基于小波变换的特征构造与选择_张晓文.pdfVIP

基于小波变换的特征构造与选择 张晓文 杨煜普 许晓鸣 （上海交通大学自动化系，上海 !# ） ： ./01() 23451,-6*789$:;9$, 摘 要 小波技术是对信号进行处理的重要工具，已广泛应用于信号分析、数据压缩和降噪等各个领域。该文从模式识 别的角度，对各种小波变换特征构造与选择进行了全面的分析比较，探讨了各自作为模式特征对分类精度的影响，并着 重对小波系数的平移不变问题和小波基的选择问题进行了详细的讨论。 关键词 小波分解 平移不变性 特征表示 文章编号 （ ） 文献标识码 中图分类号 %!/=##%/ !# %/!/? @ AB# %$C !#$%$ ’($) *$+,$ -$.,$($/01/ 23/4 5016$/ 7/4 7+.+ 5+ 50180/4 （ ， ， ） D:E8$ +F @98+018(+, G51,-51( H(1+8+,- I,(J:K*(8L G51,-51( !# ： ， ， 9:(,; ’1J:):8 8K1,*F+K0 (* (0E+K81,8 F+K *(-,1) 1,1)L*(* 1,; 51* M::, 9*:; (, 01,L F(:);* *95 1* *(-,1) 1,1)L*(* ， ;181 +0EK:**(+, 1,; ;:,+(*(,-$A5(* E1E:K +J:KJ(:3* 1)) E+**(M): F:189K:* M1*:; +, 31J:):8 8K1,*F+K0 1,; ;(*9**:* 83+ M1*( EK+M):0* +F 31J:):8 M1*(* *:):8(+, 1,; 85: *+)98(+,* 8+ ;:F((:,L +F *5(F8/J1K(1,8 F+K ;(*K:8: 31J:):8 8K1,*F+K0$ ： ， ， $=61,)( ’1J:):8 D:+0E+*(8(+, G5(F8/(,J1K(1,8 N:189K: O:EK:*:,818(+, % 引言 !$% 直接以部分小波系数作为特征 在许多应用领域，如语音识别、地震预报、故障检测、生物 信号经小波分解后，可以在不同的尺度上得到一系列的小 医学等，信号分类都有着广泛的应用。由于原始的信号含有大 波变换系数，这些系数完备地描述了信号的特征，因而可以用 量噪声，数据间的相关性大，信号的空间维数高，因此不适合于 作分类的特征子集。一般认为，如果信号的波形较为规则，则采 对原始信号做直接分类。进行特征提取和表示是克服上述缺陷 用小波系数可以取得较好的分类效果，否则，小波变换结果的 的有效手段。从实时性和信号表示的有效性考虑，小波变换要 离散性将相当大，从而导致分类能力大大降低。另外，考虑到小 比其它的二次时频表示 （如维格纳分布等）以及线性时频表