文章目录
参考: 形象易懂讲解算法I——小波变换
1.由来
现实世界中的数据或信号,经常代表缓慢变化或震荡的趋势,并伴随着瞬变。另一方面,图像中有很多平滑的区域,被锐利边缘或对比度突变所分割,不管师从感性上还是它们所包含的信息量来看,这些突变的区域经常是数据中我们最感兴趣的部分。傅里叶变换是分析数据的有力工具,然而它不能有效地反映突变。对非平稳过程,傅里叶变换有局限性
1.1傅里叶变换(FT)
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。
缺陷
- 正弦波在时域和空域都没有定位信息
- 丢掉了时间信息,无法根据变换结果判定一个特定的信号是什么时候发生的。
- 傅里叶变换处理非平稳信号有天生缺陷。它只能获取一段信号总体上包含哪些频率的成分,但是对各成分出现的时刻并无所知。因此时域相差很大的两个信号,可能频谱图一样。
- FT适合分析平稳信号。实际中大部分信号含有大量非平稳信号。这些情况反映了信号的重要特征,是分析的对象。
1.2短时傅里叶变换(STFT)
基本思想
- 给信号加一个小窗,主要集中在对小窗内的信号进行变换,反映了信号的局部特征。
- “把整个时域过程分解成无数个等长的小过程ÿ