小波变换11311
小波变换课件

消失矩性质
消失矩定义:小波变换在高频部分具有快速衰减的特性
消失矩性质与信号处理:在信号处理中,消失矩性质使得小波变换能够有效地提取信号的 高频成分
消失矩与多分辨率分析:消失矩性质是实现多分辨率分析的关键,能够同时获得信号在不 同尺度上的信息
消失矩的应用:在图像处理、语音识别、信号去噪等领域,消失矩性质都有着广泛的应用
图像去噪:小波变换能够将噪声与 图像信号进行分离,从而去除噪声
语音处理
小波变换在语音 信号处理中的应 用
小波变换在语音 识别和合成中的 应用
小波变换在语音 增强和去噪中的 应用
小波变换在语音 编码和压缩中的 应用
其他应用领域
信号处理 图像处理 语音处理 模式识别
小波变换的优缺点分析
小波变换的优点
用的特征信息
图像处理:小波变换在图像 处理中也有广泛的应用,如
图像压缩、去噪、增强等
图像处理
图像压缩:小波变换能够去除图像 中的冗余信息,实现高效的图像压 缩
图像融合:将多个图像的小波系数 进行融合,可以得到一个新的、包 含多个图像信息的图像
添加标题
添加标题
添加标题
添加标题
图像增强:通过调整小波系数,可 以突出图像的某些特征,提高图像 的视觉效果
多维小波变换算法:介绍多维小波变换的基本原理和算法实现,包括多维小波变换 的定义、性质、算法流程等。
多维小波变换在图像处理中的应用:介绍多维小波变换在图像处理中的应用,包括 图像压缩、图像去噪、图像增强等。
多维小波变换的优缺点:介绍多维小波变换的优缺点,包括优点如多尺度分析、方 向性、时频局部化等,以及缺点如计算量大、需要选择合适的小波基等。
数学表达式:对于任意实数a,如果f(t)的小波变换为Wf(s,a),则f(t-a)的小波变换仍为 Wf(s,a)
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
小波变换理论与方法ppt课件

其中 g,t (t) g(t )eit g(t )eit ,窗口函数g(t)起着时
限作用,eit 起着频限作用。该变化具有不变化宽度(由时间 宽度决定)和不变的窗口面积4g∆g∆
10
短时傅里叶变换示意图
11
cos(440 t) x(t) cos(660 t)
傅里叶变换傅里叶变换小波变换小波变换小波变换的一些应用小波变换的一些应用1822年法国数学家傅里叶jfourier发表的研究热传导理论的热的力学分析提出每一个周期函数都可以表示成三角函数之和奠定了傅里叶级数的理论基础
1
主要内容
1. 傅里叶变换 2. 小波变换 3. 小波变换的一些应用
2
一 傅里叶变换
E(|Wn(j,t)|2)=0
D(|Wn(j,t)|2)= Ψ t 2
j
26
3.1.1小波包去噪步骤
① 选择小波基并确定最佳分解的层次,对信号 进行小波包分解; ② 对步骤(1)获得的小波包树,选择一定的嫡标准,计算最优树; ③ 估计阈值,并应用该阈值对最优树的小波包系数进行阈值量化; ④ 将经量化处理的小波包系数,重构回原始信号。
Gabor变换的基本思想为:取时间函数 g(t) 1/ e4 t2/2 作为窗口函 数,然后用 g(t ) 通待分析函数相乘,τ是时间延迟,是窗函数 g(t)的中心,窗函数根据τ进行时移,然后再进行傅里叶变换:
Gf (, ) f (t)g(t )eitdt f (t), g,t (t)
小波包阈值消噪有两个关键点:1、如何估计阈值;2 如何利用阈值量 化小波包系数。
27
熵的确定
熵:用来确定最优树的标准,熵值越小,对应的小波包基越好。
1)香农熵:约定0log(0)=0,则香农熵定义为: Es si2 logsi2
正交变换-小波变换

k
二尺度差分方程给出了尺度函数、小波函数之间的关系,只要 正交归一的尺度函数集,就可以构造出正交小波基。
( t 1) 1
1
(
t
)dt
1
1 2
2 t 2 ( )dt
1, 0 t 1 2 ( t ) ( 2 t ) ( 2 t 1) 1, 1 2 t 1
jk
j
j
jk
H 0 ( 0 )
(4) 递推关系: ( )
( ) 1 2
H 1 ( 0 ) 0
1
2
j 1
2
H 0 (2
j
)
j
H1(
)
1 2
H 0 (2
)
j2
2 离散小波变 换(DWT)-正交小波基的构造
h 0 k 1 0 ( t ), 0 k ( t )
t
(a )
(b )
图3-15 小波的平移操作 (a) 小波函数ψ(t); (b) 位移后的小波函数ψ(t-k)
1 连续小波变换(CWT)
( t ) 为基本小波函数,可以为复数信号。
小波函数族的定义有不同的方式:
a , ( t )
a , ( t )
1 a
1 a
(
t a
(
t 2
j
)
2 h1 k (
k
t 2
j 1
k)
h1 k ( 1) h 0 (1 k )
k
线性组合的权系数分别为:与j无关
h 0 k 1 0 ( t ), 0 k ( t )
小波变换简介PPT课件

47
X = waverec2(C,S,'wname')
reconstructs the matrix X based on the multi-level wavelet decomposition structure [C,S]
从小波和正弦波的形状可以看出,变化剧烈的信号, 用不规则的小波进行分析比用平滑的正弦波更好, 即用小波更能描述信号的局部特征。
18
连续小波基函数
将小波母函数 进行伸缩和平移后得到 函数
a,b(t)a1 2(t ab),a0,bR
称该函数为依赖于参数a,τ的 小波基函数。a 为尺度因子,b为位移因子 。
39
小波重构
重构概念
把分解的系数还原成原始信号的过程叫做小波重构 (wavelet reconstruction)或合成(synthesis),数学上叫做 逆离散小波变换(inverse discrete wavelet transform, IDWT)
两个过程
在使用滤波器做小波变换时包含滤波和降采样 (downsampling)两个过程,在小波重构时也包含升采 样(upsampling)和滤波两个过程。
Wavevlet “dB1”二级分解
水平细节分量cH
近似分量cA 垂直细节分量cV 对角细节分量cD
[C,S] = wavedec2(X,N,'wname')
returns the wavelet decomposition of the matrix X at level N, using the wavelet named in string 'wname‘. Outputs are the decomposition vector C and the corresponding bookkeeping matrix S.
傅里叶变换小波变换

傅里叶变换和小波变换都是信号处理中常用的数学工具,常常被用来分析和处理时域信号和频域信号。
傅里叶变换(Fourier Transform)是一种将时域信号转化为频域信号的数学方法,使我们能够将信号从时域的角度更好地观察。
傅里叶变换将一个连续时间的信号分解成一组正弦波,每个正弦波由其频率、振幅和相位三个参数组成。
傅里叶变换的应用非常广泛,例如在音频和图像处理、通信系统和控制系统等领域。
小波变换(Wavelet Transform)是另一种将时域信号转化为频域信号的数学方法,与傅里叶变换不同的是,小波变换采用的不是正弦波,而是非周期性的小波。
小波变换可以提供比傅里叶变换更丰富的频域信息,其主要优势在于它可以提供时间频率局部化的信息,从而更好地描述信号的瞬时特征。
小波变换的应用领域也非常广泛,如数据压缩、信号去噪、图像处理、模式识别等领域。
虽然傅里叶变换和小波变换都可以将信号从时域转化为频域,但它们的适用范围和方法有所不同。
在实际应用中,需要根据具体问题的需求和信号的特性选择合适的变换方法。
小波变换理论与方法.. 共42页
基波角频率 1
2 T1
,T 1 为 f ( t ) 的周期。
直流分量:a01 T1来自t0T1 f (t)dt
t0
余弦分量的幅度:an
2 T1
t0T1 t0
f(t)cos(n1t)dt
正弦分量的幅度:bn
狄利克雷条件(Dirichlet Conditions) (1 )在一周期内,如果有间断点存在,则间断点的数目应是有限个; (2)在一周期内,极大值和极小值的数目应是有限个; (3)在一周期内,信号是绝对可积的
若周期信号 f ( t ) 满足狄利克雷条件,则可展开为傅里叶级数。
傅里叶级数表达式:
其中 g ,t(t)g (t)e i tg (t)ei t ,窗口函数g(t)起着时
限作用,e i t 起着频限作用。该变化具有不变化宽度(由时间 宽度决定)和不变的窗口面积4g∆g∆
短时傅里叶变换示意图
cos(440t) t 0.5 x(t) cos(660t) 0.5t 1
sin(210t) X2 ssiinn((225205tt))
sin(2100t)
0t 300 300t 600 600t 800 800t 1000
1.3 短时傅里叶变换
为了提取信号的局部特征,例如变形信号在某一时刻的频率、形 变突发位置等,1946年Gabor提出了短时傅里叶变换,即Gabor 变换,也称加窗傅里叶变换。
Gabor变换的基本思想为:取时间函数 g(t)1/4et2/2 作为窗口函 数,然后用 g(t ) 通待分析函数相乘,τ是时间延迟,是窗函数 g(t)的中心,窗函数根据τ进行时移,然后再进行傅里叶变换:
小波变换及其在图像处理中的典型应用PPT课件
要点一
总结词
要点二
详细描述
通过调整小波变换后的系数,可以增强图像的某些特征, 如边缘、纹理等。
小波变换可以将图像分解为不同频率的子图像,通过调整 小波系数,可以突出或抑制某些特征。增强后的图像可以 通过小波逆变换进行重建,提高图像的可视效果。
感谢您的观看
THANKS
实现方式
通过将输入信号与一组小波基函 数进行内积运算,得到小波变换 系数,这些系数反映了信号在不 同频率和位置的特性。
特点
一维小波变换具有多尺度分析、 局部化分析和灵活性高等特点, 能够有效地处理非平稳信号,如 语音、图像等。
二维小波变换
定义
二维小波变换是一种处理图像的方法,通过将图像分解成不同频率和方向的小波分量, 以便更好地提取图像的局部特征。
实现方式
02
通过将小波变换系数进行逆变换运算,得到近似信号或图像的
原始数据。
特点
03
小波变换的逆变换具有重构性好、计算复杂度低等特点,能够
有效地恢复信号或图像的原始信息。
03
小波变换在图像处理中的 应用
图像压缩
利用小波变换对图像进行压缩,减少 存储空间和传输带宽的需求。
通过小波变换将图像分解为不同频率 的子图像,保留主要特征,去除冗余 信息,从而实现图像压缩。压缩后的 图像可以通过解压缩还原为原始图像。
图像融合
利用小波变换将多个源图像融合成一个目 标图像,实现多源信息的综合利用。
通过小波变换将多个源图像分解为不同频 率的子图像,根据一定的规则和权重对各个 子图像进行融合,再通过逆变换得到融合后 的目标图像。图像融合在遥感、医学影像、 军事侦察等领域有广泛应用,能够提高多源
信息的综合利用效率和目标识别能力。
小波变换
因此,如果函数������ ������ 是������0 的元素,那么它必然也是 ������1 的元素。这是由于 ������0 中任何元素的展开函数都属于 ������1 。 或者说, ������0 是������1 的一个子空间,即������0 ⊂ ������1 。
多分辨率分析
子空间������ ������ 的展开函数可以被表述为子空间������ ������+1 的展开函数的加权和
������������,������ ������ , ������������,������ ������ =0
然后可以将所有的可度量的、平方可积函数空间表示如下:
������2 ������ = ������ ������0 ⨁������ ������0 ⨁������ ������0+1 ⨁…
������ ������ =
������
ℎ������ ������
1 22 ������(2������
− ������)
������ ������ = ������ 2������ − ������(2������ − 1)
任何小波函数都可以表示成平移的双倍分辨率尺度函数的加权和。所以可得哈尔小波函数
以哈尔尺度函数为例来进行说明。考虑单位高度、单位宽度的尺度函数
������ ������ ∈
������0,0 ������ = ������(������) ������0,1 ������ = ������(������ − 1)
1, 0
0 ≤ ������ < 1 其他
������1,0 ������ = 2������(������) ������1,1 ������ = 2������(������ − 1)
小波变换(wavelettransform)的通俗解释(一)
⼩波变换(wavelettransform)的通俗解释(⼀)⼩波变换⼩波,⼀个神奇的波,可长可短可胖可瘦(伸缩*移),当去学习⼩波的时候,第⼀个⾸先要做的就是回顾傅⽴叶变换(⼜回来了,唉),因为他们都是频率变换的⽅法,⽽傅⽴叶变换是最⼊门的,也是最先了解的,通过傅⽴叶变换,了解缺点,改进,慢慢的就成了⼩波变换。
主要的关键的⽅向是傅⽴叶变换、短时傅⽴叶变换,⼩波变换等,第⼆代⼩波的什么的就不说了,太多了没太多意义。
当然,其中会看到很多的名词,例如,内积,基,归⼀化正交,投影,Hilbert空间,多分辨率,⽗⼩波,母⼩波,这些不同的名词也是学习⼩波路上的标志牌,所以在刚学习⼩波变换的时候,看着三个⽅向和标志牌,可以顺利的⾛下去,当然路上的美景要⾃⼰去欣赏(这⾥的美景就是定义和推导了)。
因为内容太多,不是很重要的地⽅我都注释为(查定义)⼀堆⽂字的就是理论(可以⼤体⼀看不⽤⽴刻就懂),同时最下⾯也给了⼏个⽹址辅助学习。
⼀、基傅⽴叶变换和⼩波变换,都会听到分解和重构,其中这个就是根本,因为他们的变化都是将信号看成由若⼲个东西组成的,⽽且这些东西能够处理还原成⽐原来更好的信号。
那怎么分解呢?那就需要⼀个分解的量,也就是常说的基,基的了解可以类⽐向量,向量空间的⼀个向量可以分解在x,y⽅向,同时在各个⽅向定义单位向量e1、e2,这样任意⼀个向量都可以表⽰为a=xe1+ye2,这个是⼆维空间的基,⽽对于傅⽴叶变换的基是不同频率的正弦曲线,所以傅⽴叶变换是把信号波分解成不同频率的正弦波的叠加和,⽽对于⼩波变换就是把⼀个信号分解成⼀系列的⼩波,这⾥时候,也许就会问,⼩波变换的⼩波是什么啊,定义中就是告诉我们⼩波,因为这个⼩波实在是太多,⼀个是种类多,还有就是同⼀种⼩波还可以尺度变换,但是⼩波在整个时间范围的幅度*均值是0,具有有限的持续时间和突变的频率和振幅,可以是不规则,也可以是不对称,很明显正弦波就不是⼩波,什么的是呢,看下⾯⼏个图就是当有了基,以后有什么⽤呢?下⾯看⼀个傅⽴叶变换的实例:对于⼀个信号的表达式为x=sin(2*pi*t)+0.5*sin(2*pi*5*t);这⾥可以看到是他的基就是sin函数,频率是1和5,下⾯看看图形的表⽰,是不是感受了到了频域变换给⼈的⼀⽬了然。
- 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)。
• 时频分析中,最典型的方法就是短时Fourier 变换和小波变换。他们的能量在时间域上 非常集中,而频谱主要集中在有限的频率 范围内,也即它们可表示时频平面上某个 区域的信息,而该区域的位置与宽度完全 依赖其基函数的选择 。
• 短时傅里叶变换
属 在时域把信号分成段,然后分别分析每一 于 段得频率特性————时窗法
• 缺陷
• Fourier分析适合从整个时域(空域)上分析信 号的频谱信息,却不适合分析信号在局部 的频率变化情况,尤其是局部发生突变的 信号; • 短Fourier变换,固有的缺陷是窗口的宽度是 固定不变的,如何构造一种随原函数的频 率变化而变化的窗函数,从理论上要求将 Fourier变换的核函数和窗函数合在一起考虑; • 小波的产生!!!
v) 时、频窗口具有自适应变化特性。
*低
a,b窄 * 高 t 窄 a,b宽
t 宽
a,b a,b
25
6. 小波变换与短时Fourier变换的比较
f
(a)
短时Fourier变换的基函数和时频网格
(b)
t
f
(a)
(b)
t
小波变换的基函数和时频网格
26
H( f )
f0 2 f0 4 f0
大小和颜色是互不相干的2种描述,我们称 其为正交。 同时若这些基能够完全表示所有物体,我 们称其为完备特征基。 因为特征基表现了物体特征,因而可以用 更简洁的描述表示物体。
定义
• 小波(Wavelet),即小区域的波,是一种特殊的长度有限、 平均值为0的波形。 特点:(1)“小”,即在时域都具有紧支集或近似紧支集 (2)正负交替的“波动性”,也即直流分量为零
• 小波分析是当前应用数学发展的新领域,同时具有理
论深刻和应用广泛的双重意义。 • 与Fourier变换、加窗Fourier变换(Gabor变换)相比, 小波变换是时间和频率的局域变换,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,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”,成为信号分析发展史上的里程碑。
1.3 小波变换定义及特点
• 傅立叶分析所用的正弦波在时间上没有限制,从 负无穷到正无穷,但小波倾向于不规则与不对称。 • FT将信号分解成一系列不同频率正弦波的叠加, 小波分析是将信号分解成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 与尺度伸缩得来的。
X k e
k 0
N 1
2 kn j N
基本思想:将信号分解成一系列不同频率的连续正弦波的叠加。这样我们就 可以将对原函数f(t)的研究转化为对其权系数,及傅里叶变换F(ω )的研究。 从傅里叶变换中可以看出,这些标准基是由正弦波及高次谐波组成的,因此 它在频域内是局部化的。 缺陷:丢掉了时间信息,无法根据变换结果判断一个特定的信号是在什么时候 发生的。
或者想知道在某一个特定频率w0,对应的时间是多少?
傅里叶变换则无能为力!!!
实际中,在时域中越是较短时间内发生幅度突变的信号,其包 含的信息越多,但傅里叶变换看不出在什么时候发生这种突变。
回顾————小波变换的由来
• 傅里叶变换
FT : F j
f t e jt dt
参数a 的作用是把基本小波进行伸缩。
其中的因子 1 / a的作用是保证不同的尺度下,函数 a , (t ) 与母小波的能量相同
尺度因子在小波变换中物理解释 (1)当用较小的a对信号作高频分析时,实际上是用高频 小波对信号作细致观察; (2)当用较大的a对信号作低频分析时,实际上是用低频 小波对信号作概貌观察;
4) 窗口面积
为 a 1
, b 0 之频窗宽度
ta,b a,b
at t a
23
窗口面积与 a,b无关,只由小波母函数决定
20
0
2 / 2
0 / 2
t
时窗中心
t * at0 b
频窗中心
时窗宽度
频窗宽度
*
0
a
t
a,b
a t
• 给定信号f(t)的函数表达式或x随t变化的曲线,我们可由此得出在任意 时刻的幅值。若想了解该信号的 频率成分(在某Hz处频率分量的大小), 可通过傅里叶变换。
FT : F j
f t e jt dt
?
1 IFT : f t F j e jt d 2 如果我们想知道在某一个特定时间t0,对应的频率是多少?
间窗,低频使用大时间窗进行分析。)
STFT无能为力了!
不能构成正交基,给数值计算带来不便。
• 小波登场原因:
(1)继承和发展了STFT的局部化思想。 (2)克服了窗口大小不随频率变化、缺乏 离散正交基的缺点。
正交基的解释
若一物体可用颜色和大小表示,我们称颜 色和大小为特征基,构成此物体特征描述空间。
• 用不规则的小波函数来逼近尖锐变化的信号显然 要比光滑的正弦曲线要好,同样,信号局部的特 性用小波函数来逼近显然要比光滑的正弦函数来 逼近要好。
16
解释
小波变换可以理解为用一组分析宽度不断变化的基 函数对信号x(t)进行分析,这一变化正好适应了对信 号分析时在不同的频率范围需要不同的分辨率这一基 本要求 参数 的作用是确定对分析信号x(t)的时间位置, 即时间中心。
小波变换的由来
• 小波变换
对不同频带 信号进行滤 波,然后在 时间上分解 这些频带成 为段,并分 析它们的频 率内容---频 窗法
小波的 时间和频率 特性 时间A 时间B
• 缺陷:
其窗函数的大小和形状均与时间和频率无关, 保持固定不变,对于分析时变信号不利! (高频信号持续时间短,低频长。我们希望对于高频采用小的时
ˆ ( ) d
2
母小波的特点:
(1) 小波具有波动性, (t )dt 0 ,表明是波动的 (2) 小波具有时、频域紧支撑,包络衰减快; (3)小波具有带通滤波器特性, (t ) 可理解为一个 带通滤波器的冲激响应 ˆ (0) 0, 又是紧支撑的 (4)小波 (t ) 和一般的窗函数一样,满足 | (t ) | dt
a,b
a
24
(5) . 窗口特性
i) 时窗和频窗中心分别随a和1/a成正比例变化;
ii) 时窗宽度和频窗宽度分别随a和1/a发生变化;
ⅲ) 窗口面积不变; ˆ iv) a ,b ( ) 是具有恒品质因数带通滤波器频域传递函数; 是具有恒品质因数带通滤波器的冲激响应 a ,b (t ) a ,b 0 带宽 Q constant * 中心频率
4 Parseval定理
0
1 * da 2 Ws (t ) (a, b)Wg (t ) (a, b)db C s(t ) g * (t )dt a
where C
R
• FT变换适于分析平稳信号。实际中大多数信号含有大量的 非平稳信号,例如:突变,奇异,事件的起始与终止等情 况。这些情况反映了信号的重要特征,是分析的对象。例 如下图:典型的地震信号 典 型 的 地 震 记 录 它们的频域特性都随时间而变化。分析它需要提取某一时间段 的频域信息或某一频率段所对应的时间信息
21
5. 小波基 1) 定义
(t ) 经伸缩、平移构成小波基函数。即:
1 t b a ,b (t ) a a
a 0, b R
{ a ,b (t )}为小波基 ˆ a , a ,b (t )时宽 a ,b ( )频宽
2) 窗口中心 时窗中心
1 IFT : f t 2
N 1 n0 j
DFT : X k F f n f n e IDFT : f n 1 N
2 kn
N
F j e jt d
连续 傅里 叶变 换对
k 0,1,..., N 1 离散
傅里 n 0,1,..., N 1 叶变 换对
t0 为 a 1 , b 0之时窗中心
频窗中心 *
1 t || a,b (t ) ||2
*
t | a,b (t ) |2 dt at0 b
1 ˆ a,b ( ) ||2 ||
ˆ | a,b ( ) | d
2
0
a
22
0
为
a 1 , b 0 之频窗中心
回顾————小波变换的由来
短时傅里叶变换
基本思想:把非稳态信号看成一系列短时平稳信号的 叠加,这个过程是通过加时间窗来实现的。一般选用能量 集中在低频处的实的偶函数作为窗函数,通过平移窗函数 来实现时间域的局部化性质。其表达式为: S , f t g * t e j t dt
W f ( t ) (a, b) Ws ( t ) (a, b) Wg ( t ) (a, b)
where
、为常数
2 时移不变性
if
x (t ) s ( t )
Wx ( t ) (a, b) Ws (t ) (a, b) Ws (t ) (a, b )
8 f0
(a)短时Fourier变换等效滤波器带宽
H( f )
f0
2 f0
4 f0
8 f0
(b) 小波变换等效滤波器带宽
频域等分辨是短时Fourier变换所固有的特性 多分辨是小波变换的一种固有特性
27
7. 小波变换的物理意义
Ws (a, b) s(t ) (t )dt s(t ), a ,b (t )