《小波分析与应用》试题.docVIP

《小波分析与应用》试题 学院： 信息科学与 工程学 姓名： 钱宏 学号：院 1、 [10’]小波变化俗称“数字显微镜” ，试从尺度因子的变化对时频 窗的中心和半径的影响，阐述其时频局部化功能。 尺度因子变大时， 相应小波分量表现了某个子频带信号， 其频率中心 变高且频带变宽，时频窗呈“廋窄”的变化趋势，即时窗变窄，频窗 变宽，正好适应于更高频信号时频局部化的需要。相反，尺度因子变 小时，同样相应小波分量表现了某个子频带信号， 其频率中心变低且 频带变窄，时频窗呈“扁平”的变化趋势，即时窗变宽，频窗变窄， 正好适应于低频信号时频局部化的需要。 2、 [10’]简述 HHT 变换的原理和简要实现过程。 HHT 方法包含两个主要步骤： 1) 对原始数据进行预处理 ,即先通过经 验模态分解方法 , 把数据分解为满足希尔伯特变换要求的 n 阶本征模式函数 (IMF) 和残余函数 rn(t) 之和； 2)对分解出的每一阶 IMF 做希 尔伯特变换 , 得出各自的瞬时频率 ,做出时频图。 其中经验模态分解（ EMD ）方法能把非平稳、非线性信号分解成一组稳态和线性的序列集 , 即本征模式函数。且每一阶的 IMF 应满足两个条件 : 1)数据的极值点和过零点交替出现 , 且数目相等或最多相差一个任何点上； 2)在任何点上，有局部最大值和局部最小值定义的包络的均值必须是零。 下面以时间序列 X(t) 介绍经验模态分解的一般过程。首先 , 找出 X(t) 所有极大和极小值点 , 并用三次样条函数对极 大 点和极小 点分 行 合得到 X (t) 的上下包 ；然后将原 始数据序列减去上下包 的均 m1(t) , 就可以得到一个去掉低 的新数据序列： h1(t)=X(t)- m 1(t) ，通常 h1(t)不 足 IMF 的条件 , 需h1(t)重复上述 理 程。 k 次 分后将 生第 1 个 IMF 分量 C1(t), 即 h1k(t)=h1(k- 1) (t)- m1k(t) ，C1(t)=h1k(t)。 第 1 个 IMF 分量代表原始数据序列中最高 的成分，将原始数据序 列 X(t) 减去第 1 个分量 C1(t) 。可以得到一个去掉高 分的剩余数据 序列 r1(t)。 r1(t) 行上述 分 理可以得到第 2 个 IMF 分量 C2(t)。如 此重复直到最后一个剩余数据序列 rn(t)不可再被分解或达到 定数 量的 IMF 分量 止。此 ,rn(t) 代表原始数据序列的均 或 r1(t)-C2(t)=r 2(t),?,rn- 1(t)- Cn(t)=rn(t)。最后 , 原始的数据序列即可由 些分量以及一个均 或 表示 :X(t)= ΣCj(t)+r n(t)。 3、 [10’]假 定信号的 率范 （ 0-4000），使用 Mallat 算子 H G 描述提 取 率范 分 （ 0~250）、（ 1500~2000）、（3500~4000）分量的分解 程。 要利用 Mallat 算法提取不同 率范 的分量， 首先需算出 率范 是在原始尺度空 几次分解可以得到的，再通 算子 H 和 G 描 述出其 的系数数据 或 ，而得到分量 果。 于 定信号的 率范 （0-4000） ， 数据 C4， 四次分解可得到（0~250）， 并其 于第一个， =HHHHC 4,同理，可得到（ 1500~2000） 率 范 于的分解数据 =GHHC4, （3500~4000） 率范 于的 分解数据 =GGGC4。 4、 [10’]在 Matlab 环境下，编写相关程序实现如下功能： 加载 noissin 信号，对其进行一维连续小波变换， 分别绘制 a=1.14 和 a=3.5 时 的连续小波变换系数曲线（非灰度图） 。 load noissin; s=noissin(1:100); ls=length(s); w=cwt(s,[1.14 3.5],db3); subplot(2,1,1); plot(w(1,:)); xlabel(时间 ); ylabel(变换尺度 1.14); subplot(2,1,2); plot(w(2,:)); xlabel(时间 ); ylabel(变换尺度 3.5) 运行结果如下所示： 5、 [10’]在 Matlab 环境下，加载 sumsin 信号 绘制原始信号波形曲线； 使用“ db4”小波进行 5 尺度的一维小波分解，绘制各尺度下低频部分（ CAi i=1~5）的系数曲线，观察其消噪效果。 将 CD1 和 CD2 置零，利用第 3 尺度 CA3 、CD3、 CD2、 CD1 进行重构，绘制重构曲线。 load sumsin; s=sum