小波变换及应用.doc

小波变换及应用 为什么研究小波变换 傅立叶变换（Fourier Transform，缩写为FT）由下列公式定义： 正变换公式 （1） 逆变换公式 （2） 分析： 1．对于确定信号和平稳随机过程，傅立叶变换把时间域与频率域联系起来，许多在时域内难以看清的问题，在频域中往往表现得非常清楚。 2．变换积分核的幅值在任何情况下均为1，即，因此，频谱的任一频率点值是由时间过程在整个时间域上的贡献决定的；反之，过程在某一时刻的状态也是由在整个频率域上的贡献决定的。与彼此之间是整体刻画，不能够反映各自在局部区域上的特征，因此不能用于局部分析。特别是傅立叶变换的积分作用平滑了非平稳过程的突变成分。要知道所分析的信号在突变时刻的频率成分，傅立叶变换是无能为力的。 3．实际中存在许多信号具有局部时间范围（特别是突变时刻）内的信号特征（一般是频率成分），例如，在音乐和语音信号中，人们所关心的是什么时刻奏什么音符，发出什么样的音节；图像信号中的细节信息，如边缘特征。 4．为了对非平稳信号作较好的分析，可以对信号在时域上加一个窗函数，使其对信号进行乘积运算以实现在附近的开窗，再对加窗的信号进行傅立叶分析，这就是短时傅立叶变换（Short Time Fourier Transform, 缩写为STFT），或者称为加窗傅立叶变换（Windowed Fourier Transform）。STFT定义如下： （3） 其中，窗口函数一般取为光滑的低通函数，保证只在的附近有值，在其余处迅速衰减掉。这样，短时傅立叶变换就在点附近局部地测量了频率分量的幅度值，得到信号在时刻附近的频率信息。D．Gabor采用Gauss函数作为窗口函数，其相应的傅立叶变换仍旧是Gauss函数，从而保证短时傅立叶变换在时域与频域内均有局域化功能。 短时傅立叶变换存在固有的局限：即其时间——频率窗口是固定不变的，一旦窗函数选定，其时频分辨率也就确定了。也就是说，它对所有的频率都使用同样的窗口。我们若想提高时间分辨率，就要把窗口缩得很窄，但这样势必会降低频率分辨率。Heisenberg测不准原理告诉我们，不可能在时间和频率上均有任意高的分辨率，因为时间和频率的最高分辨率受下式的制约： （4） 上式中和分别表示时间域和频率域的窗口宽度。 这表明，任一方分辨率的提高都意味着另一方分辨率的降低。 上述的分析表明，由于使用了固定的窗口，而实际时变信号的分析需要时频窗口具有自适应性，对于高频谱的信息，时间间隔要相对地小以给出较高的精度；对于低频谱的信息，时间间隔要相对地宽以给出完全的信息。换句话说，重要的是要有一个灵活可变的时间——频率窗，能够在高“中心频率”时自动变窄，而在低中心频率时自动变宽。而小波便是为此而设计的。 小波变换定义为 （5） 变换的核函数为 ,； （6） 其中，被称为一个基本小波或母小波，它一般是时域上以为中心的带通函数，在时域和频域都必须是局部化（紧支撑）的，且其平均值为零，即 （7） 二.如何进行小波变换 例如：[x0,x1,x2,x3]=[90,70,100,70] 取 (x0+x1)/2,(x0-x1)/2 来代表 x0,x1 这样 [90,70] --〉 [80,10] ， 同理，[100,70] --〉 [85,15]。 其中80 和85 是局部的平均值，反映变化相对缓慢的值， 即低频部分的值 而10、15是小范围波动的值， 局部变换较快，即高频部分的值。 小波变换描述为： 第一次变换：[90,70,100,70] -- [80,85,10,15]　即低频部分[80,85]　(记为V1）， 高频部分[10,15]（记为W1) 第二次变换：同理而[80,85] -- [82.5, -2.5]， 82.5为低频部分(记为V2) ，-2.5为高频部分（记为W2）。则 　　 [90,70,100,70] --〉[82.5, -2.5, 10, 15] 这是二代小波（harr小波）的二级变换，如果维数高，同样可以进行更高级的变换。 图1二带小波与4带小波的空间分解 写成矩阵表达形式：[90,70]--- [80,10]　写成 [90,70,100,70] -- [80,85,10,15]写成 [80,85,10,15] --〉[82.5, -2.5, 10, 15] 写成 对二维图像操作结果分析 小波变换的精髓就是：对于变化平缓的信息（对应低频信息），在大范围（尺度）上观察，对于变化很快的信息（对应高频信息），在小范围（尺度）上观察。称为多尺