Publication

Construction of Hilbert transform pairs of wavelet bases and optimal time-frequency localization

Michaël Unser, Kunal Narayan Chaudhury
2008
Conference Papers

Résumé

We propose a novel method of constructing exact Hilbert transform (HT) pairs of wavelet bases using fractional B-splines and state necessary and sufficient conditions for generating such wavelet pairs. In particular, we demonstrate how HT pairs of biorthogonal wavelet bases of L-2 (R) can be constructed using well-localized scaling functions with identical Riesz bounds. Finally, we illustrate this concept by constructing a family of analytic Gabor-like wavelets that exhibit near optimal time-frequency localization.

Source officielle

https://infoscience.epfl.ch/entities/publication/d9cbe50f-0429-4cfc-a083-7f438cbf5bfc

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Michaël Unser, Kunal Narayan Chaudhury
2008
Conference Papers

Résumé

Source officielle

https://infoscience.epfl.ch/entities/publication/d9cbe50f-0429-4cfc-a083-7f438cbf5bfc

À propos de ce résultat

Concepts associés (14)

Ondelette

thumb|Ondelette de Daubechies d'ordre 2. Une ondelette est une fonction à la base de la décomposition en ondelettes, décomposition similaire à la transformée de Fourier à court terme, utilisée dans le traitement du signal. Elle correspond à l'idée intuitive d'une fonction correspondant à une petite oscillation, d'où son nom. Cependant, elle comporte deux différences majeures avec la transformée de Fourier à court terme : elle peut mettre en œuvre une base différente, non forcément sinusoïdale ; il existe une relation entre la largeur de l'enveloppe et la fréquence des oscillations : on effectue ainsi une homothétie de l'ondelette, et non seulement de l'oscillation.

Discrete wavelet transform

In numerical analysis and functional analysis, a discrete wavelet transform (DWT) is any wavelet transform for which the wavelets are discretely sampled. As with other wavelet transforms, a key advantage it has over Fourier transforms is temporal resolution: it captures both frequency and location information (location in time). Haar wavelet The first DWT was invented by Hungarian mathematician Alfréd Haar. For an input represented by a list of numbers, the Haar wavelet transform may be considered to pair up input values, storing the difference and passing the sum.

Espace de Hilbert

vignette|Une photographie de David Hilbert (1862 - 1943) qui a donné son nom aux espaces dont il est question dans cet article. En mathématiques, un espace de Hilbert est un espace vectoriel réel (resp. complexe) muni d'un produit scalaire euclidien (resp. hermitien), qui permet de mesurer des longueurs et des angles et de définir une orthogonalité. De plus, un espace de Hilbert est complet, ce qui permet d'y appliquer des techniques d'analyse. Ces espaces doivent leur nom au mathématicien allemand David Hilbert.

Afficher plus

Publications associées (25)

Graph Neural Networks With Lifting-Based Adaptive Graph Wavelets

Pascal Frossard, Chenglin Li, Mingxing Xu

Spectral-based graph neural networks (SGNNs) have been attracting increasing attention in graph representation learning. However, existing SGNNs are limited in implementing graph filters with rigid transforms and cannot adapt to signals residing on graphs ...

IEEE-INST ELECTRICAL ELECTRONICS ENGINEERS INC2022

Convex optimization in sums of Banach spaces

Michaël Unser, Shayan Aziznejad

We characterize the solution of a broad class of convex optimization problems that address the reconstruction of a function from a finite number of linear measurements. The underlying hypothesis is that the solution is decomposable as a finite sum of compo ...

2021

Wavelet analysis of the Besov regularity of Levy white noise

Julien René Pierre Fageot, Shayan Aziznejad

We characterize the local smoothness and the asymptotic growth rate of the Levy white noise. We do so by characterizing the weighted Besov spaces in which it is located. We extend known results in two ways. First, we obtain new bounds for the local smoothn ...

2020

Afficher plus