[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_s%C3%B3ng%20morlet{\"limit\":5}":3,"_public_topic_byId_s%C3%B3ng%20morlet":11},{"code":4,"data":5,"meta":10},"SUCCESS",{"latest":6,"mostCited":7,"vietnamFeatured":8,"vietnamLatest":9},[],[],[],[],null,{"code":4,"data":12,"meta":10},{"id":13,"title":14,"description":15,"content":16,"term":17,"englishTitle":18,"synonyms":19,"definition":23,"discipline":24,"references":25,"faqs":65,"createUser":78,"publishUser":82,"keywords":83,"keywordCount":79,"enrichTopicLink":84,"status":85,"createTime":86,"updateTime":87,"publishTime":88,"linkEnrichedTime":10,"publicationScanTime":10,"contentErrorMessage":10,"viewCount":89,"wikidataId":10,"relateTopics":90},"sóng morlet","Sóng Morlet (Morlet wavelet) là gì?","Sóng Morlet là wavelet liên tục dạng phức kết hợp sóng mang điều hòa và bao hình Gauss, tối ưu hóa độ phân giải liên kết thời gian - tần số.","\u003Cp>Sóng Morlet là một hàm sóng con liên tục (continuous wavelet) thuộc lớp hàm phức, được xây dựng từ một hàm sóng mang điều hòa nhân với một hàm bao hình Gauss nhằm phân tích các tín hiệu phi dừng trong không gian thời gian - tần số. Nhờ cấu trúc giải tích đối xứng, sóng Morlet mang lại sự cân bằng tối ưu giữa độ phân giải thời gian và độ phân giải tần số, cho phép trích xuất đồng thời thông tin về biên độ dao động tức thời và pha của các thành phần dao động cục bộ. Mục từ này trình bày định nghĩa toán học, nguồn gốc lịch sử, nguyên lý biến đổi liên tục, tính chất định vị theo nguyên lý bất định Heisenberg, cùng các ứng dụng tiêu biểu và giới hạn kỹ thuật của sóng Morlet.\u003C\u002Fp>\n\n\u003Ch2>Khái niệm và nguồn gốc lịch sử\u003C\u002Fh2>\n\n\u003Cp>Trong phân tích chuỗi thời gian và tín hiệu vật lý, các công cụ cổ điển như biến đổi Fourier toàn cục bộc lộ hạn chế căn bản khi xử lý các tín hiệu có đặc tính biến đổi theo thời gian (tín hiệu phi dừng). Biến đổi Fourier trải rộng các hàm cơ sở hình sin và cosin trên toàn bộ trục thời gian vô hạn, do đó làm mất hoàn toàn thông tin về thời điểm xuất hiện của các biến cố hoặc đột biến tần số. Nhằm khắc phục hạn chế này, biến đổi Fourier thời gian ngắn (Short-Time Fourier Transform, STFT) do Dennis Gabor đề xuất đã áp dụng một cửa sổ thời gian cố định trượt dọc theo tín hiệu. Tuy nhiên, chiều rộng cửa sổ cố định của STFT tạo ra một độ phân giải bất biến, không thể đồng thời phân tích tốt các thành phần tần số cao xảy ra chớp nhoáng và các thành phần tần số thấp biến đổi chậm.\u003C\u002Fp>\n\n\u003Cp>Vào năm 1982, kỹ sư địa vật lý người Pháp Jean Morlet công tác tại tập đoàn dầu khí Elf Aquitaine đã đề xuất ý tưởng sử dụng các hàm dao động có độ rộng co giãn tự nhiên tỷ lệ nghịch với tần số, gọi là các sóng con có hình dạng không đổi (ondelettes de forme constante), phục vụ xử lý sóng địa chấn phản xạ trong thăm dò địa tầng. Ngay sau đó, Jean Morlet hợp tác với nhà vật lý lý thuyết Alex Grossmann để hoàn thiện nền tảng toán học giải tích hàm trên không gian Hilbert. Đến năm 1984, Grossmann và Morlet chính thức công bố công trình chuyên khảo đặt nền móng giải tích cho biến đổi wavelet liên tục. Trong cùng năm 1984, Goupillaud, Grossmann và Morlet tiếp tục công bố các thuật toán chu kỳ bát độ (cycle-octave) ứng dụng trực tiếp sóng Morlet vào phân tích dữ liệu địa chấn phản xạ, đánh dấu sự ra đời của một nhánh toán học ứng dụng hiện đại.\u003C\u002Fp>\n\n\u003Cp>Về mặt phân loại học thuật, sóng Morlet nguyên bản là một wavelet dạng phức (complex Morlet wavelet). Trong một số bài toán kỹ thuật chỉ yêu cầu phân tích thành phần đối xứng, phần thực của hàm (dạng sóng cosin nhân bao Gauss) được trích xuất riêng biệt và thường được gọi là sóng Morlet thực (real Morlet wavelet) hoặc sóng Gabor thực. Tuy nhiên, dạng phức vẫn là cấu trúc tiêu chuẩn và mang lại giá trị phân tích vượt trội nhờ tính chất giải tích tự nhiên.\u003C\u002Fp>\n\n\u003Ch2>Cấu trúc toán học và biểu diễn giải tích\u003C\u002Fh2>\n\n\u003Cp>Về mặt toán học, hàm sóng con mẹ Morlet dạng phức được định nghĩa trên trục thời gian liên tục theo biểu thức sau:\u003C\u002Fp>\n\n\u003Cscript type=\"math\u002Ftex; mode=display\">\\psi(t) = \\pi^{-1\u002F4} e^{i \\omega_0 t} e^{-t^2\u002F2}\u003C\u002Fscript>\n\n\u003Cp>Trong biểu thức trên, các đại lượng được định nghĩa cụ thể như sau:\u003C\u002Fp>\n\n\u003Cul>\n  \u003Cli>Biểu thức \u003Cscript type=\"math\u002Ftex\">t\u003C\u002Fscript> đại diện cho biến số thời gian không thứ nguyên.\u003C\u002Fli>\n  \u003Cli>Hệ số \u003Cscript type=\"math\u002Ftex\">\\pi^{-1\u002F4}\u003C\u002Fscript> là thừa số chuẩn hóa năng lượng, đảm bảo năng lượng toàn phần của hàm sóng con trên toàn trục số thực đạt giá trị đơn vị, tức tích phân bình phương độ lớn của hàm bằng 1.\u003C\u002Fli>\n  \u003Cli>Thành phần \u003Cscript type=\"math\u002Ftex\">e^{i \\omega_0 t}\u003C\u002Fscript> là hàm sóng mang điều hòa phức, dao động với tần số trung tâm không thứ nguyên \u003Cscript type=\"math\u002Ftex\">\\omega_0\u003C\u002Fscript>. Theo công thức Euler, thành phần này được khai triển thành \u003Cscript type=\"math\u002Ftex\">\\cos(\\omega_0 t) + i \\sin(\\omega_0 t)\u003C\u002Fscript>.\u003C\u002Fli>\n  \u003Cli>Hàm \u003Cscript type=\"math\u002Ftex\">e^{-t^2\u002F2}\u003C\u002Fscript> là hàm bao hình Gauss có độ lệch chuẩn đơn vị, đóng vai trò cửa sổ suy giảm trơn tru giúp cô lập năng lượng dao động trong một khoảng thời gian hữu hạn xung quanh gốc tọa độ.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Cp>Khai triển chi tiết theo dạng đại số phức tách biệt, sóng Morlet được phân rã thành hai phần trực giao:\u003C\u002Fp>\n\n\u003Cscript type=\"math\u002Ftex; mode=display\">\\text{Re}\\{\\psi(t)\\} = \\pi^{-1\u002F4} \\cos(\\omega_0 t) e^{-t^2\u002F2}\u003C\u002Fscript>\n\n\u003Cscript type=\"math\u002Ftex; mode=display\">\\text{Im}\\{\\psi(t)\\} = \\pi^{-1\u002F4} \\sin(\\omega_0 t) e^{-t^2\u002F2}\u003C\u002Fscript>\n\n\u003Cp>Trong đó, phần thực \u003Cscript type=\"math\u002Ftex\">\\text{Re}\\{\\psi(t)\\}\u003C\u002Fscript> là một hàm chẵn đối xứng qua gốc tọa độ, đóng vai trò bộ lọc đồng pha với các dao động đỉnh; phần ảo \u003Cscript type=\"math\u002Ftex\">\\text{Im}\\{\\psi(t)\\}\u003C\u002Fscript> là một hàm lẻ phản đối xứng qua gốc tọa độ, đóng vai trò bộ lọc lệch pha một góc vuông. Sự kết hợp trực giao này tạo nên tính chất giải tích (analytic signal), giúp hàm wavelet không bị triệt tiêu biên độ tại các điểm cắt không của tín hiệu khảo sát.\u003C\u002Fp>\n\n\u003Cp>Phổ tần số của sóng Morlet được xác định thông qua phép biến đổi Fourier thuận:\u003C\u002Fp>\n\n\u003Cscript type=\"math\u002Ftex; mode=display\">\\hat{\\psi}(\\omega) = \\int_{-\\infty}^{\\infty} \\psi(t) e^{-i \\omega t} dt = \\pi^{-1\u002F4} \\sqrt{2\\pi} e^{-(\\omega - \\omega_0)^2 \u002F 2}\u003C\u002Fscript>\n\n\u003Cp>Phổ Fourier biểu diễn một đường cong phân phối Gauss tập trung đối xứng quanh tần số trung tâm \u003Cscript type=\"math\u002Ftex\">\\omega = \\omega_0\u003C\u002Fscript>. Phổ này có tính chất đơn cực (chỉ tập trung chủ yếu ở miền tần số dương khi \u003Cscript type=\"math\u002Ftex\">\\omega_0\u003C\u002Fscript> đủ lớn), giúp loại bỏ hiện tượng giao thoa giữa các thành phần tần số âm và tần số dương khi tái cấu trúc tín hiệu.\u003C\u002Fp>\n\n\u003Ch2>Nguyên lý biến đổi wavelet liên tục và điều kiện chấp nhận\u003C\u002Fh2>\n\n\u003Cp>Trong khuôn khổ phép biến đổi wavelet liên tục (Continuous Wavelet Transform, CWT), từ hàm sóng con mẹ \u003Cscript type=\"math\u002Ftex\">\\psi(t)\u003C\u002Fscript>, một họ các sóng con con được sinh ra thông qua hai phép biến đổi hình học cơ bản là co giãn tỷ lệ (scaling) và dịch chuyển vị trí thời gian (translation):\u003C\u002Fp>\n\n\u003Cscript type=\"math\u002Ftex; mode=display\">\\psi_{a,b}(t) = \\frac{1}{\\sqrt{|a|}} \\psi\\left(\\frac{t - b}{a}\\right)\u003C\u002Fscript>\n\n\u003Cp>Trong đó, tham số \u003Cscript type=\"math\u002Ftex\">a\u003C\u002Fscript> là hệ số co giãn biểu thị tỷ lệ thời gian (scale), tỷ lệ nghịch với tần số vật lý; tham số \u003Cscript type=\"math\u002Ftex\">b\u003C\u002Fscript> là hệ số dịch chuyển vị trí xác định tọa độ thời gian cục bộ cần khảo sát. Hệ số chuẩn hóa \u003Cscript type=\"math\u002Ftex\">\\frac{1}{\\sqrt{|a|}}\u003C\u002Fscript> bảo toàn mức năng lượng không đổi của sóng con qua mọi cấp tỷ lệ.\u003C\u002Fp>\n\n\u003Cp>Hệ số biến đổi wavelet liên tục của một tín hiệu thực tế \u003Cscript type=\"math\u002Ftex\">x(t)\u003C\u002Fscript> được tính bằng tích phân xen phủ:\u003C\u002Fp>\n\n\u003Cscript type=\"math\u002Ftex; mode=display\">W(a, b) = \\int_{-\\infty}^{\\infty} x(t) \\psi_{a,b}^*(t) dt = \\frac{1}{\\sqrt{|a|}} \\int_{-\\infty}^{\\infty} x(t) \\psi^*\\left(\\frac{t - b}{a}\\right) dt\u003C\u002Fscript>\n\n\u003Cp>Với \u003Cscript type=\"math\u002Ftex\">\\psi^*\u003C\u002Fscript> là liên hợp phức của hàm sóng con. Vì sóng Morlet là hàm phức, hệ số wavelet thu được \u003Cscript type=\"math\u002Ftex\">W(a, b)\u003C\u002Fscript> cũng là một đại lượng phức. Từ đó, người phân tích dễ dàng tách biệt hai thông số vật lý quan trọng:\u003C\u002Fp>\n\n\u003Cul>\n  \u003Cli>Biên độ năng lượng phổ thời gian - tần số: \u003Cscript type=\"math\u002Ftex\">|W(a, b)| = \\sqrt{\\text{Re}\\{W(a, b)\\}^2 + \\text{Im}\\{W(a, b)\\}^2}\u003C\u002Fscript>, phản ánh cường độ tức thời của dao động tại vị trí thời gian \u003Cscript type=\"math\u002Ftex\">b\u003C\u002Fscript> và tỷ lệ \u003Cscript type=\"math\u002Ftex\">a\u003C\u002Fscript>.\u003C\u002Fli>\n  \u003Cli>Góc pha tức thời: \u003Cscript type=\"math\u002Ftex\">\\theta(a, b) = \\arctan\\left(\\frac{\\text{Im}\\{W(a, b)\\}}{\\text{Re}\\{W(a, b)\\}}\\right)\u003C\u002Fscript>, phản ánh trạng thái dao động cục bộ và là cơ sở tính toán tính đồng bộ pha giữa các kênh tín hiệu.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch3>Điều kiện chấp nhận toán học (Admissibility Condition)\u003C\u002Fh3>\n\n\u003Cp>Để một hàm sóng có thể dùng làm cơ sở cho biến đổi liên tục và đảm bảo khả năng khôi phục hoàn toàn tín hiệu gốc thông qua phép biến đổi ngược, hàm sóng phải thỏa mãn điều kiện chấp nhận giải tích:\u003C\u002Fp>\n\n\u003Cscript type=\"math\u002Ftex; mode=display\">C_\\psi = \\int_{-\\infty}^{\\infty} \\frac{|\\hat{\\psi}(\\omega)|^2}{|\\omega|} d\\omega \u003C \\infty\u003C\u002Fscript>\n\n\u003Cp>Điều kiện tích phân hữu hạn này đòi hỏi phổ Fourier của hàm sóng con tại điểm tần số bằng 0 phải triệt tiêu hoàn toàn, tức \u003Cscript type=\"math\u002Ftex\">\\hat{\\psi}(0) = 0\u003C\u002Fscript>, đồng nghĩa với việc diện tích đại số của hàm sóng con trên toàn bộ trục thời gian phải bằng 0:\u003C\u002Fp>\n\n\u003Cscript type=\"math\u002Ftex; mode=display\">\\int_{-\\infty}^{\\infty} \\psi(t) dt = 0\u003C\u002Fscript>\n\n\u003Cp>Xét theo định nghĩa giải tích của hàm Morlet chuẩn, giá trị phổ Fourier tại gốc tần số là:\u003C\u002Fp>\n\n\u003Cscript type=\"math\u002Ftex; mode=display\">\\hat{\\psi}(0) = \\pi^{-1\u002F4} \\sqrt{2\\pi} e^{-\\omega_0^2 \u002F 2}\u003C\u002Fscript>\n\n\u003Cp>Rõ ràng, đại lượng này không hoàn toàn bằng 0 tuyệt đối đối với một giá trị \u003Cscript type=\"math\u002Ftex\">\\omega_0\u003C\u002Fscript> hữu hạn. Tuy nhiên, trong nghiên cứu thực hành chuẩn mực do Torrence và Compo công bố năm 1998, các tác giả đã chỉ ra rằng khi lựa chọn tham số tần số trung tâm bằng 6, giá trị \u003Cscript type=\"math\u002Ftex\">e^{-\\omega_0^2 \u002F 2} = e^{-18}\u003C\u002Fscript> chỉ đạt xấp xỉ 1.5e-8. Đây là một giá trị vô cùng nhỏ, nằm sâu dưới ngưỡng sai số dấu phẩy động của máy tính kỹ thuật số, do đó điều kiện chấp nhận được coi là thỏa mãn gần như tuyệt đối trên thực tế tính toán.\u003C\u002Fp>\n\n\u003Cp>Đối với các bài toán yêu cầu tính toán giải tích chặt chẽ tuyệt đối, người ta sử dụng dạng sóng Morlet hiệu chỉnh (corrected Morlet wavelet) bằng cách trừ đi số hạng điều chỉnh dịch chuyển thành phần một chiều:\u003C\u002Fp>\n\n\u003Cscript type=\"math\u002Ftex; mode=display\">\\psi_{\\text{adj}}(t) = \\pi^{-1\u002F4} \\left( e^{i \\omega_0 t} - e^{-\\omega_0^2\u002F2} \\right) e^{-t^2\u002F2}\u003C\u002Fscript>\n\n\u003Cp>Khi đó, tích phân toàn phần của hàm trên trục số thực đảm bảo triệt tiêu hoàn toàn về 0 với mọi giá trị của tham số \u003Cscript type=\"math\u002Ftex\">\\omega_0\u003C\u002Fscript>.\u003C\u002Fp>\n\n\u003Ch3>Mối quan hệ giữa tỷ lệ co giãn và chu kỳ Fourier tương đương\u003C\u002Fh3>\n\n\u003Cp>Trong biến đổi wavelet, trục tỷ lệ \u003Cscript type=\"math\u002Ftex\">a\u003C\u002Fscript> không đồng nhất trực tiếp với chu kỳ dao động hình sin truyền thống. Để phiên giải kết quả sang miền tần số vật lý quen thuộc, cần xác định bước sóng Fourier tương đương \u003Cscript type=\"math\u002Ftex\">\\lambda\u003C\u002Fscript>. Theo công thức dẫn xuất của Torrence và Compo (1998), chu kỳ Fourier tương đương của sóng Morlet được liên hệ với tỷ lệ co giãn \u003Cscript type=\"math\u002Ftex\">a\u003C\u002Fscript> theo hệ thức:\u003C\u002Fp>\n\n\u003Cscript type=\"math\u002Ftex; mode=display\">\\lambda = \\frac{4\\pi a}{\\omega_0 + \\sqrt{2 + \\omega_0^2}}\u003C\u002Fscript>\n\n\u003Cp>Khi thiết lập tham số chuẩn \u003Cscript type=\"math\u002Ftex\">\\omega_0 = 6\u003C\u002Fscript>, tỷ số giữa chu kỳ Fourier và tỷ lệ co giãn xấp xỉ bằng 1.03. Tỷ số gần bằng 1 này mang lại ưu điểm trực quan đặc biệt lớn cho sóng Morlet: giá trị tỷ lệ \u003Cscript type=\"math\u002Ftex\">a\u003C\u002Fscript> có thể xem gần như tương đương trực tiếp với chu kỳ dao động Fourier của hiện tượng vật lý đang khảo sát mà không đòi hỏi các phép hiệu chỉnh phức tạp.\u003C\u002Fp>\n\n\u003Ch2>Tính chất định vị và nguyên lý bất định Heisenberg-Gabor\u003C\u002Fh2>\n\n\u003Cp>Mọi công cụ biến đổi thời gian - tần số đều chịu sự ràng buộc cơ bản của nguyên lý bất định Heisenberg-Gabor. Nguyên lý này phát biểu rằng không có một phép biến đổi tuyến tính nào có thể đồng thời định vị chính xác vô hạn cả thời điểm xuất hiện và thành phần tần số của một tín hiệu. Độ bất định thời gian \u003Cscript type=\"math\u002Ftex\">\\Delta t\u003C\u002Fscript> và độ bất định tần số góc \u003Cscript type=\"math\u002Ftex\">\\Delta \\omega\u003C\u002Fscript> luôn bị chặn dưới bởi một hằng số vật lý:\u003C\u002Fp>\n\n\u003Cscript type=\"math\u002Ftex; mode=display\">\\Delta t \\cdot \\Delta \\omega \\ge 0.5\u003C\u002Fscript>\n\n\u003Cp>Trong công trình tổng quan kinh điển năm 1990 trên tạp chí IEEE Transactions on Information Theory, nhà toán học Ingrid Daubechies đã chứng minh rằng sóng Morlet là một trong số rất ít các họ hàm cơ sở đạt được giới hạn tối ưu này. Do được bao phủ bởi hàm mũ Gauss (hàm tối ưu duy nhất trong giải tích điều hòa đạt dấu bằng của bất đẳng thức Heisenberg), sóng Morlet thỏa mãn chính xác:\u003C\u002Fp>\n\n\u003Cscript type=\"math\u002Ftex; mode=display\">\\Delta t \\cdot \\Delta \\omega = 0.5\u003C\u002Fscript>\n\n\u003Cp>Điều này có nghĩa là diện tích hộp bất định (uncertainty box) trong mặt phẳng thời gian - tần số của sóng Morlet đạt mức nhỏ nhất có thể về mặt lý thuyết. Khi dịch chuyển sang các dải tỷ lệ khác nhau:\u003C\u002Fp>\n\n\u003Cul>\n  \u003Cli>Ở vùng tỷ lệ \u003Cscript type=\"math\u002Ftex\">a\u003C\u002Fscript> nhỏ (tương ứng vùng tần số cao), độ rộng cửa sổ thời gian co hẹp lại, cung cấp khả năng xác định thời điểm xảy ra biến cố cực kỳ chuẩn xác, chấp nhận độ bất định tần số mở rộng.\u003C\u002Fli>\n  \u003Cli>Ở vùng tỷ lệ \u003Cscript type=\"math\u002Ftex\">a\u003C\u002Fscript> lớn (tương ứng vùng tần số thấp), độ rộng cửa sổ thời gian giãn rộng ra, cung cấp khả năng nhận biết tần số dao động cực kỳ tinh tế, chấp nhận độ bất định thời gian tăng lên.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Cp>Cơ chế co giãn tự thích nghi này phản ánh đúng bản chất vật lý của các quá trình tự nhiên: dao động tần số cao thường diễn ra nhanh và mang tính chuyển tiếp, trong khi dao động tần số thấp cần nhiều chu kỳ kéo dài để thiết lập trạng thái ổn định.\u003C\u002Fp>\n\n\u003Ch2>So sánh sóng Morlet với các họ wavelet phổ biến\u003C\u002Fh2>\n\n\u003Cp>Để lựa chọn công cụ phù hợp trong thực tế nghiên cứu, bảng đối chiếu dưới đây so sánh các đặc tính kỹ thuật cốt lõi giữa sóng Morlet và các họ sóng con thông dụng khác:\u003C\u002Fp>\n\n\u003Ctable>\n  \u003Cthead>\n    \u003Ctr>\n      \u003Cth>Họ sóng con\u003C\u002Fth>\n      \u003Cth>Dạng đại số\u003C\u002Fth>\n      \u003Cth>Tính chất trực giao\u003C\u002Fth>\n      \u003Cth>Khả năng tách pha\u003C\u002Fth>\n      \u003Cth>Lĩnh vực ứng dụng ưu tiên\u003C\u002Fth>\n    \u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\n      \u003Ctd>\u003Cstrong>Morlet\u003C\u002Fstrong>\u003C\u002Ftd>\n      \u003Ctd>Phức (sóng mang điều hòa nhân bao Gauss)\u003C\u002Ftd>\n      \u003Ctd>Không trực giao\u003C\u002Ftd>\n      \u003Ctd>Trực tiếp qua hàm giải tích\u003C\u002Ftd>\n      \u003Ctd>Phân tích phổ thời gian - tần số, trích xuất pha, tính đồng pha trong chuỗi thời gian\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>\u003Cstrong>Mexican Hat\u003C\u002Fstrong>\u003C\u002Ftd>\n      \u003Ctd>Thực (đạo hàm bậc hai của hàm Gauss)\u003C\u002Ftd>\n      \u003Ctd>Không trực giao\u003C\u002Ftd>\n      \u003Ctd>Không trích xuất được góc pha\u003C\u002Ftd>\n      \u003Ctd>Phát hiện biên cạnh, nhận diện điểm uốn và cực trị cục bộ trong tín hiệu địa chấn\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>\u003Cstrong>Haar\u003C\u002Fstrong>\u003C\u002Ftd>\n      \u003Ctd>Thực (hàm bước nhảy gián đoạn)\u003C\u002Ftd>\n      \u003Ctd>Trực giao hoàn toàn\u003C\u002Ftd>\n      \u003Ctd>Không áp dụng\u003C\u002Ftd>\n      \u003Ctd>Phát hiện đột biến bước nhảy, biến đổi rời rạc tốc độ cao, xử lý dữ liệu logic\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>\u003Cstrong>Daubechies\u003C\u002Fstrong>\u003C\u002Ftd>\n      \u003Ctd>Thực (hàm trơn compact có số mômen triệt tiêu xác định)\u003C\u002Ftd>\n      \u003Ctd>Trực giao trực tiếp\u003C\u002Ftd>\n      \u003Ctd>Không áp dụng\u003C\u002Ftd>\n      \u003Ctd>Nén dữ liệu số, khử nhiễu tín hiệu, biến đổi wavelet rời rạc đa cấp độ phân giải\u003C\u002Ftd>\n    \u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n\u003Cp>Qua bảng so sánh trên, có thể thấy sóng Morlet vượt trội trong các bài toán đo lường và khảo sát phổ liên tục nhờ cấu trúc trơn và khả năng tách pha độc lập. Ngược lại, đối với các ứng dụng yêu cầu nén dữ liệu hoặc hoàn nguyên tín hiệu không dư thừa qua thuật toán phân tích đa phân giải tháp lọc Mallat, các họ wavelet trực giao như Daubechies lại chiếm ưu thế tuyệt đối.\u003C\u002Fp>\n\n\u003Ch2>Ứng dụng thực tế trong khoa học và kỹ thuật\u003C\u002Fh2>\n\n\u003Cp>Nhờ đặc tính cân bằng thời gian - tần số và biểu diễn pha giải tích, sóng Morlet đã trở thành tiêu chuẩn vàng trong nhiều nhánh khoa học thực nghiệm:\u003C\u002Fp>\n\n\u003Ch3>1. Xử lý tín hiệu địa chấn và thăm dò địa vật lý\u003C\u002Fh3>\n\u003Cp>Kể từ các công trình khởi xướng năm 1984 của Goupillaud, Grossmann và Morlet, biến đổi sóng con Morlet đã được áp dụng rộng rãi để bóc tách các sóng địa chấn phản xạ từ các mặt ranh giới địa tầng ngầm dưới lòng đất. Trong môi trường đất đá có tính hấp thụ và tán xạ tần số, các xung sóng truyền qua bị suy giảm phi tuyến. Biểu đồ thời gian - tần số của sóng Morlet cho phép các nhà địa chấn học định lượng chính xác hệ số suy giảm hấp thụ tầng lọc, phát hiện dị thường túi khí hoặc tích tụ dầu mỏ trong các tầng cát kết sâu.\u003C\u002Fp>\n\n\u003Ch3>2. Điện não đồ và khoa học thần kinh nhận thức\u003C\u002Fh3>\n\u003Cp>Trong sinh lý học thần kinh, não bộ hoạt động thông qua sự phối hợp nhịp nhàng của các mạng lưới neuron phức tạp, biểu hiện qua các dải sóng não đặc trưng. Năm 1996, nghiên cứu bước ngoặt của Tallon-Baudry và các cộng sự công bố trên The Journal of Neuroscience đã áp dụng sóng Morlet phức để phân tách hoạt động dao động trong dải tần gamma 40 Hz từ các bản ghi điện não đồ (EEG) của người. Nhờ khả năng phân tách biên độ và pha độc lập, nhóm tác giả đã chứng minh sự tồn tại của hai cơ chế thần kinh riêng biệt: dao động khóa pha với kích thích thị giác và dao động không khóa pha phản ánh quá trình liên kết nhận thức đối tượng trong vỏ não. Ngày nay, sóng Morlet là công cụ trung tâm trong các phần mềm xử lý tín hiệu thần kinh mã nguồn mở như EEGLAB và Brainstorm để tính toán hệ số đồng bộ pha liên vùng não.\u003C\u002Fp>\n\n\u003Ch3>3. Khí tượng thủy văn và nghiên cứu biến đổi khí hậu\u003C\u002Fh3>\n\u003Cp>Các chuỗi thời gian khí hậu, chẳng hạn như chỉ số dao động phương Nam (SOI) hay chỉ số dao động Bắc Đại Tây Dương (NAO), thường thể hiện các chu kỳ dao động không liên tục và chịu ảnh hưởng của các hiện tượng cực đoan ngẫu nhiên. Công trình kinh điển năm 1998 của Torrence và Compo đã sử dụng sóng Morlet để phân tích hiện tượng El Niño - Dao động phương Nam (ENSO), chứng minh rằng chu kỳ thống trị của ENSO dịch chuyển biến thiên từ khoảng chu kỳ ngắn hạn đến dài hạn, đồng thời định lượng hóa sự tương tác pha giữa các vùng biển xích đạo.\u003C\u002Fp>\n\n\u003Ch3>4. Phân tích chuỗi thời gian kinh tế và tài chính tại Việt Nam\u003C\u002Fh3>\n\u003Cp>Tại Việt Nam, các mô hình phân tích liên kết sóng con (Wavelet Coherency) và liên kết từng phần dựa trên hàm cơ sở Morlet đang được các nhà nghiên cứu tài chính ứng dụng mạnh mẽ trên các ấn phẩm học thuật. Phương pháp này giúp đo lường mức độ đồng chuyển động (co-movement) và hiện tượng lan truyền rủi ro giữa chỉ số thị trường chứng khoán VN-Index, biến động tỷ giá hối đoái tiền tệ và giá vàng quốc tế theo từng khung thời gian ngắn hạn, trung hạn và dài hạn.\u003C\u002Fp>\n\n\u003Ch2>Hạn chế và lưu ý kỹ thuật khi áp dụng\u003C\u002Fh2>\n\n\u003Cp>Bên cạnh các ưu thế vượt trội, việc triển khai sóng Morlet trong thực nghiệm đòi hỏi người nghiên cứu phải kiểm soát chặt chẽ các giới hạn kỹ thuật sau:\u003C\u002Fp>\n\n\u003Cul>\n  \u003Cli>\u003Cstrong>Vùng ảnh hưởng của biên (Cone of Influence, COI):\u003C\u002Fstrong> Khi tính toán biến đổi wavelet liên tục trên một chuỗi tín hiệu có độ dài thời gian hữu hạn, các phép tính tích phân xen phủ tại điểm đầu và điểm cuối của dãy số liệu bị thiếu dữ liệu quá khứ hoặc tương lai, dẫn tới hiện tượng méo biên (edge effects). Vùng hình nón ảnh hưởng COI xác định phạm vi mà tại đó biên độ sóng con suy giảm xuống \u003Cscript type=\"math\u002Ftex\">e^{-2}\u003C\u002Fscript> so với đỉnh cực đại; mọi hiện tượng hoặc công suất phổ quan sát được nằm ngoài vùng COI đều không đảm bảo ý nghĩa thống kê và cần bị loại bỏ khi diễn giải dữ liệu.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Tính dư thừa thông tin (Information Redundancy):\u003C\u002Fstrong> Biến đổi wavelet liên tục ánh xạ một tín hiệu một chiều thành một ma trận hai chiều liên tục theo thời gian và tỷ lệ. Do sóng Morlet không tạo thành một hệ cơ sở trực giao chặt chẽ, các hệ số wavelet lân cận có mức độ tương quan cao, dẫn tới dung lượng dữ liệu phình to và đòi hỏi chi phí lưu trữ lớn.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Độ trễ tính toán:\u003C\u002Fstrong> Việc tính toán tích phân xen phủ qua hàng trăm cấp tỷ lệ co giãn đòi hỏi tài nguyên xử lý lớn hơn nhiều so với thuật toán biến đổi Fourier nhanh (FFT) hay biến đổi wavelet rời rạc (DWT). Trong thực hành tính toán, phép biến đổi CWT của sóng Morlet thường được thực thi gián tiếp trong miền tần số thông qua tích của phép biến đổi Fourier nhanh để tối ưu hóa tốc độ xử lý.\u003C\u002Fli>\n\u003C\u002Ful>\n","sóng Morlet","Morlet wavelet",[20,21,22],"sóng con Morlet","wavelet Morlet","Gabor wavelet","Sóng Morlet là một hàm sóng con liên tục được cấu tạo bởi một sóng sin điều hòa phức nhân với một hàm bao hình Gauss, mang lại độ định vị tối ưu trong miền thời gian - tần số theo nguyên lý bất định Heisenberg-Gabor.","ENGINEERING_TECHNOLOGY",[26,34,41,49,57],{"citationText":27,"title":28,"authors":29,"source":30,"year":31,"doi":32,"url":33},"Grossmann A., Morlet J. (1984). Decomposition of Hardy Functions into Square Integrable Wavelets of Constant Shape. SIAM Journal on Mathematical Analysis, 15(4), 723-736.","Decomposition of Hardy Functions into Square Integrable Wavelets of Constant Shape","Alex Grossmann, Jean Morlet","SIAM Journal on Mathematical Analysis",1984,"10.1137\u002F0515056","https:\u002F\u002Fdoi.org\u002F10.1137\u002F0515056",{"citationText":35,"title":36,"authors":37,"source":38,"year":31,"doi":39,"url":40},"Goupillaud P., Grossmann A., Morlet J. (1984). Cycle-octave and related transforms in seismic signal analysis. Geoexploration, 23(1), 85-102.","Cycle-octave and related transforms in seismic signal analysis","Pierre Goupillaud, Alex Grossmann, Jean Morlet","Geoexploration","10.1016\u002F0016-7142(84)90025-5","https:\u002F\u002Fdoi.org\u002F10.1016\u002F0016-7142(84)90025-5",{"citationText":42,"title":43,"authors":44,"source":45,"year":46,"doi":47,"url":48},"Torrence C., Compo G. P. (1998). A Practical Guide to Wavelet Analysis. Bulletin of the American Meteorological Society, 79(1), 61-78.","A Practical Guide to Wavelet Analysis","Christopher Torrence, Gilbert P. Compo","Bulletin of the American Meteorological Society",1998,"10.1175\u002F1520-0477(1998)079\u003C0061:apgtwa>2.0.co;2","https:\u002F\u002Fjournals.ametsoc.org\u002Fview\u002Fjournals\u002Fbams\u002F79\u002F1\u002F1520-0477_1998_079_0061_apgtwa_2_0_co_2.xml",{"citationText":50,"title":51,"authors":52,"source":53,"year":54,"doi":55,"url":56},"Daubechies I. (1990). The wavelet transform, time-frequency localization and signal analysis. IEEE Transactions on Information Theory, 36(5), 961-1005.","The wavelet transform, time-frequency localization and signal analysis","Ingrid Daubechies","IEEE Transactions on Information Theory",1990,"10.1109\u002F18.57199","https:\u002F\u002Fdoi.org\u002F10.1109\u002F18.57199",{"citationText":58,"title":59,"authors":60,"source":61,"year":62,"doi":63,"url":64},"Tallon-Baudry C., Bertrand O., Delpuech C., Pernier J. (1996). Stimulus Specificity of Phase-Locked and Non-Phase-Locked 40 Hz Visual Responses in Human. The Journal of Neuroscience, 16(13), 4240-4249.","Stimulus Specificity of Phase-Locked and Non-Phase-Locked 40 Hz Visual Responses in Human","Catherine Tallon-Baudry, Olivier Bertrand, Claude Delpuech, Jacques Pernier","The Journal of Neuroscience",1996,"10.1523\u002Fjneurosci.16-13-04240.1996","https:\u002F\u002Fdoi.org\u002F10.1523\u002Fjneurosci.16-13-04240.1996",[66,69,72,75],{"question":67,"answer":68},"Sóng Morlet khác gì so với biến đổi Fourier truyền thống?","Biến đổi Fourier truyền thống chỉ phân tích tín hiệu trên miền tần số thuần túy và làm mất hoàn toàn thông tin về thời điểm xảy ra biến cố. Ngược lại, sóng Morlet sử dụng cửa sổ Gauss co giãn theo tần số, cho phép xác định chính xác thời điểm và dải tần số của các hiện tượng phi dừng.",{"question":70,"answer":71},"Tại sao tần số trung tâm của sóng Morlet thường được chọn bằng 6?","Khi tần số trung tâm bằng 6, giá trị phổ Fourier tại điểm 0 của sóng Morlet chỉ xấp xỉ 1.5e-8, đủ nhỏ để triệt tiêu trên thực tế tính toán số và thỏa mãn điều kiện chấp nhận wavelet mà không cần bổ sung số hạng hiệu chỉnh phức tạp.",{"question":73,"answer":74},"Sóng Morlet là sóng thực hay sóng phức?","Sóng Morlet chuẩn là một hàm phức bao gồm phần thực cosin và phần ảo sin nhân với bao Gauss. Cấu trúc phức này cho phép người phân tích tách biệt và đo lường trực tiếp cả biên độ phổ tức thời lẫn góc pha dao động cục bộ của tín hiệu.",{"question":76,"answer":77},"Khi nào không nên sử dụng sóng Morlet?","Sóng Morlet không phù hợp cho các bài toán yêu cầu nén dữ liệu hoặc biến đổi trực giao không dư thừa (như chuẩn nén ảnh JPEG 2000), do phép biến đổi liên tục CWT của sóng Morlet tạo ra lượng dữ liệu hệ số lớn và có tính dư thừa thông tin cao.",{"id":79,"researcherId":10,"name":80,"imageUrl":81},1,"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",{"id":79,"researcherId":10,"name":80,"imageUrl":81},[13],false,"PUBLISHED","2025-12-01T11:21:15.619+00:00","2026-11-02T05:37:59.769+00:00","2026-11-02T05:37:59.741+00:00",0,[91,101,106,111,116,121,126,131,136,141],{"id":92,"title":93,"term":94,"englishTitle":95,"definition":96,"discipline":24,"disciplineCode":97,"disciplineLabel":98,"disciplineColor":99,"disciplineIcon":100},"thuật toán heuristic","Thuật toán heuristic là gì? Phân loại, nguyên lý và ứng dụng","Thuật toán heuristic","heuristic algorithm","Thuật toán heuristic (heuristic algorithm, hay phương pháp phỏng đoán) là kỹ thuật giải quyết bài toán được thiết kế nhằm tìm kiếm lời giải đủ tốt và chấp nhận được trong khoảng thời gian tính toán thực tế cho các bài toán tối ưu hóa phức tạp, đánh đổi tính tối ưu tuyệt đối để lấy tốc độ thực thi.","engineering-technology","Kỹ thuật và công nghệ","#5B62F4","cpu",{"id":102,"title":103,"term":102,"englishTitle":104,"definition":105,"discipline":24,"disciplineCode":97,"disciplineLabel":98,"disciplineColor":99,"disciplineIcon":100},"hỏa hoạn","Hỏa hoạn là gì? Các bài báo nghiên cứu khoa học liên quan","fire","Hỏa hoạn là sự cố cháy lớn ngoài tầm kiểm soát do phản ứng hóa học tỏa nhiệt nhanh giữa chất cháy và chất oxy hóa (thường là oxy trong không khí), gây thiệt hại nghiêm trọng về người, tài sản và môi trường.",{"id":107,"title":108,"term":107,"englishTitle":109,"definition":110,"discipline":24,"disciplineCode":97,"disciplineLabel":98,"disciplineColor":99,"disciplineIcon":100},"hệ thống hỗ trợ quyết định","Hệ thống hỗ trợ quyết định là gì? Các nghiên cứu khoa học","decision support system","Hệ thống hỗ trợ quyết định (Decision Support System - DSS) là hệ thống thông tin tích hợp dữ liệu, mô hình phân tích và giao diện tương tác nhằm hỗ trợ con người giải quyết các bài toán ra quyết định phức tạp và bán cấu trúc.",{"id":112,"title":113,"term":112,"englishTitle":114,"definition":115,"discipline":24,"disciplineCode":97,"disciplineLabel":98,"disciplineColor":99,"disciplineIcon":100},"tổn thất công suất","Tổn thất công suất là gì? Nguyên nhân, công thức và giải pháp","power loss","Tổn thất công suất là hiện tượng tiêu hao năng lượng điện dưới dạng nhiệt hoặc từ trường trong các phần tử của hệ thống điện như dây dẫn, máy biến áp và thiết bị truyền tải trong quá trình vận hành.",{"id":117,"title":118,"term":117,"englishTitle":119,"definition":120,"discipline":24,"disciplineCode":97,"disciplineLabel":98,"disciplineColor":99,"disciplineIcon":100},"khí động học","Khí động học: Khái niệm, nguyên lý và ứng dụng","Aerodynamics","Khí động học là một thuật ngữ và phạm trù học thuật then chốt trong lĩnh vực engineering technology, phản ánh các nguyên lý, cơ chế và phương pháp luận chuyên sâu đã được chuẩn hóa trong nghiên cứu và ứng dụng thực tiễn.",{"id":122,"title":123,"term":122,"englishTitle":124,"definition":125,"discipline":24,"disciplineCode":97,"disciplineLabel":98,"disciplineColor":99,"disciplineIcon":100},"trao đổi nhiệt","Trao đổi nhiệt là gì? Các nghiên cứu khoa học liên quan","heat transfer","Trao đổi nhiệt là quá trình truyền năng lượng nhiệt giữa các vật thể hoặc hệ thống vật lý có sự chênh lệch nhiệt độ qua ba cơ chế dẫn nhiệt, đối lưu và bức xạ cho đến khi đạt trạng thái cân bằng nhiệt.",{"id":127,"title":128,"term":127,"englishTitle":129,"definition":130,"discipline":24,"disciplineCode":97,"disciplineLabel":98,"disciplineColor":99,"disciplineIcon":100},"ứng suất nhiệt","Ứng suất nhiệt là gì? Các bài nghiên cứu khoa học liên quan","ung suat nhiet","khái niệm và đối tượng nghiên cứu cơ bản trong khoa học kỹ thuật và công nghệ, phản ánh các đặc trưng bản chất, cơ chế vận hành và các quy luật tương tác hệ thống trong thực tiễn.",{"id":132,"title":133,"term":132,"englishTitle":134,"definition":135,"discipline":24,"disciplineCode":97,"disciplineLabel":98,"disciplineColor":99,"disciplineIcon":100},"lực kéo","Lực kéo là gì? Bản chất cơ học, công thức và ứng xử vật liệu","tensile force","Lực kéo (tensile force) là lực tác dụng có xu hướng làm giãn dài hoặc kéo dãn một vật thể dọc theo trục tác dụng, gây ra trạng thái ứng suất kéo và biến dạng kéo trong vật liệu.",{"id":137,"title":138,"term":137,"englishTitle":139,"definition":140,"discipline":24,"disciplineCode":97,"disciplineLabel":98,"disciplineColor":99,"disciplineIcon":100},"np khó","NP-khó là gì? Độ phức tạp, định lý Cook và giải pháp","NP-hard","NP-khó là lớp các bài toán tính toán mà mọi bài toán trong lớp NP đều có thể quy dẫn thời gian đa thức về chúng, bao gồm cả các bài toán tối ưu hóa.",{"id":142,"title":143,"term":142,"englishTitle":144,"definition":145,"discipline":24,"disciplineCode":97,"disciplineLabel":98,"disciplineColor":99,"disciplineIcon":100},"pendubot","Pendubot là gì? Cấu tạo, động học và điều khiển con lắc ngược","Pendubot","Pendubot là một hệ thống cơ điện tử gồm con lắc ngược hai khâu chuyển động phẳng thiếu cơ cấu chấp hành, đóng vai trò là mô hình chuẩn mực trong nghiên cứu điều khiển phi tuyến."]