数字信号处理-第6章..ppt

图 6.4.12 QPSK信号及其相位突变点的检测结果 图 6.4.13 为识别FSK信号不同频率分量的例子， 同样,左侧为待识别的FSK原始信号，右侧为识别的结果。 显然，对FSK信号进行连续小波变换后取包络可以很容易地对不同的频率分量进行识别。 图 6.4.13 FSK信号及其频率分量的识别结果 设一元尺度函数φ1(x)生成一个多分辨率分析｛Vk1｝，而一元尺度函数φ2(x)生成一个多分辨率分析｛Vk2｝，则｛ Vk1 ｝与｛ Vk2 ｝生成的张量积空间为 (6.4.11) 由于Vk1的基底是｛2-k/2φ1(2-kx-j)｝，而V2k的基底是 ｛2-k/2φ2(2-kx-l)｝，因此Vk的基底为｛2-kφ1(2-kx-j)φ2(2-kx-l)｝。 同时，设Vk1关于V1k-1的补空间是W1k，V2k关于V2k-1的补空间是Wk2，即 (6.4.12) 这时有 (6.4.13) 其中有 (6.4.14) (6.4.15) 这样，由于 的基底为｛2-k/2φ1(2-kx-j)｝，而 的基底为｛2-k/2ψ2(2-ky-l)｝，因此 的基底为 ｛2-kφ1(2-kx-j)ψ2(2-ky-l)｝, 记作: (6.4.16) 因而有 的基底为 ， 同样有 (6.4.17) (6.4.18) 则 的基底为 的基底为 与一元小波变换只有一个尺度函数与一个小波函数不同的是，二元小波变换中有一个尺度函数φ(x,y)和三个小波函数ψ1(x,y)、ψ2(x,y)、ψ3(x,y)。 与一元小波变换类似，由(6.4.13)式，对于二元小波变换我们也有直和分解： (6.4.19) 这样，对于每一个f(x,y)∈L2(R)， 都会有惟一的分解形式： (6.4.20) 其中，gk(x,y)∈Wk。 根据上述二元小波分解的讨论，任意给定一个f(x,y)∈L2(R)， 设fN(x,y)是f在二元多分辨分析VN中的投影。这时，对fk(x,y)∈Vk， gk(x,y)∈Wk， 有 (6.4.21) 而gk(x,y)还可以进一步分解为 (6.4.22) 其中, 设｛al,j｝,｛ ｝ (i=1,2,3)是由两个一元分解序列生成的二元分解序列 (6.4.23) 有 i=1,2,3 (6.4.25) (6.4.24) 则有分解算法: (6.4.26) 对图像的分解如图 6.4.7 所示， 其中L表示低频， H表示高频，下标1,2表示一级或者二级分解。分解的数据传递示意图如图 6.4.8 所示。 图 6.4.7 图像的小波分解示意图 图 6.4.8 小波分解数据流程图 同样, 设｛pl,j｝, ｛ ｝(i=1,2,3)是由两个一元二尺度序列得到的二元二尺度序列， 即 (6.4.27) 因此，相应地有图像重构算法: (6.4.28) 图 6.4.9 是重构的数据传递示意图。 图 6.4.9 小波数据重构示意图 图 6.4.10 是用双正交小波对256×256点256级灰度的Woman图像的分解图，其中，图(a)为原图，图(b)、 (c)、 (d)为分解1、2、3次后得到的图像。 为了看得清楚，我们对图(b)、 (c)、 (d)作了适当的图像增强。 图 6.4.10 双正交小波对Woman 图像的分解 对一个图像作小波分解后, 可以得到一组不同分辨率的子图像，如图6.4.10(b)、 (c)、 (d)所示， 其中不同分辨率的子图像对应的频率是不同的。 从各个子图像中可以看到高分辨率（高频分量）子图像上大部分的数值都接近于 0。 这种现象在频率增高时变得越发明显， 这样也就为对这些点的压缩提供了依据。 6.4.3 小波变换在数字信号调制识别中的应用? 小波变换在数字信号调制识别中也得到了广泛的应用。 调制识别可以分为两种类型：一种是对不同调制类型的区分， 如对SK、PSK、FSK信号的区分; 另一种是对同种调制类型信号的进一步分析，例如对BPSK与QPSK的区别。在小波理论出现之前，对同种类型的信号区分时，可以利用信号的幅度方差来分辨M阶ASK信号；用FFT区分FSK信号；而对于M阶的PSK信号的分辨就存在一定的困难，较为常见的是通过记录信号编码中的相位改变来区分，或者采用信号相位的N阶矩对信号的调制类型来分析。但这两种方法都需要对信号相位进行准确的提取，并且需要对一些信号的参数