9小波理论及变形分析模型1.pptVIP

连续小波基函数 小波，即小区域的波，是一种特殊的长度有限、平均值为零的波形。 小波的可容许条件： 小波特点： （一）“小”。即在时域都具有紧支集或近似紧支集。 （二）正负交替的“波动性”。即直流分量为零。 信号可分解为一系列由同一个母小波函数经平移与尺度伸缩得到的小波函数的叠加。 优点： 将小波母函数 进行伸缩和平移，就可以得到函数： 小波函数基，它们是由同一母函数 经伸缩和平移后得到的一组函数序列。 伸缩和平移的含义 1.尺度伸缩 2. 时间平移 由于小波基函数在时间、频率域都具有有限或近似有限的定义域，显然，经过伸缩平移后的函数在时、频域仍是局部性的。 小波基函数的窗口随尺度因子的不同而伸缩，当a逐渐增大时，基函数的时间窗口也逐渐增大，而其对应的频域窗口逐渐减小；反之亦然。 定量分析-时域 假定小波母函数窗口宽度为△t，窗口中心为t0，则相应可求出连续小波 的窗口中心为at0+τ，窗口宽度为a· △t。 即信号限制在时间窗内：[at0+τ- △t · a/2, at0+τ+△t · a/2] 定量分析-频域 同样，对于小波母函数的频域变换，其频域窗口中心为ω0，窗口宽度为△ ω，则相应的连续小波的傅立叶变换为： 其频域窗口中心为： 窗口宽度为： 信号在频域窗内： 从上面的时频域的讨论可见，连续小波的时频域窗口中心及其宽度都随a的变化而伸缩，如果我们称△t· △ ω为窗口函数的窗口面积，则： 可见：连续小波基函数的窗口面积不随参数的变化而变化。 几点结论： （1）尺度的倒数1/a在一定意义上对应于频率ω。即尺度越小，对应的频率越高。如果我们将尺度理解为时间窗口的话，则小尺度信号为短时间信号，大尺度信号为长时间信号。 （2）在任何τ值上，小波的时频窗口大小△t和△ ω都随频率ω（或a）的变化而变化。与短时傅立叶变换中的基 不同。 （3）在任何尺度a，时间点τ上，窗口面积保持不变，也可以说时间、尺度分辨率是相互制约的，不可能同时得到提高。 （4）品质因素 不随尺度变化而变化。 连续小波变换的定义和性质 1.连续小波变换的定义 将任意L2（R）空间中的函数f(t)在小波基下展开，称这种展开为函数f(t)的连续小波变换（CWT）。其表达式为： 其中： 从定义可以看出：小波变换和傅立叶变换一样，也是一种变换， 为小波变换系数。 也可见其与傅立叶变换的区别。 逆变换 若小波满足容许条件，则连续小波变换存在着逆变换。 容许条件： 逆变换公式： 连续小波变换的性质 （1）线性 （2）时移共变性 （3）时标定理。 性质 （4）微分运算 （5）能量守恒 （6）冗余度 几种常用的小波 小波分类的标准 （1） 的支撑长度，即当时间或频率趋向于无穷大时，它们从一个有限值收敛到0。 （2）对称性。它在图像处理中可以有效的避免移相。 （3） 的消失矩阵数。这对于压缩非常有用。 （4）正则性。它在对信号或图像的重构获得较好的平滑效果作用上是非常有用的。 具有对称性的小波不易产生相位畸变；具有好的正则性的小波，易于获得光滑的重构曲线和图像，从而减小误差。 长期以来，离散小波变换(Discrete Wavelet Transform)在数字信号处理、石油勘探、地震预报、医学断层诊断、编码理论、量子物理及概率论等领域中都得到了广泛的应用。各种快速傅氏变换(FFT)和离散小波变换(DWT)算法不断出现，成为数值代数方面最活跃的一个研究领域，而其意义远远超过了算法研究的范围，进而为诸多科技领域的研究打开了一个崭新的局面。本章分别对FFT和DWT的基本算法作了简单介绍，若需在此方面做进一步研究 。 尺度和位移的离散化方法 小波框架理论 二进小波变换 尺度和位移的离散化方法 为了减小小波变换系数的冗余度，我们将小波基函数 的a、τ限定在一些离散的点上取值。 离散化方法 （1）尺度的离散化。目前通行的做法是对尺度进行幂数级离散化。即令a取 离散化方法 （2）位移离散化。 通常对τ进行均匀离散取值，以覆盖整个时间轴， τ满足Nyquist采样定理。在a=2j时，沿τ轴的响应采样间隔是2j τ0，在a0=2情况下，j增加1，则尺度a增加一倍，对应的频率减小一半。此时采样率可降低一半而不导致引起信息的丢失。 因此在尺度j下，由于 的宽度是 的 倍，因此采样间隔可扩大