小波分析入门本人总结.docVIP

给我们一个信号时，我们从时域中观察这个信号时，我们得到的信息是信号的 持续的时间，随着时间的变化，信号的幅度起起伏伏。如果我们更进一步，就是 起伏速度较快的部分对应着信号中高频部分。变换缓慢的部分对应着代表信号中 的频率低频部分。我们也可以估算信号中直流分量的大小。当然这都是我们直观 的理解。这种单纯的从吋域中的信号的波形得到的信息是不全面的。冇的吋候我 们想耍知道我们的信号中含宥那些频率成分，相应频率的强度，相位。这就是从 从频域的角度来看待我们的信号。这就需要一个数学变换的工具，将我们的信号 变换到频域。这个强大的数学工具就是傅里叶变换，变换后我们希望我们还可以 回到吋域屮，也就是我们的变换是可可逆的，事实上，傅里叶变换就奋这个信息 不损失的性质。如今傅里叶变换已经成为一个体系。一切来自于数学中的分解思 想，在这里我们选择一组正交基。对我们信号函数的分解就像是对空间中某一一 向量分解到三个坐标系一样，只不过函数的坐标是傅里叶系数而已。这样，我们 经过傅里叶变换就可以知道我们的信号中含有的频率成分。但是这里有一个隐含 的假设，或者说是傅里叶变换的致命弱点，那就是他潜在的假设了我们的信号是 平稳信号。何为平稳信号？所谓的平稳信号就是信号的各种频率成分在信号的全 部持续时间中都存在。举个例子，假如我们对一个持续时间在［0,100s］的平稳信 号做傅里叶变换，得出信号屮冇59HZ，那么就说明，对该平稳信号，59HZ从0 开始，在这100s中的任何一个时刻都存在。 可是，当我们的信号不是平稳信号时，例如59HZ产生50s处，强度和上一个信 号的完全和同，其他频率也完全相同，如果我们对这一个信号做傅里叶变换，由 于傅里叶变换的积分域是从负无穷到正无穷，所以不幸的是，我们得到Y和上一 信号完全一样的结果，我们无法再从频域冋到时域了。也就是FT并没有告诉我 们非平稳信号的各种频率分别出现在那个时间段上。 事实上，在现实生活中，非平稳信号和平稳信号交织在一起的。例如 心电图(ECG)、脑电图(EEG)和肌电图(EMG)。所以知道哪些频率出现在何种吋间 段的需求是那么的紧迫。换句话说，就是我们想要同时知道信号的时间信息和频 率信息。解决方案就是FT的改进版：STFT (短时傅里叶变换)。 小波变换： 小波(wavelet)的意思是:a small wave。FT中，我们选用的是exp (jwt)函 数作为我们变换空间的一组标准正交基，exp (jwt)函数在吋间轴上一直存在, 从-…到+?上均存在的信号，不会衰减，而我们在小波变换中选用的小波不仅持 续吋间是有限的，即只在某一个吋间段内存在，而且小波的频率也是有限的，即 超过一定的频率之外，该频率的强度(幅度)会逐渐衰减到0。小波变换较之于 傅里叶变换的优点可以归结为如下方面：1)使得信号的存储较之于傅里叶变换 后再去存储更加的有效，也就是更易于压缩，进而传输图像。2)方便了对信号 的分析，因为能够更好地去近似现实中的信号(non stationary signal)。3) 当信号函数巾有不连续的点的时候，如果用FT得到信号的近似，会有吉布斯现 象(里然在功率上会很好的近似，但是在不连续点附近却奋一个固定的误差，无 法进一步减小)，比之于FT的这个缺点，我们的小波变换能够更好的对数据中 的不连续点进行近似。 ▲W + l=[;v + lXbix-°l4+i}=亡*?0 ▲W + l=[;v + lX bi x-°l 4+i}=亡 *?0 2 jt r-toi -00 00 .Y(Z)= (-￥(/). 作为小波变换前身，短吋傅里叶变换（STFT ）于1946年Dennis Gabor首次使用的。在介绍小波变换之前有必要去介绍一 下 STFTO STFT是FT的一种改进版本。在解决非平稳信号的时问信息和频率信息同时表示 的问题上做了第~步的探索。STF7釆用的技术就是给信号加窗（Windowing the Signal）,也就是一次只分析信号的一小段。在这个时问段的信号被看成是 stationary signal。截取之后，在做傅里叶变换。然后开始沿着时间轴去移动 我们的窗口，直至信号的结束。（想想语音信号频域处理中，得到的二维语谱图）。 在matlab屮，我们最终得到的该变换的二维图像表示（或者三维，只不过另一 维度用颜色标记出来，并没有第三个周）称为spectrogram。STFT是一个三维的 变换，具体如下： xouenbeJLL xouenbeJLL TimeI—L ? Time Time TFT^(r\/) = J [v( z I ? 卜。]? e~j2^di (o( d: the window ftuiction 可见最终变换后我们得到的是一个关于时间和频率的函数。注意由于STF