小波变换理论及应用资料
小波变换公式原理应用csdn
小波变换是一种信号处理技术，其基本原理是将一个信号分解成多个小波函数的线性组合。
这些小波函数具有有限的时间支持，即在有限的时间段内有非零值，这使得小波变换能够有效地分析信号的局部特征。
小波变换的公式如下：
(y(t) = \int_{-\infty}^{+\infty} X(\omega) e^{i\omega t} d\omega)
其中，(X(\omega)) 是小波变换系数，(y(t)) 是小波函数。
小波变换的应用非常广泛，包括信号处理、图像处理、语音处理、模式识别等领域。
具体来说，小波变换可以用于信号的降噪、压缩、特征提取等任务。
在图像处理中，小波变换可以用于图像压缩、图像增强、图像融合等方面。
在语音处理中，小波变换可以用于语音识别、语音合成等方面。
此外，小波变换还可以用于模式识别领域，例如文本分类、人脸识别、手势识别等。
在CSDN上，有许多关于小波变换的博客和教程可供参考。
例如，有一篇博客详细介绍了小波变换的基本原理和在图像处理中的应用，以及如何使用Python实现小波变换。
此外，还可以通过搜索相关教程和资料来深入了解小波变换的原理和应用。
小波分析基础学习资料
(t)
1
1
x0,
1 2
x12
,1
(1.11)
数学上已经证明：
( 2 jt k ) |j ,k Z
(1.12)
构成L2(R)的一个正交基，通过规范化处理， j
小波级数、信 号的小波逼近
j,k(t)22 (2jtk) (j,k Z ) (1.13)
构成L2(R)的一个规范正交基。故任何一个能量有限信号 f(t)L2(R) 可以分解为
(4) 将所选择的小波函数尺度伸缩一个单位，然后重复 步骤(1)、(2)、(3)，如图所示；
(5) 对所有的尺度伸缩重复步骤(1)、(2)、(3)、(4)。
❖ 尺度与频率的关系
尺度与频率的关系如下： ➢ 小尺度a 压缩的小波快速变换的细节高频部分 ➢ 大尺度a 拉伸的小波缓慢变换的粗部低频部分
College of Mathematics and Computer Science, Hebei University
傅立叶分析不能刻画时域信号的局部特性； 傅立叶分析对非平稳信号的处理效果不好。 下面通过例子来说明这两点。
例、歌声信号 歌声是一种声音震荡的波函数，其傅立叶变换就是将这个波函数转化成
某种乐谱。但遗憾地是，傅立叶变换无法反映信号在哪一时刻有高音，在 哪一时刻有低音，因此结果是所有的音符都挤在了一起，如图所示。
将a,b离散化，令
a 2 j， b 2 jk ， j,k Z
(2.5)
可得离散小波变换：
(DW f)(j,k)f(t) , j,k(t)
(2.6)
j
j,k(t)22(2jtk)，j,kZ
(2.7)
总结：小波即小区域的波，是一种特殊的长度有限、平均 值为零的波形。它有两个特点：一是“小”，即在时域具有 紧支集或近似紧支集；二是正负交替的“波动性”，也即支 流分量为零。傅立叶分析是将信号分解成一系列不同频率的 正弦波的叠加，同样小波分析是将信号分解为一系列小波函 数的叠加，而这些小波函数都是由一个母小波函数经过平移 和尺度伸缩得来的。
小波变换及其在地震资料去噪中的应用
拉 伸 ， 窗 口的时 宽增 大 ， 频谱 变 窄并 向低 频方 向移 使 其 动； 而若 ０＜１ 基 函数 相 当 于将 窗 函数 压 缩 ， 窗 函 则 使 数缩 小 ， 其频 谱 展 宽 并 向 高 频 方 向移 动 。大 的 尺度 参 数对 应 于低 频端 ， 率分 辨 率高 、 间分 辨率 低 ； 频 时 反之 ， 小 的尺 度参 数对 应 于高 频端 ， 率分 辨率 低 、 间分辨 频 时 率高 ， 就是 小 波变 换 的多 分辨 特性 。参 数 ｂ起 时移 这
因此 ， 提 高 分辨 率 ， 要 降低 截 断 效应 ， 要 有足 够 就
的窗 口来保 证 ， 在 实 际 问题 中往 往 不 可 能 满 足 。这 但 样， 就提 出 了一 个 问题 ， 没 有 办 法 使 窗 口宽 度 足 够 有 小 ， 又使分 辨 率足 够高 呢 ？为此 ， 出小 波 变换 。小 而 提 波变 换 的基本 思 想来 源 于 函数 的伸 缩 与 平 移 ， 是 通 它
Ｇ ｂｒ ａ ｏ 引入 了加 窗傅 立 叶 变换 的概 念 。他 用 一 个 在 有
Ｉ
√ 一 ∞
（ ） ０ ￡ｄ ｒ＝
限区间（ 称为窗 口） 外恒等于零 的光滑 函数去乘所要研
究 的 函数 ， 然后 对它作 傅 立 叶变换 ， 种变 换确 实 能反 这
映 函数 在窗 口内部 的频 率 特 征 ， 而在 研 究 信 号 的局 因 部性 质 的 问题 中起 了一定 作用 。加 窗 傅立 叶变 换 的优 称
定义 ：
（ ＝ 。 （ ）。ｂ ，≠ ｌＩ ） ，∈Ｒ口 ０
（ ） 小 波 基 函 数 或 母 小 波 函数 ， ｔ为 ０为 尺 度 参
点 主要 在于 ， 采用 窗 函数 对 信 号 的乘 积 运 算 实 现 开 窗
小波变换原理
小波变换原理
小波变换是一种信号分析方法，它可以将一个信号分解成不同频率和时间的小波基函数的线性组合。
这种分解能够提供关于信号局部特征的信息，并且具有较好的时频局部化性质。
小波变换的基本原理是利用小波基函数对信号进行多尺度分析。
小波基函数是一组函数，它们具有有限时间和频率的特性。
通过对不同尺度的小波基函数进行缩放和平移，可以得到不同频率和时间的基函数。
在小波变换中，通常采用离散小波变换（DWT）进行信号分析。
离散小波变换将信号分解成不同尺度和位置的小波系数，每个小波系数表示信号在相应尺度和位置上的能量。
小波变换的优点之一是可以提供多分辨率的信号分析。
通过对信号进行分解，可以得到不同尺度上的信息，从而揭示信号在局部的频率特征。
这对于处理非平稳信号和突发信号非常有用。
小波变换还具有较好的时频局部化性质。
在时域上，小波基函数具有较短的时域长度，可以更好地描述信号的瞬时特征。
在频域上，小波基函数具有较宽的频带，可以更好地描述信号的频率特征。
小波变换在信号处理、图像处理、模式识别等领域有着广泛的应用。
它可以用于信号去噪、压缩、特征提取等任务，也可以用于图像边缘检测、纹理分析等任务。
总之，小波变换是一种多尺度信号分析方法，通过对信号进行分解，可以提取信号在不同尺度和位置上的特征。
它具有较好的时频局部化性质，可以有效地描述非平稳信号和突发信号的特征。
第三章离散小波变换 31页
3.1 尺度和位移的离散化方法
对于连续小波而言，尺度a、时间 t和与时间有关的偏移量τ都是连 续的。如果利用计算机计算，就 必须对它们进行离散化处理，得 到离散小波变换。
本章主要内容
尺度和位移的离散化方法 小波框架理论 二进小波变换
3.1 尺度和位移的离散化方法
为了减小小波变换系数的冗余度，
我们将小波基函数
a,(t)
1 (t)
aa
的a、τ限定在一些离散的点上取值。
离散化方法
（1）尺度的离散化。目前通行的做法 是对尺度进行幂数级离散化。即令a取 a a0j , a0 0, j Z 对应的小波函数是：
j
a02[a0 j (t )], j 0,1,2
如果可以，系数 c j ,k 如何求？
3.2 小波的框架理论
3.2.1 框架 1 框架的定义
在希尔伯特空间H中有一族函数 kkZ，如
果存在0<A<B<∞，对所有的f∈H，有：
Af2 |f,k |2Bf2
k
称 k kZ 是H中的一个框架。
常数A、B的意义。
离散化方法
（2）位移离散化。 ka0j0
通常对τ进行均匀离散取值，以覆盖整个时 间轴， τ满足Nyquist采样定理。在a=2j时， 沿τ轴的响应采样间隔是2j τ0，在a0=2情况 下，j增加1，则尺度a增加一倍，对应的频 率减小一半。此时采样率可降低一半而不 导致引起信息的丢失。
3.3.2 二进小波的性质
（1）二进小波满足小波母函数容许性条件， 即二进小波必为基本小波。
（2）二进小波是冗余的。 由框架理论知：当不满足A=B=1时，框架
小波分析算法资料整理总结
一、小波分析基本原理：信号分析是为了获得时间和频率之间的相互关系。
傅立叶变换提供了有关频率域的信息，但有关时间的局部化信息却基本丢失。
与傅立叶变换不同，小波变换是通过缩放母小波（Mother wavelet）的宽度来获得信号的频率特征，通过平移母小波来获得信号的时间信息。
对母小波的缩放和平移操作是为了计算小波系数，这些小波系数反映了小波和局部信号之间的相关程度。
相关原理详见附件资料和系统设计书。
注：小波分析相关数学原理较多，也较复杂，很多中文的著作都在讨论抽象让非数学相关专业人难理解的数学。
本人找到了相对好理解些的两个外文的资料：Tutorial on Continuous Wavelet Analysis of Experimental Data.docTen.Lectures.of.Wavelets.pdf二、搜索到的小波分析源码简介（仅谈大体印象，还待继续研读）：１、83421119WaveletVCppRes.rar源码类型：VC++程序功能是：对简单的一维信号在加上了高斯白噪声之后进行Daubechies小波、Morlet小波和Haar小波变换，从而得到小波分解系数；再通过改变分解得到的各层高频系数进行信号的小波重构达到消噪的目的。
说明：在这一程序实现的过程中能直观地理解信号小波分解重构的过程和在信号消噪中的重要作用，以及在对各层高频系数进行权重处理时系数的选取对信号消噪效果的影响。
但这是为专业应用写的算法，通用性差。
２、WA.FOR（南京气象学院常用气象程序中的小波分析程序）源码类型：fortran程序功能是：对简单的一维时间序列进行小波分析。
说明：用的是墨西哥帽小波。
程序短小，但代码写得较乱，思路不清，还弄不明白具体应用。
３、中科院大气物理学所.zip（原作者是美国Climate Diagnostics Center的C. Torrence 等）源码类型：fortran和matlab程序各一份功能是：气象应用。
小波分析在形变数字化观测资料中的应用
小波分析在形变数字化观测资料中的应用小波分析是在现代调和分析的基础上发展起来的一门新兴学科，具有多尺度、多分辨率的特性，它在数字信号处理中发挥着日渐重要的作用，因为小波分析方法研究的是含有大量的非稳态成分的信号，例如偏移、趋势、突变、事件的起始与终止等情况，而这些情况往往是相当重要的，反映了信号的重要特征。
近几年，小波变换理论在天然地震震相识别及天然地震与爆破或塌方的模式识别（刘希强等，2000）中，在重力、大面积形变测量和定点形变测量资料地震异常分析研究（张永志等，1997，1998，1999）和地下水观测资料的应用分析（敬少群，2002）中，都得出了一些有益的结果，可见，小波理论在地震学和地震前兆资料分析中也具有广阔的应用前景。
小波分析方法对定点形变数字化观测资料的干扰识别与消除以及对不同频率的信息识别功能较强，因此，作者运用小波分析方法对怀来、张家口的形变数字化观测资料进行分析，识别、消除形变数字化观测资料的干扰，提取不同频率信息，为形变数字化观测资料的分析处理提供一种新的方法。
1 观测中的干扰因素分析张家口地震台的水管仪、垂直摆在正常观测条件下一般呈年变形态，固体潮曲线清晰、光滑；气压对观测影响较明显，气压变化会造成地面荷载的增减，导致岩体块体的倾斜变化；气压的影响存在着周期性变化，主要以短周期影响最为显著，它直接破坏观测记录的应变固体潮汐波形，使记录曲线发生畸变，长周期的气压缓变对应力应变观测记录的固体潮波形影响并不十分显著，但是对于曲线趋势走向产生影响，或加大零漂或改变漂移方向，有时可能影响几天，直观的表现在记录曲线呈现鼓包或凹斗，有时会掩盖了震兆异常，给地震分析和预报带来了许多不便。
2 研究方法及原理2.1 小波变换理论2.1.1 小波变换的定义及特点小波，即小区域的波，是一种特殊的长度有限、平均值为零的波形。
它有两个特点：一是“小”，即在时域都具有紧支集或近似紧支集；二是正负交替的“波动性”，也即是直流分量为零。
小波包变换
1 小波变换的基本理论信号分析是为了获得时间和频率之间的相互关系。
小波变换（DWT ）是现代谱分析工具，他既能考察局部时域过程的频域特征，又能考察局部频域过程的时域特征，因此即使对于非平稳过程，处理起来也得心应手。
傅立叶变换提供了有关频率域的信息，但有关时间的局部化信息却基本丢失。
与傅立叶变换不同，小波变换能将图像变换为一系列小波系数，这些系数可以被高效压缩和存储，此外，小波的粗略边缘可以更好地表现图像，因为他消除了DCT 压缩普遍具有的方块效应。
通过缩放母小波（Mother wavelet ）的宽度来获得信号的频率特征， 通过平移母小波来获得信号的时间信息。
对母小波的缩放和平移操作是为了计算小波系数，这些小波系数反映了小波和局部信号之间的相关程度。
小波变换是当前应用数学中一个迅速发展的领域，是分析和处理非平稳信号的一种有力工具。
它是以局部化函数所形成的小波基作为基底展开的，具有许多特殊的性能和优点，小波分析是一种更合理的进频表示和子带多分辨分析。
2小波包变换的基本理论和原理概论：由于正交小波变换只对信号的低频部分做进一步分解，而对高频部分也即信号的细节部分不再继续分解，所以小波变换能够很好地表征一大类以低频信息为主要成分的信号，但它不能很好地分解和表示包含大量细节信息（细小边缘或纹理）的信号，如非平稳机械振动信号、遥感图象、地震信号和生物医学信号等。
与之不同的是，小波包变换可以对高频部分提供更精细的分解，而且这种分解既无冗余，也无疏漏，所以对包含大量中、高频信息的信号能够进行更好的时频局部化分析。
小波包的定义：正交小波包的一般解释 仅考虑实系数滤波器.{}n n Z h ∈{}n n Zg ∈()11nn ng h -=-()()()()22k k Z kk Z t h t k t g t k φφψφ∈∈⎧=-⎪⎨=-⎪⎩为便于表示小波包函数，引入以下新的记号：通过,,h,g 在固定尺度下可定义一组成为小波包的函数。
- 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)。
2011-2012 学年第一学期2011级硕士研究生考试试卷课程名称:小波变换理论及应用任课教师: ________ 考试时间：_______ 分钟考核类型：A（）闭卷考试（80%）+平时成绩（20%）；B（）闭卷考试（50%）+课程论文（50%）;C （V）课程论文或课程设计（70%）+平时成绩（30%）。
学号：姓名：班级：一、以图示的方式详细说明连续小波变换（CWT）的运算过程，分析小波变换的内涵；并阐述如何从多分辨率（MRA ）的角度构造正交小波基。
（20分）二、综述小波变换理论与工程应用方面的研究进展，不少于3000字。
（25分）三、运用MATLAB中的小波函数和小波工具箱，分别对taobao.wav语音信号在加噪之后的taobao_noise.wav信号进行降噪处理，要求列出程序、降噪结果及降噪的理论依据。
（25分）四、平时成绩。
（30分）（一）连续小波变换（CWT ）的运算过程及内涵将平方可积空间中任意函数 f （t ）在小波基下展开，称这种展开为函数 f （ t ）的连续小 波变换(Continue Wavelet Transform ，简记 CWT )其表达式为 4 说 th W,「f(a,b)二 1 f(t)'- *C h )dt ( 1.1)何」s a其中，aw R 且a 丰0。
式（1.19 ）定义了连续小波变换，a 为尺度因子，表示与频率相关的伸 缩，b 为时间平移因子。
其中 屮ab （t ）=_^屮为窗口函数也是小波母函数。
Vla| a从式（1.1 ）可以得出，连续小波变换计算分以下5个步骤进行。
① 选定一个小波，并与处在分析时段部分的信号相比较。
② 计算该时刻的连续小波变换系数 C 。
如图1.5所示，C 表示了该小波与处在分析时段 内的信号波形相似程度。
C 愈大，表示两者的波形相似程度愈高。
小波变换系数依赖于所选 择的小波。
因此，为了检测某些特定波形的信号，应该选择波形相近的小波进行分析。
③ 如图1.6所示，调整参数b ，调整信号的分析时间段，向右平移小波，重复①〜②步 骤，直到分析时段已经覆盖了信号的整个支撑区间。
④ 调整参数a ,尺度伸缩，重复①〜③步骤。
⑤ 重复①〜④步骤，计算完所有的尺度的连续小波变换系数，如图 1.7所示。
图1.5计算小波变换系数示意图图1.6不同分析时段下的信号小波变换系数计算 图1.7不同尺度下的信号小波变换系数计算小波变换的实质是用小波(微小的特定波形)与待分析信号波形分段求内积，所得的系数反映了小波与待分析信号的相似度，相似度越高则系数越高。
通过改变平移因子b可以实现对信号时频域的分析。
通过改变尺度因子可以改变小波与待分析信号的相似度。
最后由得到的系数和所选小波的特性可以知道待分析信号的特性或是待分析信号某一时段或频段的特征。
(二)从多分辨率(MRA )的角度构造正交小波基从数值计算数据压缩等角度，我们仍希望减小它们的冗余度，提出了寻找正交基的要求。
多分辨率的理论是指将信号分解到不同的尺度空间，实现在各个尺度上可以有粗及精地观察。
由多分辨率的思想我们可以将任意函数d j,k m f (t),屮j,k(t)> f(t)EV0分解为细节部分W i和大尺度逼近部分V i,然后将大尺度逼近部分V进一步分解。
如此重复就可以得到任意分辨率上的逼近部分和细节部分。
在MRA理论中同一尺度下小波函数和尺度函数分别满足。
f(t —k i)f(t -k2)dt 二(^ -k2)同一尺度下小波函数屮j,k同尺度函数*j,k正交胖j,k(t)市dt = O小波函数匸(t)和尺度函数(t)在多分辨率分析中满足方程(t)八0(n)」(t)-2' 0(n) (2t-n)'(t)「h/n)川⑴-迈宀叽n) (2t-n)这两个方程就是二尺度方程。
利用二尺度方程可以构造出小波母函数，通过伸缩平移就得到整个平方可积空间的基。
正交尺度函数{ "t -kh z}构造正交小波基，还有当尺度函数为Riesz基是构造的正交小波基函数。
所以说MRA不仅为正交小波基的构造提供了一种简单的方法，而且为正交小波变换的快速算法提供了理论依据。
(三)小波变换理论与工程应用方面的研究进展摘要：小波变换作为一种数学理论和方法在科学技术界引起了越来越多的关注和重视。
在数学家们看来，基于小波变换的小波分析技术是泛函分析、调和分析、数值分析等半个多世纪以来发展最完美的结晶，是正在发展中的新的数学分支。
在工程应用领域，特别是在信号处理、图像处理、模式识别、语音识别、量子物理、地震勘测、流体力学、电磁波、CT 成像、机器视觉、机械故障诊断。
关键词; 小波变换工程应用引言小波分析(wavelet) 是在应用数学的基础上发展起来的一门新兴学科，近十几年来得到了飞速的发展．作为一种新的时频分析工具的小波分析，目前已成为国际上极为活跃的研究领域．从纯粹数学的角度看，小波分析是调和分析这一数学领域半个世纪以来工作的结晶；从应用科学和技术科学的角度来看。
小波分析又是计算机应用，信号处理，图形分析，非线性科学和工程技术近些年来在方法上的重大突破．由于小波分析的“自适应性”和“数学显微镜”的美誉，使它与我们观察和分析问题的思路十分接近，因而被广泛应用于基础科学。
应用科学，尤其是信息科学，信号分析的方方面面.本文将介绍小波分析的基本理论，产生背景及其在一些工程方面的应用。
最后展望了小波分析应用研究的发展趋势。
1 小波理论所涉及的基础数学知识: 小波理论所涉及的基础数学知识包括泛函分析、傅里叶分析、信号与系统、数字信号处理等方面的内容。
在这里主要介绍泛函分析的基础知识：泛函分析是上世纪初开始发展起来的一个重要数学分支，它是以集合论为基础的现在分析的一个基本组成部分。
在泛函研究中，一个重要的基本概念是函数空间。
所谓函数空间，即由函数构成的集合。
下面列出几个简单的函数空间的定义。
1.1 距离空间设X是一个非空集合，如果X中任意两个元素x与y,都对应一个实数p(x,y)而且满足：⑴非负性:p(x,y)>=0,当且仅当x=y时，p(x,y)=0。
(2) 对称性：p(x,y)= p(y,x) 。
(3) 三角不等式: 对于任意的X 中的x,y,z , p(x,z)<=p(x,y)+p(y,z) 都成立1.2 线性空间设X 为一非空集合,若在X 中规定了线性运算——元素的加法和元素的数乘运算,并满足相应的加法或数乘的结合律及分配律,则称X 为一线性空间或向量空间。
对于线性空间的任一向量我们用范数来定义其长度。
1.3 平方可积空间L2((X)表示X 上所有在几乎处处(almost everywhere )意义下平方可积( square-integrable )的复值的可测函数的集合。
平方可积表示该函数的绝对值的平方的积分是有限的。
1.4 巴拿赫空间Banach Space巴拿赫空间是一个完备的赋范矢量空间Normed Vector Space,它是希尔伯特空间的推广。
巴拿赫空间定义为完备的线性赋范矢量空间。
即是说,它是一个实数或复数的矢量空间并且有一个完备的范数||卜，即其每个柯西Cauchy序列都是收敛列。
2重要的小波理论；2.1小波变换的提出傅里叶变换在平稳信号分析中可以知道信号所含有的频率信息，但是不能知道这些频率信息究竟出现在那些时间段上，可见若要提取局部时间段(或瞬间)的频域特征信息，傅里叶变换已经不再适用了。
1/4 t2 /2 1946年Carbor提出了加窗的Fourier变换。
其基本思想是取时间函g(t)=二一e作为窗口函数，用g(t-—)同待分析函数f(t)相乘，然后在傅里叶变换：G f(<o,t)Jf(t)g(t-^e^dtN f(t)・g砂(t)> (2. 1)Rg/t)=g(t7)e」wt(2. 2)这一加窗变换使得我们可以分析出一个信号在任意局部范围的频率特征，这是比傅里叶变换优越之处。
这一类加窗变换Fourier变换统称为短时傅里叶变换( Short Time Fourier Transform，简称为STFT)。
但是其时频窗口不随频率和时间的变化而变化，使它的灵活性与普遍性运用受到限制。
2.2小波变换基本理论为了使得短时傅里叶变换的时，频窗口均随频率的变化而变化，以实现对低频分量采用大时窗，对高频分量采用小时窗的符合自然规律的分析方法。
我们设计一组连续变化的伸缩平移基屮a,/t)，屮(t)称为连续小波基函数，来代替STFT中的g^/t) = g(t -i)eT wt。
小波函数的确切定义为：设(t)为一平方可积函数，也即• L2(R)，若傅里叶变换严)(2. 3)贝r- (t)称为一个基本小波或小波母函数，并称式( 2.3)为小波函数的可容许性条件。
连续小波变换：将任意平方可积空间中的 f (t)在小波基下进行展开，称这种展开为函数(t)的连续小波变换(Continue Wavelet Transform，简记为CWT)其表达式为WT f(a, )-： f(t)「a, .(t)」二.f ⑴-否：))dt (2. 4)>/2 R a由表达式可知小波变换也是类似于傅里叶变换，但小波变换与STFT本质不同的是，小波变换是一种变分辨率的时频联合分析方法，当分析低频信号时，其时间窗很大，而当分析高频信号时，其时间窗很小。
这与实际问题中的高频信号的持续时间短、低频信号持续时间较长的自然规律相符合，这种对信号有“自适应”使得小波变换广泛的应用于时频联合分析及目标识别领域。
因为CWT得冗余性较大计数值实现的需要，我们常采用离散型式。
对某一确定的尺度因子a o 1,b o 0 ,我们选择：相a=a m，b二nb o a^m, Z应的离散小波为屮m,n = a。
』"屮(a j x - ng)。
对屮和a0, b0做某些特殊的选择，则屮m,n可以构成L2(R)的标准正交基。
所谓小波就是小的波形，”小”即在时频域都具有紧支集。
通常选取紧支集或近似紧支集的具有正则性的实数或复数函数作为小波母函数，以使小波母函数在时频域有较好的局部性。
“波”是指具有波动性。
小波分析优于傅里叶变换分析在于：(a)在时频域同时具有良好的局部性：小波的“自适应”能力正好符合低频信号变化缓慢而高频变化快的特点，特另U适合处理瞬变信号。
小波能对高频采用逐渐精细的时域取样步长，从而可以聚焦到对象的任意细节，被誉为“数学显微镜”(b)基的多样性：小波分析与Fourier分析的实质都是将信号f(t)投影在一组正交基上，所不同的是Fourier 分析对f (t)只用唯一的基{exp (iwx) }:而小波基的家族是庞大的，同一 f (t)可投影在不同的小波基上。