小波变换知识总结 .pdf

变换的是什么东西呢？是基，也就是basis。在线性代数里，basis是指空间里一系列线性独立的

向量，而这个空间里的任何其他向量，都可以由这些个向量的线性组合来表示。傅立叶展开的本质，

就是把一个空间中的信号用该空间的某个basis的线性组合表示出来。变换的本质就是在搞基。

向量空间中的每一个向量都是向量基的线性组合，即把一些常数与向量基相乘，然后计算点积。

对信号的分析就包括计算这些常数（变换系数、傅里叶系数、小波系数）。合成或者说重构就是计算

线性组合方程。N维空间的向量基中有N个向量。

平稳信号中的频率分量一直保持不变。区别于非平稳信号。

傅里叶变换（FT）

：

傅里叶变换后的频谱图上出现毛毛刺，是因为信号中的频率突变引起的。

傅里叶变换仅仅给出了信号的频率分量，却没有给出这些频率分量出现的时间（傅里叶变换无任

何时间分辨率）。因此对于非平稳信号，傅里叶变换是不合适的。当且仅当我们仅仅关心非平稳信号

中的频率分量而不关心其出现的时间，傅里叶变换才可用于处理非平稳信号。

根据不确定性原理（测不准原理）：（1）在任意一个时间点，我们不能确定哪个频率分量存在；

我们能做到的是在一个给定的时间段内确定哪个频率分量存在；（2）在时频分析中，要想取得高的时

间分辨率就必须牺牲频率分辨率，反之亦然。

高频信号在时间域内更易处理，而低频信号在频率域内更易处理。

傅里叶变换：公式中的指数项还可写成：

所以我们实际要做的就是用一些复数表达式叠加出原始信号，这些复数表达式包含了频率的正弦

和余弦部分。然后对乘积积分。如果积分结果值很大，说明信号在该频率处有一个大的频谱分量。

傅里叶变换是二维的，如果再加上幅度就是三维的。

图中以“尺度”为标签的轴代表频率，尺度越大频率

越低，因此，图中的小尖峰反映了信号中的高频分量；大尖峰则反映了信号中的低频分量。高频信

号的尺度分辨率很高，高尺度分辨率对应低频率分辨率。

这是一个无限循环的函数。1，cosx,sinx,

cos2x…就是傅立叶..级数。傅立叶级数应用如此广泛的主要原因之一，就是这些functionbasis（函

数基）是正交的。即两个函数的内积为0：=0。

信号f(x)是已知的，傅立叶级数是已知的，我们怎么求a1呢？很简单，把方程两端的所有部分都

与cosx的内积，即：

然后我们发现，因为正交的性质，右边所有非a1项全部消失了，因为他们和cosx的内积都是0！

所有就简化为

傅立叶变换就是用一系列三角波来表示信号方程的展开，这个信号可以是连续的，可以是离散

的。傅立叶所用的functionbasis是专门挑选的，是正交的，是利于计算coefficients的。但千万别误

解为展开变换所用的basis都是正交的，这完全取决于具体的使用需求，比如泰勒展开的basis就只是

简单的非正交多项式。

短时傅里叶变换（STFT）：

假定非平稳信号在一段时间内是平稳的

短时傅里叶变换（也叫加窗傅里叶变换）和傅里叶变换只有一个微小的不同，就是在短时傅里叶

变换中，信号被划分成足够小的片段，这些片段中的信号可以看成平稳信号，基于这个原因，就需要

一个窗函数，窗的宽度必须和信号片段的宽度相等，这样它的平稳性才有效。这个窗函数位于信号的

Ff

最前端，即窗函数必须时刻存在。(,)表示f和τ的函数：

ift

2

Fffttedt，其中t表示对t取共轭（对一个复值函数：

(,)()()()()



tR



z(x)=a(x)+jb