现代信号处理第6章连续小波变换.pptVIP

第六章 连续小波变换及其工程应用 6.1 谐波小波变换及其工程应用 6.2 Laplace小波特征波形相关滤波 6.3 Hermitian连续小波变换与信号奇异性识别 引言 小波分析中被广泛使用的Daubechies类小波与样条小波都是实小波，它们没有明确的解析表达式，对信号的小波分解是通过构造相应的正交滤波器系数{hk}和{gk}运用Mallat快速算法实现的。 除了这两类小波，其它类型的小波基函数也被陆续构造出来并且得到了深入研究和工程运用。 本章介绍三种在工程实际应用中取得了理想效果的连续小波基函数，它们都具有明确的解析表达式。这三种连续小波分别是谐波小波、Laplace小波和Hermitian小波。 6.1 谐波小波变换及其工程应用 6.1.1谐波小波的定义及正交性 6.1.2 Newland快速算法 6.1.3 谐波小波时频图 6.1.4 谐波小波滤波 6.1.5 谐波小波应用 小波分形技术原理与离散信号盒维数的计算 谐波小波轴心轨迹阵列的实现及其不规则度描述 6.1.1谐波小波的定义及正交性 谐波小波(harmonic wavelet)是由剑桥大学D. E. Newland教授在1993年提出的。 谐波小波是一种复小波，在频域紧支，有明确的函数表达式，其伸缩与平移构成了L2(R)空间的规范正交基。 谐波小波小波具有完全“盒形”的频谱。 谐波小波分解算法是通过信号的快速傅里叶变换（FFT）及其逆变换（IFFT）实现的，算法速度快，精度高，因而具有很好的工程应用价值。 6.1.1谐波小波的定义及正交性 实偶函数we(t)和实奇函数wo(t) , 它们的傅里叶变换分别为 6.1.1谐波小波的定义及正交性 W(?)所对应的函数w (t) = we (t) + iwo (t)由W(?)的傅里叶逆变换得 6.1.1谐波小波的定义及正交性 根据小波理论对谐波小波进行伸缩、平移就生成谐波小波函数族（j, k?Z）： 6.1.1谐波小波的定义及正交性 当j? 0，W(?)与V(?)在频域中总处于不同的频段，因而总有 6.1.2 Newland快速算法 谐波小波构成了L2 ( R ) 空间的规范正交基，则任何信号x ( t ) ? L2 ( R ) 都可以表示为谐波小波的线性和，即 6.1.2 Newland快速算法 Newland快速算法是通过信号的快速傅里叶变换FFT和快速傅里叶逆变换IFFT实现。设有离散信号x (r)，r = 0,…, N – 1,其中N = 2n，其谐波小波分解为as , s= 0,…, N – 1。令 6.1.2 Newland快速算法 下图表示一数据长度为16的实序列的谐波小波分解示意图 6.1.3 谐波小波时频图 谐波小波分解结果一般用小波时频图（Wavelet Time-Frequency Map）直观表示。 在各网格以as模的平方为高作柱体就构成了谐波小波时频图。小波时频图是随|as|2起伏的面。这里高度取lg|as|2。 6.1.3 谐波小波时频图 下图为信号x (r) = sin(2?×15tr)，( r = 0 , … , 511；tr = r / 320 )的波形及谐波小波分解时频图。该信号是单一频率的，所以谐波小波分解只有一个层有值，在小波时频图上表现为对应的层有峰值。 6.1.4 谐波小波滤波 旋转机械状态监测与故障诊断利用机组同一截面两路相互垂直振动信号的合成轴心轨迹来监测其运行状态和识别故障类型。当设备出现故障时，信号表现出非平稳特性，而小波变换对处理非平稳信号是非常有效的，我们可以用相互垂直的X方向与Y方向的小波分解结果来合成轴心轨迹。 Mallat算法分解时要隔二抽一，从而使得小波分解各层的数据点数和采样频率随分解层次增加而逐渐减小。这样，直接对运行转子垂直、水平方向振动信号进行小波分解，采用同一尺度同一频段的分解数据合成轴心轨迹，将使轴心轨迹不但不具有可比性，而且由于数据点数减少、采样频率降低会使合成的轴心轨迹失真，这种直接合成轴心轨迹的方法是不合适的。 谐波小波滤波能够在低频频带和高频频带内都具有足够的数据点数。 6.1.4 谐波小波滤波 谐波小波实际上是一个完全理想的带通滤波器 ，可以用下面的方法定义谐波小波 6.1.4 谐波小波滤波 6.1.4 谐波小波滤波 6.1.4 谐波小波滤波 为了对信号的某一特定频段的成分进行研究，在对信号的谐波小波分解进行重构时可将其它频段的谐波小波系数置为“0”，只保留该段的小波系数，由于谐波小波的正交性，如此重构的结果只包含信号该频段的成分，其它成分都被剔除了。这个算法与本节开始所给出的算法是一致的，实际是谐波小波重构算法的延伸，是对信号进行了滤波，我们称这一过程为谐波小波滤波。 6.1.4 谐波小波滤波 谐波小波包变换