如何简单易懂理解连续小波变换？（个人笔记）

声明：本文章笔记是此YouTube视频的个人总结：初学者的小波变换 - YouTube

一、如何简单易懂理解连续小波变换

1、为什么要使用小波变换：对非平稳信号，FFT无法定位故障频率的时间，即无法提供局部信号频率信息。因此出现了短时傅里叶变换（STFT），来克服FFT的这一缺陷，STFT使用固定长度的窗函数（可以理解为：用一个方框去扫描信号），沿着信号扫描，对其进行FFT。（如下图，扫描后得到三维图，比FFT多了时间的维度。）但是STFT还是存在缺点：窗函数是固定的（变换的过程中不能改变），导致信号的分辨率是固定的，不能清楚定位故障频率在具体什么时间，但相比FFT，我们可以知道某频率范围在什么时段存在。换句话说，STFT能定位故障时间段、频率范围，不能定位到具体的时间点、故障频率。为了能定位到具体某个的故障时间点和频率，小波变换诞生了。

原始信号与STFT处理后的结果

2、从公式上看FTT、STFT、小波变换（WT）的区别：（可以看出，STFT多了一个窗函数的变量τ，WT则将STFT的一块指数运算替换为小波函数）

FTT、STFT公式：

小波变换（WT）公式：

3、小波变换如何定位具体的故障时间点和频率？

        可以简单理解为进行多个STFT，但是不是用窗函数按找一个范围逐个扫描使用FFT，而是使用小波函数进行扫描，并且用频率不同的小波函数对局部信号重复扫描，扫描的次数越多，分辨率越高，得到高分辨率的局部信号。（这个过程也被称作：将信号分解成不同尺度上的频率分量。）

不同的小波函数

使用不同的小波函数进行多次扫描

WT结果图

小波分解：重复对局部信号进行小波变换，获得分辨率更高的信号分量。

对原始信号进行多次小波分解后，通过合成低频率的信号分量，能起到信号降噪作用。

二、小波函数怎么选？（本人还不太懂）

YouTube视频：How to Choose a Right Wavelet and Wavelet Transform? (Understanding Wavelet's Properties) (youtube.com)

Mathworks：小波族 - MATLAB 和 Simulink (mathworks.com)

CSDN：有关小波的几个术语及常见的小波基介绍_sym4小波-CSDN博客

查看Python库中有哪些小波函数：python小波变换3-代码实现（pywt库，cwt-2D/3D时频图绘制，dwt-信号分解及重建）-CSDN博客