- 1、本文档共12页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
工科生眼中的小波变换
小波分析课程总结
1、概述 1
2、变换的意义 1
3、从傅里叶变换到窗口傅里叶变换 2
3.1傅里叶变换 2
3.2 窗口傅里叶变换 5
3.2.1直观认识 5
3.2.2窗口傅里叶变换中的时频窗 8
4 小波变换 9
4.1 连续小波变换定义 9
4.2小波基的自适应时频窗及其度量 10
5、小结 11
1、概述
小波分析属于广义加窗傅里叶变换的范畴,是一种新的时频域分析手段。由于小波分析就其数学原理来说包括泛函分析、数值分析、逼近论和傅里叶分析等,但是作为工科学生没有这么多的数学知识,想要把这些知识全部能懂后再来学习小波分析则是不现实的,本文就是从应用的角度对小波分析加以总结。其中避免一些繁琐的理论推导,而是更多的从应用的角度和其对应的物理意义加以理解。
2、变换的意义
一直以来,在学习一门学科之前总是有一些疑问。这门学科提出了什么问题?这门学科是描述自然界那些现象的?它可以解决那些问题?我们通过它又可以获得那些解决问题新的方法和思想?
以前我学习的傅里叶变换、拉普拉斯变换,现在的小波变换,他们都是称为变换,是一种数学手段。那么这些变换在现实的工程的应用中有什么应用?我对于变换的理解是,变换改变了一种事物的表现形式。那么变换的意义是什么呢?我的理解是,变换可以将事物在一种表现形式下被掩盖的信息通过改变表现形式而将信息暴露出来,也就是变换是手段而要达到的目的是提取信息。
结合傅里叶变换的应用给出一个实例。现在医学中,脑电图(EEG)被用来诊断人类的脑部疾病,但是人们直接测量出来往往是时域的信号。这种信号中包含了那些信息,人们很难直接读出来。这个时候就可以应用变换将它变换到频域中,在频域中我们可以找到某种频率的信号了,再结合医学知识可以为诊断提供依据了。
图1 EEG
到这里已经明白变换有用的,而小波变换也是变换的一类它也应该有类似的作用。本节解决了,为什么要学小波变换,具体的来说小波变换具有什么功能将在后面介绍。
3、从傅里叶变换到窗口傅里叶变换
因为小波变换可以理解为广义的窗口傅里叶变换,这里我觉得有必要将怎么样从傅里叶变换到窗口傅里叶变换搞明白。当然这是小波变换的课程总结,我的重点不是傅里叶变换,我的侧重点将放在他们之间的关系上。主要包括既然有了傅里叶变换,为什么还要提出窗口傅里叶变换,怎样实现窗口傅里叶变换?
3.1傅里叶变换
1822年法国数学家傅里叶发现周期函数可以表示成为正余弦函数形式,这一发现现在看来可以说是信号分析领域一个历程碑式的事件。随着后来非周期信号,离散信号也被用正余弦函数表示出来,以及快速傅里叶(FFT)的提出,傅里叶变换被广泛应用于各个领域。
现在给出一个例子,以求有一个直观的理解。先构造一个信号y = sin(2*pi*25*t) +sin(2*pi*50*t) +sin(2*pi*100*t) + sin(2*pi*200*t)这个信号是有4个频率分别为25、50、100和200的正弦信号叠加而成的,我们通过FFT分析它的频率成分。Matlab程序清单如code1。
Code1:
Fs = 1000; % Sampling frequency
T = 1/Fs; % Sample time
L = 1000; % Length of signal
t = (0:L-1)*T; % Time vector
y = sin(2*pi*25*t) +sin(2*pi*50*t) +sin(2*pi*100*t) + sin(2*pi*200*t);
subplot(1,2,1)
plot(Fs*t(1:100),y(1:100))
title(ê±óòD?o?)
xlabel(time (milliseconds))
NFFT = 2^nextpow2(L); % Next power of 2 from length of y
Y = fft(y,NFFT)/L;
f = Fs/2*linspace(0,1,NFFT/2);
% Plot single-sided amplitude spectrum.
subplot(1,2,2)
plot(f,2*abs(Y(1:NFFT/2)))
title(FT?á1?)
xlabel(Frequency (Hz))
ylabel(|Y(f)|)
图2平稳信号的FFT
通过上图我们可以直观的理解傅里叶变换将一个信号从时域变换到频域中的效果。但是为什傅里叶变换有什么问题能,按照傅里叶变换的定义 (1)
这里的积分限是从负无穷到正无穷,这样一来他就
文档评论(0)