- ¿Qué es el análisis wavelet para series de tiempo??
- ¿Cómo se lee Wavelet Transform?
- ¿Es Wavelet un análisis de frecuencia de tiempo??
- ¿Cuál es la principal diferencia entre DWT y CWT??
¿Qué es el análisis wavelet para series de tiempo??
Wavelet Analysis es una técnica complementaria útil para analizar series de tiempo, en particular para señales transitorias y chirridas que involucran diferentes modos de onda y armónicos. Se resumen algunas propiedades básicas de wavelet y se presentan el análisis wavelet de señales simples.
¿Cómo se lee Wavelet Transform?
La idea básica detrás de la transformación de wavelet es una nueva función de base (ventana) que se puede ampliar o comprimirse para capturar tanto el componente de baja frecuencia como de alta frecuencia de la señal (que se relaciona con la escala).
¿Es Wavelet un análisis de frecuencia de tiempo??
La transformación de wavelet continua (CWT) es una transformación de frecuencia de tiempo, que es ideal para analizar señales no estacionarias. Una señal no estacionaria significa que su representación de dominio de frecuencia cambia con el tiempo.
¿Cuál es la principal diferencia entre DWT y CWT??
Para resumir: 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.