Ondelette | EPFL Graph Search

Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?

Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur GraphSearch.

Découvrez-en plus sur les applications Graph.

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. Toutefois, il ne s'agit pas d'un formalisme différent de la transformée de Fourier, mais complémentaire, la décomposition en ondelettes utilisant le formalisme de Fourier. La technique des ondelettes est particulièrement utilisée pour la compression de données informatiques et d'images. Les ondelettes ont vu le jour lorsque certains sujets d'étude ont nécessité une analyse en fréquence et en temps. Au , l'analyse de Fourier était la seule technique permettant la décomposition d'un signal et sa reconstruction sans perte d'information; malheureusement elle fournit une analyse en fréquence mais ne permet pas la localisation temporelle de changements abrupts, comme l'apparition d'une deuxième note de musique après qu'une première note a été jouée. En 1909, Alfréd Haar définit une fonction composée d'une courte impulsion négative suivie d'une courte impulsion positive, connue pour être la première ondelette (Ondelette de Haar). En 1946, Dennis Gabor, mathématicien hongrois, inventa une transformation de fonction analogue à celle de Joseph Fourier, appliquée sur une fenêtre temporelle exprimée par une fonction gaussienne. Finalement, le terme d'ondelette fut introduit dans le langage mathématique par Jean Morlet et Alex Grossmann en 1984. Terme initialement français, il fut traduit en anglais par wavelet, à partir des termes wave (onde) et le diminutif let (petite).

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.

Publications associées (76)

Personnes associées (30)

Unités associées (7)

Concepts associés (58)

Cours associés (16)

Séances de cours associées (104)

MOOCs associés (5)

COM-514: Mathematical foundations of signal processing

A theoretical and computational framework for signal sampling and approximation is presented from an intuitive geometric point of view. This lecture covers both mathematical and practical aspects of

MATH-441: Robust and nonparametric statistics

In the decades from 1930 to 1950, many rank-based statistics were introduced. These methods were received with much interest, because they worked under weak conditions. Starting in the late 1950, a th

COM-406: Foundations of Data Science

We discuss a set of topics that are important for the understanding of modern data science but that are typically not taught in an introductory ML course. In particular we discuss fundamental ideas an

Introduction à l'Astrophysique

Ce cours décrit les principaux concepts physiques utilisés en astrophysique. Il est proposé à l'EPFL aux étudiants de 2eme année de Bachelor en physique.

Introduction à l'Astrophysique

Ce cours décrit les principaux concepts physiques utilisés en astrophysique. Il est proposé à l'EPFL aux étudiants de 2eme année de Bachelor en physique.

Introduction to Astrophysics

Learn about the physical phenomena at play in astronomical objects and link theoretical predictions to observations.

Représentations du signal

Couvre le concept de représentations de signaux à l'aide d'ondelettes et de l'ondelette de Haar.

Représentations du signal

Explore les ondelettes comme des bases orthonormées pour des signaux constants par morceaux sur des intervalles unitaires.

Filigrane II

Couvre des sujets avancés dans le filigrane, y compris la résistance à la mise à l'échelle et aux rotations, le filigrane auto-référencé et les types d'attaques.

The n-term Approximation of Periodic Generalized Levy Processes

Michaël Unser, Julien René Fageot, John Paul Ward

In this paper, we study the compressibility of random processes and fields, called generalized Levy processes, that are solutions of stochastic differential equations driven by d-dimensional periodic

SPRINGER/PLENUM PUBLISHERS2020

Optimal Representations of Sparse Stochastic Processes with Applications in Image Processing

Pedram Pad

We establish in the world of stochastic processes a theoretical relation between sparsity and wavelets. The underlying principle is to treat stochastic processes as generalized functions, which facili

EPFL2017

Multidimensional Lévy White Noise in Weighted Besov Spaces

Michaël Unser, Julien René Fageot, Alireza Fallah

In this paper, we study the Besov regularity of a general d-dimensional Lévy white noise. More precisely, we describe new sample paths properties of a given noise in terms of weighted Besov spaces. In

Elsevier2017

In mathematics, a wavelet series is a representation of a square-integrable (real- or complex-valued) function by a certain orthonormal series generated by a wavelet. This article provides a formal, mathematical definition of an orthonormal wavelet and of the integral wavelet transform. A function is called an orthonormal wavelet if it can be used to define a Hilbert basis, that is a complete orthonormal system, for the Hilbert space of square integrable functions.

Le traitement numérique du signal étudie les techniques de traitement (filtrage, compression, etc), d'analyse et d'interprétation des signaux numérisés. À la différence du traitement des signaux analogiques qui est réalisé par des dispositifs en électronique analogique, le traitement des signaux numériques est réalisé par des machines numériques (des ordinateurs ou des circuits dédiés). Ces machines numériques donnent accès à des algorithmes puissants, tel le calcul de la transformée de Fourier.