小波分析报告理论.pptVIP

　 图1.22 　　在图1.22中，A表示低频，D表示高频，末尾的序号数表示小波包分解的层数(也即尺度数)。在MATLAB中，关于小波包分析的函数详见第2章的有关内容。分解具有以下关系：S＝AAA3＋DAA3＋ADA3＋DDA3＋AAD3＋DAD3＋ADD3＋DDD3 1.8.1　小波包的定义　　在多分辨分析中， ，表明多分辨分析是按照不同的尺度因子j把Hilbert空间L2(R)分解为所有子空间Wj(j∈Z)的正交和。其中，Wj为小波函数y(t)的闭包(小波子空间)。现在，我们希望进一步对小波子空间Wj按照二进制分式进行频率的细分，以达到提高频率分辨率的目的。　　一种自然的做法是将尺度子空间Vj和小波子空间Wj用一个新的子空间 统一起来表征，若令  (1.132)则Hilbert空间的正交分解Vj＋1＝Vj?Wj即可用 　的分解统一起来 (1.133)　　定义子空间 是函数un(t)的闭包空间，而 是函数u2n(t)的闭包空间，并令un(t)满足下面的双尺度方程  (1.134)其中，g(k)＝(－1)kh(1－k)，即两系数具有正交关系。当n＝0时，式(1.134)为 (1.135) 在多分辨分析中，f(t)和y(t)满足双尺度方程 (1.136)相比较，显然u0(t)和u1(t)分别退化为尺度函数f(t)和小波基函数y(t)。式(1.135)是式(1.133)的等价表示。把这种等价表示推广到n∈Z＋(非负整数)的情况，即得式(1.134)的等价表示为  (1.137)　　定义1.12(小波包)　由式(1.134)构造的序列{un(t)}(其中n∈Z＋)称为由基函数u0(t)＝f(t)确定的正交小波包。当n＝0时，即为式(1.135)。　　由于f(t)由hk唯一确定，因此又称{un(t)}n∈Z＋为关于序列{hk}的正交小波包。 1.8.2　小波包的性质　　定理1.1　设非负整数n的二进制表示为则小波包Un(w)的傅里叶变换由下式给出 (1.138)其中， 定理1.2　设{un(t)}n∈Z是正交尺度函数f(t)的正交小波包，则 (1.139)即{un(t)}n∈Z构成L2(R)的规范正交基。 其中， (1.103)为简化起见，把上述式(1.100)和式(1.102)写为 C1＝HC0 (1.104) D1＝GC0 (1.105) 其中，H、G是从L2(Z)到自身的有界算子： (1.106) (1.107)对这个过程进行迭代，由于P1 f∈V1＝V2?W2，有 P1f＝P2f＋Q2f (1.108) (1.109)  (1.110)因此可知 (1.111)从而可以验证 (1.112) 与j无关，由此可得 (1.113)或者 C2＝HC1 (1.114)类似地有 D1＝GC1 (1.115)此式显然可根据需要多次迭代，在每一步都可看到 (1.116)其中，Cj＝HCj－1，Dj＝GCj－1。 　　上述为Mallat算法的分解过程。迭代Cj是原始C0越来越低的分解形式，每次采样点比它前一步减少一倍，Dj包含了Cj和Cj－1之间的信息差。　　Mallat算法可在有限的L步分解后停止，即把C0分解为D1，…，DL和CL。若开始C0有N个非零元，则在分解中非零元的总数(不算边的影响)是N/2＋N/4＋…＋N/2L＋N/2L＝N。这说明，在每一步中，Mallat算法都保持非零元总数。　　算法的分解部分如下：假若已知Cj和Dj，则 (1.117) 因而 (1.118)或者 (1.119) 　　重构算法也是一个树状算法，而且与分解算法用的是同样的滤波系数。　　算法的分解和重构结构图如图1.18和图1.19所示。 　 图1.18 图1.19　 1.7.1　提升小波变换的概述　　传统的第一代小波变换是在欧氏空间内通过基底的平移和伸缩构造小波基的，不适合非欧氏空间的应用，因此小波提升方案应运而生，它是构造第二代小波变换的理想方法。 1.7　提升小波变换 　　提升的实现形式给出了小波完全的空间域解释，它具有许多优良的特性：结构简单、运算量低、原位运算、节省存储空间、逆变化可以直接反转实现，以及可逆的整数到整数变换，便于实现。在高速处理、移动手持设备、低功耗设