Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Ondelettes complexes pour l’analyse des loisd’echelles
Patrick LOISEAUsous la direction de Patrice ABRY, Pierre BORGNAT et
Paulo GONCALVES
Laboratoire de physique de l’Ecole Normale Superieure de Lyon
Mardi 5 septembre 2006
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Introduction
Objectif : mettre a profit la transformation en ondelettescomplexes pour estimer la regularite ponctuelle d’un signal
Applications potentielles en traffic routier, fracture, mesure desurfaces . . .
Une methode consiste a utiliser une representation localetemps-echelle
Transformation en ondelettes continue ⇒ Trop couteuxTransformation en ondelettes discrete ⇒ Probleme lie a lalocalite
Une solution a ce probleme : transformation en ondelettescomplexes
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Introduction
Objectif : mettre a profit la transformation en ondelettescomplexes pour estimer la regularite ponctuelle d’un signal
Applications potentielles en traffic routier, fracture, mesure desurfaces . . .
Une methode consiste a utiliser une representation localetemps-echelle
Transformation en ondelettes continue ⇒ Trop couteuxTransformation en ondelettes discrete ⇒ Probleme lie a lalocalite
Une solution a ce probleme : transformation en ondelettescomplexes
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Introduction
Objectif : mettre a profit la transformation en ondelettescomplexes pour estimer la regularite ponctuelle d’un signal
Applications potentielles en traffic routier, fracture, mesure desurfaces . . .
Une methode consiste a utiliser une representation localetemps-echelle
Transformation en ondelettes continue ⇒ Trop couteuxTransformation en ondelettes discrete ⇒ Probleme lie a lalocalite
Une solution a ce probleme : transformation en ondelettescomplexes
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Introduction
Objectif : mettre a profit la transformation en ondelettescomplexes pour estimer la regularite ponctuelle d’un signal
Applications potentielles en traffic routier, fracture, mesure desurfaces . . .
Une methode consiste a utiliser une representation localetemps-echelle
Transformation en ondelettes continue ⇒ Trop couteuxTransformation en ondelettes discrete ⇒ Probleme lie a lalocalite
Une solution a ce probleme : transformation en ondelettescomplexes
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
1 Estimation de regularite locale avec les ondelettes reellesRegularite ponctuelle et singulariteLa transformation en ondelettes continueLa transformation en ondelettes discrete
2 Introduction de la transformation en ondelettes complexesLa transformation en ondelettes complexesEstimation de regularite ponctuelle avec la transformationcomplexeDemarche adoptee dans la suite
3 Estimation des parametres de loi d’echelleLe mouvement Brownien Fractionnaire (fBM)Estimation de la regularite locale d’un fBMEstimation de regularite locale variable
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
1 Estimation de regularite locale avec les ondelettes reellesRegularite ponctuelle et singulariteLa transformation en ondelettes continueLa transformation en ondelettes discrete
2 Introduction de la transformation en ondelettes complexesLa transformation en ondelettes complexesEstimation de regularite ponctuelle avec la transformationcomplexeDemarche adoptee dans la suite
3 Estimation des parametres de loi d’echelleLe mouvement Brownien Fractionnaire (fBM)Estimation de la regularite locale d’un fBMEstimation de regularite locale variable
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
1 Estimation de regularite locale avec les ondelettes reellesRegularite ponctuelle et singulariteLa transformation en ondelettes continueLa transformation en ondelettes discrete
2 Introduction de la transformation en ondelettes complexesLa transformation en ondelettes complexesEstimation de regularite ponctuelle avec la transformationcomplexeDemarche adoptee dans la suite
3 Estimation des parametres de loi d’echelleLe mouvement Brownien Fractionnaire (fBM)Estimation de la regularite locale d’un fBMEstimation de regularite locale variable
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Regularite ponctuelle et singulariteLa transformation en ondelettes continueLa transformation en ondelettes discrete
Regularite ponctuelle et singularite : definitions
Regularite locale : generalise la differentiabilite
Exposant de Holder :
h(t0) = Sup{α/f ∈ Cα(t0)}
avec f ∈ Cα(t0) si |t−t0| ≤ δ, alors |f (t)−P(t−t0)| ≤ C |t−t0|α
Singularite cusp : X (t) = |t − t0|α ⇒ h(t0) = α
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Regularite ponctuelle et singulariteLa transformation en ondelettes continueLa transformation en ondelettes discrete
La transformation en ondelettes continue I : definitions
Transformation de Fourier : inadaptee a l’etude de signauxnon stationnaires a cause de son caractere global
Transformation en ondelette : representation dans un espacetemps-echelle a deux dimensions : cX (a, t) = 〈X , ψa,t〉ψa,t(u) = 1√
aψ0(
u−ta ) : translate-dilate d’une fonction mere
ψ0 localisee et oscillante ⇒ ondelette
Energie du signal dans une echelle a autour du temps t
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Regularite ponctuelle et singulariteLa transformation en ondelettes continueLa transformation en ondelettes discrete
La transformation en ondelettes continue II : utilisationpour l’estimation de singularite
Decroissance des coefficients a travers les echelles :|cX (a, t)| ∼ a(h(t)+ 1
2), a → 0
Pente dans un diagramme log-echelle
Illustration avec un cusp
Abandon de la transformation continue
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Regularite ponctuelle et singulariteLa transformation en ondelettes continueLa transformation en ondelettes discrete
La transformation en ondelettes continue II : utilisationpour l’estimation de singularite
Decroissance des coefficients a travers les echelles :|cX (a, t)| ∼ a(h(t)+ 1
2), a → 0
Pente dans un diagramme log-echelle
Illustration avec un cusp
Abandon de la transformation continue
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Regularite ponctuelle et singulariteLa transformation en ondelettes continueLa transformation en ondelettes discrete
La transformation en ondelettes continue II : utilisationpour l’estimation de singularite
Decroissance des coefficients a travers les echelles :|cX (a, t)| ∼ a(h(t)+ 1
2), a → 0
Pente dans un diagramme log-echelle
Illustration avec un cusp
0 0.5 1 1.5 2 2.5 3
x 105
0
5
10
15
20
25
30
35Cusp d’exposant 0.3
t
X ⇒
0 2 4 6 8 10 12 14−3
−2
−1
0
1
2
3
4
5
6Diagramme log-echelle
log2(a)
log 2|c X
(a,t
0)|
Abandon de la transformation continue
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Regularite ponctuelle et singulariteLa transformation en ondelettes continueLa transformation en ondelettes discrete
La transformation en ondelettes continue II : utilisationpour l’estimation de singularite
Decroissance des coefficients a travers les echelles :|cX (a, t)| ∼ a(h(t)+ 1
2), a → 0
Pente dans un diagramme log-echelle
Illustration avec un cusp
0 0.5 1 1.5 2 2.5 3
x 105
0
5
10
15
20
25
30
35Cusp d’exposant 0.3
t
X ⇒
0 2 4 6 8 10 12 14−3
−2
−1
0
1
2
3
4
5
6Diagramme log-echelle
log2(a)
log 2|c X
(a,t
0)|
Abandon de la transformation continueP. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Regularite ponctuelle et singulariteLa transformation en ondelettes continueLa transformation en ondelettes discrete
La transformation en ondelette discrete I : definition
Calcul des coefficient sur un ensemble restreint de points(a = 2j , t = 2jk)
Algorithme pyramidale (Mallat) ⇒ rapide, peu couteux
Grille dyadique
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Regularite ponctuelle et singulariteLa transformation en ondelettes continueLa transformation en ondelettes discrete
La transformation en ondelette discrete I : definition
Calcul des coefficient sur un ensemble restreint de points(a = 2j , t = 2jk)
Algorithme pyramidale (Mallat) ⇒ rapide, peu couteux
Grille dyadique
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Regularite ponctuelle et singulariteLa transformation en ondelettes continueLa transformation en ondelettes discrete
La transformation en ondelette discrete I : definition
Calcul des coefficient sur un ensemble restreint de points(a = 2j , t = 2jk)
Algorithme pyramidale (Mallat) ⇒ rapide, peu couteux
Grille dyadique
j+2
j+1
j
j−1
j−2
d(j, k)
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Regularite ponctuelle et singulariteLa transformation en ondelettes continueLa transformation en ondelettes discrete
La transformation en ondelette discrete I : definition
Calcul des coefficient sur un ensemble restreint de points(a = 2j , t = 2jk)
Algorithme pyramidale (Mallat) ⇒ rapide, peu couteux
Grille dyadique
j+2
j+1
j
j−1
j−2
d(j, k)
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Regularite ponctuelle et singulariteLa transformation en ondelettes continueLa transformation en ondelettes discrete
La transformation en ondelette discrete I : definition
Calcul des coefficient sur un ensemble restreint de points(a = 2j , t = 2jk)
Algorithme pyramidale (Mallat) ⇒ rapide, peu couteux
Grille dyadique
j+2
j+1
j
j−1
j−2
d(j, k)
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Regularite ponctuelle et singulariteLa transformation en ondelettes continueLa transformation en ondelettes discrete
La transformation en ondelettes discrete II : probleme denon invariance par translation temporelle
Probleme : non-invariance par translation temporelle
Coefficients en ondelettes a une echelle fixee
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Regularite ponctuelle et singulariteLa transformation en ondelettes continueLa transformation en ondelettes discrete
La transformation en ondelettes discrete II : probleme denon invariance par translation temporelle
Probleme : non-invariance par translation temporelle
Coefficients en ondelettes a une echelle fixee
2040 2045 2050 20550
0.2
0.4
0.6
0.8
1
Signal : dirac de taille N = 4 096 centre en N2 + 1
N2 + 1
⇒
110 120 130 140−0.05
0
0.05
0.1
0.15
0.2Coefficients en ondelette a l’echelle 4
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Regularite ponctuelle et singulariteLa transformation en ondelettes continueLa transformation en ondelettes discrete
La transformation en ondelettes discrete II : probleme denon invariance par translation temporelle
Probleme : non-invariance par translation temporelle
Coefficients en ondelettes a une echelle fixee
2040 2045 2050 20550
0.2
0.4
0.6
0.8
1
Signal : dirac de taille N = 4 096 centre en N2 − 2
N2 − 2
⇒
110 120 130 140−0.05
0
0.05
0.1
0.15
0.2Coefficients en ondelette a l’echelle 4
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Regularite ponctuelle et singulariteLa transformation en ondelettes continueLa transformation en ondelettes discrete
La transformation en ondelettes discrete III : estimation desingularites
Decroissance des coefficients a travers les echelles :|d(j , k(j , t0))| ∼ 2j(h(t0)+
12), j → 0
Pente dans un diagramme log-echelle
Illustration avec un cusp
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Regularite ponctuelle et singulariteLa transformation en ondelettes continueLa transformation en ondelettes discrete
La transformation en ondelettes discrete III : estimation desingularites
Decroissance des coefficients a travers les echelles :|d(j , k(j , t0))| ∼ 2j(h(t0)+
12), j → 0
Pente dans un diagramme log-echelle
Illustration avec un cusp
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Regularite ponctuelle et singulariteLa transformation en ondelettes continueLa transformation en ondelettes discrete
La transformation en ondelettes discrete III : estimation desingularites
Decroissance des coefficients a travers les echelles :|d(j , k(j , t0))| ∼ 2j(h(t0)+
12), j → 0
Pente dans un diagramme log-echelle
Illustration avec un cusp
0 2 4 6 8 10 12 14−4
−2
0
2
4
6
8
Cusp d’exposant 0.3 centre en N2 + 1
j
log 2|d
(j,k
(j,t
0))|
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Regularite ponctuelle et singulariteLa transformation en ondelettes continueLa transformation en ondelettes discrete
La transformation en ondelettes discrete III : estimation desingularites
Decroissance des coefficients a travers les echelles :|d(j , k(j , t0))| ∼ 2j(h(t0)+
12), j → 0
Pente dans un diagramme log-echelle
Illustration avec un cusp
0 2 4 6 8 10 12 14−4
−2
0
2
4
6
8
Cusp d’exposant 0.3 centre en N2 + 1
j
log 2|d
(j,k
(j,t
0))|
0 2 4 6 8 10 12 14−4
−2
0
2
4
6
8
Cusp d’exposant 0.3 centre en N2 + 25
j
log 2|d
(j,k
(j,t
0))|
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
La transformation en ondelettes complexesEstimation de regularite ponctuelle avec la transformation complexeDemarche adoptee dans la suite
La transformation en ondelettes complexes
Premiere idee : transformation de Hilbert de l’ondelette
⇒ support non fini, pas de recontruction parfaite
Dual-Tree (Kingsbury) : condition Hilbert approchee par deuxfiltres conjointement synthetises
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
La transformation en ondelettes complexesEstimation de regularite ponctuelle avec la transformation complexeDemarche adoptee dans la suite
La transformation en ondelettes complexes
Premiere idee : transformation de Hilbert de l’ondelette
Ondelette de Daubechies de régularité 2
⇒ support non fini, pas de recontruction parfaiteDual-Tree (Kingsbury) : condition Hilbert approchee par deuxfiltres conjointement synthetises
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
La transformation en ondelettes complexesEstimation de regularite ponctuelle avec la transformation complexeDemarche adoptee dans la suite
La transformation en ondelettes complexes
Premiere idee : transformation de Hilbert de l’ondelette
Ondelette de Daubechies de régularité 2
⇒ support non fini, pas de recontruction parfaiteDual-Tree (Kingsbury) : condition Hilbert approchee par deuxfiltres conjointement synthetises
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
La transformation en ondelettes complexesEstimation de regularite ponctuelle avec la transformation complexeDemarche adoptee dans la suite
La transformation en ondelettes complexes
Premiere idee : transformation de Hilbert de l’ondelette
Ondelette de Daubechies de régularité 2
⇒ support non fini, pas de recontruction parfaiteDual-Tree (Kingsbury) : condition Hilbert approchee par deuxfiltres conjointement synthetises
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
La transformation en ondelettes complexesEstimation de regularite ponctuelle avec la transformation complexeDemarche adoptee dans la suite
La transformation en ondelettes complexes
Premiere idee : transformation de Hilbert de l’ondeletteOndelette de Daubechies de régularité 2
⇒
⇒ support non fini, pas de recontruction parfaite
Dual-Tree (Kingsbury) : condition Hilbert approchee par deuxfiltres conjointement synthetises
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
La transformation en ondelettes complexesEstimation de regularite ponctuelle avec la transformation complexeDemarche adoptee dans la suite
La transformation en ondelettes complexes
Premiere idee : transformation de Hilbert de l’ondeletteOndelette de Daubechies de régularité 2
⇒
Zoom
⇒ support non fini, pas de recontruction parfaite
Dual-Tree (Kingsbury) : condition Hilbert approchee par deuxfiltres conjointement synthetises
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
La transformation en ondelettes complexesEstimation de regularite ponctuelle avec la transformation complexeDemarche adoptee dans la suite
La transformation en ondelettes complexes
Premiere idee : transformation de Hilbert de l’ondelette
⇒ support non fini, pas de recontruction parfaite
Dual-Tree (Kingsbury) : condition Hilbert approchee par deuxfiltres conjointement synthetises
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
La transformation en ondelettes complexesEstimation de regularite ponctuelle avec la transformation complexeDemarche adoptee dans la suite
La transformation en ondelettes complexes
Premiere idee : transformation de Hilbert de l’ondelette
⇒ support non fini, pas de recontruction parfaite
Dual-Tree (Kingsbury) : condition Hilbert approchee par deuxfiltres conjointement synthetises
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
La transformation en ondelettes complexesEstimation de regularite ponctuelle avec la transformation complexeDemarche adoptee dans la suite
La transformation en ondelettes complexes
Premiere idee : transformation de Hilbert de l’ondelette
⇒ support non fini, pas de recontruction parfaiteDual-Tree (Kingsbury) : condition Hilbert approchee par deuxfiltres conjointement synthetises
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
La transformation en ondelettes complexesEstimation de regularite ponctuelle avec la transformation complexeDemarche adoptee dans la suite
Estimation de regularite ponctuelle avec la transformationcomplexe
Pente dans un diagramme log-echelle
Illustration avec l’analyse d’un cusp
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
La transformation en ondelettes complexesEstimation de regularite ponctuelle avec la transformation complexeDemarche adoptee dans la suite
Estimation de regularite ponctuelle avec la transformationcomplexe
Pente dans un diagramme log-echelle
Illustration avec l’analyse d’un cusp
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
La transformation en ondelettes complexesEstimation de regularite ponctuelle avec la transformation complexeDemarche adoptee dans la suite
Estimation de regularite ponctuelle avec la transformationcomplexe
Pente dans un diagramme log-echelle
Illustration avec l’analyse d’un cusp
0 2 4 6 8 10 12 14−4
−2
0
2
4
6
8
j
log 2|d
(j,k
(j,t
0))|
Cusp d’exposant 0.3 centre en N2 + 1
Partie réellePartie imaginaireModule
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
La transformation en ondelettes complexesEstimation de regularite ponctuelle avec la transformation complexeDemarche adoptee dans la suite
Estimation de regularite ponctuelle avec la transformationcomplexe
Pente dans un diagramme log-echelle
Illustration avec l’analyse d’un cusp
0 2 4 6 8 10 12 14−4
−2
0
2
4
6
8
j
log 2|d
(j,k
(j,t
0))|
Cusp d’exposant 0.3 centre en N2 + 1
Partie réellePartie imaginaireModule
0 2 4 6 8 10 12 14−4
−2
0
2
4
6
8
j
log 2|d
(j,k
(j,t
0))|
Cusp d’exposant 0.3 centre en N2 + 25
Partie réellePartie imaginaireModule
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
La transformation en ondelettes complexesEstimation de regularite ponctuelle avec la transformation complexeDemarche adoptee dans la suite
Demarche adoptee dans la suite
Leaders (Jaffard)
j+2
j+1
j
j−1
j−2
l(j, k)
Methode
Synthese d’une realisation de signal test de regularite connueTransformation en ondelettes ⇒ differents jeux de coefficientsRegression lineaire ⇒ h(t) sur une realisationMoyennes d’ensemble sur plusieurs realisations (100) pourcaracteriser les estimateurs
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
La transformation en ondelettes complexesEstimation de regularite ponctuelle avec la transformation complexeDemarche adoptee dans la suite
Demarche adoptee dans la suite
Leaders (Jaffard), Transformee continue dyadique
Methode
Synthese d’une realisation de signal test de regularite connueTransformation en ondelettes ⇒ differents jeux de coefficientsRegression lineaire ⇒ h(t) sur une realisationMoyennes d’ensemble sur plusieurs realisations (100) pourcaracteriser les estimateurs
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
La transformation en ondelettes complexesEstimation de regularite ponctuelle avec la transformation complexeDemarche adoptee dans la suite
Demarche adoptee dans la suite
Leaders (Jaffard), Transformee continue dyadique
Qshift DaubechiesDWT Leaders DWT Leaders CDWT
partie reelle × × × × ×partie imaginaire × × × × ×
Methode
Synthese d’une realisation de signal test de regularite connueTransformation en ondelettes ⇒ differents jeux de coefficientsRegression lineaire ⇒ h(t) sur une realisationMoyennes d’ensemble sur plusieurs realisations (100) pourcaracteriser les estimateurs
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
La transformation en ondelettes complexesEstimation de regularite ponctuelle avec la transformation complexeDemarche adoptee dans la suite
Demarche adoptee dans la suite
Leaders (Jaffard), Transformee continue dyadique
Qshift DaubechiesDWT Leaders DWT Leaders CDWT
partie reelle × × × × ×
Methode
Synthese d’une realisation de signal test de regularite connueTransformation en ondelettes ⇒ differents jeux de coefficientsRegression lineaire ⇒ h(t) sur une realisationMoyennes d’ensemble sur plusieurs realisations (100) pourcaracteriser les estimateurs
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
La transformation en ondelettes complexesEstimation de regularite ponctuelle avec la transformation complexeDemarche adoptee dans la suite
Demarche adoptee dans la suite
Leaders (Jaffard), Transformee continue dyadique
Qshift DaubechiesDWT Leaders DWT Leaders CDWT
partie reelle × × × × ×module Hilbert × × × × ×
module DT × × − − −
Methode
Synthese d’une realisation de signal test de regularite connueTransformation en ondelettes ⇒ differents jeux de coefficientsRegression lineaire ⇒ h(t) sur une realisationMoyennes d’ensemble sur plusieurs realisations (100) pourcaracteriser les estimateurs
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
La transformation en ondelettes complexesEstimation de regularite ponctuelle avec la transformation complexeDemarche adoptee dans la suite
Demarche adoptee dans la suite
Leaders (Jaffard), Transformee continue dyadique
Qshift DaubechiesDWT Leaders DWT Leaders CDWT
partie reelle × × × × ×module Hilbert/DT × × × × ×
Methode
Synthese d’une realisation de signal test de regularite connueTransformation en ondelettes ⇒ differents jeux de coefficientsRegression lineaire ⇒ h(t) sur une realisationMoyennes d’ensemble sur plusieurs realisations (100) pourcaracteriser les estimateurs
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
La transformation en ondelettes complexesEstimation de regularite ponctuelle avec la transformation complexeDemarche adoptee dans la suite
Demarche adoptee dans la suite
Leaders (Jaffard), Transformee continue dyadique
Qshift DaubechiesDWT Leaders DWT Leaders CDWT
partie reelle × × × × ×module Hilbert/DT × × × × ×
Methode
Synthese d’une realisation de signal test de regularite connueTransformation en ondelettes ⇒ differents jeux de coefficientsRegression lineaire ⇒ h(t) sur une realisationMoyennes d’ensemble sur plusieurs realisations (100) pourcaracteriser les estimateurs
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Le mouvement Brownien Fractionnaire (fBM)Estimation de la regularite locale d’un fBMEstimation de regularite locale variable
Mouvement Brownien fractionnaire I : definition et utilitee
Mouvement Brownien fractionnaire : auto-similaire (H) aacroissements stationnaires, gaussien ⇒ unique
0 0.5 1 1.5 2 2.5 3 3.5
x 104
−0.2
0
0.2
0.4
0.6
0.8
1
1.2Mouvement Brownien Fractionnaire, H=0.7
0 0.5 1 1.5 2 2.5 3 3.5
x 104
−4
−3
−2
−1
0
1
2Mouvement Brownien Fractionnaire, H=0.2
Regularite ponctuelle constante : h(t) = H
Synthese rapide de longs signaux
⇒ Utilisation pour caracteriser les performances des estimateurslocaux de h(t)
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Le mouvement Brownien Fractionnaire (fBM)Estimation de la regularite locale d’un fBMEstimation de regularite locale variable
Mouvement Brownien fractionnaire II : coefficients enondelettes
stationnaires (acroissements stationnaires)
gaussiens centres en zeros (ondelettes reelles)
variance en 2j(2h+1)
log2|d(j , k)| : variance constante a travers les echelles
−4 −2 0 2 4
x 10−3
0
1000
2000échelle 3
DW
T
−4 −2 0 2 4
x 10−3
0
500
1000échelle 4
−4 −2 0 2 4
x 10−3
0
1000
2000
3000
lead
ers
−4 −2 0 2 4
x 10−3
0
500
1000
1500
Histogrammes des coefficients en ondelette. H = 0.7
Ondelette Qshift Ondelette Daubechies
−4 −2 0 2 4
x 10−3
0
500
1000
1500échelle 3
−4 −2 0 2 4
x 10−3
0
200
400
600échelle 4
−4 −2 0 2 4
x 10−3
0
1000
2000
−4 −2 0 2 4
x 10−3
0
500
1000
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Le mouvement Brownien Fractionnaire (fBM)Estimation de la regularite locale d’un fBMEstimation de regularite locale variable
Mouvement Brownien fractionnaire II : coefficients enondelettes
stationnaires (acroissements stationnaires)
gaussiens centres en zeros (ondelettes reelles)
variance en 2j(2h+1)
log2|d(j , k)| : variance constante a travers les echelles
−4 −2 0 2 4
x 10−3
0
1000
2000échelle 3
DW
T
−4 −2 0 2 4
x 10−3
0
500
1000échelle 4
−4 −2 0 2 4
x 10−3
0
1000
2000
3000
lead
ers
−4 −2 0 2 4
x 10−3
0
500
1000
1500
Histogrammes des coefficients en ondelette. H = 0.7
Ondelette Qshift Ondelette Daubechies
−4 −2 0 2 4
x 10−3
0
500
1000
1500échelle 3
−4 −2 0 2 4
x 10−3
0
200
400
600échelle 4
−4 −2 0 2 4
x 10−3
0
1000
2000
−4 −2 0 2 4
x 10−3
0
500
1000
−18−16−14−12−10 −80
500
1000échelle 3
DW
T
−18−16−14−12−10 −80
500
1000échelle 4
−18−16−14−12−10 −80
500
1000
1500
lead
ers
−18−16−14−12−10 −80
500
1000
1500
Histogrammes du log2| · | des coefficients en ondelette. H = 0.7
Ondelette Qshift Ondelette Daubechies
−18−16−14−12−10 −80
200
400
600
800échelle 3
−18−16−14−12−10 −80
500
1000échelle 4
−18−16−14−12−10 −80
500
1000
1500
−18−16−14−12−10 −80
500
1000
1500
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Le mouvement Brownien Fractionnaire (fBM)Estimation de la regularite locale d’un fBMEstimation de regularite locale variable
Estimation de la regularite locale I : observation
estimation en chaque point : h(t) =∑j2
j1wj log2|d(j , k)|
j1 = 3, j2 = 6
−2 −1 0 1 2 30
200
400
600
800DWT
−2 −1 0 1 2 30
500
1000
1500leaders
Histogrammes des h(t). H = 0.7
Ondelette Qshift Ondelette Daubechies
−2 −1 0 1 2 30
200
400
600
800DWT
−2 −1 0 1 2 30
200
400
600
800
1000
1200
1400leaders
Ecarts typesQshift Daubechies
DWT 0.716 0.7210.426 0.436
Leaders 0.225 0.2280.200 0.202
leaders : variabilite faible
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Le mouvement Brownien Fractionnaire (fBM)Estimation de la regularite locale d’un fBMEstimation de regularite locale variable
Estimation de la regularite locale I : observation
estimation en chaque point : h(t) =∑j2
j1wj log2|d(j , k)|
j1 = 3, j2 = 6
−2 −1 0 1 2 30
200
400
600
800DWT
−2 −1 0 1 2 30
500
1000
1500leaders
Histogrammes des h(t). H = 0.7
Ondelette Qshift Ondelette Daubechies
−2 −1 0 1 2 30
200
400
600
800DWT
−2 −1 0 1 2 30
200
400
600
800
1000
1200
1400leaders
Ecarts typesQshift Daubechies
DWT 0.716 0.7210.426 0.436
Leaders 0.225 0.2280.200 0.202
leaders : variabilite faibleP. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Le mouvement Brownien Fractionnaire (fBM)Estimation de la regularite locale d’un fBMEstimation de regularite locale variable
Estimation de la regularite locale II : origine de lareduction de variance
h(t) =∑j2
j1wj log2|d(j , k)|
⇒ var(h(t)) =(∑
(i ,j) ρi jwiwj
)σ2︸︷︷︸
var(log2|d(j ,k)|)
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Le mouvement Brownien Fractionnaire (fBM)Estimation de la regularite locale d’un fBMEstimation de regularite locale variable
Estimation de la regularite locale II : origine de lareduction de variance
h(t) =∑j2
j1wj log2|d(j , k)|
⇒ var(h(t)) =(∑
(i ,j) ρi jwiwj
)σ2︸︷︷︸
var(log2|d(j ,k)|)
0 1 2 3 4
0.5
0.6
0.7
0.8
0.9
1
1.1
DWT
[3; 4] [3; 5] [3; 6]
0 1 2 3 4
0.5
0.6
0.7
0.8
0.9
1
1.1
1.2leaders
[3; 4] [3; 5] [3; 6]
Etude de l’ecart type de h(t)
Ondelette Qshift Ondelette Daubechies
0 1 2 3 4
0.5
0.6
0.7
0.8
0.9
1
1.1
DWT
[3; 4] [3; 5] [3; 6]
0 1 2 3 4
0.5
0.6
0.7
0.8
0.9
1
1.1
1.2leaders
[3; 4] [3; 5] [3; 6]
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Le mouvement Brownien Fractionnaire (fBM)Estimation de la regularite locale d’un fBMEstimation de regularite locale variable
Estimation de la regularite locale II : origine de lareduction de variance
0 1 2 3 4
0.5
0.6
0.7
0.8
0.9
1
1.1
DWT
[3; 4] [3; 5] [3; 6]
0 1 2 3 4
0.5
0.6
0.7
0.8
0.9
1
1.1
1.2leaders
[3; 4] [3; 5] [3; 6]
Etude de l’ecart type de h(t)
Ondelette Qshift Ondelette Daubechies
0 1 2 3 4
0.5
0.6
0.7
0.8
0.9
1
1.1
DWT
[3; 4] [3; 5] [3; 6]
0 1 2 3 4
0.5
0.6
0.7
0.8
0.9
1
1.1
1.2leaders
[3; 4] [3; 5] [3; 6]
Reduction de variance sur lescoefficients∑
(i,j)
ρr eellei j wi wj
(σ
r eelle)2→
∑(i,j)
ρr eellei j wi wj
(σ
module)2
Introduction de correlations∑
(i,j)
ρr eellei j wi wj
(σ
module)2→
∑(i,j)
ρmodulei j wi wj
(σ
module)2
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Le mouvement Brownien Fractionnaire (fBM)Estimation de la regularite locale d’un fBMEstimation de regularite locale variable
Estimation de regularite locale variable
Mouvement Brownien Multifractionnaire : variation douce deH(t)
0 0.5 1 1.5 2 2.5 3 3.5
x 104
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9variation douce de H
t
H
0 0.5 1 1.5 2 2.5 3 3.5
x 104
−1.5
−1
−0.5
0
0.5
1Mouvement Brownien Multifractionnaire
t
X
Estimation de H : regression lineaire sur [3; 6]
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Le mouvement Brownien Fractionnaire (fBM)Estimation de la regularite locale d’un fBMEstimation de regularite locale variable
Estimation de regularite locale variable
Mouvement Brownien Multifractionnaire : variation douce deH(t)
0 0.5 1 1.5 2 2.5 3 3.5
x 104
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9variation douce de H
t
H
0 0.5 1 1.5 2 2.5 3 3.5
x 104
−1.5
−1
−0.5
0
0.5
1Mouvement Brownien Multifractionnaire
t
X
Estimation de H : regression lineaire sur [3; 6]
0 0.5 1 1.5 2 2.5 3 3.5
x 104
0
0.2
0.4
0.6
0.8
1
CDWT, Daubechies, partie reelle
t
Hes
tim
e
0 0.5 1 1.5 2 2.5 3 3.5
x 104
0
0.2
0.4
0.6
0.8
1
CDWT, Daubechies, module
t
Hes
tim
e
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Le mouvement Brownien Fractionnaire (fBM)Estimation de la regularite locale d’un fBMEstimation de regularite locale variable
Estimation de regularite locale variable
Mouvement Brownien Multifractionnaire : variation douce deH(t)
0 0.5 1 1.5 2 2.5 3 3.5
x 104
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9variation douce de H
t
H
0 0.5 1 1.5 2 2.5 3 3.5
x 104
−1.5
−1
−0.5
0
0.5
1Mouvement Brownien Multifractionnaire
t
X
Estimation de H : regression lineaire sur [3; 6]
0 0.5 1 1.5 2 2.5 3 3.5
x 104
0
0.2
0.4
0.6
0.8
1
DWT, Qshift, partie reelle
t
Hes
tim
e
0 0.5 1 1.5 2 2.5 3 3.5
x 104
0
0.2
0.4
0.6
0.8
1
DWT, Qshift, module
t
Hes
tim
e
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Le mouvement Brownien Fractionnaire (fBM)Estimation de la regularite locale d’un fBMEstimation de regularite locale variable
Estimation de regularite locale variable
Mouvement Brownien Multifractionnaire : variation douce deH(t)
0 0.5 1 1.5 2 2.5 3 3.5
x 104
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9variation douce de H
t
H
0 0.5 1 1.5 2 2.5 3 3.5
x 104
−1.5
−1
−0.5
0
0.5
1Mouvement Brownien Multifractionnaire
t
X
Estimation de H : regression lineaire sur [3; 6]
0 0.5 1 1.5 2 2.5 3 3.5
x 104
0
0.2
0.4
0.6
0.8
1
Leaders, Qshift, partie reelle
t
Hes
tim
e
0 0.5 1 1.5 2 2.5 3 3.5
x 104
0
0.2
0.4
0.6
0.8
1
Leaders, Qshift, module
t
Hes
tim
e
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Le mouvement Brownien Fractionnaire (fBM)Estimation de la regularite locale d’un fBMEstimation de regularite locale variable
Estimation de regularite locale variable
Mouvement Brownien Multifractionnaire : variation douce deH(t)
0 0.5 1 1.5 2 2.5 3 3.5
x 104
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9variation douce de H
t
H
0 0.5 1 1.5 2 2.5 3 3.5
x 104
−1.5
−1
−0.5
0
0.5
1Mouvement Brownien Multifractionnaire
t
X
Estimation de H : regression lineaire sur [3; 6]
0 0.5 1 1.5 2 2.5 3 3.5
x 104
0
0.2
0.4
0.6
0.8
1
Leaders, Qshift, partie reelle
t
Hes
tim
e
0 0.5 1 1.5 2 2.5 3 3.5
x 104
0
0.2
0.4
0.6
0.8
1
Leaders, Qshift, module
t
Hes
tim
e
0 0.5 1 1.5 2 2.5 3 3.5
x 104
0
0.2
0.4
0.6
0.8
1
Leaders, Qshift, module, 1 realisation
t
Hes
tim
e
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Conclusion
Dual-Tree et transformation de Hilbert simple : equivalentspour l’analyseondelettes complexes ⇒ reduction de variance de l’estimationdont l’origine est comprisechoix de l’ondelette et de la plage de regression en fonction desbesoinsutilisation des leaders adaptee pour l’etude de regularite locale
Perpectives
mBM a appronfondir : lissage sur une realisationutilisation des ondelettes complexes pour l’analysemultifractale : estimation des moments negatifs sans avoirrecours aux leaders
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Transformation en ondelettes complexes I : les arbres
IEEE SIGNAL PROCESSING MAGAZINE [130] NOVEMBER 2005
when the Hilbert transform is built into the wavelet transform
as in the dual-tree implementation, the Hilbert transform scales
with the wavelet scale, as desired.
THE DUAL-TREE CWT
As shown in the previous section, the development of an invert-
ible analytic wavelet transform is not as straightforward as
might be initially expected. In particular, the FB structure illus-
trated in Figure 24 that is usually used to implement the real
DWT does not lend itself to analytic wavelet transforms with
desirable characteristics.
DUAL-TREE FRAMEWORK
One effective approach for implementing an analytic wavelet
transform, first introduced by Kingsbury in 1998, is called
the dual-tree CWT [54], [55], [57]. Like the idea of
positive/negative post-filtering of real subband signals, the
idea behind the dual-tree approach is quite simple. The dual-
tree CWT employs two real DWTs; the
first DWT gives the real part of the
transform while the second DWT gives
the imaginary part. The analysis and
synthesis FBs used to implement the
dual-tree CWT and its inverse are
illustrated in Figures 7 and 8.
The two real wavelet transforms use
two different sets of filters, with each
satisfying the PR conditions. The two
sets of filters are jointly designed so
that the overall transform is approxi-
mately analytic. Let h0(n), h1(n) denote
the low-pass/high-pass filter pair for the
upper FB, and let g0(n), g1(n) denote
the low-pass/high-pass filter pair for the
lower FB. We will denote the two real
wavelets associated with each of the two
real wavelet transforms as ψh(t) and
ψg(t). I n a d d i t i o n t o s a t i s f y i n g
t h e PR conditions, the filters are
designed so that the complex wavelet
ψ(t) := ψh(t) + j ψg(t) is approxi-
mately analytic. Equivalently, they are
designed so that ψg(t) is approximately
the Hilbert transform of ψh(t) [denoted
ψg(t) ≈ H{ψh(t)}].
Note that the filters are themselves
real; no complex arithmetic is required
for the implementation of the dual-tree
CWT. Also note that the dual-tree CWT
is not a critically sampled transform; it is
two times expansive in 1-D because the
total output data rate is exactly twice the
input data rate.
The inverse of the dual-tree CWT is as
simple as the forward transform. To invert
the transform, the real part and the imaginary part are each
inverted—the inverse of each of the two real DWTs are used—to
obtain two real signals. These two real signals are then averaged
to obtain the final output. Note that the original signal x(n) can
be recovered from either the real part or the imaginary part alone;
however, such inverse dual-tree CWTs do not capture all the
advantages an analytic wavelet transform offers.
If the two real DWTs are represented by the square matrices
Fh and Fg, then the dual-tree CWT can be represented by the
rectangular matrix
F =[
Fh
Fg
].
If the vector x represents a real signal, then wh = Fh x repre-
sents the real part and wg = Fg x represents the imaginary
part of the dual-tree CWT. The complex coefficients are given
by wh + j wg. A (left) inverse of F is then given by
[FIG8] Synthesis FB for the dual-tree CWT.
[FIG7] Analysis FB for the dual-tree discrete CWT.
h0(n)
h1(n) 2
2
h0(n)
h1(n) 2
2
h0(n)
h1(n) 2
2
h0(n)
h1(n) 2
2
g0(n)
g1(n) 2
2
g0(n)
g1(n) 2
2
g0(n)
g1(n) 2
2
g0(n)
g1(n) 2
2
2
2
2
2
20.5
2
2
2
2
2
2
2
2
2
2
2
h1(n)˜
h1(n)˜
h1(n)˜
h1(n)˜
g0(n)˜
g0(n)˜
g0(n)˜
g0(n)˜
g1(n)˜
g1(n)˜
g1(n)˜
g1(n)˜
h0(n)˜
h0(n)˜
h0(n)˜
h0(n)˜
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles
IntroductionEstimation de regularite locale avec les ondelettes reelles
Introduction de la transformation en ondelettes complexesEstimation des parametres de loi d’echelle
Conclusion et perspectives
Transformation en ondelettes complexes I : conditions pourla synthese des filtres
Analyse multiresolution :H0(z)H0(z
−1) + H0(−z)H0(−z−1) = 2
Theoreme de Mallat-Meyer (ondelette) : H1(z) = z−1H0(z−1)
Paire d’ondelettes en quadrature : G0(ω) = H0(ω)e−jω
2 oug0(n) = h0(n − 0.5)
MAIS Reponse impulsionnelle infinie pour un filtre
⇒ G0(ω) ≈ H0(ω)e−jω
2 ou g0(n) ≈ h0(n − 0.5)
Qshift : condition supplementaire : g0(n) = h0(N − 1− n)
P. LOISEAU Ondelettes complexes pour l’analyse des lois d’echelles