小波分析2009(第9讲：小波分析应用举例..pptVIP

小波分析及其应用Wavelet Analysis andIt’s Applications 西南交通大学 电气工程学院 何 正 友 （2009年3月） 第8讲 小波分析应用举例 西南交通大学电气工程学院 电力信息研究室 本讲要点 8.1小波分析在电力系统故障测距中的应用 8.2小波分析在电力系统负荷预测中的应用 8.3小波分析在信号去噪与压缩中的应用 8.4小波分析在图像处理中的应用 行波理论－行波的产生 行波的传播 行波的双端测距 行波的单端测距 小波的第二尺度的模极大值 小波的第三尺度的模极大值 基于小波分析的非平稳时间序列分析与预测 小波预测举例 小波去噪举例 小波去噪举例 小波去噪举例 小波去噪声 一般噪声特点： （1）高频成分（细节） ，（2）幅度小：用阈值； 去噪声过程： 去除原始信号高频成分（细节）中幅度小于阈值部分。 对2级小波，设定2个阈值，称“阈值2” 和 “阈值1” 。 去除1级噪声：去除1级小波细节分解中小于“阈值1”部分。 去除2级噪声：去除2级小波细节分解中小于“阈值2”部分。 恢复： 将小波近似分解，加上去噪声后小波细节分解，即获得去除噪声的信号 噪声去除 小波去噪声16点 [6 5 9 8 3 7 8 5 6 5 9 8 1 3 3 9 ] Haar小波去噪声 （16点信号） 一维信号的小波变换例子 2 （电压曲线） 通过MATLAB实现(wavemenu) 波形图 ( MATLAB \ toolbox \ wavelet \ wavedemo\ leleccum.mat ) 是 “电网监视的电压曲线”， 有4570个点 Haar小波变换 附录-5 (wavemenu) leleccum haar Level 5 小波去噪声 leleccum haar 小波 小波压缩 leleccum haar 小波压缩效果 leleccum haar 小波去噪举例 小波去噪举例 小波去噪举例 小波去噪举例 3 、小波分析在图象处理中的应用 图象是二维信号，其小波变换相当于二次一维信号的小波变换：。 （1）第一次一维信号的小波变换相当于图象的行变换。 （2）第二次一维信号的小波变换相当于图象的列变换。 小波变换用于图象压缩有良好的效果，已形成图象压缩的标准如JPEG2000。 小波变换用于图象特征抽取 小波变换用于图象压缩 采用小波进行压缩。作“小波变换”后，统计特性有改善，消除行和列之间的相关关系。 有损压缩：根据视觉原理，不同分辨率小波系数进行比特分配。然后转换到一维作熵编码，如算术编码或霍夫曼编码。 无损压缩：选择“整数小波变换”，无舍入误差。但不能进行比特分配。 小波变换用于图象压缩 1.5小波分析的基本概念 “Wavelet”新概念的产生－什么是小波 满足 的函数通过平移和伸缩产生的一个函数族称为小波。 1.5小波分析的基本概念 Fourier变换与小波变换比较 从分辨率看：“数学显微镜” 从正交性看：都是二维时频分析，可正交和非正交 从频谱分析看：不是以线性方式，而是以对数形式，具有可调窗宽。 从群的观点看：具有统一性和相似性，正反变换与完美的对称性。 从工程实现来看：都有快速实现算法（FFT和MALLAT)。 1.6小波分析的发展历程 “Wavelet”的发展历史 雏形：1910 haar正交基和1938年Littlewood对Fourier级数建立的L-P理论，即二进制频率划分 1975年，Calderon发现的再生公式已接近于小波分解 1981年，Stromberg证明了小波函数的存在性 1982年，Battle在量子场论中用到了类似于小波分解的理论 1984年，Morlet和Grossman根据地震数据分析和要求，提出了连续小波变换的几何体系 1984-1988年间，Meyer,Battle,Lemarie分别给出了具有衰减特性的小波基函数，使得小波变换得以进一步发展 1.6小波分析的发展历程 1987年Mallat将计算机视觉领域的多尺度分析思想引入小波分析中，提出多分辨分析的概念，统一了在此之前Stromberg,Meyer,Lemarie和Battle等提出的具体小波构造，给出了用于信号分解和重构的小波变换快速算法—Mallat算法 1988年Daubchies将Mallat多分辨分析与P.Burt和H.Adeson的塔形分析方