05 Sevilla

Indice
Un viaje matematico a traves del teorema de

Shannon
A. G. Garca
1
1
Departamento de Matematicas
Universidad Carlos III de Madrid
A. G. Garca Viaje a traves del Teorema de Shannon
Indice
1
El teorema de muestreo de Shannon
Dualidad de Fourier
Undersampling y Oversampling
Comentarios por el camino
Errores
Muestreo Multidimensional
2
Recuperacion Estable
3
Muestreo Irregular
4
Muestreo con muestras de funciones relacionadas
Muestreo con derivadas
Muestro con la transformada de Hilbert
5
Teorema de muestreo de Kramer
6
Espacios invariantes por traslacion
Dualidad de Fourier
Errores
El Teorema de muestreo de Shannon
Cualquier funcion f del espacio de Paley-Wiener:
PW
:=
_
f L
2
(R) ((R), supp

f [, ]
_
(bandalimitada a [, ]) puede desarrollarse como
f (t) =
n=
f (n)
sin (t n)
(t n)
La serie converge absoluta y uniformemente en R.
Dualidad de Fourier
Errores
PW
:=
_
f L
2
(R) ((R), supp

f [, ]
_
f (t) =
n=
f (n)
sin (t n)
(t n)
PW
= T
1
_
L
2
[, ]
_
es un espacio de Hilbert contenido
en L
2
(R).
Dualidad de Fourier
Errores
PW
:=
_
f L
2
(R) ((R), supp

f [, ]
_
f (t) =
n=
f (n)
sin (t n)
(t n)
Para f PW
se verica
f (t) =
1
2
_

f (w)e
iwt
dw =
f ,
e
itw
2
)
L
2
[,]
Dualidad de Fourier
Errores
Una prueba elegante (Hardy)
Desarrollamos

f en la base ortonormal e
inw
/
2
nZ
de
L
2
[, ]:
f =
nZ
f ,
e
inw
2
)
L
2
[,]
e
inw
2
=
nZ
f (n)
e
inw
2
Aplicando la transformada de Fourier inversa T
1
:
f (t) =
nZ
f (n)T
1
_
e
inw
2
_
(t) =
nZ
f (n)
sin (t n)
(t n)
=
n=
f (n) sinc(t n)
Dualidad de Fourier
Errores
Desarrollamos

f en la base ortonormal e
inw
/
2
nZ
de
L
2
[, ]:
f =
nZ
f ,
e
inw
2
)
L
2
[,]
e
inw
2
=
nZ
f (n)
e
inw
2
Aplicando la transformada de Fourier inversa T
1
:
f (t) =
nZ
f (n)T
1
_
e
inw
2
_
(t) =
nZ
f (n)
sin (t n)
(t n)
=
n=
f (n) sinc(t n)
Dualidad de Fourier
Errores
f (t) =
n=
f (n) sinc(t n)
Seno cardinal
sinc t :=
sin t
t
T
1
_
1
[,]
_
(t)
Dualidad de Fourier
Errores
Una prueba elegante. Convergencia
f (t) =
1
2
_

f (w)e
iwt
dw =
f ,
e
itw
2
)
L
2
[,]
[f (t)[ |
f |
L
2
[,]
= |f |
PW
, luego convergencia en L
2
(R)
implica convergencia puntual
Convergencia incondicional de una serie de Fourier implica
convergencia absoluta
Convergencia uniforme en R
Dualidad de Fourier
Errores
[f (t)[ |
f |
L
2
[,]
= |f |
PW
2
(R)
Dualidad de Fourier
Errores
[f (t)[ |
f |
L
2
[,]
= |f |
PW
2
(R)
Dualidad de Fourier
Errores
Convergencia uniforme en R.
Las evaluaciones puntuales E
t
(f ) := f (t) son funcionales lineales
continuos en PW
PW
es un espacio de Hilbert con n ucleo reproductor (RKHS)

Dualidad de Fourier
Errores
Convergencia uniforme en R.
Las evaluaciones puntuales E
t
(f ) := f (t) son funcionales lineales
continuos en PW
PW
es un espacio de Hilbert con n ucleo reproductor (RKHS)

Para cada s R y f PW
f (s) = f , sinc( s))

PW
k
(t, s) := sinc(t s) es el n ucleo reproductor de PW

Dualidad de Fourier
Errores
Interpretacion de la Dualidad de Fourier
f PW

Dualidad de Fourier
Errores
f PW

f L
2
[, ]
F

Dualidad de Fourier
Errores
f PW

f L
2
[, ]
S
_
f (n)
nZ

2
(Z)
F
_
Dualidad de Fourier
Errores
f PW

f L
2
[, ]
S
_P
f (n)
nZ

2
(Z)
F
f
p
L
2
p
[, ]
F
_P
F
Dualidad de Fourier
Errores
Dado un periodo de muestreo T
s
> 0 consideramos las muestras
f (nT
s
)
nZ
de f PW
. Consideramos la version
2
T
s
-periodizada
de

f
f
p
() :=
n=
f
_
+
2
T
s
n
_
Dualidad de Fourier
Errores
f
p
() :=
n=
f
_
+
2
T
s
n
_
La desarrollamos con respecto la base ortonormal
_
_
T
s
2
e
imT
s
w
_
mZ
de L
2
[0, 2/T
s
]
Formula sumatoria de Poisson
f
p
() =
n=
f
_
+
2
T
s
n
_
= T
s
m=
f (mT
s
)
e
imT
s
2
Dualidad de Fourier
Errores
f
p
() :=
n=
f
_
+
2
T
s
n
_
Formula sumatoria de Poisson
f
p
() =
n=
f
_
+
2
T
s
n
_
= T
s
m=
f (mT
s
)
e
imT
s
2
Consecuencia
Muestrear una se nal con periodo T
s
equivale a periodizar su
espectro con periodo 2/T
s
Dualidad de Fourier
Errores
Primer caso: 0 < T
s
1
Oversampling
F

Dualidad de Fourier
Errores
Primer caso: 0 < T
s
1
Oversampling
F
Ventaja del Oversampling

Dualidad de Fourier
Errores
Segundo caso: T
s
> 1
Undersampling
F

Dualidad de Fourier
Errores
Segundo caso: T
s
> 1
Undersampling
F
Frecuencia Nyquist
Fenomeno de aliasing
Dualidad de Fourier
Errores
Segundo caso: T
s
> 1
Undersampling
F
Frecuencia Nyquist
Fenomeno de aliasing
Dualidad de Fourier
Errores
Nota Historica
Teorema WSK (Whittaker-Shannon-Kotelnikov)
E. T. Whittaker (1915) y J. M. Whittaker (1935): Estudio de
series cardinales
C. E. Shannon (1949): Communication in the presence of noise
V. Kotelnikov (1933): On the carrying capacity of the ether
and wire in telecommunications
Soporte de

f simetrico: Para f real y bandalimitada
[
f (w)[
2
=

f (w)
f (w) =

f (w)
f (w)
Si supp

f [w
0
, w
0
+] se obtiene la formula de
muestreo
f (t) =
n=
f (n)e
iw
0
(tn)
sin (t n)
(t n)
Dualidad de Fourier
Errores
Nota Historica
series cardinales
Soporte de

[
f (w)[
2
=

f (w)
f (w) =

f (w)
f (w)
Si supp

f [w
0
, w
0
muestreo
f (t) =
n=
f (n)e
iw
0
(tn)
sin (t n)
(t n)
Dualidad de Fourier
Errores
Nota Historica
series cardinales
Soporte de

[
f (w)[
2
=

f (w)
f (w) =

f (w)
f (w)
Si supp

f [w
0
, w
0
muestreo
f (t) =
n=
f (n)e
iw
0
(tn)
sin (t n)
(t n)
Dualidad de Fourier
Errores
Nota Historica
series cardinales
Soporte de

[
f (w)[
2
=

f (w)
f (w) =

f (w)
f (w)
Si supp

f [w
0
, w
0
muestreo
f (t) =
n=
f (n)e
iw
0
(tn)
sin (t n)
(t n)
Dualidad de Fourier
Errores
Nota Historica
series cardinales
Soporte de

[
f (w)[
2
=

f (w)
f (w) =

f (w)
f (w)
Si supp

f [w
0
, w
0
muestreo
f (t) =
n=
f (n)e
iw
0
(tn)
sin (t n)
(t n)
Dualidad de Fourier
Errores
Nota Historica
series cardinales
Soporte de

[
f (w)[
2
=

f (w)
f (w) =

f (w)
f (w)
Si supp

f [w
0
, w
0
muestreo
f (t) =
n=
f (n)e
iw
0
(tn)
sin (t n)
(t n)
Dualidad de Fourier
Errores
Nota Historica
series cardinales
Soporte de

[
f (w)[
2
=

f (w)
f (w) =

f (w)
f (w)
Si supp

f [w
0
, w
0
muestreo
f (t) =
n=
f (n)e
iw
0
(tn)
sin (t n)
(t n)
Dualidad de Fourier
Errores
En PW
, el periodo de muestreo Nyquist es

T
s
=
2
long([, ])
= 1
Toda funcion f PW
se recupera a partir de sus muestras

f (n +)
nZ
cualquiera que sea el R. Desarrollando

f
respecto a la base ortonormal
_
e
i (n+)w
/
2
_
nZ
y
aplicando T
1
se obtiene:
f (t) =
n=
f (n +) sinc(t n )
Dualidad de Fourier
Errores
En PW
, el periodo de muestreo Nyquist es

T
s
=
2
long([, ])
= 1
Toda funcion f PW
se recupera a partir de sus muestras

f (n +)
nZ
cualquiera que sea el R. Desarrollando

f
respecto a la base ortonormal
_
e
i (n+)w
/
2
_
nZ
y
aplicando T
1
se obtiene:
f (t) =
n=
f (n +) sinc(t n )
Dualidad de Fourier
Errores
La formula f , sinc( t))
L
2
(R)
da la proyeccion ortogonal de
f L
2
(R) sobre PW
Formula interpolatoria tipo-Lagrange:

f (t) =
n=
f (n) sinc(t n)
=
n=
f (n)
P(t)
(t n)P
(n)
donde P(t) :=
sin t

Dualidad de Fourier
Errores
La formula f , sinc( t))
L
2
(R)
da la proyeccion ortogonal de
f L
2
(R) sobre PW
Formula interpolatoria tipo-Lagrange:

f (t) =
n=
f (n) sinc(t n)
=
n=
f (n)
P(t)
(t n)P
(n)
donde P(t) :=
sin t

Dualidad de Fourier
Errores
En el espacio de Paley-Wiener general PW
en donde
supp

f L
2
[, ], se verica que T
s
=
2
2
=
1
. Para
f PW
se verica
f (t) =
n=
f (n/)
sin (t n)
(t n)
El n ucleo reproductor es: k
= sinc (t s)
Dualidad de Fourier
Errores
Regularidad de

f = decaimiento mas rapido de f en .
sinc(t) = O
_
1
|t|
_
cuando [t[ + debido a las
discontinuidades de
[,]
Problemas numericos: Si queremos calcular f (1/2) a partir de
las muestras f (n) +
n
nZ
el error cometido es:
n
(1)
n
n
(n
1
2
)
Podra valer innito aunque [

n
[
Solucion: Tecnica de oversampling
Dualidad de Fourier
Errores
Regularidad de

sinc(t) = O
_
1
|t|
_
discontinuidades de
[,]
n
nZ
n
(1)
n
n
(n
1
2
)

n
[
Dualidad de Fourier
Errores
Regularidad de

sinc(t) = O
_
1
|t|
_
discontinuidades de
[,]
n
nZ
n
(1)
n
n
(n
1
2
)

n
[
Dualidad de Fourier
Errores
Tecnica de oversampling
Supongamos supp

f [, ] [, ] donde < 1
Sea una funcion sucientemente regular tal que
(w) :=
_
1 w [, ]
0 w / [, ]
Dualidad de Fourier
Errores
Tecnica de oversampling
Supongamos supp

f [, ] [, ] donde < 1
Sea una funcion sucientemente regular tal que
(w) :=
_
1 w [, ]
0 w / [, ]
Entonces
f (w) =
n
f (n)(w)
e
inw
2
en L
2
[, ]
f (t) =
n
f (n)S(t n) en PW
donde S(t n) = T
1
[(w)e
inw
/
2](t)
Dualidad de Fourier
Errores
PW
como un RKHS de funciones enteras:

f PW
se extiende a C como:
f (z) =
1
2
_

f (w)e
izw
dw , z C
Aplicando Cauchy-Schwarz:
[f (z)[ |f |e
|z|
, z C
Teorema clasico de Paley-Wiener:
PW
= f H(C) ; [f (z)[ Ae
|z|
; f [
R
L
2
(R)
Dualidad de Fourier
Errores
Transformada de Fourier en sentido distribucional.
Sea T c
(R) con supp T (, ).

Si

T(R) con supp
(, ) y

1 en un abierto
conteniendo a supp T
Teorema de Campbell
Sea f = T
1
T, entonces
f (z) =
n=
f (n)(z n) =
n=
f (n)
_
sinc( n)
(z), z C
uniformemente en compactos de C
Dualidad de Fourier
Errores
Transformada de Fourier en sentido distribucional.
Sea T c
(R) con supp T (, ).

Si

T(R) con supp
(, ) y

1 en un abierto
conteniendo a supp T
Teorema de Campbell
Sea f = T
1
T, entonces
f (z) =
n=
f (n)(z n) =
n=
f (n)
_
sinc( n)
(z), z C
uniformemente en compactos de C
Dualidad de Fourier
Errores
Validez de la formula de muestreo en otros espacios
funcionales:
1
Clases de Paley-Wiener PW
p
2
Espacios de Bernstein B
p
Etc.
Dualidad de Fourier
Errores
funcionales:
1
p
2
p
Etc.
Dualidad de Fourier
Errores
funcionales:
1
p
2
p
Etc.
Dualidad de Fourier
Errores
funcionales:
1
p
2
p
Etc.
Dualidad de Fourier
Errores
Estudio de errores
Error de truncamiento Para f PW
se verica
f (t)
N
n=N
f (n) sinc(t n)
2
|f |
2
n=N
[f (n)[
2
Error de amplitud
Error Time-jitter
Error por perdida de informacion
Error de Aliasing
Dualidad de Fourier
Errores
Estudio de errores
Error de truncamiento
Error de amplitud
f (n) +
n
nZ
Error Time-jitter
Error de Aliasing
Dualidad de Fourier
Errores
Estudio de errores
Error de amplitud
Error Time-jitter
f (n +
n
)
nZ
Error de Aliasing
Dualidad de Fourier
Errores
Estudio de errores
Error de amplitud
Error Time-jitter
n
f (n)
nZ
donde 0
n
1 para cada n Z.
Error de Aliasing
Dualidad de Fourier
Errores
Estudio de errores
Error de amplitud
Error Time-jitter
Error de Aliasing
Si f L
2
(R) ((R) y

f L
1
(R)
f (t)
n=
f (n) sinc(t n)

_
2
_
|w|>
[
f (w)[dw
Dualidad de Fourier
Errores
Muestreo multidimensional
f (t, s) =
1
2
_

f (x, y)e
itx
e
isy
dxdy
entonces
f (t, s) =
n,mZ
f (n, m)
sin (t n)
(t n)
sin (s m)
(s m)
Dualidad de Fourier
Errores
Muestreo multidimensional
f (t, s) =
1
2
_

f (x, y)e
itx
e
isy
dxdy
entonces
f (t, s) =
n,mZ
f (n, m)
sin (t n)
(t n)
sin (s m)
(s m)
En general, si supp
f B con B R
n
acotado, la reconstruccion
eciente de f depende de la geometra del conjunto B
Muestreo Irregular
Recuperacion estable
f (t) =
1
2
_

f (w)e
iwt
dw =
f ,
e
itw
2
)
L
2
[,]
e
it
n
w
nZ
completo en L
2
[, ] implica que la sucesion
f (t
n
)
nZ
caracteriza f PW

Muestreo Irregular
f (t) =
1
2
_

f (w)e
iwt
dw =
f ,
e
itw
2
)
L
2
[,]
e
it
n
w
nZ
completo en L
2
[, ] implica que la sucesion
f (t
n
)
nZ
caracteriza f PW
Muestreo estable en t
n
nZ
|f |
PW
K|f (t
n
)|
2
(Z)
Muestreo Irregular
f (t) =
1
2
_

f (w)e
iwt
dw =
f ,
e
itw
2
)
L
2
[,]
Muestreo estable en t
n
nZ
|f |
PW
K|f (t
n
)|
2
(Z)
Bases ortonormales: Identidad de Parseval
Bases de Riesz
Frames
Muestreo Irregular
Recuperacion estable. Bases de Riesz
Una base de Riesz x
n
en un espacio de Hilbert H es la imagen
de una base ortonormal e
n
mediante un operador T : H H
acotado e invertible
Existe y
n
base de Riesz biortonormal (i.e., x
n
, y
m
) =
n,m
) tal
que para todo x H
x =
n
x, y
n
)x
n
=
n
x, x
n
)y
n
Muestreo Irregular
Recuperacion estable. Bases de Riesz
Una base de Riesz x
n
en un espacio de Hilbert H es la imagen
de una base ortonormal e
n
mediante un operador T : H H
acotado e invertible
Existe y
n
base de Riesz biortonormal (i.e., x
n
, y
m
) =
n,m
) tal
que para todo x H
x =
n
x, y
n
)x
n
=
n
x, x
n
)y
n
Muestreo Irregular
Recuperacion estable. Frames
Una sucesion x
n
es un frame en H si existen constantes
0 < A B tal que
A|x|
2
n
[x, x
n
)[
2
B|x|
2
para todo x H
Se mantiene la representacion x =
n
c
n
x
n
en H aunque no es
unica.
Desde el punto de vista practico, x H se recupera a partir de
Sx =
n
x, x
n
)x
n
mediante un algoritmo iterativo
Algoritmo frame
Muestreo Irregular
Una sucesion x
n
0 < A B tal que
A|x|
2
n
[x, x
n
)[
2
B|x|
2
para todo x H
n
c
n
x
n
en H aunque no es
unica.
Sx =
n
x, x
n
)x
n
Algoritmo frame
Muestreo Irregular
Una sucesion x
n
0 < A B tal que
A|x|
2
n
[x, x
n
)[
2
B|x|
2
para todo x H
n
c
n
x
n
en H aunque no es
unica.
Sx =
n
x, x
n
)x
n
Algoritmo frame
Muestreo Irregular
Muestreo estable en PW
en los puntos de muestreo t

n
equivale a encontrar bases de Riesz, frames e

it
n
w
en
L
2
[, ]
Muestreo Irregular
Muestreo irregular
Condicion 1/4 de Kadec
sup
nZ
[t
n
n[ <
1
4
e
it
n
w
/
2
nZ
es una base de Riesz de L
2
[, ]
Teorema de Perturbacion
Sea e
n
base ortonormal de H y f
n
sucesion de H. Supongamos existe
[0, 1) tal que
_
_
n
c
n
(e
n
f
n
)
_
_

n
[c
n
[
2
para toda sucesion c
n
nita. Entonces, f
n
es base de Riesz de H
Muestreo Irregular
Muestreo irregular
Condicion 1/4 de Kadec
sup
nZ
[t
n
n[ <
1
4
e
it
n
w
/
2
nZ
es una base de Riesz de L
2
[, ]
Teorema de Perturbacion
Sea e
n
base ortonormal de H y f
n
sucesion de H. Supongamos existe
[0, 1) tal que
_
_
n
c
n
(e
n
f
n
)
_
_

n
[c
n
[
2
para toda sucesion c
n
nita. Entonces, f
n
es base de Riesz de H
Muestreo Irregular
Muestreo irregular
Sea h
n
nZ
la base biortonormal de e
it
n
w
/
2
nZ
f (w) =
n
f (t
n
)h
n
(w) en L
2
[, ]
Aplicando T
1
f (t) =
n
f (t
n
)T
1
(h
n
)(t) en PW

Muestreo Irregular
Muestreo irregular
f (t) =
n
f (t
n
)T
1
(h
n
)(t) en PW
Teorema de Paley-Wiener-Levinson
Para toda f PW
se tiene
f (t) =
n=
f (t
n
)
G(t)
(t t
n
)G
(t
n
)
donde
G(t) := (t t
0
)
n=1
_
1
t
t
n
__
1
t
t
n
_
Muestreo Irregular
f (t) =
1
2
_

f (w)e
iwt
dw f

(t) =
1
2
_

f (w)iwe
iwt
dw
Un par de bases de Riesz duales en L
2
[, ] apropiadas para el
muestreo con derivadas son:
_
x
n
=
1
_
1
[w[
_
e
2inw
_
nZ

_
y
n
=
i sgn w
e
2inw
_
nZ
y
_
x
n
=
1
e
2inw
_
_
y
n
=
1
iwe
2inw
_
nZ
Muestreo Irregular
Desarrollando

f seg un la base x
n
y
n
f =
n=
_
2f (2n)x
n

2f

(2n)y
n
Aplicando T
1
f (t) =
n=
_
f (2n) + (t 2n)f

(2n)
sinc
2
_
t 2n
2
_
Muestreo Irregular
Muestreo con la transformada de Hilbert
Transformada de Hilbert
Dada f PW
, su transformada de Hilbert esta denida por
f (t) :=
1
2
_

(i sgn w)
f (w)e
iwt
dw
La sucesion i sgn we
inw
/
2
nZ
es base ortonormal de
L
2
[, ]. Desarrollando

f en dicha base y aplicando T
1
f (t) =
n=
f (n) sinc
1
2
(t n) sin

2
(t n)
Muestreo Irregular
Transformada de Hilbert
Dada f PW
, su transformada de Hilbert esta denida por
f (t) :=
1
2
_

(i sgn w)
f (w)e
iwt
dw
La sucesion i sgn we
inw
/
2
nZ
es base ortonormal de
L
2
[, ]. Desarrollando

f en dicha base y aplicando T
1
f (t) =
n=
f (n) sinc
1
2
(t n) sin

2
(t n)
Muestreo Irregular
Se nal analtica asociada a una se nal real f L
2
(R)
f
a
:= f + i
f =

f
a
=

f + i (i sgn)
f = 2
f u
i.e., supp

f
a
[0, +) (u es la funcion de Heaviside)
Muestreo Irregular
Muestreo se nales pasobanda
Supongamos f real con supp

f [w
0
, w
0
] [w
0
, w
0
+]
Entonces
f
a
(t) =
1
2
_
w
0
+
w
0
2
f (w)e
iwt
dw
f
a
(t) =
n=
f
a
(2n)e
iw
1
(t2n)
sin (
t
2
n)
(
t
2
n)
donde w
1
= w
0
+

2
.
Muestreo Irregular
Muestreo se nales pasobanda
f
a
(t) =
n=
f
a
(2n)e
iw
1
(t2n)
sin (
t
2
n)
(
t
2
n)
Como f = 'f
a
f (t) =
n=
_
f (2n) cos w
1
(t 2n)
f (2n) sin w
1
(t 2n)
_
sin

2
(t 2n)
2
(t 2n)
Muestreo Irregular
Teorema de muestro de Kramer
Sea H espacio de Hilbert separable y subconjunto de R o C
Dada una funcion K : H, para x H se dene la
funcion:
f (t) := x, K(t))
H
_
f (t) := K(t), x)
H
_
t
Al espacio vectorial H
K
de todas las funciones denidas de
esta forma se le dota de estructura de espacio de Hilbert con
n ucleo reproductor
Muestreo Irregular
funcion:
f (t) := x, K(t))
H
_
f (t) := K(t), x)
H
_
t
K
n ucleo reproductor
Muestreo Irregular
funcion:
f (t) := x, K(t))
H
_
f (t) := K(t), x)
H
_
t
K
n ucleo reproductor
Muestreo Irregular
H
K
= f (t) := x, K(t))
H
: x H, t
H
K
es un RKHS
|f |
H
K
=nf|x| : Tx = f donde
T : x H f H
K
El n ucleo reproductor viene dado por
k(t, s) = K(s), K(t))
H
(k(t, s) = K(t), K(s))
H
)
Muestreo Irregular
H
K
= f (t) := x, K(t))
H
: x H, t
1
Estudio de la regularidad de las funciones en H
K
2
Muestreo en H
K
: Teorema de Kramer
3
Muestreo utilizando otro tipo de muestras
4
Cuando se escribira la serie muestral como una serie
interpolatoria tipo Lagrange?
f (t) =
n
f (t
n
)S
n
(t) =
n
f (t
n
)
P(t)
(t t
n
)P
(t
n
)
donde P tiene ceros simples en t
n

Muestreo Irregular
H
K
= f (t) := x, K(t))
H
: x H, t
1
K
2
Muestreo en H
K
: Teorema de Kramer
3
4
f (t) =
n
f (t
n
)S
n
(t) =
n
f (t
n
)
P(t)
(t t
n
)P
(t
n
)
n

Muestreo Irregular
Teorema de Kramer
Supongamos existe t
n
en tal que K(t
n
) es base ortogonal
de H. Entonces,
f (t) =
n
f (t
n
)S
n
(t) , t
donde
S
n
(t) =
K(t
n
), K(t))
H
|K(t
n
)|
2
La serie converge absolutamente en cada punto de y
uniformemente en subconjuntos de donde |K(t)| este acotada
Muestreo Irregular
H
K
= f (t) := x, K(t))
H
: x H, t
1
K
2
Muestreo en H
K
: Teorema de Kramer
3
4
f (t) =
n
f (t
n
)S
n
(t) =
n
f (t
n
)
P(t)
(t t
n
)P
(t
n
)
n

Muestreo Irregular
H
K
= f (t) := x, K(t))
H
: x H, t
1
K
2
Muestreo en H
K
: Teorema de Kramer
3
4
f (t) =
n
f (t
n
)S
n
(t) =
n
f (t
n
)
P(t)
(t t
n
)P
(t
n
)
n

Muestreo Irregular
H
K
= f (t) := x, K(t))
H
: x H, t
5
C omo obtener K y la sucesion t
n
?
Una manera de obtener los n ucleos K ha consistido en considerar
problemas diferenciales y en diferencias, de manera que la sucesion
t
n
sea la de los autovalores del problema y K(t
n
) la sucesion
de las correspondientes autofunciones.
6
Tipologa conocida del espacio H
K
. Por ejemplo, cuando H
K
sera un espacio de De Branges de funciones enteras?
Muestreo Irregular
H
K
= f (t) := x, K(t))
H
: x H, t
5
n
?
Ejemplo: Volviendo al Teorema de Shannon
_
iy
= ty ; x [, ]
y() = y()
[K(t)](x) = e
itx
; t
n
= n Z
6
K
K
Muestreo Irregular
H
K
= f (t) := x, K(t))
H
: x H, t
5
n
?
6
K
K
Muestreo Irregular
Teora de muestreo en espacios invariantes por traslacion
Denicion
Dada L
2
(R) se dene
V
:= span(t n) : n Z =
nZ
a
n
(t n) : a
n

2
(Z)
cuando (t n)
nZ
sea al menos un frame para V
Ejemplos
1
= sinc = V
= PW
2
= N
m
donde N
m
es el B-spline de orden m 1, i.e.,
N
m
:= N
1
N
1
N
1
(m veces) donde N
1
:=
[0,1]
3
es la funcion escala de un MRA
Muestreo Irregular
Denicion
Dada L
2
(R) se dene
V
nZ
a
n
(t n) : a
n

2
(Z)
cuando (t n)
nZ
Ejemplos
1
= sinc = V
= PW
2
= N
m
donde N
m
N
m
:= N
1
N
1
N
1
(m veces) donde N
1
:=
[0,1]
3
Muestreo Irregular
Denicion
Dada L
2
(R) se dene
V
nZ
a
n
(t n) : a
n

2
(Z)
cuando (t n)
nZ
Ejemplos
1
= sinc = V
= PW
2
= N
m
donde N
m
N
m
:= N
1
N
1
N
1
(m veces) donde N
1
:=
[0,1]
3
Muestreo Irregular
Denicion
Dada L
2
(R) se dene
V
nZ
a
n
(t n) : a
n

2
(Z)
cuando (t n)
nZ
Ejemplos
1
= sinc = V
= PW
2
= N
m
donde N
m
N
m
:= N
1
N
1
N
1
(m veces) donde N
1
:=
[0,1]
3
Muestreo Irregular
Supongamos las siguientes hipotesis sobre el generador :
La sucesion (t n)
nZ
es una base de Riesz de V
es continua en R
La serie
n=
[(t n)[
2
esta uniformemente acotada en R
Muestreo Irregular
Supongamos las siguientes hipotesis sobre el generador :
La sucesion (t n)
nZ
es una base de Riesz de V
es continua en R
La serie
n=
[(t n)[
2
esta uniformemente acotada en R
Sea T : L
2
(0, 1) V
el isomorsmo denido como

T(e
2inw
) := (t n) para cada n Z
Muestreo Irregular
T(e
2inw
Entonces:
Para cada f V
se tiene
f (t) = F, K
t
)
L
2
(0,1)
, t R
donde F = T
1
f y
K
t
(w) =
n=
(t n)e
2inw
= Z(t, w)
Muestreo Irregular
T(e
2inw
Entonces:
Para cada f V
se tiene
f (t) = F, K
t
)
L
2
(0,1)
, t R
donde F = T
1
f y
K
t
(w) =
n=
(t n)e
2inw
= Z(t, w)
Z es la transformada de Zak de
Muestreo Irregular
T(e
2inw
Entonces:
f (t) = F, K
t
)
L
2
(0,1)
, K
t
(w) = Z(t, w)
K
t+m
(w) = e
2imw
K
t
(w)
T
_
e
2imw
F(w)
= f (t m) si f = T(F)
Muestreo Irregular
T(e
2inw
Entonces:
f (t) = F, K
t
)
L
2
(0,1)
, K
t
(w) = Z(t, w)
K
t+m
(w) = e
2imw
K
t
(w)
T
_
e
2imw
F(w)
= f (t m) si f = T(F)
Muestreo Irregular
Teorema de muestreo en V
Supongamos 0 < |K
a
|
0
|K
a
|
< . Entonces, para cada

f V
f (t) =
n=
f (a + n)S
a
(t n) , t R
donde S
a
= T
_
1/K
a
_
. La convergencia de la serie es absoluta y
uniforme en R
Muestreo Irregular
Supongamos 0 < |K
a
|
0
|K
a
|

f V
f (t) =
n=
f (a + n)S
a
(t n) , t R
donde S
a
= T
_
1/K
a
_
uniforme en R
1
Muestreo no uniforme: f (a + n +
n
)
Muestreo Irregular
Supongamos 0 < |K
a
|
0
|K
a
|

f V
f (t) =
n=
f (a + n)S
a
(t n) , t R
donde S
a
= T
_
1/K
a
_
uniforme en R
1
n
)
Para que
n
con sup
n
[
n
[ < la sucesion K
a+
n
(w)e
2inw
nZ
es una base de Riesz obtenida perturbando K
a
(w)e
2inw
nZ
?
Muestreo Irregular
Supongamos 0 < |K
a
|
0
|K
a
|

f V
f (t) =
n=
f (a + n)S
a
(t n) , t R
donde S
a
= T
_
1/K
a
_
uniforme en R
1
n
)
2
Muestreo utilizando muestras de versiones ltradas de f

05 Sevilla

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

05 Sevilla

Transféré par

Droits d'auteur :

Formats disponibles

Indice

Un viaje matematico a traves del teorema de

es un espacio de Hilbert con n ucleo reproductor (RKHS)

es un espacio de Hilbert con n ucleo reproductor (RKHS)

f (s) = f , sinc( s))

(t, s) := sinc(t s) es el n ucleo reproductor de PW

A. G. Garca Viaje a traves del Teorema de Shannon

A. G. Garca Viaje a traves del Teorema de Shannon

A. G. Garca Viaje a traves del Teorema de Shannon

A. G. Garca Viaje a traves del Teorema de Shannon

Ventaja del Oversampling

A. G. Garca Viaje a traves del Teorema de Shannon

, el periodo de muestreo Nyquist es

se recupera a partir de sus muestras

, el periodo de muestreo Nyquist es

se recupera a partir de sus muestras

Formula interpolatoria tipo-Lagrange:

A. G. Garca Viaje a traves del Teorema de Shannon

Formula interpolatoria tipo-Lagrange:

A. G. Garca Viaje a traves del Teorema de Shannon

Podra valer innito aunque [

Podra valer innito aunque [

Podra valer innito aunque [

como un RKHS de funciones enteras:

(R) con supp T (, ).

(R) con supp T (, ).

A. G. Garca Viaje a traves del Teorema de Shannon

en los puntos de muestreo t

equivale a encontrar bases de Riesz, frames e

A. G. Garca Viaje a traves del Teorema de Shannon

, su transformada de Hilbert esta denida por

, su transformada de Hilbert esta denida por

A. G. Garca Viaje a traves del Teorema de Shannon

A. G. Garca Viaje a traves del Teorema de Shannon

A. G. Garca Viaje a traves del Teorema de Shannon

A. G. Garca Viaje a traves del Teorema de Shannon

el isomorsmo denido como

< . Entonces, para cada

< . Entonces, para cada

< . Entonces, para cada

< . Entonces, para cada

Vous aimerez peut-être aussi