【Wavelet——中】

Haar正交基

1910年，匈牙利数学家Haar提出的正交基，正值数学与信号处理领域对信号表示与分解方法探索的初期。此时，传统的傅里叶分析虽擅长描述信号的全局频率特性，却对局部特性束手无策。Haar正交基应运而生，成为信号分析的新工具，它在小波分析领域具有里程碑式的地位。作为首个被广泛研究的正交小波基，它不仅为后续的小波变换、多尺度分析、信号压缩等提供了理论支持，更开启了信号分析的新篇章。

Haar正交基以其局部性、多分辨率分析能力和高效计算特性，成为信号处理与机器学习的得力工具。它凭借局部性质，精准捕捉信号的局部特征；借助多分辨率分析，揭示信号的细节与整体结构。因此，在信号分解、特征提取和噪声抑制等任务中，Haar正交基展现出卓越性能。在机器学习领域，它作为一种高效的多维特征抽取算法，能从复杂数据中提炼关键特征，为机器学习模型提供强大支撑。

关于Haar正交基和现代小波基在特征抽取方面的优势和不同使用场景的对比表格：

特性/贡献	Haar正交基	现代小波基
定义与性质	简单的分段常数函数	具有特定形状、大小和频率特性的数学函数
数学性质	简单的正交性	通常具有紧支性、对称性、正交性和正则性等
局部性	- 局部性质显著，适合捕捉信号的局部突变和细节信息	- 局部化能力更强，能更精细地描述信号的局部特征
多分辨率分析	- 通过不同尺度的基函数实现多分辨率分析	- 更高的灵活性和精度，能够捕捉多个尺度上的信号细节
计算高效性	- 计算简单高效，适用于实时信号处理	- 计算复杂度相对较高，但现代技术已提升计算效率
广泛应用性	- 在信号处理、机器学习、图像处理等领域广泛应用	- 在图像处理、语音识别、生物医学信号处理等领域广泛应用
适用场景	- 需要快速处理的场合，如实时信号处理	- 需要高精度特征抽取的场合，如复杂图像处理

这个表格简洁明了地呈现了Haar正交基和现代小波基在特征抽取方面的优势和不同使用场景。根据具体问题和数据特性，可以选择合适的特征抽取方法。

小波基

小波基是一种数学函数，具有特定的形状、大小和频率特性，主要用于分析、处理和表示信号、图像等数据。其概念源自小波分析，这是一种数学工具，通过伸缩平移运算对信号或数据进行多尺度细化分析，以达到高频处时间细分，低频处频率细分的效果，从而能够自动适应时频信号分析的要求。

年份	贡献者	主要贡献	数学专业知识与细节
1981	J. Stromberg（瑞典）	构造了历史上第一个真正的小波基	证明了存在一个离散的小波基，可以表示任何平方可积的函数。
1984	Y. Meyer（法国）	构造了具有一定正则性的小波基	利用了调和分析中的多尺度分析和小波变换的思想。
1986	S. Mallat（法国）	提出了多分辨分析（MRA）的概念	多分辨率分析（MRA）是从粗到细分析事物的方法。在时域中，尺度大小变化对应频域尺度的反向变化。大尺度由低通滤波器提取，展示低频或信号轮廓；小尺度由高通滤波器获取，呈现高频或噪声及突变信息
1986	S. Mallat & Y. Meyer	建立了小波基的正交性和紧支撑性	构造了具有正交性和紧支撑性的小波基，为小波分析在信号处理中的应用提供了便利。
1987	P.G. Lemaréi（法国）	构造了样条小波基	利用样条函数的性质，构造了具有紧支撑和光滑性的小波基。
1988	I. Daubechies （比利时，首位女性IMU国际数学家联盟主席，主要贡献在于发现了光滑紧支撑的小波，并开发了双正交小波。她的研究彻底改变了图像和信号的数值处理方式，为数据压缩提供了标准和灵活的算法，这导致了各种技术的广泛创新，包括图像压缩、医学成像、无线通信、遥感和数码摄影、数字电影。）	构造了紧支撑正交小波基（Daubechies小波）	这些小