小波入门.docVIP

小波入门 声明 本文旨在工程应用，而不是数学方法。这不是指文中没有数学知识，而是说在本文中没有证明过程。再我看来，数学论文并不具有可读性，因为证明部分是的文章凌乱不堪。证明部分读者可以参考相关文献。本文给出的公式等式是为了说明和简化一些问题。没有必要理解所有的方程式来理解全文。然后，为了更好的理解本文，还是需要一定的工程数学水平理论背景知识。一些信号处理的理论或许也会很有用。 本为给出的信息是正确的。而对于本文中的错误和对本文一些错误理解我们概不负责。文章中或许会有不正确、不完整、不清楚的地方，可以给予指正，有助于本为的研究。 目录 介绍 连续小波变换 小波特性 离散小波 带通滤波器 补充：约束 尺度函数 子带编码 离散小波变换 总结 参考文献 介绍 众所周知，利用傅里叶变换可以将一个信号表示为无限长的正弦余弦函数a表的和来表示。这个和也称为傅里叶展开。傅里叶展开做大的问题是它只有频域分量，而没有时域分量。这意味着虽然我们可以确定所有信号的频域信号，我们并不知道信号什么时候出现。为了解决这个问题，在过去十年间有了许多方法或多或少都能在时域和频域同时表达信号。 在时频交叉表达信号的背后有一个共同的思想就是将感兴趣的信号分为很多部分，然后对每一部分进行独立的分析。很显然，这样分析一个信号可以给出更多关于信号的时域和频域信息，但是它也导致了一个根本问题：如何分割信号？假设我们想知道准确的在某一时刻信号的所有频谱。我们使用狄拉克脉冲信号截取这一时间段的信号，对它进行频域变换。。。这样做事完全错误的。 问题是，这里是对信号和截取窗口卷积得到的信号进行截取。由于时域卷积对应频域乘积，而且狄拉克脉冲信号的傅里叶变换包含所有可能的频率信息，信号的频率将会被展开到整个频率轴。事实上，这种情形是标准傅里叶变换的相反情况，因为我们现在是有时域成分而没有频域信号。 这种现象的基本原理如海森伯格不确定性原理中所描述，在信号处理方面，指出在信号中不可能知道准确的频率和该频率下信号出现的准确时间。换句话说，一个信号不可以简单的表现为时频空间的点。不确定性原理显示如何截取信号非常重要。 小波变换/小波分析可能是最新的一种解决方案来克服傅里叶变换的缺点。在小波分析中，使用完全可伸缩调制窗口来解决信号截取问题。窗口随信号移动，计算每一个位置的频谱。最终结果是吸纳后时域-频域的共同表达，它们有不同的分辨率。这样，我们就爱你过其称为多分辨率分析。在小波中，我们通常不说时域域表达，而是时域-尺度表达，尺度与频率相反，这是由于频率是针对傅里叶变换的。 由于文献中并没有清楚的介绍过什么是大尺度和小尺度，我将其按如下方法定义：大尺度是大图片，而小尺度显示细节部分。这样本文中从大尺度变到小尺度其实就相当于缩放尺寸。 在后面几节中，我将解释小波变换，并给出如何将小波变换高效的应用在数字计算中。这种便函将会变得很有效，甚至不再用刀小波。（Are you serious ？） 在开始之前，我们继续做出一个申明。由于小波已经不是一个新知识，自产生到现在已近十五年，所以这里我就不再给出一个很全面很深刻的小波理论。已经发表了许多关于小波理论的书籍和可阅读的观点很好的文献。本文结尾给出的很多包括本文中的要点的相关文献，它们有小波理论更广泛的覆盖面。例如[Kai94], [Wei94], [She96], [Bur98], [Dau92], [Hub96], [Mal89], [Vet92]。我也同样给出了一些数学背景知识来阐述其相关性并给出详尽的陈述。 说了这么多，让我们赶快走进小波的世界。 连续小波变换 在介绍中描述的小波分析是一种连续小波变换或称为CWT。更正式点可写为： （1） 这里*表示复共轭。这个公式显示了函数是如何在基函数上分解，这个称为小波。变量s和是在经过小波变换之后的新的元（维），尺度和变换。为了保持完整性，公式2给出了小波变换的逆变换。在这个变换上我们不做扩展，因为我们不会用到它: (2) 小波是从一个一元基小波函数生成的，称其为母小波函数，通过缩放和变换得到的： (3） 再（3）式中，s是伸缩因子，是变换因子，是为了使能量在不同的尺度上标准化. 需要指出，在式（1）（2）（3）中，小波基函数并没有规定是什么样的。这也是小波变换与傅里叶变换或其他变换之间的区别。小波变换理论只是利用小波的一半特性和