82以图8-2中的信号为例,利用高斯小波进行如下计算：.docVIP

8．2 以图8-2中的信号为例，利用高斯小波进行如下计算： 1)计算信号的小波变换。 2)求出模极大曲线。 3)计算其中两个奇异点的Lipschitz指数。 1 实验说明 本实验的基本程序参考了wavelab，但全部按解题需求进行了重写。采用wavelab中的数据,即A Wavelet Tour of Signal Processing(2nd edition)中Fig6.6的信号，该信号比较简单，所得结果清楚，适合教学演示。实验结果和A Wavelet Tour of Signal Processing(2nd edition)书中的图示基本一致(Fig6.6.pdf)；区别在于该书中是对[0，1]上的原信号进行处理的结果显示，而本实验是对采样后(采样间距为1)所得信号进行处理的结果进行显示，对应的信号和尺度坐标会有不同。注意到，则可知尺度为的小波变换对应尺度为的小波变换。 2算法流程 实验算法如下： 1)计算信号在多个尺度下的小波变换wt。 2)计算模极大点。 将小波系数绝对值大于左右邻域的点判为模极大点，然后根据参数par计算自适应阈值，小于最大值的1/par的模极大点将被丢弃。最后，小波变换值为正标记为1，小波变换值为负则标记为-1。 3)求出极大曲线序列skellist(另有skelptr、skellen记录每条曲线的起始位置和长度)。 从最细尺度开始连接，即首先根据最细尺度的模极大值确定模极大曲线的数目及其起始点。之后依次往高一级尺度查找模极大曲线的其他点。记当前尺度的模极大点位置为A，则下一级尺度中，与A位置最近且标记相同的模极大点被选中。注意每确定一个点后，都要将该点的值清零。 4)绘制极大曲线在log2s, log2|Wf(s,u)|平面上的曲线图，求出最大斜率即Lipschitz指数+1/2。 为得到最合适的斜率，本实验采用matlab的polyfit函数对模极大曲线进行直线拟合。但由于横坐标为log2s，在最开始的一段间距内只记录了少数尺度上的值，例如开始长度为2的间距内只记录了最小4个尺度的值，对结果干扰较大，因此对于足够长的极大曲线，将最小的3个尺度丢弃；同时大尺度上的值也很可能和收敛方向不一致，因此只取了中间部分的值进行拟合。例如进行32个尺度的小波变换，最后取4~16尺度上的值进行拟合。 3代码实现 采用Matlab函数编程实现。具体程序见smallExp.m，GetSignal.m， ImageWT.m，MM_WT.m，SkelMap.m。各个函数的主要说明如下： 1）smallExp.m：function [ Lips ] = smallExp( ) 函数功能：检测信号的阶梯型边界点。 首先设计信号，计算信号在多个尺度下的小波变换wt，计算模极大点并连接模极大曲线，然后根据判定阶梯型边界的两种算法检测信号的阶梯型边界点。同时在函数中画出小波变换图和模极大曲线图。 输出参数： Lips：输出结果即奇异点位置和奇异指数列表。 2）GetSignal.m：function sig = GetSignal() 函数功能：引用wavelab中的数据,即A Wavelet Tour of Signal Processing(2nd edition)中Fig6.6的信号。 输出参数： sig：所构造的信号 3）ImageWT.m：function ImageWT(wt,n,s_scale,l_scale) 函数功能：画出信号的小波变换结果 输入参数： wt：小波变换矩阵 n：信号长度 s_scale：小波变换的尺度下界 l_scale：小波变换的尺度上界 4）MM_WT.m：function maxmap = MM_WT(wt, windowSize, par) 函数功能：计算模极大点，小波变换值为局部极大标记为1，小波变换值为局部极小则标记为-1。 输入参数： wt：小波变换矩阵 windowSize：邻域大小 par：计算自适应阈值所用参数，小于最大值的1/par的极大点将被丢弃。 输出参数： maxmap：极大点矩阵 5）SkelMap.m：function [skellist,skelptr,skellen] = SkelMap(maxmap) 函数功能：连接模极大曲线 输入参数： maxmap：极大点矩阵 输出参数： skellist：模极大曲线列表，依次记录每条曲线，第一行记录尺度，第二行记录位置。 skelptr：模极大曲线起始点列表，依次记录每条曲线的起始点在skellist中的位置。 skellen：模极大曲线长度列表，依次记录每条曲线的长度。 4实验结果 图1是A Wavelet Tour of Signal Process