小波分析简述第五章.pptVIP

小波变换（Wavelet Transform） 西安交通大学 机械工程及自动化研究所 主要内容 一、小波的发展历史 二、小波定义 三、连续小波变换 四、小波变换的特点 五、离散小波变换 六、多分辨率分析 七、Mallat算法 八、小波的应用 九、小波的进展 一、小波的发展历史 第一阶段：孤立应用时期 1807年 Fourier 提出傅里叶分析 1822年 发表 “热传导解析理论”论文 1910年??? Haar 提出最简单的小波 第二阶段：国际性研究热潮和统一构造时期 1980年 Morlet 首先提出平移伸缩的小波公式，用于地质勘探。 1985年 Meyer 和稍后的Daubeichies提出“正交小波基”，此后形成小波研究的高潮。 小波的发展历史 1987年 法国信号处理专家Mallet巧妙地将计算机视觉领域内的多尺度分析的思想引入到小波分析中，并给出了想应的算法——现今称之为Mallat算法，并应用于图像分解和重构。Mallet算法在小波分析中的地位就相当于快速Fourier（FFT）变换在经典Fourier中的地位。 第三阶段：全面应用时期。 从1992年开始，小波分析方法进入全面应用阶段。MATLAB中，特意把小波分析作为其“ToolBox”的单独一个工具箱。 二、小波定义 因为小波 只有在原点附近才会存在明显的起伏，在远离原点的地方函数值将迅速“衰减”为零，所以我们 称 为“小波” 三、连续小波变换 （Continue Wavelet Transform，简记CWT） 小波变换的反演公式 苏轼名句“横看成岭侧成峰，远近高低各不同”蕴涵了信号处理的本质。只有观测位置得当，才能看到信号的庐山真面目。适当的观测位置是由及函数决定的。 小波基的伸缩和平移，决定了小波变换是多分辨的。小波变换既看到了森林（信号概貌），又看到了树木（信号细节），能精确地在时间-频率（时间-尺度）平面内刻画非平稳信号的特征，被誉为“数学显微镜”。小波变换是迄今为止最优秀的非平稳信号处理方法。 小波基的形状、紧支性、衰减性、对称性、光滑性及正交性的不同决定了小波的千差万别，在小波变换时，基函数的选择非常关键,在信号分解时，若采用了不适宜的小波基函数，则会由于特征信息被冲淡，反而给故障信号特征的检测和识别造成困难 五、离散小波变换(Discret Wavelet Transform，简称DWT) 离散小波变换就是在尺度与位移均做离散化。最通常的离散方法就是将尺度按幂级数进行离散化（一般取2），从而得到二进小波。再将位移按二进整数倍的方式离散化，得到正交小波。 CWT DWT 六、多分辨率分析（Multi-resolution Analysis ，MRA），又称为多尺度分析 若我们把尺度理解为照相机的镜头的话，当尺度由大到小变化时，就相当于将照相机镜头由远及近地接近目标。在大尺度空间里，对应远镜头下观察到的目标，只能看到目标大致的概貌。在小尺度空间里，对应近镜头下观察目标，可观测到目标的细微部分。因此，随着尺度由大到小的变化，在各尺度上可以由粗及精地观察目标，这就是多尺度（即多分辨率）的思想。 1、多分辨率分析定义 2、尺度函数和小波函数 尺度函数和小波函数 3、尺度方程与小波方程 4、滤波器系数性质 小波基函数和滤波系数(Haar--正交，对称) 5、小波基与滤波器系数 有的小波基是正交的，有的是非正交的。有的小波基是对称的，有的是非对称的。 小波基（尺度函数和小波函数）可以通过给定滤波系数生成。 小波的近似系数和细节系数可以通过滤波系数直接导出，而不需要确切知道小波基函数，这是 I. Daubechies 等的重要发现，使计算简化，是快速小波分解和重建的基础。 小波基函数和滤波系数(db 2--正交，不对称 ) 小波基函数和滤波系数(sym 4--正交，近似对称) 小波基函数和滤波系数(bior 2.4 –双正交，对称) Matlab中的体现 [cA,cD] = dwt(X, db1 ) 与以下写法等价： [Lo_D,Hi_D] = wfilters(db1,d); [cA,cD] = dwt(X,Lo_D,Hi_D) 七、Mallat算法 一种计算离散栅格上小波变换的快速算法，即Mallat算法。 小波分解和小波基 八、小波应用 小波去噪声 小波用于图像配准 小波图像压缩 小波数字水印 信号奇异性检测 九、小波进展 第二代小波，称提升算法，可用于整数小波。 小波神经网络 小波压缩 细节系数大多数接近0，只有很少一部分对应于图像边缘和纹理信息的系数具有较大的峰值，含有显著能量。 好的小波使能量更集中 采用好的编码方法 各高