最近,我通过自学了小波的信号分解与重构算法、图像分解、降噪与重构算法以及基于小波的图像融合算法的基本原理,通过阅读李建平译等的《小波十讲》、《科学技术中的小波分析》、孙延奎著的《小波分析及其应用》等书籍,浏览研学论坛的相关专业版块,我获益良多,并激发了深入学习小波理论、掌握小波应用技术的兴趣,正在往小波分析与神经网络、模式识别结合的方向进行学习研究。
下面,结合相关的专业书籍和网络文献资料,谈谈我对小波的理解:
1、小波与傅立叶变换
任何学科都是由一门基本学科积累发展起来的,要做到学好用好,就得把基本学科的概念、原理理解透、掌握好。小波变换是由傅立叶变换的基础上发展起来的,其前身是短时傅立叶变换。所以,如果傅立叶变换没有学好(深入理解概念),是难以学好小波的。同样地,如果第一代小波变换没学好,也学不好第二代小波变换。不过若注重于编程应用,对基础原理的掌握要求就没那么高了。没学好傅立叶变换,能否操作(编程)小波变换,或是没学好第一代小波,能否操作二代小波变换,这个答案是肯定的。编程应用,只要能理解透算法,就可以相对容易的利用熟悉的程序语言编写实现。所以,要学好用好小波,还是得踏踏实实从最基本的傅立叶变换学起。
2、基的概念
学习小波,我们首先要明确的是基的概念。基相当于人体的骨骼,支撑其整个函数(信号)空间,信号可以分成无穷多个基的和(叠加)。而展开系数就是基与信号之间的内积,更通俗的说是投影。展开系数大的,说明信号和基是足够相似的。这也就是相似性检测的思想。但我们必须明确的是,傅立叶变换的基对应于定义在0-2pi区间上的标准正交基,而小波变换是负无穷到正无穷之间的基。因此,小波在实轴上是紧支撑的。而傅立叶的基(正弦或余弦),与此相反。而小波函数能不能成为Reisz基,或标准稳定的正交基,还有其它的限制条件。此外,两者相似的还有就是PARSEVAL定理,即时频能量守恒定理。