小波3.4

小波3.4
小波3.4

§4双正交小波及Mallat 算法

1992,Cohen, Daubechies & Feaureau 提出双正交小波,具有很强的对称性(图像处理中,一般用的是双正交小波)。 详见:“Biorthogonal Bases of Compactly Supported Wavelets ”,Comm. Pure & Applied Math, 45, 485-560, 1992

框架k j ,ψ,对偶框架k

j ,~ψ,则: ∑∑∑∑><=><=j

k k j k j j

k

k

j k j x f x f x f )

(~,)(~,)(,,,,ψψψψ 如果小波ψ及其对偶小波ψ

~满足: n

k m j n m k j ,,,,~,δδψψ>=< 则称为><ψ

ψ~,为双正交小波. 双正交小波基及其Mallat 算法:

ψ ψ

~ k j ,ψ k j ,~ψ,各自不正交,但彼此正交,即: n

k m j n m k j ,,,,~,δδψψ>=< },|)({,Z k j x k j ∈ψ,},|)(~{,Z k j x k

j ∈ψ为基 ∑∑∑∑><=><=j

k k j k j j

k

k

j k j x f x f x f )

(~,)(~,)(,,,,ψψψψ

两个多分辨分析:

????-101V V V

????-101~

~~V V V

尺度函数?,?

~ }|)({Z k k x ∈-?构成0V 的Riesz 基

}|)(~{Z k k x ∈-?构成0~V 的Riesz 基

作直和分解:

11++⊕=j j j W V V 11~

~~++⊕=j j j W V V

ψ?0W ,ψ

~~

0?W 要求 11~++⊥j j W V ,11~

++⊥j j W V

假设存在ψ(ψ~)使得()}|)(~)({Z k k x k x ∈--ψψ构成()

00

~W W 的Riesz 基 则:正交性意味着

0,~,,>=<'

k j k j ψ? 0~,,,>=<'

k j k j ψ?, k k '?, 双尺度方程

10-?∈V V ?, ∑-=k

k k x h x )2(2)(??,

)2(?)2()(??????H =,∑-=k

ik k

e h H ?

?21)(; 10-?∈V W ψ, ∑-=k

k k x g x )2(2)(?ψ,

)2

(?)2

()(?????ψ

G =,ikw

k

k e g w G -∑=2

1

)(

1

0~~~-?∈V V ? ∑-=k

k k x h x )2(~~

2)(~??; )2(?~)2(~)(?~?????H =,∑-=k

ik k e

h H ??~21)(~; 1

0~

~~-?∈V W ψ, ∑-=k

k k x g x )2(~~2)(~?ψ; )2(?~)2(~)(?~????ψG =,∑-=k

ik k

e g G ??~21)(~ 由0W ∈ψ,0

~

~W ∈ψ以及正交性条件有)~,(ψψ构成双正交小波的必要条件: ????

???

??=+++=+++=+++=+++0)()(~)()(~0)(~

)()(~)(1

)(~)()(~)(1

)(~)()(~)(π?π???π?π???π?π???π?π???G H G H G H G H G G G G H H H H

当取?????∏+=∏+=--)

()(~)

(~)(ωωωω

ωH e G H e w G i i

是必要条件为:

1)(~)()(?)(=+++z H z H H H ωωωω.------------------(1)

引理1:如果??~,满足??

???

+≤+≤----εεωω?ωω?2121

)1()(?~)1()(?C C ,---------------------(2) C 为常数,0>ε,

则:{}k j ,ψ与{}k

j ,~ψ

构成对偶框架。 引理2:在引理1条件下,则:

?=kn jm n m k

j δδψψ

,,~,{}k j ,ψ,{}

k j ,~ψ线性无关kl l j k j δψψ=?,,~,--------(3)

定理1:如果(1)(2)(3)成立,必存在{}{}Z k j Z k j l

j k

j ∈∈?,|~,,|,~,,,ψψ

ψ

ψ构成双正交小波基。

即:k j j

k

k j f x f .,~,)(ψψ∑∑

=

, k

j j

k

k j f .,~,ψψ∑∑

=

且n k m j n m k

j ,,,,~,δδψψ

=。

定理2:假设)(2

1)(ωωω

F e H L

i ???

? ??+=- )(~2

1)(~

~ωωωF e H L

i ???

? ??+=- 其中??

???==∑∑--k ik k k

ik k e

f F e f F ωωωω~)(~)(,

且对于某一个0~

,>k k

2

1

1

2

)2

()(max --<=L k k F F B ωωω

21

~12)2(~

)(~max ~--<=L k k F F B ωωω

则(2)和(3)成立。

下证)(x ψ具有L 阶消失矩,即?

-==1,2,1,0,0)(L m dx x x m

ψ

由:?

+∞

--=dx e x i ωωψωψ)()(?,

有: ?+∞∞

---=dx e ix x i m m ωωψωψ

))(()(?)

(

?

-=dx x x i m m m )()()0(?ψψ

; 下证12,1,0),0(?-=L m m ψ

, ??

? ????? ??=2?2)(?)(ω?

ωωψG m ??? ????? ?????

? ??+=∏+--2?22

1)2(2ω?ωωω

F e e L

i i ??? ????? ?????

? ?

?-=--2?22122ω?ωωω

F e e L

i i 阶零点)的(为L ?0ωψ

ω=?

1,1,0,0)0(?)(-==L m m ψ

. )(x ψ?具有L 阶消失矩,

)(~x ψ

具有L ~

阶消失矩。 问题:解方程:

1)(~

)()(~)(=+++z H z H H H ωωωω

中的特殊解。

???

??.~

,.~,满足的条件

的形式F F H H 要求滤波器具有线性相位,即:)()()()(ωωλ??λω

H e H x x i -=?-=,

关于

2

λ

对称, (1) 如果0=λ,则)()(ωωH H =,即:)(ωH 为实偶函数,为ωcos 的实函

数。

(2) 如果1=λ,则)()(ωωωH e H i =。

可以证明:若H 固定对称,则存在H ~

与H 具有相同对称性的解。 命题:对于固定)(ωH ,如果)(~

ωH 是方程(1)的解,则

(1) 对于0=λ的情况,则可构造出

[]

)(~

)(~2

1)(~£ωωω-+=H H H ,

也是(1)的解,且具有0=λ的对称性。

(2)对于1=λ的情况,

[]

)(~)(~2

1)(~£ωωωω-+=-H e H H i 也是(1)的解,且具有1=λ的对称性。

l k l j k j kn m j n m k j ,,,,,,,?,δ??δδψ

ψ=?= 假设

0=λ ()()???

???

???? ??=???

? ??+=??? ??

=???

? ?

?+=--ωωωωωωωωωω

cos ~2cos )(~2

1)(~cos 2cos )(21)(0~2~02P F e H P F e H L

L

i L

L

i

00~

,P P 为实系数多项式。

1=λ ()()???

?

?????? ??=???

??=+-+-ωωωωωωωωc o s ~2c o s )(~c o s 2c o s )(01~

22

01

22P e H P e H L i L i ()1)1()()1(1=-+-y P y y P y k k 代入

0~

L L k += )0(=λ 1~

0++=L L k )1(=λ

其中方程的特解为:n

k n y n n k y P ∑-=???

? ??-+=1

01)(

)(P ~

(y)P P(y)00y = ()2

(sin 2ω=y )

使P(y))(P ~(y)P 00=y 的00~,P P 有多解,且L L ~

,还可有变化。

由此求出{}{}{}

{}???

? ?????? ???n n n n g h g h H H ~~

)(~),(和ωω。 详见:A.Cohen, I.Daubechies & J.Feaureau:“Biorthogonal Bases of Compactly Supported Wavelets ”,Comm. Pure & Applied Math, 45, 485-560, 1992

双正交小波基克服了普通小波的不对称的缺点,但有代价,过去要求k j W W ⊥; 具有有限紧支集的正交小波基:{}Z k j x k

j ∈,|)(,ψ

∑∑

=

j

k

k j k j x f x f )(,)(,,ψψ.

正交小波基无冗余。

但对双正交小波基,他们各自不正交,但相互正交:

{}Z k j x k

j ∈,|)(,ψ

,{}Z k j x k

j ∈,|)(~,ψ ∑∑

=j

k

k j k j x f x f )(~,)(,,ψψ ∑∑

=

j

k

k

j k j x f )(~,,,ψψ. 相关系数g

f g f r fg ,=

双正交小波时的Mallat 算法: 设信号11++⊕=∈J J J W V V f ∑=

k

k j k

J x C

f )(,,?

21f f += ∑∑+++++=

k

k J k J k

k J k

J x d x C

)()(,1,1,1,1ψ? …………(*)

①用到四个正交性:

〈,,k j ?k j ,~ψ〉=0,l k ,? 〈,~,k j ?k

j ,ψ〉=0, l k ,?

n m l j ,,~,ψψ=ln δδjm

l j k j ,,~,??=kl

δ 用l

J ,1~+?对(*)两边作内积

∑∑+++++++k

l

J k J k

k

J l J k J J d C ,1,1,1,1,11~,~,???

=

∑+k

l J m J m

J C

,1,,~,??

l J m J m

m J l J C C ,1,,,1~,++∑=??

再由双尺度方程:

()()x h x k l J k

k l

J ++∑=2,,1~~

~?? ()x h k J k

l k ,2~~?∑-=

代入上式得:

k j m j k

l k l J m J h ,,2,1,~,~

~,????∑-+=

=l m h 2~

-

所以∑-+=

m

m J l m l J C h C ,2,1~,

用k J ,1~+ψ对(*)两边作内积,并用双尺度方程 ()x g k J k

l k k J ,2,1~~~??∑-+=,

类似的可得:∑-+=m

m J l

m l J C d ,2,1~

分解算法:

??

???==∑∑-+-+m m

J l m l J m

m

J l m l

J C g d C h C ,2,1,2,1~~ 重构:

用k

J ,~?对两边作内积。 重构算法:∑∑+-+-+=k

k J k l k

k J k

l l J d g C h

C ,12,12,

… …

… …

紧凑表示(compact representation):

J C 1+J C 2

+J C K J C +

1+J d 2+J d K J d +

{}k J J K J J d d C C +++=,,,1 ,

小波系数的分解与重构(滤波器组实现):

标准规范体系建设方案设计

标准规范体系建设方案设计 1.1需求分析 1.1.1采购范围与基本要求 收集智慧园区建设涉及的国家标准、行业标准、管理规范、技术标准和信息标准,编写XX高新区开发区智慧园区的接口规范、信息交换标准、元数据标准等。1.1.2建设内容要求 (1)编写 《XX高新区开发区智慧园区元数据信息标准》 《XX高新区开发区智慧园区数据代码规范目录》 《XX高新区开发区智慧园区数据交换方式》 《XX高新区开发区智慧园区数据交换内容标准》 《XX高新区开发区智慧园区数据接口标准》 《XX高新区开发区智慧园区数据采集规范》 《XX高新区开发区智慧园区数据处理规范》 《XX高新区开发区智慧园区数据质量规范》 《XX高新区开发区智慧园区数据管理制度》 《XX高新区开发区智慧园区系统运维管理规范》 《XX高新区开发区智慧园区文档管理制度》 《XX高新区开发区智慧园区运营管理标准》 (2)收集 (住建部智慧城市文件(2013年4月) 《智慧城市公共信息平台建设指南(试行)》 《智慧城市评价模型及基础评价指标体系》(全国通信标准化技术委员会) 《基于云计算的电子政务公共平台顶层设计指南》(工信部,2013年4月) 《政务信息资源目录体系》(GB/T21063-2007) 《政务信息资源交换体系》(GB/T21062-2007) 《信息技术大数据术语》(20141191-T-469) 《信息技术大数据参考架构》(20141191-T-469)

《关系数据管理系统技术要求》(GB/T28821-1012) 《城市基础地理信息系统技术规范》 《关于促进智慧城市健康发展的指导意见》 《关于积极推进“互联网+”行动的指导意见》 《促进大数据发展行动纲要》 《国家信息化发展战略纲要》 《国家电子政务工程建设项目管理暂行办法》 《国家信息化领导小组关于我国电子政务建设指导意见》 《国家电子政务总体框架》 《城市地下管线工程档案管理办法》(住建部2005年) 《城市地下空间开法利用管理规定》(建设部59号、第108号) 《电信建设管理办法》(国发委第20号) 《2006—2020年国家信息化发展战略》 1.2设计方案 XX高新区智慧园区是一个大规模的建设工程。该工程以业务系统的相关数据为业务处理核心,以其它相关部门为信息交换对象,实现跨机构的大型综合与分布式的信息化系统。 面对这样一个大型的信息系统,XX高新区智慧园区建设首先必须建立完善的标准体系和相关制度。保障XX高新区智慧园区生态XX高新区智慧园区建设标准的可持续发展能力,实现真正意义上的互联互通。 1.2.1标准在系统建设中的作用 XX高新区智慧园区建设与标准规范建设是相辅相成的。一方面,生态XX高新区智慧园区各项内容的建设必须遵循标准和规范,其设计、开发和实施等需要标准和规范进行指导;另一方面,标准和规范的制订和维护离不开生态XX高新区智慧园区的建设实践,标准和规范必需符合实际需求,随着生态XX高新区智慧园区建设的不断建设和推广,标准和规范也要根据生态XX高新区智慧园区建设的进展不断完善。 没有规矩不成方圆,生态XX高新区智慧园区及其配套体系的建设需要相应的标准和规范进行指导。标准和规范具有以下指导作用:

小波变换的基本原理

10.2小波变换的基本原理 地质雷达的电磁波信号和地震波信号都是非平稳随机时变信号,长期以来,因非平稳信号处理的理论不健全,只好将其作为平稳信号来处理,其处理结果当然不满意。近年来,随着科学技术的发展和进步,国内外学术界已将注意力转向非平稳随机信号分析与处理的研究上,其中非平稳随机信号的时频表示法是研究热点之一。在这一研究中,戈勃展开、小波变换、维格纳分布与广义双线性时频分布等理论发展起来,这些方法既可以处理平稳信号过程,也可以处理非平稳随机时变信号。 小波变换是上世纪80年代中后期逐渐发展起来的一种数学分析方法。1984年法国科学家J.M OLET在分析地震波的局部特性时首先使用了小波这一术语,并用小波变换对地震信号进行处理。小波术语的含义是指一组衰减震动的波形,其振幅正负相间变化,平均值为零,是具有一定的带宽和中心频率波组。小波变换是用伸缩和平移小波形成的小波基来分解(变换)或重构(反变换)时变信号的过程。不同的小波具有不同带宽和中心频率,同一小波集中的带宽与中心频率的比是不变的,小波变换是一系列的带通滤波响应。它的数学过程与傅立叶分析是相似的,只是在傅立叶分析中的基函数是单频的调和函数,而小波分析中的基函数是小波,是一可变带宽内调和函数的组合。 小波变换在时域和频域都具有很好的局部化性质,较好地解决了时域和频域分辨率的矛盾,对于信号的低频成分采用宽时窗,对高频成分采用窄时窗。因而,小波分析特别适合处理非平稳时变信号,在语音分析和图象处理中有广泛的应用,在地震、雷达资料处理中将有良好的应用前景。 下边就小波分析的基本原理、主要作用及在雷达资料处理中的应用三方面作以介绍。 10.2.1小波分析的基本原理 小波函数的数学表达

基于小波变换的图像分割的研究

摘要 近年来,对图像分割的研究一直是图像技术研究的焦点。图像分割是一种很重要的图像分析技术,它的目的是把图像分为具有各种特性的区域并把感兴趣的部分提取出来。它融合了多个学科的成果,并且成功应用于工业、农业、医学、军事等领域,得到了广泛的应用。 图像分割是一个经典的问题,实现方法有很多种,但是至今仍没有一种通用的解决方法。经过研究发现,区分真正的噪声和边缘是图像分割的难题之一,然而小波变换则可以解决这一问题,小波变换是一种时--频两域的分析工具。本文则基于小波变换对图像分割技术进行研究,主要介绍了小波阈值分割方法。文中通过直方图、建立模型等手段对这两种方法做出具体的讨论,并利用Matlab分别对两种方法进行仿真,并得到了有效的结果。根据仿真结果我们可以看出不同分割方法的不同分割效果,从而更好地理解这些方法。 关键词:图像分割;小波变换;阈值;

Abstract In recent years, the study of image segmentation has been the focus of imaging technology. Image segmentation is an important image analysis, its purpose is to take the various characteristics part out of the image. It combines the results of multiple disciplines, and successfully applied to such fields as industry, agriculture, medicine, military, and a wide range of applications. There are many ways to achieve image segmentation, but could not find a common solution. After the study found that the distinction between real noise and the edge of one of the difficult problem of image segmentation, wavelet transform can solve this problem, wavelet transform is a time - frequency domain analysis tools. In this paper, image segmentation technique based on wavelet transform to study the two wavelet segmentation method, the wavelet thresholding segmentation method. Histogram, the establishment of model and other means to make a specific discussion of these two approaches, and use the Matlab simulation, and the effective results of the two methods, respectively. According to the results of the simulation we can see the different segmentation results of different segmentation methods, in order to better understand these methods. Key words:Image; Wavelet transform; Threshold

小波包能量谱程序

wpt4=wpdec(y4,n,'db30'); %对数据进行小波包分解 for i=1:2^n %wpcoef(wpt4,[n,i-1])是求第n层第i个节点的系数 disp('每个节点的能量E1(i)'); E4(i)=norm(wpcoef(wpt4,[n,i-1]),2)*norm(wpcoef(wpt4,[n,i-1]),2)%求第i个节点的范数平方,其实也就是平方和 end 请教各位,小波包能量如何求? 我的理解 假设信号x,对齐进行n层分解: wpt=wpdec(x,n,wname); 然后各小波包系数重构分量信号: dp(i,: )=(wprcoef(wpt,i)); 小波包能量为: Edp(i)=sum(dp(i,: ).^2); 这样对吗,谢谢大虾指点! 1.小波分析中,原始信号被分解为逼近部分和细节部分。逼近部分再分解为另一层的逼近和细节,这样的过程重复进行,直到设定的分阶层。然而,在小波包分解中,细节部分也进行相同的分解。小波包分解具有任意多尺度特点,避免了小波变换固定时频分解的缺陷(如高频段频率分辨率低),为时频分析提供了极大的选择余地,更能反映信号的本质和特征。你理解也算是对的。 2. s%为已知信号源 for i=1:4 wpt=wpdec(s,i,'db3'); e=wenergy(wpt); E=zeros(1,length(e)); for j=1:2^i E(j)=sum(abs(wprcoef(wpt,[i,j-1])).^2); end figure(5) subplot(4,1,i); bar(e); axis([0 length(e) 0 130]); title(['第',num2str(i), ' 层']); for j=1:length(e) text(j-0.2,e(j)+20,num2str(e(j),'%2.2f')); end end 这段程序也是从网上下载的,一起学习一下吧。

基于小波变换的图像处理.

基于小波变换的数字图像处理 摘要:本文先介绍了小波分析的基本理论,为图像处理模型的构建奠定了基础,在此基础上提出了小波分析在图像压缩,图像去噪,图像融合,图像增强等图像处理方面的应用,最后在MATLAB环境下进行仿真,验证了小波变化在图像处理方面的优势。 关键词:小波分析;图像压缩;图像去噪;图像融合;图像增强 引言 数字图像处理是利用计算机对科学研究和生产中出现的数字化可视化图像 信息进行处理,作为信息技术的一个重要领域受到了高度广泛的重视。数字化图像处理的今天,人们为图像建立数学模型并对图像特征给出各种描述,设计算子,优化处理等。迄今为止,研究数字图像处理应用中数学问题的理论越来越多,包括概率统计、调和分析、线性系统和偏微分方程等。 小波分析,作为一种新的数学分析工具,是泛函分析、傅立叶分析、样条分析、调和分析以及数值分析理论的完美结合,所以小波分析具有良好性质和实际应用背景,被广泛应用于计算机视觉、图像处理以及目标检测等领域,并在理论和方法上取得了重大进展,小波分析在图像处理及其相关领域所发挥的作用也越来越大。在传统的傅立叶分析中,信号完全是在频域展开的,不包含任何时频的信息,其丢弃的时域信息可能对某些应用同样非常重要,所以人们对傅立叶分析进行了推广,提出了很多能表征时域和频域信息的信号分析方法,如短时傅立叶变换,Gabor变换,时频分析,小波变换等。但短时傅立叶分析只能在一个分辨率上进行,所以对很多应用来说不够精确,存在很大的缺陷。而小波分析则克服了短时傅立叶变换在单分辨率上的缺陷,在时域和频域都有表征信号局部信息的能力,时间窗和频率窗都可以根据信号的具体形态动态调整。 本文介绍了小波变换的基本理论,并介绍了一些常用的小波函数,然后研究了小波分析在图像处理中的应用,包括图像压缩,图像去噪,图像融合,图像增强等,本文重点在图像去噪,最后用Matlab进行了仿真[1]。

小波变换与傅里叶变换的对比异同

小波变换与傅里叶变换 的对比异同 IMB standardization office【IMB 5AB- IMBK 08- IMB 2C】

小波变换与傅里叶变换的对比、异同 一、基的概念 两者都是基,信号都可以分成无穷多个他们的和(叠加)。而展开系数就是基与信号之间的内积,更通俗的说是投影。展开系数大的,说明信号和基是足够相似的。这也就是相似性检测的思想。但我们必须明确的是,傅里叶是0-2pi标准正交基,而小波是-inf到inf之间的基。因此,小波在实轴上是紧的。而傅里叶的基(正弦或余弦),与此相反。而小波能不能成为Reisz基,或标准稳定的正交基,还有其它的限制条件。此外,两者相似的还有就是PARSEVAL 定理。(时频能量守恒)。 二、离散化的处理 傅里叶变换,是一种数学的精妙描述。但计算机实现,却是一步步把时域和频域离散化而来的。第一步,时域离散化,我们得到离散时间傅里叶变换(DTFT),频谱被周期化;第二步,再将频域离散化,我们得到离散周期傅里叶级数(DFS),时域进一步被周期化。第三步,考虑到周期离散化的时域和频域,我们只取一个周期研究,也就是众所周知的离散傅里叶变换(DFT)。这里说一句,DFT是没有物理意义的,它只是我们研究的需要。借此,计算机的处理才成为可能。所有满足容许性条件(从-INF到+INF积分为零)的函数,都可以成为小波。小波作为尺度膨胀和空间移位的一组函数也就诞生了。但连续取值的尺度因子和平移因子,在时域计算量和频域的混叠来说,都是极为不便的。用更为专业的俗语,叫再生核。也就是,对于任何一个尺度a和平移因子b的小波,和原信号内积,所得到的小波系数,都可以表示成,在a,b附近生成的小波,投影后小波系数的线性组合。这就叫冗余性。这时的连续小波是与正交基毫无关系的东西,它顶多也只能作为一种积分变换或基。但它的显微镜特点和相似性检测能力,已经显现出来了。为了进一步更好的将连续小波变换离散化,以下步骤是一种有效方法。第一步,尺度离散化。一般只将a二进离散化,此时b 是任意的。这样小波被称为二进小波。第二步,离散b。怎么离散化呢b取多少才合适呢于是,叫小波采样定理的东西,就这样诞生了。也就是小波平移的最小距离(采样间隔),应该大于二倍小波基的最高频率(好像类似,记不清了)。所以b取尺度的整数倍就行了。也就是越胖的小波,对应频谱越窄,平移量应该越大,采样间隔越大。当然,第一二两步的频域理解,即在满足频域窗口中心是3倍的频域窗口半径的前提下,频域就在统计上是完美二分的。(但很多小波满足不了这个条件,而且频域窗口能量不,所以只是近似二分的).这时的小波变换,称为离散二进小波变换.第三步,引入稳定性条件.也就是经过变换后信号能量和原信号能量有什么不等式关系.满足稳定性条件后,也就是一个小波框架产生了可能.他是数值稳定性的保证.一个稍弱的稳定条件,就是

小波变换的原理及matlab仿真程序讲解学习

小波变换的原理及m a t l a b仿真程序

基于小波变换的信号降噪研究 2 小波分析基本理论 设Ψ(t)∈L 2( R) ( L 2( R) 表示平方可积的实数空间,即能量有限的信号空间) , 其傅立叶变换为Ψ(t)。当Ψ(t)满足条件[4,7]: 2 () R t dw w C ψψ =<∞? (1) 时,我们称Ψ(t)为一个基本小波或母小波,将母小波函数Ψ(t)经伸缩和平移后,就可以得到一个小波序列: ,()( )a b t b t a ψ -= ,,0a b R a ∈≠ (2) 其中a 为伸缩因子,b 为平移因子。 对于任意的函数f(t)∈L 2( R)的连续小波变换为: ,(,),()( )f a b R t b W a b f f t dt a ψψ-=<>= ? (3) 其逆变换为: 211()(,)()f R R t b f t W a b dadb C a a ψ ψ+-= ?? (4) 小波变换的时频窗是可以由伸缩因子a 和平移因子b 来调节的,平移因子b,可以改变窗口在相平面时间轴上的位置,而伸缩因子b 的大小不仅能影响窗口在频率轴上的位置,还能改变窗口的形状。小波变换对不同的频率在时域上的取样步长是可调节的,在低频时,小波变换的时间分辨率较低,频率分辨率较高:在高频时,小波变换的时间分辨率较高,而频率分辨率较低。使用小波变换处理信号时,首先选取适当的小波函数对信号进行分解,其次对分解出的参

数进行阈值处理,选取合适的阈值进行分析,最后利用处理后的参数进行逆小波变换,对信号进行重构。 3 小波降噪的原理和方法 3.1 小波降噪原理 从信号学的角度看 ,小波去噪是一个信号滤波的问题。尽管在很大程度上小波去噪可以看成是低通滤波 ,但由于在去噪后 ,还能成功地保留信号特征 ,所以在这一点上又优于传统的低通滤波器。由此可见 ,小波去噪实际上是特征提取和低通滤波的综合 ,其流程框图如图所示[6]: 小波分析的重要应用之一就是用于信号消噪 ,一个含噪的一维信号模型可表示为如下形式: (k)()()S f k e k ε=+* k=0.1…….n-1 其中 ,f( k)为有用信号,s(k)为含噪声信号,e(k)为噪声,ε为噪声系数的标准偏差。 假设e(k)为高斯白噪声,通常情况下有用信号表现为低频部分或是一些比较平稳的信号,而噪声信号则表现为高频的信号,下面对 s(k)信号进行如图结构的小波分解,则噪声部分通常包含在Cd1、Cd2、Cd3中,只要对 Cd1,Cd2,Cd3作相应的小波系数处理,然后对信号进行重构即可以达到消噪的目的。

基于小波变换的语音信号去噪(详细)

测试信号处理作业 题目:基于小波变换的语音信号去噪 年级:级 班级:仪器科学与技术 学号: 姓名: 日期:2015年6月

基于小波变换的语音信号去噪 对于信号去噪方法的研究是信号处理领域一个永恒的话题。经典的信号去噪方法,如时域、频域、加窗傅立叶变换、维纳分布等各有其局限性,因此限制了它们的应用范围。小波变换是八十年代末发展起来的一种新时-频分析方法,它在时-频两域都具有良好的局部化特性;并且在信号去噪领域获得了广泛的应用。 目前已经提出的小波去噪方法主要有三种:模极大值去噪、空域相关滤波去噪以及小波阈值去噪法。阈值法具有计算量小、去噪效果好的特点,取得了广泛的应用。然而在阈值法中,阈值的选取直接关系到去噪效果的优劣。如果阈值选取过小,那么一部分噪声小波系数将不能被置零,从而在去噪后的信号中保留了部分噪声信息;如果阈值选的偏大,则会将一部分有用信号去掉,使得去噪后的信号丢失信息。 1、语音信号特性 由于语音的生成过程与发音器宫的运动过程密切相关,而且人类发音系统在产生不同语音时的生理结构并不相同,因此使得产生的语音信号是一种非平稳的随机过程(信号)。但由于人类发生器官变化速度具有一定的限度而且远小于语音信号的变化速度,可以认为人的声带、声道等特征在一定的时间内(10- 30ms)基本不变,因此假定语音信号是短时平稳的,即语音信号的某些物理特性和频谱特性在10-30ms的时间段内近似是不变的,具有相对的稳定性,这样可以运用分析平稳随机过程的方法来分析和处理语音信号。在语音增强中就是利用了语音信号短时谱的平稳性。 语音信号基本上可以分为清音和浊音两大类。清音和浊音在特性上有明显的区别,清音没有明显的时域和频域特性,看上去类似于白噪声,并具有较弱的振幅;而浊音在时域上有明显的周期性和较强的振幅,其能量大部分集中在低频段内,而且在频谱上表现出共振峰结构。在语音增强中可以利用浊音所具有的明显的周期性来区别和抑制非语音噪声,而清音由于类似于白噪声的特性,使其与宽带平稳噪声很难区分。 由于语音信号是一种非平稳、非遍历的随机过程,因此长时间时域统计特性对语音信号没有多大的意义,而短时谱的统计特性对语音信号和语音增强有着十分重要的作用。语音信号短时谱幅度统计特性的时变性,使得语音信号的分析帧在趋于无穷大时,根据中心极限定理,其短时谱的统计特性服从高斯(Gauss)分布,而在实际应用时只能在有限帧长下进行处理,因此,在有限帧时这种高斯分布的统计特性是一种近似的描述,这样就可以作为分析宽带噪声污染的带噪语音信号增强应用时的前提和假设。

零树小波图像压缩

零树小波图像压缩专题(1) 默认分类 2008-06-14 20:05:49 阅读51 评论0字号:大中小订阅 前几天我们讨论了几种简单的小波图像压缩方案,不过这些技术都比较粗糙,效率低。现在我们从小波编码起步,探讨几种高效的小波压缩方案。 信号的传输和处理少不了编码技术的支持,信号编码可以极大地压缩信息量,增强抗干扰能力等。同样地,小波变换作为一种信号处理技术,也有其独特的编码结构。在《基于小波变换的图像压缩技术初探》一文中,我们提到,二维小波变换具有塔式结构,如图1 图1 那么这种塔式结构里,小波系数和相应的位置信息的组织关系是怎样的呢?仔细观察图1,我们可以发现,各个子图像(或称子频带)之间组成了一个从低频带指向高频带的树状结构,如图2所示: 图2

图2中,以HH3单个元素为根形成的子孙树,从它们的方向和空间位置可以看出,这种小波树中,各级分解子带的系数之间存在很大的相似性!基于这一性质,Lewis和Knowles在1992年提出了小波零树编码算法。这种算法的一大特点,也是一大缺点,即量化后系数为0的系数的子孙系数也置0。这种一刀切的处理很容易把重要的子孙系数忽略掉,故L-K零树编码算法存在一定的不足。 零树小波图像压缩专题(2)——EZW算法的原理步骤 默认分类 2008-06-14 20:08:33 阅读99 评论0字号:大中小订阅 如果一个小波系数被量化为0,而它存在一个子孙量化后不为0,则这个点称为孤立零点。适应孤立零点的情况而改进的零树编码算法就称为嵌入式零树小波编码算法,简称EZW 算法,是Shapiro在1993年提出的。 对于一个阈值T,若小波系数x满足|x| >= T ,则称x关于T是重要的系数,反之称x关于T是不重要的系数;若x是不重要的系数,并且其所有子孙都是不重要的,则称x是关于T的零树根;若x本身是不重要的系数,但它存在重要的子孙,则称x是关于T的孤立零点。 对于给定的阈值,EZW算法下图所示的Z型顺序扫描、处理小波系数(扫描顺序有两种:raster、Morton)。

第三章 离散小波变换

第三章 离散小波变换 3.1 尺度与位移的离散化方法 减小小波变换系数冗余度的做法是将小波基函数?? ? ??-= a t a t a τψψτ1)(,的 τ,a 限定在一些离散点上取值。 1. 尺度离散化:一种最通常的离散方法就是将尺度按幂级数进行离散化, 即取m m a a 0=(m 为整数,10≠a ,一般取20=a )。如果采用对数坐标,则尺度a 的离散取值如图3.1 所示。 图3.1 尺度与位移离散方法 2. 位移的离散化:当120==a 时,()τψψτ-=t t a )(,。 (1)通常对τ进行均匀离散取值,以覆盖整个时间轴。 (2)要求采样间隔τ满足Nyquist 采样定理,即采样频率大于该尺度下频率通带的2倍。 3. )(,t a τψ=? 当m 增加1时,尺度增加一倍,对应的频带减小一半(见图2.2),可见采样频率可以降低一半,即采样间隔可以增大一倍。因此,如果尺度0=m 时τ的间隔为s T ,则在尺度为m 2时,间隔可取s m T 2。此时)(,t a τψ可表示为 );(2212221 ,t T n t T n t n m s m m m s m m ψψψ记作??? ???-=??? ? ???- Z n m ∈, 为简化起见,往往把t 轴用s T 归一化,这样上式就变为

()n t t m m n m -=-- 22)(2 ,ψψ (3.1) 4. 任意函数)(t f 的离散小波变换为 ??=R n m f dt t t f n m WT )()(),(,ψ (3.2) DWT 与CWT 不同,在尺度—位移相平面上,它对应一些如图3.1所示的离散的点,因此称之为离散小波变换。将小波变换的连续相平面离散化,显然引出两个问题: (1)离散小波变换>=<)(),(),(,t t f n m W T n m f ψ是否完全表征函数)(t f 的全部信息,或者说,能否从函数的离散小波变换系数重建原函数)(t f 。 (2)是否任意函数)(t f 都可以表示为以)(,t n m ψ为基本单元的加权和 ∑∈= Z n m n m n m t C t f ,,,)()(ψ?如果可以,系数n m C ,如何求? 上述两个问题可以归结为一个。假设条件(1)满足,可合理的选择ψ,并对τ,a 进行适当的离散(即适当的选择s T a ,0),那么一定存在与小波序列n m ,ψ对 应的n m ,~ψ序列,使得问题(1)的重建简单地表示为 ∑∈><= Z n m n m n m f t f ,,,~,)(ψψ (3.3) n m ,~ψ称为n m ,ψ的对偶,它可以由一个基本小波)(~t ψ通过位移和伸缩取得: () n t t m m n m -=--2~2)(~2,ψψ 由上式,若存在)()(2R L t g ∈,则有 ∑>><<=><>=><><><<=n m n m n m g g ,,,~,ψψ 故问题(2)也成立,其中>=

国家电子商务标准体系框架简介-中国标准化研究院

国家电子商务标准体系框架综述 中国标准化研究院 2007-09 北京

主要内容 一、背景和编制思路 二、对国外EC标准化态势的认识 三、对我国EC标准化状况的诊断 四、对我国EC标准化需求的分析 五、对国家电子商务标准体系的定位 六、对策和措施

1、编制背景 国办[2005]2号文的要求:建立并完善国家电子商务标准体系。提高标准化意识,充分调动各方面积极性,抓紧完善电子 商务的国家标准体系;鼓励以企业为主体,联合高校和科研 机构研究制定电子商务关键技术标准和规范,参与国际标准 的制订和修正,积极推进电子商务标准化进程。 国家标准委的要求:围绕国办[2005]2号文的要求,尽快提出《国家电子商务标准体系》,并会同国信办、发改委、科技 部、商务部、信息产业部等,力争在3~5年的时间里,完成 以发展我国电子商务为核心的一系列关键技术标准。

2、编制思路 摸清国际态势 把握我国现状、问题和产生问题的根源 分析我国发展对标准化的需求 提出标准体系框架,编制明细表 指出未来标准化工作重点

1. 国际主要EC标准化组织 ISO/TC154商业和行政中的业务过程、数据元和文档格式 UN/CEFACT联合国贸易便利与电子业务中心 OASIS国际结构化数据标准组织 RosettaNet ISO/IEC/JTC1/SC32数据管理与交换 W3C/IETF 电子业务谅解备忘录ISO、IEC、ITU、UN/CEFACT、OASIS

2、标准化思路 参考模型(ISO/IEC 14662) 业务交易 业务交易的信息技术方面 功能服务视图业务操作视图开放式edi 参考模型视作业务标准支撑技术标准 符合被…涵盖 业务交易的业务方面 符合被…涵盖 相互关联

小波变换基本原理

第五章 小波变换基本原理 问题 ①小波变换如何实现时频分析?其频率轴刻度如何标定? —尺度 ②小波发展史 ③小波变换与短时傅里叶变换比较 a .适用领域不同 b.STFT 任意窗函数 WT (要容许性条件) ④小波相关概念,数值实现算法 多分辨率分析(哈尔小波为例) Daubechies 正交小波构造 MRA 的滤波器实现 ⑤小波的历史地位仍不如FT ,并不是万能的 5.1 连续小波变换 一.CWT 与时频分析 1.概念:? +∞ ∞ --ψ= dt a b t t S a b a CWT )( *)(1),( 2.小波变换与STFT 用于时频分析的区别 小波 构造? 1910 Harr 小波 80年代初兴起 Meyer —小波解析形式 80年代末 Mallat 多分辨率分析—WT 无须尺度和小波函数—滤波器组实现 90年代初 Daubechies 正交小波变换 90年代中后期 Sweblews 第二代小波变换

3.WT 与STFT 对比举例(Fig 5–6, Fig 5–7) 二.WT 几个注意的问题 1.WT 与)(t ψ选择有关 — 应用信号分析还是信号复原 2.母小波)(t ψ必须满足容许性条件 ∞<ψ=? ∞ +∞ -ψdw w w C 2 )( ①隐含要求 )(,0)0(t ψ=ψ即具有带通特性 ②利用ψC 可推出反变换表达式 ??+∞∞-+∞ ∞-ψ -ψ= dadb a b t b a CWT a C t S )(),(11 )(2 3.CWT 高度冗余(与CSTFT 相似) 4.二进小波变换(对平移量b 和尺度进行离散化) )2(2)()(1 )(2 ,22,,n t t a b t a t n b a m m n m b a m m -ψ=ψ?-ψ= ??==--ψ dt t t S n CWT d n m m m n m )(*)()2,2(,,?+∞ ∞ ---ψ=?= 5.小波变换具有时移不变性 ) ,()() ,()(00b b a C W T b t S b a C W T t S -?-? 6.用小波重构信号 ∑∑ ∑∑+∞-∞=+∞ -∞ =+∞-∞=+∞ -∞ =ψψ= m n m n n m n m n m n m t d t d t S )(?)(?)(,,,,正交小波 中心问题:如何构建对偶框架{} n m ,?ψ

太阳黑子数时间序列的奇异谱分析和小波分析

第32卷第6期 2007年11月 测绘科学 Science of Surveying and M app ing Vol 132No 16 Nov 1 作者简介:徐克红(19822),女,山东泰安人,辽宁工程技术大学与中国测绘科学研究院联合培养硕士研究生,主要研究方向为卫星轨道确定。E 2mail:xukehong0719@1631com 收稿日期:2007206228 太阳黑子数时间序列的奇异谱分析和小波分析 徐克红 ①② ,程鹏飞①,文汉江 ① (①中国测绘科学研究院,北京 100039;②辽宁工程技术大学,辽宁阜新 123000) 【摘 要】本文对小波变换和奇异谱分析方法进行了简要介绍,对离散小波的分解和重构、奇异谱分析的重构进 行了详细阐述。结合太阳黑子数1749年至2007年3月期间的月平均值时间序列进行了小波变换的分解和重构及SS A 方法的重构,提取了其主要的周期特性,并对两种分析方法进行了比较。【关键词】小波分析;离散小波的分解与重构;奇异谱分析;太阳黑子数【中图分类号】P228 【文献标识码】A 【文章编号】100922307(2007)0620035204 1 引言 太阳黑子是太阳光球上经常出现的阴暗斑点,是太阳活动的羁绊标志,是反映太阳辐射变化的重要指标,一般用太阳黑子数表示。太阳黑子数反映了太阳活动强弱的变化,对地球的影响很大,诸如地磁变化、大气运动、气候异常、海洋变化等,都和太阳黑子数变化有着不同程度的关系。因此研究太阳黑子数的变化有利于深入了解它对卫星轨道、定位等方面的影响。 对太阳黑子数变化的研究已有很多,韩延本,韩刚用小波分析的方法对太阳黑子数变化进行研究,验证了小波分析方法的可行性,并得到太阳黑子数变化包含多种周期分量的结论。郝立生,李新,李月英利用Morlet 小波变换对太阳活动变化进行了研究,得到太阳活动存在141和106a 的变化周期。 小波变换的概念是1984年法国地球物理学家J 1Morlte 在分析处理地球物理勘探资料时提出来的。其数学基础是19世纪的傅里叶变换,其后理论物理学家A 1Gr oss man 采用平移和伸缩不变性建立了小波变换的理论体系。1989年S 1Mallat 提出了多分辨率分析概念,统一了在此之前的各种构造小波的方法,特别是提出了二进小波变换的快速算法,使得小波变换完全走向实用性[8]。 奇异谱分析(SS A )是对一维的时间序列进行分析的主成分分析方法。该方法适用于从短噪声时间序列中提取信息。SS A 在时空域中,通过将序列分解成元素行为模式的方法,将含在延迟坐标相空间的信息拆开,通过使用数据适应滤波器来帮助将时间序列分开为统计的独立成分,这些成分可以当作趋势、振动或噪声来进行分类。 本文选用太阳黑子数月平均值,采用小波变换和奇异谱分析的方法对该时间序列进行分析,同时对两种分析方法进行比较。 2 奇异谱分析 主成分分析(PCA,Princi pal Component Analysis ),也称为经验正交函数(E OF,E mp irical O rthogonal Functi on ), 可以由多维的时间序列中获取时间序列的主要成分,是常用的多元统计分析方法之一,主要将多个彼此相关的指标变换为少数几个彼此独立的综合指标即主成分,并要求主成分能反映原始数据的几乎全部信息,其中,常用于对一维的时间序列进行分析的方法称为奇异谱分析(SS A,Sin 2gular s pectru m analysis )。 奇异谱方法(SS A )是一种特别适合于研究周期振荡行为的分析方法,它是从时间序列的动力重构出发,并与经验正交函数相联系的一种统计技术,是E OF 分解的一特殊应用。分解的空间结构与时间尺度密切相关,可以较好地从含噪声的有限尺度时间序列中提取信息,目前已应用于多种时间序列的分析中。 SS A 的具体操作过程是,将一个样本量为n 的时间序列按给定嵌套空间维数(即窗口长度)构造一资料矩阵。当这一个资料矩阵计算出明显成对的特征值,且相应的E OF 几乎是周期性或正交时,通常就对应着信号中的振荡行为,可见SS A 在数学上相应于E OF 在延滞坐标上的表达。 对给定的X 1,X 2,…,X n 的时间序列,给定嵌套维数M ,M

基于GEM模型和离散小波变换的图像修复方法(中文版)

基于GEM模型和离散小波变换的图像修复方法 让·格姆士,安东尼·库马尔 摘要:在本文中,我们提出了一种新颖的期望最大化算法,使用一种新的离散多尺度方向的稀疏表示称为离散小波变换(DWT)应用于自动彩色图像修复。众所周知,传统小波都不能有效处理分布不连续的多维信号,如边缘处。采用基础元素与更高的定向敏感性法的方法可以实现更有效的表示。而最为有效表示图像的边缘的方法是利用小波变换使多尺度方法的能力相结合一种能够捕捉多维数据的几何形状的独特的能力。待修复的部分可以被看作是插值或者估计问题与数据缺失。为了实现这一目标,我们建议使用期望最大化(EM)算法在贝叶斯框架上,用于恢复丢失的样本,使用的是稀疏表示的离散小波变换(DWT)的想法。我们首先介绍一个简单而有效的稀疏表示的离散小波变换(DWT)的图像修复的迭代算法。然后,我们推导出它的收敛性。我们可以证明,这种基于新的稀疏表示—离散小波变换的算法在图像修复中的应用,无论是在性能方面还是计算效率上都具有一定竞争力。 关键词:稀疏表示,小波,离散小波变换,系统修复,优化,期望最大化

1.简介 图像修复是指填充在图像中丢失或损坏的区域(如裂缝或疤痕)。在美术博物馆,专业艺术家对图像进行传统的图像修复,通常是非常耗时的,更不用说由于直接修复而造成图像完全被破坏的风险。 从数学角度来说,图像修复本质上是一个插值问题。从而在计算机视觉和图像处理上直接重叠与其他许多重要的任务,包括图像转换、图像修补、缩放、超分辨率和错误隐藏。当前的工作是激励和启发错误隐藏的应用程序,其实就是自动恢复在传输过程中所丢失的数据包信息。 在小波域内图像修复或使用稀疏表示是一个完全不同的问题,因为这种方法没有定义的图像修复区域的像素域。在新的图像压缩标准JPEG2000发布之后,这个新的标准在很大程度上是基于小波变换,许多图像不仅是格式化的并且存储在小波系数中。在这些图像无线传输时,它可能会在传输过程中发生随机丢失或损坏某些小波数据包。在小波域上,用小波变换从这些丢失或损坏小波包的图像中恢复原始图像是图像修复的难题,这种方式的任务明显不同于传统的图像修补方法。 在传统的图像修复方法中,在稀疏词典中运用著名的Daubechies 小波7/9[1][2]双正交分解。这些传统小波不能有效处理诸如如边缘处的含有分散式间断部分的多维信号。因为这种处理,常常导致形成Gibbs吉布斯型构件式假象[6],其周围明显的锐利,不连续。由于小波系数较小的会被消除,所以系数较小的小波会被保留。虽然新的小

养老服务标准体系框架

附件: 1.养老服务标准体系框架 2.养老服务领域已发布、制定中及待制定标准目录

附件1 养老服务标准体系框架 通用基础标准标 准 化 导 则服务提供标准 术语与缩略语符 号 与 标 志 分 类 评 估 数 据 质 量 管 理 其 它 支撑保障标准 医 疗 护 理 精 神 慰 藉 健 康 管 理 安 宁 服 务 社 会 工 作 休 闲 娱 乐 文 化 教 育 权 益 保 障 其 它 生 活 照 料 人 力 资 源 服 务 商 管 理 服 务 管 理 服务提供者管理信息化建筑、设施设备与用品环境、安全与卫生 师 资 培 训 与 考 评 服 务 人 员 培 训 管 理 人 员 岗 位 设 置 标 准 家 庭 照 护 人 员 培 训 管 理 其 它 人 才 分 类 标 准 信 息 资 源 服 务 信 息 化 平 台 建 设 与 运 维 其 它 设 施 设 备 建 筑 场 所 老 年 用 品 其 它 服 务 安 全 环 境 保 护 食 品 安 全 消 防 安 全 劳 动 保 护 应 急 管 理 职 业 健 康 其 它 服 务 风 险 管 理 合 同 管 理 服 务 绩 效 考 核 卫 生 防 疫 信 息 安 全 其 它 2

附件2 养老服务领域已发布、制定中及待制定标准目录 在养老服务标准体系框架的指导下,根据我国养老服务发展趋势和需求,将已发布、制定中和待制定的国家标准、行业标准集合成养老服务体系目录。 分布领域序号标准名称标准号(计划号) 标准 级别 标准 性质 标准 类别 标准 状态 通用基础标准1老年人能力评估MZ/T 001-2013行标推荐管理已发布2养老机构分类与编码20120699-T-314国标推荐管理制定中3养老服务图形符号标识MZ2016-T-041行标推荐管理制定中4养老机构照护等级划分MZ2016-T-042行标推荐管理制定中5养老机构标准体系建设指南MZ2017-T-012行标推荐管理制定中6养老服务基本术语MZ2017-T-013行标推荐管理制定中7养老机构服务风险评估通则MZ2017-T-016行标推荐管理制定中 3

第三章离散小波变换.

第三章离散小波变换 3.1尺度与位移的离散化方法 减小小波变换系数冗余度的做法是将小波基函数 ' 一些离散点上取值。 1.尺度离散化:一种最通常的离散方法就是将尺度按幕级数进行离散化,即取 ,一般取 )。如果采用对数坐标,则尺度'的离 ]2 3 4 5 € J ■ ■ ■ k- ] ■ ■ v ■ Prit ■ 1J ■i r 图3.1尺度与位移离散方法 (1)通常对「进行均匀离散取值,以覆盖整个时间轴。 (2)要求采样间隔「满足’’… 采样定理,即采样频率大于该尺度下频率 通带的2倍。 3. : ' = ? 当 增加1时,尺度增加一倍,对应的频带减小一半(见图 2.2),可见采样 频率可以降低一半,即采样间隔可以增大一倍。因此,如果尺度:■时—的 T rE T? T ( f l 间隔为?,则在尺度为-时,间隔可取 。此时 可表示为 为简化起见,往往把’轴用’归一化,这样上式就变为 叫厂畸(皿为整数,叫士 散取值如图3.1所示。 2. 位移的离散化:当1 时, 'o m, w e Z

%山"2 W"(3.1) 4.任意函数的离散小波变换为 H 心(3.2) DWT与CWT不同,在尺度一位移相平面上,它对应一些如图3.1所示的离散的点,因此称之为离散小波变换。将小波变换的连续相平面离散化,显然引出两个问题: (1)离散小波变换’一' *"是否完全表征函数的全部信息,或 者说,能否从函数的离散小波变换系数重建原函数。 (2)是否任意函数都可以表示为以为基本单元川2工 的加权和?如果可以,系数’ 如何求? 上述两个问题可以归结为一个。假设条件(1)满足,可合理的选择,并对进行适当的离散(即适当的选择?’),那么一定存在与小波 序列对应的序列,使得问题(1)的重建简单地表示为 A0 = £也2“ (3.3) 称为的对偶,它可以由一个基本小波■?通过位移和伸 缩取得: 由上式,若存在''',则有

相关文档
最新文档