小波变换在信号奇异性分析中的应用.DOCVIP

小波变换在信号奇异性分析中的应用 郑　林　余席桂 摘　要　　阐述了在奇异信号分析中，小波变换较傅立叶变换及短时傅立叶变换的优势，描述了小波变换在奇异信号分析中的应用。关键词　　信号处理；小波变换；奇异性中图法分类号　　TP 391 Application of Wavelet Transformation in theAnalysis of Singular Signal Zheng Lin　Yu XiguiPostgraduate; School of Mechanical and Electrical Engineering, WAPU, Wuhan 430070, China. Abstract　　The superiority of wavelet transformation in the analysis of singular signal to Fourier transformation and short-time Fourier transformation is explained. The application of wavelet transformation in the analysis of singular signal is described.Key words　　signal process; wavelet transformation ; singularity 　　在信号处理中，经常会遇到时间序列出现孤立异常值或异常值“斑块”，这在数学上表现为函数在某处有间断或函数的某阶导数不连续，称信号在这些点存在某种程度的奇异性［1］。如何判断奇异性的存在及其位置，是信号处理的一个重要课题。小波变换由于具有“变焦距”的性质，因此逐渐成为奇异信号分析中的主要工具。 1　传统傅立叶变换在奇异信号分析中的缺陷 　　一般的Fourier变换主要有两个缺陷： ① 它虽能较好地刻划长信号的频率特性，但对短时信号却不能作准确的频率分析； ② 傅立叶变换在时空域中没有任何分辨能力，即变换F(ω)在任何有限频段上的信息都不足以确定在任意小范围内的函数f(x)［2］。　　作为一种改进，短时傅立叶变换(STFT)可以同时获得信号的时域及频域信息。其变换公式为 (1) 式中，f(t)为被分析信号； g(t)为窗口函数； τ为时延。　　即随着τ的变化，g所确定的“时间窗”在t轴上移动，使f(t)逐步进入被分析的状态。从而Gf(τ,ω)大致反映了f(t)在时刻τ时频率为ω的“信号成分”的相对含量。　　然而，STFT也有一个缺点，尽管它能同时刻划局部的时域及频域信息，但函数族{gτ,ω:(τ,ω)∈R2}所确定的时频窗口大小、形状不能变化。亦即任何时候窗口的时宽及频高都不变。这样，可能会产生信号分析失真。例如，信号中如出现一个高频成分(超出窗口的频高范围)，则获取的信息将会失真。而这种突然性的高频成分在奇异信号中经常出现，这使得STFT在奇异信号分析中受到限制。　　笔者讨论的小波变换发展了STFT局部化思想，它的时频窗口可随分析信号的变化而变化，从而较好地解决了奇异性问题。 2　奇异信号分析中的小波变换 2.1　小波变换　　信号f(t)∈L2(R)的连续小波变换定义为 (2) 式中，a为尺度因子；是基本小波ψ(f)在尺度上的伸缩和在时域上的平移所形成的连续小波［3］。　　可以推导，ψa,b(双窗)的正频窗口中心为(b, ω+0/a)，其中a＞0，ω+0=。　　时宽Δψa,b=|a|Δψ,频高, Δψ、Δ是基波ψ的时宽及频高。可以看出，时频窗面积S=Δψa,b.Δa,b=Δψ.Δ。当基波ψ确定后，S大小不变。　　然而，随着尺度a的变化，时宽和频高将同时反向变化，即连续小波提供的局部化格式是可变的。对于高频信号成分，小波变换取小的尺度a，即调小时宽调大频高，对低频成分，则取大的尺度a，即调大时宽，调小频高。由于小波变换能够不断地聚焦到对象的任意微小细节，因而被誉为数字显微镜。2.2　小波变换对信号奇异性的刻划　　在小波变换中，信号的局部奇异性用李普希兹指数来刻划其程度。　　定义1　设n是一非负整数，n＜α＜n+1，则称为f(x)在某点χ0具有李普希兹指数α。即f(x)∈Cαχ0，若存在一个阶为n的多项式pn(x)，使得 f(x)=pn(x-χ0)+0(|x-χ0|)α 　　由定义1可知：　　① α是唯一的。这用反证法可证。　　② 若f(x)的导数存在，有界，无论f′(x)在χ0连续与否，则f(x)在χ0均有李普希兹指数大于1。如果f(x)在χ0李普希兹指数小于1，则称f(x)在χ0是奇异的，χ0为奇异点。同理，当1≤n＜α＜n+1时，则称f(n)(x)在χ0是奇异的。　　③ α越大，