[信息与通信]第4章小波变换2.pptVIP

小波变换的本质 精心挑选的basis来表示信号方程。 每个小波变换都会有一个mother wavelet，我们称之为母小波，同时还有一个scaling function，中文是尺度函数，也被成为父小波。 任何小波变换的basis函数，其实就是对这个母小波和父小波缩放和平移后的集合。 某种小波的示意图： 小波变换与傅里叶变换区别举例 所有的傅立叶级数都为非0了！因为傅立叶必须用三角波来展开信号，对于这种变换突然而剧烈的信号来讲，即使只有一小段变换，傅立叶也不得不用大量的三角波去拟合。 用小波拟合 小波变换的定义 其中 是母小波， 是父小波（为多分辨率分析）。 需要提醒一点的是，这个正交纯粹是为了小波分析的方便而引入的特性，并不是说小波变换的基就一定必须是正交的。 母小波举例 假设我们有这样一个信号 平移母小波得到的小波基 正交小波基的表示 尺度函数（scaling function ） Lebesgue空间 在数学定义中，有一种空间叫Lebesgue空间，对于信号处理非常重要，可以用L^p(R)表示，指的是由p次可积函数所组成的函数空间。我们在小波变换中要研究的信号都是属于L^2(R)空间的，这个空间是R上的所有处处平方可积的可测函数的集合，这样就等于对信号提出了一个限制，就是信号能量必须是有限的，否则它就不可积了。 在L^2(R)空间中，我们可以找出一个嵌套的空间序列，并有下列性质： (i)? (ii)? (iii)? (iv) 第二点注意：是所有的子集相交为空集。 假如有一个函数f(t)他属于一个某空间，那你将其在时域上平移，它还是属于这个空间。但如果你对它频域的放大或缩小，它就会相应移到下一个或者上一个空间了。 通过刚才的讲解，V0属于V1，那scaling function是在V0中的，自然也在V1中了。我们把他写成V1的基的线性组合，那就是 其中的h(n)是scaling function的系数，也叫做scaling filter或者scaling vector，可以是实数，也可以是虚数。根号2是为了维持归一化。 同理，我们可以循环如此，把属于V0的在V2, V3, …, Vn中表示出来。这些方程就是MRA equation，也叫refinement equation，它是scaling function理论的基础，也是小波分析的基础之一。 上图就是四个子空间的basis集合的展览。通过前面的讨论，我们还知道，一开始的scaling function可以通过更精细的子空间的scaling function（它们都是对应子空间的basis）来构建。比如 更加精细的scale： 在不同的子空间，对同一信号的诠释 尺度函数和小波函数的结合 结论：在scale j的wavelet function，可以被用来将Vj的basis扩展到V(j+1)中去！这是一个非常非常关键的性质，因为这代表着，对任何一个子空间Vj，我们现在有两种方法去得到它的orthonormal basis： 1. 一种就是它本来的basis ，对任意k。 2. 第二种就是它上一个子空间的基 ， 对任意k，以及上一级子空间的wavelet function ，对任意k。 第二种选择能给我们带来额外的好处，那就是我们可以循环不断地用上一级子空间的scaling function以及wavelet function的组合来作为当前子空间的基。换句话说，如果针对V3这个子空间，它实际上就有四种不同的，但是等价的orthonormal basis： 1. 本级(V3)的scaling function basis set 2. 上一级(V2)的scaling function + wavelet function; 3 . 上上一级(V1)的scaling function + 上上一级(V1)的wavelet function + 上一级(V2)的wavelet function; 4. 上上上一级(V0)的scaling function + 上上上一级(V0)的wavelet function + 上上一级(V1)的wavelet function + 上一级(V2)的wavelet function * 第4章 图像变换 4.4 小波变换 * * 变换什么意思呢？是一种映射。 在线性代数里，基（basis）是指空间里一系列线性独立的向量，而这个空间里的任何其他向量，都可以由这些向量的线性组合来表示。 basis在变换里面啥用呢？ 举例：傅立叶展开的本质，就是把一个信号用三角波的线性组合