简单理解小波变换

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