小波理论简介
小波分析理论简介
傅立叶变换伟大的历史贡献及其局限性
1 Fourier 变换
1807年,由当年随拿破仑远征埃及的法国数学、物理学家傅立叶(Jean
Baptistle Joseph Fourier ,1786-1830),提出任意一个周期为T (=π2)的函数
)(t f ,都可以用三角级数表示:
)(t f =
∑∞
-∞
=k ikt
k
e
C
=
2
0a + ∑∞=1
cos k k kt a + ∑∞
=1
sin k k kt b (1)
k C =
π
21?
-π
20
)(dt e
t f ikt
= *
ikt
e
f , (2)
k k k C C a -+= )(k k k C C i b --= (3)
对于离散的时程 )(t f ,即 N 个离散的测点值 m f ,=m 0,1,2,……,N-1,
T
为测量时间:
)(t f =
2
0a +
)sin cos (1
2
1
∑-=+N
k k k k k
t b t a
ωω+
t a N N 2
2
cos 2
1ω=∑-=1
N k t
i k k e C ω (4)
其中 ∑
-==
1
02cos
2N m m k
N km x N a π ,=k 0,1,2,…,2
N (5)
∑
-==
1
2sin
2N m m k N
km x N b π , =k 1,2,…,
2
N -1 (6)
∑-=-=
1
)
/2(1N m N km i m
k e
x
N
C π ,=k 0,1,2,…,N-1 (7)
t
N k k ?=π
ω2 ,N
T t
=
? (8)
当T ∞→ 时,化为傅立叶积分(即 Fourier 变换):
?
∞
∞
--=
dt e
t f f t
i ωω)()(
=t
i e
f ω, (9)
ωωπ
ωd e f t f t
i )(21)(?
∞
∞
-=
(10)
傅立叶变换的理论是人类数学发展史上的一个里程碑,从1807 年开始,
直到1966年(1807年傅立叶提出任意一个周期函数都可以表示为傅立叶级数的结论是有误的,直到1966年才证明了2L可积的周期函数才能表示为傅立叶级数),整整用了一个半世纪多,才发展成熟。她在各个领域产生了深刻的影响,得到了广泛的应用,推动了人类文明的发展。其原因是,傅立叶理论不仅仅在数学上有很大的理论价值,更重要的是傅立叶变换或傅立叶积分得到的频谱信息具有物理意义。所以说,傅立叶理论是万古流芳的。
数学上的插值方法。
除傅立叶级数外,还有拉格朗日插值,有限元插值,勒让德多项式插值即高斯积分使用的插值方法。
遗憾的是,这种理论具有一定的局限性:
(1)傅立叶变换的三种形式中的傅立叶系数都是常数,不随时间 t 变化,因而只能处理频谱成分不变的平稳信号,相反的,在处理非平稳信号时会带来很大误差,甚至与实际情况大相径庭。(举例:无阻尼与有阻尼的单自由度的自由振动、打秋千、座钟、讨论会与大合唱等)。
在实际信号中,若高频与低频差别很大,在相同的时间间隔内,高频信号衰减了而低频信号尚未衰减,所以,在不同时刻,信号的频谱成分是不同的。硬要用傅立叶变换找出所有时刻的频谱成分,硬要把幅值的变化用频率的变化来补偿,不仅高频的傅立叶系数有误差,低频的傅立叶系数也有很大误差,包括求出的频率当然也有误差。
(2)求傅立叶系数是全时间域上的加权平均,这从上面的(5)、(6)、(7)公式可以清楚看到。局部突变信息被平均掉了,局部突变信息的作用很难反映出来(好比吃大锅饭,平均主义)。差别很大的信号,如方波、三角波、正弦波,都可以得到相同的频率,所以,处理、捕捉突变信号如故障信号,灵敏度很差。处理、捕捉突变信号应使用能反映局部信息的变换。
为了克服以上两点局限性,这就要求:
(1)将变换系数视为随时间变化的,级数求和由一重变为两重。
(2)使用能反映局部信息的变换,则函数组不能使用全域上的函数,只
能使用有所谓紧支撑的函数,即“小波函数”或 加窗傅立叶变换的窗函数。
2 Garbor 变换—窗口 Fourier 变换
在时间—频率分析中, Fourier 变换公式的不足已经被 D. Garbor 注意到了,在 1946 年的论文中,为了提取信号的Fourier 变换的局部信息,引入了一个时间局部化的 Gaussian 函数作为“窗函数” g(t-b),其中参数 b 用于平移动窗以便覆盖整个时间域。因为一个 Gaussian 函数的Fourier 变换还是Gaussian 函数,所以Fourier 逆变换即频率也是局部的。
窗口 Fourier 变换简介。
对于时间局部化的“最优”窗,用任一Gaussian 函数 a
t
a e
a
t g 42
21)(-
=π (11)
“Garbor 变换”的定义为
?∞
∞
---=
dt b t g t f e
f G a t
i a
b
)())(())((ωω (12)
由于
?
∞
∞
- =-db b t g a )(
?
∞
∞
-=dx x g a )( 1 (13)
所以
?
∞
∞
-{
?
∞
∞
-dt b t g t f e
a t
i )())((--ω} db = )(ωf
(14) 令 )(,t G a
b ω =)(b t g e a t
i -ω (15)
利用 Parseval 恒等式,
?∞
∞
---=
dt b t g t f e
f G
a t
i a b
)())(())((ωω
=a b G f ω
,,
=
a b G f ω
π
,,21
=
))((241
b f G a
e
a
ib --
ω
ω
π
=ηωηηππ
η
ω
d g f e
e
a
a
ib ib )()((2141
-???
? ?
??∞
∞
--
(16)
这个等式说明,除去乘数项 ???
?
?
?
-ω
π
ib e
a 之外,在
b t = 具有窗函数a g 的f 的“窗口 Fourier 变换”,与在 ωη=具有窗函数a
g 41
的f
的“窗口 Fourier 逆变换”一致,根据窗函数 a g 的宽度是 2a 的
结论,这两个窗的宽度分别是
2a 和
a
1
这两个窗的笛卡儿积是 [a b a b +
-
,]???
??
?+-?a a 21,21ωω
加窗傅立叶变换的“时间—频率窗”的宽度对于观察所有的频率是不变的。在较长的时间窗内,对于高频信号,可能经过了很多周期,因而求出的Fourier 变换系数是很多周期的平均值,局部化性能不能得到体现。若减小时间窗(减小a ),高频信号局部化性能得到体现,但对于很低的频率信号来讲,检测不到。总上所述,加窗傅立叶变换对于高频与低频差别很大的信号仍不是很有效的。
3 窗口 Fourier 变换的测不准原理 对于一个非平凡函数w )(2IR L ∈,若满足
tw )(2IR L ∈ (A )
条件,则w 可作为短时窗口 Fourier 变换的窗函数,若其Fourier 变换也满足上述条件,那么
2
1≥??w
w (B )
而且,等号成立,如且仅如
)()(b t g ce
t w a iat
-= (C )
其中 IR b a a c ∈>≠,0,0和 。
小结:
(1) 傅立叶级数的正弦与余弦系数为常数,不能反映振幅变化的情况; (2) 求傅立叶系数需要所考虑的时间域上所有信息,不能反映局部信息
的特征;
(3) 加窗傅立叶变换时间窗是固定不变的,高频与低频的时间局部化不
能同时满足。
由于上述原因,必须进一步改进,克服上述不足,这就导致了小波分析。
(一) 小波分析
将时程函数)(t f 表示为下面的小波级数:
∑∑
∞
-∞=∞
-∞=><=j k k
j k
j t f t f )(~,)(,,ψψ =
∑∑∞-∞=∞
-∞
=j k k
j k
j t d
)(,,ψ
(17)
)2(,k t j
k
j -=ψψ
(18)
其中, )(t ψ 是小波函数,k
j d , 是小波系数,且
k j d , =><
k
j f ,~,ψ ( 19) 由公式(17)到(19) 可以看到,小波级数是两重求和,小波系数的指标不仅有频率的指标j ,而且还有时间的指标 k 。也就是说,小波系数不仅像傅立叶系数那样,是随频率不同而变化的,而且对于同一个频率指标 j ,在不同时刻 k ,小波系数也是不同的。这样就克服了上面所述的第一个不足。
由于小波函数具有紧支撑的性质,即某一区间外为零。这样在求各频
率水平不同时刻的小波系数时,只用到该时刻附近的局部信息,从而克服了上面所述的第二个不足。
与有限元比较。
在这一点,小波插值要比有限元高明。有限元虽然是局部的“单元插值”,但单元之间的公共节点上,只能保证0C 阶连续,而导数不连续。小波插值可保证二阶导数连续,只要选三次样条小波就能做到。
第三个不足,小波分析是如何克服的呢?
通过与加窗傅立叶变换的“时间—频率窗”的相似分析,可得到小波变换的“时间—频率窗”的笛卡儿积是
[ψψ?++?-+*
*a at b a at b ,]?
?
?
????+?-??
?ψωψω a a a a 1,1 (20)
其中j a -=2,时间窗的宽度为 ψ?a 2,随着频率的增大(即j 的增大)而变窄,随着频率的减小(即j 的减小)而变宽,之所以有这样的结果,关键在于公式(18)中,时间变量 t 前面乘了个“膨胀系数”j 2 。
小波变换的“时间—频率窗”的宽度,检测高频信号时变窄,检测低频信号时变宽,这正是时间—频率分析所希望的。
根据小波变换的“时间—频率窗”的宽度可变的特点,为了克服上面所述的第三个不足,只要不同时检测高频与低频信息,问题就迎刃而解了。如,选择从高频到低频的检测次序,首先选择最窄的时间窗,检测到最高频率信息,并将其分离。然后,适当放宽时间窗,再检测剩余信息中的次高频信息。再分离,再放宽时间窗,再检测次次高频信息,依次类推。
为了检测到不同频率水平信息,即求出不同频率水平下不同时刻的小波系数,首先要选好小波函数。
选择小波函数的“四项原则”。
在求小波系数公式(19)中,如果 )(k t -ψ 是)(2IR L 空间的正交基,则的
k j ,~ψ为
k
j ,ψ的复共轭。小波分析的最重要的应用是滤波,为了保证滤波不失真,
小波函数必须具有线性相位,至少具有广义线性相位。小波分析的另一重要应用是捕捉、分析突变信号,这就要使用函数的导数,小波函数至少是1C 连续。由前面分析可知,小波函数必须具有紧支撑的性质。所以,正交、线性相位、连续、紧支撑是选择小波函数的“四项原则”。
如果选择某个小波函数,同时满足四项指标,那真是人类的福气。
遗憾的是,上帝像是有意考验我们的数学家,没有将“四合一”的小波函数“直接”恩赐给人类。数学家们已经证明,具有正交、线性相位、紧支撑的小波函数只有 Harr 函数,而Harr 函数是间断函数,对于工程应用来说,是不理想的。
目前,一种倾向是坚持正交性。另一种倾向是放弃正交性,另辟途径,进行艰辛的长征,前仆后继,花费了将近半个世纪的探索,才使小波分析理论成熟起来,得以在工程中应用。作为后人,我们要忠心地感谢他们。
为了进行小波分解与重构,“四合一”的小波函数不存在,数学家们“一分为四”,选择了四个函数,巧妙地解决了这些问题。这四个函数是:尺度函数 φ,
小波函数 ψ,对偶尺度函数 φ~
,对偶小波函数 ψ
~。
为什么要选择四个函数呢?
由前面小波变换的“时间—频率窗”分析可知,小波变换的“时间—频率窗”的宽度,当检测高频信号时变窄,检测低频信号时变宽。为了检测到所有频率信号,“时间—频率窗”的宽度必须按一定的次序变化,不失一般性,从窄到宽,检测频率信号从高频到低频的次序进行——实际上也正是这样的次序。
在最高频率水平 N V (即根据实测数据的时间测量间隔 t ?,最高能检测到的频率为 Nyquist 频率 t
f
?=
21),选择最窄的“时—频窗”宽度,检测到原
始信号中的最高频率信号,并将这些信号从原始信号中剥离,存放在1-N W 空间,而将剥离后的剩余低频信号的总合,存放在另一空间1-N V 。然后,增大“时—频窗”的宽度,再检测1-N V 空间中的高频信息,将这些信号从1-N V 空间中剥离,存放在2-N W 空间,而将剥离后的剩余低频信号的总合,存放在另一空间2-N V 。依次类推。这就要求有两个互相有联系的空间:
11--+
=J J J
W V V = 122---++
J J J W W V = …101W W W +
++
- …2-+J W 1-+J W , ZZ J ∈
子空间性质简介: (1) ……?1-V ?0V ?1V ?2V ? …… (2) clos 2
L (J ZZ
J V ∈ ) =)(2
IR L
(3) {}0=∈J ZZ
J V , 即{}0lim =-∞
→J j V (21)
(4) 11--+
=J J J W V V (5) 1)2()(+∈?∈J J V x f V x f
(6)
{}l J W W l J ≠=,0
这样,对于参考子空间0V ,需要单个函数)(2IR L ∈φ在意义 0V =>∈ (2 φ (22) 上生成,其中, )2(2 2 ,k x j j k j -=φφ (23) 对于参考子空间0W ,需要单个函数) (2 IR L ∈ψ 在意义 0W = clos )(2IR L ZZ K K ∈:,0ψ (24) 上生成,其中, )2(2 2 ,k x j j k j -=ψψ (25) 首先,这就要求有两个函数: φ 和 ψ,前者称为尺度函数,后者称为小波函数。并且,它们肯定是有关系的。 由(21)中的(1)式可知,φ10 V V ?∈,由(4)式可知,ψ10V W ?∈,而 {k ,1φ:ZZ k ∈}是 1V 的一个基,所以存在唯一的2l 序列{k p }、{k q } ∑ -= k k k x p x ) 2()(φφ (26) ∑-= k k k x q x )2()(φψ (27) 并引入记号 )(z P = ∑ k k k z p 2 1 (28) )(z Q = ∑k k k z q 2 1 (29) (26)称为尺度函数的“两尺度关系”,(27)称为小波函数的“两尺度关系”,)(z P 称为尺度函数φ的“两尺度符号”,)(z Q 称为小波函数ψ的“两尺度符号”。 为了由高频到低频逐次检测到不同频率水平的信息,仅有上述两个函数是不够的。由前面分析可知,公式(17)中的小波函数与求小波系数使用的与f 作内积的函数不是同一个函数,除非使用正交的小波函数。这就要求寻找尺度函 数φ与小波函数ψ的对偶函数:对偶尺度函数 φ~ 、对偶小波函数 ψ ~,以便分解原始信号时能求出小波系数来。 对偶关系简介 与(26)——(29)相对应,有 ∑-=?k k k x g x )2(~ )(~φφ (30) ∑ -=?k k k x h x )2(~ )(~φψ (31) )(z G ? = ∑ ?k k k z g 21 (32) )(z H ? = ∑?k k k z h 2 1 (33) 为了满足对偶关系,必须满足以下对偶条件: )(,z M Q P )(,z M H G T =?? ? ? ??1001 (34) ) (,z M H G T )(,z M Q P =?? ? ? ??10 01 (35) 与(34)、(35)等价的条件是 ?? ?=-+-=+0 )()()()(1 )()()()(z H z Q z G z P z H z Q z G z P , 1=Z (36) ??? ?? ? ?=--+=--+=--+=--+1)()()()(0)()()()(0 )()()()(1)()()()(z H z Q z H z Q z Q z G z Q z G z H z P z H z P z G z P z G z P , 1=Z (37) )(,z Q P ? = det )(,z M Q P 0≠ , 1=Z (38) )(,z H G ? = det )(,z M H G 0≠ , 1=Z (39) 其中 ,G(z)为)(z G ? 的共轭,)(z H 为)(z H ? 的共轭, )(,z M Q P = ?? ? ? ??--)() ()() (z Q z P z Q z P (40) )(,z M H G = ?? ? ? ??--)() ()() (z H z G z H z G (41) 由(36)和 (38)便可以得到 1V 的基 到 0V 和 0W 中的基分解关系: {}∑∞ -∞ =---+-=-k l k l k k x h k x g l x )()(2 1)2(22ψφφ (42) 由(42)式便可得到1-j 频率水平子空间1 -j V 和1 -j W 中向量坐标的分解算法 ∑ --=l j l k l j k c a c 21 (43) ∑--= l j l k l j k c b d 21 (44) 其中 n a = n g -2 1 (45) n n h b -= 2 1 (46) 根据两尺度关系,便可得到j 频率水平子空间 j V 中向量坐标的重构算法: []∑----+= l j l l k j l l k j k d q C p C 1 21 2 (47) 有了上述的系数,就可以使用多分辨分析的金字塔算法,快速求出 小波系数k j d ,。以三次样条函数尺度函数4N ≡Φ 为例,说明其步骤。 1 将)(x f 投影到{}n V 上 )(x f ≈ ∑-=-Φ1 20 )2(n k n n k k x c =n f (48) 2 小波分解算法 使用多分辨分析的金字塔算法 1-n d 2-n d m n d - / / / n c → 1-n c → 2-n c → → m n c - ∑--=l j l k l j k c a c 21 (49) ∑--= l j l k l j k c b d 21 (50) n f = m n m n n n n f g g g g -----+++++.......321 (51) ∑-Φ=k j j k j k x c f )2( (52) ∑-ψ= k j j k j k x d g )2(4 (53) 而n g 、n h 是符号多项式)(z G 、)(z H 的系数: )(z G = ∑ ---+=n m m m n n z E z E z z z g ) ()() 2 1( 2 12 12121 (54) )(z H = ∑-----=n m m n n z E m z z z h ) ()!12() 2 1( 2 1 2 121 (55) 12-m E =)!12(-m ∑-=+2 20 2)1(n k k n z k N (56) 3 小波重构算法 1-n d 2-n d m n d - / / / n c ←1-n c ←2-n c ← ← m n c - []∑----+=l j l l k j l l k j k d q C p C 1 212 在我们研制的小波分析软件 “XIAOBO ”中,使用的是三次样条 函数尺度函数44 N ≡Φ 及三次样条小波(B-小波))(4x ψ。 三次样条小波 )(4x ψ )(4x ψ = ∑-n n n x N q )2(4 (57) 其中 n q = )1(42 )1(84 3l n N l l n -+?? ? ???-∑ =, (10,,2,1,0 =n )(58) m 阶样条函数)(x N m 的定义是 ? -= *≡--1 111)()()(dt t x N N N x N m m m , 2≥m (59) 1N 是区间[0,1]的特征函数。 (60) 三次样条小波具有连续、紧支撑、广义线性相位和半正交的性质。 三次样条小波是2C 阶连续,用它模拟一个信号,二阶导数都是连续的,精度极高。 三次样条小波支撑区间为[0,7],三次样条尺度函数支撑区间为[0,4]。 三次样条小波是对称函数,因而具有广义线性相位,滤波不会失真。 唯一不足的是三次样条小波不是正交的,只是半正交的,在小波分解中, 求小波系数必须使用其对偶小波 4~ψ ,对偶小波 4 ~ψ的傅立叶变换为 2 444)2(?) (?)(~ ∑ ∞ -∞ =+= k πωφωφωφ (61) 2 4 44 ) 2(? )(?)(?~∑∞ -∞ =+=k k πωψωψ ωψ (62) 小波分类简介 1 正交小波 正交小波的两个族{}k j ,φ与{ }k j ,ψ满足: (1) (2) j k j ,,,ψφ> = 0 (3) l k j ,,,ψ ψ > = m k l j ,,δδ (4) =)(2IR L …… ⊕ 1-W ⊕0W ⊕1W ⊕…… 用振动的语言形象的比喻:{ }k j ,φ 是1+j V 子空间的低阶振型, {}k j ,ψ是1 +j V 子空间的高阶振型,j j V W ⊥ ,)(,k j W W k j ≠⊥。 2 半正交小波 半正交小波的四个族{}k j ,φ、{ }k j ,ψ、{}k j ,~φ与{}k j ,~ψ 满足: (1) l k j ,,~,ψψ > = m k l j ,,δδ (2) l k j ,,,ψ ψ > = 0, ,~ψψ> = 0,l j ≠;j,l,k,m ZZ ∈ 。 (4) {}k j ,φ是 1 +j V 子空间的低阶振型的线性组合,即低阶剩余模态。 (5) {}k j ,ψ是 1 +j V 子空间的高阶振型的线性组合,即高阶剩余模态。 (6) j j W W ~=, j j V V ~ =,j j V W ⊥ (7) =)(2IR L …… ⊕ 1-W ⊕0W ⊕1W ⊕…… 3 -R 小波 -R 小波的{}k j ,ψ与{}k j ,~ψ满足: (1) j ,,~,ψψ > = m k l j ,,δδ (2) =)(2IR L ……? +1-W ? +0W ? +1W ? +…… 正交性都是相对于对偶来说的,本身都不是正交族,只是线性无关族。 神奇的小波分析 为了检验小波分析的能力,在实测数据中叠加上一个低频、幅值为原始最大幅值的十分之一的正弦拍波,经过小波分解,在72和62两个分辨率水平下都检测到了这个波,尤其是62 检测到的正弦拍波曲线,如荷花“出污泥而不染”! (三) 正交小波包与双正交小波包分析 从上面介绍的多分辨分析的金字塔算法进行小波分解可以看到,每次分解,都是对V 进行的 : 对 j V 进行小波分解,将 j V 分解为 1 -j V 和 1 -j W ; 再 对 1 -j V 进行小波分解,将 1 -j V 分解为2 -j V 和 2 -j W ,依次类推。 而各子空间 j W 不再分解,也就是说,每次都是对低频进行再分解,而高频不再分解! 究其原因,便是 1V 的基向量)2(l x -φ到 0V 和 0W 基)(k x -φ、)(k x -ψ有分解关系(42),而1W 的基向量 )2(l x -ψ 没有相应的分解关系。事实上,)2(l x -ψ与)(k x -φ、)(k x -ψ是线性无关的 ! 显然,高频的时间—频率局部化不是最优的。为了克复这个缺点,必须使用小波包的分解方法。 无论正交小波包还是双正交小波包,与小波的最基本的区别在于它们具有 1)1(+--=n n n p q (63) 的关系。 根据这个特殊的正交的两尺度关系,可以定义关于尺度函数φμ=0的 “小波包”: ?? ?? ?-=-=∑∑+k l k l k l k l k x q x k x p x )2(:)() 2(:)(1 22μμμμ (64) 并且,小波包族{}n μ 具有下属正交性: < )(),(k x l x n n --μμ > = k l ,δ (65) < )(),(122k x l x n n --+μμ > = 0 (66) 因此有分解关系: j j V U =0 , j j W U =1 (67) 小波分解中的关系 j j j W V V ⊕=+1 (68) 现在可以改写作 1 001 j j j U U U ⊕=+ (69) 并且,(69)式可以由 0=n 推广到任意一 ZZ n ∈ : 1221 ++⊕=n j n j n j U U U (70) )2 (1 m x j n -+μ = 2 1 {)2()2(12222k x q k x p j n k m k j n k m -+-+--∑μμ (71) 这样,对于正交小波的小波分解得到的 =)(2 IR L ...... ⊕ 1-W ⊕0W ⊕1W ⊕ (72) 对于每个=j 1,2,3,…,可以用小波包再分解: ?? ?????⊕⊕⊕=⊕⊕⊕=⊕==-+------+1 201202072 6252423 12111 ......j j j U U U W U U U U W U U U W j j j j j j j j j j (73) 双正交小波包与正交小波包类似,略去。 (四) 向量分解小波包简介 上面介绍了正交小波包与双正交小波包分解,与小波分解的最基本的区别在于它们具有(63)式 1 )1(+--=n n n p q 因而导出了正交小波包和双正交小波包的分解。 正如前面提到的,小波分解与小波包分解的共同点,都是高频空间的基向 量能向低频空间的基向量分解,若不能分解,便进行不下去。如小波分解中, j W 的基向量 )2(l x j -ψ 没有相应的分解关系,所以j W 不能再分解。小波包克服了这种弊病,得到了各子空间都能适用的基向量分解关系式(71),才解决了这个问题。 我们能不能跳出基向量能分解才能分解的框框呢?即,基向量不能分解时也能分解?答案是肯定的。这就是向量分解小波包的理论。 现在,让我们从小波重构关系式(47) []∑----+=l j l l k j l l k j k d q C p C 1 212,k=1,2,3,……,M 出发,导出向量分解小波包的理论。 首先,将(47)改写为矩阵的形式 : {}j M c 1 ? = []{}11 22 -???j M M M c P + []{}11 22 -???j M M M d Q (74) 其中,矩阵[]P 、[]Q 由两尺度序列{}p 、{}q 中的数组成。我们把矩阵[]P 、[]Q 的 每一列,看成向量空间的一个向量,把{}j M c 1 ?也看成向量空间的一个向量,那么,{}j M c 1 ?就是这些矩阵[]P 、[]Q 的列向量的一个线性组合: {}j M c 1? = {}∑=-2 1 1M k k j k p c + {}∑=-2 1 1M k k j k q d (75) 问题是,这些矩阵[]P 、[]Q 的列向量是否线性无关?由分解等式(43)和(44) 可知,当{}j M c 1 ?为零向量时,0 1 =-j k c ,0 1=-j k d ,k=1,2,3,……, 2 M ,这就得出了矩 阵[]P 、[]Q 的列向量是线性无关的结论。 因此,可以把矩阵中的 M 个列向量看成 M 维向量空间的一组基。 找到了M 维向量空间的一组基,就可以对任一M 维向量进行分解,找出在这组基下的坐标。 只要认准被分解的对象是M 维向量空间的一个向量,而不是再看做 V 或 W 中向量的坐标。 这样,在小波分解中,不仅得到各频率水平的坐标 {}c 可按原来的步骤和方法进行分解,而且得到的各频率水平的坐标 {}d 也可按向量分解的理论进行再分解,并且分解的步骤和方法可以和对坐标 {}c 进行再分解的完全一样。 可能有人会产生疑问:前面讲到,V W = {}0 ,现在 W 中的向量怎么又变成 V 中的向量呢 ? 其实,这里使用了“移花接木”的技巧。我们现在是对 W 中的向量g 分解,这是千真万确的。但,是通过对其坐标 {}d 的分解来实现的。也就是说,要求的是{}d 等于什么 ? 而不是W 中的向量 g 等于什么 ? W 中的向量 g 等于 g = []ψ?{}d (76) 既然要求的是{}d等于什么,而不是g等于什么,不妨“移花接木”一下,把[]φ拿来,虚构V中一向量x, x= []φ?{}d(77)不就可以对x进行分解了吗?反正在分解过程中,使用的是{}d、{}a、{}b,求的是新的{}c和{}d,而x根本就不出现,管它是什么样子呢!只要保证分解后低频与高频分离即可。既然{}c分解,低频与高频能分离,那么,{}d分解,同样低频与高频可以分离的。其实从(74)式中两个矩阵[]P、[]Q的组成,都是两尺度序列{}p、{}q中的数,仔细分析一下,不难看出,[]P中的列相当于低阶振型,[]Q中的列相当于高阶振型。以后的工作和小波包的分解类似,只不过这里是直和分解,不是正交分解罢了。 前面曾提到,小波分解的第一步,将)(x f投影到{}n V上(见公式(48))。 由于投影到{} V上求小波系数要解方程,很费时间,所以,好多书上都说,可n 以近似地把原始数据作为小波系数,误差不大。用向量分解小波包的理论来看,这并非是近似的,而是精确的! 事实上,使用上面“移花接木”的技巧,虚构 V中一向量x n x =[]φ?{}f(78){}f是原始数据组成的向量。那末,{}f不就是 V中的向量x的坐标{}c吗?只要 n 对它进行分解与重构就得了,而且,重构后,也用不着通过(78)式求x,重构得到的{}c,就是原始数据组成的向量{}f,两头省! 当然,我并非反对投影,而且在捕捉突变奇异信号时,最灵敏的方法是利 用导数确定,投影到{} V上先求出作为的n V中的向量{}n f的坐标{}c,能得到快速 n 的求导方法。但这是另外的问题了。 有了向量分解小波包新理论,可以在分解过程中,把各种小波组合到一起, 例如,求 f时,可以用三次样条小波,这样确保滤波重构不失真、求导精 N 度高的长处,在分解的时候,可使用正交分解的分解序列系数,以提高分解效率。这样,上帝虽然没有将“四合一”的小波函数“直接”恩赐给人类,但还是间接地恩赐给人类了。 我们研制的小波包信号处理软件,具有三种小波包分解、分解后各频率水平的分析、64 种滤波重构功能及重构后的傅立叶变换和奇异信号大小分析功能。三种小波包分别是“向量分解小波包”、“双正交小波包”和“Daubechies 正交小波包”。通过实例对比,向量分解小波包分析效果远比后者好,而且分解速度相当快,4096个点,分解所花CPU 为0.027 秒。具体实例见后。 图一原始实测数据(4096=122个点) 图二原始实测数据中叠加上一个低频低幅正弦拍波 图三72检测到的正弦拍波曲线 (三次样条小波)与(使用向量分解小波包) 图五62检测到的正弦拍波曲线 (使用双正交小波包) 图六62检测到的正弦拍波曲线(使用Daubechies正交小波包) (五)结论 1 根据傅立叶变换的理论,在一定的条件下,一个周期函数可以表示为傅立叶级数。傅立叶理论不仅在数学上有很大的理论价值,更重要的是傅立叶变换或傅立叶积分得到的频谱信息在许多情况下,具有实际的物理意义,所以傅立叶变换得到了广泛的应用。 但是,这种理论具有一定的局限性: (1)傅立叶变换的三种形式中的傅立叶系数是不随时间变化的常数,因而只能处理频谱成分不变的平稳信号。在处理非平稳信号时会带来很大误差、得到的数学频谱与实际的物理频谱可能会有很大的差别。 (2)由于正弦函数、余弦函数是整个时间轴上的函数,导致傅立叶系数是全时间域上的加权平均,处理、捕捉突变信号,灵敏度很差。 (3)加窗傅立叶变换虽然作了改进,但是,由于时间窗是固定不变的,高频与低频的时间局部化不能同时满足。 2小波分析从理论上克服了上述傅立叶变换的三个缺点。由于小波系数随时间变化,所以,不论是平稳信号还是非平稳信号得到的小波频谱与实际的物理频谱,都十分接近。由于小波具有紧支撑的性质,局部突变信息的作用能很好地反映出来,处理、捕捉突变信号,灵敏度很高。 小波函数的选择,对分析结果影响很大。根据不同的用途,应慎重选择合适的小波函数。 目前国内外大多数小波分析软件,没有解决第一步的小波系数求解问题,因此,没有解决离散数据的快速求导、捕捉突变信号、极值与积分问题。 3 我们研制的向量分解小波包软件 XIAOBB,使用的是三次样条小波函数,它具有2C阶连续、线性相位、紧支撑的性质,滤波不失真,频谱分析精度高。 由于我们使用了巧妙的投影技术,可以快速地求出小波分解第一步所需要的小波系数,从而解决了离散数据的快速求导、捕捉突变信号、极值与积分问题。