- ¿Cómo funciona la transformación continua de wavelet??
- ¿Cuál es la diferencia entre la transformación de wavelet continua y la transformación de wavelet discreta??
- ¿Cuál es la desventaja de la transformación wavelet??
- ¿Cuál es la principal ventaja del análisis wavelet sobre stft??
¿Cómo funciona la transformación continua de wavelet??
La transformación de wavelet continua (CWT) se define como agregar todas las señales de tiempo y multiplicarse por la versión de cambio de la wavelet. La salida de la transformación wavelet continua proporciona los coeficientes wavelet como salida. Estos coeficientes son funciones de escala y posición.
¿Cuál es la diferencia entre la transformación de wavelet continua y la transformación de wavelet discreta??
El CWT y las transformaciones discretas de wavelet difieren en cómo discretizan el parámetro de escala. El CWT típicamente usa escalas exponenciales con una base más pequeña de 2, por ejemplo 21/12 . La transformación de wavelet discreta siempre usa escalas exponenciales con la base igual a 2.
¿Cuál es la desventaja de la transformación wavelet??
Aunque la transformación de wavelet discreta (DWT) es una herramienta poderosa para el procesamiento de señales e imágenes, tiene tres desventajas serias: sensibilidad de cambio, mala direccionalidad y falta de información de fase.
¿Cuál es la principal ventaja del análisis wavelet sobre stft??
El análisis de wavelet supera la desventaja de STFT ya que CWT utiliza una técnica de ventana con regiones de tamaño variable. El análisis Wavelet permite el uso de intervalos de tiempo a largo plazo donde queremos información más precisa de baja frecuencia y regiones más cortas donde queremos información de alta frecuencia.