高等数字信号处理 吴正国 尹为民 第6章3新.ppt

第三节 小波级数的快速算法 一、二进尺度的小波级数计算 二、小波级数计算中的边界延拓 ⒉周期延拓及矩阵表示(以简单周期延拓为例) 利用周期信号的小波变換特性來研究有限长度信 号小波级数计算中的周期延拓问题。令周期序列为 记 的长度皆为 L ，则对于 N 奌输入 信号的 Mallat 算法公式变为 若令 对于 0≤ j ≤J 成立，则上式 中对每一个 k 仅有 L 次非零乘法，因此上式可记为如 下矩阵形式 * ■ ▲ ■ * 假定信号长度为N，扩張函数长度为 K ( j )，M为 两者中最大者 ，随着 j 的增加，K ( j ) 将迅速增加。 从而使 M 迅速增加，即使用 FFT 算法，计算所有 j 尺 度的小波级数的计算量也是很大的。 对于二进尺度的小波级数计算可使用 mallat 算法， 由于二倍再取样的结果，后面将证明，用该算法计算 所有 二进尺度的小波级数其乘法次数只需2NL ( L为双 尺度序列长度，一般 L远小于N )。 Mallat 算法只解决了 DWT 的计算问题，为了计 算连续函数 f ( t ) 的小波级数，还需计算 ⒈ Shensa 算法:利用Mallat算法计算小波级数 ①算法推导 时域取样间 隔 滿足取样定 理条件 可以由 f ( n ) 通过滤波器 q ( n ) 而得到 ②算法框图 ③ q ( n )与对偶尺度函数 的关系 滤波器的频率响应为 ( -π，π)内对偶尺度函数 频谱周期延拓的结果。(ω为模拟频率) 但滿足取样 定理条件 为数字频率 若尺度函数频谱的最大非零频率 则 若尺度函数频谱的低通带宽充分大(或b0充分大)，使得频谱在积分范围内近似为1，则有 即只有在这种情况下，可用信号的取样值直接进行小 波级数计算。在保证 f ( t ) 尽可能小的取样失真条件 下，取样间隔不可能太大。但是，对于与小波函数对应的 尺度函数而言，由于其时窗充分的小，其低通帶宽是可能 充分大，从而使上式成立。因此，对于实际应用的小波变 换而言，通常令信号的取样值(取样率滿足取样定理要求) 为 由于T充分小，对于充分大的ω仍有下式成立： ⒉ A Trous 算法 ①基本思想：通过使用特殊的尺度函数，达到直接使 用 f ( n ) 进行小波级数计算的目的。 使用具有无限低通带宽的尺度函数的特殊尺度函数， 即有下述算法 若尺度函数φ( t ) 滿足 则 ②公式推导 为多孔 ( a trous )滤波器，h(n) 的偶数点除零外皆为零。 定义序列g(n)满足下式(注意此式不是双尺度方程)： 据Mallat算法 由于小波函数不满足双尺度方程，需重新推导 的递推式。 据小波变换定义得： 引用g(n)的定义式及h(n)的双尺度方程可导出下式： 类推得 实施变量代换l=k-m ③计算框图 g (n )是给定小波函数的取样，为帶通滤波器，而不是 高通滤波器； h ( n )为无限序列，它的偶数奌 ( 除零外 )固定为零；但奇数点可选 由 f ( n ) 直接求小波级数 g ( n )与h ( n )不满足正交关係 φ( t –k ) 巳不是正交基 ⒊算法使用中应注意的问题 ①计算复杂度:以 Mallat 算法为例 假定 的长度皆为L，总分解Ｊ个尺度， 则对于每个输入奌的实数乘法次数为 输入序列长度为 ，则乘法次数为 ②时间间隔加密 在Mallat算法中，由于二倍再取样运算，使小波 级数的时间间隔 随尺度 j 的增加而迅速加大。从而 使时间分辨率变差。在某些应用中，这是不方使的。 为此可通过取消二倍再取样运算使间隔加密。 ③滤波器的优化没计 a trous算法的h(n)是无限长度的，实际计算时应截断 。可优化设计h(n)的奇数点值，使下式最小化 有限长度序列卷积运算的结果会使序列长度加 长;并且可能在边界增加虚假的阶跃信号，造成误差。 即边界效应。为减小边界效应，可进行周期延拓，变 有限长度序列为无限长的周期序列。 使用周期延拓方法解决边界问题的关键在于小波级数应与输入一样具有周期性。令 f ( t )为周期函数，周期为 ①小波级数的周期性 ⒈周期信号的小波变换特性 对于周期为N的周期信号，其 皆为周期为 的周期序列。 将 中相等的元素合并，可得 ②周期信号小波级数的最大分解尺度 考虑到 的周期性，由 由于对于 t 变量而言，它是以 N 为周期(频率 ) 的函数，将其进行富里叶级数展开，其展开系数为 令 j=J ,并考虑到 ，则在正交小波条件下， 由于对于任何s不等零