函数的及稀疏表达及其在信号处理中的应用.pptx

函数的稀疏表达及其在信号处理中的应用梅树立主要内容OUTLINE概述 Introduction函数的基函数表达 Representation with basis function函数的多尺度表达 Multi-scale representation自适应压缩算法Compressed Algorithm应用Application概述特殊信号可以用直角坐标系表达，如圆锥曲线（圆、椭圆、抛物线、双曲线），相贯线等—空间曲线及其方程两个圆柱在两个与其底面平行的投影面内的投影分别是两个圆，其方程可表示为：截断面概述-从空间解析几何谈起概述-从空间解析几何谈起特点：利用空间曲线在投影面上的投影曲线方程，联立组合得到三维空间曲线。概述-从空间解析几何谈起三维空间属于线性空间大多数的信号如图像等，无法在线性空间描述线性向量空间和泛函空间典型的泛函空间：距离空间，Banah空间，内积空间，Hilbert空间。构成线性空间的元素是向量（N维），构成泛函空间的基本元素是函数（基函数）。因此，泛函简称为“函数的函数”基函数如何用数学公式表达这种基函数逼近？基函数如何用数学公式表达这种基函数逼近？如何提高逼近精度？基函数基函数空间V0: 在整数区间内为常数的所有平方可积函数构成的空间，可表示为以下形式：基函数空间V1: 在半整数区间内为常数的所有平方可积函数构成的空间，可表示为以下形式：基函数空间V2: 在1/4整数区间内为常数的所有平方可积函数构成的空间，可表示为以下形式：V0V1V2基函数空间Vj: 在1/2j整数区间内为常数的所有平方可积函数构成的空间，可表示为以下形式：思考：将一个函数分别表达在V0空间和V1空间，这两种逼近表达之间的误差是多少？换句话说，我们能否找到误差补空间W0，满足:RECALL函数f(x)=a-(x-b)2在V0空间的映射（在V0空间被逼近）若a=b=1,则h=2/3函数f(x)=a-(x-b)2在V1空间的映射（在V1空间被逼近）若a=b=1,则h1=5/12, h2=11/12V0的补空间？TranslatingStretchingf(x)=a-(x-b)2在V0空间内的逼近表达式（红色直线）：在V1空间内的逼近表达式（绿蓝色直线）：在补空间W1空间内的逼近表达式：………………….因此，有进一步可表示为Haar小波通过平移和伸缩可以得到Haar小波族平移伸缩小波的一般表达式Haar小波的正交特性多尺度分析Only 0 function in all spaces如果某函数在所有空间中，必然在任意区间上是常数，而且平方可积，因此只能是0。所谓平方可积，即：多尺度分析可以逼近所有的平方可积函数f (x)如何构造满足以上特性的其他正交小波？正交小波的构造首先回顾Fourier变换的以下定理：(1) Fourier变换是平方可积空间到平方可积空间的一一映射(one to one correspondence)(2) 内积不变：两个函数的f(x)和g(x)的内积等于他们Fourier变换的内积，即(3) 根据定理2，我们有正交小波的构造正交小波的构造-如何满足正交性前已述及，基函数的内积等于基函数的傅里叶变换的内积。因此，基函数正交的条件等价于以下形式正交小波的变换-如何满足正交性正交小波的构造-如何满足正交性周期函数可表达为傅里叶级数形式：其中：因此，尺度函数正交的等价条件构造正交小波-双尺度差分方程为满足条件V0?V1,举例上式即为满足V0?V1的等价表达式. 不难理解：Recall基函数正交的等价条件是代入上式，得将基函数正交的等价条件是小波函数的多尺度构造其中根据傅里叶级数的定义，函数mf和mg都是以2π为周期的函数，因此RECALL:因此：容易得到：因此和下式类比得：可以证明，上式是平方可积的利用关系式得：上式说明，我们所选择的小波函数是正交的结论如果基函数满足以下条件：便可得到一多尺度分析，满足多尺度分析的特性。此外，如果定义一关于小波函数的傅里叶变换为：则构成一正交基Daubechies小波的构造尺度函数应满足双尺度差分方程：以m0为起点，可以递推得到：m0为可以表示为以下级数形式：如果m0满足正交条件：便可用来构造正交小波如果我们取尺度函数为容易得到：利用下式即可构造小波图中黑线是函数f(x) = a – (x – b) ^ 2， m是系数的傅里叶变换