吴正国高等数字信号处理第6章小波变换5.pptVIP

第六节 信号的奇异性检测 三、基于小波变換模极大值的 信号重构 四、小波消噪算法 Γ空间：K 空间中滿足下式的元素构成的子空间 (对于所有 n, j ) 因此，所需求的函数 h ( t ) 的小波变換应为U 空间与Γ空间的交集中滿足上述范数最小化的函数。可用交替投影法求取 h ( t ) 的小 波变換。为此可定义如下算子 Γ空间向 U 空间的投影算子：投影为某函数的 小波变换 U 空间向Γ空间的“最佳”投影算子 定义如下： (投影为滿足上述条件(a)和(b)的函数) 两式的最小化是等价的。可以证明，上式最小化等价如下积分式最小化 此积分最小化，相当解如下欧拉方程： 对于Γ空间给定的初始函数和己知的信号模极大值，交替使用上述两算子，如下图所示 3、伪振荡的抑制： 当已知的两极值点充分接近时,使用上述算法，会使 h (x ) 的小波变換在两极值奌之间产生振荡，从而出现不需要的极大值奌。为此，可在使用最佳投影算子之前引入符号约束，以抑制伪振荡。 为加速交替投影收敛速度和提高收敛精度，在使用上述两算子之间插入BRF神经网络进行函数拟合 ⒈宽帶随机噪声的小波变換 * * 奇异奌包含重要信息 奇异性检测广泛应用于故障诊断、数据压缩 、信号检测、消噪等领域 Mallat：“Singularity detection and processing with wavelets ”( 1992 ) 一、信号奇异性描述 ①定义6.6.1 设 n 为非负整数，n＜α≤n+1，f ( t )在 t0 处具有Lipschitz 指数α，当且仅当存在常数Ａ和 h0＞0及 n 阶多项式 ，使得对于任意h≤h0 1、 Lipschitz 指数 f ( t ) 在t0奌的Lipschitz指数不唯一，其上界 称之Lipschitz正则性，并记为 该n阶多项式实际上是f(t)在t0奌台劳展开式的前(n+1)项。对于正则性为α的f(t)，由于α=n+1，所以f(t)必然n次連续可导，但(n+1)次导数不連续。(台劳展开式最多展开到n+1项) 定义6.6.2 (一致Lipschitz 指数)，即 f( t )在 ( a , b ) 区间上每一奌都具有的Lipschitz指数 在相同时间奌上，f ( t ) 的导函数的Lipschitz 正则性总比 f ( t ) 的Lipschitz正则性少一。 f ( t ) 在 ( a , b ) 上有一致Lipschitz指数α， 当且仅当其导函数在 ( a , b ) 上一致Lipschitz 指数α－1。 ②分布函数的Lipschitz指数 由于在t=0奌分段线性连续的函数的正则性 为1，所以其导函数----阶跃函数在t=0奌正则性为0，而冲激函数在t=0奌正则性为 ( -1 ) 记 3、信号奇异奌与小波变換模极大值的关係 若 f ( t ) 在 t0 处正则性小于1，则称 t0 奌为 f (t ) 的 奇异奌。 可以证明白噪声的正则性为-0.5-ε(ε0) 则 f (t ) 的奇异奌正好与f ( t ) 的小波变換模极 大值对应。(导数的极大值点即被导函数的拐点) 若取小波函数为某光滑函数的一阶导函数， 2、 信号奇异奌与小波变換模极大值的关係 因此，可通过小波变换的模极大值来寻找函数的奇异点。 3、消失矩(Vanishing moments)的概念 ①定义6.6.3 ：如果对于一切 0≤k＜M，基本小波ψ( t )有下式成立，则称ψ( t ) 具有M阶消失矩 即ψ( t )的频谱在ω=0处有M阶重零点。所以消失矩表征了频谱在 ω=0处的平滑程度。 对于N阶多项式x(t)，显然其阶次kM的多项式部分对于x(t)， ψ( t )的贡献为零。因此M越大，则用ψ( t )通过内积越可突出x(t)的高阶成份(包含奇异点)。 对于正交小波，其频谱在ω=0处的零奌相当于 G(ω)在ω=0处的零奌，即H(ω)在ω=π处的零 点，也就是H(z)在z=-1处的零点。 ②正交小波具有 M 阶消失矩的条件 即具有M阶连续导数，但(M+1)阶导数不连续。 ③具有 M 阶消失矩的母小波的小波变換满足： K≤M 具有M阶消失矩的母小波的小波变换的模极大值点与该信号的k阶导函数与母小波的k阶原函数(消失矩增加k)的小波变换模极大值点相同。 证明： 二、基于小波变换模极大值的奇异性检测 1.小波变换模极大值的变化规律 定义6.6.5：在s0尺度下，小波变換的局部极