Eine Zeit–Frequenz-Transformation, die Funktionen oder Signale mittels Translationen und Skalierungen einer Mutterwavelet darstellt und so lokalisierte Analyse in Zeit und Skala (Frequenz) ermöglicht, mit kontinuierlichen oder diskreten Koeffizienten je nach Abtastung.

Prinzip

Mehrskalenprinzip und Lokalität: Ein admissibles Mutterwavelet ψ erzeugt das affine System ψ_{a,b}(t)=|a|^{-1/2}ψ((t-b)/a); Skalarprodukte mit diesen Atomen liefern Koeffizienten, die lokale Struktur auf Skala a und Position b erfassen; Admissibilität sichert die Rekonstruktionsfähigkeit.

Demonstration

Die kontinuierliche Wavelet-Transformation eines Chirps zeigt zeitvariierende Instantanfrequenz durch große Koeffizienten nahe passenden Skalen und Positionen; die diskrete orthonormale Wavelet-Transformation liefert für stückweise reguläre Signale dünne Repräsentationen, nützlich für Kompression und Entrauschung.

Fehlanwendung

Ein nicht-admissibles Kern wählen und perfekte Rekonstruktion erwarten, Koeffizienten einer orthonormalen Wavelet wie aus der kontinuierlichen Transformierten behandeln ohne Abtastanpassung, oder Koeffizienten überinterpretieren ohne Rand- und Abtastauflösung zu berücksichtigen.

Konsequenz

Bietet sparsame, lokalisierte Repräsentationen, besonders geeignet für transiente Merkmale: effektives Entrauschen, Kompression, Kantendetektion und zeitvariierende Spektralanalyse; die Mehrskalenstruktur erleichtert hierarchische Algorithmen und schnelle Transformationen.

Umkehrung

Das Gegenstück betont globale Frequenzauflösung (Fourier) und vernachlässigt Zeitlokalisation; übermäßige Skalenlokalisation opfert Frequenzpräzision und kann langreichweitige periodische Strukturen übersehen.

Abgrenzung

Benötigt Admissibilität (oder geeignetes diskretes Filterbank-Design) und Arbeit in L2 oder passenden Distributionsräumen; kontinuierliche vs. diskrete Formen unterscheiden sich in Redundanz, Invertierbarkeit und numerischer Implementierung; die Wahl der Mutterwavelet ist entscheidend.

Semantische Spannung

Spannung zwischen Wavelet-Transformationen und fensterbasierten Fourier-Methoden: Wavelets passen die Fenstergröße der Frequenz an (gute Zeitlokalisation bei hohen Frequenzen, gute Frequenzlokalisation bei tiefen), während die STFT die Auflösung festlegt.

Synthese

Wavelet-Transformationen verwenden Dilatationen und Translationen einer admissiblen Mutterwavelet, um skalen- und zeitlokalisierte Koeffizienten zu erzeugen und so eine Mehrskalenanalyse zu ermöglichen, die transiente und hierarchische Strukturen für Analyse, Kompression und Entrauschung erfasst.