Waveletteknologioita

Waveletteknologioita viittaa joukkoon menetelmiä, jotka hyödyntävät wavelet-transformaatiota signaalien ja kuvien analysoinnissa. Waveletit ovat pienikokoisia, paikallisesti vaikuttavia aaltoja, joiden avulla tietoa voidaan esittää sekä ajan että taajuuden näkökulmasta. Tämä mahdollistaa sekä nopeiden tapahtumien paikantamisen että kokonaisrakenteen säilyttämisen.

Perusidea on multiresoluutioanalyysi, jossa signaali analysoidaan eri skaaloissa. Yleisimmät transformaatiot ovat jatkuva wavelet-transform (CWT) ja diskreetti wavelet-transform (DWT). DWT soveltuu käytäntöön signaalien denoimintaan ja pakkaamiseen, kun taas CWT tarjoaa laajemman taajuustiedon. Yleisimmät wavelet-perheet ovat Haar, Daubechies, Symlet, Coiflet sekä Morlet ja Mexican hat -tyypit. Jokaisella on ominaisuus, joka vaikuttaa signaalin tai kuvan esitykseen.

Sovelluksia ovat signaalien ja kuvien denoiminta, pakkaaminen (esim. JPEG 2000 käyttää DWT:tä), kohteiden tunnistus ja reunojen korostus sekä terveys- ja biolääketieteellisten signaalien kuten EEG- ja ECG-analyysi. Muita sovellusalueita ovat geofysiikka, radar, ääniteknologia, puhe- ja musiikkianalyysi sekä rahoitusdata.

Edut: kyky säilyttää tärkeät piirteet pienessä koossa sekä tarkka paikallistaminen sekä ajassa että taajuudessa, sekä hyvä suorituskyky ei-stationaarisissa signaaleissa. Haasteet: oikean waveletin ja skaalan valinta sekä laskennallinen kustannus ja tulosten tulkinta. Tulevaisuudessa waveletteknologioita käytetään yhä enemmän yhdessä koneoppimisen kanssa ja reaaliaikaisissa analyyseissä.