Beruflich Dokumente
Kultur Dokumente
Fourier Transformation Und Wavelets 001
Fourier Transformation Und Wavelets 001
Inhalt
HILBERT-RUME ...................................................................................................................................... 6
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
1.10
L2-RUME .................................................................................................................................................. 11
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
FOURIER-REIHEN ................................................................................................................................... 20
3.1
DEFINITION (TRIGONOMETRISCHES POLYNOM)...................................................................................... 20
3.2
BEMERKUNG (ORTHONORMAL-SYSTEM DER TRIGONOMETRISCHEN MONOME)..................................... 20
3.3
DEFINITION (FOURIER-REIHE) ................................................................................................................ 21
3.4
LEMMA (VERHALTEN BZGL. TRANSLATION UND DIFFERENTIATION) ..................................................... 21
3.5
DEFINITION (STCKWEISE STETIGE DIFFERENZIERBARKEIT) .................................................................. 22
3.6
DEFINITION (DIRICHLET-KERN) ............................................................................................................. 22
3.7
LEMMA (DIRICHLET-KERN) ................................................................................................................... 22
3.8
SATZ (RIEMANN-LEBESGUE LEMMA)..................................................................................................... 23
3.9
SATZ (GLEICHMIGE KONVERGENZ DER FOURIER-REIHE UNTER DIFFERENZIERBARKEITSVORAUSSETZUNGEN) ......................................................................................................................................... 24
3.10 KOROLLAR (WEIERSTRA'SCHER APPROXIMATIONSSATZ, PERIODISCHER FALL).................................... 26
3.11 KOROLLAR (HILBERT-BASIS DER TRIGONOMETRISCHEN MONOME)....................................................... 26
3.12 KOROLLAR (WEIERSTRA'SCHER APPROXIMATIONSSATZ) ..................................................................... 27
3.13 KOROLLAR (HILBERT-BASIS DER LEGENDRE-POLYNOME)..................................................................... 27
3.14 BEMERKUNG (FALTUNG, DISTRIBUTION) ............................................................................................... 27
3.15 SATZ (DIFFERENZIERBARKEIT UND KONVERGENZVERHALTEN) ............................................................. 28
FOURIER-INTEGRALE ........................................................................................................................... 30
4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8
4.9
4.10
4.11
4.12
4.13
4.14
4.15
4.16
4.17
Inhalt
5
DISTRIBUTIONEN.................................................................................................................................... 42
5.1
5.2
5.3
5.4
5.5
5.6
5.7
5.8
5.9
5.10
5.11
5.12
DEFINITION (TESTFUNKTIONEN)............................................................................................................. 42
DEFINITION (DIRAC-DISTRIBUTION) ....................................................................................................... 42
DEFINITION (REGULRE DISTRIBUTIONEN) ............................................................................................ 43
SATZ (APPROXIMATION DER DIRAC-DISTRIBUTION) .............................................................................. 43
DEFINITION (DISTRIBUTION)................................................................................................................... 43
BEMERKUNG .......................................................................................................................................... 43
DEFINITION (MULTIPLIKATION MIT FUNKTIONEN) .................................................................................. 44
DEFINITION (TRANSLATION UND DILATION EINER DISTRIBUTION) ......................................................... 44
DEFINITION (ABLEITUNG EINER DISTRIBUTION) ..................................................................................... 44
BEISPIEL (ABLEITUNG DER HEAVISIDE-DISTRIBUTION) .......................................................................... 45
DEFINITION (KONVERGENZ VON DISTRIBUTIONEN)................................................................................ 45
BEISPIEL ................................................................................................................................................. 45
FALTUNG ................................................................................................................................................... 52
7.1
7.2
7.3
7.4
7.5
7.6
7.7
7.8
7.9
7.10
7.11
7.12
9
10
Inhalt
11
12
BILDKOMPRESSION ........................................................................................................................... 71
13
WAVELET-FRAME............................................................................................................................... 72
13.1
13.2
13.3
13.4
13.5
13.6
13.7
13.8
13.9
13.10
13.11
13.12
13.13
13.14
13.15
14
MULTI-SKALEN-ANALYSE ............................................................................................................... 90
14.1
14.2
14.3
14.4
14.5
14.6
14.7
14.8
14.9
14.10
14.11
15
15.1
15.2
15.3
15.4
15.5
15.6
16
ZUSAMMENFASSUNG....................................................................................................................... 112
17
Einleitung
Einleitung
Fourier-Transformation ist die klassische Methode zur Zerlegung eines Signals in seine einzelnen Frequenzen und die anschlieende Rekonstruktion aus dem Frequenzspektrum. Die
Fourier-Transformation spielt eine wichtige Rolle in vielen Gebieten der Mathematik, der
Physik und in ingenieurwissenschaftlichen Anwendungen. Fr letztere ist insbesondere die
"Schnelle Fourier-Transformation", eine effiziente numerische Implementierung, wichtig.
Auch bei den Algorithmen des Quanten-Computing ist die schnelle Fourier-Transformation
ein entscheidendes Hilfsmittel.
Daneben ist der Fourier-Transformation in der Praxis ein Konkurrent erwachsen in der Wavelet-Transformation. Wavelets liefern ein mathematisches Verfahren, das aufgrund der zeitlichen Lokalisierung des Frequenzspektrums eine bessere Auflsung bei der Rekonstruktion
des Signals ergibt. Hierzu werden die Signale mit zeitlich lokalisierten "kleinen Wellen" (Wavelets) gescannt, statt mit den unendlich ausgedehnten Sinus- oder Cosinusschwingungen der
Fourier-Transformation.
Die Vorlesung gibt eine Einfhrung in die Mathematik beider Arten von Transformationen.
Aus theoretischer Sicht beurteilt hat das moderne Gebiet der Wavelet-Theorie die klassische
Fourier-Theorie keinesfalls abgelst. Vielmehr setzen Wavelet-Transformationen die theoretischen Eigenschaften der Fourier-Transformation einschlielich ihrer Anwendung auf Distributionen als selbstverstndliche Hilfsmittel voraus.
Das vorliegende Script gibt den Stoff wieder, den wir in einer 4-stndigen Vorlesung behandelt haben. An Vorwissen haben wir bei unseren Hrern gute Kenntnisse in der Analysis vorausgesetzt. Es ist geplant, auch den Inhalt der Kapitel 9, 10, 11, 12 unter einem separaten Link
auf der Homepage von O. Forster bereitzustellen.
Hilbert-Rume
1 Hilbert-Rume
Intergrierbare Funktionen bilden bezglich der Addition und der Multiplikation mit Skalaren
einen komplexen Vektorraum. Seine Dimension ist i.a. nicht mehr endlich. Zum Studium unendlich-dimensionaler Vektorrume verwendet man neben der Linearen Algebra zustzlich
Hilfsmittel aus der Topologie. Mit Hilfe einer oder mehrerer Normen fhrt man einen Konvergenzbegriff ein. Die einfachste Klasse von unendlich-dimensionalen Vektorrumen dieser
Art sind Hilbert-Rume. Bei ihnen leitet sich die Norm aus einem Hermitesches Skalarprodukt ab. Damit ist in Hilbert-Rumen nicht nur die Lnge eines Vektors definiert, sondern
auch der Winkel zwischen zwei beliebigen Vektoren. Insbesondere hat man einen Orthogonalitts-Begriff.
So lange nichts anderes gesagt wird, werden wir in dieser Vorlesung Vektorrume stets als
komplexe Vektorrume voraussetzen.
x, y = y, x
< x, x > 0 und es gilt
< x, x > = 0 x = 0 (positiv definit).
Das Skalarprodukt ist also linear in der ersten und antilinear in der zweiten Komponente.
Die wichtigste Aussage ber das Skalarprodukt ist die Abschtzung von Cauchy-Schwarz:
x, y
und erhalten
y, y
Hilbert-Rume
0 x, x
x, y
y, y
x, y
y, y
x, y
y, y
d.h.
x , x y, y x , y
x, x
fr alle x X.
Hilbert-Rume
die Operator-Norm von f. Die Beschrnktheit ist gleichwertig mit der Stetigkeit des Operators.
Analog zu Definition 1.1 lassen sich auch reelle Hilbert-Rume definieren. Bei ihnen ist der
unterliegende Vektorraum euklidisch, und man betrachtet dann R-lineare Abbildungen.
Da man in einem Hilbert-Raum ber das Skalarprodukt Winkel messen kann, lt sich auch
der Begriff der Orthogonalitt einfhren. Er verschft den Begriff der linearen Unabhngigkeit.
( x, x )
i
iI
Die Fourier-Koeffizienten erlauben, jedes Element des Hilbert-Raumes nach einem Orthonormal-System zu entwickeln. Der folgende Satz zeigt, da die endlichen Teilsummen dieser
Entwicklung die beste Approximation von x liefern.
(1 ,..., n ) C n
Hilbert-Rume
die Abschtzung
n
i =1
i =1
x i ei x i ei .
Die Approximation mit den Fourier-Koeffizienten liefert die Differenz
2
x i ei
= x
i =1
i =1
Beweis. Anschaulich gesprochen handelt es sich um die beste Approximation von x durch einen geeigneten Vektor in dem von {e1 ,..., e n } aufgespannten Unterraum
E := span {e1 ,..., e n } .
Der Vektor
n
i =1
ei
i =1
ei
ein beliebiger Vektor von E ist. Fr das Skalarprodukt gilt die Formel von Pythagoras
a+b
= a + b, a + b = a , a + a , b + b, a + b, b = a
+ b
+ 2 Re a , b ,
= a
+ b
Diese Formel bertrgt sich auf endlich viele Summanden. Man erhlt in der Situation des
Satzes:
2
x i ei
i =1
i =1
i =1
= ( x i ei ) + ( i e i
x i ei
i =1
i =1
+ i i x i ei
2
i =1
ei )
2
i =1
= iei + x iei
i =1
i =1
= i
i =1
+ x i ei
i =1
, QED.
Hilbert-Rume
10
x, e i
x, e i
= x
(Bessel-Ungleichung)
iI
iI
(Parseval-Gleichung) x = x, e i e i (Fourier-Entwicklung)
iI
Beweis. Die Gleichung von Satz 1.8 zeigt, da fr jede endliche Teilfamilie J I gilt
iJ
x, ei
Da die rechte Seite unabhngig von J ist, konvergiert die Reihe der Absolutbetrge. Die Ungleichung gilt auch im Limes und stellt die Bessel-Ungleichung dar.
Ebenso ergibt die Gleichung von Satz 1.8 im Grenzwert die quivalenz der ParsevalGleichung mit der Fourier-Entwicklung, QED.
Dieselbe Bedeutung, die fr die endlich-dimensionale Theorie der Begriff der Basis hat,
kommt in Hilbert-Rumen dem Begriff der Hilbert-Basis zu. In endlich-dimensionalen Rumen fallen beide Begriffe zusammen, im unendlich-dimensionalen Fall sind sie dagegen verschieden. Hier tritt der Begriff der Basis in seiner Bedeutung zurck, es wird fast ausschlielich mit dem Begriff der Hilbert-Basis gearbeitet. Jede Hilbert-Basis ist auch linearunabhngig. Sie erzeugt jedoch die Elemente des Hilbert-Raumes i.a. nicht mehr als endliche
Linearkombinationen, sondern nur als unendliche Reihen.
L2-Rume
11
2 L2-Rume
Im folgenden werden wir nur separable Hilbert-Rume betrachten. Die allgemeinere Theorie
von Hilbert-Rumen mit berabzhlbarer Hilbert-Basis wird in dieser Vorlesung nicht behandelt. Alle separablen Hilbert Rume sind untereinander isometrisch isomorph. Ein Standardrepsentant ist der Raum l2 = l2(N) der quadrat-summierbaren Folgen.
< },
n N
nN
yn .
ist vollstndig, also ein Hilbert-Raum. Die Familie (ei )iN mit
ei = (0,..., 0, 1, 0,...) mit der i-ten Komponente = 1
ist eine Hilbert-Basis.
Beweis. Wir gehen aus von einer Cauchy-Folge (x )N von Elementen x l 2 . Fr jedes
> 0 existiert nach Voraussetzung ein N N mit
x x
= x ,n x , n
fr alle , N.
n =0
Wegen der Vollstndigkeit der komplexen Zahlen existiert fr jedes feste n N der Grenzwert
x , n := lim x , n .
n =0
x , n x ,n
x ,n x ,n
n =0
n =0
x ,n x ,n
L2-Rume
12
x x l 2 und x l 2
= x ,n x ,n
fr N
n =0
Da die kanonischen Einheitsvektoren eine Hilbert-Basis bilden, folgt sofort aus der Parsevalschen Gleichung (Korollar 1.9), QED.
<}
n N
n N
zn
Man zeigt, da hierdurch ein normierter Vektorraum definiert wird, der sogar vollstndig, d.h.
ein Banach-Raum ist.
Es gilt l1 l2 und allgemeiner
lp lq fr p < q.
nI
heit absolut-konvergent, wenn die Folge der endlichen Partialsummen der Absolutbetrge in
irgendeiner Anordnung konvergiert. In diesem Falle ist die Konvergenz unabhngig von der
Anordnung. Im Falle der Indizierung durch die ganzen Zahlen I = Z werden wir im folgenden
stets die Folge der symmetrischen Partialsummen
L2-Rume
13
S N :=
zn
n=N
betrachten.
Analog zu Satz 2.1 zeigt man, da der Vektorraum
l2(Z) := { ( z n ) nZ C Z :
n =
zn
< }
nZ
yn
(m, n )Z
z m, n
< },
der bei der diskreten Wavelet-Transformation auftreten wird, und allgemeiner fr eine beliebige abzhlbare Menge I den Hilbert-Raum
l2( I ).
Alle Hilbert-Rume l2( I ) sind untereinander isometrisch-isomorph, insbesondere kann man
als einen Reprsentanten den Hilbert-Raum l2(N) whlen.
L2-Rume
14
n=0
en =
xn
xn
n=n+1
n 1
v n := x n x n , e i e i
i =0
en =
vn
vn
Die kontinuierliche Version der Folgen-Rume l2 sind die Funktionen-Rume L2 aus quadratintegrierbaren Funktionen. Sie bilden ebenfalls separable Hilbert-Rume. Daher sind l2 und L2
vom abstrakten Standpunkt aus betrachtet isomorph. Der Unterschied liegt jedoch in der Representation ihrer Elemente: Folgenrume fhren in Kapitel 3 zur Theorie der Fourier-Reihen,
die Representation mit Funktionen fhrt in Kapitel 4 zur Fourier'schen IntegralTransformation.
f ( t ) dt < ,
2
Bei der Bildung von quivalenzklassen werden zwei Funktionen identifiziert, wenn sie sich
nur auf einer Nullmenge unterscheiden. Man beweist in der Integrationstheorie, da L2 vollstndig, also ein Hilbert-Raum ist ([For1983], 10, Satz 4).
ii) Allgemeiner sei I R ein abgeschlossenes Intervall und
: I R*+
eine mebare Funktion. Dann bezeichnet L2( I, (t)dt ) den Vektor-Raum der Klassen mebarer Funktionen
f: I C
L2-Rume
15
mit
f ( t ) ( t ) dt < ,
2
1
D n ( x 2 1) n , n N,
2 n!
n
dn
Differentialoperator,
dx n
bilden ein Orthogonal-System von L2( [-1, 1] ). Die ersten Legendre-Polynome sind
P0(x) = 1, P1(x) = x, P2 ( x ) =
1
1
3 x 2 1 , P3 ( x ) = 5 x 3 3x .
2
2
g k , m := D k ( x 2 1) m
g k,m = x 2 1
mk
Offensichtlich gilt die Aussage fr k = 0 mit = 1. Zum Beweis des Induktionsschrittes berechnen wir
g k +1, m = D g k , m ( x ) = (m k ) x 2 1
(x
m ( k +1)
m ( k + 1)
[ 2x ( m k ) ( x ) + ( x
2x ( x ) + x 2 1
1 ' (x)
mk
' (x ) =
1
1
g n 1, n ( x ) g m +1, m ( x ) dx .
1
L2-Rume
16
Aufgrund der in Teil i) bewiesenen Formel verschwindet der erste Summand an den Randstellen x = 1 und x = -1. Auf das Integral des zweiten Summanden wenden wir sukzessive
weitere partielle Integrationen an und erhalten schlielich
1
g n ,n ( x) g m,m ( x) dx = ( 1)
0, n
( x ) g m + n , m ( x ) dx = 0,
g m+ n ,m := D m + n ( x 2 1) m
] = 0, QED.
Das n-te Legendre-Polynom ist ein Polynom vom Grad n, das in L2( [-1, 1]) auf allen Polynomen vom Grad n - 1 senkrecht steht.
Es gilt Pn(1) = 1.
Die zweite Bedingung rechnet man nach. Da durch beide Bedingungen eindeutig ein Polynom bestimmt wird, folgt daraus, da die Monome
(xn)nN
in L2( [-1, 1] ) eine linear-unabhngige Familie bilden. Der Untervektorraum Vn, der von allen
Monomen vom Grad n aufgespannt wird, hat die Dimension
dim Vn = n + 1,
sein Unterraum Vn-1 hat also die Codimension 1.
Die Legendre-Polynome haben bzgl. der Norm von L2( [-1, 1] ) nicht die Lnge 1. Es gilt
vielmehr
Pn
2
.
2n + 1
Nach Normierung auf die Lnge 1 bilden die normierten Legendre-Polynome sogar ein vollstndiges Orthonormal-System, d.h. eine Hilbert-Basis von L2( [-1, 1] ). Wir werden diese
Aussage in Kapitel 3 aus dem Weierstraschen Approximationssatz (Korollar 3.13) folgern.
Eine fr die Wavelet-Theorie grundlegende Klasse von Funktionen sind die Haar'schen Funktionen.
L2-Rume
17
1 0 t <1 2
: R
[ 1, 1 ] , (t ) := 1 1 2 t < 1
0
sonst
k m , k, m Z ,
2
Der Faktor
1
k
ist so gewhlt, da jede Haar'sche Funktion als Element von L2(R) auf die
2
Lnge 1 normiert ist.
L2-Rume
18
m m + 1
I k , m := k , k , m N und 0 m < 2k .
2
2
Wir bezeichnen mit V-k, k N, den endlich-dimensionalen Vektorraum der dyadischen Trep1
penfunktionen zu den Konstanzintervallen der Lnge 2 k = k
2
I-k,m, 0 m < 2k.
Die Vektorrume bilden eine aufsteigende Folge
V0 V-1 ... V-k V-(k+1) ...
Es gilt die Dimensionsformel
dim V0 = 1, dim V-1 = 2, ..., dim V-k = 2k.
Anderseits gilt fr die Vektorrume der translatierten Haar'schen Funktionen zum Skalenfaktor k
W-k := span < -k,m: 0 m < 2k >, k N, und W-1 := C 0.
die Dimensionsformel
dim W-k = 2k, k N.
Offensichtlich gilt
W-(k+1) V-k, k N.
Damit folgt die Gleichheit von Vektorrumen
k 1
W i = V k
i =1
k 1
dim W i = 1 + 2i = 1 +
i =1
i=0
2k 1
= 2 k = dim V k .
2 1
Da sich jede Funktion aus L2([0, 1]) durch Elemente aus den Vektorrumen V-k approximieren lt, lt sie sich auch durch Elemente aus den Vektorrumen W-k approximieren. Damit
ist die erste Behauptung bewiesen.
iii) Nun beweisen wir die Vollstndigkeit fr den allgemeinen Fall. Bekanntlich kann jede
quadrat-integrierbare Funktion aus L2(R) durch quadrat-integrierbare Funktionen mit kompaktem Trger approximiert werden ([For1983], 10, Satz 3). Es gengt also, eine Funktion
mit kompaktem Trger, o.E. mit Trger in [0, 1], zu approximieren. Nach Teil ii) lt sie sich
durch die Haar'schen Funktionen und die konstante Funktion
0 : 1
approximieren. Daher bleibt zu zeigen, da 0 im Raum L2(R) durch die Haar'schen Funktionen approximiert werden kann. Hierfr verwenden wir die gestreckten Haar'schen Funktionen
k,m zu positivem Skalierungsparameter k N. Wir definieren fr k N die Funktionen
L2-Rume
19
1
k : R
C , g k ( t ) := 2 k
0
t 0, 2k
sonst
1
1
k dt = k ,
2
2
sie bilden also eine Nullfolge. Durch Induktion ber k zeigt man
k
0 =
i =1
1
2i
i , 0 + k
weil
k =
1
2 k +1
k +1, 0 + k +1 .
Die im Beweis von Satz 2.9 durchgefhrte Approximation der konstanten Funktion durch
Funktionen, die symmetrisch zur x-Achse sind, zeigt da die Approximation bzgl. der L2Norm der Anschauung widersprechen kann.
Fourier-Reihen
20
3 Fourier-Reihen
Wir verstehen in diesem Kapitel unter einer periodischen integrierbaren Funktion eine Funktion
f :R
C
mit der Periode 2, d.h.
f ( x + 2) = f ( x ) fr alle x R ,
deren Einschrnkung auf das abgeschlossenen Intervall [ -, ] integrierbar ist im Sinne von
Lebesgue. Periodische Funktionen
f :R
C
mit der Periode 2 entsprechen bijektiv den Funktionen
f : R/2 Z
C
auf dem Kreis
S1 R / 2Z .
Das Hauptresultat dieses Kapitels ist die gleichmige Approximation einer periodischen,
stetigen Funktion mit geeigneten Differenzierbarkeitseigenschaften durch ihre Fourier-Reihe.
Aus diesem Ergebnis folgt eine Reihe bekannter Aussagen, unter anderem der Weierstra'sche
Approximationssatz.
c e
n=N
inx
L2 [ , ], ,
2
d.h. des Raumes L2( [ -, ] ) der quadratintegrablen Funktionen mit dem Skalarprodukt
1
f, g =
f ( t ) g ( t ) dt .
2
Fourier-Reihen
21
c [f ] e
F [f ] :=
n Z
1
=
dt f ( t ) e n ( t ) , n Z .
2
c [f ] e , N N
n N
c [f ] e
nZ
ihre Fourier-Reihe.
i) Wir bezeichnen mit fa die mit dem Translationsoperator a um den festen Wert a verschobene Funktion, d.h.
f a := a (f ) : R C, a (f )( x ) := f ( x a ) .
Fr ihre Fourier-Koeffizienten gilt:
c n [f a ] = e n (a ) c n [f ] (Phasenfaktor der Fourier-Koeffizienten).
ii) Wenn f sogar stetig-differenzierbar ist, so gilt fr die Fourier-Koeffizienten der Ableitung
f ':
c n [f ' ] = i n c n [f ] (Multiplikation der Fourier-Koeffizienten).
Beweis. ad i) Wir wenden auf die Berechnung der Fourier-Koeffizienten die Substitutionsformel der Integration fr Parametertransformation an:
c n [f a ] =
1
1
1
f a ( t ) e int dt =
f ( t a ) e int dt =
2
2
2
+ a
f () e in ( + a ) d =
+ a
e ina
f () e in d
2
1
1
f ' ( t ) e int dt =
f ( t ) e int
2
2
in
f ( t ) e int dt , QED.
Fourier-Reihen
22
Das Hauptresultat dieses Kapitels ist Satz 3.9 ber die Konvergenz der Fourier-Reihe im Falle
einer stetigen, stckweise stetig-differenzierbaren Funktion.
x x 0
x x 0
x x 0
f (x ) f + (x 0 )
f (x) f (x 0 )
und f ' ( x 0 ) := lim
.
xx0
x x0
x x0
Grundlegende Bedeutung fr die Theorie der Fourier-Reihen hat die unendliche Reihe aller
trigonometrischen Monome. Wir approximieren sie durch ihre endlichen Partialsummen.
n N
C .
:R
1
D N ( t ) dt = 1 .
2
Beweis. Der Beweis beruht auf der Formel fr die endliche geometrische Reihe
Fourier-Reihen
23
N
qn =
n =0
q N +1 1
q 1
2N
n N
n =0
x
2
und erhalten
e i ( N +1) x e iNx e
=
e ix 1
1
i( N+ ) x
2
i
x
2
e e
1
i ( N + ) x
2
i
x
2
1
sin [ ( N + ) x ]
2
=
.
x
sin
2
Der folgende Satz 3.8 ist der Schlssel im Konvergenzbeweis von Satz 3.9.
g( t ) e
ixt
dt = 0 .
Beweis. i) Jede Funktion g L1( I ) lt sich bzgl. der L1-Norm durch stetig-differenzierbare
o
Funktionen mit kompaktem Trger im offenen Kern I approximieren ([For1983], 10, Corollar zu Satz 3). Man reduziert daher die Behauptung des Satzes auf den Fall eines kompakten Intervalls
I = [ a, b ]
o
b
eixt
1
e g( t ) dt =
g( t ) eixt g' ( t ) dt .
ix
a i x a
ixt
1
folgt die Behauptung
ix
Fourier-Reihen
24
lim
g( t ) e
ixt
dt = 0 , QED.
1
c n [f ] e n mit c n [f ] =
dt f ( t ) e int
2
nZ
gegen die Funktion. Hierzu stellen wir die N-te Partialsumme als die "Faltung" mit dem N-ten
Dirichlet-Kern dar:
FN [f ] (x ) :=
c n [f ] einx =
n N
n N
1
1
f ( t ) e int dt ) einx =
( f ( t ) e int einx ) dt =
2
2 n N
1
1
in ( x t )
f
(
t
)
e
dt
=
D N ( x t) f ( t ) dt
2
2
n N
Wir behandeln zunchst die Konvergenz im Nullpunkt x = 0. Nach evtl. Abziehen einer Konstante drfen wir
f(0) = 0
annehmen. Nach Voraussetzung ist f stetig im Nullpunkt, und es existieren dort die halbseitigen Ableitungen
f ' + (0) und f ' (0) .
Daher lt sich f ebenso wie die Sinus-Funktion in einer Umgebung des Nullpunktes durch
lineare Funktionen approximieren. Wegen
f(0) = sin (0) = 0
ist die Funktion
g( t ) :=
f (t)
t
sin
2
in einer Umgebung des Nullpunktes beschrnkt, insbesondere also integrierbar. Im Komplement der Nullumgebung ist die Funktion
Fourier-Reihen
25
1
sin
t
2
stetig-differenzierbar, also g(t) ebenfalls integrierbar. Satz 3.8 und Lemma 3.7, angewendet
mit
1
1
sin [ ( N + ) t ] = Im exp [ i ( N + ) t ] ,
2
2
liefern
lim f ( t ) D N ( t ) dt = lim
f ( t)
1
sin [ ( N + ) t ] dt = 0 .
t
2
sin
2
1
f ( t ) D N ( t ) dt = 0 = f (0) .
N 2
F [f ](0) = lim
Zum Beweis der punktweisen Konvergenz an einer beliebigen festen Stelle x wenden wir auf
die translatierte Funktion f-x die Aussage von Lemma 3.4, Teil i) an. Es folgt mit der bereits
bewiesenen Konvergenz im Nullpunkt:
f ( x ) = f x (0) = lim FN [f x ] (0) = lim
N
c [f ] = lim e
n N
n N
inx
c n [f ] = lim FN [f ] ( x ) .
N
ad ii) Wir zeigen, da die formale Fourier-Reihe absolut und gleichmig konvergiert. Dann
folgt nach Teil i) die Behauptung, da sie punktweise gegen f konvergiert.
Zunchst zeigen wir, da die Familie der Fourier-Koeffizienten der Funktion f summierbar ist,
d.h. da die Partialsummen
c [f ]
n
n N
, n N,
nZ
f'
<
1
=
f ' ( t ) e n ( t ) dt
2
(e
Nach Lemma 3.4, Teil ii) gilt
(x ) = ei n x
nZ
Fourier-Reihen
26
n = i n c n [f ] fr alle n Z.
Mit der Ungleichung von Cauchy-Schwarz (Satz 1.2) folgt die absolute Sumierbarkeit
c [f ] =
nZ
nZ
( n c n [f ] ) 1 = n 1
n nZ
n
nZ
nZ
1
n
<.
Aus der Summierbarkeit der Fourier-Koeffizienten folgt die absolute und gleichmige Konvergenz der Fourier-Reihe
c [f ] e
nZ
, QED.
(e
(x ) = ei n x
nZ
L2 [ , ], ,
2
1
f, g =
f ( t ) g ( t ) dt .
2
Beweis. Es bleibt die Vollstndigkeit des Orthonormal-Systems der trigononometrischen Monome zu zeigen.
Fourier-Reihen
27
Jede stetige periodische Funktion lt sich nach Korollar 3.10 gleichmig durch trigonometrische Polynome approximieren. Die Approximation gilt dann insbesondere im L2-Sinne. Da
sich andererseits jede Funktion aus
dt
L2 [ , ],
2
im L2-Sinne durch stetige Funktionen approximieren lt ([For1983], 10, Satz 3), ist das
Orthonormal-System der trigonometrischen Monome vollstndig, also eine Hilbert-Basis,
QED.
dn
n
n
2
n
D
[(
x
1
)
]
,
D
:
=
,
2 2 n n!
dx n
n N
ist eine Hilbert-Basis des Hilbert-Raumes L2([-1, 1]).
Beweis. Zur Normierung und der Orthogonalitt vgl. Beispiel 2.6 und Bemerkung 2.7. Zum
Beweis der Vollstndigkeit approximieren wir eine gegebene integrierbare Funktion zunchst
im L2-Sinne durch stetige Funktionen. Nach Korollar 3.12 lt sich jede stetige Funktion ber
dem kompakten Intervall
[-1, 1]
gleichmig durch Polynome approximieren. Der von den Polynomen eines Grades n aufgespannte Teilraum von L2([-1, 1]) stimmt aus Dimensionsgrnden mit dem von den ersten n+1
Legendre Polynomen aufgespannten Teilraum berein. Insgesamt lt sich jede integrierbare
Funktion im L2-Sinne durch die Legendre-Polynome approximieren, QED.
Fourier-Reihen
28
1
D N ( x t ) f ( t ) dt
2
auf. Man nennt die hierdurch an der Stelle x R definierte Funktion die Faltung
DN * f: C
der Funktion DN mit der Funktion f. Damit lt sich die N-te Partialsumme der Fourier-Reihe
kompakt schreiben als Faltung mit dem N-ten Dirichlet-Kern
FN [f ] = D N * f .
ii) Wte man bereits, da der Dirichlet-Kern als Distribution auf geeigneten Testfunktionen,
zu denen f gehrt, gegen die Delta-Distribution 0 konvergiert
1
D N ( x ) = 0 ( x )
N 2
lim
D N ( x t ) f ( t ) dt = 0 ( x t ) f ( t ) dt = f ( x ) .
Nlim
2
Der wesentliche Teil des Beweises von Satz 3.9 ist die Rechtfertigung dieser Heuristik. Wir
werden in Kapitel 5 eine Einfhrung in die Theorie der Distributionen geben.
Im Beweis von Satz 3.9 wurde aus der Existenz der Ableitung die Summierbarkeit der Fourier-Koeffizienten abgeleitet. Diese Aussage ist der Spezialfall eines allgemeinen Zusammenhanges zwischen dem Grad der Differenzierbarkeit einer Funktion und der Summierbarkeit
ihrer Fourier-Koeffizienten.
M
n
, nZ .
Beweis. Durch Induktion ber k. Fr k = 0 folgt die Behauptung ber die Beschrnktheit der
Fourier-Koeffizienten cn [ f ], n Z, aus der Abschtzung
c n [f ]
1
=
2
f (t) e
int
1
dt
2
f ( t ) dt := M .
Im Induktionsschritt k a k+1 wendet man die Induktionsvoraussetzung auf die k-te Ableitung
von f ' an. Es gilt nach Lemma 3.4:
Fourier-Reihen
29
c n [ f ' ] = i n c n [f ] ,
also
c n [f ]
cn [ f ' ]
n
M
n n
, n Z , QED.
Fourier-Integrale
30
4 Fourier-Integrale
In diesem Kapitel erweitern wir die Klasse der betrachteten Funktionen, indem wir auf die
Voraussetzung der Periodizitt verzichten. Fr integrierbare Funktionen fhren wir in Verallgemeinerung der Fourier-Reihe das Fourier-Integral ein. Whrend in der Fourier-Reihe nur ein
diskrete Folge von Frequenzen auftritt, wird bei einem Fourier-Integral ber das Kontinuum
aller rellen Frequenzen integriert.
Ausgehend von der Definition des Fourier-Integrals fr integrierbare Funktionen konstruieren
wir die Fourier-Transformation auf dem Hilbert-Raum der quadrat-integrierbaren Funktionen.
Der Hauptsatz dieses Kapitels ist die Umkehrformel der Fourier-Transformation (Satz 4.15).
t
)
a
die um den Faktor a skalierte Funktion. Sie stellt fr a > 1 eine Streckung und fr a < 1 eine
Stauchung dar.
2 R
2 R
Manchmal fat man die Variable t R als die Zeit auf. Dann beschreibt f(t) ein Signal und
die Fourier-Transformation f ( ) das zugehrige Frequenzspektrum.
Fourier-Integrale
31
( )
f () = f
( )
1 2
e .
f: R
R, f (t ) :=
2
Es handelt sich um eine Wahrscheinlichkeitsdichte wegen der Normierung
1
2
t2
2
dt = 1 .
t2
2
t2
2
e it dt .
Wir setzen
h ( t , ) := e
e it .
h ( t , ) := it e 2 e it
h ( t , ) := t e 2 .
Also ist die Ableitung ebenfalls integrierbar. Nach dem Satz ber die Differenzierbarkeit eines
Integrals nach einem Parameter ([For1983], 11, Satz 2) folgt
d
h (t, )
g' () :=
h(t, ) dt =
dt = i t e 2 e it dt .
d R
R
R
t2
Fourier-Integrale
32
R
t e
t2
2
R
t
t
dt = e 2 e it i e 2 e it dt .
R
-R
2
-R
it
2
2
g (0) .
2
2
= f () , QED.
L1
fr alle R .
Es gilt
lim f ( ) = 0 .
+ /
Beweis. Die Stetigkeit folgt aus dem Satz ber die stetige Parameterabhngigkeit des Integrals
([For1983], 11, Satz 1), die Beschrnktheit aus der Gleichung
e i t = 1 .
Die Aussage ber das Grenzwertverhalten im Unendlichen folgt aus Satz 3.8, QED.
Fourier-Integrale
33
Wie folgendes Beispiel zeigt, ist die Fourier-Transformierte einer integrierbaren Funktion i.a.
nicht mehr integrierbar. Vielmehr hngt das Abklingverhalten bzgl. der Frequenzen im Unendlichen von den Differenzierbarkeitseigenschaften des Ausgangssignals ab.
2 sin
.
1
1
f (t ) e it dt =
f (t ) e it dt =
2 R
2 -1
1
2
e it
i
[e it e it ] =
i =
1 2
2 sin
Da die Funktion f nicht-integrierbar ist, liegt an der Divergenz der harmonischen Reihe
1
n , QED.
n 1
In Analogie zu Lemma 3.4, Teil i), untersuchen wir das Verhalten der Fourier-Transformation
bei Translation.
Beweis. ad i) Der Beweis beruht auf der Substitution s = t a bei der Integration
Fourier-Integrale
( a f )^ ( ) =
34
1
(a f ) (t ) e it dt = 1 f(t - a) e it dt =
2 R
2 R
(ea f )^ ( ) =
( )
1
1
f(t) e i( a ) t dt = a f () .
e iat f (t ) e it dt =
2 R
2 R
(a f )^ ( ) =
1
f(s) e ia e is ds = e a () f ()
2 R
1
t
f e it dt =
2 R a
t
bei der Integration
a
f( s ) e
2
isa
( )
ds = a a 1 f ( ) , QED.
4.8 Lemma
Fr zwei integrierbare Funktionen
f , g L1 (R )
gilt die Formel
f ( t ) g( t ) dt = f ( t ) g( t ) dt .
R
Beweis. Man wendet den Satz von Fubini an auf die integrierbare Funktion zweier Vernderlicher
f ( x ) g( y ) e ixy , QED.
Der Weg von der Fourier-Transformation fr integrierbare Funktionen zur Fourier-Transformation quadrat-integrierbarer Funktionen fhrt ber die Teilklasse der schnell abfallenden
(temperierten) Funktionen. Einerseits fhrt Fourier-Transformation nicht heraus aus dieser
Teilklasse, andererseits ist die Klasse gro genug, um alle quadrat-integrierbaren Funktionen
zu approximieren.
Auf dem Raum der temperierten Funktionen fhren wir eine Topologie ein. Da die Funktionen differenzierbar sind, sollte die Topologie nicht nur die Funktionen, sondern auch die Gre ihrer Ableitungen messen. Da die Funktionen schnell abfallen, bedeutet, da jede Funktion und jede ihrer Ableitungen im Unendlichen schneller abfllt als jedes Polynom. Daher definieren wir die Topologie durch eine Folge von Semi-Normen: Die Semi-Norm n , k mit
das Wachstum der k-ten Ableitungen im Vergleich zu dem Monom n-ten Grades.
Fourier-Integrale
35
f
n ,k
:= sup ( 1 + t
) f ( )( t )
n
tR
, n, k N.
Der Vektorraum S = S(R) der temperierten Funktionen (oder Schwartz-Raum) ist die Menge
{ f C ( R) : f
n ,k
< fr alle n , k N }
der beliebig oft differenzierbaren Funktionen, die selbst und deren jede Ableitung schneller
abfallen als jede inverse Potenz, versehen mit der Addition und der Multiplikation mit komplexen Skalaren.
Auf S fhren wir folgenden Konvergenzbegriff ein: Eine Folge (f ) N von temperierten
Funktionen konvergiert gegen Null
f
0,
S
wenn fr alle Semi-Normen gilt:
lim f
n,k
= 0 , n, k N.
4.10 Bemerkung
i) Wegen der binomischen Formel
n
n
( 1 + t ) n = t
=0
ii) Der Schwarz-Raum ist vollstndig. Die Topologie lt sich durch auch die abzhlbare Familie von Normen beschreiben (Frchet-Raum)
f
:= sup sup
kp
t R
(1+
f (k ) ( t
, p N.
Fourier-Integrale
36
4.12 Bemerkung
Temperierte Funktionen sind integrierbar, d.h.
S L.
1
f ( t ) dt = ( 1 + t ) 2 f ( t )
R
1
( 1+ t )
dt sup ( 1 + x ) 2 f ( x )
x R
1
( 1 + t )2
dt < .
In Analogie zu Lemma 3.4, Teil ii), untersuchen wir das Verhalten der FourierTransformation bei Differentiation. Gem dem folgenden Satz 4.13 werden Differentiation
und Multiplikation jeweils ineinander bergefhrt.
d
dx
den Differentialoperator.
Dann ergeben sich die Fourier-Transformationen der Ableitungen von f durch Multiplikation aus der Fourier-Transformation von f:
(P(D ) f )^ () = P(i) f ()
Die Fourier-Transformation von f gehrt wieder zu S. Die Ableitungen der FourierTransformation von f sind die Fourier-Transformationen von Multiplikationen von f:
P(i D ) f = (P f )^ .
it
it f
f
dt
f
f'
und
i
f
i f
^
d
d
if
Fourier-Integrale
37
P(t) = tk
und hier nur fr den Fall k = 1 zu beweisen. Die Behauptung durch Einsetzen der Definition
und partielle Integration bzw. Differentiation nach einem Parameter:
(f ')^ () =
1
1
f ( t ) e it
f ' ( t ) e it dt =
2
2 R
1
f ( t ) ( i) e it dt = i f ()
2 R
und
i
df
() =
d
i d
dt f ( t ) e it =
2 d R
=
i
f ( t ) ( it ) e it dt
2 R
d it
i
e dt =
f (t)
d
2 R
1
2
t f(t) e-it dt = ( P f )^ ( ) .
Zum Beweis, da die Fourier-Transformation wieder temperiert ist, sind die Suprema
sup n f (k) () , n, k N,
R
(i)n ( ) = ((n ) )^ () ,
also
n = ( (n) ) .
Nach Lemma 4.5 ist die Fourier-Transformation ( (n) ) beschrnkt, da (n) als temperierte
Funktion integrierbar ist. Also gilt
sup n f (k) ()
R
1
(n )
2
L1
< , QED.
Fourier-Integrale
38
Beweis. Nach Satz 4.13 ist die Abbildung wohldefiniert. Zum Beweis der Stetigkeit gengt es,
den Fall einer Nullfolge (f ) N von temperierten Funktionen zu betrachten. Mit
( t ) := t k f ( t )
folgt analog zu Satz 4.13, Teil i) die Abschtzung
1
( k)
(n)
(n )
( t ) dt
sup n f ( ) = sup ( ) ( )
R
R
2 R
sup
t R
(n)
( t ) ( 1 + t )2
1
2
1
( 1 + t )2
dt
Wegen
(t ) = t k f (t )
und der Leibniz-Formel
(n )
(t ) =
n
D j t k f ( n j)
j= 0 j
n
-1
: S S , F -1 ( )( t ) =
1
( ) eit d .
2 R
1
() e it d
2 R
Fourier-Integrale
39
id = G o F.
1
d ( )
2 R
Wir beweisen diese Aussage als die Gleichheit zweier Grenzwerte. Wir approximieren die
Dirac-Distribution durch einen Grenzwert von Integralen: Sei
1
e
( x ) =
2
x2
2
die standardisierte Normalverteilung. Nach Lemma 4.8 gilt mit der Dilatation
a, a R+*,
die Gleichung
() ( ) () d = () ( )() d .
^
Fr die linke Seite dieser Gleichung folgt nach Lemma 4.8 und wegen = (Beispiel 4.4)
() ( ) () d = () a ( ) () d = ( )( y) ( y) dy = ( )( ) () d
^
a 1
Nach dem Satz von der majorisierten Konvergenz ([For1983], 9, Satz 2) ergibt sich der
Grenzwert der linken Seite als
lim (a )( ) ( ) d = lim (a )( ) () d = (0) ( ) d = (0) .
Wiederum mit dem Satz von der majorisierten Konvergenz ergibt sich der Grenzwert der
rechten Seite als
lim ( ) ( )( ) d = () lim ( )( ) d =
a
1
( ) d
2 R
1
( ) d .
2 R
Aus Lemma 4.7, angewendet auf die Fourier-Transformation einer Translation, folgt hieraus
fr beliebiges festes Argument x R die Behauptung:
( x ) = ( x )(0) =
1
( x )^ () d =
2 R
1
eix () d = (G o F ) ()( x ) .
2 R
Fourier-Integrale
40
Obiger Satz 4.15 erlaubt nun die Fortsetzung der Fourier-Transformation zu einem isometrischen Isomorphismus des Hilbert-Raumes L2. Wir verwenden an dieser Stelle nur die Aussage
ber die Umkehrfunktion. Die Stetigkeit der Fourier-Transformation bzgl. der Schwarz-Topologie werden wir erst Kapitel 6 bei der Definition temperierter Distributionen und ihrer Fourier-Transformation benutzen.
R
R
R
1
= f ()
g( t ) e
R
2 R
it
it
d dt
( )
^
dt d = f ( ) 1 g ( ) d = f ( t ) g d = < f , g > , QED.
R
R
Fourier-Integrale
41
F :S L
und bildet diesen Teilraum nach Korollar 4.16 isometrisch auf sich ab. Als Hilbert-Raum
ist L2 vollstndig, so da eine eindeutige stetige Fortsetzung
F :L L
2
Distributionen
42
5 Distributionen
Distributionen sind eine Erweiterung des Begriffes der Funktion. Die erste Erweiterung dieser
Art ist die von Dirac eingefhrte Delta-Distribution. Sie selbst ist keine Funktion, kann aber in
einem geeigneten Sinne als Grenzwert von Funktionen aufgefat werden. Whrend Funktionen im einfachsten Fall reelle Zahlen als Argument haben, leben Distributionen auf einer hheren Ebene: Ihr Definitionsbereich enthlt als Argumente ganze Funktionen, sogenannte
Testfunktionen. Man nennt Distributionen daher auch Funktionale. Jede integrierbare Funktion lt sich als Distribution auffassen, indem man sie als Integraloperator auf die Klasse der
Testfunktionen anwendet.
Die Bedeutung der Distributionen fr die Analysis liegt darin, da man Distributionen beliebig oft differenzieren kann und sie generell gute Eigenschaften bzgl. der Grenzwertbildung
zeigen. Fr Distributionen mit temperierten Funktionen als Testfunktionen lt sich die Fourier-Transformierte definieren. Ein etwas kleinerer Definitionsbereich fr Distributionen sind
ist der Raum D aller der Testfunktionen mit kompaktem Trger. In Analogie zum SchwarzRaum S fhren wir auch auf D eine Topologie ein, die ihn zu einem vollstndigen topologischen Vektorraum macht.
Der Vektorraum D = D(R) der Testfunktionen ist die Menge Cc ( R) der beliebig oft differenzierbaren Funktionen mit kompaktem Trger, versehen mit der Addition und der Multiplikation mit komplexen Skalaren. Auf D fhren wir folgenden Konvergenzbegriff ein: Eine Folge
( ) N von Testfunktionen konvergiert gegen eine Testfunktion ,
, N ,
gleichmig konvergiert auf K gegen die k-te Ableitung
(k ) .
Distributionen
43
f ( t) dt = 1
R
1
a f , a > 0,
a
erzeugt werden, bzgl. des Grenzbergangs a 0 die Dirac-Distribution 0, d.h. fr jede Testfunktion D gilt:
lim Tfa [ ] = 0 [ ] = (0).
a 0
1 t
f (t ) dt = f (x ) ( a x ) dx .
a a
R
Nach dem Satz von der majorisierten Konvergenz ([For1983], 9, Satz 2) darf man Integration und Limesbildung vertauschen und erhlt
lim Tfa [ ] = lim f (x ) (a x ) dx = f (x ) lim (a x ) dx = f (x ) (0 ) dx = (0) , QED.
a 0
a 0
a 0
5.6 Bemerkung
i) Die Dirac-Distribution ist eine Distribution im Sinne von Definition 5.5.
ii) Jede regulre Distribution Tf ist eine Distribution im Sinne von Definition 5.5. Zum Beweis beachte man, da nur ber ein festes Kompaktum integriert werden mu und hier die
Distributionen
44
Konvergenz der Testfunktionen sogar gleichmig ist. Durch den bergang zur Distribution
erhlt man eine kanonische Abbildung
L2
D' , f a Tf ,
vermge derer sich jede L2-Funktion auch als Distribution auffassen lt. Der Kern dieser
Abbildung sind diejenigen quadrat-integrierbaren Funktionen, die fast berall Null sind.
iii) Die Dirac-Distribution ist nicht regulr.
Viele aus der Analysis bekannte Operationen bertrgt man auf Distributionen, indem man sie
auf ihre Argumente anwendet - also auf die Testfunktionen.
a a 1 = a T a 1 .
Das negative Vorzeichen in Definition 5.9 ist motiviert durch die Ableitung von regulren Distributionen Tf mit einer stetig-differenzierbaren Funktion f. Durch partielle Integration erhlt
man unter Bercksichtigung der Tatsache, da Testfunktionen kompakten Trger haben:
Distributionen
45
Tf ' [ ] ,
also in diesem Fall
In diesem Sinne konvergieren die in Satz 5.4 betrachteten Funktionen aufgefat als Distributionen gegen die Dirac-Distribution.
5.12 Beispiel
Der Grenzwert
2 n := lim
N Z
n= N
2 n
46
impliziert
,
D
S
und hat dichtes Bild, d.h. zu jeder temperierten Funktion S existiert eine Folge von
Testfunktionen
( ) N , D ,
mit
.
S
Beweis. ad i) Fr die Stetigkeit ist zu zeigen, da eine Nullfolge von Testfunktionen in D auch
eine Nullfolge in S ist, d.h. bzgl. der Familie der Semi-Normen
f
n ,k
:= sup
tR
( 1+
) f ( )( t )
n
, k, n N,
Distributionen
47
(f N := f N )NN
1
(D i ) , i 1, und
Ni
supp ( 1 N ) R [ N, N
k ,n
= 0 , k, n N, QED.
6.2 Bemerkung
Die in Definition 5.1 angegebene Topologie von D ist echt feiner als die von S induzierte Unterraumtopologie. Insbesondere ist D bzgl. der Unterraum-Topologie nicht vollstndig.
Ttemp
C
Hierdurch entsprechen die temperierten Distributionen genau den stetigen linearen Funktionalen auf dem Vektorraum der temperierten Funktionen.
Beweis. Eine temperierte Distribution ist stetig bzgl. jeder der in der Definition von S auftretenden Semi-Normen. Als lineare Abbildung ist sie in jeder dieser Semi-Normen gleichmig
stetig. Da D nach Satz 6.1 ein dichter Teilraum von S ist, kann man T stetig nach S fortsetzen,
und diese Fortsetzung ist eindeutig bestimmt, QED.
Distributionen
48
( F [ T ] ) [ ]:= T [ F [ ] ].
Wegen der Stetigkeit der Fourier-Transformation temperierter Funktionen (Satz 4.14)
F :S
S
ist die Fourier-Transformation einer temperierten Distribution wieder eine temperierte Distribution.
(e ia ) ^ =
2 a
( a )^
1
e ia .
2
Beweis. ad i) Nach der Umkehrformel, Satz 4.15, gilt fr eine temperierte Funktion
(T ) [ ] = (T ) [ ] = e
^
e ia
e ia
ia
( ) d = 2 ( a ) = 2 a [ ] .
(a ) ^ [ ] = a [ ] = (a ) =
1
(t ) e ia (t ) dt =
2 R
1
Te [ ], QED.
2 ia
Wir beweisen als eine weitere Anwendung des Permanenz-Prinzips, da sich unter FourierTransformation Translation und Skalierung bei temperierten Distributionen genauso verhalten
wie bei Funktionen.
Distributionen
49
( a T )^
= e a T und (a T ) = a a 1 T .
^
Beweis. Der Beweis besteht in der Anwendung von Lemma 4.7 auf die Definition 5.8, QED.
1
D N = 2 n .
2
nZ
Beweis. Sei D eine vorgegebene Testfunktion. Wir fhren die Behauptung auf den periodischen Fall zurck: Wir definieren die periodische C-Funktion
:R
C , (t ) := ( t + 2n ) .
nZ
Die Funktion ist wohldefiniert, da kompakten Trger hat. Wir setzen zur Abkrzung (vgl.
Beispiel 5.12)
T := 2 n .
nZ
Einerseits gilt
T [ ] = 2 n [ ] = ( 2n ) = ( 0
nZ
nZ
Andererseits gilt
N
N
1
1
1
int
(
)
DN [ ] =
e
t
dt
2
n = N 2 R
n = N 2 kZ
n = N
1
2
int
e
0
( t + 2k ) dt =
kZ
2 ( k +1)
int
2 k
N
n = N
1
e int (t + 2k ) dt
(t ) dt =
n = N
kZ 0
1
2
int
e ( t ) dt =
0
c [ ] .
n = N
1
D N [ ] = c n [ ] = ( 0 ) = T [ ] , QED.
2
nZ
n = 2 n .
nZ
nZ
Distributionen
50
Beweis. Wir stellen die linke Seite der Gleichung von Satz 6.9
1
2 n
e in = n
2 nZ
Z
als Fourier-Transformation temperierter Distributionen dar: Nach Lemma 6.7, Teil ii) gilt
1
e in = n .
2
Wir erhalten
1
n =
nZ
1
2
nZ
nZ
2 n
, QED
mit festem, aber beliebigem Parameter a > 0. Mit Folgerung 6.10 erhalten wir:
1
2
f ( n) = f (2n) .
nZ
nZ
Fr die Gauss-Kurve
g: R
R, g (t ) := e
t2
2
f = b g mit b =
Es folgt nach Lemma 4.7
f = b b1 g = b b1 g = b b2 f .
Wir erhalten
1
2
f ( n)
nZ
b
2
f ( b n ) = f ( 2 n ) ,
2
nZ
nZ
d.h.
b
2
nZ
a ( b2 n ) 2
nZ
a ( 2 n ) 2
Distributionen
51
1
2 a
n2
4a
nZ
= e a 4 n
2 2
nZ
Mit
:= 4a > 0
folgt fr die Theta-Funktion
( ) := e n , > 0,
2
nZ
die Transformationsformel
1
e
nZ
n2
= e n ,
2
nZ
d.h.
1
1
( ) := ( ), > 0 .
Faltung
52
7 Faltung
In diesem Abschnitt definieren wir die Faltung zweier Funktionen und erweitern die Definition auf die Faltung einer Distribution mit einer Funktion. Wir beweisen den Faltungssatz ber
die Fourier-Transformation einer Faltung. Das Hauptresultat dieses Kapitels ist das AbtastTheorem von Shannon fr frequenzbeschrnkte Signale.
Aufgrund von Bemerkung 7.1 kann man die Faltung mit einer L1-Funktion definieren:
Distributionen
53
Der Vektorraum L1 bildet bzgl. Addition und Faltung von Funktionen eine kommutative
C-Algebra ohne 1-Element. Die Fourier-Transformation berfhrt die Faltung in ein Produkt.
Da das Produkt zweier integrierbarer Funktionen nicht notwendig wieder integrierbar sein
mu, setzen wir bei der Umkehrung beide Faktoren als temperiert voraus.
(f * g )^ =
2 f g .
Beweis. ad i) Die angegebene Formel folgt durch explizites Einsetzen der Definition, die Substitution
t-y=s
und die Anwendung des Satzes von Fubini:
(f g )^ () =
1
(f g )( t ) e it dt = 1 f ( y) g( t y) e it dt dy
2 R
2 R2
1
1
f ( y) g(s) e i( s + y ) ds dy =
f(y) e iy dy g(s) e is ds = 2 f ( ) g( ) .
2 R2
2 R
R
Die Faltung zweier integrierbarer Funktionen ist wieder integrierbar, ihre FourierTransformierte ist stetig nach Lemma 4.5. Daher macht Teil i) eine Aussage ber die Gleichheit zweier stetiger, aber nicht notwendig integrierbarer Funktionen.
ad ii) Das Produkt zweier temperierter Funktionen ist wieder temperiert, also insbesondere
integrierbar. Daher ist die Fourier-Transformierte wohldefiniert. Wir fhren den Beweis auf
die Aussage von Teil i) zurck, indem wir als Korollar des Umkehrsatzes 4.15 die Formel
verwenden
h ( x ) = h ( x ) = (1h ) ( x ) .
Nach Teil i) gilt
(f * g)
^^
= 2 f g = 2 (f g ) .
Die Fourier-Transformation temperierter Funktionen ist ein Isomorphismus nach Satz 4.15,
also gilt auch
Distributionen
54
^
f * g = 2 (f g ) , QED.
(T g ) : R C
ist eine beliebig oft differenzierbare Funktion. Sie heit die Regularisierung der Distribution T durch die Funktion g.
ii) Analog zu Definition 7.4 kann man die Faltung einer temperierten Distribution mit einer
temperierten Funktion definieren.
iii) Im Falle von Distributionen mit kompaktem Trger wie der Dirac-Distribution, kann man
auch Faltungen mit Funktionen aus den greren Funktionenklassen C oder der Klasse C der
stetigen Funktionen definieren.
Definition 7.4 verallgemeinert die in Definition 7.2 eingefhrte Faltung integrierbarer Funktionen. Es gilt:
(f * g ) () := f ( t ) g( t ) dt ,
R
andererseits ist
(Tf g ) () = Tf [ ( g] = f ( t ) g ( t ) dt , QED.
R
Distributionen
55
(T g ) [ ] = T [ (1g ) ] .
Beweis.
(T g ) [ ] = T [ ( t g ] ( t ) dt = Ty [ g( t y) ] ( t ) dt = Ty [ g( t y) ( t ) ] dt
R
Wir verwenden - ohne Beweis - als Folgerung aus der Stetigkeit der Distribution, da wir die
Integration und die Anwendung der Distribution vertauschen drfen. Wir erhalten
T [ g( t y) ( t ) ] dt = T g( t y) ( t ) dt = T ( g )( y t ) ( t ) dt = T [ ( g ) ]
y
( a g )( t ) = a [ ( t g ] = g ( t a ) = ( a g ) ( t ) , QED.
Der Faltungssatz 7.3 lt sich auf die Faltung einer Distribution erweitern.
(T g )^ =
1
^
T g .
2 T g und (T g ) =
2
Beweis. ad i) Sei S eine temperierte Testfunktion. Wir berechnen die linke Seite mit
Lemma 7.7
(T g )^ [ ] = (T g ) [ ] = T [ ( 1g ) ]
Fr die rechte Seite gilt mit der Faltungsformel fr Funktionen, Satz 7.3,
( )
2 T g [ ] = T
] [
2 g = T
2 (g )
] = T [ (
g ) ] .
Distributionen
56
Die Formel des zweiten Teils folgt wie im Beweis von Satz 7.3 aus dem ersten Teil, QED.
Die Bedeutung des folgenden Theorems 7.10 liegt darin, da es die Rekonstruktion einer
Funktion aus einem diskreten Satz von Funktionswerten erlaubt - unter der Voraussetzung,
da die Fourier-Transformation der Funktion nur Frequenzen aus einem beschrnkten Intervall enthlt.
f (n )
nZ
sin ( (t n ) )
, t R.
(t n )
zu einer periodischen stetigen Funktion F auf R fortsetzen. Sie hat nach Korollar 3.11 die Fourier-Reihe
F( x ) =
c [F] e
nZ
inx
mit Fourier-Koeffizienten
1
c n [F] =
2
Nach dem Umkehrsatz 4.15 gilt
F() e
in
d .
Distributionen
57
f (t) =
1
2
1
2
it
f ( t ) e d =
it
f ( t ) e d =
1
2
F( t ) e
it
d .
Diese Gleichheit der Funktionswerte gilt zunchst bis auf eine Nullmenge. Da beide Seiten
jedoch stetige Funktionen sind, stimmen sie punktweise berein, insbesondere gilt
c n [F] =
1
f ( n ) , n Z.
2
f ( n ) e
nZ
in
1
2
f (n) ( e
nZ
in
f ( t ) = f ( t ) .
Andererseits fassen wir die beiden Funktionen
e-in und
nach Bemerkung 5.6 als temperierte Funktionen auf und berechnen nach Satz 7.3, Teil ii),
Lemma 6.7 und Lemma 7.8:
1
e in * = n * = n .
2
( e in ) ^ =
sin( x )
.
x
1
sin( ( t + n ) )
f(n) 2
,
( t + n )
2 nZ
also
f ( t ) = f(n)
nZ
sin( ( t n ) )
, QED.
( t n )
sin ( t n )
n)
.
t n
Distributionen
58
ver
ringert werden.
Beweis. Wir reduzieren die Behauptung durch Skalierung auf Satz 7.10. Wir betrachten die
skalierte Funktion
g := ( 1 f ) .
Ihre Fourier-Transformation lautet nach Lemma 4.7
g =
( )
1
f = f
f( n)
nZ
sin( (s n ) )
,
( s n )
bzw. mit
t := s
die Behauptung
f ( t ) = f( n)
nZ
sin( t n )
, QED.
t n
Als direkte Folgerung aus der Poisson-Formel und der Faltungsformel lt sich eine anschauliche Darstellung des Abtastvorganges in Satz 7.10 geben.
die Abtastung (Sampling) von f. Durch Fourier-Transformation erhlt man mit der Faltungsformel (Satz 7.9) unter etwas allgemeineren Voraussetzungen, der Poisson-Formel (Folgerung
6.10) und Lemma 7.8
^
fS :=
f n = f 2 n = 2 n f ,
2
nZ
nZ
nZ
d.h.
fS () = f ( 2n ) .
nZ
Distributionen
59
1
f S ,
2
d.h. man kann die bandbeschrnkte Funktion f aus ihrer Abtastung fS gewinnen.
Kontinuierliche Wavelet-Transformation
60
8 Kontinuierliche Wavelet-Transformation
In diesem Kapitel beginnen wir mit der Wavelet-Theorie. Die Wavelet-Transformation kann
in Analogie zur Fourier-Trnasformation gesehen werden. In beiden Fllen werden 1dimensionale zeitliche Signale f(t) in ihr Frequenzspektrum zerlegt. Diese Zerlegung geschieht ohne Informationsverlust, so da sich das Ausgangssignal aus seinem Frequenzspektrum wieder zurckgewinnen lt.
Die Fourier-Transformation liefert die Frequenzanalyse f ( ) ohne Information ber den genauen Zeitpunkt, zu dem die einzelnen Frequenzen auftreten. Dennoch enthlt die FourierTransformierte die volle Information, denn mit Hilfe der inversen Fourier-Transformation
kann man das Signal gem dem Umkehrsatz ja wieder rekonstruieren.
Eine Wavelet-Transformation liefert die Information besser voneinander abgegrenzt: Man erhlt sowohl die Frequenzanalyse als auch die Zeitpunkte des Auftretens der einzelnen Frequenzen. Folgendes Beispiel illustriert den Sachverhalt: Der Komponist bringt die Musik in
Form einer Wavelet-Transformation (Partitur) auf das 2-dimensionalen Notenpapier, das Orchester macht daraus in einer inversen Wavelet-Transformation hrbare Musik.
Zwischen beiden Arten der Signaltransformation steht die von D. Gabor eingefhrte "gefensterte" Fourier-Transformation, die zu jedem Zeitpunkt nur ein kleines Zeitfenster des Signals
betrachtet und fr diesen Ausschnitt eine Fourier-Analyse durchfhrt. Unter einem Zeitfenster
verstehen wir dabei eine auf der Zeitachse definierte Funktion, die nur in einer kleinen Umgebung von t = 0 von Null verschieden ist.
Nach der Definition der Wavelet-Transformation stellt die Umkehrformel fr die WaveletTransformation (Satz 8.11) das Hauptresultat dieses Kapitels dar.
Fr jeden Zeitpunkt b R
Bilde Fourier-Transformation des Zeitfensters bei b
1
f ,b ( ) :=
f ( t ) ( t b) e i t dt
2 R
Abbildung 2 Gefensterte Fourier-Transformation
Kontinuierliche Wavelet-Transformation
61
b (a ) , (a, b) R* x R.
1
a
f ( t ) ( ) ( t ) dt
b
Abbildung 3 Wavelet-Transformation
1
a
a ( t ) =
tb
a
a
Kontinuierliche Wavelet-Transformation
62
b,a :=
b,a ( t ) =
b a ,
Der Faktor
1
a
t b
.
a
a
()
d < (Zulssigkeitsbedingung).
W[ f ]: R* x R C, W [ f
] (a, b):=
1
f ( t ) b,a ( t ) dt .
c R
] ( a, b ) =
1
a c
(f *
( b) .
( W [ f ] ) (a, ) =
^
2 a
^
f ( ) ( a ).
c
Kontinuierliche Wavelet-Transformation
63
^
Als Fourier-Transformation der L1-Funktion f ist fr jedes feste a R* die Funktion
b a W [ f ] (a, b)
stetig und erfllt
lim W [ f ] (a , b) = 0.
b + /
Beweis. ad i)
W [ f
] (a, b) =
1
a c
1
f ( t ) b,a ( t) dt =
c R
f ( t) (
a c
( b t ) dt =
f ( t ) (
R
1
a c
(f *
tb
) dt =
a
( b)
( W [ f ] ) (a, ) =
^
2 a
c
( f (
( a )1
) )( ) =
2 a
^
f ( ) ( a ) .
c
:R
[ 1, 1 ] , (t ) := 1 1 2 t < 1
0
sonst
i
i
sin(x )
e 2 sin sinc mit sinc(x ) :=
,
x
2
4
4
und es gilt
()
2 d
< .
i
1
1 i
( ) = 4 [(e 1 e 3 ) ] () = [e 4 e 4 ] ( ) .
4
4
4
Kontinuierliche Wavelet-Transformation
64
Es ist
[e
3
4
]=
e
e
3
4
i
2
=e
2i sin
,
4
( ) =
4
sinc .
Die Abschtzung
()
d < .
sin 4 ()
,
3
Kontinuierliche Wavelet-Transformation
()
( )
()
d =
2k
d +
( )
2k
65
d =
2k
d =
L2
( )
+ (k )
d +
2k
2
L2
2
L2
( )
+ (k )
2
L2
, QED.
t
1
= (1 t 2 ) e 2 mit := 2 4 ,
= 1.
L2
Ihre Fourier-Transformation berechnet sich nach Satz 4.13 und Beispiel 4.4 als
( ) = e
2
2
2
( )
d =
e
3
d = 2
d = 2
(e ) d =
2
2 e
2
2
2
2
2
+ 2 e d = e 2 = .
2
0
0
0
Beim Beweis der Isometrie-Eigenschaft und der Umkehrformel fr die WaveletTransfomation bentigen wir, da das Wavelet die Zulssigkeitsbedingung erfllt.
W : L ( R)
L R * x R,
2
da db
a2
eine Isometrie.
Beweis. Wir setzen Zur Abkrzung fr die beiden Hilbert-Rume
da db
X := L2 ( R) und Y := L2 R * x R, 2 .
a
Kontinuierliche Wavelet-Transformation
66
Wir berechnen die Norm des Bildes, indem wir auf die zweite Vernderliche die FourierTransformation anwenden und ausnutzen, da diese eine Isometrie ist (Satz 4.17). Auerdem
wenden wir Lemma 8.6 an und die Gleichheit (Bemerkung 4.3)
^
( a ) = (a ) .
Wir erhalten
W [ f
2
c R
2
Y
= W [ f
R R
^
( a )
] ( a, b )
da
db 2 =
R
a
2
da 2
f () d 2 =
c R
a
( )
2
c R
( )
2
=
c R
W [ f
] ^ ( a, )
da
d 2 =
a
2
da
f () d =
2
a
(a )
2
d f () d =
d f () d = f
2
2
X
= f
2
X
, QED.
W : L ( R)
L R * x R,
2
da db
a2
1
c
W [ f
R*xR
fr alle f L2(R).
Beweis. Der folgende Beweis beruht auf der Formel von Calderon. Wir setzen
W [ f ] (a, b)
1
c
F( t ) :=
b,a
R2
(t)
da db
.
a2
Dann gilt
F( t ) :=
1
c
1
c
W [ f ] (a, b) ( )( t b) db a
( W [ f ] (a, ) ( ) ) ( t )
da
2
da
a a
1
c
( f * (
Anwendung des Faltungssatzes 7.3 und der Formel aus Bemerkung 4.3
^
(a ) ( t )
( a t ) = (a t )
da
a a2
Kontinuierliche Wavelet-Transformation
67
liefert
2
F( t ) = f ( t )
c
) (t)
(a 1
^
2
f ( t )
c
(a t )
2
da
= f ( t )
2
c
a a
da 2
= f (t)
c
a
(a t )
( a t )
( )
d = f ( t ) .
da
=
a a2
Gibbsches Phnomen
9 Gibbsches Phnomen
68
Schnelle Fourier-Transformation
10 Schnelle Fourier-Transformation
69
70
Bildkompression
12 Bildkompression
71
Wavelet-Frame
72
13 Wavelet-Frame
Die Wavelet-Transformation transformiert eine Funktion einer Vernderlichen f(t) in eine
Funktion zweier Vernderlichen W[ f ] (a, b). Aus dieser lt sich nach Satz 8.12 das Ausgangssignal zurckgewinnen. Somit enthlt die Wavelet-Transformierte viel redundante Information. In diesem Kapitel geht es darum, diese Redundanz zu verringern. Wir werden in
(Satz 13.10) ein Resultat von der Art des Abtast-Theorem von Shannon beweisen: Unter geeigneten Voraussetzungen enthlt bereits eine diskrete Folge
(a, b) R* x R
von Skalierungsparametern a und zugehrigen Translationen b die vollstndige Information
eines beliebigen Signals.
a = a1 = 2
a0 = 1
a-1 = 0.5
b= 1
bk,m
Wavelet-Frame
73
ii) Fr ein Wavelet setzen wir unter Verwendung von Schreibweise 8.4 zur Abkrzung
k , m := b k ,m ,a k , (k, m ) Z 2 ,
also
k, m ( t ) =
1
ak
b k ,m
t m b ak
ak
ak
a k ( t ) =
1
( a k t m b ) , (k, m ) Z 2 .
ak
Nach der Umkehrformel (Satz 8.11) kann man jede Funktion aus ihrer Wavelet-Transformation rekonstruieren.
( W [ f ]( a
, bm,n )
( m , n ) Z 2
festgelegt ist? Wann lt sich in diesem Falle das Ausgangssignal stetig aus seinen WaveletKoeffizienten rekonstuieren?
ii) Um diese Frage zu formalisieren, fassen wir die Wavelet-Transformation mit als ein
Skalarprodukt im Hilbert-Raum L2(R) auf:
W [ f
] ( a, b ) =
1
1
f ( t ) b, a ( t ) dt =
< f , b,a >
c R
c
und betrachten fr einen festen Zoom-Faktor a und eine feste Translations-Distanz b die hierdurch definierte lineare Abbildung
T : L2 ( R)
C Z , T(f ) := (< f , m ,n > )m ,nZ 2 .
2
Dann heien die in Teil i) formulierten Fragen: Unter welchen Voraussetzungen liegt das Bild
dieser Abbildung im Hilbert-Raum l2(Z2), wann ist T eine stetige Abbildung zwischen Hilbert-Rumen und wann ist die Abbildung injektiv mit stetiger Umkehrung?
( )(
m ,n
m , n )Z 2
Wavelet-Frame
74
< f ,
f=
m,n
> m, n .
( m , n ) Z 2
( m ,n ))Z 2
< f , m ,n >
Dieses Beispiel wird im folgenden verallgemeinert. Zuchst wird die Parseval'sche Gleichung
fr eine Hilbert-Basis zu einer Abschtzung fr einen Frame verallgemeinert.
iI < x , x i >
B x
Man nennt A und B ein Paar von Frame-Konstanten. Falls man A = B whlen kann, so heit
der Frame straff.
y, x i
Diese Aussage folgt aus der linken Seite der Frame-Abschtzung wegen 0 < A:
A y
iI < y, x i >
, QED.
ii) Jede Hilbert-Basis (xi)iI ist ein straffer Frame mit Frame-Konstanten
Wavelet-Frame
75
A=B=1
= iI < x , x i >
Wir erinnern an die Berechnung der Norm in einem Hilbert-Raum, insbesondere fr beschrnkte, symmetrische Operatoren.
x =1, y =1
< f ( x ), y > .
Wavelet-Frame
76
T 1
ii) Bezeichnet
T* : l 2 ( I )
X ,
den adjungierten Operator und whlt man speziell
B := T
und A :=
1 2
2
(T * o T ) : X X
A+B
S( x ) =
B A
.
A+B
1
(T * o T ) = id X .
A
= < x, x i >
B x
<
iI
0<A x
T( x )
da T(x) 0. Also ist die lineare Abbildung T injektiv. Die Umkehrabbildung auf dem Bild
T 1 : T (X)
X
erfllt fr alle y = T(x) T(X):
T 1 ( y)
also ist T-1 durch
= T 1 (T( x ))
1
beschrnkt.
A
= x
1
T(x )
A
1
y
A
Wavelet-Frame
77
ad ii) Als stetiger Operator hat T einen adjungierten Operator T*, der durch die Eigenschaft
< T( x ), y > = < x , T * ( y) > fr alle x X, y l2(I)
charakterisiert ist ([HS1971], Definition 22.1). Der adjungierte Operator ist ebenfalls stetig
mit gleicher Norm. O. E. sei I = N. Fr beliebiges x X ist die Folge
N
s N := x, x i x i
i=0
N N
i = N +1
z =1
< x, x i >
sup
z =1 i = N +1
< x, x
= sup
z =1
< xi , z >
i = N +1
i = N +1
< x, x i >
B.
Da die Reihe
< x, x i >
B x
iN
iN +1
< x, x i >
beliebig klein abschtzen. Da der Hilbert-Raum vollstndig ist, wird durch die unendliche
Reihe
2
x, x i x i
A + B iN
ein Element von X definiert.
Andererseits ist fr jedes Element e X
A+B
< S( x ), e > = < T( x ), T(e) > =
2
< x, x
iN
also
S( x ) =
2
x, x i x i .
A + B iN
Insbesondere gilt
S( x ), x =
2
2
< x, x i > < x i , x > =
< x, x i >
A + B iN
A + B iN
Wavelet-Frame
78
2A
x
A+B
< S( x ), x >
2B
x
A+B
und
2B
1
x
A + B
2A
B A
, QED.
A+B
( )(
m ,n
m , n )Z 2
quadrat-integrierbarer Funktionen einen Frame im Hilbert-Raum L2(R) bildet. Ist dieser Frame
straff, so spricht man von einem straffen Wavelet-Frame.
Man kann zeigen, da eine beliebige quadrat-integrierbare Funktion L2(R) bereits dann
ein Wavelet ist, d.h. zustzlich logarithmisch quadrat-integrierbar ist, wenn das Tupel (, a, b)
die Frame-Bedingung von Definition 13.4 erfllt ([LMR1998], Lemma 2.1.3). Denn dann gilt
mit jedem Paar von Frame-Konstanten (A, B):
()
b ln a R
d B .
Insbesondere definiert das Haar-Wavelet einen straffen Wavelet-Frame (, 2, 1), der zugehrige Frame ist sogar eine Hilbert-Basis.
1
b a L 2 ( R), (m, n ) Z 2 ,
a m m ,n m
Wavelet-Frame
79
hat dieselbe L2-Norm wie , also sind auch alle Elemente des Frames auf die Lnge 1 normiert. Zum Nachweis der Orthogonalitt berechnen wir fr ein gegebenes Frame-Mitglied
:= m,n
= < , >
Die Aussage
0 = (k ,l ) (m,n ) < , k ,l >
liefert die Orthogonalitt des Frames. Die Frame-Bedingung folgt aus der Parseval'schen
Gleichung
f
= (m ,n )Z 2 < f , m ,n >
und damit ist der Frame auch vollstndig, d.h. fr alle f L2(R) gilt
f = (m,n )Z 2 < f , m,n > m,n , QED.
Der folgende Satz 13.10 zeigt, unter welchen Voraussetzungen ein Wavelet bei einem geeigneten Zoom-Parameter a fr verschiedene Translations-Distanzen b einen Wavelet-Frame
(, a, b) bildet.
[1,a
(a m )
, M ( , a ) := sup
[1,a mZ
mZ
(a m )
< .
(a ) (a
[1,a ] mZ
+ s)
1 2
( s ) K
2
1+ s
Wavelet-Frame
80
m(, 2) > 2
l=0
2
2
2
1 ( 2l + 1 ) 1 ( 2l + 1 )
b
b
mit
1 ( s ) := sup
(2
]
[1, 2 mZ
m+n
nN
) (2 n (2 m + s )) <
erfllt. In diesem Fall gelten fr jedes Paar von Frame-Konstanten (A, B) die Abschtzungen
1
2
2
2
2
( 2l + 1 ) A
m(, 2 ) 2 1 ( 2l + 1 ) 1
b
b
b
l =0
2
2
2
( 2l + 1 ) .
M (, 2 ) + 2 1 ( 2l + 1 ) 1
B
b
b
b
l =0
Beweis. ad i)
1. Wir berechnen fr eine gegebene Funktion f L2 unter Benutzung der IsometrieEigenschaft der Fourier-Transformation (Satz 4.17)
2
< f , m ,n >
= < f , m ,n >
f ( y)
m,n
( y ) dy m , n ( ) f ( ) d
R
und
ib y
m,n ( y ) = a m e m ,n (a m y ) .
Wir erhalten
< f , m ,n >
ib
( y )
a m f ( y) (a m y) (a m ) f ( ) e m ,n
d dy =
R
R
am
(a m y) ( a m ( y z ) ) f ( y z ) einba m z dz dy
f ( y)
R
nZ
in z
2
2 :
kZ k
Wavelet-Frame
81
Also
n Z
a f ( y) (a
n Z
(a m ( y z )) f ( y z ) e inba m z dz dy =
y )
2
2
2
k ) dy .
k) f ( y
f ( y) (a m y) (a m y
b am
b
b R
kZ
Insgesamt erhalten wir
( m , n ) Z 2
2
2
2
(a m y ) (a m y
k ) dy .
k ) f ( y ) f ( y
b am
b
b kZ mZ R
m Z R
(a m y)
f ( y )
dy .
m Z R
(a m y)
f ( y ) dy =
R m Z
sup
[ ]
R
y 1,a
mZ
(a m y )
(a m y )
f ( y ) dy
2
f ( y ) dy = M ( , a ) f
bzw.
m Z R
(a m y)
f ( y )
(a m y)
dy inf
y[1, a ]
mZ
R
2
f ( y ) dy = m( , a ) f
3. Die brigen Summanden fr k 0 werden betragsmig abgeschtzt, indem wir die Ungleichung von Cauchy-Schwarz zunchst auf das Integral und dann auf die Summation ber
den Index m anwenden:
y ) (a m y
2
2
k ) f ( y ) f ( y
k ) dy
b
b am
(a m y ) (a m y
2
2
k ) f ( y ) f ( y
k ) dy =
b
b am
(a
kZ * mZ R
kZ * m Z R
kZ * m Z R
2
k)
(a m y) (a m y
b
kZ*
1
2
f ( y)
2
k)
(a m y ) (a m y
b
(
a
y
)
(
a
y
k)
m
m
mZ
b
R
1
2
2
f ( y
k ) dy
b am
1
2
f ( y ) dy
Wavelet-Frame
82
f ( z ) dz
2
(a m z ) (a m z +
k)
b
mZ R
1
2
Dabei haben wir im zweiten Integral bei festem (k, m) die Substitution
z = y
2
k
b am
vorgenommen. Bei der ueren Summation ber den Index k schtzen wir jeden Summanden
ab
(a m y) (a m y
mZ R
R mZ
(a m y
(a m y)
2
k)
b
2
k)
b
f ( y) dy sup
R
y[1,a ] mZ
2
k f
b
f ( y ) dy =
(a m y ) (a m y
2
k)
b
und analog
mZ R
(a m y) (a m y +
2
k)
b
f ( y )
2
dy
k f
b
Zusammen also
kZ*
(a m y
k)
(a m y )
mZ
b
R
2
(a m z ) (a m z +
k)
b
mZ R
2
f ( y ) dy
f ( z ) dz
kZ*
2
2 2
k) (
k) .
( b
b
kZ*
2
2 2
k) (
k ) =: C(b ) .
( b
b
4. Wegen
lim C( b) = 0 .
b 0
f ( y )
dy
Wavelet-Frame
83
m(, a ) C( b) > 0 fr alle 0 < b < bmax.
( m , n )Z 2
< f, m ,n >
2
( M ( , a ) + C( b )
b
dy (2
y) (2 m y
kZ* mZ R
2
2 m
k ) f ( y) f ( y
2 k)
b
b
... = ...
kZ *mZ
j ungerade nN mZ
substituieren wir
m=n+l
und erhalten die Abschtzung
S=
(2
n+l
j ungerade nN lZ R
(2
j ungerade lZ R
n +l
nN
(2
j ungerade lZ R nN
n+l
2 n 2 l y
y)
b
2 l
j f ( y ) f ( y
2 j) dy
b
2
2 l
y) 2 n 2 l y
j f ( y ) f ( y
2 j) dy =
b
b
2
2 l
y) 2 n 2 l y
j f ( y ) f ( y
2 j) dy =
b
b
( 2 n +l y ) 2 n 2 l y 2 j
b
j ungerade lZ R nN
2
( 2 n + l y ) 2 n 2 l y
b
nN
1
2
1
2
f ( y )
f ( y 2 2 l j) dy
j
( 2 n +l y ) 2 n 2 l y
j ungerade lZ R nN
f ( y ) dy
1
2
Wavelet-Frame
84
(2 n +l y)
2 n 2 l y +
j
nN
b
2
f ( y ) dy
2
n l
n +l
j
( 2 y) 2 2 y
j ungerade lZ R nN
( 2 n + l y ) 2 n 2l y + 2 j
b
lZ R nN
2
f ( y ) dy
2
f ( y ) dy
Wieder schtzen wir bei der ueren Summation ber j Z jeden Summanden einzeln ab:
(2
lZ
R nN
(2
n +l
R lZ nN
sup
(2
]
[1, 2 lZ
n+l
nN
2
y ) 2 n 2 l y
b
2
f ( y ) dy =
2
y ) 2 n 2 l y
b
f ( y )
n +l
2 n 2 l
)
j
b
dy
2
2
f ( y ) dy 1
j f
b
und analog
(2
lZ
R nN
n +l
2
y) 2 n 2 l y +
b
2
2
f ( y) dy 1
j f
2 2 2
S 1
j 1
j f
b b
j ungerade
2
2
2
2
= 2 1 (2 j + 1) 1 (2 j + 1) f
b
b
j= 0
m(, 2 ) > 2
l =0
2
2
2
( 2l + 1 ) .
1 ( 2l + 1 ) 1
b
In diesem Fall erfllen die Wavelet-Konstanten (A, B) die oben genannten Abschtzungen,
QED.
Das Haar'sche Wavelet hat kompakten Trger, aber es ist nicht differenzierbar. Wir benutzen
Satz 13.10 zur Konstruktion eines weiteren Wavelets, des Meyer-Wavelets, mit entgegengesetzten Eigenschaften: Das Meyer-Wavelet ist zwar differenzierbar, aber es hat keinen kompakten Trger. In beiden Fllen erzeugt der Wavelet-Frame (, 2, 1) eine Hilbert-Basis von
L2(R).
Wavelet-Frame
85
3
:R
[ 0, 1 ] , ( x ) := 10 x 15x 4 + 6x 5
x0
0 x 1
1 x
definieren wir
: R
C , ( ) :=
1
e 2 [ w( ) + w ( )] ,
2
mit
3
2
4
sin [ 2 ( 2 1) ] 3 3
4
8
3
w( ) := cos [ ( 1) ]
2 4
3
3
0
sonst
und definieren
( t ) ,
:R
C, (t ) :=
ber die inverse Fourier-Transformierte von .
1 1
und Symmetrie bzgl. des Punktes ,
2 2
(x) = 1 - (1 - x) .
Wavelet-Frame
86
mZ
(2 m )
1
:
2
mZ
(2 m )
1
2
2 3 k
3
sin 2 1 + cos2 2 k +1 1
2 2
2 4
1
=
2
4
.
3
mZ
(2 m )
1 2 3 2
3 4
3 8
sin
1 + sin 2
1 + cos 2
1
2
2 2 3
2 2 3
2 4 3
1 2
1
2
.
+ cos 2 =
sin 0 + sin
2
2
2 2
Wavelet-Frame
87
( 2 n + m ) = 0 oder ( 2 n + m + 2 n 2 (2l + 1) ) = 0 fr l, n N, m Z.
Nach Satz 13.10, Teil ii), ist (, 2, 1) ein Wavelet-Frame mit den Frame-Konstanten
1
1
A B ,
b
b
also A = B = 1.
iv) Das Meyer-Wavelet ist normiert:
2
2 2
3
2
3
3
cos2 y 1 dy =
sin 2 y 1 dy +
2 4 8
2 2
2 4
4
y
y
4
2
sin 2 (z ) dz + cos2 (z ) dz =
30
30
2
2
1 + cos2 (z ) dz
2
3 0
( x ) + ( 1 x ) = 1, d.h. x + = 1 x ,
2
2
gilt
1
1
2
cos 2 (z ) dz = cos
2
1
2
1
2
1
2
2 (z ) dz + cos 2 1 2 z dz =
0
1
2
cos 2 (z ) dz + sin
2
2 (z ) dz = 2 .
Es folgt
2 3
= 1.
3 2
Wavelet-Frame
88
W [ f ]( a
f = c
(m , n )
, b m , n ) m, n .
c
A
W [ f ]( a
(m, n )
, b m , n ) m, n .
2 c
(A + B) (
m,n )
W [ f
] ( a m , bm, n ) S1 ( m, n ) .
( id S )
kN
W [ f ] ( a m , b m , n ) m , n .
(A + B) (
m, n )
2 c
BA
< 1
B+ A
( id S )
kN
(id S) F = ( id S ) k = F id
k =1
und F (id S) = ( id S
k =1
also
F - S F = F - id und F- F S = F - id,
d.h.
S F = id und F S = id.
Es folgt
) k = F id ,
Wavelet-Frame
89
F = S-1
und
f = (S1 S) (f ) =
W [ f ]( a
(A + B) ()
2 c
, b m , n ) S1 ( m , n ) , QED.
m, n
B A
0.0547 .
B+ A
Multi-Skalen-Analyse
90
14 Multi-Skalen-Analyse
Die Multi-Skalen-Analyse zerlegt ein Signal in seine Bestandteile wachsender Detailge.
Jede Skala hat eine feste Genauigkeit, durch Verdopplung des Skalierungsparamter erhlt man
Details doppelter Genauigkeit. Mathematisch gesehen stellt sich der gesamte Proze als eine
sukzessive Projektion des Ausgangssignals auf abgeschlossene Unterrume des HilbertRaumes dar.
In diesem Kapitel beziehen wir alle aus einer Funktion
L2
durch Skalierung und Translation abgeleiteten Funktionen
k , m L2 , (k, m ) Z 2 ,
mit
k , m ( t ) :=
1
2
m2 k
2 k ) ( t ) =
t m 2k
2k
2k
1
=
( 2 k t m )
k
2
1
,
2
denn
1, 0 = 2 [0, 1 2 ] und 1,1 = 2 [1 2, 1] .
Multi-Skalen-Analyse
0.5
91
0.5
-1,0
0.5
-1,1
Abbildung 5 Skalierungsfunktion
mZ
1,m (Skalierungsgleichung)
Multi-Skalen-Analyse
92
mZ
h m+ 2n = 0,n fr jedes n Z .
ii) Wenn zustzlich kompakten Trger hat, so sind nur endlich viele Skalierungskoeffizienten
hm , m Z ,
von Null verschieden.
Beweis. ad i) Nach Voraussetzung gilt
2 h m m 1 , 2 h s n s 1 =
0, n = , n =
m ,s Z
m Z
2 h m m 1 , h s 2 n + s 1 =
2
m , j Z
s Z
h m h j+ 2 n 2 m 1 , j 1 =
2
m Z
hm +2n .
mZ
1,m
folgt fr jedes k Z
, 1,k =
mZ
1,m , 1,k = h k .
Im Falle eines kompakten Trgers supp sind fr groe Werte von k die Trger disjunkt
supp supp 1,k = ,
also
hk = 0, QED.
Multi-Skalen-Analyse
93
1
eingebettet ist. Die Orthogonalprojektion
2
V-1 V0
projiziert auf den niederfrequenten Teilraum der Signale mit Details doppelter Mindestgre.
Das orthogonale Komplement
W0 := V0 V1
1
erfassen. Wir iterie2
ren das Verfahren, die niederfrequenten Anteile herauszuprojizieren, und setzen fr beliebiges
k Z:
ist der Raum der Signale, welche die Details der genauen Gre 2 1 =
Vk := span C k ,m : m Z L2
der Unterraum der Signale mit Details der Mindestgre 2 k und
Wk := Vk Vk 1 ,
der Unterraum der Signale mit Details der genauen Gre 2k-1. Das Ergebnis ist eine aufsteigende Folge von Unterrumen von Signalen:
0 ... V2 V1 V0 V1 V2 ... L2
Hinzunahme feinerer Details zu hheren Frequenzen
kZ
Multi-Skalen-Analyse
94
und
Pk (g ) = Pk ( g f
g f < .
1
k ,m =
k
m
2
2k 2
mZ
eine Hilbert-Basis von Vk, also gilt
Pk (g )
mZ
g, k ,m
mZ
g, k ,m
( 2 k )
Multi-Skalen-Analyse
95
g( ) ( 2 ) e
g, k ,m = 2 k
im 2 k
d =
k
2 k 1
g( ) ( 2 k ) e im 2 d .
2
Fr den Grenzbergang
k -
d
2
betrachten wir die Hilbert-Rume L
2 k , 2 k , k 1
(e
im 2 k
m Z
[ R, R ]
ist fr groe Werte von -k enthalten in den Intervallen
[2
, 2 k .
Damit ist
g, k ,m
bis auf den Faktor
d
2
g 2 k L
2 k , 2 k ,
2 k 1
mZ
g, k ,m
= 2 g 2 k
und insgesamt
Pk (g )
= 2 g 2 k
Wegen
L1
Multi-Skalen-Analyse
96
ist nach Lemma 4.5 die Fourier-Transformierte stetig. Da g auerdem kompakten Trger
hat, folgt im Grenzbergang
lim g 2 k = g ( 0 ) ,
also
lim Pk ( g ) = lim 2 g 2 k
k
= 2 g
( 0
und
2
= g
2 ( 0
f f g + g +
2 ( 0
vorgegeben. Zu vorgegebenem > 0 whlen wir als Approximation von f eine stetige Funktion f L2 mit kompaktem Trger
supp f [ R , R ] , R R,
und
f f <.
Es folgt fr alle k Z
f = Pk ( f
Pk ( f ) Pk ( f
( P ( f ) P ( f ) )+ P ( f )
+ Pk ( f
< + Pk ( f
mZ
f , k ,m
f ( x ) ( x ) dx
k ,m
mZ
Multi-Skalen-Analyse
97
R
(x )
mZ R
dx =
dx
2 k R m
( 2 k x m)
2 k
mZ
k ,m ( x
dx
(z
dz = f
mZ 2 k R m
(z
dz
mZ I k , m
mit Intervallen
I k , m = 2 k R m, 2 k R m ,
die fr groes k bzgl. m paarweise disjunkt sind:
(z
dz
mZ I k , m
(z
dz .
U I k,m
mZ
Da die Lnge der Intervalle im Grenzwert k verschwindet, folgt aus dem Satz von der
majorisierten Konvergenz
lim
k
(z )
dz = 0 ,
=0
mZ I k , m
also insgesamt
lim Pk ( f
k
und
f .
Da > 0 beliebig ist, folgt
f = 0, QED.
Die Multi-Skalen-Analyse hat die wichtige Eigenschaft, da sie ber ihre Skalierungsfunktion
ein Wavelet liefert. Und dieses Wavelet erzeugt sogar einen Wavelet-Frame (, 2, 1), der
eine Hilbert-Basis ist.
m Z
1, m .
Multi-Skalen-Analyse
98
:=
m Z
1, m L2
1
k , m =
k k
m
2
2
2k
mZ
Wk := Vk Vk 1 .
Insbesondere ist das Tupel (, 2, 1) ein Wavelet-Frame, der sogar eine Hilbert-Basis von L2
liefert.
Beweis. Die Funktion
:=
mZ
1,m L2
ist wohldefiniert, weil die Folge ( 1,m ) mZ ein Orthonormal-System ist und die Koeffizienten
(gm)mZ quadrat-summierbar sind nach Lemma 14.3
m Z
gm
m Z
hm
=1< .
k , s Z
h s 1, k , m 1,s =
( 1)
s Z
k , sZ
h s 1, k , 1, 2 m + s =
h1 2 m s h s = h1 2 ( m + s ) h 2 s
s Z
1+ 2
h 2 ( m+ )
2 ( m+s )
1 2 ( m + s ) 1
s Z
h 1+2 s = 0 .
s Z
Also gilt
W0 := V0 V1 .
k , s Z
h 2 s +1 =
h s k , 2 m + s =
Multi-Skalen-Analyse
99
( 1)
kZ
k ,lZ
g l 1, 2 m + k , m 1, 2 n + l =
k ,lZ
g l 2 m + k , 2 n +l =
h 1k ( 1) h12( m n ) k = h h 2 ( m n ) k = 0,m n .
k
Die Folge ( m )mZ ist vollstndig im Unterraum W0 - oder gleichwertig: Die Folge
( m )mZ
( m )mZ
mZ
mZ
mZ
kZ
kZ
2
k
2
0, 2 m + k
1,0 , m
1,0 , 1, 2 m + k
kZ
kZ
2
1, 0 , m
0, 2 m + k
mZ
=
2
1,0 , 1, 2 m+ k
h 1+ 2 m
+ h 2 m
mZ
hm
=1
=1.
Nach Satz 14.5 schpfen die Rume (Vk )kZ und damit auch die Rume (Wk )kZ den gesamten Hilbert-Raum L2 aus.
Die Zulssigkeitsbedingung folgt aus dem bereits in Kapitel 12 erwhnten allgemeinen Sachverhalt ([LMR1998], Lemma 2.1.3), da ein fester Frame (, a, b) mit Frame-Konstante A die
Zulssigkeitbedingung
c = 2
R
d = 2 A b ln a <
erfllt. Daher ist (, 2, 1) ein Wavelet-Frame, der sogar eine Hilbert-Basis von L2 liefert,
QED.
Multi-Skalen-Analyse
100
Nach Satz 14.6 erhlt man ein Wavelet, wenn man von einer orthonormalen Skalierungsfunktion ausgeht, die eine schwache Zusatzvoraussetzung erfllt. Das aus der Folge ihrer Skalierungs-Koeffizienten (h k )kZ konstruierte Wavelet liefert einen Frame, der sogar eine HilbertBasis ist. Welche Voraussetzungen mu umgekehrt eine Folge von Koeffizienten
(h k )kZ
erfllen, damit sie als Skalierungs-Koeffizienten eine solche Skalierungsfunktion definieren?
Wir betrachten die Frage im Frequenzraum und formulieren eine notwendige Bedingung:
mZ
1,m ,
) ( )
2
2
1
h m e ik ,
2 mZ
( + k 2)
kZ
1
fr fast alle R.
2
1
und ( k 2 ) = 0 fr k 0.
2
Multi-Skalen-Analyse
101
H( )
+ H( +
= 1, R .
m Z
( 1 )
= 2 und
hm = 0 .
m Z
i
1
h m e 2 .
2 mZ
2
m
Die umgekehrte Richtung folgt aus der Tatsache, da die Fourier-Transformation ein Isomorphismus ist.
ad ii) Fr eine orthonormale Skalierungsfunktion gilt
o,m = , m = , e m = () e imd =
2
( + k 2)
e imd .
kZ
( + k 2 )
k Z
( + k 2)
kZ
1
fr fast alle R.
2
In der umgekehrten Richtung erhlt man aus der Berechnung der Fourier-Koeffizienten die
Orthonormalitt.
Nun sei
L1 L2 orthonormal mit ( 0 ) 0 .
Wir whlen eine Funktion g L2, g 0, mit
supp g [ 1, 1 ] .
Analog zum Beweis von Satz 14.5 gilt fr groe Werte von -k
Pk g
Nach Satz Satz 14.5 gilt
= Pk g
mZ
g, k ,m
= 2 g 2 k
Multi-Skalen-Analyse
102
2
lim Pk g
= g
= g
andererseits
2
lim 2 g 2 k
= 2 ( 0
Es folgt
( 0
1
.
2
( + k 2)
kZ
1
2
k Z
H + 2 k
2
kZ
k Z
2
+ 2 k
2
k Z
+ 2 k
2
H + k
2
+ k
2
H + + 2k
2
+ H +
2
kZ
+ H +
2
+ + 2 k
2
+ + 2k
2
1
2
also
H
+ H +
2
= 1 fr alle R, QED.
Der folgende Satz formuliert hinreichende Bedingungen dafr, da eine Koeffizientenfolge als
Folge von Skalierungskoeffizienten von einer Skalierungsfunktion stammt.
Multi-Skalen-Analyse
103
Orthogonalittsbedingung
H( )
1
h m e im , mit
2 mZ
+ H( +
= 1 fr alle R
Normierung
H(0) = 1
fr alle R
1
2
m m ()
2 j [ 2 , 2 ]
H
j=1
Wir studieren nun Fourier-Filter H, welche die Voraussetzungen von Satz 14.9 erfllen. Dabei
beschrnken wir uns auf trigonometrische Polynome mit reellen Skalierungskoeffizienten:
H L2 , H ( ) :=
1 N
h k e ik , h k R fr k = 0,..., N .
2 k =0
Die Beschrnkung auf Polynome bewirkt, da die resultierenden Skalierungsfunktionen kompakten Trger haben. Da die Skalierungskoeffizienten reell sind, ist die Funktion
q := H
L2
wegen
H ( )= H ( )
ein gerades trigonometrisches Polynom
q ( )= q ( )
mit
Multi-Skalen-Analyse
104
q 0, q ( 0 ) = 1 und q ( ) + q ( + ) = 1.
Die Fourier-Reihe eines geraden trigonometrischen Polynoms mit rellen FourierKoeffizienten enthlt nur cos-Terme. Wegen der Periodizittsbedingung enthlt die FourierEntwicklung von q zudem nur ungerade Koeffizienten. Also gehrt q zur Menge der trigonometrischen Reihen
1
1
K := f L2 [ 0, 2 ] : f 0, f ( ) = + a k cos ( 2 k 1) , a k = .
2 k 1
2
k 1
Diese Menge ist konvex, ihre endlich-dimensionalen Teilmengen trigonometrischer Polynome
1
1 N
K N := f L2 [ 0, 2 ] : f 0, f ( ) = + a k cos (2 k 1) , a k = , N N,
2
2 k =1
k 1
sind konvexe und beschrnkte Teilmengen von RN. Damit lassen sie sich als konvexe Kombination ihrer Extremalpunkte darstellen:
K N := f L2 [ 0, 2 ] : f 0, f ( ) = + a k cos (2 k 1) , a k = , N N,
2 k =1
2
k =1
q N K N , q N ( ) := 1
sin
2 N 1
sin
2 N 1
t dt
t dt
a
k =1
1
2
Multi-Skalen-Analyse
105
sin
q 2 K 2 , q 2 () := 1
t dt
sin
.
3
t dt
Es ist
sin
t dt =
3
1
2
cos + cos 3 + ,
4
12
3
also
sin
t dt =
4
3
und
q2 ( ) =
1 9
1
+ cos cos 3 .
2 16
16
H 2 ( ) = h k e ik mit h k R, k = 0, 1, 2, 3.
k =0
Die Gleichung
q= H
liefert ber einen Koeffizientenvergleich das folgende System von vier quadratischen Gleichungen:
h 0 + h1 + h 2 + h 3 = 1
h1h 0 + h 2 h1 + h 3 h 2 =
h 2 h 0 + h 3 h1 = 0
h 3h 0 =
9
16
1
.
16
1 3
3 3
3+ 3
1+ 3
, h1 =
, h2 =
, h3 =
.
4 2
4 2
4 2
4 2
Das Fourier-Filter H ist als trigonometrische Polynom Hlder-stetig und hat - wie sein Quadrat q - keine Nullstelle im Intervall
2 , 2 .
Multi-Skalen-Analyse
106
1
2
m m ()
2 j [ 2 , 2 ]
H
j=1
gegen die Fourier-Transformation einer orthonormalen Skalierungsfunktion . Das zugehrige Wavelet 2, heit 2-tes Daubechies-Wavelet. Sein Wavelet-Frame (2, 2, 1) ist eine Hilbert-Basis von L2 aus stetigen Funktionen mit kompaktem Trger.
Die allgemeine Konstruktion fr beliebiges N N liefert das N-te Daubechies-Wavelet N,
dessen Frame (N, 2, 1) ebenfalls eine Hilbert-Basis ist. Das N-te Daubechies-Wavelet hat
kompakten Trger. Seine Differenzierbarkeitsklasse Ck wchst linear mit N; bereits fr N = 5
ist 5 stetig differenzierbar.
Schnelle Wavelet-Transformation
107
15 Schnelle Wavelet-Transformation
Unter der schnellen Wavelet-Transformation versteht man Algorithmen zur schnellen Berechnung der diskreten Wavelet-Transformation. Die Analyse berechnet die Folge der WaveletKoeffizienten eines gegebenen Signals, die Synthese rekonstruiert aus den WaveletKoeffizienten das Ausgangssignal.
Alle vorgestellten Algorithmen beruhen auf der Multi-Skalen-Analyse und benutzen als wesentliche mathematische Operationen Faltungsoperatoren im Hilbert-Raum l2(Z).
mZ
1,m
erzeugt wird. Es sei das gem Satz 14.6 erzeugte orthonormale Wavelet
=
mZ
1,m L2 mit g m : = ( 1) m h1 m C , m Z .
Da einen Wavelet-Frame (, 2, 1) bildet, ist ein beliebiges Signal bereits durch seine Wavelet-Koeffizienten bzgl. des Frames festgelegt. Diese Koeffizienten sind die Fourier-Koeffizienten, da der Frame sogar eine Hilbert-Basis von L2 ist. Die zu analysierenden Signale werden als Elemente des Grundraumes
f V0 := span C 0,m : m Z , k Z ,
vorausgesetzt und dort durch ihre Fourier-Koeffizienten
< f, 0,m >, m Z,
beschrieben. Allgemein bezeichnen wir mit
Vk := span C k ,m : m Z , k Z ,
den Raum der Signale mit Details der Mindestgre 2k und mit
Wk := span C k ,m : m Z Vk 1 , k Z ,
den Raum der Signale mit Details der genauen Gre 2k, das orthogonale Komplement von Vk
in Vk-1.
Schnelle Wavelet-Transformation
108
(h m )mZ l 1 (Z )
von Skalierungskoeffizienten definieren wir auf dem Hilbert-Raum l2 = l2(Z) die linearen
Operatoren:
n - 2m
n Z
n Z
m - 2n
cn
n Z
n - 2m
n Z
m - 2n
cn .
15.3 Bemerkung
i) Die beiden Operatoren G und H sind durch die l1-Norm von (hn)nZ bzw. (gn) nZ beschrnkt.
ii) Die Paare (H, H*) und (G, G*) sind jeweils zueinander adjungiert:
< H(x), y > = < x, H*(y) > und < G(x), y > = < x, G*(y) >.
iii) Die Operatoren haben im Unterschied zur blichen Faltung einen Faktor 2 bei der Verschiebung des Index.
Der folgende Algorithmus berechnet die Wavelet-Koeffizienten eines Signals f V0 aus dem
Grundraum auf einer Anzahl von Skalen mit immer grberen Details bezglich der orthogonalen Zerlegung
K
V 0 = VK Wk , K 1.
k =1
Output.
Schnelle Wavelet-Transformation
109
cKm := < f, K,m >, m Z,
Algorithmus.
k=1
kK
dk = G (ck-1)
ck = H (ck-1)
k=k+1
Abbildung 6 Schnelle Wavelet-Analyse
folgt
k ,m = h n k 1,n + 2 m ,
nZ
also
c k m = f , k ,m = h n f , k 1,n + 2 m = h n c k 1 n + 2 m = h n-2m c k 1n = H (c k 1 ) m .
nZ
nZ
nZ
folgt
d k m = f , k ,m = g n f , k 1,n + 2 m = g n c k 1 n + 2 m = g n-2m c k 1 n = G(c k 1 ) m , QED.
nZ
nZ
nZ
Schnelle Wavelet-Transformation
110
V 0 = VK Wk , K 1.
k =1
Output.
Algorithmus.
k=K
k1
ck-1 = H*(ck) + G*(dk)
k=k-1
Abbildung 7 Schnelle Wavelet-Synthese
mZ
f , k 1,m k 1,m = f , k ,i k ,i + f , k ,i k ,i
iZ
iZ
also
m Z
mZ
k 1
k 1
k 1, m = ( c k i k ,i + d k i k , i
i Z
k 1,m = ( c k i h j k 1, j+ 2 i + d k i g j k 1, j+ 2i ) .
iZ jZ
Schnelle Wavelet-Transformation
111
von Signalen f mit nur endlich vielen von Null verschiedenen Fourier-Koeffizienten
(c 0 m ) mZ der Anzahl n
und der Verwendung einer festen Skalierungsfunktion mit nur endlich vielen Skalierungskoeffizienten der Anzahl N << n
Zusammenfassung
16 Zusammenfassung
Kapitel 1 Hilbert-Rume
Kapitel 2 L2-Rume
Kapitel 3 Fourier-Reihen
Kapitel 4 Fourier-Integrale
Kapitel 5 Distributionen
Definition (Distribution)
Kapitel 7 Faltung
Kapitel 12 Bildkompression
Kapitel 13 Wavelet-Frame
Satz (Wavelet-Frame)
Satz (Rekonstruktion aus den Wavelet-Koeffizienten)
Kapitel 14 Multi-Skalen-Analyse
112
Schnelle Wavelet-Transformation
Satz (Wavelets einer Multi-Skalen-Analyse)
Satz (Konstruktion von Skalierungsfunktionen)
113
Literatur
114
17 Literatur
[AAG2000] Ali, Syed Twareque; Antoine, Jean-Pierre; Gazeau, Jean-Pierre: Coherent States, Wavelets and their Generalizations. Springer, New York 2000
[Bla1998] Blatter, Christian: Wavelets - Eine Einfhrung. Vieweg, Wiesbaden 1998
[Bur1998] Burke Hubbard, Barbara: The World According to Wavelets. A K Peters, Natick,
Massachusetts, 2ed 1998
[BNB2000] Bachmann, Georg; Narici, Lawrence; Beckenstein, Edward: Fourier and Wavelet
Analysis. Springer, New York et al. 2000
[Dau1992] Daubechies, Ingrid: Ten Lectures on Wavelets. CBMS-NSF Regional Conference
Series in Applied Mathematics; 61. SIAM, Philadelphia 1992
[For1983] Forster, Otto: Analysis 3. Integralrechnung im Rn mit Anwendungen. Vieweg,
Braunschweig 1983
[For1985] Forster, Otto: Fourierreihen und andere Orthogonalentwicklungen der Mathematischen Physik. Vorlesung Wintersemester 1973/74. Nachdruck Mathematisches Institut der
LMU, Mnchen 1985
[Heu1986] Heuser, Harro: Funktionalanalysis. Teubner, Stuttgart 1986
[HS1971] Hirzebruch, Friedrich; Scharlau, Winfried: Einfhrung in die Funktionalanalysis.
Bibliographisches Institut, Mannheim et al. 1971
[LMR1998] Louis, Alfred; Maa, Peter; Rieder, Andreas: Wavelets. Theorie und Anwendungen. Teubner, Stuttgart 1998
[Rud1973] Rudin, Walter: Functional Analysis. Tata McGraw-Hill. New Delhi 1973
[Wei1976] Weidmann, Joachim: Lineare Operatoren in Hilbertrumen. Teubner, Stuttgart
1976
[Woj1997] Wojtaszczyk, P.: A Mathematical Introduction to Wavelets. Cambridge University
Press, Cambridge 1997