小波变换科普性质的.pptVIP

7章小波与小波变换*7.1小波介绍——小波分析(续3)CWT变换的结果是许多小波系数C，这些系数是缩放因子(scale)和位置(position)的函数离散小波变换(discretewavelettransform，DWT)该式含义：小波变换是信号f(t)与被缩放和平移的小波函数Ψ之积在信号存在的整个期间里求和01小波的基函数序列或称子小波(babywavelets)函数是由单个小波或称为母小波函数通过缩放和平移得到的缩放因子和平移参数都选择2j(j0的整数)的倍数，这种变换称为双尺度小波变换(dyadicwavelettransform)用小波的基函数(basisfunctions)表示一个函数的方法02连续小波变换用下式表示7章小波与小波变换*7.1小波介绍——小波分析(续4)图7-5离散小波变换分析图DWT得到的小波系数、缩放因子和时间关系，见图7-5图(a)是20世纪40年代使用Gabor开发的短时傅立叶变换(shorttimeFouriertransform，STFT)得到的图(b)是20世纪80年代使用Morlet开发的小波变换得到的7章小波与小波变换*7.1小波介绍——小波分析(续5)执行DWT的有效方法用Mallat在1988年开发的滤波器，称为Mallat算法[1]DWT的概念见图7-6。S表示原始的输入信号；通过两个互补的滤波器产生A和D两个信号图7-6双通道滤波过程A表示信号的近似值(approximations)，大的缩放因子产生的系数，表示信号的低频分量D表示信号的细节值(detail)，小的缩放因子产生的系数，表示信号的高频分量7章小波与小波变换*7.1小波介绍——小波分析(续6)由低通滤波器和高通滤波器组成的树原始信号通过一对滤波器进行的分解叫做一级分解。信号的分解过程可以迭代，即可进行多级分解。小波分解树(waveletdecompositiontree)用下述方法分解形成的树：对信号的高频分量不再继续分解，而对低频分量连续进行分解，得到许多分辨率较低的低频分量，见图7-7小波包分解树(waveletpacketdecompositiontree)用下述方法分解形成的树：不仅对信号的低频分量连续进行分解，而且对高频分量也进行连续分解，这样不仅可得到许多分辨率较低的低频分量，而且也可得到许多分辨率较低的高频分量，见图7-8小波分解树与小波包分解树7章小波与小波变换*7.1小波介绍——小波分析(续7)图7-7小波分解树7章小波与小波变换*7.1小波介绍——小波分析(续8)图7-8三级小波包分解树7章小波与小波变换*7.1小波介绍——小波分析(续9)图7-9降采样过程注意：在使用滤波器对真实的数字信号进行变换时，得到的数据将是原始数据的两倍例如，如果原始信号的数据样本为1000个，通过滤波之后每一个通道的数据均为1000个，总共为2000个。于是,根据尼奎斯特(Nyquist)采样定理就提出了采用降采样(downsampling)的方法，即在每个通道中每两个样本数据中取一个，得到的离散小波变换的系数(coefficient)分别用cD和cA表示，见图7-97章小波与小波变换*7.1小波介绍——小波分析(续10)单击此处添加正文，文字是您思想的提炼，为了演示发布的良好效果，请言简意赅地阐述您的观点。您的内容已经简明扼要，字字珠玑，但信息却千丝万缕、错综复杂，需要用更多的文字来表述；但请您尽可能提炼思想的精髓，否则容易造成观者的阅读压力，适得其反。正如我们都希望改变世界，希望给别人带去光明，但更多时候我们只需要播下一颗种子，自然有微风吹拂，雨露滋养。恰如其分地表达观点，往往事半功倍。当您的内容到达这个限度时，或许已经不纯粹作用于演示，极大可能运用于阅读领域；无论是传播观点、知识分享还是汇报工作，内容的详尽固然重要，但请一定注意信息框架的清晰，这样才能使内容层次分明，页面简洁易读。如果您的内容确实非常重要又难以精简，也请使用分段处理，对内容进行简单的梳理和提炼，这样会使逻辑框架相对清晰。小波重构把分解的系数还原成原始信号的过程叫做小波重构(waveletreconstruction)或合成(synthesis)，数学上叫做逆离散小波变换(inversediscretewavelettransform，IDWT)重构概念在使用滤波器做小波变换时包含滤波和降采样(downsampling)两个过程，在小波重构时也包含升采样(upsampling)和滤波两个过程，见图7-10升采样是在两个样本数据之间插