Artículos regulares

 

Ventanas deslizantes por bloques para la implementación online de la transformada wavelet discreta

 

Sliding Windows by Blocks for Online Wavelet Discrete Transform Implementation

 

Antonio Cedeño Pozo¹ y Rafael Trujillo Codorniú²

 

¹ Universidad de las Ciencias Informáticas, Centro de Informática Industrial, Cuba. acedeno@uci.cu

² Instituto Superior Minero Metalúrgico de Moa, Departamento de Matemática, Cuba. rtrujillo@ismm.edu.cu

 

Article received on 19/10/2012.
Accepted on 27/01/2014.

 

Resumen

En este trabajo se propone un esquema para la implementación online de la Transformada Wavelet Discreta. Se introducen mejoras en cuanto a tiempo de ejecución respecto al método de ventanas deslizantes tradicional. En la propuesta se realiza una modificación a la definición de la ventana de datos propuesta en el esquema original. Las pruebas realizadas muestran que el algoritmo propuesto es más rápido que el de ventanas deslizantes tradicionales.

Palabras clave: Wavelet, online, ventanas deslizantes, programación dinámica.

 

Abstract

In this paper we propose an online Wavelet Discrete Transform implementation scheme. Our proposal improves the execution time compared to the traditional sliding window method. Also, we modify the definition of the data window concept given in the original scheme. The experiments we performed show that the runtime cost of the proposed algorithm is better than that of the traditional sliding window method.

Keywords: Wavelet, online, sliding window, dynamic programming.

 

DESCARGAR ARTÍCULO EN FORMATO PDF

 

Referencias

1. Dolobdjian, Ch., Fadili, J., & Huertas Leyva, E. (2002). Classical low-pass filter and real-time wavelet-based denoising technique implemented on DSP a comparison study. The European Physical Journal Applied Physic, Vol. 20, pp. 135-140.         [ Links ]

2. Ma, Yinping & Huang, Yongxing (2012). Adaptive Threshold Based on Wavelet Transform Fingerprint Image Denoising. Computer Science and Electronics Engineering, International Conference, Vol. 3, pp. 494-497.         [ Links ]

3. Li, Z., Ni, J., & Gu, X. (2012). A Denoising Framework for ECG Signal Preprocessing. International Conference on Internet Computing in Science and Engineering, pp. 176-179.         [ Links ]

4. Nounou, M.N., Nounou, H.N., Meskin, N., Datta, A., & Dougherty, E.R. (2002). Multiscale Denoising of Biological Data: A Comparative Analysis. IEEE/ACM Transactions on Computational Biology and Bioinformatics, Vol. 9, pp. 1539-1545.         [ Links ]

5. Xia, R., Meng, K., Qian, F. & Wang, Zh.-L. (2007). Online Wavelet Denoising via a Moving Window. Acta Automatica Sinica, Vol. 33, No. 9, pp. 897-901.         [ Links ]

6. Khadem Olama, E. & Jazayeri-Rad, H. (2011). Online Averaging Wavelet Denoising Method. Computer Modeling and Simulation, UKSIM European Symposium, IEEE Computer Society, pp. 202-204.         [ Links ]

7. Huang, Hsiao-Ping & Luo, Kuo-Yuan (2007). OnLine Wavelets Filtering with Application to Linear Dynamic Data Reconciliation. Industrial and Engineering Chemistry Research, Vol. 46, No. 25, pp. 8746-8755.         [ Links ]

8. Chui, C.K. (1992). An introduction to wavelets. Academic Press, San Diego, CA.         [ Links ]

9. Daubechies, I. (1998). Orthonormal bases of compactly supported wavelets. Comm. Pure Appl. Math., Vol. 41, pp. 909-996.         [ Links ]

10. Donoho, D., Johnstone, I., & Johnstone, I.M. (1993). Ideal spatial adaptation by wavelet shrinkage. Biometrika, Vol. 81, 425-455.         [ Links ]

11. Antoniadis, A., Bigot, J., & Sapatinas, T. (2001). Wavelet estimators in nonparametric regression: a comparative simulation study. Journal of Statistical Software, Vol. 6, pp. 1-83.         [ Links ]