吴正国高等数字信号处理第6章小波变换4

合集下载

数字信号处理中的小波变换技术分析

数字信号处理中的小波变换技术分析

数字信号处理中的小波变换技术分析随着数字技术的快速发展,人们对于数字信号处理技术的需求越来越高。

在数字信号处理中,小波变换技术无疑是一种非常重要的技术。

本篇文章将会对小波变换技术进行详细的分析。

一、小波变换的定义小波变换是一种数学方法,将任意信号分解成多个小波分量。

通过小波变换,可以将原始信号分解为不同频率的小波,以实现信号的特征提取和分析。

二、小波变换技术的原理小波变换技术的原理可以用以下步骤来说明:1. 将原始信号进行平移、缩放、翻转等操作,生成一组小波基函数。

2. 将原始信号分解成一系列小波分量,每一个小波分量都由不同系数的小波基函数线性组合得到。

3. 利用小波基函数的特性,可以得到每一个小波分量的功率谱密度函数,以及其相应的尺度和频率。

三、小波变换技术的应用场景小波变换技术的应用场景非常广泛,包括但不限于以下几个方面:1. 信号处理领域:小波变换可以分解信号,以便对信号进行特征提取和分析,广泛应用于图像处理、音频分析、文本挖掘等领域。

2. 金融领域:小波变换可以用于股票价格的短期波动预测、货币汇率的分析等方面。

3. 医学领域:小波变换可用于分析波形,提取生物信号特征,如脑电波、心电图、肌电图等。

四、小波变换技术的优势和劣势小波变换技术具有以下几方面的优势:1. 小波变换可以对信号进行分解,提取信号的特征,避免了频域分析的缺陷。

2. 小波变换可以实现信号的多分辨率分析,在不同尺度和频率下,分析信号的特性,从而提高信号分析的精度和准确度。

3. 小波变换对信号的局部细节信息适应性较好,相比于傅里叶变换,小波变换更适合分析非平稳信号。

当然,小波变换技术也存在着一些缺陷:1. 小波基函数非常多,且有些小波基函数不可解析,导致实际中的小波分解过程较为繁琐。

2. 小波变换中的尺度和频率具有高度相关性,分析过程中需要进行多次迭代和递归,计算成本较高。

3. 由于小波变换是一种压缩方法,因此仅能得到一个近似解,而无法得到精确解。

数字信号处理(吴镇扬)课后习题答案(比较详细的解答过程)chap6

数字信号处理(吴镇扬)课后习题答案(比较详细的解答过程)chap6
第六章 多采样率信号处理
至今, 至今,我们讨论的信号处理的各种理论与算法 视为恒定值, 都是把抽样频率 f s 视为恒定值,即在一个数字系 统中只有一个采样率。 统中只有一个采样率。 在实际数字信号处理系统中, 在实际数字信号处理系统中,经常会遇到采样 率转换问题。 率转换问题 。 或者要求一个数字系统能工作在 多采样率”状态, “多采样率”状态,或者要求其将采样信号转换 为新的采样率下工作。 为新的采样率下工作。
6.2 信号的插值
如果将 x(n) 的抽样频率 f s 增加 L 倍, w(n), w(n) 即 得 的插值,用符号↑ 表示。插值的方法很多, 是对 x(n) 的插值,用符号↑L 表示。插值的方法很多, 一个简单的方法就是信号抽取的逆处理过程。 一个简单的方法就是信号抽取的逆处理过程。 回想信号抽取前后的傅立叶变换关系
而 X 1 (e ) =
jω n = −∞

∑ x ( n ) p ( n)e
− jωn
1 M −1 j 2πnk / M − jωn = ∑ [ x ( n) ]e ∑e n = −∞ M k =0 1 M −1 = X (e j (ω − 2πk / M ) ) (6.3b (6.3b) ∑ M k =0
信号抽取示意图,M=3, 图6.1.1 信号抽取示意图,M=3,横坐标为抽样点数 原信号; 中间信号; (a)原信号;(b)中间信号;(c)抽取后的信号
显然
X ′(e ) = ∑ x′(n)e
jω n = −∞ ∞ n = −∞ ∞

− j ωn
= ∑ x( Mn)e
n = −∞

− j ωn
= ∑ x1 ( Mn)e − jωn = X 1 (e jω / M ) (6.3a) (6.3a

数字信号处理ppt第六章

数字信号处理ppt第六章
§6-1 引言
一、DF按频率特性分类 可分为低通、高通、带通、带阻和全通,
其特点为:
(1)频率变量以数字频率 ω 表示,ω = ΩT ,
Ω 为模拟角频率,T为抽样时间间隔; (2)以数字抽样频率 ωs = 2πfs ⋅T = 2π 为周期; (3)频率特性只限于 ω ≤ ω s / 2 = π 范围,这
3、由 A2 (Ω) = H a ( jΩ) 2 确定 H a (s)的方法
(1)求 H a (s)H a (−s) = A2 (Ω) Ω2 =−S 2
(2)分解 Ha (S)Ha (−S),得到各零极点,将左半面的 极点 归于 Ha (S),对称的零点任一半归 Ha (S)。若要求 最小相位延时,左半面的零点归 Ha (S)(全部零极点 位于单位圆内)。
将2、技Q∴计术算2H指0所a标l(g需j,ΩH的代)a阶2入( j=数Ω上1及式)/[3=1,d+B−可截(1得Ω0Ω止lC频g)[21率N+]Ω(CΩΩC )2N ]
{−10lg[1+ ( 2π×103 )2N ] ≥ −1 −10lg[1+ (3π×Ω1C03 )2N ] ≤ −15 ΩC
解上述两式得:
它是表示每个频率分量的延迟情况;当其为常数时, 就是表示每个频率分量的延迟相同。
四、DF设计内容 1、按任务要求确定Filter的性能指标; 2、用IIR或FIR系统函数去逼近这一性能要求; 3、选择适当的运算结构实现这个系统函数; 4、用软件还是用硬件实现。
五、IIR数字filter的设计方法
1、借助模拟filter的设计方法 (1)将DF的技术指标转换成AF的技术指标; (2)按转换后技术指标、设计模拟低通filter的 Ha (s); (3)将 H a (s) → H (z) (4)如果不是低通,则必须先将其转换成低通

信号与系统(吴大正)-完整版答案-纠错修改后版本精选全文完整版

信号与系统(吴大正)-完整版答案-纠错修改后版本精选全文完整版

可编辑修改精选全文完整版第一章 信号与系统1-1画出以下各信号的波形【式中)()(t t t r ε=】为斜升函数。

〔2〕∞<<-∞=-t et f t,)( 〔3〕)()sin()(t t t f επ=〔4〕)(sin )(t t f ε= 〔5〕)(sin )(t r t f = 〔7〕)(2)(k t f kε= 〔10〕)(])1(1[)(k k f kε-+=解:各信号波形为 〔2〕∞<<-∞=-t e t f t,)(〔3〕)()sin()(t t t f επ=〔4〕)=tfε)(sin(t 〔5〕)rtf=(t(sin)〔7〕)f kεt=2()(k〔10〕)(])1(1[)(k k f k ε-+=1-2 画出以下各信号的波形[式中)()(t t t r ε=为斜升函数]。

〔1〕)2()1(3)1(2)(-+--+=t t t t f εεε 〔2〕)2()1(2)()(-+--=t r t r t r t f 〔5〕)2()2()(t t r t f -=ε 〔8〕)]5()([)(--=k k k k f εε 〔11〕)]7()()[6sin()(--=k k k k f εεπ 〔12〕)]()3([2)(k k k f k---=εε解:各信号波形为〔1〕)2()1(3)1(2)(-+--+=t t t t f εεε〔2〕)2()1(2)()(-+--=t r t r t r t f〔5〕)2()2()(t t r t f -=ε〔8〕)]5()([)(--=k k k k f εε〔11〕)]7()()[6sin()(--=k k k k f εεπ〔12〕)]()3([2)(k k k f k---=εε1-3 写出图1-3所示各波形的表达式。

1-4 写出图1-4所示各序列的闭合形式表达式。

1-5 判别以下各序列是否为周期性的。

如果是,确定其周期。

小波变换原理与应用ppt课件

小波变换原理与应用ppt课件
3.小波变换的基本原理与性质
信号的时域表示和频域表示只适用于平稳信号,对于
非平稳信号而言,在时间域各种时间统计量会随着时 间的变化而变化,失去统计意义;而在频率域,由于 非平稳信号频谱结构随时间的变化而变化导致谱值失 去意义
幅度 A |Y(f)|
信 号 x(t)的 时 域 波 形 1
0.5
0
-0.5
2
为了规范事业单位聘用关系,建立和 完善适 应社会 主义市 场经济 体制的 事业单 位工作 人员聘 用制度 ,保障 用人单 位和职 工的合 法权益
1.小波的发展历史——工程到数学
小波变换的概念是由法国从事石油信号处理的工程 师J.Morlet在1974年首先提出的,通过物理的直观和信 号处理的实际需要经验的建立了反演公式,当时未能 得到数学家的认可。幸运的是,1986年著名数学家 Y.Meyer偶然构造出一个真正的小波基,并与S.Mallat 合作建立了构造小波基的同一方法枣多尺度分析之后 ,小波分析才开始蓬勃发展起来。
1.小波的发展历史——工程到数学
1909: Alfred Haar——发现了Haar小波 1980:Morlet——Morlet小波,并分别与20世纪70年代提
出了小波变换的概念,20世纪80年代开发出了连续小 波变换CWT( continuous wavelet transform ) 1986:Y.Meyer——提出了第一个正交小波Meyer小波 1988: Stephane Mallat——Mallat快速算法(塔式分解和 重构算法)
Rx(t1,t2)ExE(t)x(t1)x ( tx2)f(x)dRxx()m,x t2 t1
Ex2(t)
非平稳信号 不满足平稳性条件至少是宽平稳条件的信号

第六讲+小波变换

第六讲+小波变换


小波的发展

1945年:Gabor Gabor开发了短时傅里叶变换(STFT, Short Time Fourier transform)
STFT (τ , ω ) = ∫ s (t ) g (t − τ )e

− jωt
dt
s(t)是信号,g(t)是窗口函数。
小波的发展

1980年:Morlet 20世纪70年代,在法国石油公司工作的年轻 地球物理学家Jean Morlet提出小波交换 (wavelet transform, WT) 的概念。 20世纪80年代,开发了连续小波交换 (Continuous Wavelet Transform, CWT)

离散小波变换分析图
DWT的方法

执行离散小波变换的有效方法是使用滤波 器


该方法是Mallat在1988年开发的,叫做Mallat 算法 这种方法实际上是一种信号的分解方法,在 数字信号处理中称为双通道子带编码
DWT的方法

用滤波器执行离散小波变换的概念如图所示


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 A表示信号的近似值(approximations) D表示信号的细节值(detail)
主要内容

小波简介
小波的发展 小波与多分辨率分析 小波变换 连续小波变换 离散小波变换 MATLAB小波分析工具箱


小波变换在图像处理中的应用
小波的发展

小波分析是近十几年才发展起来并迅速应用 到图像处理和语音分析等众多领域的一种数 学工具。 它是继100多年前的傅立叶分析之后的一个 重大突破,无论是对古老的自然学科还是对 新兴的高新技术应用学科都产生了强烈冲击。 小波理论是应用数学的一个新领域。要深入 理解小波理论需要用到比较多的数学知识。

现代数字信号处理6章(new1)

现代数字信号处理6章(new1)通信专业基础知识Chapter6小波分析(WaveletAnalyi)小波分析在数学中占有独特的地位。

而在信号处理领域中,如计算机视觉和图象处理中的多分辩率技术、语言和图象压缩中的子带编码技术等,很好地运用了“小波”这种特殊的数学工具。

本章主要从信号处理工程应用角度对小波分析的基本理论、基本概念和主要方法进行扼要介绍。

重点是讨论小波变换的概念和性质、算法及其实现,以及在信号处理中的典型应用。

其中涉及到的数学理论,大多只引用重要结论,而不与推导、证明。

先介绍几个数学概念(符号)⒈Z:整数集theetofinteger⒉R:实数集theetofrealnumber⒊L2(R):表示定义在实轴上的可测的平方可积函数空间thevectorpaceofmeaurablequare-integrable⒋g(u),f(u)g(u)f(u)du:g(u)和f(u)的内积g(u),f(u)L2Rf(u):f(u)的复共轭⒌||f||2|f(u)|2du在L2(R),f(u)的范数⒍f(u)某g(u)f(u)g(tu)duf某g(t)[f(u)某g(u)](t)⒎f(w)f(t)ejwtdt,j1,ji2令L(R)表示定义在实轴上的可测的平方可积函数空间,该空间中的任何函数f(t)是可测的且满足|f(t)|2dt这样的函数可用来表示能量有限的连续时间信号or模拟信号。

通信专业基础知识§6.1窗口付里叶变换(WindowedFourierTranformWFT)or短时付里叶变换(Short-TimeFourierTranformSTFT)信号的局部发生变化,会影响到信号的整个频谱。

例如一个低频信号如果在某一时刻t0增加一个冲激,那么它的频谱立刻变成宽带频谱。

但这个宽带频谱只能辨别信号中存在着冲激,但却无从确定这个冲激发生的时间位置。

说明付里叶分析没有时间定位或时间局域化的能力。

数字信号处理中的小波变换应用

数字信号处理中的小波变换应用数字信号处理是现代通信、图像处理、音频处理等领域中的一个基础技术,数学方法与工程方法的结合是数字信号处理的指导思想。

数字信号处理技术在信息时代得到了广泛应用,其中小波变换是一种非常重要的技术。

在数字信号处理中,小波变换是一种特定的信号处理技术,它基于小波函数,能够把时间序列信号或者图像信号的时频信息进行分解和表达。

小波变换具有很多特性,比如多分辨率分析,局部性,高效性等等。

小波变换可以用于信号处理领域的信号分析、去噪、压缩、匹配等。

下面我们将从这几个方面来具体介绍小波变换的应用。

一、信号分析小波变换可以将连续或离散的信号转化成一组小波系数。

这些系数代表了不同频带的能量强度,被称为小波系数,它们是时域和频域的综合体现。

因此,小波变换可以用于信号分析和特征提取。

它能够检测信号中的不同频率成分,识别信号中的特征,并可以将信号分解为一个更简单、更易于分析的形式。

例如,在音频信号分析方面,小波变换可以得到频率谱,在图像分析方面,小波变换可以得到图像的纹理、边缘等特征。

二、去噪数字信号处理是有噪声干扰的,在很多情况下需要用小波变换来去噪。

小波变换在去噪方面的优势在于它能够分离信号的不同频率分量,响应速度很快,处理效果很好。

通过小波变换去噪的方法有很多,如基于阈值法的软阈值方法和硬阈值方法、基于循环阈值法的循环阈值法、基于范数约束的范数约束最小化方法等。

其中最常用的方法是软阈值方法,这个方法可以直接处理一维和二维信号,能够把信号中的噪声和小幅波动的小波系数变成零,能够有效地去除噪音信号。

三、压缩小波变换在信号压缩方面有着很好的应用,可以在保证数据质量的同时压缩数据量。

这种压缩方式被称为小波压缩,它可以降低信号数据的冗余度,减少存储和传输的数据量,提高传输效率。

小波压缩主要包含两个步骤:小波变换和系数压缩。

在小波变换中,将原始信号分解为不同频率波段,然后在每个波段内设置合适的阈值,通过对小波系数进行截断和变换,就可以实现低成本的信号压缩了。

吴正国高等数字信号处理第6章小波变换1


j
j
a ,b 2 0
ˆ z ,b ( )
j
j 0 j 1
j 2
0




要实现完全衔接又不重迭,显然母小波函数的频窗 中心与频窗半径应滿足:
0 3ˆ
②二进小波 (Dyadic Wavelet ) 稳定性条件 (Stability Condition ):保证其小波变 换能准确重构的条件
ˆ (0) (t )dt 0

(t ) 2 1
▲ ■


連续小波的频谱:
②分析小波的窗口 窗中心: 窗半径:
ˆ ˆ a ,b ( ) a e ib (a )
0
a
1 2
t a ,b at0 b ; a ,b
a , b a ; ˆ a ,b
W f ( x) (t x)dx ds s s s
▲ ■

二、CWT的性质
⒈线性
f (t ) k1 f1 (t ) k 2 f 2 (t )
W f (a, b) k1W f1 (a, b) k 2W f 2 (a, b)
⒉时移不变性
a a0j
则有分析小波:
; b kb0 a0j
j 2 0
j ,k (t ) a (a0 j t kb0 )

得小波级数:
c j ,k W f (2 j , k 2 j ) f (t ), j ,k (t )
▲ ■
c j ,k W j f (k ) 2 j f (t ) (k 2 j t )dt f (t ) j (t )
ˆ 0 A (2 ) B

小波变换课件ch1小波分析及其在信号处理中的应用


A的闭包
1.1.5 平方可积空间与平方可和空间
如果将Euclidean空间中的内积定义具体化为 则称以满足 的f(x)为元素的线性空间为平方可积空间,记为 。
平方可积空间是Hilbert空间 希腊字母:kai
的序列为元素的线性空间为平方可和空间,记为 。
式中c为一序列,则称以满足
傅里叶(Fourier)分析是数字信号处理的基础,也是现代信号处理的出发点。它将信号分析从时间域变换到了频率域。
泛函简介
1.1.1 线性空间
一个线性空间是一个在标量域(实或复)F上的非空矢量集合L,并且对于其元素定义了如下性质的加法和标量乘法: 加法的封闭性;加法的交换律;加法的结合律;零元;加逆;乘法的封闭性;乘法结合律;存在单位标量1,1·x=x;乘法的分配律。
对于一个有限长序列 ,称 为它的离散Fourier变换 (Discrete Fourier Transform, DFT)。
逆变换定理:
在过去200年里, Fourier分析在科学与工程领域发挥了巨大的作用,但Fourier分析也有不足: 用傅立叶变换提取信号的频谱需要利用信号的全部时域信息。 傅立叶变换没有反映出随着时间的变化信号频率成分的变化情况。 傅立叶变换的积分作用平滑了非平稳信号的突变成分。 利用DFT作信号分析,就是通过在频域上用等间隔划分的窗口对信号进行的“观察”,而这一“观察”数据是时域上N点数据的共同贡献。
02
1.5 窗口Fourier变换
01
02
03
04
定义频域窗函数,其条件是
频域窗函数的中心频率
频域窗函数的有效频率半径
考察
05
正频率
窗函数的定义实际上就是对函数衰减性的控制,也就是说窗函数具有在坐标轴上具有很好的衰减性,从而达到对坐标轴进行局部化的目的。窗函数所确定的窗口是对它的局部性的一次刻画,它是可用来对信号进行时频局部化分析的基本函数,而窗函数本身则可由窗口的尺度来表征其局部性,若 越小,则说明 在时域上的局部化程度越高。
  1. 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. 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. 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)。

选择不同的 k j (1 j J ) 组合,将给出 不同的小波包基。
▲ ■
40
(23)
15
(10)
13

5 (3)
9 (7)
10
6
1
2
3
4
5
6

7
8





三、小波包变换及快速算法
1、正交小波包变换 ①正交小波包变换
L ( R) V0 U
2
N 1 k 0
k 2l
2 n 1 (2
j 1
t l )]
2 n (2 t k )
2
j


f j 1, 2 n (t ) h
kZ lZ
k 2l
S
n, j k
2
2
( j 1) 2
2 n (2
( j 1)
t l)

S
lZ
2 n ,( j 1) l
1 n (t l ), n (t k ) 2 1 2 1 2 1 2



ˆ n ( ) e i ( k l ) d
2 2
2
i ( k l ) ˆ m1 2 n2 2 e d
kZ
~ F1{S k }( j ) S k g 2 j k
kZ
▲ ■
Sk Sk
F0 F1
0
Sk Sk
~ hk
2 2
~ gk
F {S j }(k ) S j hk 2 j
jZ
F {S j }(k ) S j g k 2 j
1 jZ
▲ ■
Sj Sj
F
0
0, 0 k
▲ ■
③正交小波包逆变换
F F0 F F I
0
1 1
F F0 {S
S
n, j k
0
n, j k
} F F {S
2 n,( j 1) k
1 1
n, j k
} S
n, j k
F {S
2
0
} F {S
1
( 2 n1),( j 1) k
( j 1) 2
n (2
j 1
t m)
▲ ■
h
jZ
k 2 j l 2 j
h
g
kZ
k 2 j
g l 2 j (k l )
k, l Z
2l (t ) 2 hk l (2t k ) 2l 1 (t ) 2 g k l (2t k )
▲ ■

用数学归纳法可证:
ˆ ˆ n ( ) m j j m1 ( ) n ( ) 2 2 2 2 j 1

对于s0+1位二进制整数n,不超过0.5n的最大整数可记为
s0 n 1 s0 1 s0 j 1 j 1 2 2 j 2 j 1 2 2 j 2 j 1
j m2k
m2k
2 n 1 (2 t k )]
j j 1
2 2 2
( j 1)
kZ lZ
( j 1) 2
(h
hl g
m2 k
g l ) n (2
t 2k l )
h h (2 j 1 t s) m2 k s 2 k g m2k g s 2 k n sZ kZ
ˆ ˆ 1 ( ) G 2 0 2
定义函数序列:
2l (t ) 2 hk l (2t k )
kZ
2l 1 (t ) 2 g k l (2t k )
kZ

l 0,1
称此函数序列为由φ( t ) 生成的小波包。
▲ ■
2、正交小波包的频潽
kj
2 1 2k j i 2 0 L ( R) U j k j U J j1 i 0
J
kj
▲ ■
4、小波库与小波包基
{2

j 2
n (2 t l )} n0, j ,lZ
j
称为由φ( t ) 所导出的小波包库。 n 为振荡参数 j 为尺度参数 l 为平移参数 从小波库中抽取的、能构成平方可积空间 的一组正交基称之小波包基。
ˆ ˆ 2l ( ) H 2 l 2

ˆ ˆ 2l 1 ( ) G 2 l 2
若令

m0 ( ) H ( )
m1 ( ) G( )
对s0位的二进制整数n可记为
n j 2
j 1
s0
j 1
j {0,1}
J
kj
0 0
0
f (t ), (t k ) R f (t ) (t k )dt
{S

n, j k
}kZ
为f(t)在
U
n j
子空间的投影系数,
f ( t )在上式各子空间投影系数的集合,称之 f ( t ) 的正交小波包变换。
▲ ■
②正交小波包变换算法
f j ,n (t ) S
2
( j 1)
2 n (2
( j 1)
t l)
n, j k
n, j k

S
2 n ,( j 1) l
h
kZ
k 2l
S
n, j k
F0 {S
}
S
( 2 n 1),( j 1) l
g
kZ
k 2l
S
n, j k
F1{S }
▲ ■
F0 F0
2

s0
n2
s0 1
3、正交小波包的性质(为简便计,假定实函数)
n (t l ), n (t k ) (k l )

k, l Z

正交性对于n=0或1时皆成立,所以使用数学归纳法。 即令上式对于二进制位数不超过s0位的所有整数成立,需 证明该式对于二进制位数不超过(s0+1)位的整数n成立

k
U
2 j 1 jk j
k 1
Wj U
i 0
1
2 i jk j
kj=0时Wj不分解,kj 表示分解的程度
▲ ■
随着尺度的增加,频窗半径減小,频率分辨 率增加,但时间分辨率下降。

2 1 2k j i 2 L ( R) U j k j jZ i 0

2
2 2 1 2 i ( k l ) n (t l ), n (t k ) m1 m1 d 0 e 2 2 2 1 2 i ( k l ) d (k l ) 证毕 0 e 2
kZ
n, j k
2
j 2
n (2 t k )
j

U U
n j
2n j 1
U
2n1 j 1
f j ,n (t ) f j 1,2n (t ) f j 1, 2n1 (t )
2
j 1 2
[h
lZ
k 2l j
2 n (2
j 1
t l) g
j Βιβλιοθήκη 4 0
4 ( j 1)
4 j
i ( k l ) ˆ m1 n e d 2 2 2
2
2
2

i ( k l ) m1 e 2
j



ˆ n 2j d 2 2
k, l Z
h0 (n), h0 (n 2l ) (l )
g 0 (n), g 0 (n 2l ) (l )
单位算子
▲ ■
2、 j 尺度空间
U
n j
j
U close 2
n j

j 2
n (2 t k ):k Z
0 j 1 j

V j U ,W j U
kZ
l 0,1
3、平方可积空间的正交小波包分解
V j U ,W j U
0 j
1 j
U
n j 1
U

2n j
U

2 n1 j
Wj U U U
2
kj
2 j 1 4 j2
U U
3 j 1 5 j2
U
6 j 2
U
7 j2
2 j jk j
k
U
kj
2 j 1 jk j
0 0
(t )
(t ) 2 hk (2t k ) (t ) 2 g k (2t k )
k 0 N 1
g k (1) h
k
N 1k
▲ ■
从小波库中选择一组最佳小波包基,则有
f (t ) U
S
0,0 k
2 1 2k j i 2 0 U jk U J L ( R) j j 1 i 0


n相同时正交小波包函数整数平移正交 n为相邻奇偶数时正交小波包函数整数平移正交
2l (t m), 2l 1 (t k ) 0

m, k Z

2l (t m), 2l 1 (t k )
相关文档
最新文档