Maximal Overlap DWT MODWT

A MODWT ´e uma vers˜ao modificada da DWT. Transformadas iguais ou simi- lares `a MODWT podem ser encontradas na literatura com os nomes de “Undec-

imated DWT ”, “Translation invariant DWT ”, “shift invariant DWT ”, “wavelet frames”, “stationary DWT ”, “time invariant DWT ”, “non-decimated DWT ” [4].

Esta variante da DWT procura utilizar os coeficientes que antes eram desprezados no c´alculo da DWT. O resultado ´e uma transformada n˜ao mais ortogonal como a DWT, mas que ainda permite MRA, que trabalha com amostras de tamanho qualquer e cujos coeficientes s˜ao invariantes ao deslocamento do sinal de entrada. O pre¸co pago ´e o esfor¸co computacional maior que chega a O(N log₂N ), quando

o tamanho da amostra ´e m´ultiplo de potˆencias de dois.

A MODWT de n´ıvel J₀ para uma s´erie temporal X ´e uma transformada n˜ao ortogonal com vetores coluna W₁, W₂, ..., W_J0e V_J0 de dimens˜ao N . O vetor W_j cont´em os coeficientes wavelet MODWT associados a mudan¸cas em X na escala de τ_j = 2j−1_{, enquanto V}

J0 cont´em os coeficientes de escala MODWT associados

a varia¸c˜oes na escala λJ0 = 2J0 e acima. Assim como a DWT, a MODWT ´e

definida em termos do esfor¸co computacional do algoritmo da pirˆamide.

De acordo com [4], as propriedades que distinguem a MODWT da DWT s˜ao:

1. Enquanto a DWT parcial de n´ıvel J₀ restringe o tamanho da amostra `a um inteiro m´ultiplo de 2J0_{, a MODWT de n´ıvel J}

0´e bem definida para qualquer

amostra de tamanho N . Quando N for um m´ultiplo inteiro de 2J0_{, a DWT}

parcial pode ser computada utilizando O(N ) multiplica¸c˜oes, no entanto, a MODWT correspondente requer O(N log₂N ) multiplica¸c˜oes. Sendo assim, h´a um custo computacional ao utilizar a MODWT, sendo que o esfor¸co computacional ´e o mesmo que o amplamente utilizado no algoritmo da fast

Fourier transform que ´e normalmente aceit´avel.

2. Assim como para a DWT, a MODWT pode ser utilizada para formar uma an´alise de multiresolu¸c˜ao (MRA). A diferen¸ca ´e que os detalhes ( D_j) e os componentes liso do sinal ( S_J0) da MRA do MODWT s˜ao tais que deslo- camentos circulares na s´erie temporal por uma determinada quantidade,

ir´a deslocar circularmente cada detalhe e componente liso pela quantidade correspondente.

3. Ao contr´ario da DWT, os detalhes e o componentes lisos do sinal da MODWT s˜ao associados com filtros de fase zero, sendo f´acil assim, a associa¸c˜ao de caracter´ısticas na MRA com a s´erie temporal original.

4. Assim como ´e verdade para a DWT, a MODWT pode ser utilizada para formar uma an´alise da variˆancia (ANOVA) baseada nos coeficientes wavelet e de escala; ao contr´ario da DWT, os detalhes e componentes liso do sinal da MODWT n˜ao podem ser utilizados para formar tal an´alise.

5. Visto que uma s´erie temporal e um deslocamento circular das s´eries podem ter diferentes potˆencias espectrais emp´ıricas baseadas na DWT, os espec- tros baseados na MODWT correspondente s˜ao os mesmos. De fato, pode-se obter a MODWT de uma s´erie temporal circularmente deslocada pela sim- ples aplica¸c˜ao de um deslocamento similar de cada um dos componentes



W_J e V_J0 da MODWT da s´erie original; ao contr´ario, a DWT de uma s´erie obtida a partir do deslocamento circular n˜ao pode ser obtida por qual- quer deslocamento circular dos componentes W_J e V_J0 da DWT da s´erie original.

A fim de relacionar a DWT e a MODWT ´e conveniente definir o filtro wavelet MODWT {hl} como hl ≡ hl/

√

2 e o filtro de escala MODWT {gl} como gl ≡

g_l/√2. Como{h_l} ´e simplesmente uma vers˜ao reescalada do filtro wavelet, ent˜ao valem as seguintes condi¸c˜oes provenientes das equa¸c˜oes 2.41:

(i) L−1  l=0 h_l= 0 e (ii) ∞  l=−∞ h_lh_l+2n=  1 2, n = 0 0, n =±1, ±2, . . . (2.53) Similarmente, o filtro de escala MODWT tem as seguintes condi¸c˜oes prove- nientes das equa¸c˜oes 2.43:

(i) L−1  l=0 gl = 1 , (ii) ∞  l=−∞ glgl+2n=  1 2, n = 0 0, n =±1, ±2, . . . e (iii) ∞  l=−∞ glh_l+2n = 0. (2.54) para todo n inteiro dieferente de zero e para todo n inteiro.

gl≡ (−1)l+1hL−1−l

h_l = (−1)lg_L−1−l

(2.55)

Assim, pode-se escrever a partir das equa¸c˜oes 2.44 e 2.46:

 W_1,t ≡ L−1  l=0 hlXt−lmodN, t = 0, . . . , N−1; e V1,t ≡ L−1  l=0 glXt−lmodN, t = 0, . . . , N−1; (2.56) Ent˜ao as seq¨uˆencias {W_1,t} e {V_1,t} s˜ao obtidas pela filtragem circular de {Xt} com, respectivamente, os filtros wavelet e de escala MODWT.

A motiva¸c˜ao para formular a MODWT ´e essencialmente definir a transfor- mada que se comporte o m´aximo poss´ıvel como a DWT mas n˜ao sofra com a sensitividade da DWT com a escolha do ponto inicial da s´erie temporal. Essa sensitividade est´a relacionada `as subamostragens das sa´ıdas dos filtros wavelet e de escala em cada est´agio do algoritmo da pirˆamide. Para obter um grau de insen- sitividade em rela¸c˜ao ao ponto inicial, ´e necess´ario eliminar essa subamostragem preservando a habilidade de realizar a ANOVA e a MRA.

O primeiro passo ´e notar que a sa´ıda do filtro que era normalmente descartada no primeiro est´agio do algoritmo da pirˆamide da DWT pode ser obtida ao aplicar o algoritmo da pirˆamide da DWT no vetor deslocado circularmente ΓX ao inv´es de X. Com isso, se utiliza o seguinte procedimento para definir o primeiro est´agio do algoritmo da pirˆamide para MODWT quando N ´e uma amostra de tamanho par. A id´eia ´e aplicar o algoritmo da pirˆamide DWT duas vezes, uma para X e outra para ΓX e, depois, juntar os dois conjuntos de coeficientes DWT.

O vetor W₁de dimens˜ao N cont´em os coeficientes wavelet MODWT de n´ıvel j = 1. O t-´esimo elemento de W₁´e W_1,t, t = 0,1,. . .,N - 1 e ´e formado pela filtragem circular da s´erie temporal {X_t} com o filtro wavelet MODWT {h_l≡ h_l/√2} con- forme a equa¸c˜ao 2.56; equivalentemente, pode-se considerar {W_1,t} como o resul-

tado de filtrar circularmente {X_t} com o filtro {h◦_l} o qual ´e {h_l} periodizado ao tamanho N . Similarmente, os coeficientes de escala V₁ s˜ao obtidos pela filtragem de{X_t} com o filtro de escala MODWT {g_l ≡ g_l/√2}; equivalentemente, pode-se considerar {V_1,t} como o resultado de filtrar {X_t} com o filtro {g_l◦} o qual ´e {g_l}

periodizado ao tamanho N . Cada linha da matriz N × N B₁ cont´em o filtro pe- riodizado {h◦_l}, com a diferen¸ca entre as linhas dada pelo deslocamento circular; similarmente, A₁tem linhas cujos elementos s˜ao o filtro periodizado{g_l◦}. Assim:

X =W₁2+ V₁2 e X = B₁TW₁+ AT₁V₁ ≡ D₁+ S₁ (2.57) fornecem uma decomposi¸c˜ao de energia e uma decomposi¸c˜ao aditiva em termos do primeiro n´ıvel do detalhe MODWT D₁ e o primeiro n´ıvel do componente liso do sinal S₁, respectivamente. O diagrama de fluxo da an´alise e s´ıntese de X em termos dos coeficientes da MODWT ´e apresentado na Fig. 2.16.

H*_{( )} X V₁ W₁ G*_{( )}k N X + k N G( )_Nk H( )_Nk ~ ~ ~ ~ ~ ~

Figura 2.16: Diagrama de fluxo ilustrando a an´alise de X nos coeficientes

wavelet e de escala MODWT W₁ e V₁ de primeiro n´ıvel, seguido da s´ıntese de X a parir de W₁ e V₁. Fonte: [4] p´agina 169.

Para uma amostra de tamanho N , os coeficientes wavelet e de escala do j- ´

esimo n´ıvel da MODWT s˜ao definidos como os vetores W_j e V_j de dimens˜ao N cujos elementos s˜ao calculados por:

 W_j,t ≡ L_j−1 l=0 h_j,lX_t−lmodN, t = 0, . . . , N−1; e V_j,t ≡ L_j−1 l=0 gj,lXt−lmodN, t = 0, . . . , N−1; (2.58) sendo hj,l ≡ hj,l/2j/2; gj,l ≡ gj,l/2j/2 e Lj ≡ (2j − 1)(L − 1) + 1. Os filtros {hj,l}

e {g_j,l} s˜ao chamados, respectivamente, de filtros wavelet e de escala do j-´esimo n´ıvel da MODWT. L_j ≡ (2j− 1)(L − 1) + 1



W_j = W_jX e V_j = V_jX (2.59) sendo as linhas de W_j vers˜oes deslocadas circularmente de {h◦_j,l} (ou seja, {h_j,l} periodizado ao tamanho N ), enquanto as linhas de V_j contˆem vers˜oes deslocadas circularmente de {g◦_j,l}.