小波分析的理解知识讲解.docxVIP

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：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” o小波 分析广泛应用与信号处理、图像处理、语音识别等领 域. 可以这样璋解小波变换的含义：打个比喻，我们 用镜头观察目标信号/M), (f)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 辑点： ?茗尺度/多分辨的特点，可以由粗及细地处理信号； ，W以看成用基本频率特性为咒口)的带通滤波器在不 同尺度a下对信号做滤波， A适当地选择小波，使w(f)在时域上为有限支撑,升少) 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。 小波运算的基本步骤， 选择一个小波函数，并将这个小波与要分析的信 号起始点对齐； 计算在这一时刻要分析的信号与小波函数的遍近 程度，即计算小波变换系数G C越大，就意味着此 刻信号与所选择的小波函数波形越相近，如图所示, Wavelet 将小波函数沿时间轴向右移动一个单位时间，然后 重复步骤(I)、(2)卿此时的小波变换系数C,直到覆 盖完整个信号长度，如图所示： WaveletSignal Wavelet Signal （4）将所选择的小波函数尺度伸缩?个单位，然后重复 步骤（1）、⑵、（3）,如图所示: （ （5）对所有的尺度伸缩重复步骤⑴、（2）、（3）、（4）。 小波的应用主要是信号的处理，其中最典型的应用是 小波图象压缩，另外，小波在诸如信号去噪、特征提 取等多方面均有成功的应用，下面以图象去噪为例说 明小波应用策略。小波的各种应用均可分为以下三步: 1） 对原始信号作小波变换，将信号由空域变换到频域 2） 对小波系数做相应处理： 3） 对处理后的小波系数做小波逆变换，还原原信号， 小波变换是克服其他信号处理技术缺陷的一种分析信号的方法。小波由一族小波基函数 构成，它可以描述信号时间(空间)和频率(尺度)域的局部特性。采用小波分析最大优点 是可对信号进行实施局部分析， 可在任意的时间或空间域中分析信号。 小波分析具有发现其 他信号分析方法所不能识别的、 隐藏于数据之中的表现结构特性的信息， 而这些特性对机械 故障和材料的损伤等识别是尤为重要的。 如何选择小波基函数目前还没有一个理论标准， 常 用的小波函数有 Haar、Daubechies(dbN)、Morlet、Meryer、Symlet、Coiflet Biorthogonal 小 波等15种。但是小波变换的小波系数为如何选择小波基函数提供了依据。小波变换后的系 数比较大，就表明了小波和信号的波形相似程度较大；反之则比较小。 另外还要根据信号 处理的目的来决定尺度的大小。如果小波变换仅仅反映信号整体的近似特征，往往选用较 大的尺度；反映信号细节的变换则选用尺度不大的小波。 由于小波函数家族成员较多，进行 小波变换目的各异，目前没有一个通用的标准。 根据实际运用的经验， Morlet小波应用领域较广，可以用于信号表示和分类、图像识别 特征提取；墨西哥草帽小波用于系统识别；样条小波用于材料探伤； Shannon正交基用于差 分方程求解。 现在对小波分解层数与尺度的关系作如下解释: 是不是小波以一个尺度分解一次就是小波进行一层的分解？ 比如：[C,L]=wavedec(X,N,wname)中，N为尺度，若为1,就是进行单尺度分解，也就 是分解一层。 但是 W=CWT(X,[2:2:128],wname,plot)的分解尺度又是从 2?128以2为步 进的，这里的“分解尺度”跟上面那个“尺度”的意思一样吗？ [C,L]=wavedec(X,N,wname)中的N为分解层数，不是尺度，以wname是DB小波为例， 如DB4, 4为消失矩，则一般滤波器长度为 8,阶数为7. wavedec针对于离散,CWT是连续的。 多尺度又是怎么理解的呢？ 多尺度的理解：如将0-pi定义为空间V0,经过一级分解之后 V0被分成0-pi/2的低频子 空间V1和pi/2-pi的高频子空间 W1,然后一直分下去....得到VJ+WJ+....W2+W1. 因为 VJ和WJ是正交的空间，且各 W子空间也是相互正交的.所以分解得到了是相互不包含的 多个频域区间，