Upload
duongthien
View
214
Download
0
Embed Size (px)
Citation preview
T.C.
SELCUK UNIVERSITESI
FEN BILIMLERI ENSTITUSU
Jeodezide Zaman Dizilerinin
Dalgacık (Wavelet) Analizi
R. Alpay ABBAK
DOKTORA Semineri
Jeodezi ve Fotogrametri Muhendisligi
Anabilim Dalı
KONYA, 2007
ICINDEKILER
Icindekiler i
Sekil Listesi iii
Simge Listesi iv
1 GIRIS 1
2 TANIMLAR VE KAVRAMLAR 4
2.1 Zaman Dizileri . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2 Periodiklik, Peryot ve Frekans . . . . . . . . . . . . . . . . . . . . 5
2.3 Frekans Bilgisine Neden Ihtiyac Duyulur? . . . . . . . . . . . . . . 6
3 WAVELET (DALGACIK) ANALIZI 7
3.1 Fourier Analizine ve Dalgacık Teorisine Giris . . . . . . . . . . . . 8
3.1.1 Dalgacık . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.1.2 Olcek ve Zaman Fikri . . . . . . . . . . . . . . . . . . . . . 9
3.1.3 Kısa Zaman Fourier Analizi . . . . . . . . . . . . . . . . . 10
3.2 Dalgacık Analizi . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.3 Dalgacıgın Matematiksel Temelleri . . . . . . . . . . . . . . . . . 13
3.3.1 Surekli Dalgacık Donusumu . . . . . . . . . . . . . . . . . 15
3.3.2 Ayrık Dalgacık Donusumu . . . . . . . . . . . . . . . . . . 17
3.4 Dalgacık Olcegi ile Fourier Frekansı Arasındaki Iliski . . . . . . . 17
4 SAYISAL UYGULAMA 18
i
4.1 Monte-Carlo Yontemi . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.2 Gercek Verilerle Uygulama . . . . . . . . . . . . . . . . . . . . . . 21
5 SONUC VE ONERILER 25
5.1 Sonuclar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
5.2 Oneriler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
Kaynaklar 26
ii
SEKIL LISTESI
3.1 Sinus dalgası ve bir dalgacık ornegi . . . . . . . . . . . . . . . . . 8
3.2 Sinusoid ve dalgacıkta olcek faktoru . . . . . . . . . . . . . . . . . 9
3.3 Zaman icerisindeki frekans degisimi . . . . . . . . . . . . . . . . . 10
3.4 Kısa zaman Fourier analizi . . . . . . . . . . . . . . . . . . . . . . 11
3.5 Dalgacık Analizi . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.6 Haar dalgacıgı . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.7 PDF’in birinci turevinden olusan dalgacık . . . . . . . . . . . . . 15
3.8 Meksika sapkası . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.9 Fourier donusumu . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4.1 Test zaman dizisi . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.2 Fourier spektrumu . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.3 Dalgacık spekturumu . . . . . . . . . . . . . . . . . . . . . . . . . 20
4.4 Test zaman dizisi (duragan olmayan) . . . . . . . . . . . . . . . . 21
4.5 Fourier spektrumu . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.6 Duragan olmayan dizinin dalgacık spekturumu . . . . . . . . . . . 22
4.7 Antalya mareograf istasyonu 1990 yılı ocak ayı saatlik gozlemleri . 22
4.8 Deneysel gozlemlerin dalgacık spekturumu . . . . . . . . . . . . . 23
4.9 Deneysel gozlemlerin dalgacık Spekturumu . . . . . . . . . . . . . 24
iii
SIMGE LISTESI
dt zaman artısı
e dogal sayı
f frekans
f gozlem vektoru, ayrıca zaman dizisi
j kompleks sayı
n veri sayısı
s olcek degeri
σ standart sapma
ω acısal frekans
ψ ana dalgacık
t zaman
τ dalgacıgın konumu
T peryot
W pencere fonksiyonu
iv
1. GIRIS
Jeodezi zamanın bir fonksiyonu olarak yeryuzunun seklini ve cekim alanını
belirlenmesiyle ugrasan bir bilim dalıdır. Soz konusu sekil ve cekim alanı
problemini cozebilmek icin bazı jeodezik gozlemler yapılır. Acı, kenar, dogrultu,
yukseklik farkı, gravite ve yeni nesil uydu teknikleriyle yapılan olcmeler bu
gozlemlere birer ornektir.
Soz konusu gozlemlerin hemen hepsi dogada var olan fiziksel kuvvetlerin etkisi
altındadır. Bu nedenle olculerin icerisinde fiziksel kuvvetlerin etkisi bulunmak-
tadır. Arastırmacı ve bilim adamları modellemeye calıstıkları fiziksel gerceklere
iliskin olculeri etkileyen doga olaylarını ve etkilerini belirlemek ister. Dolayısıyla
olculerin, bu etkileri cıkaracak bicimde tasarlanmaları gerekir.
Bu kapsamda degerlendirilen olcu gruplarına ilk ornek zaman dizileridir. Zaman
dizileri bir rasgele surecin sonucunda olusan ardısık gozlemler toplulugudur.
Zaman dizilerinde iki cesit degisken vardır. Bunlar, bagımlı (istenen fiziksel
buyukluk) ve bagımsız yani cogu kez zaman ya da konum olarak gerceklesen
degiskenlerdir. Zaman dizilerinin olusturulmasındaki temel hedef; gozlenen
fiziksel buyuklugun zaman/konum icerisindeki davranısına bakarak buyuklugun
dogasının anlamak ve elde edilen bulgulardan gelecege iliskin kestirimlerde
bulunmaktır.
Herhangi bir bagımsız (zaman ya da konum) degiskene baglı olarak gerceklesen
ve zaman dizileri olarak adlandırdıgımız ardısık (tekrarlı) gozlemlerin analizi
bu calısmanın konusunu olusturmaktadır. Konu istatistigin onemli alanlarından
biri oldugundan yerbilimleri, muhendislik ve ekonomi gibi birbirinden cok farklı
disiplinlerde uygulama gormektedir.
Gozlenmis (deneysel) zaman dizileri, sinyal (signal) ve gurultu (noise) olarak
adlandırılan iki unsurdan olusur. Gurultu kısmı duzenli (sistematik) ve duzenli
olmayan olmak uzere iki kısımda incelenir. Sistematik gurultunun genel formu
1
(yapısı/davranısı) bilinir ama buyuklugu her zaman dizisi icin ayrı ayrı hesaplanır.
Ornegin zaman dizisinde datum kayıklıgının varlıgı zaman dizisinin cizilmesiyle
farkedilebilir; buna karsın kayıklık miktarı, analiz islemiyle ortaya cıkarılır.
Duzenli olmayan (rasgele) gurultu ise hesapla belirlenemez, ortalama ve varyans
degeri sıfıra esittir. Bu nedenle rasgele gurultu zaman dizisinin butununde diziye
ait momentleri (ortalama deger ve varyans) etkilemez. Analistler bahsedilen
gurultu bilesenlerini belirler ve sinyal adı verilen kısmı ortaya cıkarmaya calısılır.
Bir zaman dizisinden sinyali cıkarma islemi gizli periyodiklik problemi olarak
adlandırılır; bunu belirleme isine spektral analiz adı verilir.
Zaman dizilerinin analizi soz konusu oldugunda ortalama degerlerin bulunmasına
dayanan basit modellerden, degisik frekanslardaki sinyallerin kestirilmesine kadar
dayanan genis bir yelpazeye rastlamak mumkundur. Harmonik, Fourier, Wavelet
(dalgacık) analizi ve diger sayısal filtreler (hareketli ortalama, alcak gecis ve
kalman filtreleri gibi) bunlardan bazılarıdır.
Yukarıda sozu gecen her analiz yonteminin avantajları ve dezavantajları vardır.
Sinyalde aranan unsurun veya sinyalin karakteristik ozelligine gore analiz yontemi
secilir. Son yıllarda gelistirilen dalgacık analiz yontemi arastırmacı ve bilim
adamlarınca en etkin yontem oldugu ifade edilmektedir. Bu calısmada za-
man dizilerinin analizinde kullanılan dalgacık analizi hakkında temel teori ve
kavramlar acıklanmaya calısılacaktır. Teoriyi guclendirmek ve konunun daha iyi
anlasılmasını saglamak amacıyla jeodezi alanından sayısal uygulama ornekleri
verilecektir. Literaturde konuyla iliskili jeodezi alanında yapılmıs bircok eser
bulunmaktadır. Ornegin kısa ve anlaması basit bir calısma olarak Baykut vd.
(2006)’nin calısması gosterilir. Calısmada surekli (continous) GPS verilerinin
analizinde dalgacık metodu uygulanmıstır. Jeofizik alanında yapılmıs bir diger
ornek calısma Torrence ve Compo (1998)’dir. Calısmada 3 aylık periyotlarla
gozlenmis deniz duzeyi sıcaklıkları analiz edilmistir. Jeodinamik alanından bir
calısma da Keller (2004)’dir. Yeryuvarının nutasyon hareketinin analizi yapılmıs,
kutp salınım hareketinin belli zaman aralıklarıyla olustugu belirlenmistir.
Bu calısmada dalgacık analizi yontemi deniz duzeyi gozlemlerine uygulanmıstır.
2
Bu amacla Antalya mareograf istasyonuna ait 1990 yılı saatlik verileri kul-
lanılmıstır. Soz konusu veriler aylık gruplar halinde ayrı ayrı analizi gerceklestiril-
mistir. Elde edilen bulgular geleneksel yontemle karsılastırılmıstır. Ay’ın
ve Gunesin cekim etkisiyle deniz duzeyi gozlemlerinin gunluk ve yarı gunluk
periyodiklikler sergilemesi olagandır. Buna karsın bu yontemle soz konusu
periyodikliklerin yerellestirilmesi yapılarak yarı gunluk hareketlerin bir hafta
arayla olustugu ortaya cıkarılmıstır.
3
2. TANIMLAR VE KAVRAMLAR
Bu calısmanın esasını zaman dizilerinin dalgacık analizi teskil etmektedir. Bu
baglamda zaman dizileri nedir? ne ise yarar? ozellikleri nelerdir? sorularına
cevap verildigi kısım bu bolumde ele alınacaktır.
2.1 Zaman Dizileri
Bir fiziksel buyuklugun bir veya birden cok bagımsız degiskene gore durumunu
veren gozlemler topluluguna zaman dizisi denir. Burada dikkat edilmesi gereken
husus gozlemlerin toplanma zamanlarına gore sıralanmasıdır.
Bagımsız degisken ne olabilir? Genellikle; zaman bagımsız degisken olarak alınır
ve bu yuzden zaman dizileri olarak adlandırılmıslardır. Buna karsın jeodezide
konumun bagımsız bir degisken olarak alındıgı da sıklıkla gorulur. Ornegin gravite
(cekim alanı) gozlemleri konuma baglı olarak elde edilir.
Zaman dizilerinin meydana gelisi; Fiziksel olayın takibi icin etkiledigi buyuklugun
bagımsız degiskene durumunu belirten ardısık gozlemlerle incelenir. Bu gozlemler
bir cizime aktarıldıgında olayın davranısı hakkında kabaca bir fikir elde edilebilir.
Dizideki gozlemler zamana baglı olarak surekli (kesintisiz) sekilde gozleniyorsa
surekli (continous) diziler (orn. sismograf verileri), surekli degil de belli
zaman aralıklarında gozleniyorsa ayrık (discrete) diziler adı verilir. Ornegin
her 5 dakika aralıklarla bir sıcaklık degerlerinin kaydedilmesi gibi. Surekli
diziler sayısal analize uygun olmadıgından ayrık dizileri haline getirilmesi gerekir
(sayısallastırma).
Bu temel bilgilerin yanısıra, zaman dizilerinin kullanıcıya sagladıgı 4 cesit fonksiy-
onel ozelligi vardır. Bunlar; tanımlama, acıklama, tahmin ve kontroldur. Kısaca
zaman dizileriyle fiziksel buyuklugun davranısı tanımlanır, diger degiskenlerle
iliskisi acıklanır, gelecekteki alacagı degerinin tahmini yapılır ve son olarak
beklentilerin uzerinde deger alacagında kontrol isleminde kullanılır.
4
Zaman dizisi bir cizime aktarıldıgında fiziksel buyuklugun davranısı hakkında
kabaca fikir elde edilir demistik. Boylece analiz esnasında zaman dizisinin hangi
unsurlardan olustugu ne gibi bilesenler icerdigi hakkında ongorude bulunabilir.
Bu varsayımdan hareketle uygun bir analiz yontemi secilir. Bu secim aranan
bilesenin ozelligine gore de degisir. Ornegin dizideki trendin dogrusal oldugu ve
bunun degeri belirlenmek isteniyorsa y = ax+ b seklinde bir matematiksel model
ongorulur ve buradaki a ve b bilinmeyenleri istenen incelikte belirlenir. Trendin
dogrusal degil de egri seklinde oldugu ongorulurse uygun bir polinomla verilere
yaklasılmaya calısılır. Benzer sekilde, dizinin icindeki gorultuleri ayrıstırmak ve
temel bilesenleri daha iyi fark etmek icin hareketli ortalama (moving average)
teknigi kullanılabilir. Boylece veriler yumusatılır. Bir baska yontem; eger dizileri
olusturan bilesenler periyodik ise spektral analiz yontemiyle soz konusu bilesenler
belirlenir.
2.2 Periodiklik, Peryot ve Frekans
Onceki baslıkta periyodik bilesenler diye bir kavramdan bahsedildi. Kavramı
biraz daha acmak gerekirse, oncelikle periyodiklik ifadesini ele alalım. Belli zaman
aralıklarında tekrar eden surece periyodiklik, bu tur fonksiyonlara periyodik
fonksiyonlar denir. Sinus ve kosinus gibi trigonometrik fonksiyonlar birer
periyodik fonksiyonlardır. Ornegin sinus fonksiyonu kendini 2π de bir tekrar
eder. Bu tekrarlama suresine ”periyot” adı verilir ve genellikle ”T” ile gosterilir.
Fonksiyonun her tekrarında bir dalga olusur. Teorik olarak her dalganın birbirine
es deger olması beklenir. Ama uygulamada hatalar nedeniyle bir onceki dalga ile
bir sonraki dalga birbirine benzemez. Dalganın iki ust gecisi arasındaki zaman
aralıgına periyot demistik. Peryodun tersi ”salınım hızı” olarak da bilinen frekansı
verir. Bu gecen dalga sayısıdır ve ”f” ile sembolize edilir.
5
2.3 Frekans Bilgisine Neden Ihtiyac Duyulur?
Frekans kavramı arastırmacılar icin cok onemlidir. Cunku cogu arastırmacı bir
dizinin veya fonksiyonun icinde birden fazla gorulen periyodik bilesenleri ayrı ayrı
ogrenmek ister. Bir fonksiyonun frekans bilgisi ne isimize yarar? Bunu guncel
hayattan bir ornekle acıklamaya calısalım.
Bir insanın kalp grafigini (EKG: Elektro Kardiyo-Grafik) gozonunde bulun-
duralım. Bu grafik kalp atıslarının zamana baglı degisimini gosterir. Bir
kardiyolog saglıklı bir insanda olması gereken grafigin seklini iyi bilir. Onemli
sayılabilecek bir sapma oldugunda hastada bir saglık problemi bulundugu ortaya
cıkar.
Zaman dizisine bakarak saglık problemini bir cırpıda acıkca gorulmesi mumkun
degildir. Bu nedenle zaman alanındaki grafigin kardiyologlar tarafından frekans
alanına donusturulmesi onun daha iyi anlasılabilmesi acısından onemlidir. Cunku
frekans alanı dizinin icerdigi sinyaller veya baska bir deyislegozlenen doga olayının
davranısı ve bu davranısa neden olan fiziksel kuvvetler hakkında daha kolay bilgi
edinmemize yardımcı olur.
Frekans alanının, onemi nedeniyle zaman alanını soz konusu alana donusturen
matematiksel araclara ihtiyac duyulmaktadır. Bu islemi geceklestirecek bircok
analiz yontemi vardır. Wigner dagılımı, Fourier, Hilbert ve Radon donusumu
bunlardan sadece birkacıdır (Qiao, 2005). Basta Fourier donusumu en bilinen ve
sık kullanılan yontemdir. Son zamanlarda (son 20 yıl icerisinde) populeritesini
arttıran yeni yontem ise dalgacık (wavelet) analizidir. Bir sonraki bolumde
dalgacık analizi hakkında tanımlamalar ve acıklamalar yapılacaktır.
6
3. WAVELET (DALGACIK) ANALIZI
Dalgacık analizi kullanım olarak oldukca yeni olmasına karsın, temelleri 1805
yılında Joseph Baptiste Fourier tarafından atılmıstır. Fourier’in calısmasının
temelini olusturan frekans analizi konusunun sonraları hem onemli hem de etkili
bir yontem oldugu ispatlanmıstır. Uygulamada gunumuzde sıkca karsımıza
cıkmaktadır.
Sadece frekans analizinin yeterli olmadıgı kanaatine varılarak, frekans analizinden
olcek analizine gecis yapılmıstır. Cunku olculen ortalama dalgalanmaların farklı
olceklerdeki analizleri gurultuye daha az duyarlı oldugu acıkca gorulmustur.
Yani zaman dizilerinin geneline iliskin kararlar vermek yerine bolgesel olcekte
olusan kucuk dalgalanmaların onemli olabilecegi gundeme gelmistir. Dolayısıyla
kullanıcılar icin dalgacık analizi secenek olmustur.
Simdiki kullanımıyla ”dalgacık” sozu ilk kez Alfred Haar’ın (1909) doktora tezinin
ekler kısmında kullanılmıstır.
Paul Levy, Brownian hareketini (parcacıkların raslantısal hareketini) modelley-
erek dalgacık teorisine katkı saglamıstır (1930–1950). Levy, parcacıkların
raslantısal hareketini Haar’ın olcek degiskenli temel fonsiyonlarının (Haar dal-
gacıgı) Fourier temel fonksiyonlarına oranla daha iyi modelledigini ispat etmistir.
Dalgacık teorisinin esasları hakkındaki ayrıntılar ilk defa Jean Morlet ve Alex
Grossmann yonetimindeki Marsilya Teorik Fizik Merkezi calısma grubu tarafından
1985 yılında ortaya atılmıstır.
Dalgacık analizi yontemleri Yves Meyer ve meslaktasları tarafından gelistirildi.
Ana algoritma Mallat (1988)’ın calısmasına dayanmaktadır. Bundan sonra
dalgacık analizi konusunun uluslararası bir yon kazandıgı gorulur. Ozellikle
Daubechies, Coifman ve Wickherhouser adlı arastırmacılar onemli calısmalarıyla
konuya ivme kazandırmıslar. Bu asamadan sonra dunya literaturunde sıkca
duyulmaya baslandı (1988–1989).
7
3.1 Fourier Analizine ve Dalgacık Teorisine Giris
Zaman dizilerinin analizinde en iyi bilinen ve en cok kullanılan Fourier Teknigidir.
Fourier analizi, bir sinyalin farklı frekanslarını hesaplar. Diger bir bakıs acısıyla;
bir sinyali zaman tabanlıdan frekans tabanlı hale donusturur.
Fourier analiziyle bir zaman dizisini meydana getiren frekans bilesenlerinin belir-
lenmesine karsın dezavantajlara da sahiptir. Frekans alanına donusum sırasında
zaman bilgisi yok olur. Yani bir sinyalin Fourier donusumune baktıgımızda ozel
bir olayın nerede gerceklestigine dair bir sey soylemek mumkun olmaz.
Eger sinyalin karakteristik ozelligi zaman boyunca degismez ise (yani sinyal
duragan ise) bu dezavantaj onemli degildir. Buna karsın cogu sinyal onemli
sayılabilecek duragansızlıklar veya gecici ozellikler (egim, ansızın degisim, kırılma
ve olayların baslangıc ve bitislerini) icerir. Bu beklenmedik ozellikler belki de
sinyalin en can alıcı kısımlarını olusturmaktadır. Fourier analiz bunları belir-
lemeye elverisli degildir. Bu nedenle soz konusu kullanılacak analiz yonteminin
zaman dizisindeki duragansızlıklara duyarlı olması gerekir. Dalgacık yontemi bu
konuda Fourier teknigine secenek olabilir.
... ...
Sekil 3.1: Sinus dalgası ve bir dalgacık ornegi
3.1.1 Dalgacık
Kelime anlamıdan yola cıkılarak kabaca tanımlamak gerekirse dalgacık; dalganın
kucugu anlamına gelmektedir. Bir dalgacık, sınırlı zamanda etkili dalga bicimidir.
8
Ornegin Fourier analizinin temelini olusturan sinus dalgasını dusunelim. Sinisoi-
dlerin belli bir sınırı yoktur. −∞’dan +∞’a kadar uzanan aralıkta surekli olarak
kendini tekrar eder durur. Ayrıca sinisoidlerin hem yumusak gecisleri vardır hem
de predikte edilebilirler. Buna karsın dalgacıklar duzensiz ve asimetrik ozellik
egilimindedir (Sekil 3.1).
Fourier analizde sinyal, sinus fonksiyonunun farklı frekansları cinsinden ifade
edilebilirken, dalgacık analizinde ise durum biraz farklıdır. Sinyal, ana dalgacıgın
belirli bir olcekte ve zamanda bir miktar kaydırılmasıyla elde edilebilir.
3.1.2 Olcek ve Zaman Fikri
Dalgacık analizi bir sinyale zaman ve olcek perspektifinden bakmayı saglar.
Olcek, yerel duzenlilik hakkında fikir sunarken, zaman dalgacıgın olusum anını
ifade eder.
−1
0
1
−1
0
1
−1
0
1
f(t) = sin(t) → s = 1
f(t) = sin(2t) → s = 12
f(t) = sin(4t) → s = 14
f(t) = ψ(t) → s = 1
f(t) = ψ(2t) → s = 12
f(t) = ψ(4t) → s = 14
π2
π2
π2
π
π
π
3π2
3π2
3π2
2π
2π
2π
Sekil 3.2: Sinusoid ve dalgacıkta olcek faktoru
Olcekleme islemi, bir fonksiyonu yatay eksen boyunca belli bir oranda sundurmek
9
ya da buzmektir. Olcek faktoru s ile sembolize edilir. Sekil 3.2 de sinus ve
dalgacık fonksiyonunda olcek faktorunun etkisi yer almaktadır. Kısaca, olcek
faktoru kuculdukce dalgacık aynı oranda sıkıstırılır.
Dalgacık analizinde onemli bir unsur ise meydana gelen ani degisimlerin belirleyen
zamandır. Kırılma anı, kenar tespiti ve kısa zaman olusumlarının izlenmesi
dalgacık analizinin amaclarındandır.
0 1 2 3 4 5 6 7 8 9−2
−1
0
1
2
Sekil 3.3: Zaman icerisindeki frekans degisimi
Sekil 3.3 de goruldugu uzere zaman, ilerledikce sinyalin frekansında degisimler
olabilir. Yani sinyal belli zamanlarda farklı frekanslar icermektedir. Bu durumda
sinyalin yapısının duragan olmadıgı ortaya cıkar. Bu tip sinyallerin analizinde
frekans degisimlerinin yerinin de tespit edilmesi gerekir.
Klasik analiz yontemlerinde genellikle sinyalin icinde bulundurdugu frekans
bilesenleri belirlenir. Bu bilesenler sinyalin tumunde bulundugu varsayılır. Bu
varsayım her zaman dogru degildir. Sekil 3.3’deki sinyal bunun en guzel ornegidir.
Oyle bir matematiksel arac olmalıdır ki; sinyalin her anında olusan degisimleri
izleyebilsin.
3.1.3 Kısa Zaman Fourier Analizi
Fourier analizinin zamanlama eksikligini gidermek icin, Gabor (1946) sinyali
zaman alanında kucuk bolumler (pencereleme) halinde analiz edebilecegi fikrini
10
ortaya atmıs ve basarıyla uygulamıstır.
Pencere
Zaman
Gen
lik
Zaman
Gen
lik
Sekil 3.4: Kısa zaman Fourier analizi
Kısa zaman Fourier Analizi bir sinyalin zaman ve frekans gorunusu arasında
uzlasmasını saglar. Yani sinyalin ne zaman ve hangi frekansla olustugu hakkında
bilgi verir. Fakat bu bilgiler sınırlı dogrulukla elde edilir. Cunku dogruluk
pencerenin boyutuyla ilgilidir (Sekil 3.4). Pencere boyutu buyukse frekans
cozunurlugu iyi, pencere boyutu kucukse frekans cozunurulugu dusuk olur (Lee
vd., 1999).
Yontem, zaman sinyali f(t) ve bir yaklasık zaman penceresi w(t) ile carpılmasıyla
klasik Fourier teknigiden turetilir. Boylece sinyal kullanıcının tercihine baglı
buyuklukteki zaman penceresiyle adım adım analiz edilmis olur. Kayan pencerenin
yerlestirilmesi zaman boyutunun ekler ve zaman degiskenli frekans analizini
gerceklestirir. Boylece standart Fourier analizinden farklı olarak asagıdaki esitlik
elde edilir.
F (τ, ω) =
∫ +∞
−∞
f(t) w(t− τ)e−jω tdt. (3.1)
Yontemin zaman ve frekans bilgileri arasında uzlası saglaması faydalı iken,
dezavantajı sectigimiz ozel pencere tum frekanslar icin aynı olmasıdır. Diger
bir deyisle KZFD’de yuksek ve alcak frekans bilesenleri icin pencere fonksiyonu
genisliginin degistirilmesi mumkun degildir. Sadece farklı pencere fonksiyonu
genislikleri ile KZFD birkac kez tekrarlanarak sinyalin birkac zaman-frekans
gosterimi elde edilebilir. Fakat bu tarz bir analiz hem zaman kaybı hem
de gereksiz islemlere sebep oldugundan kullanıslı degildir. Dolayısıyla cogu
11
sinyal daha fazla esnek bir yaklasım ister. Boylece pencerelerin boyutu daha
dogru zaman veya frekans bilesenini belirlemek icin degismelidir. Bu nedenle
yontem ihtiyacı tam anlamıyla saglayamamıs ve baska bir yonteme gereksinim
duyulmustur.
3.2 Dalgacık Analizi
Dalgacık analizi degisken boyutlu bolgelerde pencereleme teknigidir. Ayrıca hem
uzun zaman aralıgında alcak frekans bilgisini hem de kısa zaman aralıgında yuksek
frekans bilgilerini belirlememize yardımcı olur. Yani bir bakısta hem ormanı hem
de agacları gormektir (Graps, 2006).
Zaman
Gen
lik
Zaman
Olc
ek
Sekil 3.5: Dalgacık Analizi
Dalgacık analizi; kısa zaman Fourier analizinin aksine zaman-frekans alanını degil,
zaman-olcek alanını kullanır (Sekil 3.5). Sekilde goruldugu uzere analiz sonucu
tek boyutlu bir cizgi degil, alanlar olusur.
Dalgacık analizi ne is yapar? Dalgacık analizinin en onemli avantajı yerel analizi
yapabilmesidir. Yani buyuk sinyali kucuk alanda analiz edebilmesidir. Ornegin
kucuk bir sureksizlik noktası olan bir sinus sinyalini dusunelim. Boylesi bir sinyal
gercek hayatta deneysel olarak kolayca bulmak mumkundur. Bu sinyalin Fourier
analizi sonucunda elde edilen spektral bilesenlerin cizimi ilginc birsey ifade etmez.
Cunku karsımıza sinyali temsil eden duz bir spektrum (2 zirve) cıkar. Buna
karsın dalgacık analizi sonucunda elde edilen spektral bilesenlerin cizimi zaman
12
icerisindeki sureksizligin kesin yerini gosterir.
Iste dalgacık analizi bosluklu, egimli, kırılma noktalı, sureksizlik noktası bulunan
sinyallerin analizinde kullanılan uygun bir analiz yontemidir. Bunların yanı
sıra geleneksel yontemlere gore karsılastırıldıgında dalgacık analizi yardımıyla
bir sinyali sıkıstırma (compression) veya arındırma (de-noising) islemi sinyalin
orjinalini bozmadan kolayca yapılabilir (Misiti vd., 2004).
3.3 Dalgacıgın Matematiksel Temelleri
Kısa zaman Fourier analizinde bir pencere fonksiyonu bulunurken, dalgacık
analizinde bir dalgacık (ψ(x)) fonksiyonu kullanılmaktadır. Soz konusu dal-
gacık fonksiyonu olceklendirilip ve zaman alanında kaydırılarak analiz islemi
gerceklestirilir. Bu durumda, oncelikle dalgacıgın matematiksel tanımını yapalım
ve cesitleri hakkında bilgi edinelim.
Dalgacık nitelik yonunden ele alınacak olunursa, oncelikle asagıdaki iki sartı
saglayan bir gercek degerli fonksiyon ψ(x) olması gerekir (Percival ve Walden,
2002):
• ψ’nin integrali sıfırdır:∫
∞
−∞
ψ(x)dx = 0 (3.2a)
• ψ’nin karesinin integrali bire esittir:
∫
∞
−∞
ψ2(x)dx = 1 (3.2b)
Yukarıdaki esitlikleri saglayan her ψ(x) fonksiyonu dalgacık olarak adlandırılır.
Ornegin en basit anlamda yukarıdaki esitligi saglayan en temel dalgacık fonsiyonu
13
Haar dalgacıgı olarak bilinmektedir. Bu dalgacıgın matematiksel gosterimi,
ψ(H)(x) ≡
−1/√
2, −1 < x ≤ 0;
1/√
2, 0 < x ≤ 1;
0, aksi takdirde.
(3.3)
seklindedir. Sekil 3.6 soz konusu dalgacıgın grafigini ifade etmektedir.
−3 −2 −1 0 1 2 3−2
−1
0
1
2
Sekil 3.6: Haar dalgacıgı
Baska bir dalgacık ornegi vermek gerekirse, Gauss’un can egrisi olarak ad-
landırdıgımız olasılık yogunluk fonksiyonunu (PDF: Probability Density Func-
tion) dusunelim. Fonksiyon
φ(x) =e−x2/2σ2
√2πσ2
(3.4)
esitligiyle gosterilir. Bunun birinci turevi bir dalgacıgı ifade eder. Yeni olusan
fonksiyon,
ψ(fdG)(x) =
√2xe−x2/2σ2
σ3/2π1/4(3.5)
halini alır. Bu ifadenin grafik gosterimi Sekil 3.7’de yer almaktadır.
Daha sonra elde edilen birinci turevin bir kez daha turevi alındıgında olusan
yeni fonksiyon Meksika sapkası (mexican hat) olarak da bilinen yeni bir dalgacıgı
meydana getirir (Sekil 3.8).
ψ(MH)(x) =2(1 − x2/σ2)e−x2/2σ2
π1/4√
3σ(3.6)
14
−3 −2 −1 0 1 2 3−2
−1
0
1
2
Sekil 3.7: PDF’in birinci turevinden olusan dalgacık
−3 −2 −1 0 1 2 3−2
−1
0
1
2
Sekil 3.8: Meksika sapkası
Yukarıdaki orneklerden de anlasılacagı uzere birbirinden farklı dalgacık fonksiy-
onlarıyla karsılasmak soz konusu olacaktır. Her bir dalgacık fonksiyonun degisik
kullanım alanları mevcuttur. Kullanım alanı analiz yapılacak dizinin karakteristik
ozelligine gore degisir.
3.3.1 Surekli Dalgacık Donusumu
Matematiksel olarak Fourier analiz sureci Fourier donusumuyle gosterilir.
F (ω) =
∫
∞
−∞
f(t)e−jωtdt (3.7)
(3.7) esitligi f(t) sinyalinin bir kompleks ustel ile carpılıp toplanmasıyla elde
edilir. Donusumun amacı iste bu Fourier katsayılarını hesaplamaktır. Boylece
bir sinyal, Fourier donusumu yardımıyla bilesenlerine ayrılır. Her bilesenin ayrı
15
genligi ve frekansı vardır. Bu islemi Sekil 3.9’da grafik olarak gosterilmektedir.
Fourier
Transform
...
Sekil 3.9: Fourier donusumu
Benzer sekilde Surekli Dalgacık Donusumu (SDD), dalgacık fonksiyonunun (ψ)
kaydırılıp bir olcekle carpıldıktan sonra zaman alanı boyunca toplanmasıdır.
Bunun matematiksel ifadesi,
SDD(τ, s) =1
√
|s|
∫
∞
−∞
f(t)ψ(t− τ
s)dt (3.8)
bicindedir. Buradaki s olcek ve τ konumu ifade etmektedir. SDD’nin sonucunda
olcek ve konum fonksiyonu olan bircok dalgacık katsayıları C elde edilir.
SDD’nin algoritmasının acıklamak istersek, bu islem 5 adımda tanımlanır.
Bunlar;
1. bir dalgacık al ve orijinal sinyalin baslangıc bolumuyle karsılastır,
2. dalgacık ile sinyal arasındaki korelasyon katsayısı C’yi hesapla, katsayı ne
kadar buyukse benzerlik te o kadar fazla olacaktır,
3. dalgacıgı bir miktar saga kaydır, adım 1 ve 2’yi tum sinyali kaplayana kadar
tekrarla,
4. dalgacıgı olceklendir ve 1., 2. ve 3. adımları tekrarla,
5. tum olcekler icin 1 ila 4 nolu adımları tekrarla.
16
Bu islemleri yaptıktan sonra sinyalin farklı bolgelerinde farklı olceklerde katsayılar
elde edilir. Bu katsayılar orijinal sinyalin regresyon sonuclarını gosterir.
Elde edilen katsayılar nasıl gosterilmeli ki; kolayca yorumlanabilsin. Bunun icin;
x→ zaman, y → olcek ve xy → C’nin buyuklugune gore renklendirme yapılarak
grafige aktarılmalıdır.
3.3.2 Ayrık Dalgacık Donusumu
Eger olası tum olcek aralıgında dalgacık analizi yapılırsa cok buyuk veri yıgınları
olusur. Bunlardan kacınmak icin analist belirli olcek grupları tespit eder ve bu
aralıkta analizleri yapar. Cogunlukla en pratik ve kullanıslı yol, olcek ve konum
degerleri ikinin kuvveti olacak sekilde secilmesidir. Iste soz konusu isleme Ayrık
Dalgacık Donusumu (ADD) adı verilir. Matematiksel kuram olarak SDD’den
hic bir fark yoktur. Sadece hesap sınırı dizinin zaman alanına, olcek ve konum
degerleri de analistin tercihine baglıdır.
3.4 Dalgacık Olcegi ile Fourier Frekansı Arasındaki Iliski
Fourier analizi, bir sinyali farklı frekanslardaki bilesenlerine ayırırken, dalgacık
analizi islemi farklı olceklerde gerceklestimektedir. Amac sinyalin icerisindeki gizli
periyodikligin belirlenmesi oldugundan, bu durumda olcek ile frekans arasında bir
iliski kurmak gerekir. Bu iliski s = 1f
dir. Frekansla olcek arasında ters orantı
olmakla birlikte, Fourier periyodu dalgacık olcegine esit degil, denktir. Yani ana
dalgacıgın tipi degistiginde periyotla olcek arasındaki oran da degisir. Ornegin
Morlet dalgacıgının olcegi Fourier periyoduna hemen hemen esitken, Meksikalı
sapkasında olcek Fourier periyodunun 1/4 katıdır (Torrence ve Compo, 1998).
Bu nedenle analiz isleminden once olcek-periyot iliskisi iyi bilinmelidir.
17
4. SAYISAL UYGULAMA
Onceki bolumde anlatılan dalgacık teorisini daha iyi anlasılması icin sayısal uygu-
lamaların yapılması daha faydalı olacaktır. Oncelikle analiz islemi, bilesenleri
bilinen test dizisinde yapılarak metodun kullanılabilirligi test edilecektir.
4.1 Monte-Carlo Yontemi
0 1 2 3 4 5 6 7 8 9 100
1
2
3
4
5
6
Zaman (sn)
Gen
lik
(m)
Sekil 4.1: Test zaman dizisi
Matematiksel donusumler ham sinyallerde belirlenemeyen detaylı bilgileri elde
etmek icin kullanılır. Bu amacla asagıdaki uygulama Fourier ile dalgacık
yonteminin karsılastırmaları yapılarak elde edilecektir.
Pratikte daha cok zaman alanında sinyaller bulunur. Yani zamanın bir fonksiyonu
olarak olculmus bir sinyal soz konusudur. Boylesi bir gosterim cogu kez sinyalin
icinde bulunan gizli periyodiklikleri gostermeye yetmez. Bu nedenle sinyal zaman
alanından frekans alanına donusturulmesi daha uygun olur.
18
Ornegin 8, 4, 2 ve 1 Hertz (saniyedeki devir sayısı) frekansları olan bir sinyali
dusunelim. Bu sinyalin periyotları sırasıyla 0.125, 0.25, 0.5 ve 1 dir (f =
1/T ). Soz konusu sinyalin zaman alanındaki gosterimi Sekil 4.1’de verilmistir.
Matematiksel ifadesi,
f(t) = cos(2π
0.125t) + cos(
2π
0.25t) + cos(
2π
0.5t) + cos(
2π
1t)
seklindedir.
Sinyalin Fourier donusumuyle elde edilen spekturumu Sekil 4.2 de verilmistir.
0 0.125 0.250 0.375 0.500 0.625 0.750 0.875 1.0000
20
40
Periyot
Spek
tral
yogu
nlu
k(×
105)
Sekil 4.2: Fourier spektrumu
Yine aynı sinyalin dalgacık donusumuyle elde edilen spektrumu Sekil 4.3’te
verilmistir. Sekil dikkatlice incelenirse, baslangıcta ongurulen periyotların
bulundugu bolgeler koyu renkle cevrilmis beyaz alanlar olarak karsımıza cıkar.
Bu demek oluyor ki; zaman dizisinin soz konusu kısımlarında periyodikler var ve
zaman alanı boyunca aynı yogunlukta kalmaktadır.
Simdi ise zaman dizisinin duragan olmadıgını varsayalım. Yani zaman alanı
boyunca degisen frekanslar icerdigini kabul edelim. Bu durumun matematiksel
gosterimi,
19
Zaman
Per
yot
Test Datasinin Dalgacik Güç Spekturumu
0 5 10 15 20 25 30 35 40
0.03125
0.0625
0.125
0.25
0.5
1
2
Sekil 4.3: Dalgacık spekturumu
f(t) =
cos( 2π0.125
t), 0 < t ≤ 10;
cos( 2π0.250
t), 10 < t ≤ 20;
cos( 2π0.500
t), 20 < t ≤ 30;
cos( 2π1.000
t), 30 < t ≤ 40;
seklinde olacaktır. Elde edilen zaman dizisinin grafigi Sekil 4.4’te gorulmektedir.
Ikinci tip zaman dizisinin Fourier spekturum grafigi Sekil 4.5’de verilmistir.
Onceki Fourier spektrumuyla benzer goruntu elde edilmistir yine 4 tane zirve
(peak) ve zaman bilgisi yok! Buna karsın aynı dizinin dalgacık spekturumu Sekil
4.6 de gosterilmektedir.
20
0 10 20 30 40−2
−1
0
1
Zaman
Gen
lik
Sekil 4.4: Test zaman dizisi (duragan olmayan)
0 0.125 0.250 0.375 0.500 0.625 0.750 0.875 1.0000
20
40
Periyot
Spek
tral
yogu
nlu
k(×
105)
Sekil 4.5: Fourier spektrumu
4.2 Gercek Verilerle Uygulama
Uygulama icin Antalya mareograf istasyonunun 1990 yılına ait saatlik deniz
duzeyi gozlemleri secilmistir. Bu gozlemler istasyonun analog kayıt urettigi
doneme ait oldugundan, Harita Genel Komutanlıgınca kaba hataları duzeltildikten
sonra sayısallastırılarak analize uygun hale donusturulmustur (HGK, 1991).
Ornek olarak ocak ayı saatlik gozlemleri Sekil 4.7’de gorulmektedir.
Analiz islemi icin Matlab programlama dilinde yazılmıs kodlardan faydanılmıstır
(bak.Torrence ve Compo (1998)). Analiz islemine baslamadan once bazı
21
Zaman
Per
yot
Test Datasinin Dalgacik Güç Spekturumu
0 5 10 15 20 25 30 35 40
0.03125
0.0625
0.125
0.25
0.5
1
2
Sekil 4.6: Duragan olmayan dizinin dalgacık spekturumu
0 168 336 504 6720.75
1.00
1.25
Zaman (saat)
Den
izduze
yi(m
)
Sekil 4.7: Antalya mareograf istasyonu 1990 yılı ocak ayı saatlik gozlemleri
parametrelerin programa girilmesi gerekir. Bunların basında ana dalgacıgın
(mother wavelet) tipinin secilmesidir. Literaturde sayısız dalgacık turune
22
rastlanır. Bunlardan en cok bilinen ve kullanılan Haar, Meksikalı sapkası,
Daubechies ve Morlet’tir. Dalgacıgın secimi daha cok verinin karakteristik
ozelligine ve analistin tercihine baglıdır.
Zaman (saat)
Per
yot
Ocak Gözlemlerinin Dalgacik Güç Spekturumu
0 100 200 300 400 500 600 700
4
8
16
32
64
128
256
Sekil 4.8: Deneysel gozlemlerin dalgacık spekturumu
Morlet dalgacıgı karmasık sayıları icermesi nedeniyle hem genlik hem de faz
bilesenini aynı anda tespit edebilir (Lau ve Weng, 1995). Ayrıca bu dalgacık
ani degisimler yapmayan yumusak gecisleri olan zaman dizilerinde daha iyi sonuc
verir. Uygulamada kullanılan zaman dizileri bu tipe uyan davranıs gosterir.
Dolayısıyla bu calısmada Morlet dalgacık tipi kullanılmıstır.
Diger girilmesi gereken parametre olcek degerinin artıs miktarıdır. Bu deger
ne kadar kucuk olursa olası periyotlar ayrıntılı bir sekilde incelenmis olur.
Uygulamada 0.05 olarak alınmıstır. Bu degerden kucuk olması islem hızını
dusurmekten baska bir ise yaramayacaktır. Ayrıca veri toplama aralıgının be-
lirtilmesi gerekmektedir. Burada saatlik veriler girilmis, dolayısıyla 1 alınmıstır.
Antalya mareograf istasyonuna ait 1990 yılı saatlik gozlemleri aylık gruplara
23
bolunmesiyle analize baslanmıstır. Daha sonra her grup ayrı ayrı analiz edilmistir.
Analiz sonucu elde edilen grafiklere ornek olarak Sekil 4.8 ve 4.9 verilebilir.
Zaman (saat)
Per
yot
Subat Gözlemlerinin Dalgacik Güç Spekturumu
0 100 200 300 400 500 600
4
8
16
32
64
128
256
Sekil 4.9: Deneysel gozlemlerin dalgacık Spekturumu
Sekiller dikkatlice incelendiginde, dusey eksende 12–13 duzeylerinde (siyah renkle
cevirili alan) periyodiklik oldugu acıkca gorulmektedir. Deniz duzeyi gozlemleri
ayın ve gunesin cekim etkisiyle yarı gunluk periyodiklikler gostermesi olagandır.
Diger klasik yontemle yapılmıs calısmalarda da benzer sonuclar bulunmustur
(Abbak, 2005). Ancak bu analizde ise ek olarak periyodikligin yerellestirilmesi
yapılmıstır. Grafige yeniden goz atılırsa, birer hafta aralıklarla periyodiklik
olusmaktadır. Iste bu calısmayı digerlerinden ayıran en onemli ozellik budur.
24
5. SONUC VE ONERILER
5.1 Sonuclar
Bu calısmada zaman dizilerinin analizinde kullanılan dalgacık yontemi tartısılmıstır.
Dalgacık analizi hakkında temel teori ve kavramlar anlatılmıstır. Teoriyi
daha da guclendirmek icin once test verileriyle analiz yapılmıs ve yontemin
kullanılabilirligi hakkında bir uygulama gerceklestirilmistir. Daha sonra deneysel
bir zaman dizisi olarak deniz duzeyi gozlemleri secilmistir. Soz konusu veri-
lerin analizi sonucunda dalgacıkların etkin bir analiz metodu oldugu kanaatine
varılmıstır. Simdiye kadar ki yapılan calısmaların aksine farklı bir perspektif
yakalanmıstır.
Analizle birlikte bu yontemin geleneksel yonteminlere gore ustun yonlerinin
oldugu fark edilmistir. Bunlardan en onemlisi; duragan olmayan verilerin
analizine kolayca uygulanabilmesidir. Zaten deneysel verilerin hemen hepsi
duraganlıgı bozan bilesenler (trend, ani degisim, kırılma noktası vs.) icermektedir.
Klasik yontemlerde ise zaman dizisi duragan olmasa da analiz esnasında duraganmıs
gibi kabul edilir. Bu durum ise analizin objektifligi acısından dogru bir tutum
degildir.
Her yontemde oldugu gibi hic suphesiz bu yontemin de eksik kaldıgı noktalar
vardır. Yontemde verilerin arasında kısa boslukların olması veya esit aralıklı
olmaması durumunda enterpolasyonla ilgili kısımların doldurulması gerekir. Aksi
takdirde algoritma geregi dogru bir analiz yapılması mumkun degildir.
Hızlı Fourier analizinde oldugu gibi veri sayısı ikinin kuvveti kadar sayıda (N =
2n) olması gerekir. Olmadıgı takdirde analiz yapılması icin veriler en yakın ikinin
kuvvetine kadar sıfır ile doldurulur. Bu suni bir mudahele anlamına gelmektedir.
Dalgacık analiz sonucunda elde edilen grafikler incelendiginde, periyodiklikler
nicelik olarak belirlenir. Yani test dizisinin analizi sonucu Sekil 4.3’te goruldugu
25
uzere ”1” frekansının oldugu bolgelerde periyodiklik bulunması gerekirken, bu
deger 0.9 ila 1.1 arasında olabilir. Bu durum analistin istemeyecegi bir
belirsizliktir.
Benzer sekilde veriler farklı olcu kaynaklarından elde edilebilir ve dolayısıyla farklı
agırlıkta veriler olusur. Bu durumda yontemin yapabilecegi hic birsey yoktur.
Agırlık unsurunu gozardı etmek zorunda kalınır.
5.2 Oneriler
Atmosferik ve jeolojik kosullar nedeniyle frekansında ani degisimler gosteren
deneysel zaman dizilerin analizinde bu yontemin kullanılması sonucların yorum-
lanmasını kolaylastırmaktadır. Dolayısıyla yer bilimleriyle ugrasan arastırmacılara
bu yontemi kullanması tavsiye edilebilir.
Analiz islemi sırasında olcek degisim miktarı olması gerektigi duzeyde belirlen-
melidir. Cok kucuk olması islem hızının yavaslatırken, cok buyuk olması da
frekansın cozunurlugunu dusurmektedir.
Bir boyutlu fonksiyonun (orn. zaman dizisi) dalgacık donusumu sonucunda iki
boyutlu fonksiyon, iki boyutlu fonksiyonun (orn. goruntu) dalgacık donusumu
sonucunda dort boyutlu fonksiyon ortaya cıkar(Valens, 1999). Gunumuz teknolo-
jisiyle dort boyutlu fonksiyonu elde eden analizi yapmak cok zor degildir. Bu
nedenle ileriki calısmalarda gravite haritalarının analizide kullanılacak etkin bir
yontem olarak karsımıza cıkacaktır.
26
KAYNAKLAR
Abbak, R. A. (2005). Deniz duzeyi gozlemlerinin en kucuk karelerle spektralanalizi. Master’s thesis, Selcuk Universitesi, Fen Bilimleri Enstitusu, Konya.
Baykut, S., Akgul, T., ve Ergintav, S. (2006). Modeling and Analysis of NoiseCharacteristics of GPS Data. In IEEE 14th Signal Processing and Applications
Conference, Antalya, Turkey, 17-19 April 2006.
Graps, A. (2006). Introduction to wavelets. World Wide Web, http://www.
amara.com.
HGK (1991). Erdek, Mentes Izmir, Bodrum ve Antalya Mareograf Istasyonları1990 yılı Saatlik Deniz Seviyesi Degerleri. Harita Genel Komutanlıgı, Ankara.
Keller, W. (2004). Wavelets in Geodesy and Geodynamics. Walter de GruyterGmbH & Co., 1st edition.
Lau, K. M. ve Weng, H. (1995). Climate Signal Dedection Using WaveletTransform: How to Make a Time Series Sing. Bulletin of the American
Meteorological Society, Volume: 76:pages:2391–2402.
Lee, J. J., Lee, S. M., Kim, I. Y., Min, H. K., ve Hong, H. S. (1999). Comparisonbetween Short Time Fourier and Wavelet Transform for Feature Extraction ofHeart Sound. IEEE TENCON, Volume: 102:18–55.
Misiti, M., Misiti, Y., Oppenheim, G., ve Poggi, J. M. (2004). User’s Guide on
Wavelet Toolbox 4 for MATLAB. Matworks Incoorperation.
Percival, D. B. ve Walden, A. T. (2002). Wavelet Methods for Time Series
Analysis. Cambridge University Press, second edition.
Qiao, F. (2005). Introduction to Wavelet: A Tutorial. In Workshop on Wavelet
Application in Transportation Engineering,January 09, 2005.
Torrence, C. ve Compo, G. P. (1998). A Pratical Guide to Wavelet Analysis.Bulletin of the American Meteorological Society, Volume: 79:pages:61–79.
Valens, C. (1999). A Really Friendly User Guide to Wavelet. World Wide Web,http://www.cs.unm.edu/~williams/cs530/arfgtw.pdf.
27