi-
bilit`a
0 < C

=
_
R
+
[

(r)[
2
r
dr <
allora
f(t) =
1
C

_
R
+
R
Jf(r, s)
1

_
t s
r
_
1
r
2
dr ds
|f|
2
=
1
C

_
R
+
R
[Jf(r, s)[
2
1
r
2
dr ds
Dimostrazione: Per dimostrare la (1) facciamo vedere che le trasformate
di Fourier dei due membri coincidono: prima rielaboriamo lintegrale a destra
in termini di convoluzione; ponendo
r
(t) = (t/r)/

r, abbiamo che
f
r
(t) = Jf(r, s)
pertanto
_
R
Jf(r, s)
1

_
t s
r
_
ds = (f
r
)
r
(t) = f (
r

r
)(t)
e quindi (usando il teorema di Fubini, come lecito per le ipotesi sulle nostre
funzioni)
1
C

_
R
+
R
Jf(r, s)
1

_
t s
r
_
1
r
2
dr ds =
1
C

_
R
+
f (
r

r
)(t)
dr
r
2
Passando ora alle trasformate di Fourier, tenendo conto che
8

r
(t) =

(rt),
1
C

_
R
+

f(t)

r
(t)

r
(t)
dr
r
2
=
1
C

_
R
+
r

f(t)

(rt)

(rt)
dr
r
2
=

f(t)
C

_
R
+
[

(rt)[
2
dr
r
=

f(t)
C

=

f(t)
Poiche la trasformata di Fourier `e un isomorsmo L
2
(R)

= L
2
(

R), ne segue
lequazione (1).
8
Infatti
_
R

r
()e
it
d =
1

r
_
R

r
_
e
it
d =
r

r
_
R
() e
itr
d =

(rt)
16 Note sulle ondicelle (aka wavelets)
Dimostriamo ora la (2); utilizzeremo ancora il fatto che Jf(r, s) = f
r
,
il teorema di Fubini e lidentit`a di Plancherel:
1
C

_
R
+
R
[Jf(r, s)[
2
1
r
2
dr ds =
1
C

_
R
+
_
R
[f
r
[
2
ds
dr
r
2
=
1
C

_
R
+
|f
r
|
2
2
dr
r
2
=
1
C

_
R
+
_
R
[

f(s)[
2
[

r
[
2
ds
dr
r
2
=
1
C

_
R
[

f(s)[
2
_
R
+
[

r
[
2
r
2
dr ds =
1
C

_
R
[

f(s)[
2
C

ds
= |

f|
2
= |f|
2
qed
Notiamo che il criterio di ammissibilit`a implica che

(0) = 0 (altrimenti
lintegrale non potrebbe convergere per r 0
+
), cio`e che la funzione ha
media nulla: viceversa, se una funzione ha media nulla ed `e almeno C
1
(R)
soddisfa certamente il criterio di ammissibilit`a.
Quindi, per garantire lapplicabilit`a del teorema precedente, basta consi-
derare una ondicella che verichi una condizione di decrescenza allinnito
del tipo
_
R
[(x)[ (1 +[x[
p
) dx
con p 1.
Nelle applicazioni, spesso si `e costretti a considerare dei sottoinsiemi di
R
+
R come valori sui quali considerare Jf(r, s), e conseguentemente eet-
tuare la ricostruzione del segnale usando il teorema di Calder onGrossmann
Morlet: in particolare, ha interesse ottenere degli analoghi discreti della tra-
sformata delle ondicelle, esattamente come, rispetto alla trasformata di Fou-
rier, ha interesse anche considerare lo sviluppo in serie di Fourier delle funzioni
periodiche.
5 Analisi di multirisoluzione
Abbiamo denito le ondicelle come funzioni soggette a certe condizioni
che consentono di decomporre una funzione L
2
per mezzo di una trasformata
invertibile: tuttavia le ondicelle sono anche famose per fornire delle basi orto-
normali di L
2
(R), e questo si ottiene discretizzando i parametri r e s da cui
dipendono le ondicelle glie di una ssata ondicella madre . Questo secon-
do approccio, che riposa sul concetto di multirisoluzione introdotto da Yves
Paolo Caressa 17
Meyer e Stephane Mallat, consiste nel formulare condizioni sucienti anche
la famiglia
_

n,m
= 2
n/2
(2
n
x m)
_
n,mZ
sia una base ortonormale di L
2
(R) (questa famiglia `e ottenuta dalle ondicelle
glie di discretizzandone gli argomenti: r = 2
n
, s = m2
n
).
Lidea consiste nel decomporre opportunamente lo spazio L
2
(R) usando la
funzione , e quindi stabilire dei risultati generali di decomposizione di una
funzione in serie di ondicelle.
Denizione 5.1 Una base di Riesz di uno spazio di Hilbert 1 separabile `e
una successione s
k
di elementi di 1 tali che per ogni f 1 esistano unici
c
k
C in modo che
f =

kN
c
k
s
k
e ci siano due costanti A, B > 0 tali che
A|f|
2

kN
[c
k
[
2
B|f|
2
Una base di Riesz `e quindi una generalizzazione di una base ortonormale:
si tratta di un insieme di generatori non pi` u ortogonale, ma che pu`o essere
usato in modo simile; il vantaggio delle basi di Riesz `e che sono pi` u semplici
da trovare.
Denizione 5.2 Una multirisoluzione
9
di L
2
(R) `e una coppia (V
n

nZ
, )
dove V
n
`e una famiglia di sottospazi chiusi di L
2
(R) e V
0
una funzione
tali che:
(1) V
n
V
n+1
;
(2)
_
nZ
V
n
`e denso in L
2
(R) e

nZ
V
n
= 0;
(3) [x f(x)] V
n
[x f(2x)] V
n+1
;
(4) V
0
`e una funzione che non abbia media nulla e tale che la famiglia
(x m)
mZ
sia una base ortonormale di V
0
si dice la funzione di scala della multirisoluzione.
9
La locuzione completa sarebbe analisi (di) multirisoluzione, AMR.
18 Note sulle ondicelle (aka wavelets)
Seguendo [1] adottiamo la seguente terminologia per una generalizzazione
talvolta indispensabile del concetto di multirisoluzione:
Denizione 5.3 Una multirisoluzione di Riesz di L
2
(R) `e una coppia (V
n

nZ
,
) dove V
n
`e una famiglia di sottospazi chiusi di L
2
(R) e V
0
una fun-
zione tali che le (1)-(3) della denizione di multirisoluzione siano soddisfatte
e tale che
(4

) V
0
`e una funzione che non abbia media nulla e tale che la famiglia
(x m)
mZ
sia una base di Riesz di V
0
I sottospazi V
i
vanno pensati come delle griglie di ingrandimento: intuiti-
vamente, gli elementi di V
n
sono utilizzati per stabilire un livello di granularit`a
nel quale studiare un segnale, cio`e una funzione L
2
(R), ad una risoluzione di
al pi` u 2
n
(pi` u n cresce e pi` u la risoluzione `e ne). Quindi la condizione (1)
`e una condizione di causalit`a: inttendo la griglia aumentiamo la nostra
capacit`a risolutiva senza perdere quelle meno ni. La condizione (2) sancisce
invece una sorta di completezza: dobbiamo immaginare un elemento V
n
della
successione di sottospazi come una griglia di risoluzione 2
n
. Al crescere di
n, la griglia V
n
diviene sempre pi` u ne, nel senso che le sue maglie dimez-
zano di spessore rispetto alla griglia precedente, questo in sostanza aerma
la (3).
Esempio 5.4 Gli spazi di funzioni costanti a tratti costituiscono gli esempi
forse pi` u elementari di multirisoluzioni: precisamente deniamo
V
n
=
_

mZ
a
n,m
1 1
[m2
n
,(m+1)2
n
)
_
an,mC
Come funzione di scala possiamo prendere
= 1 1
[0,1)
Evidentemente, se g `e costante su un intervallo lo `e anche su tutti i suoi
sottointervalli, quindi V
n
V
n+1
; che lunione dei V
n
sia densa in L
2
(R)
`e un fatto generale delle teoria dellintegrazione, mentre ovviamente lunica
funzione che `e costante su ciascun intervallo `e quella nulla. Inoltre abbiamo
che
1 1
[0,1)
(x m) = 1 1
[m,m+1)
(x)
Paolo Caressa 19
e quindi, dato che ogni funzione misurabile pu`o esprimersi come (cfr. [2, 4])
f =

mZ
a
m
1 1
[m,m+1)
dove la successione a
m
`e in
2
(Z) se e solo se
10
f L
2
(R), abbiamo che le
1 1
[m,m+1)
formano una base ortonormale (e, a fortiori, di Riesz).
Naturalmente vorremmo delle classi di funzioni pi` u regolari di quelle co-
stanti a tratti: fra poco daremo degli altri esempi. Per il momento lavoriamo
un po sulla denizione di multirisoluzione.
Cominciamo col dare una caratterizzazione delle basi di Riesz:
Teorema 5.5 Se L
2
(R), la famiglia (x m)
mZ
`e una base di Riesz
di un sottospazio chiuso V L
2
(R) se e solo se:
(1) (x m)
mZ
= V
(2) A, B > 0 [, ]
1
B

mZ
[ ( + 2m)[
2

1
A
.
Dimostrazione: Notiamo per prima cosa che la (1) `e richiesta anche dal-
lessere una base di Riesz, quindi `e una ipotesi per entrambe le condizioni; in
particolare questa ipotesi, per ogni f V , la (1) ci consente di scrivere
f(x) =

mZ
f
m
(x m)
Prendendo la trasformata di Fourier troviamo

f() =

mZ
f
m
_
R
(x m)e
ix
dx = ()

mZ
f
m
e
im
Cio`e

f `e prodotto di per una funzione g periodica espressa per tramite del
suo sviluppo in serie di Fourier:
f
m
=
1
2
_
2
0
g(x)e
imx
dx
10
Rammentiamo che una successione s
n
`e in
p
(Z) se e solo se la somma del-
la serie

n
[s
n
[
p
`e nita; in particolare, la norma
2
di una successione `e il numero
|s|

2 =
_
n
[s
n
[
2
_
1/2
.
20 Note sulle ondicelle (aka wavelets)
per cui possiamo calcolare la norma di f usando il teorema di Plancherel, e
tenendo conto che g `e periodica di periodo 2,
|f|
2
= |

f|
2
=
1
2
_

R
[

f()[
2
d =
1
2
_
2
0

mZ
[

f( + 2m)[
2
d
=
1
2
_
2
0

mZ
[ ( + 2m)[
2
[g( + 2m)[
2
d
=
1
2
_
2
0
[g()[
2

mZ
[ ( + 2m)[
2
d
Torniamo ora alla dimostrazione del teorema: se (x m) `e una base di
Riesz allora, oltre alla (1), soddisfa la
A|f|
2

mZ
[f
m
[
2
=
1
2
_
2
0
[g()[
2
d B|f|
2
cio`e, tenendo conto dellespressione per |f|
2
appena ricavata, la
A

mZ
[ ( + 2m)[
2
1 B

mZ
[ ( + 2m)[
2
(per quasi ogni ) vale a dire la (2). Il ragionamento inverso mostra che se
vale la (2) allora (xm) `e una base di Riesz (che si tratti di una famiglia
densa segue immediatamente dalla densit`a del sistema trigonometrico: infatti
se f = 0 allora

f = 0 e quindi f
m
= 0 per ogni m, stante le relazioni
precedenti).
qed
Nel caso A = B = 1 la base di Riesz `e in realt`a un sistema ortonormale,
quindi ne deduciamo il
Corollario 5.6 (xm)
mZ
`e un sistema ortonormale in L
2
(R) se e solo
se


R

mZ
[ ( + 2m)[
2
= 1
(questo corollario potrebbe dimostrarsi direttamente usando la formula di
sommazione di Poisson).
Concentriamoci ora sul ruolo delle funzioni di scala: se (V
n

nZ
, ) `e una
multirisoluzione di Riesz, dato che V
1
(avendosi V
0
V
1
), la funzione
Paolo Caressa 21
[x (x/2)] sta in V
0
per la (3), sicche, essendo (xm) una base di Riesz,
possiamo scrivere

_
x
2
_
=

mZ
a
m
(x m)
Abbiamo quindi, ponendo h
m
= a
m
/2, lequazione di ranamento [5] o equa-
zione di dilatazione [12] (il motivo di questa terminologia sar` a chiaro fra
breve):
Teorema 5.7 (x) = 2

mZ
h
m
(2x m).
Una semplice sostituzione y = 2
n1
x m permette di vericare il
Corollario 5.8 Se poniamo
n,m
(x) = 2
n/2
(2
n
x m) allora

n,m
(x) =

kZ
h
k2m

n+1,k
(x)
In particolare, possiamo scrivere lequazione di ranamento come
(x) =

m
h
m

1,m
(x)
Lequazione di ranamento `e importante nelle applicazioni perche la si pu`o
usare per stimare sui punti diadici m2
n
senza conoscere eettivamente la
.
Integrando lequazione di ranamento e dividendo ambo i membri per
a =
_
R
(x) dx (che `e supposto non nullo per denizione), troviamo
1 =
2
a

mZ
h
m
_
R
(2x m) dx =
2
a

mZ
h
m
1
2
_
R
(y) dy =

mZ
h
m
La trasformata di Fourier di `e
() = 2

mZ
h
m
_
R
(2x m)e
i(x)
dx
=

mZ
h
m
_
R
(y)e
i(y+m)/2
dy
=

mZ
h
m
e
i(m)/2
_
R
(y)e
i(y)/2
dy
=

mZ
h
m
e
i(m)/2

_

2
_
= H
_

2
_

_

2
_
22 Note sulle ondicelle (aka wavelets)
dove abbiamo denito una funzione che in teoria dei segnali si chiama ltro
passa-basso
11
:
H() =

mZ
h
m
e
i(m)
(si tratta ovviamente di una funzione 2-periodica la cui restrizione a [, ]
`e L
2
, che scriviamo in termini della sua serie di Fourier). Notiamo che le-
spressione appena dedotta per implica immediatamente che
_
R
(x) dx = (0) = 1
La coppia di equazioni
_
_
_
(0) = 1
() = H
_

2
_

_

2
_
`e interessante perche ci consente, almeno a livello formale, di scrivere in
termini di un prodotto innito come
() =

m=1
H
_

2
m
_
Non ci soermeremo sulla convergenza di questo prodotto ne sulle ipotesi di
decrescenza allinnito su che la implicano (cfr. [9], [12], [8, 7.1.3 sotto
lipotesi di ortonormalit` a della base di Riesz]), ma ci limitiamo ad osservare
come questa rappresentazione di renda possibile ricostruire questa funzione
a partire dalla successione h
m
.
Esempio 5.9 Una classe di funzioni pi` u regolari che d`a luogo a multirisolu-
zioni si ottiene considerando gli spazi
1
/2
n =
_
f L
2
(R) : supp

f [

2
n
,

2
n
]
_
che abbiamo considerato discutendo il teorema di campionamento; come fun-
zione di scala scegliamo la funzione di campionamento di Shannon
(x) =
sin(x)
x
la cui trasformata di Fourier `e, come ben sappiamo,
() = 1 1
[,]
()
In questo caso abbiamo H() = 1 1
[/2,/2]
.
11
Questo nome deriva dal fatto che moltiplicare per questa funzione taglia le frequenze
alte: cfr. ad es. lesempio 5.9 qui di seguito.
Paolo Caressa 23
Esempio 5.10 Unaltra classica famiglia di funzioni di scala `e data da certe
spline, le B-spline (box spline), denite ricorsivamente come
_
N
1
= 1 1
[0,1]
N
m
= N
m1
N
1
Si pu`o dimostrare che
N
m
(x) = 2
m1
m

k=0
_
m
k
_
N
m
(2x k)
La trasformata di Fourier di N
1
`e

N
1
() = (1e
i
)/i, pertanto, in generale

N
m
() =
_
1 e
i
i
_
m
In questo caso la ltrazione `e denita solo per n 0: per n = 0 abbiamo lo
spazio delle funzioni continue e lineari a tratti; nel caso n > 0, lo spazio V
n
`e costituito dalle funzioni di classe C
n1
che, sugli intervalli [m2
n
, (m+1)2
n
]
sono dei polinomi di grado n. La funzione di scala `e in questo caso = N
1
,
e si pu`o dimostrare che, eettivamente, (x m) `e una base di Riesz di
V
0
. Possiamo determinare il ltro passa-basso usando lequazione (2) =
()H() come segue:
2
i
_
1 e
i2
_
=
1 e
i
i
H() = H() = 2
(1 e
i
)(1 + e
i
)
1 e
i
= H() = 2(1 + e
i
)
In questultimo esempio, la base di Riesz di V
0
non `e ortonormale, mentre
nel caso dei primi due esempi lo era: abbiamo cio`e un esempio di multirisolu-
zione di Riesz vera e propria.
Tuttavia, nel caso di una multirisoluzione (non di Riesz), la successione
h
m
dei coecienti di Fourier del ltro passa-basso non solo `e normalizzata
in modo che

mZ
h
m
= 1, ma soddisfa anche una relazione di ortogonalit` a:
in eetti, dallequazione di ranamento, abbiamo che
(x)(x k) = 4

m,pZ
h
m
h
p
(2x m) (2(x k) p)
24 Note sulle ondicelle (aka wavelets)
e, integrando ed usando la supposta ortogonalit` a delle (x m),

0,k
=
_
R
(x)(x k) dx
= 4

m,pZ
h
m
h
p
_
R
(2x m) (2(x k) p) dx
= 4

m,pZ
h
m
h
p
_
R
(2x m) (2(x k) p) dx
= 2

m,pZ
h
m
h
p

m,2k+p
= 2

mZ
h
m
h
m2k
In particolare, la norma
2
della successione h
m
`e 1/

2.
Inoltre, sempre nellipotesi che (xm) sia ortonormale, il ltro passa-
basso soddisfa una importante relazione: infatti `e una funzione H periodica,
sicche, per il corollario 5.6,
1 =

kZ
[ (2 + 2k)[
2
=

kZ
[ ( + k)[
2
[H( + k)[
2
= [H()[
2

kZ
[ ( + 2k)[
2
+[H( + )[
2

kZ
[ ( + + 2k)[
2
= [H()[
2
1 +[H( + )[
2
1
Abbiamo pertanto dimostrato la condizione di SmithBarnwell [3].
Teorema 5.11 [H()[
2
+[H( + )[
2
= 1.
`
E interessante notare come, con un cambiamento di variabile y = x p,
(x m), (x p) =
_
R
(x m)(x p) dx = (mp)
e quindi (x m) `e ortonormale se e solo se (m) =
m
: prendendo la
trasformata di Fourier di questa equazione troviamo

mZ
[ ( + 2m)[
2
= [ [
2
= [

[ = [e
im
[ = 1
cio`e nuovamente il corollario 5.6.
Paolo Caressa 25
6 Ondicelle indotte da multirisoluzioni
Consideriamo una multirisoluzione (V
n
, ): vogliamo usarla per costrui-
re una ondicella; poniamo
W
n
= V
n+1
/V
n
in modo che V
n+1
= V
n
W
n
: questo quoziente contiene linformazione di
dettaglio necessaria per aumentare la precisione nellapprossimazione del-
la griglia codicata da V
n
. Poiche la ltrazione V
n
`e tale che

nZ
V
n
`e
densa, la somma degli spazi W
i
esaurisce lintero L
2
(R), ed inoltre, dato che
lintersezione dei V
n
`e nulla, questa somma `e diretta:

mZ
W
m
= L
2
(R)
Si noti che
V
n
= V
0

k=0
W
k
Denizione 6.1 Se / = (V
n
, ) `e una multirisoluzione (risp. una mul-
tirisoluzione di Riesz), una ondicella rispetto alla multirisoluzione / `e una
funzione W
0
tale che la famiglia (xm)
mZ
sia una base ortonormale
(risp. una base di Riesz) di W
0
.
Quello che spesso si sente dire `e che le ondicelle sono particolari basi di
L
2
(R): possiamo immediatamente giusticare questa aermazione.
Teorema 6.2 Se `e una ondicella rispetto ad una multirisoluzione (risp.
una multirisoluzione di Riesz), la famiglia
n,m

n,mZ
i cui elementi sono
deniti come

n,m
= 2
n/2
(2
n
x m)
`e una base ortonormale (risp. di Riesz) di L
2
(R)
Dimostrazione: Infatti la propriet` a (3) nella denizione di multirisoluzione,
cio`e il fatto che [x f(2x)] V
n+1
se e solo se f V
n
, implica immediata-
mente che, se (xm) `e una base ortonormale (risp. di Riesz) di W
0
, allora
2
n/2
(2
n/2
x m) `e una base ortonormale (risp. di Riesz) di W
n
per ogni
n Z e, dal fatto che L
2
(R) `e somma diretta dei W
n
, segue quanto asserito.
qed
26 Note sulle ondicelle (aka wavelets)
A questo punto, data una multirisoluzione ed una ondicella rispetto ad
essa sappiamo determinare una base ortonormale (risp. di Riesz) di L
2
(R).
Ora il problema `e: c`e un modo generale per costruire questa ? Stephane
Mallat ha proposto una costruzione molto semplice di una tale ondicella nel
caso in cui la multirisoluzione non sia di Riesz (caso nel quale dora in poi ci
porremo), che, basandoci sulla discussione precedente, possiamo ora esporre.
Cominciamo con losservare come, data una funzione V
0
V
1
, scri-
vendone lo sviluppo rispetto alla base (2x k),
(x) = 2

kZ
g
k
(2x k)
(per una opportuna g
k

2
(Z)) e passando alle trasformate di Fourier, si
ottenga, come nel caso della funzione di scala:

() = G
_

2
_

_

2
_
dove G() =

kZ
g
k
e
ik
`e una funzione 2-periodica. Lidea di Mallat `e di
denire questa funzione come G() = e
i
H ().
Lemma 6.3 Data una multirisoluzione (V
n
, ), la funzione

() = e
i/2
H
_

2
+
_

_

2
_
`e un elemento di W
0
= V
1
/V
0
Dimostrazione: Infatti

() = e
i/2

_

2
_
H
_

2
+
_
= e
i/2

_

2
_

mZ
h
m
e
im/2
e
im
=
_

2
_

mZ
(1)
m
h
m
e
im/2
col che possiamo scrivere, per g
m
= (1)
m
h
m
:

() =

mZ
g
m
e
im/2

_

2
_
Paolo Caressa 27
sicche, prendendo lantitrasformata di Fourier,
(x) =
1
2
g
m
_
R

_

2
_
e
i/2(m+2x)
d = 2

mZ
g
m
(2x + m)
troviamo che V
1
; per avere W
0
, resta da mostrare che V
0
: in
eetti, per lidentit`a di Plancherel, dalla

(2) = e
i
()H( +) (cfr. pagina
26) e dalla (2) = H() () (cfr. pagina 21), possiamo dedurne che
, (x m) =
_
R
(x)(x m) dx =
_

()e
im
() d
= 2
_

(2)e
2im
(2) d
= 2
_

R
e
2im
e
i
()H( + ) (2) d
= 2
_

R
e
2im
e
i
()H( + )H() () d
A questo punto consideriamo la scomposizione

R =

kZ
[2k, 2(k + 1))
nellultimo integrale che abbiamo scritto
2
_
2
0
e
2im
e
i
H( + )H()

kZ
[ ( + 2k)[
2
d
(abbiamo usato anche che H `e periodica di periodo 2 e che e
2ik
= 1, e quindi
solo il modulo di contiene la k). Ora, usiamo nuovamente il corollario 5.6
(ricordiamo che la nostra multirisoluzione `e ortonormale per ipotesi),
2
_
2
0
e
2im
e
i
H( + )H() d
spezziamo lintegrale in due, cambiamo variabile = + , ed inne ci
gioviamo del fatto che e
i
= 1 per ottenere:
2
_

0
e
2im
e
i
H( + )H() d 2
_

0
e
2im
e
i
H()H( ) d
che, per periodicit`a di H, `e zero. Abbiamo cio`e dimostrato che , (xm) =
0, e, dato che (xm) `e una base ortonormale di V
0
per ipotesi, troviamo
che V
0
e quindi W
0
, visto come complementare di V
0
in V
1
= V
0
W
0
.
qed
Mostriamo ora che questo elemento denito nel lemma precedente `e
unondicella nel senso della denizione di questo paragrafo.
28 Note sulle ondicelle (aka wavelets)
Teorema 6.4 Se `e la funzione denita nel lemma precedente, allora (x
m)
mZ
`e una base ortonormale di W
0
.
Dimostrazione: Verichiamo la condizione del corollario 5.6: per farlo usia-
mo il corollario 5.6 applicato a : [H()[
2
+[H( + )[
2
= 1. In eetti,

mZ
[

( + 2m)[
2
=

mZ

2
+ m
_

H
_

2
+ (m + 1)
_

2
=

kZ

2
+ 2k
_

H
_

2
+ 2k
_

2
+
+

kZ

2
+ (2k + 1)
_

H
_

2
+ (2k + 1)
_

2
=

H
_

2
_

kZ

2
+ 2k
_

2
+
+

H
_

2
+
_

kZ

2
+ (2k + 1)
_

2
=

H
_

2
_

2
+

H
_

2
+
_

2
= 1
Lultimo passaggio segue dalla condizione di SmithBarnwell, teorema 5.11.
Resta da dimostrare che lo spazio generato da (xm) `e eettivamente
W
0
= V
1
/V
0
: per farlo, cominciamo col notare che
f V
0
f(x) =

mZ

m
(x m)

f() =

mZ

m
e
im
()
f V
1
f(x) = 2

mZ

m
(2x m)

f() =

mZ

m
e
im/2

_

2
_
Cio`e lo spazio

V
0
delle trasformate degli elementi di V
0
`e generato dalla fun-
zioni della forma h() (x), con h L
2
[, ], mentre

V
1
`e generato dalle
funzioni della forma h(/2) (/2).
Dato che (x m) sono ortogonali a (x m), per avere la tesi basta
mostrare che un qualsiasi elemento di f si pu`o scomporre come somma di un
elemento (della chiusura) di (x m) e di un elemento (della chiusura) di
(x m): facciamolo vedere per la trasformata di Fourier di f, usando il
fatto che la trasformata di Fourier `e un isomorsmo.
Paolo Caressa 29

f() =

mZ

m
e
im/2

_

2
_
=

mZ

m
e
im/2

_

2
_

_
H
_

2
_
H
_

2
_
+ H
_

2
+
_
H
_

2
+
_
_
= H
_

2
_

mZ

m
e
im/2

_

2
_
H
_

2
_
+ H
_

2
+
_

mZ

m
e
im/2

_

2
_
H
_

2
+
_
= H
_

2
_

mZ

m
e
im/2
() + H
_

2
+
_

mZ

m
()
(dove
m
(x) = (x m)). Passando alle antitrasformate otteniamo quindi
f(x) =

mZ

m
(x m) +

mZ

m
(x m)
(tenendo conto che H() =

m
h
m
e
im
`e una funzione 2-periodica).
qed
In particolare, una base di V
1
= V
0
W
0
`e data da (xm), (xm).
Esempio 6.5 Torniamo a considerare lesempio 5.4 e determiniamone lon-
dicella : intanto osserviamo che
(x) = 1 1
[0,1)
(x) = 1 1
[0,1/2)
(x) + 1 1
[1/2,1)
(x) = (2x) + (2x 1)
Lequazione di ranamento `e daltra parte
(x) = 2

mZ
h
m
(2x m)
da cui deduciamo che gli unici h
m
non nulli sono h
1
= h
0
= 1/2, da cui
H() = h
1
e
i
+ h
0
=
1
2
_
1 + e
i
_
e, usando la denizione dellondicella in termini di (cfr. formula a pagina
27)
(x) = 2

mZ
(1)
m
h
m
(2x m) = (2x + 1) + (2x)
= 1 1
[1/2,0)
(x) + 1 1
[0,1/2)
(x)
30 Note sulle ondicelle (aka wavelets)
Questa `e la famosa ondicella di Haar, la cui base di Riesz associata (in que-
sto caso una base ortonormale) fu denita dal matematico ungherese Alfred
Haar nel 1910!
Esempio 6.6 Torniamo allesempio 5.9 e determiniamone londicella : sta-
volta abbiamo = 1 1
[,]
, e, se scriviamo lequazione (2) = ()H(),
troviamo
1 1
[/2,/2]
() = 1 1
[,]
()H()
Poiche H() `e 2-periodica ne viene che
H() =

mZ
1 1
[/2,/2)
( + 2m) =

mZ
1 1
[2m/2,/22m)
()
e quindi la costruzione di Mallat dellondicella fornisce in prima istanza

() = e
i/2
1 1
[2,2]
()

mZ
1 1
[2m/2,/22m)
(/2 + )
= e
i/2
1 1
[2,2]
()

mZ
1 1
[34m,4m)
()
e, dato che gli unici addendi dellunione

mZ
[3 4m, 4m) che
intersecano [2, 2] sono [, 3) e [3, ), si ha
[2, 2]
_
mZ
[3 4m, 4m) = [, 2] [2, )
ne viene

() = e
i/2
1 1
[,2][2,)
()
per cui, prendendo lantitrasformata (poniamo I = [, 2] [2, ))
(x) =
1
2
_
I
e
i/2
e
ix
d =
1
(1 + 2x)
_
I
e
i(1+2x)/2
d
_

2
(1 + 2x)
_
=
1
i(1 + 2x)
_
e
i(1+2x)/2

2
+
1
i(1 + 2x)
_
e
i(1+2x)/2

=
sin 2(1 + 2x) sin (1 + 2x)
(1 + 2x)
troviamo londicella di Shannon. Dato che

ha supporto compatto, questa
funzione `e innitamente dierenziabile. Notiamo inoltre che il coeciente di
Fourier h
m
di H `e, se m ,= 0
h
m
=
1
2
_

H()e
im
d =
1
2
_
/2
/2
e
im
d
=
1
2
sin m
m

/2
/2
=
_
0 se m `e pari
(1)
(m1)/2
/(m) se m `e dispari
Paolo Caressa 31
(se m = 0 allora h
0
= 1/2 dato che (0) = 1 e quindi H(0) = 2h
0
= 1).
Si noti che le ondicelle di Haar e Shannon hanno propriet` a duali: londicel-
la di Haar `e localizzata nella variabile x dei tempi, ed ha un ltro passa-basso
determinato da due soli coecienti di Fourier, londicella di Shannon `e loca-
lizzata nelle frequenze e il suo ltro ha inniti coecienti non nulli. Ai ni
delle applicazioni computazionali, si preferiscono ovviamente le ondicelle i cui
ltri hanno solo un numero nito di coecienti di Fourier non nulli
12
.
Naturalmente, come abbiamo gi` a sottolineato, londicella di Haar, a fronte
della semplicit`a del suo ltro passa-basso, `e una funzione discontinua: Ingrid
Daubechies ha determinato, verso la ne degli anni 80, esempi di ondicelle
che presentano sia caratteristiche di localizzazione che di regolarit`a, e che
discuteremo nel prossimo paragrafo.
7 Ondicelle ortogonali di Daubechies
Londicella di Shannon `e una funzione dierenziabile: tuttavia landa-
mento di [(x)[ allinnito `e lo stesso di [t[
1
(il che segue dal fatto che

`e singolare nei punti , 2), e questa circostanza `e spiacevole per vari


motivi, che si appalesano in modo particolare nelle applicazioni, dove, come
vedremo nel prossimo paragrafo, le ondicelle sono utilizzate per approssima-
re, tramite i coecienti f,
k,m
, delle funzioni che rappresentano segnali da
elaborare: risulta importante a questo ne avere pochi coecienti non nulli
(o almeno non troppo grandi) in modo da ottenere algoritmi ecienti.
La condizione da imporre, per ottenere un decadimento rapido allin-
nito di [[, `e che londicella sia ortogonale a qualsiasi polinomio di grado
sucientemente alto: precisamente diamo la
Denizione 7.1 Una funzione f L
2
(R) ha i primi p momenti nulli se
k 0, 1, ..., p
_
R
x
k
f(x) dx = 0
Cio`e una funzione ha i primi p momenti nulli se `e ortogonale a qualsiasi
polinomio di grado p 1: la motivazione di questa denizione `e che, se una
funzione `e sucientemente dierenziabile ed ha i primi p momenti nulli, `e
ortogonale al suo sviluppo di Taylor di ordine p 1.
Lemma 7.2 Se `e una ondicella indotta da una multirisoluzione (V
n
, ),
allora le seguenti aermazioni sono equivalenti:
12
In teoria dei segnali si suole dire che questi ltri hanno risposta in frequenza nita.
32 Note sulle ondicelle (aka wavelets)
(1) ha i primi p momenti nulli.
(2)

() si annulla in = 0 assieme alle sue prime p 1 derivate.
(3) il ltro passa-basso H() si annulla in = assieme alle sue prime
p 1 derivate.
Dimostrazione: Che la (1) e la (2) si equivalgano segue dallidentit`a
_
d

()
d
k
_
=0
=
_
R
(ix)
k
(x) dx
Che la (3) e la (2) si equivalgano segue dalla denizione di

:

() = e
i/2
(/2)H(/2 + )
e dal fatto che (0) = 1, da cui segue che

(0) = H()
Dierenziando la () e valutando in = 0 troviamo che
0 =
_
d

()
d
k
_
=0
=

(0) i
2
H() +
1
2
H

() =
1
2
H

()
avendosi H() =

(0) = 0. Dunque anche H

() = 0, ed in modo analogo si
procede no alla derivata (p 1)-esima.
qed
Lidea della Daubechies `e di partire dalla (3) di questo lemma, cio`e di
costruire H in modo da soddisfare questa condizione (e da continuare a sod-
disfare la condizione di SmithBarnwell 5.11), ed utilizzare H per denire una
ondicella a supporto compatto.
Poiche vogliamo che abbia supporto compatto, lidea `e di prendere
a supporto compatto e H come un polinomio trigonometrico a coecienti
reali
13
H() =
n

k=0
h
k
e
ik
13
Infatti sotto queste ipotesi, dato che

() = e
i/2
(/2)H(/2 + ), diviene la
convoluzione di con una combinazione lineare di delta di Dirac.
Paolo Caressa 33
cui si impone di avere uno zero di ordine p in = (per garantire la (3) del
lemma precedente): questo vuol dire
14
che il polinomio deve essere divisibile
almeno per (1 + e
i
)
p
, dunque
H() =
_
1 + e
i
_
p
Q
_
e
i
_
dove Q(z) `e un opportuno polinomio, che ovviamente vogliamo scegliere di
grado il pi` u piccolo possibile. Abbiamo dunque
15
[H()[
2
=
_
1 + e
i
_
p
_
1 + e
i
_
p

Q
_
e
i
_

2
= (2 + 2 cos )
p

Q
_
e
i
_

2
= 2
2p
_
cos
2

2
_
p

Q
_
e
i
_

2
Dato che i coecienti h
k
sono reali, H() = H(), quindi [H[
2
`e una funzione
pari, il che signica che il fattore [Q(e
i
)[
2
che vi gura dipende in realt` a
solo da cos = 1 2 sin
2
/2, pertanto possiamo scrivere
[H()[
2
=
_
cos
2

2
_
p
B
_
sin
2

2
_
per un opportuno polinomio B determinato univocamente da Q (si noti che
inglobiamo in B il fattore 2
2p
). Imponendo la condizione di SmithBarnwell
5.11
16
troviamo
1 =
_
cos

2
_
2p
B
_
sin
2

2
_
+ sin
2p

2
B
_
cos
2

2
_
=
_
cos
2

2
_
p
B
_
1 cos
2

2
_
+
_
1 cos
2

2
_
p
B
_
cos
2

2
_
Il nostro obiettivo `e quello di determinare un tale B col minimo numero
di termini non nulli: per farlo invochiamo un classico risultato di algebra
commutativa, il teorema di Bezout
17
che aerma: dati due polinomi P
1
(x) e
P
2
(x) di gradi n
1
e n
2
e privi di zeri in comune, esistono due unici polinomi
B
1
(x) e B
2
(x) di gradi n
1
1 e n
2
1 in modo che
B
1
(x)P
1
(x) + B
2
(x)P
2
(x) = 1
14
Un polinomio trigonometrico `e un polinomio P(z) calcolato in z = e
i
: quindi se P
si annulla con molteplicit` a p in z = e
i
= 1, allora P(z) = (z + 1)
p
Q(z).
15
Usiamo lidentit` a 1 + cos = 2 cos
2
(/2).
16
E tenendo conto che cos(/2 + /2) = sin/2 e sin(/2 + /2) = cos /2.
17
Valido in ciascun dominio a ideali principali, quindi nellanello dei polinomi a
coecienti in un campo.
34 Note sulle ondicelle (aka wavelets)
Vogliamo applicarlo al caso x = cos
2
/2, P
1
(x) = (1 x)
p
e P
2
(x) = x
p
:
otteniamo quindi due polinomi B
1
(x) e B
2
(x) entrambi di grado p in modo
che
x
p
B
1
(x) + (1 x)
p
B
2
(x) = 1
Per prima cosa notiamo che, se B
2
(x) =

h
b
h
x
h
, lequazione precedente
diviene
p1

h=0
p

k=0
_
p
k
_
(1)
k
b
h
x
k+h
= 1 x
p
B
1
(x)
e quindi il principio di identit`a dei polinomi ci informa che
_

_
b
0
= 1
h

k=0
_
p
k
_
(1)
k
b
hk
= 0 0 < h < p
Pertanto le (b
0
, ..., b
p1
) possono essere pensate come lunica soluzione del
sistema lineare Ax = e
1
in cui A `e triangolare inferiore con 1 sulla diagonale
(e quindi det A = 1) e e
1
= (1, 0, ..., 0). Un calcolo ricorsivo mostra che, se
0 h < p:
b
h
=
_
p + h 1
h
_
=
p (p + 1) (p + h 1)!
h!
Ora osserviamo che se prendiamo il polinomio B(x) di grado p 1 e i cui
coecienti siano i b
h
appena calcolati, si ha
x
p
B(1 x) + (1 x)
p
B(x) = 1
Questo mostra, in virt` u del risultato di unicit`a aermato nel teorema di
Bezout, che i polinomi oerti da questo teorema sono B
1
(x) = B(1 x)
e B
2
(x) = B(x) dove
B(x) =
p1

h=0
_
p + h 1
h
_
x
h
In particolare, B(x) 0 non appena x [0, 1], che `e il nostro caso, dato
che per noi x = cos
2
/2. Abbiamo quindi determinato il polinomio di grado
minimo che stavamo cercando (il grado deve essere almeno p 1, altrimenti
lequazione x
p
B
1
(x) + (1 x)
p
B
2
(x) non pu`o ovviamente essere soddisfatta
per ogni x).
Paolo Caressa 35
Torniamo ora alla formula:
[H()[
2
=
_
cos
2

2
_
p
B
_
sin
2

2
_
ed usiamola per costruire il polinomio Q che gura nella formula H() =
(1 +e
i
)
p
Q(e
i
): per prima cosa scriviamo Q(z) come polinomio (poniamo
z = e
i
)
Q(z) =
N

h=0
q
h
z
h
Abbiamo supposto reali i coecienti di H (e quindi quelli di Q), dunque
q
h
R e, coniugando lequazione precedente, troviamo
Q(e
i
) =
N

h=0
q
h
e
ih
= Q(e
i
)
Possiamo quindi scrivere (ricordando il fattore 2
2p
inglobato in B)
Q(e
i
)Q(e
i
) = [Q(e
i
)[
2
= 2
2p
B
_
sin
2

2
_
= 2
2p
B
_
_
e
i/2
e
i/2
2i
_
2
_
= 2
2p
B
_
2 e
i
e
i
4
_
Il polinomio che gura nellultimo membro di questa equazione `e denito per
i numeri complessi di modulo 1, ma ovviamente possiamo considerarlo per
qualsiasi numero complesso z; la relazione
2
2p
B
_
2 (z + z
1
)
4
_
= Q(z)Q(z
1
) =
N

h,k=0
q
h
q
k
z
hk
ci consente di determinare i coecienti di Q a partire da quelli di B, ed anche
il numero N di tali coecienti, usando il principio di identit`a dei polinomi
(di Laurent): nellesempio pi` u sotto mostriamo il caso p = 2.
Denizione 7.3 Una ondicella di Daubechies con p momenti nulli `e londi-
cella indotta a partire da H secondo la costruzione precedente.
Infatti, avendo H, possiamo ricostruire , merce la formula
() = 2

mZ
g
m
(2x + m)
dove g
m
= (1)
m
h
m
(cfr. pagina 27).
36 Note sulle ondicelle (aka wavelets)
Esempio 7.4 Consideriamo il caso pi` u semplice p = 1: allora H() = (1 +
e
i
)q
0
, cio`e in questo caso il polinomio Q `e costante. Inoltre, dato che ri-
chiediamo H(0) = 1 (in modo da ottenere (0) = 1), `e q
0
= 1/2, quindi
h
0
= h
1
= 1/2, e ritroviamo londicella di Haar (cfr. esempio 6.5).
La nostra convenzione di normalizzazione richiede che H(0) = 1 e che la
norma
2
della successione h
n
sia invece 1/

2: talora si richiede invece che


questa norma sia 1, e allora, sia nellesempio precedente che nel prossimo, i
coecienti h
n
qui determinati vanno moltiplicati per

2 (`e questa ad esempio


la convenzione di Mallat [8]).
Esempio 7.5 Costruiamo londicella di Daubechies nel caso p = 2: stavolta
H() = (1 + e
i
)
2
(q
0
+ q
1
e
i
)
quindi Q(z) = q
0
+ q
1
z ha grado uno. Dato che
Q(z)Q(z
1
) = 2
4
B
_
2 (z + z
1
)
4
_
e dato che B(x) = 1 + 2x, otteniamo
(q
2
0
+ q
2
1
) + q
0
q
1
(z + z
1
) = Q(z)Q(z
1
) =
1
8

z + z
1
32
Pertanto: q
2
0
+ q
2
1
=
1
8
, q
0
q
1
=
1
32
. Ne viene
q
0
=

2 +

3
32
, q
1
=

3
32
A questo punto, dato che
H() = q
0
+ (q
1
+ 2q
0
)e
i
+ (q
0
+ 2q
1
)e
2i
+ q
1
e
3i
abbiamo determinato gli h
k
non nulli:
h
0
= q
0
=

2 +

3
32
, h
1
= q
1
+ 2q
0
=
1
4
+

2 +

3
32
,
h
2
= q
0
+ 2q
1
=
1
4
+

3
32
, h
3
= q
1
=

3
32
Paolo Caressa 37
8 Trasformata discreta delle ondicelle
Consideriamo una multirisoluzione / = (V
n
, ), e la decomposizione

k
W
k
di L
2
(R) da essa indotta: questa ultima, ci consente di approssimare
una funzione f L
2
(R) con elementi di qualche W
k
, proiettando la funzione
su questo sottospazio. Se richiediamo che il quoziente V
n
= V
n1
W
n1
sia un quoziente di spazi di Hilbert, ne viene che V
n1
W
n1
, in particolare
V
0
W
0
, cio`e W
n
sono i complementi ortogonali di V
n
in V
n+1
: in questo modo
tutti i W
n
sono mutuamente ortogonali fra loro, e, considerando le proiezioni
ortogonali P
Vn
: L
2
(R) V
n
e P
Wn
: L
2
(R) W
n
, possiamo scrivere, quale
che sia f L
2
(R), la sua espansione ortogonale
f =

n
P
Wn
f
Se `e londicella indotta dalla multirisoluzione /, a questo punto sappiamo
che:
(1)
n,m
(x) = 2
n/2
(2
n
x m) descrivono, al variare di n, m Z, una base
ortonormale di V
n
.
(2)
n,m
(x) = 2
n/2
(2
n
x m) descrivono, al variare di n, m Z, una base
ortonormale di W
n
.
Queste due condizioni le abbiamo dimostrate nel caso n = 0, ma da tutta la
discussione dei paragra precedenti dovrebbe essere chiara la loro validit` a nel
caso n Z, e possiamo quindi scrivere
P
Vn
f =

m
f,
n,m

n,m
, P
Wn
f =

m
f,
n,m

n,m
Poiche si tratta di proiezioni ortogonali, possiamo interpretare queste funzioni
come le migliori approssimazioni di f con elementi di V
n
e di W
n
: in parti-
colare, combinando con lespansione precedente col fatto che L
2
(R) `e somma
diretta dei W
n
, troviamo
f =

m
f,
n,m

n,m
Questa decomposizione `e lanalogo discreto della trasformata delle ondicelle
che abbiamo discusso allinizio di queste note: lanalogia `e la stessa che inter-
corre fra serie ed integrale di Fourier. Si noti tuttavia che qui abbiamo due
indici nella serie: i coecienti di Fourier f,
n,m
al variare di m Z possono
vedersi come una descrizione del segnale f al livello di granuralit`a espresso
dalla griglia associata al sottospazio V
n
.
38 Note sulle ondicelle (aka wavelets)
Poiche possiamo scrivere un elemento f V
n
= V
n1
W
n1
in modo
unico come:
f =

n,m

n,m
= a
n1
+ d
n1
dove a
n1
V
n1
(lapprossimazione) e d
n1
W
n1
(il dettaglio) sono, a
loro volta, decomponibili come
a
n1
=

n1,m

n1,m
, d
n1
=

n1,m

n1,m
per il corollario 5.8 abbiamo quindi

n1,m
= f,
n1,m
=

k
h
k2m
f,
n,k
=

k
h
k2m

n,k
In modo del tutto analogo

n1,m
=

k
g
k2m

n,k
dove g
k
sono i coecienti di Fourier della funzione G() = e
i
H() che gura
nella denizione dellondicella di Mallat (cfr. lemma 6.3): dalla dimostra-
zione del lemma segue infatti che i coecienti di Fourier di G e quelli di H
sono legati dalla relazione g
k
= (1)
k
h
k
.
Svolgiamo due osservazioni importanti: la prima `e che queste formule ri-
corsive si possono interpretare in termini di convoluzioni di serie numeriche;
precisamente,
n1,m
risulta la convoluzione della serie

k

k
con la serie

k
h
2k
, cio`e della serie ottenuta da

k
h
k
selezionando gli indici pari. Ne
segue che le approssimazioni a
n1
contengono la met` a dellinformazione delle
approssimazioni a
n
, (laltra `e contenuta nel dettaglio d
n1
).
Inoltre queste equazioni ricorsive possono essere combinate iterativamente
per scrivere un algoritmo di trasformata veloce delle ondicelle, che consente
di passare dalla rappresentazione di f come elemento di V
n
ad elemento di
V
n1
W
n1
. La corrispondente trasformata inversa, che consente di passare
dai coecienti rispetto alla decomposizione V
n1
W
n1
a quelli rispetto a V
n
si ottiene usando il corollario 5.8 alla formula di ranamento e la sua versione
Paolo Caressa 39
per , che segue dalla relazione

(2) = G() ():

n,m

n,m
=

n1,m

n1,m
+

n1,m

n1,m
=

n1,m
_

k
h
k2m

n,k
_
+

n1,m
_

k
g
k2m

n,k
_
=

k
(h
k2m

n1,m
+ g
2mk

n1,m
)
n,k
Riassumiamo in un teorema le formule che abbiamo dimostrato:
Teorema 8.1 Se a
n
=

n,m

n,m
, e d
n
=

n,m

n,m
:
(1)
n1,m
=

k
h
k2m

n,k
.
(2)
n1,m
=

k
g
k2m

n,k
.
(3)
n,m
=

k
h
m2k

n1,k
+

k
g
m2k

n1,k
Questi algoritmi di decomposizione di
n,m
in termini di approssimazioni e
dettagli meno ni, e di ricostruzioni di
n,m
a partire dalle sue approssimazioni
e dettagli si schematizzano come segue:
d
n1
d
n2
............ d
1
d
0
a
n
<<
z
z
z
z
z
z
z
z
z
//
a
n1
;;
w
w
w
w
w
w
w
w
w
//
a
n2
............
AA

//
a
1
>>
~
~
~
~
~
~
~
~
//
a
0
Figura 2: Algoritmo di trasformazione delle ondicelle diretto
Si noti che, nota lapprossimazione a
k
ed i dettagli d
n1
, ..., d
k
`e possibile
ricostruire a
n
in modo completo: cio`e, lalgoritmo diretto, ad ogni passaggio
da n a n 1, preserva tutta linformazione del segnale, distribuendola solo
in modo diverso fra la componente di approssimazione e quella di dettaglio.
Per questo motivo lalgoritmo inverso `e capace di ricostruire completamente
il segnale di partenza.
40 Note sulle ondicelle (aka wavelets)
d
0

@
@
@
@
@
@
@
@
d
1

@
@
@
@
@
@
@
@
............

A
A
A
A
A
A
A
A
A
A d
n1
""
D
D
D
D
D
D
D
D
D
a
0
//
a
1
//
a
2
............
//
a
n1
//
a
n
Figura 3: Algoritmo di trasformazione delle ondicelle inverso
Evidentemente, ai ni delle applicazioni pratiche, emerge in modo chiaro
da questi algoritmi quanto siano utili i ltri H e G con solo un numero
nito di coecienti non nulli, e quindi quanto, ad esempio, la costruzione di
Daubechies sia fondamentale per le applicazioni pratiche.
Esempio 8.2 Consideriamo londicella di Haar e la successione h che le `e
associata: dato che gli unici h
k
non nulli sono h
0
= h
1
= 1/2 (da cui, essendo
g
m
= (1)
m
h
m
, g
1
= g
0
= 1/2), troviamo che, dato un segnale f rappre-
sentato da N valori (a
n,1
, ..., a
n,N
), possiamo decomporlo in approssimazioni
(a
n1,1
, ..., a
n1,N/2
) e dettagli (d
n1,1
, ..., d
n1,N/2
) come
a
n1,m
=

2
2
(a
n,2m
+ a
n,2m+1
) , d
n1,m
=

2
2
(a
n,2m
a
n,2m1
)
Diamo qualche interpretazione di quanto detto nel linguaggio della teoria
dei segnali.
Denizione 8.3
(1) Un ltro `e una successione bilatera
18
h
2
(Z) la cui serie di Fourier
associata

h() =

kZ
h
k
e
ik
ha come somma una funzione limitata H() (oltre che periodica, come
ovvio).
(2) Un ltro con risposta nita (FRF) `e un ltro in cui solo un numero
nito di coecienti h
n
`e non nullo: la lunghezza di un FRF `e la distanza
k
1
k
0
fra gli indici tali che h
k
= 0 se k < k
1
o se k > k
2
.
(3) Un ltro con risposta innita (FRI) `e un ltro in cui inniti coecienti
h
n
sono diversi da zero.
18
Cio`e una funzione Z C.
Paolo Caressa 41
Di solito, nella letteratura ingegneristica, i coecienti h
n
della successione
sono denotati con h[n], un retaggio dei tempi in cui i sistemi di scrittura com-
puterizzata non consentivano indici e pedici
19
che, per comprensibili motivi
di tradizione, sopravvive oggid`.
Abbiamo gi` a incontrato un esempio di ltro, e precisamente il ltro passa-
basso H() associato ad una multirisoluzione: come abbiamo visto, nel caso
delle ondicelle di Daubechies, questo ltro `e con risposta nita. Interpreta-
to come funzione somma della corrispondente serie trigonometrica, un FRF
corrisponde ad un polinomio trigonometrico.
Si noti che una condizione suciente ache un ltro sia FRF `e che h

1
(Z): in questo caso la somma della serie

h `e una funzione continua: questo `e,


di nuovo, il caso delle ondicelle alla Daubechies, mentre londicella di Shannon
ha un ltro H con inniti coecienti diversi da zero, quelli di indici dispari
(cfr. esempio 6.6).
Poiche immaginiamo i nostri ltri come coecienti di serie trigonometri-
che, la moltiplicazione delle serie corrisponde alla convoluzione delle succes-
sioni: in particolare, applicare un ltro h ad una successione s
2
vuol dire
calcolarne la convoluzione, i cui coecienti sono
(h s)
n
=

kZ
h
nk
s
k
Come sappiamo dalla teoria di Fourier (cfr. e.g. [7], [1, 5.8], [2, Proposizio-
ne 7.3.4]), la trasformata della convoluzione `e il prodotto delle trasformate:

h s =

s. Dato che

h `e una funzione limitata, abbiamo il
Teorema 8.4 Fissato un ltro h
2
(Z), la funzione s hs `e un operatore
lineare e limitato sullo spazio
2
(Z).
Inoltre, la convoluzione di successioni possiede una identit`a, cio`e il ltro

0
denito come la successione il cui unico coeciente non nullo `e lo 0-esimo,
che vale 1: allora `e ovvio che
0
s = s per ogni successione s
2
(Z).
Consideriamo ora il ltro passa-basso H() indotto da una multirisoluzio-
ne (V
n
, ): in realt`a, in teoria dei segnali, si usa sovente una normalizzazio-
ne diversa da quella che abbiamo adottato in queste note, denendo il ltro
passa-basso e il ltro passa-alto come
m
0
() =
1

2
H(), m
1
() = m
0
( + ) =
1

2
H( + )
In questo modo, la relazione di SmithBarnwell 5.11 si traduce nelle equazioni
19
Come nel classico libro di David Gries Compiler Construction for Digital Computers,
scritto con mezzi informatici nel lontano 1971.
42 Note sulle ondicelle (aka wavelets)
(1) [m
0
()[
2
+[m
1
()[
2
= 1
(2) m
0
()m
1
() + m
0
( + )m
1
( + ) = 0
che possiamo esprimere anche sostenendo che la matrice
_
m
0
() m
1
()
m
0
( + ) m
1
( + )
_
`e unitaria (per quasi ogni [, ]).
Notiamo che la relazione di ortogonalit` a fra i coecienti del ltro H mo-
strata a pagina 24 si esprime concisamente in termini della successione dei
suoi coecienti come
_
h h
_
m
=
0m
: essa equivale alla (1) appena scritta;
inoltre la relazione dei coecienti h
m
con i g
m
(che equivale alla relazione
[m
0
( + )[
2
= [m
1
()[
2
per ltri m
0
e m
1
) si esprime come
_
h h
_
m
= (1)
m
(g g)
m
mentre la relazione (2) precedente per i ltri m
0
e m
1
equivale alla
(h g)
2m
= 0
Le veriche di queste aermazioni sono essenzialmente gi` a state fatte nelle pa-
gine precedenti, qui le abbiamo formulate semplicemente in questo linguaggio
pi` u compatto dei ltri.
Bibliograa
Nota: questi riferimenti si limitano ai testi da me consultati nella reda-
zione di queste note, e non costituiscono in alcun modo una bibliogra-
a sullargomento. Ho privilegiato ove possibile articoli e libri reperibili su
Internet.
[1] G. Bachman, L. Narici, E. Beckenstein, Fourier and Wavelet Analysis,
Springer, 2000.
[2] P. Caressa, Metodi matematici della meccanica quantistica, e-book alla
URL: http://www.caressa.it/
[3] E. Hernandez, Ondculas y tecnologa, Bol. de la Soc. Esp. de Mat. Apl
25, (2003), 3954.
[4] G. Grubb, Notes on Wavelets, preprint, Matematisk Institut,
Kbenhavns Universitet, 2001.
[5] B. Javert, W. Sweldens, An Overview of Wavelet Based Multiresolution
Analyses, preprint.
[6] P.E.T. Jorgensen, Analysis and probabiliy, Wavelets, Signals, Fractals,
Springer, 2006.
[7] Y. Katznelson, An Introduction to Harmonic Analysis, Dover, 1976.
[8] S. Mallat, A Wavelet Tour of Signal Processing, Academic Press, 1999.
[9] Y. Meyer, Wavelets and Operators, I, Oxford UP, 1992.
[10] Y. Meyer, Le traitement du signal et lanalyse mathematique, Ann. Inst.
Fourier, 50 (2000), 593632.
[11] C. Shannon, Communication in the Presence of Noise, Proc. of the IRE
37 (1949), 1021, reprinted in Proceedings of the IEEE, Vol. 86, (1998),
447457.
43
44 Note sulle ondicelle (aka wavelets)
[12] G. Strang, Wavelet Transform versus Fourier Transform, Bull. A.M.S.,
28 (1993), 288305.
Indice analitico
analisi (di) multirisoluzione, 17
applicare un ltro, 41
atomi tempo-frequenza, 9
base di Riesz, 17
box spline, 23
cappello francese, 13
cappello messicano, 13
coecienti di Fourier, 2, 5
condizione di SmithBarnwell, 24
convoluzione, 4
criterio di ammissibilit`a, 15
equazione di dilatazione, 21
equazione di ranamento, 21
ltro, 40
ltro con risposta nita, 40
ltro con risposta innita, 40
ltro passa-alto, 41
ltro passa-basso, 22, 41
formula di inversione di Fourier, 3
formula di Parseval, 5
formula di Plancherel, 5
funzione di campionamento di Shan-
non, 10
funzione di scala, 17
funzione indicatore, 10
lunghezza, 40
multirisoluzione, 17
multirisoluzione di Riesz, 18
ondicella, 13
ondicella di Daubechies, 35
ondicella di Haar, 30
ondicella di Shannon, 30
ondicella madre, 14
ondicella rispetto alla multirisolu-
zione, 25
ondicelle glie, 14
serie di Fourier, 2
teorema di Bezout, 33
teorema di Calder onGrossmann
Morlet, 14
teorema di campionamento, 10
teorema di HeisenbergWeyl, 7
teorema di PaleyWiener, 10
trasformata delle ondicelle, 14
trasformata di Fourier veloce, 6
trasformata veloce delle ondicelle,
38
45
46 Note sulle ondicelle (aka wavelets)
This work is licensed under a Creative Commons Attribution-Non
Commercial 3.0 Unported License.