第七章 小波分析(v).pptVIP

塔式算法（Mallat算法）： 7.11 离散小波变换的快速算法 不仅对尺度参数a和时移参数b进行离散化处理，而且信号在时间上也是离散的并表示为 ，这种情况下的母小波和相应的小波都应该是离散时间的，分别用 和 表示，这里 定义为 这样就可以把 关于 的离散小波变换（Discrete Wavelet Transform，简写为DWT）。定义如下 这是一种很适合于数值计算和工程实现的小波变换。本节介绍它的两种常用快速算法。 1. A Trous 算法 直接用定义式计算离散小波变换的困难在于：即使相应的连续时间母小波 是有限支撑的，对应的离散时间小波 的序列值的个数也会随 的加大而按 倍增加。 首先来看 的计算，由定义式得 引入符号 或 通过变量置换和代入可得 令 则有 以此类推，可以得到更一般的形式 (7.11.1) (7.11.2) 以上两个式子是我们要介绍的计算离散小波变换的第一种快速算法—A Trous算法。下图所示的是该算法的计算流程图。 图中， 是低通滤波器， 是带通滤波器， 表示的是“隔1抽1”或“抽出偶数下标取样值”的抽取运算。 在A Trous算法中，将求取 的内插运算转换成了求取 的抽取运算。随着尺度的增大， 的采样点成倍的减少，对于 的所有尺度， 的取样点总数为 为求 ，需要计算 与 的内积，不难看出，总的乘法运算量为 次，与直接计算相比，所需乘法次数 大为减少。 2. Mallat 算法 现在在离散小波变换的计算中，已知信号是离散时间序列 ，可以直接对 进行迭代计算。于是，可以写出如下计算离散小波变换的Mallat算法的相应公式： 为了由离散小波变换重建原始信号，可将离散时间序列 改写成以下形式： 式中， 是在尺度 下的逼近 与在 下的逼近 之间的信息差（或细节），可表示为 是 在子空间 上的正交投影，即 式中， 称为尺度系数，由下式确定 采用下列符号 和 由以上几式，得到Mallat算法的合成或重建公式为 下图所示的是计算离散小波变换以及重建原始信号的Mallat算法计算流程图。 Mallat算法的塔式计算结构（J=3） 由以上分析可以看出，Mallat算法结构与A Trous算法相同，但应注意，Mallat算法中没有一个滤波器是A Trous滤波器，它的两类滤波器必须满足以下4个条件： （1） （2） （3） （4） 具体含义请见p261 7.12 离散时间信号多分辨率分析理论 本节所要讨论的是离散时间序列 ，并讨论它的尺度和分辨率及其相互关系，讨论倍频程带滤波器组完全重建信号的条件，推导离散时间信号的塔式变换，从而建立起离散时间信号多分辨率分析的理论。 7.12.1 离散时间尺度 离散时间信号 用列矢量 表示为 在 的每两相邻取样值之间各插入一个零样本值，表示为 ，这里 是一个单位矩阵，定义为 因此有 用左乘矩阵 表示用冲击响应为 的滤波器进行的滤波处理。 定义为 例如，用滤波器 对 滤波，可写成 就是将 的尺度加大一倍的运算。 抽取偶数下标序列值（或“隔1抽1”）运算用左乘矩阵 表示， 定义为 例如，对 施以抽取运算 这是将 的尺度减小一半的计算。 由上面分析可以看出 的共轭转置矩阵或Hermitian矩阵为 若令 ，则 。因此，可以说 的Hermitian转置等于 的反共轭。类似的， 的Hermitian转置矩阵等于 的反共轭矩阵。 和 的这种Hermitian 转置性质很有用处： 第一，一种线性运算的转置归结为它的计算流程图转置。实际上，在任何情况下，尺度加倍和尺度减半运算的计算流程图都是互为转置的。只要推导出了尺度减半的算法，将其计算流程图取Hermitian转置便可得出尺度加倍的算法结构，反之亦然。推而广