小波变换原理与应用创新.pptVIP

* 小波的快速算法——Mallat算法 在多分辨分析的讨论中，可以看到正交小波变换可以等效为一组镜像滤波的过程，即信号通过一个分解高通滤波器和分解低通滤波器，自然的高通滤波器输出对应的信号的高频分量部分，称为细节分量，低通滤波器输出对应了信号的相对较低的频率分量部分，称为近似分量。对应的快速算法称为Mallat算法 * 小波的快速算法——Mallat算法 滤波分解算法带来一个新的问题，就是针对离散的数据序列，经过滤波分解会得到多于原数据点数的数据序列。比如，原数据序列有1000个采样点，经过滤波分解后，会得到1000点的近似分量序列和1000点的细节分量序列，这样就得到了2000个采样点数据，在小波变换的Mallat算法实现中，可以利用降采样的方法即在输出的两点中只取一个数据点，这样产生两个为原信号数据长度一半的序列，称为简单记为cA和cD，虽然近似分量和细节分量的数据长度仅为原信号序列的一半，但是却完整的包含的原信号的信息内容。 * 小波的快速算法——Mallat算法 Mallat算法的降采样 * 小波的快速算法——Mallat算法 小波分解树 * 小波的快速算法——Mallat算法 到此我们已经知道离散小波变换是怎么样分析或者怎样来分解一个信号，这个过程通常也称为分解分析，那么自然想到另外一个对应的问题就是如何将这些分解得到分量能够整合到一起恢复原信号并且没有任何的信息损失，这一过程就称为小波重构或者小波合成，实质上就是逆离散小波变换（Inverse Discrete Wavelet Transform，简称：IDWT）。在离散小波变换或小波分解的过程中包含了滤波和降采样，那么在小波重构过程中需要进行过采样和滤波。过采样是通过在相邻采样点之间插入零值的来实现的，利用过采样可以使得信号分量的长度增加为原来的两倍，以达到和需要重构信号一致的采样数据长度。 * 小波的快速算法——Mallat算法 * 小波的快速算法——Mallat算法 塔式分解和重构示意图 * 小波的快速算法——Mallat算法 局部分量的重构 在一些工程应用中，只需要关心信号中的某个分量，此时对细节分量和近似分量的单独重构成为必要，通过将其他分量系数置零的方式，利用Mallat算法是非常容易的 * 小波包分解算法——精细化处理 小波包分析可以看作是小波分解的一种推广方法，利用小波包进行分析可以得到对信号更为精细的分析结果。通过将频带进行多层次划分，对多分辨分析没有细分的高频分量部分进行进一步的分解，并根据被分析信号特征，通过自适应的选择相应频带，达到与信号频谱的匹配，实现精细化处理。小波包原子是一种被时间、尺度和频率来表征的函数波形，对于一个给定的正交小波函数，我们能够在此基础上生成一组基，这组基一般称为小波包基。简单的说，小波包就是一个函数族，可以由这组函数族构造出L2(R)的标准正交基库，从这组标准正交基库中可以选择出多组标准正交基，对于多分辨分析小波变换（正交小波变换）只是选择了其中的一组基，从这个意义上讲小波包就是小波变换的一种推广。 * 小波包分解算法——精细化处理 小波包分解树 * 4.几种常用的小波简介 经过十多年的发展,科学家们已经设计出了几种在工程技术领域有非常重要应用的小波函数,在这里作一简单介绍. 1. Morlet小波,它是高斯包络下的单频率复正弦函数: * 4.几种常用的小波简介 2. Marr小波,也叫墨西哥草帽小波,它是高斯函数的二阶导数. * 4.几种常用的小波简介 * 4.几种常用的小波简介 * 5.小波变换的应用领域 事实上小波分析的应用领域十分广泛，它包括：数学领域的许多学科；信号分析、图象处理；量子力学、理论物理；军事电子对抗与武器的智能化；计算机分类与识别，音乐与语言的人工合成；医学成像与诊断；地震勘探数据处理；大型机械的故障诊断等方面。 * 小波分析在地球物理勘探中的应用 　　 （1）地震数据压缩。将地震记录作小波变换，变换后的结果做阈值量化，去除大量接近于零的值，用一定的记录方式把结果存储起来，达到压缩的目的。当需要再利用这些地震数据时，作小波逆变换恢复原来的地震记录。 （2）油气预测。地球物理勘探中，寻求地壳物质物性参数的奇异性是非常有意义的。例如，断层会使重力异常产生的较大变化；在地壳介质的分界面处，地震波的传播会产生速度和方向的变化，这些都是地球物理信号的奇异性。判断出奇异性的大小和位置就可以对异常现象做出解释。 * 小波分析用于信号和图像处理 　　 （1）数据压缩。随着科学技术特别是计算机技术的发展以及互联网的普及，许多应用领域（如卫星监测、地震勘探、天