小波变换与小波降噪

本篇博客主要介绍小波变换与小波降噪的原理和区别，总的来说，小波变换可以分为连续小波变换和离散小波变换。 连续小波变换（Continuous Wavelet Transform）可以将时域信号转为时频图进行信号分析， 离散小波变换（Discrete Wavelet Tranform）可以通过逐层分解过滤高频噪声，实现小波降噪。

连续小波变换与时频图

连续小波变换的目的是将一维的时域信号转换为时频图，从而分析出信号在具体时间段的频率表现，如下图所示。通常的傅里叶变换只能将时域信号转为频域信号，并不能反应某个频率的作用时间，如下图，傅里叶变换只能分解出该信号由频率4Hz,6Hz,10Hz的三组子信号组成，但无法得知它们的持续时间（图中4hz的持续时间为0-2s，6Hz的持续时间为2-4s，10Hz的持续时间为0-4s）。此时学者提出短时傅里叶变换（Short time Fourier Transform），通过分窗操作，分析窗口内的频率成分，即可得出该窗口所在时间段的频率成分，一定程度上将时域信号转换为时频图，但窗口大小对转换结果影响很大，窗口越小，时间分辨率越高，频率分辨率越低，窗口越大，频率分辨率越高，时间分辨率越低，需要进行折中。

连续小波变换就是将原始信号与不同尺度的小波函数做卷积的过程。这里涉及三个概念：小波函数,不同尺度和卷积。下面具体介绍这三个概念。

小波函数

首先讲一下小波基函数，小波基函数（Wavelet Basis Function） 是一个有限的、局部化的、具有可调节尺度和平移特点的函数。 一个小波基往往定义了两组函数：小波函数和尺度函数，常用的小波基有Daubechies, Symlet, Biorthogonal等，如下图所示（小波基的评价指标及选择也是一门复杂的学问，这里作者不展开讲，将在第三部分进行详细讲解，此处只需有一个小波基的概念即可）。在转换为时频图的任务中只需用到小波函数。在小波降噪中，则两者都需要，下文会具体讲解，在这里只需有个概念即可。
图源:Matlab官方小波讲解视频。

不同尺度

我们会对选择的小波函数进行缩放和位移，在连续小波变换中，缩放和位移的情况是无限的，即考虑每种排列组合，这样时频图分辨率才会更好；而在离散小波变换中，缩放和位移是有限的。对小波函数进行缩放和位移的公式如下：

$y(t)=\frac{1}{\sqrt{a}}\cdot \psi \left(\frac{t-b}{a}\right)$

其中，$a$ 是缩放因子（尺度因子），控制小波函数的尺度大小，即反映频率；$b$ 是平移因子，控制小波函数在时间轴上的平移，即反映时间。$\psi$表示小波函数。

总结一下，在转换为时频图的任务中，我们选择了一个小波基，使用了这个小波基定义的小波函数，随后对这个小波函数进行无限次缩放和位移，得到了一组小波函数。

卷积操作

将不同尺度下的小波函数与原始信号做卷积，由于小波函数是局部性函数，因此只在作用区间内卷积结果为非0数，其他区间均为0。如图所示，假设小波基函数的作用区间为x∈(1,3)，频率为2Hz，原始信号的作用区间为x∈(3,5),频率为4Hz。初始状态的小波基与原始信号的卷积结果为0，通过位移，当作用区间有重合时，卷积结果不再为0。当频率且作用区间均相同时，卷积结果最大。我们因此通过小波函数的位移值和缩放值得到当前区间内的频率值。

（PPT画图，请见谅）

离散小波变换与小波降噪

连续小波变换的提出一定程度上解决了短时傅里叶变换受限于窗口大小的劣势，很好的画出了一组信号的时频图。此时，我们想让小波变换干更多的事，比如小波降噪，特征提取，压缩与解码等等，但是连续小波变换进行了无限次的缩放、位移和卷积，在实际的应用中会消耗极大的计算资源，并且造成大量的信息冗余。因此学者提出了离散小波变换。

离散小波变换又称小波分解（Wavelet Decomposition），处理流程如下。对于给定的原始信号，我们使用尺度函数与原始信号进行卷积操作，得到的值称为近似系数，也称为低频信息，用于描述信号的整体趋势；使用小波函数与原始信号进行卷积操作，得到的值称为细节系数，也称为高频信息，用于描述信号的细节特征，以上为一层分解。在小波分解中，往往会经过多次分解，即对每一层的近似系数继续进行分解如下图所示。

小波降噪的步骤分为：离散小波分解，阈值处理，小波重构。阈值处理是指对每层分解出的细节系数进行过滤操作，对认为是噪声的部分进行处理，小波重构则是对最后一层的近似系数和每一层进行阈值处理后的细节系数进行相加重构为一维信号。

阈值处理有两组超参需要选择，①阈值选择：哪些幅值区间内的采样点要被进行处理；②阈值函数选择：用哪种方式处理这些采样点。对于阈值的处理可以参考：【滤波专题-第6篇】小波阈值去噪方法看这一篇就明白了~（附MATLAB实现）

综上，小波降噪的超参选择共有四个：小波基选择，分解层数，阈值选择和阈值函数选择。

小波基的选择

参考：小波基函数的选择