(数字信号处理)第7章信号的时频表示与小波变换.ppt

2. 合成算法 分解算法的逆过程即为合成算法， 其计算公式为 （7-34） 如图7-4所示，图中↑2表示“以零内插”，即样点数增加一倍。 图 7-4 小波合成的Mallat算法示意图 7.4 常用小波函数 7.4.1 Haar小波  Haar小波是由A.Haar于1990年提出的一种最简单的小波函数，是在小波分析中最早用到的一个具有紧支撑（当|t|充分大时φ(t)≡0）的正交小波函数， 如图7-5所示。 其表达式为 尺度函数 0≤x≤1 其他 由于Haar小波函数不是连续可微的函数，因此应用范围有限， 多用于理论研究。 图 7-5 Haar小波函数 7.4.2 Daubechies小波 简称D- 小波，记为dbN（N是其阶数，N=1即为Haar小波）， 它是具有紧支集的规范正交小波。dbN不具有解析式，且不具备对称性，从而不具有线性相位，光滑性也较差。 若要增加光滑性， 则需增加其阶数，而运算量相应地增加了很多。dbN小波具有N阶消失矩。   D- 小波常用数表给出h(n)，g(n)由公式 g(n)=(-1)N-1h(2N-n+1) n=1,2,…, 2N （7-35） 表 7-1 Daubechies小波滤波器系数（低通滤波器） * 第7章 信号的时频表示与小波变换 第7章 信号的时频表示与小波变换 7.1 短时Fourier变换与Gabor变换 7.2 小波变换 7.3 离散小波变换的快速算法——Mallat算法 7.4 常用小波函数 7.5 小波变换的应用 7.1 短时Fourier变换与Gabor变换 满足傅里叶积分定理的信号f(t)的傅里叶变换和逆变换定义为: (7-1) (7-2) 为了了解信号的局部特征，人们最初想到的是通过预先加窗的办法使频谱反映时间局部特征，通常称为短时Fourier变换（STFT）或加窗Fourier变换（WFT）。以符号g(t-b) 表示以b为中心的窗函数g(t)的复共轭，记作 (7-3) 定义短时Fourier变换（STFT）为 (7-4) 时刻b的STFT是信号f(t)与可移动窗函数 g(t-b) 乘积的Fourier变换。设窗函数g(t-b) 的有效宽度为Dt，由于窗函数过滤了作用范围外的信号，因此在一定程度上可以反映信号在时间域 的频谱信息。 图 7 - 1 是窗口傅里叶变换的时域示意图。 图7.1 窗口Fourier变换的时域示意图 设g(t)的傅里叶变换为G(jΩ), 在复频域的有效宽度为DΩ， 则Sb, Ω0(t)的傅里叶变换为G(jΩ-jΩ0)e-j(Ω-Ω0)b，根据Parseval恒等式可得 (7-5) 也就是说，在时域范围内考察的是以b为中心，宽度为 的局部信号信息; 在频域范围内考察的是以Ω0 为中心，宽度为 的局部信息。换句话说，经过加窗，Fourier变换保留了信号的时间特征。 首先，为了保证Fourier变换的有效性，窗函数必须是能量有限的; 以L2(R)表示能量有限的信号的全体，则必有g(t)∈L2(R)。 其次，为了具有时间和频率定位能力，它必须具有时域和频域范围内的有限宽度，也即同时满足条件tg(t)∈L2(R)和ΩG(jΩ)∈L2(R)，这里G(jΩ)是g(t)的傅里叶变换。当然，也要求G(jΩ)和g(t)是连续的。  从前面的分析可以看出，对于给定的窗函数，其分辨力是特定的。 窗函数只能在时间和频率轴上平移，这就意味着无论高频还是低频，都使用一种尺度来衡量，这是不利于研究高频和低频信号的。 而且可以证明，时域窗和频域窗乘积恒定，不能同时取任意窄的窗函数。在取高斯函数 （7-6） 时，宽Dt与频宽DΩ的乘积达到最小值的1/2，窗函数的性质最好。 信号f(t)的STFT成为 (7-7) 这就是有名的Gabor变换。  现在，让我们换一个角度来思考信号的变换。 首先介绍几个基本概念：  函数空间：满足一定条件的函数组成的集合称函数空间。 例如, 全体平方可积函数构成信号处理的典型空间L2(R)，定义在 (0, 2π)的全体平方可积函数构成空间L2(0, 2π)。在空间上定义向量加法与向量乘法则构成线性空间。 基: 线性空间中的一个极大线性无关组称为该空间的一组基。该空间的任一元素均是基的惟一线性组合。如e-jΩt是函数空间L2(0, 2π)的一组基，所有函数均可由它惟一线性表出，表出系数称为该函数在基上的坐标。 