小波分析适用于初学者.pptxVIP

小波分析基础;一、认识小波;(1.1);如图1所示的LENA图像f(x,y)，假设图像的大小是512x512，量化级是256，即;2、L2(R)空间的正交分解和变换[1] 对f(t)?L2(R)，存在L2(R) 的一组标准正交基gi(t)，t ?R，i=1,2,…使得; 对于给定信号f(t)，关键是选择合适的基gi(t) ，使得f(t)在这组基下的表现呈现出我们需要的特性，但是如果某一个基不满足要求，可通过变换将函数转换到另一个基下表示，才能得到我们需要的函数表示。常用的变换[2]有： (1) K-L变换 (2) Walsh变换 (3) 傅立叶变换 (4) 小波变换 如图所示是信号f(t)的傅立叶变换示意图。信号f(t)经傅立叶变换由时域变换到频域，基底不同得到大变换也不同。 在信号处理中，有两类非常重要的变换即傅立叶变换和小波变换。目前，可简单地将小波理解为满足以下两个条件的特殊信号： 小波必须时振荡的； 小波的振幅只能在一个很短的一段区间上非零，即是局部化的。;1、Daubechies小波;2、Coiflets小波;4、Morlet小波 5、Mexican Hat小波;不是小波的例;RETURN;3、傅立叶变换与时频分析[4] 我们知道，任何复杂的周期信号f(t)可以用简单的调和振荡函数表示成如下形式：;于是，周期函数f(t) 就与下面的傅立叶序列产生了一一对应，即;对于L2(R)上的非周期函数f(t) ，有;有了傅立叶变换，我们可以很容易地将时域信号f(t)转换到频域 上，于是信号的频率特性一目了然，并且与傅立叶级数一样，傅立叶变换将一段信号的主要低频能量都集中在频率信号的前面几项，这种能量集中性有利于进一步的处理。在过去200年里，傅立叶分析在科学与工程领域发挥了巨大的作用，但傅立叶分析也有不足，主要表现在以下两点：;例1、歌声信号 歌声是一种声音震荡的波函数，其傅立叶变换就是将这个波函数转化成某种乐谱。但遗憾地是，傅立叶变换无法反映信号在哪一时刻有高音，在哪一时刻有低音，因此结果是所有的音符都挤在了一起，如图所示。;小波变换有效地克服了傅立叶变换的这一缺点，信号变换到小波域后，小波不仅能检测到高音与低音，而且还能将高音与低音发生的位置与原始信号相对应，如图所示。;例2、信号逼近：???图(a)和(b)是原始信号，其余的是逼近信号。;因此我们需要这样一个数学工具：既能在时域很好地刻画信号的局部性，同时也能在频域反映信号的局部性，这种数学工具就是“小波”。从函数分解的角度，希望能找到另外一个基函数?(t) 来代替sint。?(t) 应满足以下三个特性： 任何复杂的信号f(t)，都能由一个母函数?(t) 经过伸缩和平移产生的基底的线性组合表示； 信号用新的基展开的系数要能反映出信号在时域上的局部化特性； 新的基函数?(t) 及其伸缩平移要比三角基sint更好地匹配非平稳信号。 历史上，Haar第一个找到了这样一个基函数，这就是非常著名但又及其简单的Haar小波。;数学上已经证明：;二、小波变换的定义及特点;?(t)又称为母小波，因为其伸缩、平移可构成L2(R)的一个标准正交基：; 总结：小波即小区域的波，是一种特殊的长度有限、平均值为零的波形。它有两个特点：一是“小”，即在时域具有紧支集或近似紧支集；二是正负交替的“波动性”，也即支流分量为零。傅立叶分析是将信号分解成一系列不同频率的正弦波的叠加，同样小波分析是将信号分解为一系列小波函数的叠加，而这些小波函数都是由一个母小波函数经过平移和尺度伸缩得来的。;小波分析优于傅立叶分析的地方是，它在时域和频域同时具有良好的局部化性质。而且由于对高频成分采用逐渐精细的时域或频域取样步长，从而可以聚焦到对象的任何细节，所以被称为“数学显微镜”。小波分析广泛应用与信号处理、图像处理、语音识别等领域。 ; 可以这样理解小波变换的含义：打个比喻，我们用镜头观察目标信号f (t)， ψ(t)代表镜头所起的所用。b 相当于使镜头相对于目标平行移动，a的所用相当于镜头向目标推进或远离。由此可见，小波变换有以下特点： 多尺度/多分辨的特点，可以由粗及细地处理信号； 可以看成用基本频率特性为?(ω)的带通滤波器在不同尺度a下对信号做滤波。 适当地选择小波，使ψ(t)在时域上为有限支撑,?(ω)在频域上也比较集中，就可以使WT在时、频域都具有表征信号局部特征的能力。;小波变换的思想来源于伸缩和平移方法。 尺度伸缩 对波形的尺度伸缩就是在时间轴上对信号进行压缩和伸展，如图所示。; 时间平移 时间平移就是指小波函数在时间轴上的波形平