小波变换课件ch3 多分辨分析与正交小波的构造
小波变换课件 第3章 紧支撑小波基的构造

第3章 紧支撑小波基的构造3.1紧支撑正交小波的构造3.1.1构造紧支撑正交小波的条件● 用多分辨分析构造小波的基本思想是:由尺度函数ϕ→正交尺度函数φ→滤波器h →滤波器g →小波ψ。
● 通常做法:从滤波器h 出发→正交尺度函数φ→正交小波函数ψ。
● 考虑有限冲激响应滤波器FIR 序列h ={0h ,1h ,...,N h },它在满足什么条件才能使两尺度方程0()(2)Nk t h t k φφ==-存在解2()()t L R φ∈,并且它是2()L R 中的正交尺度函数。
由于ˆ()φω1jj =∞=∏(3-2)式(3-2)由频域形式两尺度方程ˆˆˆ()(/2)(/2)h φωωφω=递推而得, ˆˆˆ()(/2)(/2)φωωφω=ˆˆˆ(/2)(/4)(/4)h ωωφω=ˆˆˆ(/2)(/4)(/4)h ωωφω=…ˆˆˆˆ(/2)(/4)...(/2)(/2)j j h h ωωωφω=1ˆˆˆˆ(/2)(/4)...(/2)j j j j h h ωωω=∞→∞==∏因此,问题可进一步阐述为,离散滤波器系数0h 、1h 、…,N h在满足什么条件下,无穷积1jj =∞∏收敛于2()L R 中的某个正交尺度函数()t φ的傅里叶变换ˆ()φω。
从正交多分辨分析可知,若φ为正交尺度函数,h 是对应φ的两尺度函数的滤波器,则h 满足以下条件:1)0,2n k k n kh h δ+=∑ (3-3)2)k kh =∑ (3-4)3)ˆ()φω1jj =∞=∏(3-5)可以证明,式(3-3)和式(3-4)仅是是构造正交小波的必要条件,并非充分条件。
一些结论性的条件:1.充分条件11) 0,2n k k nkh h δ+=∑2)kkh =∑3) 在[,]22ππ-上,ˆ()hω0≠ 2.充分条件2(Mallat,1989)1)0,2n k k n kh h δ+=∑2)k kh =∑3)ˆinf ()0hπωω≤> inf 是下确界, 即最大的下界.3. 充分条件3 ( Lawton,1990)1)0,2n k k n kh h δ+=∑2)k kh =∑3)矩阵,(2121))(()i j N N A a --⨯=的特征值1是非退化的(不变,或是倍数,但不退化为零),其中*,021,1Ni j k k j i ka h h N i j N =-+=-+≤≤-∑ (3-6)4. 充分条件4 (Daubechies,1988)1)0,2n k k n kh h δ+=∑2)k kh =∑3)p 阶消失矩条件01ˆ()(e )2pi i e hF ωωω-⎫+=⎪⎝⎭(3-7)其中,当=ωπ时,0(e )0i F ω≠,且0|(e )|i F ω在=02ωπ 范围内的上界值-12p ≤。
正交小波基与多分辨分析

THANKS
正交小波基由尺度函数和小波函数生 成,通过平移和伸缩可以得到不同尺 度的小波基。
正交小波基的性质
正交性
正交小波基具有正交性,即不同 尺度、不同位置的小波基在内积 运算下为零,这使得小波分析具 有良好的稳定性和精度。
紧支集性
正交小波基具有紧支集性,即小 波基只在有限的区间内有非零值 ,这使得小波变换具有快速算法 。
正交小波基的应用
01
02
03
信号处理
正交小波基可以用于信号 的分解和重构,实现信号 的时频分析和滤波。
图像处理
正交小波基可以用于图像 的压缩、去噪和增强,提 高图像处理的效果和效率。
其他领域
正交小波基还可以应用于 数值分析、流体动力学等 领域,为相关问题提供有 效的数值计算方法。
02 多分辨分析
多分辨分析的定义
定义
多分辨分析是一种对函数空间进行分 解的方法,通过在不同尺度上逐步逼 近原始函数,实现对复杂信号的精细 描述。
尺度空间
逼近性质
在多分辨分析中,函数在不同尺度上 的逼近性质决定了其分解的精度和稳 定性。
多分辨分析将函数空间分解为一系列 嵌套的子空间,每个子空间对应不同 的尺度。
多分辨分析的性质
逼近和表示能力
正交小波基能够提供对信号的逼近和 表示,使得在多分辨分析中能够更好 地理解和处理信号。
多分辨分析与正交小波基的相互影响
多分辨分析对正交小波基的影响
多分辨分析的需求推动了正交小波基的发展,促进了其理论和应用研究的深入。
正交小波基对多分辨分析的影响
正交小波基的特性和性质决定了多分辨分析的特性和性质,为多分辨分析提供 了丰富的工具和手段。
正交小波基与多分辨分析的结合应用
《小波变换》课件

离散小波变换
定义
离散小波变换是对连续小波变换 的离散化,即将时间和频率轴进 行离散化,使小波变换能够应用 于数字信号处理。
原理
离散小波变换通过将信号进行离 散化,将连续的小波变换转换为 离散的运算,从而能够方便地应 用于数字信号处理系统。
应用
离散小波变换在图像压缩、数字 水印、音频处理等领域有广泛应 用,能够提供较好的压缩效果和 数据隐藏能力。
小波变换的应用拓展
图像处理
研究小波变换在图像压缩、去噪、增强等方面的应用,提高图像 处理的效果和效率。
语音信号处理
将小波变换应用于语音信号的降噪、特征提取等方面,提高语音 识别的准确率。
医学成像
利用小波变换对医学成像数据进行处理,提高医学影像的质量和 诊断准确率。
小波变换的算法优化
快速小波变换算法
《小波变换》ppt课 件 (2)
THE FIRST LESSON OF THE SCHOOL YEAR
目录CONTENTS
• 小波变换概述 • 小波变换的基本原理 • 小波变换的算法实现 • 小波变换在图像处理中的应用 • 小波变换的未来发展与挑战
01
小波变换概述
小波变换的定义
小波变换是一种数学分析方法,它通 过小波基函数的平移和伸缩,将信号 分解成不同频率和时间尺度的分量。
提供较好的特征提取和分类能力。
01
小波变换的算法实 现
常用的小波基函数
Haar小波
Daubechies小波
是最简单的小波,具有快速变换的特性, 但缺乏连续性和平滑性。
具有紧支撑性和良好的数学特性,广泛应 用于信号处理和图像处理。
Morlet小波
具有振荡性,适用于分析非平稳信号。
《小波分析》课件

小波变换与其他数学方法的结合
小波变换与傅里叶分析的结合
小波变换作为傅里叶分析的扩展,能够提供更灵活的时频分析能力,适用于非平稳信号 的处理。
小波变换与数值分析的结合
小波变换在数值分析中可用于函数逼近、数值积分、微分方程求解等领域,提高计算效 率和精度。
小波变换在大数据分析中的应用
特征提取
小波变换能够提取大数据中隐藏的时间或频 率特征,用于分类、聚类和预测等任务。
正则性
小波基的正则性是指其在时频域的连续性和光滑 性,影响信号重构的精度和稳定性。
01
小波变换在信号处 理中的应用
信号的降噪处理
总结词
通过小波变换,可以将信号中的噪声成 分与有用信号分离,从而实现降噪处理 。
VS
详细描述
小波变换具有多尺度分析的特点,能够将 信号在不同尺度上进行分解,从而将噪声 与有用信号分离。在降噪处理中,可以选 择合适的小波基和阈值处理方法,对噪声 进行抑制,保留有用信号。
THANKS
THE FIRST LESSON OF THE SCHOOL YEAR
图像的压缩编码
01
通用性强
02
小波变换的通用性强,可以广泛 应用于各种类型的图像压缩,包 括灰度图像、彩色图像、静态图 像和动态图像等。
图像的边缘检测
精确检测
小波变换具有多尺度分析的特性,能 够检测到图像在不同尺度下的边缘信 息,实现更精确的边缘检测。
图像的边缘检测
抗噪能力强
小波变换能够有效地抑制噪声对边缘 检测的影响,提高边缘检测的准确性 和稳定性。
信号的压缩编码
总结词
小波变换可以将信号进行压缩编码,减小存储和传输所需的带宽和空间。
详细描述
小波分析整理 第三章 小波变换ppt课件

.
a b
.
小波函数的范数不变性: a(t)b 0 2 R a(t)b 2 d tR (t)2 dt(t)0 2
此式表明: ( t ) 经过平移与伸缩以后,其模量没有 改变。
在不同的尺度a 时,ψa b (t) 终能和母函数ψ(t) 有着相同的能量 。
当a<1时, ( t ) 被拉宽且振幅被压低, ab (t) 含有表现低 频分量的特征;当a>1时, ( t ) 被压窄且振幅被拉
高, ab (t )含有表现高频分量的特征。
(2t)
(2t 3)
a2
0
1 1.5
3
6
t
a 1 a1
2
(t)
0
1
(1 t) 2
0
1
(t 3)
3
6
t
( 1 t 3) 2
R
可以反映局部频率特性,但是窗函数一经设定,没有 自适应能力,不能满足低频部分需要时窗宽、频窗窄, 高频部分需要时窗窄、频窗宽的要求。
为此,定义窗函数的一般形式为:
w ~ab(t)a1/2(a tb) ( 其 他 形 式 w ~ a b(t)a 1 /2 (t ab )
它是经过平移和放缩的结果。
.
小波函数的频域特性: ^a(b)a1/2eib/a^(a) 此式表明, ( t ) 经过平移和伸缩以后得到的新
函数 a b (t )的频域特性随参数a的变化而变化。
.
2、小波变化的回复公式推导
任何一种变换应该是可逆的。为推导小波变换的
回复公式,先得推出与Fourier变换中类似的乘积
公式。
在Fourier变换中,有公式:2 1 R F [f(t)]F _[g(t)]dRf(t)_ g(t)dt
小波分析课件第四章多分辨分析和正交小波变换

其他领域
正交小波变换还广泛应用于金 融、医学、地球物理等领域的 数据分析和处理。
03
多分辨分析与正交小波变换的关系
多分辨分析与正交小波变换的联系
两者都是小波分析中的重要概念,共同构成了小波 分析的基础。
多分辨分析为正交小波变换提供了理论框架,正交 小波变换是多分辨分析的具体实现。
正交小波变换可以看作是多分辨分析的一种特例, 其中尺度函数和小波函数都是正交的。
正交小波变换的应用场景
ቤተ መጻሕፍቲ ባይዱ01
02
03
04
信号处理
正交小波变换在信号处理中主 要用于信号去噪、压缩和特征 提取等。
图像处理
正交小波变换在图像处理中主 要用于图像压缩、去噪、增强 和特征提取等。
数据压缩
正交小波变换可用于数据压缩 领域,特别是对于非平稳信号 和图像数据的压缩,具有较好 的压缩效果和重建精度。
多分辨分析与正交小波变换的区别
02
01
03
多分辨分析主要关注的是函数在不同尺度上的表示, 而正交小波变换更注重在不同尺度上的细节信息。
正交小波变换具有更好的灵活性和适应性,可以针对 特定问题设计特定的小波函数和尺度函数。
正交小波变换在信号处理、图像处理等领域的应用更 为广泛,而多分辨分析更多用于理论分析。
正交小波变换的算法与实现
算法
正交小波变换的算法主要包括一维离散正交小波变换和二维离散正交小波变换。一维离散正交小波变换的算法包 括Mallat算法和CWT算法等,而二维离散正交小波变换的算法主要基于图像分块处理。
实现
正交小波变换的实现通常需要使用数字信号处理库或图像处理库,如Python的PyWavelets库或OpenCV库等。
小波分析课件第四章多分辨分析和正交小波变换
• 多分辨分析概述 • 正交小波变换原理 • 多分辨分析与正交小波变换的关系 • 正交小波变换的实现方法 • 正交小波变换的实例分析
01
多分辨分析概述
定义与特点
定义
多分辨分析是从小尺度到大尺度逼近 研究对象的一种分析方法,它能够同 时揭示研究对象在不同尺度上的特征 。
多分辨分析在信号处理中能够提 供更加准确和全面的信息,有助 于更好地理解和分析信号。
多分辨分析的历史与发展
1 2 3
历史回顾
多分辨分析的思想起源于20世纪80年代,随着 小波理论的不断发展,多分辨分析逐渐成为研究 热点。
当前研究
目前,多分辨分析在理论和应用方面都取得了重 要进展,广泛应用于图像处理、信号处理、数值 计算等领域。
模式识别
正交小波变换可以用于特征提取和 模式分类等任务。
03
02
图像处理
正交小波变换可以用于图像的压缩、 去噪、增强等处理。
数值分析
正交小波变换可以用于求解偏微分 方程、积分方程等数学问题。
04
03
多分辨分析与正交小波变换的关系
多分辨分析与正交小波变换的联系
两者都基于多尺度分析思想
多分辨分析和小波变换都是从不同尺度上分析信号,能够捕捉到 信号在不同尺度上的特征。
优点
连续小波变换能够更好地适应信号的突变和非线性特性, 能够更准确地描述信号的局部特征。
缺点
连续小波变换的计算复杂度较高,需要更多的计算资源和 时间,同时对于非连续信号的处理也存在一定的困难。
基于滤波器的小波变换
01 02
定义
基于滤波器的小波变换是一种通过设计特定的滤波器来实现小波变换的 方法,通过滤波器对信号进行卷积操作,可以得到不同尺度上的小波系 数。
《小波分析概述》课件
泛函分析
泛函分析是研究函数空间和算子的性 质及其应用的数学分支。
小波分析在泛函分析的框架下,将函 数空间表示为小波基的线性组合,从 而能够更好地研究函数空间的性质和 算子的行为。
03
小波变换的算法实现
《小波分析概述》ppt课件
目录
• 小波分析的基本概念 • 小波变换的数学基础 • 小波变换的算法实现 • 小波分析在图像处理中的应用 • 小波分析在信号处理中的应用 • 小波分析的未来发展与挑战
01
小波分析的基本概念
小波的定义与特性
小波的定义
小波是一种特殊的数学函数,具有局 部特性和可伸缩性,能够在时间和频 率两个维度上分析信号。
一维小波变换算法
一维连续小波变换算法
01
基于连续小波基函数的变换方法,通过伸缩和平移参数实现信
号的多尺度分析。
一维离散小波变换算法
02
将连续小波变换离散化,便于计算机实现,通过二进制伸缩和
平移实现信号的多尺度分析。
一维小波包变换算法
03
基于小波包的概念,对信号进行更精细的分解,提供更高的频
率分辨率和时间分辨率。
图像增强
图像平滑
小波分析能够去除图像中的噪声 ,实现平滑处理,提高图像的视 觉效果。
细节增强
通过调整小波变换的参数,可以 突出图像中的某些细节,增强图 像的对比度和清晰度。
边缘检测
小波变换能够快速准确地检测出 图像中的边缘信息,有助于后续 的图像分析和处理。
图像识别
特征提取
小波变换可以将图像分解成不同频率的子带,提取出与特定任务 相关的特征,为后续的图像识别提供依据。
小波变换与多分辨率分析课件
有效地去除信号中的噪声。
02
小波变换在信号压缩中的应用
小波变换可以将信号分解为近似分量和细节分量,通过去除细节分量,
可以实现信号的压缩。
03
小波变换在信号恢复中的应用
小波变换可以捕捉到信号中的突变部分,通过逆变换,可以恢复出原始
信号。
多分辨率分析在图像处理中的实验演示
多分辨率分析在图像去噪中的应用
领域也有广泛的应用。
算法复杂度
小波变换的算法复杂度相对 较低,容易实现,而多分辨 率分析的算法复杂度较高, 实现相对困难。
小波变换与多分辨率分析的未来展望
01
应用领域拓展
02
算法优化
ቤተ መጻሕፍቲ ባይዱ
03
结合其他技术
小波变换和多分辨率分析在信号处理、 图像处理、数据压缩等领域已经得到 广泛应用,未来随着技术的不断发展, 它们的应用领域将会更加广泛。
小波变换的应用
小波变换在图像处理中有着广泛的应用,例如图像压缩、去噪、
01
重建等。
02
小波变换在音频处理中也得到了广泛应用,例如音频压缩、去
噪、特征提取等。
小波变换还被广泛应用于信号处理、数字水印、雷达信号处理
03
等领域。
02
多分辨率分析基
多分辨率分析的定 义
定义概述
多分辨率分析是信号处理中的一种重要技术,它通过在不同尺度上分析信号,能够同时获得信号的时间和频率信息。
定义背景
随着信号处理技术的发展,人们逐渐认识到仅通过傅里叶分析无法完全揭示信号的时频特性,因此需要一种更全面的 分析方法。
定义目的 多分辨率分析旨在提供一种框架,将信号分解成不同尺度的成分,以便更精细地描述信号的时频特性。
小波分析理论ppt课件
S(w,t ) f (t)g*(w t ) eiwt d t R
(1.12)
25
其中,“*”表示复共轭;g(t)为有紧支集的函数;f(t)为被 分析的信号。在这个变换中,ejwt起着频限的作用,g(t)起 着时限的作用。随着时间t的变化,g(t)所确定的“时间窗” 在t轴上移动,使f(t)“逐渐”进行分析。因此g(t)往往被称为
(1.4)
为序列{X(k)}的离散傅里叶逆变换(IDFT)。 在式(1.4)中,n相当于对时间域的离散化,k相当于频
率域的离散化,且它们都是以N点为周期的。离散傅里叶 变换序列{X(k)}是以2p为周期的,且具有共轭对称性。
9
若f(t)是实轴上以2p为周期的函数,即f(t)∈L2(0,2p) ,则f(t)可以表示成傅里叶级数的形式,即
(1.1)
F(w)的傅里叶逆变换定义为
f (t) 1 eiwt F (w)dw 2 π -
(1.2)
6
为了计算傅里叶变换,需要用数值积分,即取f(t)在R 上的离散点上的值来计算这个积分。在实际应用中,我们 希望在计算机上实现信号的频谱分析及其他方面的处理工 作,对信号的要求是:在时域和频域应是离散的,且都应 是有限长的。下面给出离散傅里叶变换(Discrete Fourier Transform,DFT)的定义。
。将母函数y(t)经伸缩和平移后,就可以得到一个小波序
列。
对于连续的情况,小波序列为
y a,b (t)
2
其中,短时傅里叶变换和小波变换也是因传统的傅里叶变 换不能够满足信号处理的要求而产生的。短时傅里叶变换 分析的基本思想是:假定非平稳信号在分析窗函数g(t)的 一个短时间间隔内是平稳(伪平稳)的,并移动分析窗函数,
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
k
Poisson公式
1.设f (t k ),k Z 是一组正交规范的函数集合:
f (t k ) f (t k )dt (k
1 2 R k
1
k2 )
2
那么频域表示为 F ( 2k ) 1
2.设f1 (t k1 ), f 2 (t k2 ); k1 , k2 Z 是两组正交规范的函数集合:
L2 ( R ) 的小波空间分解理论上是完美的,
实践中是行不通的 ※小波级数的双重无限和难以实现
f (x )djk jk(x )
j k
无穷级数表达式是否有可能用有限求和范围作 近似处理? ※ k 表征平移位置,只须在有限范围内取值 ※ j 对应信号的某一频率范围,在正整数域中 取值的上界总是有限的,在负整数域中取值至 -∞ 是不可避免的
H ( 0 ) 1 , H ( ) 0
G ( 0 ) 0 , G ( ) 1
正交尺度函数的构造
ˆ ˆ g
2 1 /2
g
ˆ g 2 k k 尺度空间的Reisz基 正交尺度函数
性质?
( x ) 2 h ( 2 x k ) k
在上述前提下,小波级数可改写为
f ( xA ) ( x ) d ( x ) a d ( x ) J j kj k J k J k j kj kjJ k
A jk J (x) d jk
j
J 1
a f ( x ) ,j ( x ) ; d f ( x ) ,j ( x ) j k k j k k
k
g j ( x ) 是信号 f ( x ) 中含有的以第j级小波的平移
函数族为基的展开式, 可简称为 f ( x ) 的第 j 级 小波分量 第j级小波空间 W c l o s { () x ; kZ } 2 j j k L 如果 ( x ) 是正交小波,则
LR ( ) . . . W WW 1 . . . W 1 0
2
l
( x ) 2 g ( 2 x l ) l
l
( ) H ( ) ( )
2
ˆ ˆ( ) G ( ) ( )
2 2
系数之和
h
k
k
2
g
k
k
0
递推关系 频域初值
ˆ( ) H ( k) 2 k 1
ˆ( ) G ( ) H ( k ) 1 2 k 2 1
Ac {} c gx ( k ) Bc {} k k k
2 k 2 2
那么 g ( ) 满足下列不等式,
ˆ A g ( 2 k ) B
2 k
反之亦然。
定理3.3 构成空间 V 0 的 ( x) 的平移族 { ( x k ), k Z } 正交规范基的必充条件是
2 j j . . . . .
W W j k, j k
2 LR () . . . W WW . . . W 1 0 1
j j
2 LR () . . . W WW . . . W 1 0 1
j j
ˆ ( 2 k )
2
1
推论3.1 根据定理3.2和3.3, 可推出如下结论: 如果 g ( x ) 是尺度空间 V 0 的Riesz基,那么由 ˆ( g ) ˆ( ) 1 /2 2 ˆ k ) g(2
( x k ), k Z } 所确定的函数 ( x) 的平移族 { 是同一尺度空间的正交规范基。
2
MRA中特殊情况: 正交尺度函数
( xk ) , ( xm ) k m , V 空间 j k j m k m
j
V0空间
正交小波函数 , j k m l j mk l 小波函数与尺度函数正交 ( xk ) ,( x l ) 0
Vj
Wj-1
Vj-1
小波空间是两个相邻尺度空间的差,也就是说空间Wj包含了函数f投影 到尺度空间Vj与Vj-1间的细节差别,因此小波空间有时又称为细节空间。
3.1.3 L ( R ) 基于正交尺度函数和小波 函数的分解
为了生成一个MRA,在小波函数已经确定的情 况下,需要构造与之对应的尺度函数。反之, 如果已知尺度函数, 则需要构造与之对应的 小波函数
L R Wj
2
( x ) 2 g ( 2 x k ) k
k
j
则
2 2 xk 是 W j 的标准正交基. 2 2 xk 构成 L R 的标准正交基。
j / 2 j j , k k Z
j / 2 j jk , jk , Z
f (t k ) f (t k )dt (k
1 1 2 2 R k
1
k2 )
那么频域表示为 F1 ( 2k ) F2 ( 2k ) 0
利用Poisson公式可以得到部分定理的证明
定理3.4 ( x) 平移族是 V 0 的正交规范基的充要条件 是 H ( ) 满足
2 ) L (R ) 可以展开为二重求和的 进而任何函数 f (x 小波级数: f (x )djk jk(x )
j k
d jk f , jk
进而有
f () x d gx () j k j k j
j k j
g x ) d x ) j( jk , jk , (
k
jJ k
3.2 正交小波构造的理论基础
二尺度关系的频域表达
j k 1 2 () h e () H ( )( ) k 2 2 2 2 k
ˆ ˆ( ) G ( ) ( )
2 2
G ( ) 1 j k ge k 2k
第三章 多分辨分析与 正交小波的构造
3.1 多分辨率分析
2 L 3.1.1 ( R ) 的小波空间分解
如果有一个正交小波,它的二进尺度伸缩平移 函数族
j2 j ( x ) 2 ( 2 xk -) j k
将构成中的正交规范基。
2 2 L ( R ) c l o s {( x ) ; j , kZ } 2 k L j
l l
l
二尺度关系
具有潜套性,完备性,稠密性,互补性, 尺度性质的空间序列{ V j , j Z }称为由尺度 函数 ( x) 生成的一个多分辨率分析(MRA)
对于一幅图像,量化级数决定了图像的分辨率,量化 级数越高,图像就越清晰,即图像的分辨率高。对于 任意一幅图像,都可以用不同的量化空间来表示,细 节比较丰富的部分用高分辨率来表示,细节比较单一 的部分可用低分辨率来表示。 我们可以将不同的量化级数构成的空间看成不同的多 分辨空间Vj,显然这些量化空间是相互嵌套的,从图 像处理的角度,多分辨空间的分解可以理解为图像的 分解,假设有一幅256级量化的图像,不妨将它看成 V W 量化空间Vj中的图像,则 V j j 1 j 1可理解为Vj空 间中的图像有一部分保留在Vj-1空间中,还有一部分 放在Wj-1空间
目标:下式成立
V c l o s , k ZjZ ; 2 j k L ( R ) j
j / 2 j 2 2 ( 2 xkjk ) ,, Z j k
(3.1.13)
定理3.1: 如果 ( x) 是 V 0 空间的Riesz基,并且 它和小波函数 ( x ) 存在如下关系 () x h 2 h ( 2 xl ) ( x ) 2 g ( 2 x l ) l 1 l l l 则式(3.1.13)成立
构造正交小波的基 本条件
G ( ) G ( ) 1
2 2
定理3.7 在 H()满足构造正交小波的基本条件(3.2.11) , 取 j G ( ) e H ( ) (3.2.16) 则(3.2.13)和(3.2.14)式成立。 推论3.2 (3.2.16)式等价于
k
问题:
x;jk , Z 不是 jk ,
L2 R 的规范正交基.
构成 L 2
目标: 构造一个小波
x ,使 j,k j,kZ
R
的规范正交基.
正交小波函数的构造
V V W j 1 j j
令
1 k g ( 1 ) h k 1 k ,
H ( )
1 j k he k 2k
ˆ ˆ ˆ ˆ ( ) H () () H ()() H () . . . . . . ( 0 ) H () 22 2 44 2
k 1 k
尺度函数完全由二尺度关系中的序列{hk}确定
H ( ) H ( ) 1
2 2
定理3.5 1 h l ) 1 当 k , 有 H(0 定理3.6 小波函数 ( x)的平移族能够张成 V 0 在 V 1 空间中 正交补 W 0 的充要条件是它对应的 G ( ) 满足
H ( ) G ( ) H ( ) G ( ) 0
3.1.2 尺度空间的定义和性质
J 级尺度空间