第十二讲 小波基构造与常用小波
小波的几个术语及常见的小波基介绍解析

小波的几个术语及常见的小波基介绍本篇是这段时间学习小波变换的一个收尾,了解一下常见的小波函数,混个脸熟,知道一下常见的几个术语,有个印象即可,这里就当是先作一个备忘录,以后若有需要再深入研究。
一、小波基选择标准小波变换不同于傅里叶变换,根据小波母函数的不同,小波变换的结果也不尽相同。
现实中到底选择使用哪一种小波的标准一般有以下几点:1、支撑长度小波函数Ψ(t)、Ψ(ω)、尺度函数φ(t)和φ(ω)的支撑区间,是当时间或频率趋向于无穷大时,Ψ(t)、Ψ(ω)、φ(t)和φ(ω)从一个有限值收敛到0的长度。
支撑长度越长,一般需要耗费更多的计算时间,且产生更多高幅值的小波系数。
大部分应用选择支撑长度为5~9之间的小波,因为支撑长度太长会产生边界问题,支撑长度太短消失矩太低,不利于信号能量的集中。
这里常常见到“紧支撑”的概念,通俗来讲,对于函数f(x),如果自变量x在0附近的取值范围内,f(x)能取到值;而在此之外,f(x)取值为0,那么这个函数f(x)就是紧支撑函数,而这个0附近的取值范围就叫做紧支撑集。
总结为一句话就是“除在一个很小的区域外,函数为零,即函数有速降性”。
2、对称性具有对称性的小波,在图像处理中可以很有效地避免相位畸变,因为该小波对应的滤波器具有线性相位的特点。
3、消失矩在实际中,对基本小波往往不仅要求满足容许条件,对还要施加所谓的消失矩(Vanishing Moments)条件,使尽量多的小波系数为零或者产生尽量少的非零小波系数,这样有利于数据压缩和消除噪声。
消失矩越大,就使更多的小波系数为零。
但在一般情况下,消失矩越高,支撑长度也越长。
所以在支撑长度和消失矩上,我们必须要折衷处理。
小波的消失矩的定义为,若其中,Ψ(t)为基本小波,0<=p<N。
则称小波函数具有N阶消失矩。
从上式还可以得出,同任意n-1阶多项式正交。
在频域内表示就是Ψ(ω)在ω=0处有高阶零点(一阶零点就是容许条件)。
小波分析:正交小波基构造

西南交通大学电气工程学院
原始信号
一维信号的二级小波变换系数 3 7 8 5 6 5 9 8 1 3 3 9] s =[ 6 5 9 8
16位
2级小波系数
w2=[wa2 , wd2 , wd1 ]
16位
d 28 23 28 16 ] 2 A2 ,k = [ 2级近似系数 d D 2,k = [ − 6 − 3 − 6 − 8 ] 2 Dd = [+1 +1 − 4 + 3 +1 +1 − 2 − 6] 2 2级细节系数 1,k 1级细节系数 * Haar是正交变换。 正交变换。除以常数, 除以常数,目的使变换后平方和不变。 目的使变换后平方和不变。例如: 例如:
西南交通大学电气工程学院
8 a 4
8 a 4
kA
0 t f= 1 5 -4 0 10 20 30 40
kA
c
b
(a )
c 0
b
(a )
t f= 1 5 -4 0 1 0 2 0 3 0 4 0
t/m s
0.06
0.05
t/m s
kA
0.00 -0.06 0.6
kA
(b)
0.00 -0.05 0.4
k
∫
注意:这几个条件对小波的构造至关重要!
西南交通大学电气工程学院
ϕ ( x )=
( x )=
1 0
and
∫ψ
5.2尺度函数和小波函数的一些性质
1 二尺度差分方程
举例:
ϕ (t ) ϕ (t − 1)
1 1 ϕ (t / 2) = ϕ (t ) + ϕ (t − 1) = 2 [ ϕ (t ) + ϕ (t − 1)] 2 2
小波基础知识 PPT课件

设T : X
军事电子对抗与武器的智能化;计算机分 类与识别;音乐与语言的人工合成;医学 成像与诊断;地震勘探数据处理;大型机 械的故障诊断等方面;例如,在数学方面, 它已用于数值分析、构造快速数值方法、 曲线曲面构造、微分方程求解、控制论等。 在信号分析方面的滤波、去噪声、压缩、 传递等。在图象处理方面的图象压缩、分 类、识别与诊断,去污等。在医学成像方 面的减少B超、CT、核磁共振成像的时间, 提高分辨率等。
2
2
3
V,ej
2
v2
2
j 1
3 2
v1
1 2
v2
3 2
v1
1 2
v2
3 2
[
v1
2
v2
2]
3 2
V
定义、定理及证明
1. (巴拿赫)Banach空间与Hibert(西耳伯特) 空间
由于F(0) = 0,故 =0
2. 线性算子与同构
我们只考虑可分的Hilbert空间。
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 同样方法及其多尺度分析之后,小波分析才开始 蓬勃发展起来,其中比利时女数学家 I.Daubechies撰写的《小波十讲(Ten Lectures on Wavelets)》对小波的普及起了重要的推动作 用。它与Fourier变换、窗口Fourier变换(Gabor 变换)相比,这是一个时间和频率的局域变换, 因而能有效的从信号中提取信息,通过伸缩和平 移等运算功能对函数或信号进行多尺度细化分析 (Multiscale Analysis),解决了Fourier变换 不能解决的许多困难问题,从而小波变化被誉为 “数学显微镜”,它是调和分析发展史上里程碑 式的进展。
小波的几个术语及常见的小波基介绍

小波的几个术语及常见的小波基介绍本篇是这段时间学习小波变换的一个收尾,了解一下常见的小波函数,混个脸熟,知道一下常见的几个术语,有个印象即可,这里就当是先作一个备忘录,以后若有需要再深入研究。
一、小波基选择标准小波变换不同于傅里叶变换,根据小波母函数的不同,小波变换的结果也不尽相同。
现实中到底选择使用哪一种小波的标准一般有以下几点:1、支撑长度小波函数Ψ(t)、Ψ(ω)、尺度函数φ(t)和φ(ω)的支撑区间,是当时间或频率趋向于无穷大时,Ψ(t)、Ψ(ω)、φ(t)和φ(ω)从一个有限值收敛到0的长度。
支撑长度越长,一般需要耗费更多的计算时间,且产生更多高幅值的小波系数。
大部分应用选择支撑长度为5~9之间的小波,因为支撑长度太长会产生边界问题,支撑长度太短消失矩太低,不利于信号能量的集中。
这里常常见到“紧支撑”的概念,通俗来讲,对于函数f(x),如果自变量x在0附近的取值范围内,f(x)能取到值;而在此之外,f(x)取值为0,那么这个函数f(x)就是紧支撑函数,而这个0附近的取值范围就叫做紧支撑集。
总结为一句话就是“除在一个很小的区域外,函数为零,即函数有速降性”。
2、对称性具有对称性的小波,在图像处理中可以很有效地避免相位畸变,因为该小波对应的滤波器具有线性相位的特点。
3、消失矩在实际中,对基本小波往往不仅要求满足容许条件,对还要施加所谓的消失矩(Vanishing Moments)条件,使尽量多的小波系数为零或者产生尽量少的非零小波系数,这样有利于数据压缩和消除噪声。
消失矩越大,就使更多的小波系数为零。
但在一般情况下,消失矩越高,支撑长度也越长。
所以在支撑长度和消失矩上,我们必须要折衷处理。
小波的消失矩的定义为,若其中,Ψ(t)为基本小波,0<=p<N。
则称小波函数具有N阶消失矩。
从上式还可以得出,同任意n-1阶多项式正交。
在频域内表示就是Ψ(ω)在ω=0处有高阶零点(一阶零点就是容许条件)。
小波的例子与小波卷积构造定理

第2章 小波变换及其应用
(4)Coiflet(coifN)小波系
• coiflet函数也是由Daubechies构造的一个 小波函数,它具有coifN(N=1,2,3,4, 5)这一系列,coiflet具有比dbN更好的对 称性。从支撑长度的角度看,coifN具有 和db3N及sym3N相同的支撑长度;从消 失矩的数目来看,coifN具有和db2N及 sym2N相同的消失矩数目。
允许小波一定是基本小波,基本小波未必就是允许小波
第2章 小波变换及其应用
3. 常用的基本小波
(1) Haar小波
1
(t)
1
0
0 t 1/2 1/2 t 1
其它
ˆ () i 4 ei /2 sin2 / 4
1 (t)
…
01
1
2
1
这是一种最简单的正交小波,即 (t) (x n)dx 0 n 1, 2,L
常用的基本小波
(10). Shannon小波
t
sin
t
1/ 2 t
sin 2
1/ 2
t
1/
2
ˆ
1, 0,
2
其它
t
第2章 小波变换及其应用
常用的基本小波
(11). Battle-Lemarie样条小波
ˆ () 1 gˆ( )ˆ( ) 22 2
i
16e 2
2
sin 4
4
1 2sin2 4
,
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,
第十二讲 小波基构造与常用小波 ppt课件

其输出信号的相位特性,除一常数外,与延时为 的输入信号 f (x )
的相位特性完全一致。也就是说,当滤波器具有线性相位时,输出信
ppt课件
9
号将不产生相位畸变。
原始信号
非畸变信号
畸变信号
ppt课件
10
2 常用小波
Haar 小波 Mexican hat 小波 Morlet 小波 Meyer 小波 Daubechies 小波系 Coiflet 小波系 Biorthogonal 小波系
k0
N k
k
1xk
ppt课件
24
3.3 构造步骤(二)
利用欧拉公式转化为含 e j 的各次幂的多项式,然后以 z e j 代替,
从而得到关于 z 的多项式 M (z) ,其中 M (z) 具有以下形式
M
(z)
a0
1 2
N 1
an (zn
n 1
zn)
ppt课件
ppt课件
11
2.1 Haar小波
Haar 小波是一个最早应用也是最简单的具有紧支撑的正交小波 函数,其定义如下:
1, 0x1/ 2 (x) 1, 1/ 2x1
0 其它
ppt课件
12
2.2 墨西哥帽小波
ppt课件
29
求得 M (z) 0 的两个实根为
z1,2 2 3
因为
c
1 2
|
a1
|
1 2
,可得
m()
e j c(
z1
z1 )
1
e j
(
2 3)
2 2 3
1 2e j 1
小波基构造与常用小波

小波基的特点
01
02
03
多尺度分析
小波基具有多尺度分析的 特性,能够同时分析信号 在不同尺度和频率下的特 征。
灵活性
小波基具有多种不同的形 状和大小,可以根据实际 需求选择适合的小波基进 行信号处理。
高效性
小波基的变换算法具有高 效性,能够快速地完成信 号的分解和重构。
小波基的应用领域
信号处理
小波基在信号处理领域应用广泛,如信号去噪、 特征提取、压缩编码等。
信号检测
信号检测
小波变换具有良好的时频局部化特性,能够检测信号中的突变和异常。通过选择 合适的小波基和阈值,可以将信号中的突变和异常成分提取出来。
检测算法
常用的检测算法包括小波变换模极大值检测和基于小波变换的统计检测。小波变 换模极大值检测是根据小波变换的模极大值点进行突变检测,基于小波变换的统 计检测是根据小波变换系数的统计性质进行异常检测。
THANKS
感谢观看
应用
Daubechies小波基在信号处理、图像处理、数值分析等领域有 广泛的应用。
Symlets小波基
1 2
定义
Symlets小波基是一类对称的小波基,其定义基 于Daubechies小波基的改进。
特性
Symlets小波基具有对称性、紧支撑性和近似正 交性等特性,能够提供更好的信号表示能力。
3
应用
05
小波基在图像处理中的应用
图像压缩
01
图像压缩
小波变换可以将图像分解为不同频率的子带,通过去除高频部分的数据,
达到压缩图像的目的。
02 03
压缩比
小波变换的压缩比通常比传统的JPEG压缩方法更高,因为JPEG压缩方 法只去除空间域中的冗余数据,而小波变换同时去除空间域和频率域中 的冗余数据。
- 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)。
小波滤波器长度不少于 2R。在信号检测中,为了能够有效地检测到
奇异点,小波基必须具有足够高的消失矩的阶数,它与 Lipschitz 指
数密切相关。然而,突变信号的 Lipschitz 指数一般在 (0,1) 内,因此为
了分析突变信号,消失矩也不能太高,过高的消失矩阶数将使分析的
结果模糊,另外,从计算量的角度来看,消失矩的阶数也不宜过高。
4 3
2.5 Daubechies小波系
这是著名小波分析学者 Inrid Daubechies 构造的小波函数,一
般用 dbN 来表示,其中 N 是阶数,当 N=1 时,此时的小波即为
dx
当 0 时,小波变换模极大值随尺度增大而增大,当 0 时小波变 换模极大值随尺度增大而减小。当 0 时小波变换模极大值不随尺度 变化而变化。
1.5 消失矩
对于小波函数 (x) L2(R) ,如果满足
xr (x)dx 0
r 0,1, , R 1
则称 (x) 具有 R 阶消失矩。如果小波的消失矩阶数为 R,则其对应的
2 3
ˆ()
(2 )1/ 2
c
os(
( 3
22
1))
2 4
3
3
0
1.6 线性相位
在线性系统理论中,滤波器的传递函数可以表示为
H () | H () | e j ()
其中,| H () | 称为系统的幅频特性,而() 称为相频特性。如果 () 可以表示为
()
式中 和 为常数,那么称此滤波器具有线性相位特性。当信号 f (x) 通过一个具有线性相位的滤波器时,其输出信号的频谱为
3.3 构造步骤(一)
对于选定的正整数 N,由下式计算 P(sin2 )
2
P(x)
N 1
k0
N k
k
1xk
3.3 构造步骤(二)
利用欧拉公式转化为含 e j 的各次幂的多项式,然后以 z e j 代替,
从而得到关于 z 的多项式 M (z) ,其中 M (z) 具有以下形式
2 (1 x)N P(x) xN P(1 x) 1
其唯一的不大小 N 1阶的多项式解为
P(x)
N 1
k0
N k
k
1 x
k
式中
m n
m! n!(m
n)!
3.3 构造步骤
1. 计算 P(sin2 )
2
2. 计算 M (z) 3. 计算 m() 4. 计算 H () 5. 求出滤波器系数、尺度函数、小波函数
gˆ () H () fˆ () | H () | e j fˆ ()e j | H () | e j ( f (x ))^
其输出信号的相位特性,除一常数外,与延时为 的输入信号 f (x ) 的相位特性完全一致。也就是说,当滤波器具有线性相位时,输出信 号将不产生相位畸变。
zj )
3.3 构造步骤(四)
最后利用公式
H
()
1
e 2
j
N
m
它是一个长度为 2N 的 FIR 滤波器,也是一个关于 e j 各次幂的多项
式,其各阶系数就是滤波器系数,尺度函数与小波函数的求解公式参
见“构造总流图”
3.4 构造实例
例子:DB2小波滤波器系数的构造
J
(
z
j 1 z j
z 1
z j )(
zj
z
z j )(
zj
z 1
z j )(
zj
zj )
式中 c 1 aN 1
2
得到
m()
K e j c(
r k 1
k
J e j
rk ) (
j 1
zj
e j
z j )(
zj
m()
1
2e
j
4
e
j 2
g12
((1
3) (1
3)e j )
1 ((1 3) (3 3)e j (3 3)e j2 (1 8
3)e j3 )
上式即对应 4 个滤波器系数
1
2
h0
2g (1 8
2.7 Biorthogonal小波系
这就是能满足线性相位的双正交小波,一般记为 biorNr.Nd, 被称为对偶的两个小波分别用于信号的分解与重构,r 表示重构, d 表示分解。它解决了要求线性相位与正交性同时满足的矛盾。 线性相位有助于抑制信号的失真。
3 紧支撑正交小波的构造
构造总流图 构造步骤 实例解析
3.1 构造总流图
求解 | H () |2 | H ( ) |2 1
寻找尺度空间的 Reisz 基 g(x)
ˆ()
k 1
H
2k
H ()
正交化
(x)
H () ˆ(2) ˆ ( )
(x)
G() e j H ( )
M
(z)
a0
1 2
N 1
an (zn
n 1
zn)
设 M (z) 的常数项为 a0 ,有 K 对实根和 J 组复根,即有
2K 4J 2(N 1)
于是 M (z) 可以分解为
K
M (z) c (
z
k 1 rk
rk )(
z 1 rk
rk )g
Haar 小波。当 N≥2 时,dbN 没有明确的表达式,但其转换函数 h
的平方模是确定的,设
N 1
P( y) CkN 1k yk k 0
式中, CkN 1k 为二项式的系数,那么有
m0 ()
2
(cos2
2
)N
P(sin2
) 2
式中, m0()
1 2
2 N 1
ˆ () G( )ˆ( ) 22
(x)
3.2 多项式P(x)的计算推导(一)
构成正交小波基的充要条件是
| H () |2 | H ( ) |2 1
式中 H ()
1 2
k
hk e jk
令| H () |2 (cos )2N P(sin2 )
第十二讲 小波基构造与常用小波
讲授内容
❖ 小波基的评价指标 ❖ 常用小波 ❖ 短支撑正交小波的构造
1 小波函数的评价指标
对称性 短支撑(紧支撑) 正交性 正则性 消失矩 线性相位
1.1 对称性
设函数 (x) L2(R) ,若 (a t) (a t) ,称 (t) 具有对称性,若 (a t) (a t) ,称(t) 具有反对称性。如果小波函数 (x) 具有上述 性质,则称具有对称性
hk e
k 0
jk
dbN 的尺度函数 与小波函数 的有效支撑长度为 2N-1,小波函数的
消失矩阶数为 N,dbN 不具有对称性,光滑性随 N 增大而增加。
2.6 Coiflet小波系
也是由 Daubechies 构造的小波函数,它的形式是 coifN,N=1,2,…,5。 与 dbN 相比,尽管它的支撑长度增大了,但是消失矩阶数及对称性 都改善了,其小波函数的消失矩阶数为 2N,尺度函数的消失矩为 2N-1, 两者的支撑长度均为 6N-1。coifN 的小波函数与尺度函数比 dbN 具有 更好的对称性。
,
8 3
式中, (a) 为构造 Meyer 小波的辅助函数,其定义如下:
(a) a4 (35 84a 70a2 20a3 ) a [0,1]
(2
)
1 /
2
对于 Lipschitz 指数,有以下结论: 一个信号 f (x) 的 Lipschitz 指数 越大,其光滑性越好; 越小其 光滑性越差,奇异性越大。
一个信号 f (x) 的 Lipschitz 指数为 ,则 f (x)dx的 Lipschitz 指数为
1, df (x) 的 Lipschitz 指数为 1。
1, 0x1/ 2 (x) 1, 1/ 2x1
0 其它
2.2 墨西哥帽小波
因为其形似墨西哥草帽而得名,定义如下:
(x)
2
1 4
(1
x
2
)e
x2 2
3
2.3 Morlet小波
定义式: (x) 1/ 4 cos(5x)ex2 / 2
2.4 Meyer小波
其小波函数与尺度函数均在频域中定义,非紧支集的正交小波
(2
)
1 /
2
e
j
/
2
sin( 2
(
3 2
1)) 2 4
3
3
ˆ
()
(2
)
1 /
2
e
j
/
2
c
os( 2
原始信号
非畸变信号
畸变信号
2 常用小波
Haar 小波 Mexican hat 小波 Morlet 小波 Meyer 小波 Daubechies 小波系 Coiflet 小波系 Biorthogonal 小波系
2.1 Haar小波